ai_machinelearning_big_data | Technologies

Telegram-канал ai_machinelearning_big_data - Machinelearning

287027

Самая актуальная информация из мира ML, Нейронных сетей,DI По всем вопросам- @haarrp @itchannels_telegram - 🔥 best it channels @pythonl - 🐍 @machinee_learning -chat @ArtificialIntelligencedl - AI @datascienceiot - ml 📚 @machinelearning_ru ml

Subscribe to a channel

Machinelearning

✔️Компании переходят от экспериментов с GenAI к промышленному внедрению

Генеративный ИИ перестал быть исключительно инструментом для прототипов. Все больше компаний интегрируют LLM в разработку, аналитику и внутренние бизнес-процессы. Одновременно растет вопрос: какие направления действительно изменят индустрию, а какие окажутся очередной волной хайпа.

Эти вопросы на ИТ-Пикнике, который пройдет уже в субботу, обсудят руководители AI-направлений крупнейших российских технологических компаний — специалисты, которые сегодня отвечают за развитие и внедрение генеративного ИИ в реальные продукты.

✔️Артём Бондарь, руководитель направления обработки естественного языка Т-Банка, разберет экономику GenAI, противостояние между сторонниками и скептиками LLM, а также критерии, по которым уже сегодня можно оценить перспективность AI-проектов и технологий.

✔️Роман Халкечев, CDO Яндекс Поиска и AI, расскажет, как AI меняет аналитику, процесс принятия решений и требования к специалистам по работе с данными.

✔️Никита Логинов, руководитель направления AI-агентов Т-Банка, расскажет, о том, как ИИ-сотрудники обучались всем тонкостям клиентской поддержки и как удалось масштабировать AI-напарников на более широкие домены.

#news #ai #ml

Читать полностью…

Machinelearning

🌟 WASTE: запускаем полную Kimi K3 на MacBook Pro с 64 ГБ памяти

SQLite AI собрала движок на 6000 строк C, который гоняет полновесную K3 без BLAS, CUDA и Python в рантайме.

Kimi K3 после предварительной конвертации из safetensors в формат, который движок умеет читать, занимает 982 ГиБ (диск бы назвал это 1,05 ТБ). В оперативную память она не влезает даже приблизительно.

WASTE держит в RAM только резидентную часть на 27,28 ГБ, а экспертов подтягивает с SSD ровно тогда, когда они понадобились. Скорость генерации выходит 0,49-0,54 токена в секунду. Веса при этом полные, без дистилляции и обрезки слоёв.

🟡Расчёт строится на устройстве MoE

На каждый токен K3 включает около 4% собственных весов - 16 экспертов в каждом из 92 слоёв. Простаивающему весу незачем сидеть в памяти, ему достаточно успеть подгрузиться вовремя.

Контейнер с моделью устроен так, что один эксперт стоит ровно одного чтения с диска - матрицы gate, up и down лежат вплотную, а сами эксперты хранятся в остаточном векторном квантовании (3 ступени кодбуков по 256 записей, 3 бита на вес), и матрица никогда не разворачивается целиком.

🟡Скорость диска

На один токен движок вычитывает 17 ГБ. Внутренний NVMe в MacBook выдаёт 12,78 ГБ/с, и модель успевает читать.

Внешний бокс по USB даёт 0,94 ГБ/с, и тот же токен считается 13 секунд. Вариант для очень терпеливых.

🟡Работа с памятью

Раздувать кэш экспертов выше 46 ГБ бесполезно и вредно - на 52 ГБ скорость падает втрое, на 58 ГБ в 8 раз.

Причина в том, что движок остаётся внутри своего бюджета, а система уже нет - macOS вытесняет кэш на диск, и попадание в память оборачивается обращением к подкачке. Поэтому по умолчанию WASTE не забирает все доступные ресурсы, а берёт на один рабочий набор экспертов меньше, чем мог бы.


Полтокена в секунду - это 30 секунд на одно предложение, но модели вчетверо меньше до сих пор запускают на серверах с терабайтом DDR5, а здесь почти 3 триллиона параметров отвечают без сети.

Если триллионы параметров не нужны, тот же движок крутит Kimi-Linear 48B из контейнера на 19 ГБ и выдаёт 10,7 токена в секунду - с этого проще начать знакомство.

Для K3 придётся освободить терабайт на диске и потратить около 5 часов на M5 Pro в три процесса, почти сутки - если гонять конвертацию чистым торчем.


Авторы, кстати, завели файл с опровергнутыми гипотезами и записали туда всё, что померили и выбросили.


📌Лицензирование: Apache 2.0 License.


🖥Github


@ai_machinelearning_big_data

#AI #ML #Inference #KimiK3 #WASTE #SQLiteAI

Читать полностью…

Machinelearning

✔️ OpenAI заблокировала сеть аккаунтов ChatGPT скам-центров из Камбоджи

Злоумышленники использовали языковую модель для автоматизации инвестиционного и дэйтинг-скама, а также имитации работы правоохранительных органов.

ChatGPT создавал для них виртуальные личности, переводил переписки с жертвами в реальном времени и генерировал поддельные паспорта и юридические документы.


Анализ логов показал, что инфраструктура применялась для вербовки людей в киберрабство. Модель массово писала объявления о найме операторов чата с обещанием бесплатного перелета и проживания (это стандартная тактика преступных синдикатов Юго-Восточной Азии).

OpenAI передала собранные улики правоохранительным органам и ИБ-партнерам. По оценкам компании, жертвами сети стали сотни человек, финансовые потери отдельных пострадавших исчисляются тысячами долларов.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Machinelearning

DeepSeek запустила официальный API модели V4-Flash и заметно улучшила её работу в агентных сценариях.

По тестам компании, новая версия значительно опережает V4-Pro-Preview в задачах, связанных с кодом и автономными агентами.

Что изменилось:

- усилены возможности для долгих агентных задач;
- добавлена нативная поддержка Responses API;
- появились параллельные вызовы инструментов;
- доступны уровни рассуждения low, high и max;
- контекст увеличен до 1 млн токенов;
- модель адаптирована для работы с Codex.

V4-Flash можно подключить к Codex CLI, расширению для VS Code и другим совместимым инструментам через единый конфиг.

⚠️ Примечание

🔷 DeepSeek-V4-Flash-0731 сохранила ту же архитектуру и размер модели, что и предварительная версия.

🔷 Сегодняшнее обновление касается только API DeepSeek-V4-Flash. API DeepSeek-V4-Pro, а также модели в приложении и веб-версии пока остаются без изменений.

Официальный релиз DeepSeek-V4-Pro состоится в ближайшее время.

Документация:
https://api-docs.deepseek.com/quick_start/agent_integrations/codex

Читать полностью…

Machinelearning

📌 Нейрослоп добрался до крупного бизнеса

Сервис проверки текстов GPTZero обнаружил выдуманные ссылки и ложные факты в 4-х отчетах ближневосточного подразделения PwC за 2024–2026 годы.

GPTZero - один из самых быстрорастущих стартапов в сфере ИИ, создавший лидирующий в индустрии детектор ИИ-текста. Платформа обслуживает более 10 миллионов пользователей, включая преподавателей, авторов и специалистов по кибербезопасности.

Костяк команды состоит из специалистов, пришедших из ведущих технологических компаний и лабораторий: Perplexity AI, Apple, Microsoft AI, Uber, Caltech и Стэнфордского университета.


Самый проблемный документ, "Transforming Governance" с вероятностью 84% был полностью написан ИИ.

В этом отчете компания продвигает свой продукт "Citizen Pulse", заявляя, что решение якобы уже используют правительства Дании, Саудовской Аравии, США и Австралии. Никаких доказательств, подтверждающих эти внедрения, не существует.

GPTZero выявили закономерность - чем выше доля ИИ-генерации в документе, тем больше в нем несуществующих источников.

Команда назвала этот признак "вайб-цитатами" - когда сноски проставляются хаотично, не содержат реальных авторов или валидных URL-адресов и совершенно не подтверждают утверждения в тексте.

Представители PwC заявили, что серьезно относятся к точности данных и уже обновляют источники, но причину появления галлюцинаций в официальных документах не объяснили.


Проблема оказалась характерной для "Большой консалтинговой четвёрки" - ранее сервис находил аналогичные фейки в отчетах KPMGDeloitte и Ernst & Young.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Machinelearning

⚡️ Агент OpenAI использовал инфраструктуру Modal Labs как плацдарм для взлома Hugging Face.

Инцидент с агентом OpenAI оказался куда масштабнее, чем предполагалось изначально.

Выяснилось, что перед резонансной атакой на Hugging Face экспериментальная нейросеть проникла в изолированную тестовую среду одного из клиентов облачного провайдера Modal Labs.

По словам техдира компании Акшата Бубны, пользователь оставил открытым эндпоинт, что позволило агенту выполнить произвольный код и превратить уязвимую песочницу в отправную точку для дальнейшего распространения.

При этом базовые механизмы безопасности и изоляции самой платформы Modal не пострадали. OpenAI отказалась комментировать новые подробности инцидента.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Machinelearning

📌Mythos нашла математические слабости в криптографических алгоритмах

Anthropic опубликовала отчёт подразделения Frontier Red Team. По его данным, Mythos улучшила атаку на постквантовую схему цифровой подписи HAWK и нашла новый способ атаковать упрощённую версию шифра AES.

HAWK - кандидат в новый стандарт. В 2022 году американский институт стандартов NIST объявил конкурс на подписи, устойчивые к будущим квантовым компьютерам - HAWK дошёл до третьего раунда, и специалисты разбирали его 2 года.


По утверждению Anthropic, Mythos за 60 часов обнаружила в математической решётке, на которой держится стойкость схемы, ранее незамеченную симметрию. Эффективная длина ключа сокращается вдвое - для варианта HAWK-256 оценка стоимости взлома падает с 2 в 64-й степени операций до 2 в 38-й.

Атака остаётся экспоненциальной и на другие постквантовые кандидаты NIST не переносится, но чтобы вернуть прежний запас прочности, ключи HAWK пришлось бы удвоить, а тогда схема теряет свои главные преимущества.

🟡AES-128

Полная версия шифра делает 10 раундов преобразований, атака работает против урезанной, семираундовой (такие варианты криптографы изучают специально, чтобы оценивать надёжность целого шифра).

Модель предложила метод, который назвала "мостом Мёбиуса" - он убирает один из перебираемых атакующим параметров и ускоряет лучшую известную атаку до 800 раз.

🟡Человек в тесты взлома почти не вмешивался

В кейсе HAWK участвовал исследователь без специализации в решётчатой криптографии, и занимался он в основном организацией процесса.

Атаку на AES модель нашла почти сама - сначала она от задачи отказывалась, написав, что "AES-128 r5/r6 трудная задача", и взялась за поиск только после нескольких подбадривающих сообщений.

За 3 дня она выдала несколько сотен миллионов токенов, получив всего 3 подсказки.

Каждая из двух работ обошлась примерно в 100 тысяч долларов оплаты API.


В отчёте упомянуты и другие результаты - атаки на укороченные версии шифров LEA и Serpent-128, небольшие улучшения против Salsa20, Poseidon и SHA-1. Подробности компания обещает позже.

Anthropic выложила статью и демонстрационный код атаки на HAWK, цепочку рассуждений Mythos в момент находки по AES и сообщила, что консультировалась с криптографами, передала находку авторам HAWK и синхронизировала раскрытие с публичной рассылкой NIST.

Также, вместе с ETH Zurich, Тель-Авивским университетом и Университетом Хайфы Anthropic выпустила набор тестов CryptanalysisBench, чтобы криптоаналитические способности языковых моделей могли измерять и другие.


@ai_machinelearning_big_data

#AI #ML #Research #Cybersecurity #Mythos #Anthropic

Читать полностью…

Machinelearning

🦾 Как развернуть модель машинного обучения через Docker
Практика и ваши вопросы в прямом эфире

Открытый урок курса «Машинное обучение. Экспертный уровень»
6 августа, 18:00

Для разработчиков, инженеров по данным, инженеров машинного обучения и MLOps, которые хотят полный цикл развертывания модели машинного обучения: от исследовательского кода до работающего контейнера с оркестрацией.

На вебинаре мы пошагово разберём:
- запуск и управление контейнерами, работа с их состоянием;
- написание Dockerfile для модели с учётом зависимостей;
- сборка образа и тестирование модели внутри контейнера;
- построение многокомпонентной системы через docker-compose.

Каждый шаг объясняется и демонстрируется в реальном времени. Вы увидите не только команды, но и логику принятия решений — как правильно структурировать контейнер, какие настройки важны для промышленного использования.

➡ Участвовать бесплатно https://tglink.io/a63131474758ce?erid=2W5zFJxYZCV


Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

Читать полностью…

Machinelearning

✔️ Microsoft выпустила 2 новых модели семейства MAI

AI-подразделение корпорации представило модели MAI-Image-2.5-Pro для генерации изображений и MAI-Voice-2-Flash для синтеза речи.

Обе доступны в Azure AI Foundry, попробовать - в песочнице MAI Playground.

Image-2.5-Pro называют самой качественной из своих графических моделей для задач, где нужна детализация и точная отрисовка текста внутри картинки.

Цены: 5 долларов за миллион входных текстовых токенов, 8 долларов за миллион входных токенов изображений и 106 долларов за миллион выходных.


Voice-2-Flash сделана ради скорости, она работает вдвое быстрее MAI-Voice-2 и стоит на 32% дешевле - 15 долларов за миллион символов.

Попутно Microsoft рассказала как меняет сторонние модели на свои в собственных сервисах:

🟢Bing Image Creator теперь целиком работает на MAI-Image-2.5;

🟢В PowerPoint она же отвечает за редактирование изображений и это снизило расходы на вычисления до 84% по сравнению с GPT-Image-2;

🟢В OneDrive доля сохранённых пользователями результатов выросла на 26%, а задержка ответа сократилась примерно на четверть;

🟢Голосовая Flash подключёна к Dynamics 365 Contact Center, экономия на вычислениях там заявлена до 89%.

🟢Модель MAI-Transcribe-1.5 заменила прежнюю в сервисе Dragon Copilot, где для большинства из 58 поддерживаемых языков ошибки распознавания и определения языка сократились вдвое.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Machinelearning

🌟 SenseNova-Vision: CV-комбайн в едином генеративном интерфейсе

SenseTime открыла веса единой модели зрения SenseNova-Vision. Обычно под каждую задачу (найти объекты, выделить их контуры, оценить глубину сцены) строят отдельную систему или встраивают в модель специальный модуль. Здесь от этого отказались - все задачи модель решает как генерацию текста, картинки или их смеси.

Компания основана в 2014 году и выросла из университетской лаборатории MMLab - оттуда вышла заметная часть китайских специалистов по компьютерному зрению. Известность пришла в 2015-м, когда алгоритм распознавания лиц SenseTime обошёл по точности человеческий глаз. В 2026 году Gartner назвала компанию визионером в генеративном CV.


🟡Механика

Рамки объектов и распознанный текст модель выдаёт текстом с координатами, карты глубины и нормалей поверхностей - картинками, а сложную сегментацию - смешанным ответом, где текстовая легенда задаёт цвета маски.

Авторы сравнивают подход с тем, что GPT сделал для текста: вместо зоопарка специализированных систем - один генеративный интерфейс.


Под капотом - открытая мультимодальная модель Bagel-7B-MoT от ByteDance, дообученная без изменений архитектуры.

MoT - это смесь трансформеров. Внутри модели живут 2 эксперта с собственными весами - один отвечает за понимание текста и изображений, второй за генерацию картинок, а внимание у них общее, так что оба смотрят на один контекст. Токены распределяются между экспертами жёстко, по типу данных, а не обучаемым маршрутизатором, как в MoE.

Для SenseNova-Vision такое устройство пришлось кстати - модель чередует текстовые ответы вроде координат и картиночные вроде масок, и у каждой ветки свой набор весов.

🟡Тесты

SenseNova-Vision лидирует среди сопоставимых систем там, где ответ - структурированный текст (детекция, в том числе в плотных сценах с десятками объектов, локализация текста на изображении, ключевые точки).

В оценке глубины и нормалей она близка к лучшим генеративным методам, в сегментации держится на уровне конкурентов.

Слабые места тоже есть. В многовидовой 3D-геометрии модель отстаёт от специализированных VGGT и Depth Anything 3, а текст на русском распознаёт заметно хуже, чем на английском.


Вместе с моделью опубликован корпус SN-VC-50M - 50 млн обучающих примеров из открытых наборов: 18,9 млн кадров для структурного понимания, 17,3 млн для плотной геометрии, 12,5 млн для многовидовой геометрии и 1,3 млн для сегментации.


📌Лицензирование: CC-BY-NC-4.0


🟡Модель
🟡Arxiv
🟡Датасет
🟡Демо
🖥GitHub


@ai_machinelearning_big_data

#AI #ML #СV #MoT #SenseNovaVision #SenseTime

Читать полностью…

Machinelearning

Kimi K3 за 27 минут нашла RCE в Redis и собрала рабочий эксплойт 😨

Рой из 32 ИИ-агентов обнаружил уязвимость, которая после авторизации позволяла выполнять произвольный код на сервере.

Через несколько часов система якобы нашла ещё и цепочку атаки на Telegram Desktop и iOS без действий пользователя: через повреждённый видеофайл с автозагрузкой. До полноценного RCE оставался один шаг.

Если результаты подтвердятся, поиск критических уязвимостей ускорился до пугающего уровня.

github.com/berabuddies/redis-poc

@data_analysis_ml

Читать полностью…

Machinelearning

✔️ Google хочет «вшить» архитектуру Gemini прямо в кремний

По данным The Information, Google разрабатывает серверный ИИ-чип под неофициальным названием Frozen v2. Часть архитектуры Gemini планируют реализовать непосредственно на аппаратном уровне.

Ожидаемый результат:

- в 6–10 раз выше энергоэффективность по сравнению с последними TPU
- больше обработанных токенов при том же энергопотреблении
- снижение дефицита вычислительных мощностей Google
- возможное развёртывание уже с 2028 года

Цена такой эффективности — потеря гибкости. Если ключевые элементы модели зафиксированы в кремнии, будущие версии Gemini должны сохранять совместимую архитектуру. Крупное изменение модели может потребовать разработки нового чипа.

TPU уже снизили зависимость Google от Nvidia. Frozen v2 способен связать модели и инфраструктуру ещё теснее: Gemini будет проектироваться под конкретный кремний, а кремний — под Gemini.

Проект пока находится на ранней стадии и официально не представлен.

#google #gemini #ai #hardware #tpu

https://www.theinformation.com/articles/google-plans-new-frozen-chip-run-ai-models-efficiently

Читать полностью…

Machinelearning

Команда GigaChat зовёт на вечеринку для AI-разработчиков и исследователей 🎉

29 июля, Сбер.Среда, пространство «Оригинал» (м. «Курская», ул. Земляной Вал, 9А)

Без докладов, презентаций и официальных дискуссий – только общение с коллегами по индустрии, обсуждение рабочих задач и болей, новые знакомства и летний вечер на веранде.

Регистрация и подробности

Надеемся на хорошую погоду 🥳
До встречи!

Читать полностью…

Machinelearning

MWS Cloud первой в России развернула GLM 5.2 в собственном облаке

MWS Cloud расширила каталог сервиса MWS GPT Model Hub до 17 больших языковых моделей. Главным обновлением стала GLM 5.2 — опенсорс-модель от Z.AI, которую компания первой в России развернула на собственной облачной инфраструктуре. Модель ориентирована на сценарии, где важны качество рассуждений, глубокий анализ текстов и обработка многошаговых запросов.

Теперь все запросы к GLM 5.2 обрабатываются на серверах MWS Cloud внутри страны. Это означает, что данные и вычисления не покидают юрисдикцию РФ и не зависят от зарубежных провайдеров.

Помимо GLM 5.2, в каталоге появились Kimi K2.6 от Moonshot AI. Модель подходит для обработки сложных пользовательских запросов, анализа документов, генерации развёрнутых ответов и построения AI-ассистентов.

Кроме того, в MWS GPT Model Hub появились Qwen3.6, Gemma 4, GPT OSS и другие модели. Сервис получил поддержку распознавания и синтеза речи, а также реранкеров, которые улучшают качество поиска и RAG-сценариев.

Все 17 моделей доступны через единый OpenAI-совместимый API, что позволяет разработчикам быстрее тестировать и внедрять AI-функции в свои продукты без развёртывания собственной инфраструктуры.

@ai_machinelearning_big_data

#news

Читать полностью…

Machinelearning

✔️ OpenAI создала модель для поиска уязвимостей в своих LLM

Внутренняя разработка под названием GPT-Red автоматизирует редтиминг собственной продукции компании. Инструмент симулирует промпт-инъекции и скрытые атаки через письма, файлы и веб-страницы.

Система обучалась с помощью RL и self-play - непрерывное соревнование атакующей и защитной моделей довело успешность поиска уязвимостей до 84% в тестовых сценариях (против 13% у людей-специалистов).

По словам OpenAI, благодаря GPT-Red уязвимость GPT-5.6 Sol к прямым промпт-инъекциям снизилась в 6 раз по сравнению с моделями четырехмесячной давности, но около 3,8% сложных атак по-прежнему достигают цели (сопоставимо с показателями Claude Opus 4.5).

Инструмент остается внутренним, OpenAI планирует выпустить статью с описанием архитектуры и процесса обучения в ближайшее время.
openai.com

✔️ SpaceXAI открыла исходный код Grok Build

В репозиторий вошли цикл управления агентом, механизмы сборки контекста, парсинг ответов модели, консольный интерфейс с просмотром diff-изменений и инструменты выполнения команд.

Код демонстрирует механизмы интеграции фреймворка с серверами MCP, субагентами и кастомными плагинами.

Grok Build поддерживает локальное развертывание и позволяет перенаправить запросы на любые локальные LLM, полностью исключив передачу данных на сторонние серверы.
x.ai

✔️ Apple Intelligence официально выходит на китайский рынок

Сервис будет работать в Китае на базе локальных ИИ-моделей после получения официального одобрения от профильного ведомства КНР. Из-за жестких региональных требований к регистрации генеративных сервисов компания отказалась от адаптации собственных алгоритмов.

Базовой LLM для китайских версий iOS и macOS выбрана Qwen от Alibaba. Модель будет отвечать за анализ контекста, генерацию текста и изображений. Параллельно Apple сотрудничает с Baidu для разработки дополнительных функций под региональный рынок.

На ранних этапах компания также рассматривала решения от DeepSeek и ByteDance, но выбрала Alibaba и Baidu.
reuters.com

✔️ Spotify запустил бету диалогового ИИ-ассистента

Музыкальный сервис добавил ассистента на основе ИИ в управление воспроизведением через текстовые и голосовые команды. Функция запущена в режиме беты для Premium-пользователей старше 18 лет в США, Ирландии и Швеции.

Модель обрабатывает контекстные запросы, а в интерфейсе плеера можно запрашивать информацию об артистах, песнях и подкастах, узнавать историю собственных прослушиваний и задавать вопросы на общую эрудицию.

Запуск ассистента дополняет предыдущие ИИ-функции платформы - генерацию плейлистов по промптам и интеграцию технологий ElevenLabs для озвучки аудиокниг.
spotify.com

✔️ На Meta* подали в суд за использование алгоритмов при сокращении персонала

Бывшие сотрудники подали иск в федеральный суд Калифорнии, обвинив компанию в использовании ИИ в ходе майского сокращения 8000 человек.

По версии истцов, внутренние системы генерировали списки на увольнение с системной предвзятостью. Под сокращение непропорционально часто попадали сотрудники с инвалидностью, а также находящиеся в медицинском или декретном отпуске. В иске указано, что алгоритм формировал списки на основе оценок эффективности, объемов выполненной работы и метрик использования корпоративных ИИ-инструментов.

Meta отвергает обвинения и настаивает, что финальные кадровые решения принимают люди. Сейчас истцы добиваются судебного запрета, чтобы сохранить рабочие места до окончания разбирательства.
wsj.com

*организация признана экстремистской, её деятельность на территории РФ запрещена.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Machinelearning

⚡️ Qwen представила Qwen3.8-Max - модель на 2,4 трлн параметров для автономной разработки и рабочих агентов

По заявлению команды, модель способна вести длинные проекты почти без вмешательства человека: планировать работу, писать код, запускать инструменты, анализировать результат и исправлять ошибки по обратной связи.

Пример - oh-my-cli. Агент начал с пустой папки и развивал проект больше десяти дней, оставив полный журнал изменений в открытом GitHub-репозитории.

Qwen также заявляет о сотнях последовательных итераций при оптимизации чипов, долгосрочном планировании бизнес-стратегий и нативной работе с изображениями. Визуальные данные используются внутри цикла «планирование - выполнение - проверка», а не только как входной контекст.

Цена API:

- ввод - $2 за 1 млн токенов;
- вывод - $6;
- закешированный ввод - $0,25.

На следующей неделе компания обещает открыть веса Qwen3.8-Max и более компактной Qwen3.8-27B.

Если заявленные возможности подтвердятся на независимых тестах, Qwen получит редкую комбинацию: огромную агентную модель, мультимодальность и открытые веса.

Блог:
https://qwen.ai/blog?id=qwen3.8

Qwen Studio:
https://chat.qwen.ai/?models=qwen3.8-max

API:
https://qwencloud.com/models/qwen3.8-max

Автономный проект:
https://github.com/qwen-code-dev-bot/oh-my-cli

@ai_machinelearning_big_data

#qwen

Читать полностью…

Machinelearning

✔️ Apple будет монетизировать Apple Intelligence

Компания планирует продавать расширенные квоты на запросы к Apple Intelligence и обновленной Siri через подписку iCloud+. По словам Тима Кука, пользователи смогут доплачивать за снятие базовых дневных ограничений.

Текущие тарифы iCloud+ уже предлагают слегка увеличенные ИИ-лимиты. Для интенсивной работы с ИИ-функциями Apple добавит в линейку сервиса новые, более дорогие уровни подписки.

Релиз обновленной Siri ожидается осенью в составе очередного обновления iOS.
theverge.com

✔️ Google автоматизировала создание исследований без галлюцинаций в источниках

Science One - экспериментальный фреймворк для автоматической генерации научных статей. Инструмент использует архитектуру Chain-of-Evidence, которая минимизирует галлюцинации.

Алгоритм привязывает каждое утверждение в тексте к конкретному рабочему артефакту или результату выполнения кода. Для работы с литературой система игнорирует внутреннюю память языковой модели и обращается к научным API, выстраивая графы цитирования в реальном времени.

Оценку качества сгенерированных текстов проводит автоматизированный ревьюер CoE Audit. Он проверяет подлинность источников, работоспособность кода и воспроизводимость метрик.

В тестах 5 систем на базе Gemini 3.1 Pro написали 75 статей по 5 задачам. Все 337 цитат Science One оказались подлинными. Кроме того, 12 экспериментов выдали корректные результаты, а в 14 из 15 проверенных работ написанный код полностью совпал с заявленной методологией.
research.google

✔️ MiniMax релизнул видеомодель

H3 - модель генерации видео с поддержкой мультимодального ввода, которая генерирует ролики длиной до 15 секунд в разрешении 2K со стереозвуком по составным промптам.

Модель одновременно обрабатывает текст, изображения, видео и аудио и умеет комбинировать референсы в одном запросе - извлечь движение камеры из загруженного ролика, внешность персонажа из фото, а звук - из аудиофайла. В один промпт можно передать до 12 референсов.

Генерация через API стоит 13 центов за секунду видео в 2К и 9 центов за 768P. Открытый релиз на ModelScope запланирован на 3 августа.
minimax.io

✔️ ByteDance выпустила Seedance 2.5

Новинка генерирует видео длиной до 30 секунд за один проход, что вдвое больше лимита предыдущей версии. Фрагменты можно объединять в ролики длительностью до нескольких минут.

Модель поддерживает расширенный мультимодальный промптинг - в один запрос можно передать до 30 изображений, 10 видеоклипов и 10 аудиодорожек. Для точного контроля визуального ряда и темпа генерации используются таймкоды.

В Китае Seedance 2.5 появилась на платформах Jiemeng AI и Doubao Professional, на глобальном рынке она доступна через сервис Dreamina экосистемы CapCut.
bytedance.com

✔️ ElevenLabs добавила автоматическую озвучку по ролям

Новая функция Character Casting парсит загруженный текст, извлекает персонажей и назначает им роли из библиотеки на 10 тысяч синтетических дикторов. При замене диктора алгоритм обновляет реплики для выбранного персонажа по всему документу.

Инструмент умеет определять нестандартные имена и выдуманные термины. Достаточно задать произношение один раз, после чего правило применяется ко всему тексту. Готовый проект можно дополнить звуковыми эффектами, экспортировать (заявлена поддержка более 70 языков) или опубликовать в ElevenReader.

По оценкам ElevenLabs, Character Casting снижает стоимость производства аудиокниги с $5000 до $200, а время создания - с трех месяцев до нескольких часов. Новая функция доступна в разделе Audiobooks.
elevenlabs.io

@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Machinelearning

⚡️ Модели Anthropic случайно взломали 3 реальные компании во время тестов

Инцидент произошел во время ИБ-учений формата CTF из-за сбоя в настройках на стороне компании-партнера Irregular, отвечавшей за проведение тестирования.

Вместо закрытой изолированной среды, модели получили прямой доступ к публичному интернету.

Оказавшись во внешней сети, Opus 4.7, Mythos 5 и одна внутренняя исследовательская сборка применили базовые хакерские техники, успешно проэксплуатировав слабые пароли и неаутентифицированные эндпоинты реальных компаний.

Anthropic выявила эти случаи лишь после масштабного аудита 141 тысячи тестовых сессий.

Проверку инициировали на фоне недавнего скандала с OpenAI, который при схожих обстоятельствах проник в инфраструктуру Hugging Face.

После обнаружения утечки Anthropic экстренно остановила все кибериспытания и связалась с пострадавшими организациями, две из которых не зафиксировали у себя факт взлома.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Machinelearning

✔️ ЕС выделит 10 млрд евро на создание семи ИИ-фабрик

Еврокомиссия открыла тендер на строительство ИИ-кластеров с ожидаемым общим бюджетом 30 млрд евро. Из них 10 млрд евро напрямую предоставят фонды ЕС и бюджеты стран-участниц. Финансирование получат 7 дата-центров - в документах они фигурируют как "суперфабрики".

Прием заявок продлится до 12 ноября, победителей объявят в июле 2027 года. По условиям тендера, подрядчики обязаны полностью ввести объекты в эксплуатацию в течение 18 месяцев после подписания контрактов.
wsj.com

✔️ OpenAI запустила программу доступа к флагманским моделям для учёных

Программа ChatGPT for Academic Researchers предполагает, что до 2027 года компания предоставит 100 тысячам учёных доступ к своим топовым моделям. Первые 10 тысяч исследователей получат приглашения этим летом.

Участникам откроют доступ к GPT-5.6 Sol Pro, ChatGPT Work и Codex с расширенным контекстом, увеличенными лимитами и дополнительными кредитами для функции Deep Research. Платформа включает более 75 научных навыков и интегрирована с базами статей, геномными датасетами и вычислительными блокнотами.

Участие отрыто только для профильным специалистам из одобренных OpenAI университетов. Кандидаты обязаны подтвердить академический статус и наличие научных проектов. Одобренный участник может добавить в рабочее пространство до четырех коллег из своего института.
openai.com

✔️ Thinking Machines Lab представила модель Inkling-Small

Стартап Миры Мурати опубликовал веса мультимодальной MoE-модели Inkling-Small на 276 млрд общих и 12 млрд активных параметров. Модель обрабатывает текст, аудио и изображения в окне контекста до 1 млн токенов.

Благодаря дистилляции от флагманской Inkling и обучению с подкреплением, младшая версия превзошла оригинал в кодинге и логическом вывода. Она выбила 80% в бенчмарке SWE-bench Verified и 31,6% в Humanity’s Last Exam.

Веса - на Hugging Face, инференс и файн-тюнинг доступны через платформу Tinker. С учетом стартовой скидки стоимость API составляет от $0,58 для контекста 64K до $1,16 для 256K токенов.
thinkingmachines.ai

✔️ Google выпустила модель Embodied Reasoning 2

ER 2 обрабатывает непрерывные мультимодальные видеопотоки и работает как высокоуровневый планировщик. Архитектура разделяет логику и моторику - пока модель рассчитывает следующий шаг, физические действия выполняют VLA-модели.

Модель анализирует видеокадры в реальном времени, оценивает статус текущего этапа и корректирует алгоритм на лету без перезапуска процесса. ER 2 также поддерживает мультиагентную работу - устройства разного типа могут обмениваться семантическим контекстом для совместного выполнения многошаговых задач в общем физическом пространстве.

Модель доступна через Gemini API и на платформе Google AI Studio. В помощь начинающим опубликованы примеры того, как настроить модель и заставить её выполнять задачи в области физического ИИ.
blog.google

✔️ Liquid AI выложила веса двунаправленных энкодеров под CPU

Стартап опубликовал веса двунаправленных энкодеров LFM2.5-Encoder на 230M и 350M параметров. Модели базируются на архитектуре LFM2, оптимизированы для запуска на CPU и поддерживают контекст до 8К токенов. Основные сценарии применения - классификация, маршрутизация и токен-уровневые операции.

По итогам 17 тестов, старшая версия на 350M заняла четвертое место из 14. По словам Liquid AI, при полной загрузке окна в 8192 токена модель 230M выполняет forward pass на CPU за 28 секунд - в 3,7 раза быстрее ModernBERT-base.
Код и веса - на GitHub и Hugging Face.
liquid.ai

@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Machinelearning

Что произошло в мировом ML за последние полгода? Если не успеваете следить за ICML и другими крупными конференциями, 13 августа Яндекс проведёт ML Global Recap H1 2026 — встречу, где эксперты разберут ключевые работы, тренды и идеи, которые уже начинают влиять на индустрию.

В программе — четыре доклада от руководителей команд Яндекса. О развитии Tabular DL расскажет Артём Бабенко из Yandex Research, о трендах и вызовах в reasoning — Дмитрий Мокеев из Alice AI, о новых подходах к оценке качества моделей — Иван Дёгтев из Яндекс R&D —, а об оптимизации LLM-инференса — Андрей Бежин из Яндекс R&D.

А еще участников ждут нетворк и обмен впечатлениями с теми, кто побывал на конференциях лично.

📍 Москва + онлайн
🗓 13 августа
🔗Регистрация — на сайте конференции

Реклама ООО «Яндекс», ИНН 7736207543, erid: CQH36pWzJqMVErd51Wmdi672nSWCXUoVD3hQqe7LcXVEpC

Читать полностью…

Machinelearning

🔥 ChatGPT приближается к 1 млрд пользователей в неделю, но давление на OpenAI растёт

По данным The Information:

• цель достигнута на семь месяцев позже плана
• у ChatGPT уже более 50 млн платных пользователей
• enterprise приносит свыше 40% выручки
• прогноз выручки на год - около $25 млрд
• ожидаемый cash burn - примерно те же $25 млрд
• Anthropic могла обогнать OpenAI по выручке благодаря корпоративным клиентам

Миллиард пользователей - исторический масштаб.

https://www.theinformation.com/articles/openais-chatgpt-nears-1-billion-weekly-active-users-seven-months-target

Читать полностью…

Machinelearning

📌 Теренс Тао: в математике кризис из-за ИИ

На Международном конгрессе математиков в Филадельфии Теренс Тао (медаль Филдса 2006 года) прочитал лекцию "Математика в эпоху ИИ".

Его тезис: сообщество входит в период, сопоставимый с кризисом оснований 1900-1930 годов, когда парадокс Рассела и теоремы Гёделя заставили математиков пересмотреть базовые допущения.


Только пересматривать теперь придётся не логику, а ценности и правила профессии.

Публичные свидетельства о возможностях моделей Тао оценил сдержанно - собраны в основном вне контролируемых условий, подвержены смещению в отчётности и коммерческим стимулам, часть издержек и переменных не раскрывается.

Исключением он считает проект First Proof - независимую проверку, где 28 мая 2026 года 4 системы получили 10 новых исследовательских задач, а решения рецензировали эксперты.

По итогам 7 задач из 10 хотя бы одна из систем решила на уровне, пригодном для публикации. Стоимость вычислений составила от 10 до 1000 долларов на задачу.

Тао разложил работу математика на 5 стадий: получение доказательства, его проверка, внятное изложение, принятие сообществом через публикацию, и наконец канонизация - попадание в учебники.

ИИ хорошо справляется с первой стадией и заметно продвинулся на второй, остальные, по его словам, остаются человеческими и идут медленно.

Отсюда переход от "дефицита к избытку" - доказательства копятся в очереди на проверку, проверенные ждут читаемого изложения, а рецензирование не справляется с потоком.

Признаки этого видны уже сейчас. На сайте задач Эрдёша скопились десятки присланных ИИ доказательств, которые никто не взялся подтвердить, причём часть отправителей заявили, что сами не в состоянии их проверить.

Возможна ситуация, допускает Тао, когда формально верное доказательство важного результата не сможет объяснить ни один человек.


🟡Рекомендации

Нормализовать открытое признание того, что при работе использовался ИИ - хуже всего скрытое применение из страха перед коллегами.

Снизить престиж "решил первым" и поднять цену изложения, публикации и включения результата в общее знание.

Если авторы не могут внятно, на экспертном уровне и с корректными ссылками рассказать о собственном результате, публиковать его не следует.

Конгресс, который проходит раз в 4 года и вернулся в США впервые с 1986 года, работает до 30 июля.

Медали Филдса, самую престижную награду в математике, в этом году получили Дэн Юй, Джон Пардон, Джейкоб Цимерман и Ван Хун - за результаты, полученные без участия ИИ.


Презентацию лекции Тао выложил сам, запись обещана позже.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Machinelearning

🫶 Программируй и решай задачи эффективнее - nordrouter.com

Это единый API-хаб ИИ-моделей по доступным ценам, наши преимущества:

1. 67+ ИИ моделей (в том числе передовые Opus 5 и GPT 5.6 Sol)
2. 100+ Медиа-моделей (Seedream, GPT Image, Nano Banana, etc)
3. Автоматический кэш, который экономит до ~80% расходов

Модели легко интегрируются в любой редактор кода и программы:
OpenCode, Cline, Claude Code, Codex, Zed

Чаты и ролеплей:
SillyTavern, Janitor AI, RikkaHub

API и автоматизация:
n8n, Make и другие

Не вериться? Ознакомьтесь с отзывами на наш сервис на сторонних площадках (указаны на сайте)

nordrouter.com

Читать полностью…

Machinelearning

⚡️ MoonshotAI откроет веса Kimi K3 27 июля

Китайский стартап запустил обратный отсчет до публикации весов своей флагманской модели Kimi K3/

На официальном аккаунте в Hugging Face появилась страница проекта - релиз запланирован на 27 июля, а пока можно оформить подписку на уведомления.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Machinelearning

🛡 Как проектировать ИИ-агентов, которым можно доверять – до конца регистрации осталось совсем немного времени

ИИ-агенты уже пишут код, работают с данными и подключаются к внешним сервисам. Чем больше задач им делегируют, тем интереснее вопрос — как устроены такие системы и что стоит за словом «надёжный» применительно к агенту.

ШАД с 27 по 31 июля проводит AI Agents Security Week – интенсив с экспертами Яндекса о том, как как защищать агентные системы: доступы, данные, инфраструктура. 

Разберут:
• чем автономные агенты отличаются от обычных LLM – и почему для них нужна отдельная модель угроз
• как безопасно выдавать агентам доступ к инструментам и инфраструктуре
• как защищать персональные и корпоративные данные при работе агента с инструментами
• реальные инциденты – взломы, утечки, ошибки конфигурации в разных ИИ-моделях

Подойдёт ML-разработчикам, DevOps/DevSecOps-инженерам, техлидам, архитекторам, студентам старших курсов.

5 вечерних занятий, отборочное тестирование и итоговая работа – для тех, кто хочет сертификат. 

Регистрация закрывается 27 июля, и это последние дни, чтобы успеть подать заявку, не пропустите!

Читать полностью…

Machinelearning

✔️ Alibaba откроет код альтернативы CUDA

Полупроводниковое подразделение Alibaba (T-Head) анонсировало открытие исходного кода стека SAIL для фирменных ИИ-ускорителей Zhenwu. Проект анонсировали на Всемирной конференции по ИИ в качестве открытой альтернативы экосистеме Nvidia CUDA.

По заявлению T-Head, адаптация SAIL под популярные ML-фреймворки занимает менее 7 дней. Флагманом линейки выступает процессор Zhenwu M890, представленный в мае и спроектированный для работы с ИИ-агентами.

Alibaba ранее сообщала об отгрузке более 560 тысяч таких чипов сотням корпоративных клиентов.
scmp.com

✔️ Moonshot приостановил оформление подписок на Kimi K3

Стартап временно остановил продажу подписок на модель Kimi K3 из-за нехватки вычислительных мощностей. Действующие пользователи работают без ограничений, доступ новым клиентам откроют по мере масштабирования инфраструктуры.

Для балансировки нагрузки на кластеры компания меняет систему монетизации и делит единую подписку на 2 тарифа.

В план Kimi Membership входят веб-версия, мобильное приложение и стандартные сценарии использования. Для инженеров вводится Kimi Code Membership - ресурсы этого тарифа выделены только под генерацию и анализ кода. Такое разделение потоков должно стабилизировать работу сервиса.
Kimi в сети Х

✔️ ИИ-вендоры всерьез присматриваются к чипам AMD

Microsoft расширит использование ускорителей AMD в инфраструктуре Azure. Во второй половине 2026 года компания запустит вычислительную платформу AMD Helios, оптимизированную для крупных моделей. Сатья Наделла объяснил расширение партнерства ценовой политикой Nvidia и конкуренцией со стороны TPU.

Параллельно аппаратное обеспечение AMD тестирует Anthropic. По данным SemiAnalysis, AMD присвоила разработчику Claude высший приоритет поддержки наравне с Amazon. Ожидается, что компании официально анонсируют партнерство на конференции Advancing AI после решения проблем с оптимизацией программного стека.
microsoft.com

✔️ ИИ спроектировал компоновку невидимого в полете одномоторного дрона

Корпус аппарата Phantom Twist в полете вращается со скоростью до 25 оборотов в секунду, делая его почти невидимым за счет эффекта размытия. А процессе создания дрона ИИ сгенерировал 20 тысяч вариантов дизайна и симулировала их работу на фоне реальных пейзажей.

Пропеллер и рама Phantom Twist крутятся в противоположных направлениях - в конструкции нет статичных деталей. Аппарат в 10 раз сложнее заметить, чем классический квадрокоптер.

Авторы позиционируют устройство как инструмент для мониторинга дикой природы и осмотра инфраструктуры.
northwestern.edu

✔️ Нил Бломкамп выпустил короткометражку, полностью сгенерированную в ИИ

Известный по "Району №9" режиссер представил 13-минутный научно-фантастический хоррор Nightborne, полностью созданный с помощью видеомодели Seedance 2.0. Сюжет стилизован под документальное кино о военной программе, возвращающей в строй погибших солдат.

Бломкамп управлял процессом покадрово, выстраивая сцены через промпты на основе концепт-артов, подготовленных художниками. Для генерации лиц и озвучки студия лицензировала биометрию 32 человек, чтобы избежать проблем с авторскими правами.

Режиссёр заявил о планах снять полнометражный ИИ-фильм. Для реализации этих амбиций он уже открыл новую компанию, ориентированную на нейросетевой продакшен, которая придет на смену его классической студии Oats Studios.
Neill Blomkamp в сети Х


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Machinelearning

✔️ В Roblox можно будет собрать игру по текстовому описанию

Игровая платформа анонсировала функцию Build, которая превращает простой запрос в готовую базу игры.

Под капотом целый набор ИИ-моделей, открытых и собственных - они отвечают за игровые механики, окружение, персонажей, визуальный стиль и звук.

В геймдеве опасаются, что когда порог входа падает до текстового запроса, платформу зальёт поток AI-слопа, а авторам придётся конкурировать с ИИ-контентом, который штампуется в разы быстрее ручной работы.

Общее настроение индустрии при этом тревожное - по свежему опросу конференции GDC, 52% профессионалов игровой отрасли считают, что генеративный ИИ вредит геймдеву.


Ответ Roblox - ранжирование по удержанию игроков, как и для обычных игр. То есть если в игру никто не играет, её никто и не найдёт.

Публичное альфа-тестирование Build стартует 28 июля в Новой Зеландии для пользователей от 9 лет с подтверждённым возрастом.

Публиковать свои творения на глобальную аудиторию смогут те, кому исполнилось 16. Будет бесплатная базовая версия и платные тарифы.

Roblox также готовит ИИ-агентов, которые помогут авторам с плейтестами и аналитикой, а ещё с ноября прошлого года обучает модель, генерирующую редактируемые 3D-сцены.

На этом фоне компания закрывает видеозвонки через аватаров Roblox Connect, запущенные в 2023 году.

Приоритеты, судя по всему, расставлены.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Machinelearning

📌 Физики создали память на механических колебаниях для квантового компьютера

Группа из Швейцарской высшей технической школы Цюриха экспериментально продемонстрировала квантовые вычисления, в которых рабочая память построена на механических колебаниях, а не на электромагнитных состояниях.

Архитектура скопирована с классического компьютера, где процессор и оперативная память разделены.

Роль процессора играет сверхпроводящий кубит, а роль памяти - крошечные механические резонаторы внутри квантового чипа, элементы, отдалённо похоже на гитарные струны, которые при записи информации начинают колебаться на частотах за пределами слышимого.

Для вычисления кубит обращается к колебанию в памяти, обрабатывает и изменяет его состояние, а затем записывает обратно. Такое разделение вычислений и хранения отличает подход от многих существующих квантовых схем, где обработка и память тесно переплетены.

🟡Ставка на механику объясняется двумя ограничениями

Сегодня квантовую память чаще всего делают электромагнитной в связке со сверхпроводящими кубитами - обе технологии хорошо изучены и позволяют считывать и менять квантовые состояния с высокой точностью.

Но такие элементы относительно громоздки, что мешает превращать лабораторные установки в практические машины.

Механические резонаторы заметно компактнее, а главное - ёмче (как струна может звучать разными тонами, резонатор поддерживает множество мод колебаний, и каждая мода работает как отдельная ячейка памяти).

Вдобавок, по данным группы, механические состояния дольше остаются стабильными - информация не затухает так быстро, как в электромагнитных аналогах.

🟡Работоспособность проверили на реальных задачах

Первая - квантовое преобразование Фурье, базовая процедура, на которую опираются многие квантовые алгоритмы, включая знаменитый алгоритм Шора для разложения чисел на множители.

Вторая - поиск периода функции, продемонстрировавший применение этой процедуры на практике.

Обе задачи требуют одновременно и точно управлять множеством квантовых состояний, хранить их и связывать между собой, не разрушая их хрупкую природу.

Авторы говорят, что их схема в принципе способна выполнять все базовые операции, необходимые для произвольного квантового вычисления, то есть годится как основа универсального программируемого квантового компьютера.

🔜 Почитать полную статью можно в в журнале Science


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Machinelearning

✔️ Первым устройством OpenAI станет умная колонка

OpenAI готовит к выпуску свой первый гаджет - переносную умную колонку без экрана, задуманную как "домашний компьютер эпохи ИИ".

Об этом сообщает Bloomberg со ссылкой на источники, знакомые с проектом. Устройство ещё в разработке, официально о нём не объявляли, а представитель OpenAI отказался от комментариев.


По словам собеседников агентства, колонка будет управлять умным домом, включать музыку и видео, отвечать на вопросы и сообщения через возможности ChatGPT.

Главная ставка, как утверждают источники, на человечность - устройство должно со временем всё лучше понимать владельца, предугадывать его запросы и само предлагать нужную информацию. Для этого колонка будет использовать личные данные пользователя, в том числе электронную почту.

В корпус устройства будут встроены камера, датчики и подвижные механические элементы - по замыслу разработчиков, они создают ощущение, что перед вами живое существо, а не предмет.

Голосовое общение построят на GPT-Live - обновлённом голосовом режиме ChatGPT, который OpenAI представила в этом месяце. Он умеет слушать и говорить одновременно и подстраиваться под ход разговора.

🟡Это направление обходится компании дорого

В прошлом году OpenAI заплатила 6,5 миллиарда долларов за стартап io Products, сооснователем которого был Джони Айв - бывший глава дизайна Apple.

Над устройством работает его студия LoveFrom и десятки бывших инженеров и дизайнеров Apple, причастных к созданию iPhone и Mac.

Всего, по данным Bloomberg, аппаратное подразделение OpenAI разрабатывает около 5 продуктов, но колонка должна выйти первой.

Показать устройство рассчитывают до конца этого года, а продажи начать в 2027-м. Эти сроки уже под вопросом - Apple добивается в суде запрета на выпуск устройств OpenAI, и источники Bloomberg признают, что планы могут сдвинуться из-за судебного разбирательства.

В дальнейших планах компании, по тем же данным, устройство, способное заменить смартфон, носимые гаджеты и домашняя робототехника.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Machinelearning

Оффер на роль Senior Data Science за неделю — реально? 🚀

Коллеги из Авито запускают Fast Track — ускоренный отбор для специалистов Data Science уровня Senior и Senior+. Одна неделя на все технические этапы и финал → оффер в классифайд №1 в мире по количеству пользователей.

Основные этапы — 20–26 июля. Регистрация открыта до 20 июля.

Как проходит:
🔸 До 20 июля — заявка + HR-скрининг
🔸 До 24 июля — техническая секция (ML-теория + Python)
🔸 25 июля — ML System Design
🔸 26 июля — финал
🔸 До 28 июля — оффер

Преимущества фаст-трека:
🔸 Быстрый отбор и совмещённые этапы
🔸 Все даты известны заранее
🔸 Возможность оценить свои скилы — результат закрепляется на год

Кого ждут:
🔸 От 4 лет опыта в крупных российских и международных IT-, BigTech- и FinTech-компаниях
🔸 Полный цикл разработки моделей — от ресёрча до выкатки в прод
🔸 От 1 года самостоятельного лидирования проекта, автономность и инициативность

Команды на выбор: антифрод и модерация, монетизация и реклама, поиск и рекомендации, вертикальные DS-команды.

🤓 Регистрация — до 20 июля. Успей оставить заявку!

Читать полностью…
Subscribe to a channel