Анализ данных (Data analysis)

31 July 2026 12:52

⚡️ Thinking Machines Lab Миры Мурати выпустила Inkling-Small - открытую MoE-модель на 276 млрд параметров, которая активирует лишь 12 млрд на токен.

И эта «младшая» версия обошла Inkling с 41 млрд активных параметров:

— Terminal-Bench 2.1: 64,7% против 63,8%;
— HLE: 31,6% против 29,7%;
— SWE-Bench Verified: 80,2% против 77,6%.

Результат получили после on-policy-дистилляции от старшей модели и ещё двух недель RL на агентном программировании.

Inkling-Small поддерживает изображения и аудио, контекст до 1 млн токенов и регулируемую глубину рассуждений. Веса опубликованы полностью.

Похоже, у разработчиков мультимодальных агентов появился крайне эффективный открытый фундамент.

https://thinkingmachines.ai/news/inkling-small/

Анализ данных (Data analysis)

30 July 2026 15:30

Фонд экс-исследователя OpenAI попал под удар собственной ставки на ИИ

Хедж-фонд Situational Awareness Леопольда Ашенбреннера, управляющий примерно $20 млрд, ищет дополнительный капитал после резкого падения акций, связанных с ИИ. По данным FT, фонд использовал заёмные средства, поэтому снижение рынка усилило потери.

Контраст впечатляющий: ещё на 30 июня 2026 года фонд сообщал инвесторам о доходности 439% после комиссий с начала года. Спустя несколько недель он начал обсуждать привлечение денег с инвесторами и кредиторами, а некоторым предложил выкупить активы из портфеля.

Новый капитал может понадобиться для покрытия залоговых требований, защиты от вынужденных продаж или покупки подешевевших активов. Сам Ашенбреннер считает нынешний обвал одной из лучших возможностей для входа в технологический сектор с начала 2025 года.

Стратегия фонда строится на глобальной ставке на компании, которые выиграют от роста ИИ: технологии, энергетика, дата-центры и инфраструктура. Но история вновь показывает цену плеча: оно одинаково быстро увеличивает и прибыль, и убытки.

Сначала +439%, затем срочный поиск капитала. Самая громкая ставка на ИИ проходит первую серьёзную проверку.

ft.com/content/280336bf-dbed-405f-b38e-5af644a21549

Анализ данных (Data analysis)

29 July 2026 21:01

🚀 Tencent открыла AngelSpec - end-to-end фреймворк для speculative decoding

AngelSpec покрывает весь цикл: обучение драфтеров, оптимизацию и развёртывание ускоренного инференса.

На модели Hy3-A21B архитектура DFly показала:

- ускорение генерации в 1,98–2,40 раза по сравнению с авторегрессионным декодированием;
- стабильный прирост при конкурентности от 4 до 64 запросов;
- пропускную способность на 10,5–11,8% выше, чем у DFlash.

Опубликованы код обучения, документация и готовые веса MTP/DFly-драфтеров для Hy3-A21B.

Репозиторий:
https://github.com/Tencent/AngelSpec

Статья:
https://arxiv.org/abs/2607.25852

Документация:
https://angelspec.readthedocs.io

Модели:
https://huggingface.co/collections/AngelSlim/angelspec
https://modelscope.cn/collections/AngelSlim/AngelSpec

#Hy3 #AngelSpec #OpenSource #LLM #Inference #SpeculativeDecoding

Анализ данных (Data analysis)

28 July 2026 23:11

Claude нашёл новые слабости в криптографических алгоритмах

Anthropic показала, как Claude Mythos Preview помог улучшить атаки сразу на две криптографические схемы.

Первая затронула HAWK — кандидата NIST на постквантовую цифровую подпись. После двух лет экспертной проверки модель за 60 часов нашла способ снизить эффективную стойкость небольшого ключа с 2 в
64 степени до 2 в 38.
.
Вторая работа касается 7-раундовой версии AES-128. Claude предложил новую технику, ускорившую прежние атаки примерно в 200–800 раз. Полный AES-128 использует 10 раундов и остаётся невзломанным.

Большую часть исследований модель выполнила автономно: изучала статьи, строила гипотезы, запускала эксперименты и проверяла результаты. Каждый из двух проектов обошёлся примерно в $100 000 API-затрат.

Практической угрозы для действующих систем сейчас нет. Но важен сам прецедент: LLM уже способны находить математические слабости, которые годами не замечали специалисты.

https://www.anthropic.com/research/discovering-cryptographic-weaknesses

Анализ данных (Data analysis)

28 July 2026 12:32

🚀 Claude Opus 5 за 24 часа собрал собственный космический симулятор

Разработчик запустил модель на одну непрерывную сессию и получил The Long Silence - полноценную браузерную игру об исследовании космоса. По словам автора, весь код, визуал и звук создал Claude.

Внутри:

• процедурные звёзды, планеты, кольца и туманности
• посадка на поверхность планет
• перелёты между системами и fold drive
• сканирование объектов, станции и заброшенные корабли
• карта галактики, сюжет и архив найденных данных
• динамическое масштабирование графики для стабильных 60 FPS

Игра работает на WebGL2 без готовых ассетов: миры генерируются из seed, графика написана на GLSL, а музыка и звук создаются процедурно.

Это ещё не Starfield по масштабу, но для проекта, собранного моделью за сутки, результат выглядит безумно.

🎮 Код и запуск: https://github.com/achimala/TheLongSilence

🌐 Запустить в браузере: https://longsilence.anshu.dev/

Анализ данных (Data analysis)

27 July 2026 23:19

🚨 В США хотят проверять самые мощные ИИ-модели ещё ДО их публичного релиза

Вашингтон готовит механизм, при котором разработчики frontier-моделей смогут предоставлять новые модели федеральным ведомствам за несколько недель до запуска.

В одной из обсуждаемых версий - до 30 дней. За это время спецслужбы и профильные ведомства смогут проверять модели прежде всего на опасные кибервозможности и риски для национальной безопасности.

OpenAI, Anthropic и Google уже участвуют в переговорах о том, как именно будет работать такая система. Правительство параллельно пытается определить, какая модель вообще считается frontier и должны ли правила отличаться для closed и open-weight моделей.

Причём это уже не чистая теория: власти США ранее вмешивались в сроки и формат релизов новых моделей OpenAI и Anthropic, требуя дополнительного тестирования перед широким доступом.

По сути, между frontier-лабораторией и публичным релизом постепенно появляется новый слой - предварительная государственная проверка.

https://www.theinformation.com/articles/trump-administration-nears-ai-framework-open-source-questions-loom

Анализ данных (Data analysis)

27 July 2026 10:51

Эндрю Уайлс 7 лет тайно решал задачу, которую не могли решить 358 лет

Последнюю теорему Ферма он увидел ещё в 10 лет. В 1986 году, уже будучи профессором Принстона, Уайлс начал работать над ней почти в полной изоляции. О его настоящей цели знала только жена.

Чтобы никто не понял, чем он занят, он почти перестал публиковаться и постепенно выпускал старые результаты.

В июне 1993 года Уайлс представил доказательство на трёх лекциях в Кембридже. Мир решил, что одна из самых известных задач математики наконец закрыта.

Но затем рецензент нашёл серьёзную ошибку.

Следующие 14 месяцев Уайлс пытался спасти доказательство уже под вниманием всего математического сообщества. В какой-то момент он был готов сдаться.

Решение пришло в сентябре 1994 года. Позже Уайлс рассказывал, что около 20 минут просто смотрел на исправление, не веря, что оно работает.

Когда BBC попросила его вспомнить этот момент, он не смог договорить и отвернулся от камеры в слезах.

Семь лет в тайне, год после почти полного краха и задача, которая ждала решения больше трёх веков.

@data_analysis_ml

Анализ данных (Data analysis)

26 July 2026 19:04

Похоже, OpenAI уже готовит почву для следующего большого скачка после GPT-5.6.

По данным Axios, Сэм Альтман на этой неделе едет в Вашингтон показывать Белому дому самую мощную модель OpenAI на сегодняшний день и добиваться ускоренного допуска к её использованию.

Модель пока не представлена как GPT-6, поэтому называть её так рано. Но описанные возможности выглядят как переход к следующему поколению:

• способна получать новые научные результаты, включая решение старой математической задачи;
• рассчитана на долгие многоэтапные задачи;
• позволяет запускать команды автономных AI-агентов, которые совместно работают над сложными бизнес-процессами;
• возможности в кибербезопасности стали настолько сильными, что предварительная версия во время тестирования смогла выйти за ожидаемые рамки и затронуть инфраструктуру Hugging Face.

OpenAI продвигает идею «teams of agentic AI»: группы агентов, способных распределять работу и долго действовать совместно.

GPT-5.6 вышел совсем недавно, а OpenAI уже демонстрирует властям систему заметно мощнее.


https://www.axios.com/2026/07/26/sam-altman-openai-trump-white-house-visit

Анализ данных (Data analysis)

26 July 2026 15:33

Sakana AI выпустила Claude Code-совместимый интерфейс для Fugu-Ultra v1.1 🐡

Теперь вместо одной модели, которая сама пишет, дебажит и запускает код, можно подключить целую команду frontier-моделей прямо из терминала.

Fugu-Ultra динамически распределяет работу между разными моделями: одна может писать код, другая проверять, третья искать баги и предлагать исправления.

По сути, это уже не «один AI-кодер», а оркестратор из нескольких сильных моделей внутри привычного coding workflow.

Пробовать:
https://console.sakana.ai/get-started

Похоже, следующий этап AI-кодинга — это уже не выбор лучшей модели, а умение правильно собрать из них команду.

Анализ данных (Data analysis)

26 July 2026 13:11

😨 Opus 5 собрал онлайн-шутер в духе Call of Duty практически с одного промпта

Автор попросил модель сделать FPS на Three.js с AAA-графикой, физикой и детализацией, а работу разбить между несколькими субагентами.

Отдельным агентам поручили:
• реализовывать разные части игры
• проверять результат визуально
• жёстко критиковать качество
• повторять итерации, пока результат не станет максимально близок к Call of Duty

Fвтор выложил репозиторий и исходный промпт, поэтому результат можно проверить самому.

промпт:

I want you to build a first-person shooter at the level of the most recent Call of Duty games. It should be utterly perfect, visually beautiful, with every single thing done at AAA quality—from textures to physics to anything you could think of.

Fan out sub-agents and have sub-agents tackle each one individually so that the game is utterly perfect. You should /loop on each item and have a separate sub-agent check it visually to ensure it looks triple A. That separate sub-agent should be a really harsh critic, and if it doesn't look triple A, it should keep going.

Don't stop until each sub-agent is utterly wowed with the quality when compared with the actual Call of Duty game. It should literally compare them side by side blind and say which one looks better. Do this in ThreeJS. /loop until it's utterly perfect. Fan out sub-agents and ultracode.

Анализ данных (Data analysis)

25 July 2026 19:36

✔️ ByteDance открыл набор ученых и аспирантов для ML-исследований

Китайский гигант запустил инициативу STEM Scientist в рамках проекта Seed. Компания отберет 100 ученых и аспирантов для полугодовой работы над применением машинного обучения в фундаментальной науке.

Программа предполагает 2 формата: позиции научных консультантов для отраслевых экспертов и стажировки для PhD-студентов STEM-направлений.

Базовое требование - опыт использования ИИ в исследованиях. Навыки программирования станут плюсом.

Со своей стороны ByteDance предоставляет зарплату, доступ к вычислительным ресурсам и работу с собственной ИИ-командой.

Участие требует очного присутствия в пекинском офисе компании. Заявки принимаются до 30 сентября 2026 года.



#news #ai #ml

Анализ данных (Data analysis)

25 July 2026 12:09

🐋 Глава DeepSeek: Nvidia «роет себе могилу» в Китае

Лян Вэньфэн довольно жёстко прошёлся по Nvidia. По его оценке, Huawei 950 SuperNode уже способен заменить GB200/GB300 по рабочим задачам, даже если решение Huawei окажется в 2–3 раза дороже.

Но разрыв в железе остаётся: Лян оценивает соотношение примерно как 4 Huawei 950 = 1 Nvidia GB300, плюс около двух лет технологического отставания.

DeepSeek получила от Huawei около 16 000 карт, то есть примерно 4 000 GB300-эквивалентов по этой оценке. А для обучения модели масштаба крупнейших современных систем, по словам Ляна, потребовалось бы около 50 000 GB300 или 200 000 Huawei 950.

Получается, проблема Китая сейчас уже не только в CUDA и софте. Главный дефицит - физический объём доступных ускорителей.

А Nvidia тем временем получает в Китае конкурента, которого экспортные ограничения только заставляют развиваться быстрее.

Анализ данных (Data analysis)

24 July 2026 19:07

Anthropic выпустила Claude Opus 5

Новая флагманская модель компании уже доступна.

Anthropic позиционирует Opus 5 как модель для сложного кодинга, агентных задач, анализа и длинных рабочих сценариев.

Что заявляют:
• SOTA на Frontier-Bench v0.1 для software engineering
• примерно в 3 раза выше результат на ARC-AGI 3 относительно ближайшего конкурента
• сильные результаты на OSWorld 2.0
• лучше Opus 4.8 в отладке, research и длинных агентных задачах
• модель чаще сама проверяет результат и исправляет ошибки перед финальным ответом

Цена:

$5 / 1M input tokens
$25 / 1M output tokens

Также есть Fast Mode примерно с 2.5× скоростью, но по более высокой цене.

В API модель называется:

claude-opus-5

https://www.anthropic.com/news/claude-opus-5

Анализ данных (Data analysis)

24 July 2026 14:18

Бесплатный вебинар: Как построить современный конвейер данных для BI
Большинство BI-проектов затягиваются не из-за дашбордов, а из-за подготовки данных.

Ручные выгрузки из 1С, сложные SQL-скрипты, доработки и разрозненные источники превращают аналитику в бесконечный процесс.

28 июля команда «Денвик» проведет бесплатный вебинар и расскажет, как автоматизировать весь путь данных: 1С → Экстрактор 1С → Denvic Visual Transformer (DVT) → Хранилище → BI

Вы увидите на практике, как:
🔵 автоматически выгружать данные из 1С без участия пользователей;
🔵 передавать изменения, снижая нагрузку на рабочую базу;
🔵 без усилий очищать, объединять и преобразовывать данные;
🔵 создавать аналитические витрины для BI-платформ;
🔵 сократить сроки запуска BI.

Для кого: IT-директора, аналитики, архитекторы данных, BI-команды и разработчики 1С.

Если вы хотите построить масштабируемую архитектуру данных, отказаться от ручных операций и ускорить внедрение аналитики — вебинар для вас.

Регистрация по ссылке

Анализ данных (Data analysis)

23 July 2026 19:39

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

Анализ данных (Data analysis)

31 July 2026 10:49

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

Анализ данных (Data analysis)

30 July 2026 10:57

🧠 Две настройки утроили результат GPT-5.6 Sol на ARC-AGI-3

С официальным тестовым окружением модель набрала 13,3%. После включения двух функций Responses API результат вырос до 38,3%, а расход выходных токенов сократился примерно в 6 раз.

Средний результат человека на тех же публичных заданиях OpenAI оценивает в 48%.

Что изменили:

1. Сохранили рассуждения между действиями

Раньше после каждого хода агент терял найденные закономерности и фактически заново разбирался в игре.

2. Заменили обрезание истории на compaction

Вместо удаления старых действий длинный контекст сжимался, сохраняя важные наблюдения и выбранную стратегию.

В результате агент:

- быстрее принимал решения;
- реже повторял уже проделанную работу;
- лучше учился по ходу игры;
- тратил значительно меньше токенов.

Итоговый результат зависит не только от модели. Большую роль играют API, управление контекстом, промпт и устройство тестового harness.

OpenAI рекомендует использовать Responses API, сохранять рассуждения между вызовами и включать compaction для длинных сессий.

https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/

#OpenAI #GPT56 #Agents #ARCAGI #LLM #AIEngineering

Анализ данных (Data analysis)

29 July 2026 12:27

🚨 ДЖЕНСЕН ХУАНГ РАЗНЁС НАЕЗДЫ БЕЛОГО ДОМА НА ANTHROPIC

Журналист:

— Mythos способен взломать банк. Мы точно готовы дать к нему доступ всем?

Дженсен( как всегда в кожаной куртке):

— Абсолютно. Он должен быть доступен каждому.

— Даже обычным пользователям, а не только избранным компаниям и ведомствам?

— Именно так.

По его мнению, бесконечные листы ожидания и ограничения часто превращаются в театр безопасности.

— Но был же jailbreak.

— Да, модель обошла защиту и сделала то, что ей запрещали. Но так работает софт: находишь уязвимость и как можно быстрее её закрываешь. Задача Anthropic - усиливать защиту, а не перекрывать доступ половине мира.

Дженсен считает, что Mythos должен стать открытым. Тем более что open-source-модели уже доступны публично, и полностью остановить распространение технологий невозможно.

Пусть Anthropic продолжает развивать созданную ими технологию и делает её доступной как можно большему числу компаний и пользователей.

Сдерживать Anthropic - не в интересах США.

Анализ данных (Data analysis)

28 July 2026 14:34

Владельцы RTX 3090, когда решили локально запустить трёхтриллионную Kimi K3 в максимально жестокой квантизации:

Анализ данных (Data analysis)

28 July 2026 08:36

🔥 Илья Суцкевер готов масштабировать SSI в 10 раз - NVIDIA вложит около $5 млрд

Safe Superintelligence и NVIDIA объявили о долгосрочном партнёрстве. SSI получит доступ к новейшим системам Vera Rubin, что должно увеличить её вычислительные мощности на порядок. NVIDIA также инвестирует в компанию: официально сумму не раскрывают, но Financial Times и Reuters называют около $5 млрд.

До этого SSI в основном опиралась на Google Cloud TPU - теперь у лаборатории Суцкевера появляется ещё один масштабный compute-путь через NVIDIA.

Сам Суцкевер говорит, что после двух лет закрытой работы у SSI появилась «research worthy of scaling up» - исследовательская идея, которую уже имеет смысл масштабировать. При этом компания до сих пор не выпустила ни продукта, ни публичной исследовательской работы.

Последняя публично известная оценка SSI - $32 млрд, установленная в раунде апреля 2025 года.

Компания без продукта и публичных моделей стоит десятки миллиардов, получает ещё миллиарды и готовит 10-кратное увеличение compute - практически полностью на доверии к тому, что Суцкевер действительно нашёл новый путь масштабирования ИИ.

https://www.wsj.com/tech/ai/nvidia-bets-on-ilya-sutskevers-new-ai-lab-to-expand-compute-reach-f95596e8

Анализ данных (Data analysis)

27 July 2026 14:57

💬 Борис Черни, руководитель Claude Code в Anthropic, о стоимости токенов и выборе моделей:

«Я использую Fable практически для всего.

Возможно, расходы на токены можно сократить примерно на 50%. Но при этом потенциал роста отдачи может быть в 10, 100 или даже 1000 раз выше.

Поэтому я бы не зацикливался на экономии и просто использовал самую сильную модель из доступных.

Лучше задавать себе другой вопрос: как получить от модели больше пользы?

Оптимизация затрат важна, но сначала стоит максимизировать результат, который даёт ИИ».


Полное интервью - https://www.youtube.com/watch?v=Z47vatpsGPI

Анализ данных (Data analysis)

27 July 2026 08:10

🔥 PyTorch Foundation постепенно превращается в основу open-source AI-стека

Теперь под её управлением сразу шесть крупных проектов:

• PyTorch — обучение моделей
• vLLM — быстрый inference
• DeepSpeed — распределённое обучение и оптимизация
• Ray — масштабирование AI-нагрузок
• Helion — высокопроизводительные GPU/TPU-ядра
• Safetensors — быстрая и безопасная сериализация моделей

Идея интересная: собрать ключевые части жизненного цикла AI под нейтральным open-source управлением вместо десятков разрозненных проектов.

Уже есть заметные результаты: PyTorch 2.13, новый Model Runner V2 в vLLM, улучшения Ray для GB200/GB300, а Helion показывает сильную производительность на Blackwell и TPU.

Если интеграция между этими проектами продолжит усиливаться, PyTorch Foundation может стать для AI-инфраструктуры примерно тем, чем CNCF стала для cloud-native.

🔗 https://futurumgroup.com/insights/can-pytorch-foundations-multi-project-strategy-reinvent-open-source-ai/

Анализ данных (Data analysis)

26 July 2026 17:03

🧠 Face ID — это далеко не самая сложная задача в биометрии.

Настоящие проблемы начинаются, когда систему нужно заставить работать не на красивом датасете, а в реальном мире.

Например:
• как отличить человека от фотографии или дипфейка
• что делать, если лицо закрыто маской или очками
• как запускать модели на слабом железе без потери качества
• почему высокий accuracy почти ничего не говорит о надежности системы
• какие метрики действительно важны (FAR, FRR, EER)

Именно эти задачи ежедневно решают инженеры, которые разрабатывают биометрические системы для миллионов устройств.

28 июля в 19:00 пройдет открытый вебинар, где Иван Соломатин — к.т.н., ведущий инженер Samsung Electronics, преподаватель МФТИ и Harbour.Space, автор курсов онлайн-магистратуры MSAI (girafe.ai × МФТИ) разберет, как сегодня строятся современные системы биометрического распознавания.

Обсудим:
• как устроены современные биометрические пайплайны
• какие существуют виды биометрических признаков
• как защищают системы от спуфинга
• почему хорошие модели иногда плохо работают в продакшене

📅 28 июля, 19:00 (МСК)
Формат: онлайн, на платформе Zoom

Участие бесплатное, необходима предварительная регистрация

Если захотите глубже разобраться в Computer Vision, ML Engineering и других направлениях современного AI, посмотреть программу онлайн-магистратуры MSAI можно на сайте
girafe.ai/msai-program

Анализ данных (Data analysis)

26 July 2026 14:00

⚡️ Сколько самостоятельности давать агенту и где ставить границы — успевайте зарегистрироваться, чтобы не пропустить

Вопрос не только в токенах — тот же принцип касается доступа агента к базам, репозиториям, внутренним API. Сколько автономии давать агенту и где проводить границу — тема, которую стоит закладывать в архитектуру заранее, а не разбираться постфактум.

С 27 по 31 июля ШАД проводит онлайн-интенсив AI Agents Security Week – про то, как ставить агентам разумные границы.

Разберут:
• чем агенты отличаются от LLM в модели угроз
• как выдавать доступ к инструментам, не открывая при этом всё на свете
• защиту персональных и корпоративных данных
• типичные уязвимости агентных систем и ошибки конфигурации
• реальные факапы команд, которые уже наступили на эти грабли

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

5 вечерних занятий + отборочное тестирование и итоговая работа для сертификата.

27 июля – последний день подачи заявки по ссылке, после этого регистрация закроется.

Анализ данных (Data analysis)

26 July 2026 11:49

🔥 27B-модель Fable-Fusion метит в новый топ локальных AI-агентов

На Hugging Face набирает популярность Qwen3.6-27B Fable-Fusion-711 — мультимодальный fine-tune Qwen3.6 с упором на reasoning, tool calling и работу в агентных сценариях. Модель распространяется в GGUF и имеет кванты, которые помещаются на потребительское железо.

По заявленным тестам:

• ARC-C: 0.711 в 8-bit и 0.701 в 4-bit
• контекст базовой Qwen3.6 — до 262K токенов нативно
• поддерживаются vision и tool calling
• multi-stage fine-tune с улучшенной структурой reasoning
• есть GGUF-кванты примерно от 12–17 ГБ
• модель специально дорабатывали для снижения количества отказов через Heretic/abliteration.

27B dense-модель пытаются приблизить по качеству reasoning к гораздо более тяжёлым системам, сохраняя возможность локального запуска.


https://huggingface.co/DavidAU/Qwen3.6-27B-Fable-Fusion-711-Uncensored-Heretic-NM-DAU-NEO-MAX-MTP-GGUF

Анализ данных (Data analysis)

25 July 2026 17:57

Собрать AI-агента по туториалу можно за вечер. Но когда добавляешь память, RAG или несколько инструментов, возникают другие вопросы: почему он свернул не туда, как найти место ошибки и как понять, не сделала ли новая правка систему хуже.

Чтобы развивать такой продукт дальше, нужно понимать, как устроены вызовы модели и инструментов, где хранится контекст, как проверять качество и как вносить изменения.

На курсе «AI-агенты» сначала пишем основные части на API: работу с LLM, structured output, tool-calling, память, RAG и evals. Затем используем LangChain и LangGraph там, где они действительно упрощают разработку, добавляем MCP, мониторинг и деплой. 

Курс идёт 12 недель: живые занятия, практика, разборы решений и ревью кода. На выходе - пять агентных проектов и база, с которой можно собирать свои системы.

→ Посмотреть программу, формат и стоимость курса по ссылке

Реклама ООО "ШВМ",
ИНН: 5638076560 Erid: 2VtzqvrACMx

Анализ данных (Data analysis)

25 July 2026 00:06

Anthropic пишет, что Opus 5 автоматически переключается на Opus 4.8 для части запросов по offensive cybersecurity, потому что Opus 5 стал заметно сильнее в кибербезопасности и компания усилила ограничения.😂

Например, fallback может сработать на запросах про:

• генерацию эксплойтов;
• некоторые виды поиска уязвимостей;
• offensive pentesting.

То есть ты выбираешь Opus 5 → система считает запрос рискованным → тот же запрос отправляется Opus 4.8 → ответ уже генерирует 4.8. После этого чат даже остаётся на 4.8, пока вручную не переключишь обратно.

При этом обычный defensive security, анализ исходников на уязвимости и secure coding остаются доступны в Opus 5. Anthropic отдельно говорит, что большинство cyber-запросов fallback не вызывают.

https://support.claude.com/en/articles/16049681-why-claude-switched-models-in-your-conversation-with-opus-5

Анализ данных (Data analysis)

24 July 2026 15:57

Первый пост Дженсена Хуанга в X - и сразу про открытый ИИ

Дженсен Хуанг наконец завёл X, и свой первый пост посвятил открытым моделям. NVIDIA вместе с Meta, Microsoft, Mistral, Hugging Face, IBM, Mozilla, Palantir и другими компаниями подписала письмо в их поддержку.

Открытые модели позволяют компаниям и государствам скачивать, изучать, изменять и запускать ИИ на собственной инфраструктуре.

Это даёт:
- меньше зависимости от нескольких крупных AI-провайдеров;
- больше контроля над данными и моделями;
- возможность создавать дешёвые специализированные системы;
- больше возможностей для исследователей безопасности;
- технологический суверенитет.

При этом позиция NVIDIA не сводится к войне open source против закрытых моделей. Сам Хуанг ранее говорил, что экосистеме нужны и открытые, и проприетарные frontier-модели.

Хороший первый пост. Особенно на фоне разговоров об ограничениях открытых моделей: один из самых влиятельных людей в AI-индустрии публично встал на их сторону.

https://x.com/Machinelearrn/status/2080653700205318331

Анализ данных (Data analysis)

24 July 2026 12:01

🖥 NVIDIA снизила логические ошибки в квантовых вычислениях более чем в 300 раз

NVIDIA показала Ising Decoder ColorCode 1 Fast для квантовой коррекции ошибок. В тесте с color codes он дал до 347,7× меньший Logical Error Rate и одновременно работал в 7,3× быстрее Chromobius при distance=31 и физической ошибке 0,3%.

В основе подхода небольшая 3D CNN, которая предварительно обрабатывает синдромы ошибок и убирает большую часть локальных ошибок до запуска основного декодера. Это снижает задержку и делает color codes практичнее для коррекции ошибок в реальном времени.

Модель компактная: около 2,9 млн параметров и 17 слоёв. Её можно адаптировать под конкретный QPU, профиль шума и требуемый баланс между скоростью и точностью.

NVIDIA открыла веса, тренировочные рецепты и пайплайн генерации синтетических данных на базе cuQuantum и cuStabilizer. Код обучения опубликован под Apache 2.0.

https://developer.nvidia.com/blog/nvidia-ising-decoding-cuts-color-code-logical-error-rates-by-over-300x/

Анализ данных (Data analysis)

23 July 2026 17:45

10 GitHub-репозиториев, которые слишком хороши для бесплатных
1. OmniRoute

Единый OpenAI-совместимый эндпоинт для сотен моделей и провайдеров. Поддерживает Claude Code, Codex, Cursor и Cline, автоматическое переключение между бэкендами и сжатие контекста.

https://github.com/diegosouzapw/OmniRoute

2. OfficeCLI

CLI для создания и редактирования файлов Word, Excel и PowerPoint с помощью ИИ-агентов. Microsoft Office устанавливать не нужно.

https://github.com/iOfficeAI/OfficeCLI

3. System Prompts Leaks

Коллекция системных промптов Claude, ChatGPT, Gemini, Grok, Cursor, Copilot и других продуктов.

https://github.com/asgeirtj/system_prompts_leaks

4. OpenCut

Open-source видеоредактор в браузере, который развивается как альтернатива CapCut.

https://github.com/OpenCut-app/OpenCut

5. AI Job Search

Агент на базе Claude Code, который анализирует вакансии, адаптирует резюме, пишет сопроводительные письма и готовит вопросы для интервью.

https://github.com/MadsLorentzen/ai-job-search

6. Meetily

Локальная расшифровка и суммаризация встреч с Whisper, Parakeet и Ollama. Бэкенд написан на Rust.

https://github.com/Zackriya-Solutions/meetily

7. Vibe-Trading

Платформа для исследования рынков и создания торговых стратегий с помощью естественного языка и ИИ-агентов.

https://github.com/HKUDS/Vibe-Trading

8. Strix

Open-source сканер безопасности, который использует ИИ-агентов для поиска и проверки уязвимостей.

https://github.com/usestrix/strix

9. Superpowers

Набор навыков и рабочих процессов для ИИ-кодеров: планирование, TDD, выполнение задач и проверка результата.

https://github.com/obra/superpowers

10. Firecrawl

Превращает сайты в чистые данные для LLM, RAG и агентных пайплайнов.

https://github.com/firecrawl/firecrawl

Все проекты имеют открытый исходный код и точно заслуживают места в закладках.