Архитектура ядра самоэволюционирующего агента, процесс его эволюции, безопасность системы и преимущества решения.

Внутреннее устройство Managed Inference Platform: архитектурные решения, сложности инференса LLM и работа над стабильно низким TTFT для GigaCode и Сбера.

Как AI-ассистент разработчика становится платформой для всего жизненного цикла ПО, агенты встраиваются в разработку и тестирование, а телеметрия помогает измерять их эффект.

Поиск узких мест LLM-инференса: метрики, настройки vLLM, KV-cache и CUDA-ядра. Практические результаты ускорения, задержки и компромиссы с качеством.

Human-in-the-loop в облачной AI-first-разработке: AG-UI, durable-исполнение, изоляция действий в песочнице и разделение логики агента и среды.

Два года эксплуатации RTX 4090 с 48 ГБ VRAM в production: батчинг, KV-cache, риски модифицированного железа, контроль питания и температуры, ограничения PCIe.

Как Яндекс снизил порог входа в ML-инфраструктуру: типовые сценарии как отдельные сервисы, улучшение интерфейсов, отладки и наблюдаемости, точечное применение LLM.

Интеграция ИИ-агентов в CI/CD: автономный путь от брифа до PR, параллельные задачи и точки контроля разработчика.

Как устроен сервис для работы с open-source LLM, как он выдерживает более миллиона токенов в секунду и как использовать его в прикладных задачах.

Новая модель Kandinsky 6.0 Video: генерация Full HD-роликов с синхронным звуком и речью, архитектура, обучение и интеграции.

Стратегическое управление GenAI-трансформацией на примере Enterprise Harness: скорость создания агентов для команд, архитектурная целостность и эволюция агентных решений.

Как меняются профессиональные роли инженеров и ИТ-специалистов, какие навыки нужны и как сочетать техническую экспертизу с новыми компетенциями.

Серверный GigaHarness на Go для сложных банковских сценариев: управление контекстом, проверка действий, обработка ошибок и независимые Skills.

Как Сбер меняет инженерные роли и процессы сопровождения: переход от документов и автоматизации к автономизации процесса и новым инструментам.

Практические кейсы Альфа-Банка: как детерминированные проверки и гейты отличаются от инструкций в контексте и помогают агентам на открытых моделях работать предсказуемо.

Опыт внедрения AI-агентов в клиентский сервис: пилоты с финансовым эффектом, переход к масштабированию, методика агентизации, командные роли и дорожная карта.

Как Cloud.ru построила кодинг-агента в закрытом контуре: изолированная песочница, оркестратор на Go, задачи из Jira и IDE, путь до merge request.

Архитектура ИИ-продуктов на основе моделей JEV-класса и примеры их использования в бизнесе.

Реальные случаи prompt injection и обхода ограничений LLM: детерминированные проверки, интерпретируемость результатов и баланс защиты, скорости и удобства.

Какая агентная обвязка теряет смысл после обновления модели, а какая остаётся критичной: встроенные навыки, контроль доступа и проверка полезности компонентов архитектуры.