Yandex for Developers

📕 Обсудили безопасность LLM, конфликты в переговорах и границы вайбкодинга — всё это в новом дайджесте Yandex for Developers 🚙 Куда сходить 🔴 5 сентября — deep tech night. Обсудим переход к генеративным моделям в RecSys, Physical AI, инфраструктуру RL-обучения, облако в эпоху AI, современную архитектуру NPU и другие темы 🔴 9 сентября — Data Dojo. Приглашаем тех, кто уже владеет основами ML и хочет двигаться дальше. Будем общаться с единомышленниками и разбирать реальные кейсы от экспертов Яндекса 🔴 12–18 сентября — Week Offer Security. Это формат быстрого найма для ИБ-специалистов. Приглашаем за одну неделю пройти все этапы собеседований, познакомиться с командами и получить офер, если всё пройдёт хорошо 🔴 19 сентября — Practical ML Conf. В программе хардовые доклады, дискуссии и активности. Вот только часть тем: экономически эффективный инференс LLM, Agentic Vision, query-based-модель в автономном транспорте и end-to-end генеративная модель рекомендаций в Музыке 🔴 26 сентября — Data Driven 2026. Нашей флагманской конференции для аналитиков исполнилось 10 лет. В этот раз сделаем акцент на AI-first-аналитике и будущем профессии в эпоху искусственного интеллекта 🌎 Что случилось 🔴 Начался новый сезон тренировок по алгоритмам. Рассказывайте знакомым джунам, которые хотят попрактиковаться в формате технических собеседований или подтянуть теорию по алгоритмам 📖 Что почитать 🔴 Как мониторить Java-приложения. В статье советы о том, какие метрики стоит взять за основу, как выбирать полезные алерты и что такое правило 80/20 🔴 Мультимодальное ранжирование в Яндекс Картинках. Рассказали про архитектуру, которая позволяет модели одновременно смотреть на изображение и читать текст 🔴 Что на самом деле умеет AI в разработке, а что ещё нет. Паша Сухóв, ведущий разработчик в Яндекс Доставке, поделился своим опытом использования кодовых ассистентов, агентов и MCP 🔴 Как злоумышленники из безопасной LLM за пару часов делают модель без цензуры. Причём не «уговаривают» модель через промпт, а хирургически убирают из неё сам механизм отказа 📺 Что посмотреть 🔴 Как превратить конфликт в пользу для продукта. Игорь Рубанов, руководитель аналитики в Яндекс Go, рассказал, когда в переговорах нужно искать союзника, а когда лучше эскалировать проблему. Послушать можно на ютубе, в VK Видео или в Яндекс Музыке 🔴 Доклады с Back to Back. 1 августа бэкендеры посмотрели 25 выступлений в трёх городах. Мы сложили их в удобные плейлисты: C++ Zero Cost в Москве и C++ Zero Cost в Белграде, Architecture&Performance в Москве и Architecture&Performance в Ереване Подписывайтесь: 💬 @Yandex4Developers

🤖 Что на самом деле умеют AI-ассистенты в разработке Вокруг AI в разработке всё ещё ходит довольно много мифов. Кто-то боится, что нейросети вот-вот заменят программистов, а другие уже представляют, как навайбкодят стартап за пару вечеров. Реальный опыт оказывается куда сложнее. На связи Паша Сухов, ведущий разработчик в Яндекс Доставке. Сегодня я поделюсь своим опытом: как я пытался использовать кодовых ассистентов, агентов и MCP, что понял в процессе и где AI может помочь вам. 🅰️ Рутина правда ускорялась Однажды я писал код для скрипта. Написал шесть строк, добавил в контекст нужные файлы и сказал: «Вынеси параметры, сделай --help, напиши доку». Мои шесть строк превратились в полтораста — с проверкой аргументов, созданием папок, логами каждого шага, справкой, примерами запуска и прочими вещами, которые я терпеть не могу делать сам. Кроме того, здорово помогало автодополнение: не по принципу «допиши вот эту строчку», а «смотри, вот ещё полфункции». Агент со временем понимает, что и как вы пишете, и начинает предлагать более точные варианты: оптимизирует структуру, проводит рефакторинг, находит и вставляет нужную лямбду. 🅰️ Но на сложных задачах вся магия рассеивалась Стоило мне взяться за что-то объёмное и нестандартное — например, собрать демку с геокартами или написать что-то на игровом движке Bevy, — начинался цирк. Агент путал версии API и после каждой правки бодро уверял, что теперь-то всё точно исправил, хотя на деле ломал ещё сильнее. Похожая история была и при работе с готовым кодом. Просишь перенести функцию из одного файла в другой — получаешь раздутый код с недописанными кусками. Иногда агент и вовсе попадал в цикл: поочерёдно откатывал и вносил одну и ту же неработающую правку. 🅰️ Модели стали лучше, но с нюансами Со временем они действительно стали писать код качественнее, особенно на локальных, быстрых и относительно изолированных задачах. Но вместе с тем они стали хитрее прятать баги. Цель моделей — написать не код, который работает, а код, который выглядит правдоподобно. Но всё же думать «А правильно ли это?» в среднем и продуктивнее, и приятнее, чем бесконечно думать «А как это вообще написать?», чтобы к моменту готового текста на проверку не осталось сил. 🅰️ AI помогает быстрее погрузиться в контекст ​​По работе мне регулярно приходится копаться в чужих проектах. Я постоянно сталкиваюсь с проблемой: с какого файла вообще начинать читать? Тут и пригождается нейросеть: я даю ей задачу такой, какая она есть. Главное тут — не её результат, а размышления: она найдёт нужную часть системы, я пойму, куда смотреть, и код станет читать проще. 🅰️ LLM нужно использовать правильно Нейросети не сняли с человека ответственность, не отменили необходимость думать и не научились стабильно писать серьёзные системы без присмотра. Зато они забрали то, что разработчики любят меньше всего: рутину, бойлерплейт, механические правки, поиск по чужому коду, черновую документацию, однотипные задачи и страх чистого листа. ⏩️ А полную статью читайте по ссылке. В ней я рассказал про эволюцию ассистентов и про то, как изменилась производительность разработчиков благодаря LLM. Подписывайтесь: 💬 @Yandex4Developers

🔥 Делимся первыми спикерами на deep tech night В карточках рассказываем, кто и на какие темы будет выступать на конференции 5 сентября. А чтобы получить доступ к эфиру, задать вопросы экспертам в прямом эфире и первыми посмотреть запись после события, зарегистрируйтесь на сайте. ⏩️ Подробности о докладах и форма регистрации Подписывайтесь: 💬 @Yandex4Developers

📕 Разбираемся, как устроен прайсинг Яндекс Go, рассказываем про графовую foundation-модель, которая взяла Best Paper Award на воркшопе ICML, и изучаем опыт инженеров Яндекса в новом дайджесте Yandex for Developers 🚕 Куда сходить 🔴 22 августа — Welcome Times для аналитиков в Москве. На встрече вы познакомитесь с ребятами из команд Яндекс Поиска и Независимого Ecom, узнаете больше об их проектах и пройдёте диагностику навыков. Кстати, результаты диагностики действуют два года и могут заменить один из этапов собеседования в Яндекс. 🌎 Что случилось 🔴 ИИ в Яндексе: главное за июль. Рассказали, как ИИ помогает забронировать столик в ресторане, приглядывать за домашними животными и найти репетитора для школьника. 🔴 ICML: итоги и победы Яндекса. Команда Yandex Research представила графовую foundation-модель GraphPFN, а работа получила Best Paper Award на тематическом воркшопе. 🔴 Новости Yandex Cloud за июль. Международная сертификация ISO/IEC 42001 для Alice AI, новые сертификаты ГОСТ и лидерские позиции на рынке IaaS по надёжности и технологичности. 📖 Что почитать 🔴 Как мы вынесли алгоритм ценообразования из кода Яндекс Go. Объяснили, почему не взяли готовый скриптовый язык, что такое цепочка преобразований цены и зачем нам понадобился формальный верификатор. 🔴 Как подготовиться к собеседованию. Старший аналитик-разработчик Сослан Табуев собрал пять советов, которые помогут чувствовать себя увереннее на интервью и лучше понять ожидания собеседующего. 🔴 Главные итоги ICRA 2026. Команда автономного транспорта Яндекса поделилась ключевыми темами ICRA — одной из крупнейших конференций по робототехнике. Среди них — Reinforcement Learning, генерация редких edge-кейсов и другие направления, которые сегодня определяют развитие робототехники. 🔴 Как мы проапгрейдили робота-доставщика. Руководитель службы системной разработки в Автономном транспорте и роботах рассказал, почему модель R4 пришлось основательно пересобрать и как это помогло сделать роботов умнее, дешевле и проще в масштабировании. 🔴 Как выжать из железа максимум: эволюция инференса в Алисе. Виктор Хаймоненко рассказывает, как команда прошла путь от инференса на чистом C и пайплайна на корутинах до современных движков и квантизованных моделей. 📺 Что посмотреть 🔴 1×1 с Димой Александровым на ютубе и в VK Видео. Что Дима понял о яндексоидах за годы работы в компании, как устроена внутренняя ротация, каково управлять большой командой и почему автомобили стали для него больше чем хобби. Подписывайтесь: 💬 @Yandex4Developers

🥹 Как выжать из железа максимум: эволюция инференса в Алисе Привет, меня зовут Витя Хаймоненко, я разработчик в команде голосовой активации Алисы. Сегодня я расскажу, как мы прошли путь от инференса на чистом C корутинами до современных движков и квантизованных моделей — и какой инженерный опыт из этого вынесли. 🅰️ Железо фиксировано, а модели растут На колонке одновременно крутится несколько нейросетей: 🔴 Активационные модели, которые реагируют на слова «Алиса» или «Яндекс» 🔴 Командные споттеры — модели, которые поддерживают набор популярных команд, например, для управления музыкой или умным домом 🔴 Интонационные споттеры, которые делают общение с ассистентом более естественным и понимают, когда вы обращаетесь к колонке без слова «Алиса» Все они работают в реальном времени и должны укладываться в жёсткие лимиты по latency, CPU и RAM. Докинуть ресурсы на устройство нельзя, поэтому единственный путь — оптимизация инференса. 🅰️ Как ситуация обстояла раньше В 2014 году не было ни готовых инференс-фреймворков, ни повсеместной поддержки C++ на чипах. Мы писали на чистом C, а пайплайн описывали корутинами. Композиция получалась гибкой, но за это мы расплачивались накладными расходами на переключение контекстов и динамическими аллокациями памяти на каждом шаге. Уже тогда появились оптимизации, которые живут до сих пор. Во-первых, батчинг: вместо обработки одного фрейма звука за раз мы ждём, пока накопится батч из нескольких фреймов, и обрабатываем их разом. Это позволяет эффективно использовать SIMD-инструкции процессора и даёт серьёзный выигрыш по скорости, жертвуя лишь примерно полусотней миллисекунд latency. Во-вторых, стриминг: мы не пересчитываем целиком всё «окно» заново, а только обновляем его с приходом новых фреймов. Для матричных умножений использовали одну из реализаций BLAS, которая отлично утилизирует кеш процессора. 🅰️ Переезд на C++ и библиотеки инференса С появлением нормальной поддержки C++ на чипах мы стали переписывать рантайм. На смену корутинам пришла наша внутренняя библиотека YNMT, изначально сделанная для моделей перевода. Она представляет модель как статический вычислительный граф, из-за чего отпала необходимость в корутинах. А потом, когда YNMT стала уступать по скорости опенсорсному TFLite, мы переехали на него. Он поддерживает встроенные оптимизации под разные архитектуры чипов. 🅰️ Два захода в квантизацию Первый подход был простым и безопасным: мы сжимали веса модели с FP32 до INT8, но перед вычислением разжимали их обратно. Затем научились квантовать и активации. Теперь мы на лету сжимаем вход до INT8, перемножаем матрицы в INT16 и деквантизуем выход. Выигрываем и по памяти, и по скорости за счёт более быстрых целочисленных SIMD-инструкций. 🅰️ Ещё одна инфраструктурная оптимизация — мультиспоттер Раньше каждая модель тащила за собой свои буфера и предобработку звука, что вело к дублированию вычислений. Теперь общая часть вынесена в отдельную сущность, и все модели пользуются ею совместно. 🅰️ Главные уроки Не стоит бояться использовать опенсорс-решения и адаптировать их под своё железо. Мы взяли стандартную реализацию свёртки в TFLite, переработали её под конкретный чип и получили огромный прирост производительности. К тому же у опенсорсных подходов есть неплохой плюс: зачастую они поддерживаются широким сообществом. Сейчас мы в процессе миграции на TFLite, готовимся использовать встроенную квантизацию вместо ручной и продолжаем пилить кастомные операции. Всё это позволяет делать колонки умнее и при этом сохранять доступность для пользователей. ⏩️ А больше технических деталей можно узнать в полной записи доклада с Я.Железо. Смотрите на ютубе и в VK Видео. Подписывайтесь: 💬 @Yandex4Developers

☺️ Как мы проапгрейдили робота-доставщика Привет, меня зовут Сергей Гутынин, я руководитель службы системной разработки в Автономном транспорте и роботах. У всякого бизнеса есть требование: масштабироваться. Производство роботов-доставщиков не стало исключением. Мы хотели сделать их умнее, дешевле и автономнее, а саму сборку поставить на поток. Но когда мы подошли к этой задаче, оказалось, что маленькими изменениями не отделаться — робота пришлось основательно пересобрать. 👳‍♂️ Читайте в карточках, какие изменения мы внесли в дизайн модели R4 и каких результатов нам удалось достичь ⏩️ А полный доклад о новой версии робота-доставщика смотрите на ютубе и в VK Видео. В нём я рассказываю: 🔴 С чего начинается проектирование рободоставщика 🔴 Как мы добавили в новую версию сценарий мультидоставки 🔴 К каким выводам мы пришли в процессе сборки R4 Подписывайтесь: 💬 @Yandex4Developers

📕 Автоматизируем базу знаний с AI, строим новое облако для умных устройств Яндекса и запускаем платформу плагинов в Трекере. Об этом и не только — в новом дайджесте Yandex for Developers 🚕 Куда сходить 🔴 13 августа — ML Global Recap’H1 2026 в Москве и онлайн. Поговорим о главных инсайтах про AI и ML с мировых конференций за последние полгода. Обсудим тренды в ризонинге, челленджи в RL-инфраструктуре и многое другое 🔴 14, 21, 28 августа — «Лайнап Y&&Y»: три вечера в Яндексе. Проведём ярмарку вакансий, понетворкаемся сообществом Y&&Y и отметим выпускной Летних школ и кампуса ML-академии. Регистрируйтесь, знакомьтесь с коллегами и зовите друзей, которые тоже хотят вкатиться в IT 🔴 24 сентября — Yandex Scale в Москве и онлайн. Это флагманская технологическая конференция Yandex Cloud. В программе четыре тематических трека: AI, Hybrid Infrastructure & DevOps, Data и Security (а ещё направление DeepTech для тех, кто подключится онлайн) 🌎 Что случилось 🔴 Яндекс запускает программу 75/75/75. К концу 2026 года не менее 75% разработчиков будут использовать AI для написания кода, на уровне компании AI будет участвовать в подготовке не менее 75% изменений, а в каждом из них — генерировать не менее 75% кода 📖 Что почитать 🔴 Как мы описали 15 000 таблиц за полгода вместо 500 за год. Для этого собрали скрипт на Python, который с помощью API Датакаталога, LLM-моделей, баз данных YT и Memgraph собирает описания из разных источников и автоматизирует документацию 🔴 Новое облако для умных устройств Яндекса. Внутри: комиссионинг без хаба, один канал вместо зоопарка соединений, однопоточная модель исполнения и дисциплина переподключений на плохой сети 🔴 Как мы построили платформу плагинов в Трекере. Рассказали, почему мы на это решились, как гарантировали безопасность кода через iframe и настроили весь инструментарий с низким порогом входа и DevExp 🔴 Разбираем залежи ссылок в базе знаний и строим LLM Wiki. Толя Панов, CTO Яндекс Карт, рассказал, как научить AI-агента вести базу знаний, чтобы суммаризацией, систематизацией и построением связей занималась машина 🔴 Старый сервис в новой реальности. Разобрали, как изменился mirror.yandex.ru под капотом: почему мы перешли с rsync на rclone, как мы превратили серверы в LXD-гипервизоры и где нам помогли нейросети 📺 Что посмотреть 🔴 Как аналитики драйвят бизнес. В новом выпуске «Доверительного интервала» обсудили аналитику эффективности и партнёрскую аналитику: чем различаются подходы и как они влияют на P&L компании. Смотрите на ютубе и в VK Видео, слушайте в Яндекс Музыке 🔴 Доклады с Product : Fest. Спикеры разобрали, как AI изменил продуктовую работу внутри Яндекса, что делает SuperApp по-настоящему супер и многое другое. Смотрите плейлисты с записями на ютубе и в VK Видео Подписывайтесь: 💬 @Yandex4Developers