
AI-разработка — эволюционирующий стек
Железо, модели, обвязка, инструменты и трейсы — как одна производственная система

Железо, модели, обвязка, инструменты и трейсы — как одна производственная система
Железо, модели, обвязка, инструменты и трейсы — как одна производственная система
Один checkpoint даёт командам разные результаты
Разная упаковка контекста
Разные примитивы действий
Разные границы полномочий
Разные доказательства выпуска
Способность становится продуктом только через действие и проверку
может — Способность — Поведение модели
имеет право — Полномочия — Tools и identity
сделала — Доказательство — Outcome и gates
Сбой превращается в безопасное улучшение через весь стек
Локальная настройка живёт неделями, фундамент — годами
Локальные ошибки чинятся быстро; повторяемые классы поднимаются выше
Цена поведения зависит не только от FLOPS
Архитектура реагирует на доступное железо и партнёрства
Адаптировать внутрь
DeepSeek-V3 на H800
FP8 и MoE co-adapt
Training stack следует ограничениям
Партнёриться наружу
Anthropic × Trainium
Общий model-hardware roadmap
Без владения hyperscaler
API-совместимость не создаёт поведенческую совместимость
Названия, ошибки и примитивы действий меняют траекторию
Длинная задача распадается без состояния и проверки
Состояние между окнами
Малые проверяемые итерации
Ограниченная среда исполнения
Восстановление после сбоя
Созревшая способность становится tool; новый риск получает каркас
Инструмент — поведенческий интерфейс, а не только схема
Discovery и schema — только начало контракта
MCP стандартизует
Обнаружение tool
Входную schema
Семантику вызова
Система обеспечивает
Корректную identity
Ограниченный ответ
Проверяемый effect
Identity, policy, response и evidence проектируются вместе
Ценность — в управляемом действии, не в числе серверов
01 — Выбор — Верный tool и arguments
02 — Действие — Верная identity и scope
03 — Recovery — Ясный сбой и retry
Telemetry, eval и training требуют разных прав
Итог проверяется в среде, надёжность — повторными прогонами
Траектория
Действия и tools
Ошибки и recovery
Стоимость и policy events
Результат
Итоговое состояние среды
Скрытые исполнимые проверки
Надёжность серии прогонов
Меняйте один слой и повторяйте допуск
Сохранить трейс и конечное состояние
Воспроизвести в фиксированной среде
Изменить один слой
Повторить проверки и допуск
Выпустить с измеримым результатом
Скорость цикла — операционная способность
Проверяем полураспад harness и эффект интеграции
Большинство механизмов меняются; половина не обязательно исчезает
Git показывает изменения кода, но не весь rollout
Наблюдаем
≥7 из 10 перенастроены
Примерно 3–4 явно заменены
Быстрый compatibility program
Не доказано
Два проекта с ≥5 заменами
Состояние production rollout
Универсальная константа 180 дней
Возникают несколько быстрых контуров и маршруты между ними
Адаптация нужна там, где рынок встречается с вашей средой
Пять «да» сильнее желания контролировать всё
Шесть шагов замыкают контролируемую часть цикла
Зафиксировать
Выбрать реальные эпизоды
Разделить режимы trace data
Инвентаризировать action contracts
Управлять
Собрать переносимый replay
Ввести повторные release gates
Тестировать один слой
Компоненты дешевеют; способность учиться остаётся
Оценивайте производственную систему
Разведите быстрый и медленный циклы
Проектируйте tools для поведения
Владейте эпизодами, policy, outcomes
Меняйте слой через evidence
Сбой → replay → изменение → gate → выпуск
Полный список и оговорки — в лонгриде
Железо · NVIDIA · Google · DeepSeek
Обвязки · OpenAI · Anthropic · Cursor
Tools · MCP · evals · telemetry
История кода · routing · policy
AI-разработка как co-evolving stack
Полный лонгрид, все источники и следующие разборы — на polomodov.tech и в «Книжном кубе»
Александр Поломодов, Technical Director & Fellow, Т-Технологии
@book_cube