Hacker News Digest

State of Devs 2026 опросил 5463 разработчика с июля по сентябрь 2026 года. Почти половина респондентов столкнулась с неуверенностью в работе и недостаточной оплатой, а четверть хотя бы раз в карьере была уволена. Эти данные подчёркивают растущую нестабильность в индустрии программного обеспечения, несмотря на её продолжающийся рост и спрос на технические навыки.

Опрос доступен на множестве языков, но уровень завершённости варьируется значительно: лидируют украинский (79%), французский (77%) и упрощённый китайский (76%), тогда как многие другие языки, включая русский (22%) и английский (20%), имеют низкий уровень участия. Это указывает на потенциальные барьеры в доступности или вовлечённости для определённых языковых сообществ в глобальной дискуссии о состоянии разработки.

Обсуждение показывает, что нестабильность в индустрии воспринимается как экономическая, профессиональная и психологическая трансформация: утрата смысла работы, переход от ремесленника к оператору машины. Многие разработчики описывают своё отношение к ИИ через стадии горя (отрицание, гнев, торг, депрессия, принятие), повторяющиеся спирально при новых триггерах. Принятие у некоторых — не пассивное согласие, а осознание изменения роли: от создателя к оператору ИИ-инструментов, при этом работа остаётся, даже если менее значима. Споры: - Одни считают, что ИИ уже заменил ручное программирование (например, после Opus 4.5); другие видят в нём инструмент для решения ранее невозможных задач. - Одни связывают «плохое управление» с недостатком информации или коммуникации; другие утверждают, что разработчики чётко его распознают, и оно не сводится к отсутствию повышения или жёстким дедлайнам. - Один участник называет ИИ худшим изобретением индустрии, разрушающим доверие и социальные отношения; другие видят в нём средство высвобождения человеческого капитала от рутины. Разработчики, пережившие увольнение, отмечают ускорение восприятия нестабильности: за несколько месяцев оценка «маловероятно» сменяется на «скорее всего». Один участник, достигший принятия в 2025 году, перешёл в профессию пилота коммерческих авиалиний — реальный выход из индустрии. Многие отмечают, что ИИ не устраняет, а усиливает проблему плохого менеджмента: менеджеры используют его для генерации бессмысленных задач, увеличивая нагрузку. Разработчики из стран с низким уровнем дохода подтверждают, что недостаточная оплата — реальная проблема, а не привилегия Запада. Сравнение с другими профессиями показывает, что рутинность программирования не уникальна — большинство человеческих работ монотонны, это не снижает ценность индустрии. ИИ помогает в миграции устаревших систем и освоении чужого кода, подтверждая его практическую пользу. Разработчики, не находящие работу более года, отмечают резкий рост конкуренции, подтверждая перенасыщение рынка и снижение спроса на традиционные навыки. Некоторые советуют тем, кто верит в устойчивость ручного программирования, срочно менять профессию — изменения уже произошли и ускоряются. Понимание «плохого менеджмента» как отсутствия прозрачности, а не злого умысла, подчёркивает системную природу проблемы в коммуникации, а не личную враждебность. Несмотря на тревогу, 42% респондентов остаются оптимистичными или взволнованными относительно будущего индустрии — сохраняется мотивация и вера в потенциал технологий.

Kolibri — открытая языковая модель от немецкой компании Aleph Alpha — использует архитектуру «смешанных экспертов» с 78 млрд параметров, но для каждого токена активирует лишь 3,5 млрд, что делает её эффективной. Обучена на 24 трлн токенов (более 20% — на немецком) на GPU NVIDIA B200 в Германии и Финляндии, полностью в рамках ЕС-законодательства. Модель поддерживает контекст до 1 млн токенов, работает в 8-битной точности (78 ГБ памяти), имеет встроенный механизм отказа от ответа при неуверенности и предназначена для немецкого и английского языков. Её «суверенность» означает полный контроль над развертыванием: данные не покидают локальные серверы, а модель нельзя удалённо отключить или изменить.

Kolibri идеальна для обработки длинных немецких текстов — законов, медицинских анкет, договоров — особенно в сферах с высокими требованиями к конфиденциальности, например, в здравоохранении. В проекте с Charité в Берлине её планируют использовать для AI-аватара, который на немецком языке оценивает симптомы пациентов и решает, нужна ли срочная консультация. Однако она не подходит для кодирования, многоязычных задач или систем с ограниченной памятью — там эффективнее мелкие специализированные модели. Тестирование на реальных данных остаётся ключевым: замена модели в агенте без сбоев возможна через надёжные guardrails, как показано в практике разработки надёжных ИИ-систем.

Тред подтверждает открытость Kolibri через опубликованный технический отчёт и доступные веса, но вызывает споры о полном раскрытии тренировочных данных. Многие отмечают, что Aleph Alpha предоставила детальный тех‐отчёт и открытые веса — редкость в индустрии, повышающая ценность модели. Спор: отсутствие полной информации о тренировочных данных делает модель «не совсем открытой» для одних, достаточным — для других. Активные параметры в 3,5 млрд обеспечивают скорость ~170 токенов/сек на fp8 — хорошая производительность для небольших GPU. Модель поддерживает контекст до 1 млн токенов, выделяясь среди аналогов и открывая новые сценарии. Для самостоятельного хостинга требуется разместить все 78 млрд параметров в памяти, ограничивая развертывание на обычных серверах без специализированного оборудования. Сравнение с Qwen3.8 Flash (6 млрд активных параметров) вызывает разногласия: одни видят Kolibri «меньше», другие подчеркивают эффективность её активных параметров. Несколько участников видят рыночный потенциал в «sovereign» модели для аудита чужих LLM в государственных и корпоративных целях. Упоминание о предстоящем слиянии с канадской Cohere воспринимается как сигнал к совместному развитию суверенных AI‐решений в Европе. Ограниченная языковая поддержка (только немецкий и английский) считается недостатком по сравнению с мультилингвальными моделями.

В английском языке выбор между «a» и «an» зависит не от первой буквы слова, а от его звучания: «an» используется перед словами, начинающимися с гласного звука, даже если буква согласная — как в «an hour» (/aʊ/), а «a» — перед словами с согласным звуком, даже если буква гласная, как в «a unicorn» (/j/). Автор, разрабатывая функцию для генерации текста, обнаружил, что исключения встречаются редко: из 32 455 слов всего 129 требуют особой обработки. Он визуализировал закономерности, показав, что первые две буквы часто достаточно для определения правильного артикля, хотя и есть сложные случаи вроде «honest» или «European».

Автор потратил день на анализ словаря CMUdict и построение визуализаций с помощью D3.js, но впоследствии признал, что мог бы использовать LLM — код был одноразовым, не требовал чистоты, а лишь точности. Он бы сэкономил время, сосредоточившись на алгоритме упрощения дерева решений, а не на парсинге словаря или освоении библиотеки.

Обсуждение подтверждает, что выбор между 'a' и 'an' определяется звуком, а не буквой, и выявляет глубокие трудности носителей и не-носителей с артиклями в целом, особенно с 'the' и нулевым артиклем, что выходит далеко за рамки простого правила 'a vs an'.

• Выбор между 'a' и 'an' зависит от звучания слова, а не от написания, как показано в примерах 'an hour' и 'a unicorn', и это правило согласуется с фонетическими законами английского языка.

• Несмотря на простоту правила 'a vs an', многие носители и не-носители испытывают трудности с 'a' vs 'the' и нулевым артиклем, что является более сложной и системной проблемой в английском.

• Использование 'an' перед словами с согласной буквой, но гласным звуком (например, 'an hour') объясняется избежанием катафонии — аналогично связывающему R в британском английском.

• Инициалы и аббревиатуры (например, 'an LLM', 'an SUV') выбираются по звуку первого звука произношения, а не по написанию, что подтверждается практикой носителей.

• Слова вроде 'historic' и 'honest' допускают оба варианта ('a' или 'an') в зависимости от акцента и диалекта, что указывает на эволюцию правила в живой речи.

• Спор: Некоторые пользователи отмечают, что в разговорной речи носители часто ошибаются, говоря 'a example' или 'a understanding', что ставит под сомнение, насколько хорошо правило усвоено даже среди носителей.

• Спор: Вопрос о том, следует ли говорить 'a historic' или 'an historic', вызывает разногласия: одни считают 'an historic' архаичным или претенциозным, другие — корректным в британском акценте с непроизносимым 'h'.

• Совет: Для алгоритмической обработки 'a/an' рекомендуется использовать фонетические библиотеки, такие как espeak или cmudict, а не простые правила по первой букве, как показано в примере 'anorack'.

• Совет: При работе с инициалами (LLM, SQL, SF) необходимо произносить их вслух перед выбором артикля, так как 'an SF startup' звучит правильно, а 'a SF startup' — нет, несмотря на написание.

• Совет: Для автоматизации выбора артикля в NLP-системах следует учитывать не только первый звук, но и контекст, включая диалектные вариации и исторические формы, как в 'an unicorn' vs 'a unicorn'.

• Исторические примеры, такие как 'a nadder' → 'an adder', показывают, что правило 'a/an' эволюционировало в английском языке из-за фонетических сдвигов, а не грамматических норм.

• В языках без артиклей (китайский, болгарский) их использование в английском кажется особенно сложным, поскольку нет прямых аналогов, и правила приходится запоминать, а не выводить логически.

• Разница между 'the' как /ðə/ и /ði/ зависит от следующего звука: /ði/ используется перед гласными звуками, что аналогично правилу для 'a/an', но менее системно преподаётся.

• Некоторые слова, такие как 'uniform' и 'hour', имеют разное фонетическое начало — 'yoo-' vs 'ow-', — что объясняет, почему 'a uniform' корректно, а 'an hour' — нет, несмотря на написание.

• Использование 'a whole nother' как лингвистического феномена демонстрирует, как фонетические сдвиги в речи создают новые, неформальные формы, выходящие за рамки стандартных правил.

Fun fact an adder (snake) was once a nadder, and an apron was on a napron. This fun fact brought to you by The History of English Podcast. — @mauvehaus