TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1109 · 23.06

Не хотелось уходить из отрасли, но Росатом сокращает айтишников. Сейчас расскажу. Вот и подходит к концу мой пятилетний срок работы в Атомстройэкспорте. Не буду лукавить, это было очень интересно. Когда-то в 2019-м нас наняли целой командой после победы в треке Росатома в крупнейшем в мире хакатоне. Я ничего не знал о внутренностях этой компании, но сразу был приятно удивлён: современный технологический стек, хорошие процессы, команда молодых и очень компетентных спецов. Платили айтишникам вполне по рынку. Казалось, что такая железобетонная в прямом и переносном смысле отрасль, как строительство атомных станций, будет жить вечно и обеспечит нас работой на долгие десятилетия. Без преувеличения я с гордостью всем рассказывал о своём месте работы. К этому добавлялось ещё два важных позитивных фактора: Во-первых, очень приятная атмосфера взаимодействия с коллегами. Думаю, в Росатом многие шли из-за неравнодушия к отрасли, с желанием заниматься чем-то серьёзным и полезным. Во-вторых, классная корпоративная культура, в особенности ежегодный чемпионат AtomSkills, который дарил одни из самых ярких эмоций за мою соревновательную карьеру. Но, увы, в структуре управления Госкорпорацией есть фундаментальная проблема. Возможно, она существует в любой крупной компании, но в Росатоме проявляется особенно сильно — отсутствие горизонтальных связей между соседними ветками иерархии. И на самом высоком уровне (разные компании внутри ГК общаются друг с другом, как враги, и сражаются за ресурсы), и на самом мелком (руководитель мог забирать разработчиков, даже если это приводило к срыву задач другого руководителя). Такой способ управления держится, пока у веток есть общий корень — например, крупный начальник, которому важны все подопечные проекты. В итоге, когда в прошлом году ушла вице-президент по цифровизации, вся дирекция мгновенно балканизировалась (то есть, развалилась на изолированные островки). За продуктами целиком перестал кто-либо стоять, островки оказались нежизнеспособны, и к настоящему моменту де-факто закрыты три основных цифровых разработки дирекции, а пара сотен айтишников ушли на рынок. Обязательства же перед заказчиком в разрезе айти пытаются выполнить, спешно реанимируя старую версию софта, в которой номинально даже реализовано больше функций. С меньшей детализацией, меньшей надёжностью и меньшей поддерживаемостью, но об этом на презентациях можно не говорить. Добавьте сюда ещё такой эффект: достаточно много интересантов, которым цифровизация стройки не нужна и мешает. Потому что цифровизация делает процессы более прозрачными и упорядоченными, усиливает контроль со стороны генподрядчика, требует обучать и дисциплинировать людей. Конечно, многие (очень многие) не хотят этого. Кстати, пара других компаний в ГК хотели забрать к себе часть людей, но им заблокировали найм, а позже и там тоже начались сокращения. Поэтому я и говорю, что Росатом сокращает айти, а не АСЭ. Уверен, через несколько лет придёт сильный управленец, который захочет реанимировать идею общей цифровизации процессов на атомной стройке, придётся заново собирать команды и скорее всего заново запускать дорогую разработку. А пока, увы. В течение нескольких следующих дней я буду рассказывать вам свою историю поиска работы: современное состояние рынка, собеседования в крупные компании. Не переключайтесь! Пока, Росатом. Это было классно. #life

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #efficientmodels

当前筛选 #efficientmodels清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8519 · 11.09.2025 г., 18:21

🚀 Релиз:Qwen3-Next-80B-A3B - эффективная модель заточенная на работа работу с очень длинным контекстом! 🔹80B параметров, но активируется только 3B на токен → тренировка и инференс 10x дешевле и быстрее, чем у Qwen3-32B (особенно при 32K+ контексте). 🔹Гибридная архитектура: Gated DeltaNet + Gated Attention → сочетает скорость и точность. 🔹Ultra-sparse MoE: 512 экспертов, маршрутизируется 10 + 1 общий. 🔹Multi-Token Prediction → ускоренное speculative decoding. 🔹 По производительности обходит Qwen3-32B и приближается к Qwen3-235B в рассуждениях и long-context задачах. 🟢Qwen3-Next-80B-A3B-Instruct показатели почти на уровне 235B flagship. 🟢Qwen3-Next-80B-A3B-Thinking превосходит Gemini-2.5-Flash-Thinking. ▪Попробовать: https://chat.qwen.ai ▪Анонс: https://qwen.ai/blog?id=4074cca80393150c248e508aa62983f9cb7d27cd&from=research.latest-advancements-list ▪ HuggingFace: https://huggingface.co/collections/Qwen/qwen3-next-68c25fd6838e585db8eeea9d ▪ ModelScope: https://modelscope.cn/collections/Qwen3-Next-c314f23bd0264a ▪Kaggle: https://kaggle.com/models/qwen-lm/qwen3-next-80b ▪ Alibaba Cloud API: https://alibabacloud.com/help/en/model-studio/models#c5414da58bjgj @ai_machinelearning_big_data #AI#LLM#Qwen#DeepLearning#MoE#EfficientModels#LongContext#Reasonin