# яндекс Яндекс -- технологическая компания, разрабатывающая умные продукты и сервисы на основе машинного обучения. This is one page of public article previews, not the complete archive. Follow Next page to continue. Summaries are not the original full articles. ## В "Яндекс Картах" теперь можно без подключения к интернету построить все виды маршрутов через офлайн-карту DevFeed: [В "Яндекс Картах" теперь можно без подключения к интернету построить все виды маршрутов через офлайн-карту]() Original publisher: [Read original article]() Author: denis-19 Published: 2026-09-16T13:13:24Z Content type: news Language: ru Sources: [Tagir Valeev]() Topics: [яндекс]() Tags: [tag-4004cf5948d3](), [tag-dc72006826d6]() ### AI overview Yandex Maps now supports offline navigation for public transport, cars, bicycles, and pedestrians. Users must download a regional offline map in advance; public transport schedules are updated weekly when the app reconnects to the internet. ### Source excerpt В "Яндексе" сообщили, что в "Яндекс Картах" стали доступны без интернета все виды навигации. В офлайн-режиме геосервис теперь умеет прокладывать путь на общественном транспорте (автобусе, трамвае и других видах ОТ, включая просмотр остановок, пересадок, расписания и времени в пути), на автомобиле, на велосипеде и в режиме пешехода. Читать далее ## How Yandex Tracker reduced its MongoDB cluster count from 70 to 7 DevFeed: [How Yandex Tracker reduced its MongoDB cluster count from 70 to 7]() Original publisher: [Read original article]() Author: onurimanov (Яндекс) Published: 2026-09-02T07:00:24Z Content type: article Language: ru Sources: [Яндекс - Как мы делаем Яндекс / Статьи]() Topics: [MongoDB](), [базы данных](), [яндекс]() Tags: [architecture](), [migration](), [mongodb](), [tag-1cd610c0e518](), [tag-39f0c170b680](), [tag-4004cf5948d3](), [tag-5335b6f99fba](), [tag-56a552acf7d0](), [tag-622612a5798e](), [tag-68e701e78517](), [tag-89f0c6f39f5d](), [tag-9d8cf70dc46c](), [tag-d189f87ebb8f]() ### AI overview A technical article describes how Yandex Tracker changed its data-storage architecture from one database per organization to a model using fewer backend clusters. The change reduced the number of backend clusters from 70 to 7 and cut resource consumption by half, while addressing operational complexity and MongoDB collection limits. ### Source excerpt Разворачивать новый кластер базы данных каждую неделю -- так себе удовольствие, особенно когда обслуживание десятков кластеров съедает время дежурных. Когда кластеров стало много, локальные аномалии стало сложнее замечать на общих дашбордах. С этой проблемой мы столкнулись в Яндекс Трекере: за год количество активных организаций и кластеров выросло вдвое, а нагрузка на сервис поднялась всего на 13%. Получилось парадоксально: потребление ресурсов и сложность эксплуатации росли вместе с числом организаций, хотя реальная нагрузка увеличивалась значительно медленнее. Читать далее ## PereStruct: Modular Pipeline and Dataset for Parsing Historical Newspapers DevFeed: [PereStruct: Modular Pipeline and Dataset for Parsing Historical Newspapers]() Original publisher: [Read original article]() Author: makSShan (Яндекс, Yandex Cloud & Yandex Infrastructure) Published: 2026-09-01T07:05:21Z Content type: tutorial Language: ru Sources: [Яндекс - Как мы делаем Яндекс / Статьи]() Topics: [Artificial Intelligence](), [яндекс](), [vlm]() Tags: [ai](), [ai-studio](), [bleu](), [computervision](), [ocr](), [perestruct](), [rouge](), [tag-4004cf5948d3](), [tag-65c8d6d9e736](), [tag-9bf5e01ce62e](), [tag-d27a0708d400](), [vision](), [vlm](), [yandex-ai-studio](), [yolo]() ### AI overview The article presents PereStruct, a modular pipeline for reconstructing articles from historical newspaper scans. It combines YOLO-based layout detection, Yandex Vision OCR, Yandex AI Studio models for error correction, and a semantic model for assembling article blocks; the authors also publish code, an annotated dataset, and a benchmark. ### Source excerpt Попробуйте открыть скан советской газеты и прочитать одну статью от начала до конца. Человек быстро замечает крупный заголовок, продолжение в соседней колонке и подпись под фотографией. Для алгоритма перед ним -- это выцветшая страница с десятками тесно расположенных прямоугольников, нестандартными шрифтами и неоднозначным порядком чтения. Даже если OCR правильно распознаёт почти все слова, на выходе ещё не получится документ. Нужно понять, какие фрагменты относятся к одной статье, где её начало, в каком порядке соединить блоки и что не следует включать в основной текст. Мы разработали PereStruct -- модульный пайплайн для разбора исторических газет. Он объединяет детектор вёрстки на базе YOLO, Yandex Vision OCR, коррекцию ошибок с помощью моделей Yandex AI Studio и отдельную модель семантической сборки статей. Вместе с кодом мы публикуем размеченный датасет и бенчмарк, чтобы другие команды могли изучать подход и ставить эксперименты на исторических документах. Читать далее ## Кому верит Яндекс Браузер и как попасть в этот список: запускаем Yandex Browser Root Certificate Program DevFeed: [Кому верит Яндекс Браузер и как попасть в этот список: запускаем Yandex Browser Root Certificate Program]() Original publisher: [Read original article]() Author: Ilya\_Golubtsov (Яндекс) Published: 2026-08-28T08:00:27Z Content type: release Language: ru Sources: [Яндекс - Как мы делаем Яндекс / Статьи]() Topics: [browser](), [яндекс](), [Certificate Transparency](), [Chromium](), [API]() Tags: [api](), [browser](), [certificate-transparency](), [chromium](), [tag-2b4427fb2566](), [tag-4004cf5948d3](), [tag-4d5248fd6bfe](), [tag-d8952f30fc4a](), [tag-dfac9042ce7b]() ### AI overview Yandex opens the Yandex Browser Root Certificate Program, a public process for adding root certificates to the browser's trust store. The article explains its participation requirements, auditing process, WebPKI controls, and the browser's use of Chromium-derived trust data and separate Certificate Transparency logs. ### Source excerpt За 15 лет WebPKI -- экосистема доверия между сайтами и пользователями -- сильно выросла. Появились технологии, которые делают это доверие более прозрачным и проверяемым, изменились подходы к управлению, а многие процессы стали автоматическими: выпуск и обновление сертификатов, публичный аудит через Certificate Transparency и другие механизмы. И, конечно, в истории WebPKI были серьёзные инциденты безопасности, которые показали: правила доверия должны быть публичными, прозрачными и проверяемыми. Однако один вопрос не решается автоматически: кому браузер должен доверять и на каких условиях. Каждый вендор определяет это сам. Поэтому мы открываем Yandex Browser Root Certificate Program -- публичную программу добавления корневых сертификатов в хранилище Яндекс Браузера. В ней описаны требования к участникам, аудит и понятная процедура подачи заявки. Под катом рассказываем, какие требования нужно выполнить и как в Браузере устроены WebPKI и связанные с ними контроли безопасности. Читать далее ## Using snapshot tests to prevent accessibility regressions in a Jetpack Compose Android app DevFeed: [Using snapshot tests to prevent accessibility regressions in a Jetpack Compose Android app]() Original publisher: [Read original article]() Author: ithersta (Яндекс) Published: 2026-08-27T07:05:12Z Content type: tutorial Language: ru Sources: [Яндекс - Как мы делаем Яндекс / Статьи]() Topics: [Compose](), [Android](), [яндекс]() Tags: [android](), [compose](), [jetpack](), [jetpack-compose](), [qa](), [tag-4004cf5948d3](), [tag-e69b694e3ce2](), [tag-f538878e20ff]() ### AI overview The article explains how the Yandex Mail Android team uses snapshot tests with Jetpack Compose to detect accessibility regressions. It describes Compose semantics, TalkBack, and why manual accessibility checks are insufficient as screens and shared components grow. ### Source excerpt Почта -- массовый продукт, которым пользуются самые разные люди, и поэтому он должен быть максимально доступен. Нам важно, чтобы приложение Яндекс Почты было удобно каждому, в том числе людям с особенностями зрения. На телефонах с Android за доступность для людей с особенностями зрения отвечает TalkBack -- функция озвучивания экрана, которая зачитывает текст, роль и состояние всех размеченных элементов на экране и позволяет с ними взаимодействовать. Если разметка сломается, приложением будет пользоваться сильно сложнее или вообще невозможно. Читать далее ## Как мониторить Java-приложения: метрики, алерты и правило 80/20 DevFeed: [Как мониторить Java-приложения: метрики, алерты и правило 80/20]() Original publisher: [Read original article]() Author: atushkanova (Яндекс) Published: 2026-08-12T07:01:43Z Content type: tutorial Language: ru Sources: [Яндекс - Как мы делаем Яндекс / Статьи]() Topics: [Java](), [яндекс]() Tags: [devops](), [java](), [site-reliability-engineering](), [sre](), [tag-4004cf5948d3](), [tag-617c72e79812](), [tag-622612a5798e](), [tag-65aad6d83235](), [tag-73eb9b712998](), [tag-7568ee66754b](), [tag-a6a98345cb30](), [tag-b92bf5906bbd]() ### AI overview This article explains how to monitor Java applications using a focused set of technical metrics, useful alerts, business metrics, SLOs, and anomaly analysis. It presents an 80/20 approach and warns that excessive metrics and flapping alerts create information noise. ### Source excerpt Хороший мониторинг помогает быстро понять, что происходит с приложением и куда смотреть в первую очередь. Для этого не нужно пытаться измерить всё: базовый набор технических метрик покрывает большинство типовых проблем, а бизнес-метрики, SLO и анализ аномалий помогают заранее замечать нетипичные отклонения. В Календаре мы называем этот подход правилом 80/20. Всем привет! Меня зовут Настя, я бэкенд-разработчик в Яндекс 360 и отвечаю за надёжность Календаря. В этой статье я покажу, какие метрики стоит взять за основу, как выбирать полезные алерты и чем дополнять базовый набор для оставшихся 20%. Читать далее ## How Yandex combined image and document text signals for image-search ranking DevFeed: [How Yandex combined image and document text signals for image-search ranking]() Original publisher: [Read original article]() Author: nikolaevkona (Яндекс) Published: 2026-08-10T08:00:19Z Content type: tutorial Language: ru Sources: [Яндекс - Как мы делаем Яндекс / Статьи]() Topics: [яндекс](), [vlm](), [Image](), [realtime]() Tags: [image](), [machine-learning](), [ml](), [realtime](), [tag-4004cf5948d3](), [tag-8be2dbf54d97](), [vlm](), [yandex-e983188bc433]() ### AI overview Yandex describes using multimodal vision-language models to jointly assess an image and its associated document text for image-search ranking. The team distilled a larger model into lighter models for different pipeline stages and reports deployment in real-time search. ### Source excerpt Исторически в Яндекс Картинках релевантность документа оценивалась по двум сигналам: насколько запросу подходит само изображение и насколько -- текст, связанный с этим изображением. Такой подход позволяет учесть контент картинки и не провалиться на визуально трудноотличимых объектах, однако он же порождает проблему: в "серой зоне", когда текстовая релевантность не сонаправлена с картиночной, становится неочевидно, как именно агрегировать сигналы в финальный скор релевантности. Привет! Я Константин Николаев, занимаюсь внедрением нейротехнологий в Поиске по картинкам. В этой статье я расскажу, как наша команда научила модели смотреть на картинку и читать текст документа одновременно: начали с тяжёлой мультимодальной VLM ради максимального качества, а затем дистиллировали её в набор лёгких моделей -- по одной под каждую стадию пайплайна. Что из этого удалось довести до realtime-поиска с десятками тысяч запросов в секунду и как совместный анализ двух модальностей добавил 5% релевантных картинок в топ выдачи -- под катом. Читать далее ## Как мы вынесли алгоритм ценообразования из кода Яндекс Такси (и почему это не было очевидно с самого начала) DevFeed: [Как мы вынесли алгоритм ценообразования из кода Яндекс Такси (и почему это не было очевидно с самого начала)]() Original publisher: [Read original article]() Author: glebf123321 (Яндекс) Published: 2026-08-05T07:05:00Z Content type: article Language: ru Sources: [Яндекс - Как мы делаем Яндекс / Статьи]() Topics: [яндекс]() Tags: [c-plus-plus](), [tag-1e4ee1f65f5a](), [tag-3670787a9009](), [tag-4004cf5948d3](), [tag-8fc3b37d0ab6](), [yaml]() ### AI overview Yandex describes how it extracted the Yandex Taxi pricing algorithm from service code. The article covers pricing across the ride lifecycle, why a ready-made scripting language was not used, the price-transformation chain, and the need for a formal verifier. ### Source excerpt Когда вы открываете Яндекс Go для заказа такси и вводите адрес, приложение за доли секунды показывает цену. Кажется, что это несложно: Кажется, что это несложно: взять расстояние и время в пути, умножить их на значения из тарифа. На самом деле, за этой ценой стоит не один десяток факторов -- например, скидки, спрос, геозоны. И это ещё без учёта того, что пассажир взял с собой кота или лыжи. В этой статье -- о том, как мы вынесли алгоритм ценообразования из кода сервиса, почему не взяли готовый скриптовый язык, что такое цепочка преобразований цены и зачем нам понадобился формальный верификатор. Читать далее ## Adding new quick commands to a smart speaker without degrading existing commands DevFeed: [Adding new quick commands to a smart speaker without degrading existing commands]() Original publisher: [Read original article]() Author: khaymon (Яндекс) Published: 2026-07-23T09:00:04Z Content type: tutorial Language: ru Sources: [Яндекс - Как мы делаем Яндекс / Статьи]() Topics: [яндекс](), [asr](), [cpu]() Tags: [asr](), [continual-learning](), [cpu](), [deep-learning](), [keyword-spotting](), [machine-learning](), [speech-processing](), [tag-355bb785df82](), [tag-4004cf5948d3](), [tag-8483d32db3b1](), [tag-967d8467ce56](), [tag-9c1e53a23032](), [tag-a1312fd2c7ff](), [tag-d14eb265d33e](), [tag-d346fb5ae499]() ### AI overview The article discusses Yandex's compact on-device neural model for recognizing Alice quick commands. It covers adding track-rating and Bluetooth commands while aiming to preserve performance on existing commands and limit device resource use. ### Source excerpt Чтобы дать команду умной колонке, не обязательно говорить активационное слово "Алиса": есть быстрые команды -- короткие фразы, с помощью которых можно управлять музыкой, громкостью или умным домом. Например, чтобы переключить трек, достаточно просто сказать "дальше", а чтобы убавить звук -- "тише". Весь список команд можно посмотреть в настройках вашего аккаунта в приложении "Дом с Алисой". Быстрые команды удобнее не только пользователям, но и системе: запросы через слово "Алиса" требуют обращения к модели распознавания речи ASR, которой из-за её размеров необходимы серверные вычислительные ресурсы, а модель быстрых команд устроена гораздо компактнее. Она работает прямо на устройстве, а значит, ограничена вычислительными ресурсами самой колонки -- её CPU и оперативной памятью. Из-за этого модель нельзя сильно увеличить: ей приходится оставаться компактной, зато запрос обрабатывается быстрее. За распознавание быстрых команд отвечает нейросеть. Её архитектура почти полностью совпадает с решением для наушников Яндекс Дропс, которое подробно описал в своей статье Григорий Афанасенко. Разница в основном в масштабе: наша модель весит всего от 0,5 до 1,5 МБ в зависимости от железа конкретного устройства. Со временем перед нами встала задача добавить к базовым командам "лайк" и "дизлайк" для управления треками, а также команды "включи блютус" и "выключи блютус". Особенно это актуально для Станции Стрит, которую часто берут с собой на природу, где нет интернета. Но главным было гарантировать абсолютное отсутствие ухудшения на уже запущенных командах и не слишком сильно увеличивать потребление ресурсов на устройстве. Читать далее