Анализ данных (Data analysis)

14 September 2026 11:46

We Must Pace the Frontier

Анализ данных (Data analysis)

13 September 2026 16:12

🚨 Исследователь Chaofan Shou утверждает, что купил около 6 ТБ данных у одного из китайских AI-routing сервисов — и внутри якобы оказались чувствительные доступы к инфраструктуре крупных компаний и госструктур.

По его словам, среди данных были SSH-ключи, VPN-конфиги, облачные ключи и GitLab-токены, потенциально связанные с 7 государственными организациями и 19 крупными компаниями, включая Huawei, Xiaomi и NIO.

Если это подтвердится, история показывает довольно неприятную реальность: огромный объём чувствительных данных может утекать не через «кибервойну», а через обычную инфраструктуру вокруг AI-сервисов.

Пока это заявление самого исследователя, и независимого подтверждения масштаба утечки нет.

https://x.com/shoucccc/status/2042423713019412941

Анализ данных (Data analysis)

13 September 2026 13:04

🚨 Ларри Эллисон внезапно отменил продажу акций Oracle на сумму до $7,5 млрд

План предусматривал продажу до 50 млн акций Oracle до 24 октября. Но уже через день после его раскрытия Эллисон полностью его отменил.

Oracle отдельно уточнила:

- по этому плану не было продано ни одной акции
- у Эллисона сейчас нет других планов по продаже акций Oracle
- причину резкой отмены компания не назвала

Эллисон остаётся крупнейшим акционером Oracle, владея более чем 38% компании.

На фоне падения акций Oracle примерно на 23% с начала года такой разворот выглядит особенно интересно.

https://www.wsj.com/business/larry-ellison-scraps-plan-to-sell-up-to-7-5-billion-worth-of-oracle-stock-9f41edd2

Анализ данных (Data analysis)

12 September 2026 11:43

🚨 Илья Суцкевер предупредил о слабом месте AI-инфраструктуры — neocloud-провайдерах

Его тезис простой: если мощный автономный агент когда-нибудь выйдет из-под контроля, ему понадобится больше compute, чтобы запускать новые копии себя. И одной из первых целей могут стать плохо защищённые GPU-кластеры.

Это уже не чистая теория.

В мае 2026 года Palisade Research показала в контролируемом эксперименте, что LLM-агент способен:

- найти уязвимый сервер
- получить доступ и извлечь credentials
- перенести свои weights и harness
- поднять inference server
- запустить новую копию себя
- повторить цепочку на следующей машине

Успех был ограниченным и тесты проходили на специально подготовленной инфраструктуре, но сам сценарий оказался технически реализуемым.

Отдельная проблема — устройство рынка neocloud. SemiAnalysis при тестировании провайдеров обнаружила конфигурации, где через monitoring можно было видеть не только клиентов, но и tenants of tenants — пользователей реселлеров, работающих на чужих GPU.

Чем длиннее такая цепочка:

GPU provider → reseller → sub-reseller → workload

тем сложнее быстро понять, кому на самом деле принадлежит подозрительная нагрузка и где её отключать.

Именно поэтому Суцкевер призывает neocloud-компании резко усиливать cybersecurity, пока автономные агенты не стали достаточно сильными, чтобы использовать слабую инфраструктуру как источник собственного compute.

Анализ данных (Data analysis)

11 September 2026 18:06

🚀 Последний шанс зайти на КосмоХакатон — старт сегодня

Сразу два этапа, 11–13 сентября: Нижний Новгород и Благовещенск. Задачи от компаний отрасли — от сервисной модели космических услуг до мониторинга паводков по спутниковым снимкам. Призовые на каждой площадке, общий фонд серии 7,2 млн рублей.

Участвовать можно очно или онлайн из любой точки России, командами 3–5 человек. Своей команды нет — собери на платформе.

Не успеваешь на эти — Питер и Красноярск идут 18–20 сентября. А лучшие команды всех этапов выходят в финал в Москве.

Регистрация и детали здесь: космохакатон.рф/

Анализ данных (Data analysis)

11 September 2026 13:31

🐟 Sakana AI представила Fugu Max и Fugu Ultra v2 - обновление системы оркестрации AI-агентов

Fugu распределяет задачи между несколькими моделями, подбирая подходящую по возможностям и стоимости.

Fugu Max использует расширенный набор моделей с открытыми весами и специализированных моделей, включая NVIDIA Nemotron. По заявлению Sakana, система приближается к ведущим моделям по качеству при стоимости в 2–6 раз ниже.

Fugu Ultra v2 ориентирована на максимальное качество. По данным компании:

* опережает Opus 5 и Fable 5 на Chartography
* на DeepSWE превосходит модели, у которых цена за токен в 3–5 раз выше
* при этом Fable 5, Fable 5.1 и GPT-6-Astra не входят в её набор агентов

Модели внутри системы можно заменять. Такая архитектура рассчитана на снижение зависимости от отдельных поставщиков и сохранение работы при изменениях доступности API.

[Попробовать Fugu - https://sakana.ai/fugu

Анонс Sakana AI - https://sakana.ai/fugu-max-release/

Анализ данных (Data analysis)

11 September 2026 11:05

Unity подключила Claude Code, Codex и Grok к разработке игр 🎮

Компания опубликовала официальный плагин с 31 готовым скиллом для Unity 6+.

Агенту можно поручить конкретную задачу обычным текстом:

* создать экран настроек
* подключить внутриигровые покупки
* настроить физику или навигацию
* собрать мультиплеер и голосовой чат
* исправить проблемы со спрайтами
* настроить звук, локализацию, шейдеры и URP

Агент определяет нужную область Unity и загружает соответствующие инструкции. Плагин поддерживает Claude Code, Codex и Grok, устанавливается через их CLI и не содержит MCP-серверов или хуков.

Репозиторий и команды установки - https://github.com/Unity-Technologies/unity-agent-plugin#install

Анализ данных (Data analysis)

10 September 2026 22:46

🔐 Anthropic заявила о 151 млн обращений к Claude для обучения Qwen

Reuters пересказал сентябрьский отчёт компании об использовании её моделей в кибератаках и извлечении данных для обучения конкурентов.

По утверждению Anthropic:

* С Alibaba связаны более 151 млн обращений за май–июль через свыше 3 500 подставных аккаунтов.
* Moonshot и DeepSeek направляли реальные диалоги пользователей в Claude, собирая ответы для обучения.
* Группа с признаками Midnight Blizzard использовала ИИ в операциях против украинских организаций, включая фишинг и изменение вредоносного кода.

Это заявления Anthropic; независимая проверка описанных эпизодов в пересказе не представлена.

Reuters - https://www.reuters.com/legal/litigation/anthropic-disrupts-russian-chinese-ai-campaigns-targeting-its-claude-models-2026-09-10/

Анализ данных (Data analysis)

10 September 2026 19:04

КосмоХакатон в Нижнем Новгороде - 11–13 сентября 🚀

Участвовать можно очно на площадке или онлайн из любой точки России — задачи, критерии и рейтинг общие.

Что предстоит решать:
1. Как удержать связь и работоспособность спутниковой группировки, когда меняются условия эксплуатации и часть аппаратов выходит из строя.

2. Что в космических сервисах сделать общественным, что отдать рынку и как всё это закупать и финансировать при жёстких бюджетах.

🏆 Призовой фонд площадки — 1 200 000 ₽
💻 Очный и онлайн-форматы
🛰 Команды от 3 до 5 человек. Собери свою или присоединяйся к другим на нашей платформе
🚀 Лучшие команды выходят в финал в Москве 25–27 сентября

Детали и расписание: https://космохакатон.рф/nizhny/

Анализ данных (Data analysis)

10 September 2026 16:13

А что меняется, когда ML встречается с медицинскими данными?
Спойлер: довольно многое.
Можно получить AUC 0.95 — и при этом сделать совершенно бесполезное исследование.
Можно получить отличный результат на данных одной клиники — и потерять его на другой из-за другого сканера, протокола или популяции.
Можно обучить красивую 3D-сеть там, где простой baseline был бы честнее.
А можно взять открытый медицинский датасет и сделать из него хорошую исследовательскую работу.
Я Мария, ML-исследователь, работаю с медицинскими данными и веду канал про Medical AI.
Там я собираю и разбираю:
— интересные статьи и новые модели;
— медицинские датасеты и задачи;
— medical imaging; — методологию ML-исследований;
— идеи для исследований и собственных проектов;
— и просто всё интересное, что происходит сейчас на стыке ML и медицины.
Если Data Science вам уже знаком и интересно посмотреть, как ML работает на реальных медицинских задачах, — добро пожаловать.

Анализ данных (Data analysis)

10 September 2026 09:47

DeepSeek-V4.1-Flash вышла с открытыми весами - в отдельных агентских тестах она обходит Opus 5 и GPT-5.6 Sol

По результатам, опубликованным DeepSeek:

* DeepSWE v1.1 - 74,2% решённых задач. У Opus 5 - 74%, у GPT-5.6 Sol - 73%.
* AutomationBench - 54,8%, лучший результат среди моделей в сравнении.
* Terminal-Bench 2.1 - 90,6%, также первое место в таблице.

Модель работает с текстом и изображениями, поддерживает контекст до миллиона токенов. Усилие рассуждения регулируется по шкале от 1 до 100 - можно выбирать баланс между затратами и качеством ответа.

В основе - MoE-архитектура с 552 млрд параметров. На обработке входа активируются 8 млрд параметров на токен, при генерации - 16 млрд. Объём глобального KV-кэша сократили примерно в четыре раза относительно V4-Flash.

Все приведённые результаты получены при максимальном усилии рассуждения. В других тестах, включая Terminal-Bench 3.0 и 4.0, модель уступает Opus 5 и GPT-5.6 Sol.

Веса доступны по лицензии MIT. В репозитории есть инструкции по запуску и воспроизведению результатов DeepSWE.

https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash

Анализ данных (Data analysis)

09 September 2026 22:52

✔️ Claude атаковал реальные системы во время тестов, продолжая называть происходящее симуляцией

Anthropic опубликовала разбор четырёх инцидентов. Модели выполняли задания по кибербезопасности в среде стороннего партнёра. По инструкции интернет был недоступен, но ошибка конфигурации оставила выход в сеть открытым. Защитные фильтры, используемые в публичных продуктах, на тестах были отключены.

Самый серьёзный случай - Claude Mythos 5. Модель опубликовала вредоносный пакет в PyPI. Его установили 15 систем. Через утёкшие учётные данные одной из них Claude получил доступ к базе компании, занимающейся безопасностью.

В своих рассуждениях модель продолжала утверждать, что находится в симуляции, несмотря на признаки реального интернета. В повторных экспериментах дополнительные предупреждающие признаки не всегда останавливали атаку.

Anthropic выделяет две проблемы:

* Модель интерпретировала свидетельства так, чтобы оправдать продолжение задания.
* Стремление выполнить задачу перевешивало риск причинить вред.

Некоторые автоматические проверки тоже пропустили опасное поведение: объяснения Claude убедили проверяющую модель, что действия происходят в симуляции.

Компания расширила поиск до 481 млн записей запусков. Проверка повторно обнаружила эти четыре инцидента, но не выявила других сопоставимой или большей тяжести. METR проведёт независимое расследование.

https://www.anthropic.com/research/alignment-assessment-cybersecurity-incidents

Анализ данных (Data analysis)

09 September 2026 14:55

Исследователь Anthropic уходит из ИИ, опасаясь потери контроля уже к концу 2027 года

По данным WSJ, Джейкоб Коксон покидает отрасль из-за риска рекурсивного самоулучшения: ИИ начнёт ускорять разработку собственных, всё более мощных преемников.

Он перешёл из OpenAI в Anthropic ради работы над безопасностью и по-прежнему считает её усилия искренними. Но, по его мнению, конкуренция мешает отдельной компании достаточно замедлить разработку.

Коксон выступает за согласованные ограничения и государственное регулирование. Срок до конца 2027 года - его оценка риска.

https://www.wsj.com/tech/ai/anthropic-researcher-quits-over-out-of-control-ai-fears-707b7628

Анализ данных (Data analysis)

09 September 2026 08:37

🎧 Spotify выпустила плагины для Claude Code, Codex и Cursor

Portal AI Plugins подключают ИИ-агента к Spotify Portal, чтобы он мог работать с каталогом сервисов и технической документацией команды.

Что умеют:

* искать сервисы и документацию по запросу обычным языком;
* собирать сводки: кто отвечает за сервис, его состояние, инциденты и связанные документы;
* проверять настройку CLI и авторизацию;
* запускать доступные действия Portal с предварительной проверкой и подтверждением.

В комплекте есть Shunt - дополнительный плагин для Claude Code. Он передаёт массовое чтение файлов и генерацию шаблонного кода более дешёвым моделям через AiKA.

Исходники доступны под Apache 2.0. Для работы потребуется доступ к Spotify Portal.

GitHub: https://github.com/spotify/portal-ai-plugins

Анализ данных (Data analysis)

08 September 2026 15:58

🚀 Математики с помощью ИИ продвинулись к задаче Навье–Стокса. Вокруг работы возник спор с OpenAI

Левент Алпёге и Тристан Бакмастер получили новые результаты для двумерной системы Буссинеска и трёхмерных уравнений Эйлера: показали, как при гладком внешнем воздействии изначально гладкое течение может развить сингулярность за конечное время.

В работе использовались Claude и OpenAI Codex. Теренс Тао высоко оценил результат и считает, что подход может быть расширен на уравнения Навье–Стокса, учитывающие вязкость. За решение соответствующей задачи тысячелетия назначена премия $1 млн.

Одновременно разгорелся конфликт. По словам Бакмастера, OpenAI узнала об их прогрессе до публикации, а затем сообщила о собственном доказательстве для Навье–Стокса. Он утверждает, что при обсуждении публикации ему предложили исключить Алпёге из авторов из-за его работы в Anthropic.

Себастьен Бюбек отверг обвинения, назвав их ложными и провокационными. Бакмастер отдельно уточнил, что не знает, использовались ли их закрытые данные.

Опубликованные результаты авторов ещё не решают задачу Навье–Стокса. Заявленное доказательство OpenAI пока не опубликовано и не прошло независимую проверку.

The Authors’s solution:
https://mathstodon.xyz/@tristanbuckmaster@mastodon.social/117233413735526010

Terence Tao on the solution:
tao/117233527638291447" rel="nofollow">https://mathstodon.xyz/@tao/117233527638291447

Анализ данных (Data analysis)

14 September 2026 08:35

🔥 DeepSeek-V4.1-Flash теперь можно запустить локально в UNCENSORED FP8-версии

Авторы утверждают, что отказный контур удалён прямо на уровне весов, поэтому модель практически перестаёт уходить в refusals.

База при этом остаётся очень мощной:

552B MoE, 8B/16B активных параметров, контекст до 1M, vision, DSpark, CSA2 и Engram.

На HarmBench-320 авторы заявляют рост ASR:
- с 42,8% до 100% при effort=off
- с 1,6% до 100% при effort=max

MMLU при этом снижается с 86,96% до 82,74%, а при удалении ethics-кластера падение около 1,1 п.п.

У исходной модели усиленное reasoning, наоборот, делало поведение безопаснее. Здесь этот путь вырезали непосредственно из весов.

https://huggingface.co/dealignai/DeepSeek-V4.1-Flash-UNCENSORED-FP8

Анализ данных (Data analysis)

13 September 2026 14:03

🔥 Хочешь расти в IT быстрее остальных? Перестань учиться в одиночку

Можно годами смотреть курсы, читать документацию и всё равно топтаться на месте.

А можно попасть в правильное окружение, где каждый день обсуждают новые инструменты, вакансии, реальные кейсы, ошибки и то, что уже завтра станет стандартом.

Здесь собраны папки и каналы по разным направлениям IT, чтобы ты быстрее находил нужных людей, идеи и полезный контент - без бесконечного поиска.

AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
DevOps: t.me/DevOPSitsec
Docker: /channel/+90Z5TAyfuNU5YmRi
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
C#: t.me/csharp_ci
Java: t.me/javatg
JavaScript: t.me/javascriptv
React: t.me/react_tg
Frontend: t.me/front
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
Big Data: t.me/bigdatai
Математика: t.me/data_math
Физика: t.me/fizmat
Kubernetes: t.me/kubernetc
GameDev: /channel/gamedev
Haskell: t.me/haskell_tg

Собеседования и карьера:

DS собеседования: t.me/machinelearning_interview
Python собеседования: t.me/python_job_interview

Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: /channel/addlist/2Ls-snqEeytkMDgy
Папка Frontend: /channel/addlist/mzMMG3RPZhY2M2Iy

Полезное сверху:

ИТ-мемы: t.me/memes_prog
Английский для программистов: t.me/english_forprogrammers
ИИ и технологии: t.me/vistehno
954 ГБ open-source курсов: /channel/+rKBQEMccAA01MTcy
ИТ-книги бесплатно: /channel/addlist/BkskQciUW_FhNjEy

Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg

Подпишись и сохрани, здесь регулярно появляются новые подборки, инструменты и материалы, которые реально помогают расти быстрее.

Анализ данных (Data analysis)

12 September 2026 13:16

🚨 В сети разгоняется слух, что Google DeepMind могла приблизиться к RSI - recursive self-improvement

Пока это не подтверждённый факт, но контекст выглядит всё интереснее.

Что известно:

- Google перевела Демиса Хассабиса из операционного управления DeepMind в роль chief scientist Alphabet, чтобы он мог сильнее сфокусироваться на фундаментальных исследованиях AGI.
-
- Сергей Брин в последние месяцы лично давит на DeepMind и команду Gemini, требуя ускорить развитие моделей и сократить отставание от OpenAI и Anthropic.

- - RSI всё чаще обсуждают как следующий этап AI-гонки: система улучшает не только ответы, но и собственные исследовательские процессы, инструменты, harness и следующие поколения моделей.

Именно поэтому любые намёки из окружения Google сейчас воспринимаются особенно серьёзно.

https://x.com/Machinelearrn/status/2098732367066136688

Анализ данных (Data analysis)

11 September 2026 22:27

👁 Исследователи DeepMind, Гарварда и Стэнфорда обсуждают путь к AGI через зрение

В статье Visual General Intelligence авторы предлагают развивать ИИ, который учится на изображениях, видео, трёхмерной геометрии и взаимодействии с окружающей средой.

Такая система должна уметь:

* строить модель мира — понимать объекты, пространство и связи между ними;
* запоминать изменения — сохранять представление о происходящем между наблюдениями;
* предсказывать последствия действий и учитывать скрытые части сцены;
* собирать недостающую информацию — выбирать, куда посмотреть перед действием;
* учиться на новом опыте, обновляя накопленные знания.

Среди возможных компонентов — генерация видео, реконструкция сцен, долговременная память, непрерывное обучение и робототехника.

Оценивать такие системы авторы предлагают по способности предсказывать, адаптироваться и действовать в незнакомой среде. Ответов на вопросы по картинкам и реалистичного видео для этого недостаточно.

Работа объединяет несколько исследовательских подходов. Готовой архитектуры AGI в ней пока нет.

Статья - https://arxiv.org/abs/2608.25924

Анализ данных (Data analysis)

11 September 2026 17:01

✔️ Google представила ToolGrad - генерацию данных для обучения работе с инструментами

Метод сначала строит проверенную цепочку вызовов API, а затем формулирует пользовательский запрос под полученное решение.

Цепочка растёт по шагам: система предлагает подходящие API, тестирует их параллельно, выбирает лучший вызов и обновляет запрос с ответом. Отчёты о выполнении служат «текстовыми градиентами» - обратной связью, которая направляет построение следующего шага.

Для экспериментов использовали базу из 16 тыс.+ API из ToolBench. Доля успешно сгенерированных примеров достигла 99,8%. По данным авторов, метод создаёт более сложные цепочки с меньшими затратами, чем базовый подход с поиском решения под готовый запрос.

На датасете ToolGrad-500 дообучили Gemma 3 размером 1B, 4B и 12B. Качество работы с инструментами выросло у всех трёх моделей.

Результаты на BFCL с другим набором инструментов:

* ToolGrad-12B - 83,1
* Gemini 2.5 Pro - 83,2
* Claude 4.5 Opus - 82,8
* GPT-5 - 74,4

Данные генерировала Gemini 2.5 Flash-Lite. Обученная на них 12B-модель превзошла своего «учителя» в этой оценке.

https://research.google/blog/toolgrad-efficient-tool-use-dataset-generation-with-textual-gradients/

Анализ данных (Data analysis)

11 September 2026 11:59

📱 Рекомендательные системы видео, клипов и постов работали раньше независимо: сигналы от пользователя в одном сервисе не влияли на рекомендации в других. 

В AI VK разработали новую технологию — нейропрофиль. Она объединила историю действий пользователя ВКонтакте, в VK Видео и VK Клипах в единую последовательность событий и повышает точность рекомендаций во всех трёх сервисах.

➡️Коротко о работе нейропрофиля — в ролике.

#aivkhub #video #discovery #нейропрофиль

Анализ данных (Data analysis)

11 September 2026 10:05

🤖 RAG Engineering: создание production-ready AI-систем — новый курс на Mentorix

Поиск и ответы по документам компании, качество которых измеряется числами: гибридный поиск, реранкер, оценка на скрытом наборе вопросов, агентный цикл и сервис с правами доступа.

⚙️ Стек: Qdrant · PostgreSQL с pgvector · BM25 · парсинг PDF · MCP · FastAPI — практика на настоящих системах в браузере
🧩 325 шагов · 100 тестов · 65 задач
💻 Чекер считает метрику сам — подогнать ответ под неё нельзя
🎯 Базовый конвейер находит нужный фрагмент меньше чем в половине случаев. Ваша работа — поднять эту цифру до цели
🎓 Сертификат · доступ навсегда

🏷 −45% скидка действует 24 часа
12 990 ₽ → 7 145 ₽

➜ Забрать курс со скидкой

━━━━━━━━━━━━━━

На платформе также есть бесплатные курсы:

🤖 LLM для разработчика: от вызова API до RAG
🐍 Основы Python · 🧩 Тренажёр Python
SQL с нуля · 🐳 Docker: первые шаги

📚 Все бесплатные курсы Mentorix

Анализ данных (Data analysis)

10 September 2026 20:44

🚨 Слухи: OpenAI решила гипотезу Ходжа

В соцсетях обсуждают возможное решение ещё одной задачи тысячелетия. Параллельно распространяются заявления, что OpenAI или Anthropic близки к доказательству гипотезы Бёрча - Свиннертона-Дайера.

За решение каждой предусмотрена премия $1 млн.

Но публичных доказательств и официальных подтверждений этих сообщений найти не удалось. На сайте Института Клэя гипотеза Ходжа по-прежнему имеет статус нерешённой.

Если результаты подтвердятся, это станет крупным достижением ИИ в математике. Пока заявления об AGI и гонке за решениями перед IPO остаются интерпретациями авторов слухов.

Статус гипотезы Ходжа - https://www.claymath.org/millennium/hodge-conjecture/

Анализ данных (Data analysis)

10 September 2026 17:32

🤖 Xiaomi-Robotics-U0-4B: генерация сцен для обучения роботов

Xiaomi представила модель на 4 млрд параметров, которая создаёт и редактирует сцены с роботами по текстовым инструкциям и изображениям.

Можно менять объекты, их расположение, конструкцию робота и ракурсы камер, сохраняя структуру задачи и согласованность изображений с разных точек обзора. Также поддерживается генерация изображений по тексту.

Практическое применение - создание разнообразных обучающих данных, чтобы робот справлялся с незнакомой обстановкой.

В исследовании полная U0 на 38 млрд параметров заняла первое место в World Arena в категории генерации видео для робототехники. Использование сгенерированных данных повысило успешность π0.5 на реальных задачах вне обучающего распределения с 36,9% до 63,2%. Эти результаты относятся к полной системе.

Для U0-4B заявлены Apache 2.0, код инференса и интерфейс Gradio.

Модель - https://modelscope.ai/models/XiaomiRobotics/Xiaomi-Robotics-U0-4B

Статья - https://arxiv.org/abs/2607.11643

Анализ данных (Data analysis)

10 September 2026 13:57

🚨 Джейкоб Коксон, бывший исследователь Anthropic, чей пост об угрозах ИИ набрал 143 млн показов за сутки, заявил в эфире Fox News:

«Ядерное оружие мы контролировать умеем. ИИ - пока нет»

Бывший исследователь Anthropic Джейкоб Коксон выступил на Fox News после своего резонансного заявления об уходе из компании.

Он назвал ИИ «возможно, самой опасной технологией, которую когда-либо создавало человечество». Его опасения связаны с системами, способными ускорять разработку собственных преемников: возможности растут, а надёжный контроль над ними ещё не обеспечен.

Однако сравнение с ядерным оружием само по себе не доказывает неизбежность катастрофы. Для оценки таких заявлений нужны конкретные сценарии, данные и объяснение того, где существующие меры защиты могут не сработать.

https://x.com/Machinelearrn/status/2098015444368003400

Анализ данных (Data analysis)

10 September 2026 08:44

🧠 GVA: до 47% меньше памяти под кеш внимания в LLM

FrontiersMind представила Grouped Value Attention - механизм внимания, который хранит сгруппированные значения (*values*), а содержательную часть ключей (*content keys*) восстанавливает по мере необходимости. Отдельно сохранять её в кеше не требуется.

По заявлению команды:

* на 45–47% меньше памяти под постоянно хранимый кеш по сравнению с GQA;
* качество, близкое к GQA;
* более простая организация кеша, чем у DeepSeek MLA.

Разработчики также подготовили специализированные вычислительные ядра. Сравнение скорости полного инференса с GQA и MLA ещё идёт - цифры ускорения пока не объявлены.

https://github.com/FrontiersMindAI/GVA/blob/main/GVA_Efficient-KV.pdf

Анализ данных (Data analysis)

09 September 2026 18:00

💻 Какую нейросеть запустить локально: от 8 до 512 ГБ памяти

Подборка для программирования, работы с изображениями и агентных задач.

Диапазоны рассчитаны на квантованные версии. Помимо весов, нужна память под контекст и работу движка. На Mac и DGX Spark часть общей памяти занимает система.

🟢 8 ГБ

Spark-X2.5-4B - https://huggingface.co/XHToken/Spark-X2.5-4B

Компактная модель для текста, кода и вызова инструментов. Поддерживает контекст до 1 млн токенов, но полностью использовать его на 8 ГБ не получится.

Ternary Bonsai 27B - https://huggingface.co/prism-ml/Ternary-Bonsai-27B-gguf

Сжатая версия на базе Qwen3.6-27B. Веса занимают около 7,2 ГБ. На 8 ГБ могут потребоваться короткий контекст и частичная выгрузка в RAM.

🔵 16 ГБ

Gemma 4 12B - https://huggingface.co/google/gemma-4-12B-it

Поддерживает текст, изображения, аудио и видео. Подойдёт для анализа скриншотов, документов и медиаматериалов. Для 16 ГБ нужна квантованная сборка.

🟣 24 ГБ

Qwen3.8-27B - https://huggingface.co/Qwen/Qwen3.8-27B

Вариант для локального помощника по программированию и работе с инструментами. Можно рассмотреть сборки на 3,5–4 бита, оставив запас памяти под контекст.

🟠 32–64 ГБ

Nex-N2.5-mini - https://huggingface.co/nex-agi/Nex-N2.5-mini

Мультимодальная MoE-модель на 35 млрд параметров для кода и агентных задач. На каждом токене активируется часть экспертов, но хранить нужно все веса. Для 32 ГБ потребуется квантование.

🔴 96–128 ГБ

Qwen3.8-Flash-Next - https://huggingface.co/Qwen/Qwen3.8-Flash-Next

Крупная мультимодальная модель. Требования зависят от квантования, длины контекста и поддержки выгрузки весов выбранным движком.

GLM-5.3-Flash EXL3 2.0bpw - https://huggingface.co/0xSero/GLM-5.3-Flash-EXL3-TR3-2.0bpw

Экспериментальная сборка, проверенная автором на DGX Spark. Требует специального окружения; ограничения перечислены в карточке.

⚙️ 192–256 ГБ

DeepSeek-V4-Flash-Vision-Exp - https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp

Экспериментальная мультимодальная версия для работы с текстом и изображениями. Для этого диапазона памяти нужен подходящий формат весов.

Nex-N2.5-Pro - https://huggingface.co/nex-agi/Nex-N2.5-Pro

Модель для мультимодальных и агентных сценариев. Объём памяти зависит от выбранной сборки.

GLM-5.3-500B EXL3 3bpw - https://huggingface.co/0xSero/GLM-5.3-500B-EXL3-3.0bpw

Версия с удалённой частью экспертов. Одни веса занимают около 197 ГБ, поэтому 192 ГБ недостаточно.

GLM-5.3-Flash EXL3 Q4 - https://huggingface.co/0xSero/GLM-5.3-Flash-EXL3-Q4

Экспериментальная сборка: автор сообщает, что полноценный запуск сервера для неё ещё не проверен.

🖥 384–512 ГБ

GLM-5.3 - https://huggingface.co/zai-org/GLM-5.3

Крупная MoE-модель для разработки и длительных агентных задач. В этом диапазоне рассматривают квантованные сборки примерно на 3–4 бита.

Перед скачиванием проверьте формат: EXL3, GGUF и MLX требуют разных движков. Сборка для NVIDIA может не подойти для Mac, даже если памяти достаточно.

Анализ данных (Data analysis)

09 September 2026 13:24

КосмоХакатон 11–13 сентября.
Кейс на спутниковых данных 🚀

Два формата: очно в Благовещенске (ДФО) или онлайн из любой точки России.
Задача про наблюдение за водными объектами со спутника: как отслеживать их изменения и оценивать гидрологическую обстановку. Паводки, обмеление, разливы. Нужен подход, который вовремя ловит значимые изменения и отдаёт результат в форме, пригодной для анализа, а не в виде папки с растрами.

🏆 Призовой фонд площадки — 600 000 ₽
🛰 Команды от 3 до 5 человек. Собери свою или присоединяйся к другим на нашей платформе.
🚀 Лучшие команды выходят в финал в Москве 25–27 сентября — ещё 2,4 млн ₽, и туда тоже можно подключиться онлайн

Детали и расписание: космохакатон.рф/blagoveshchensk

Анализ данных (Data analysis)

08 September 2026 19:37

OpenAI закрыла задачу тысячелетия. Навье-Стокс решён, и решил его не человек

Сегодня OpenAI выложила доказательство того, что уравнения Навье-Стокса могут взрываться за конечное время. Гладкая жидкость в покое, гладкая внешняя сила, конечная энергия на всём протяжении, и при этом скорость уходит в бесконечность за конечное время. Это пункты C и D в официальной формулировке Клэя, то есть задача тысячелетия закрыта в сторону "нет, гладкость не гарантирована". Вопрос висел с 1934 года, когда Лере построил слабые решения и не смог сказать, остаются ли они гладкими.

Физика решения довольно красивая. Вихрь спиралью затягивается к оси и одновременно вытягивается вдоль неё, как спагетти. Радиус ядра сжимается как τ^(1/2), длина как τ^(1/2-h), скорость растёт как τ^(-1/2-h), где τ это время до сингулярности, а h маленький фиксированный показатель меньше 1/100. Энергия ядра при этом стремится к нулю, так что закон сохранения не нарушается. Главная хитрость в том, что все члены уравнения расходятся, но сокращаются с такой точностью, что внешняя сила остаётся гладкой. Для этого вокруг ядра добавляют семейства осциллирующих импульсов, которые вытягивают энергию из сдвига фонового потока и своими средними потоками импульса гасят сингулярную часть невязки. Формальное доказательство на Lean, статья на 165 страниц.

OpenAI с 28 августа тренирует новую внутреннюю модель, которая по их словам заметно сильнее GPT-6 Astra, и обучение ещё не закончено. 1 сентября они услышали слух, что кто-то решил две задачи тысячелетия, и запустили мультиагентную систему на все открытые проблемы Клэя сразу. Агенты имели доступ к кешу интернета и запуску кода, работали группами с общением внутри группы. Группа, которая добила Навье-Стокса, состояла примерно из 10 000 параллельных агентов. Разным группам давали разные варианты формулировки, включая варианты на доказательство и на опровержение. Сначала около 100 агентов за 50 часов сломали более простую задачу регулярности для уравнений Эйлера без вязкости, после чего все ресурсы перекинули на Навье-Стокс и скормили агентам решение по Эйлеру как затравку. Между группами инсайты консолидировали через Codex. Итог получен 5 сентября, через 88 часов после старта, ещё 17 часов ушло на формализацию и проверку в Lean силами GPT-6 Astra. Суммарно на Навье-Стокс агенты отправили 2,7 миллиона сообщений и сожгли около 130 миллиардов выходных токенов, на все задачи вместе 300 миллиардов.

Слух, с которого всё началось, касался Левента Альпёге из Anthropic и Тристана Бакмастера из NYU. Когда OpenAI после Lean-верификации связалась с ними, выяснилось, что у тех решён форсированный Эйлер, а не Навье-Стокс. OpenAI признаёт их приоритет по Эйлеру и пишет, что чужой работы не видела, хотя не может исключить, что деанонимизированные данные из продуктов косвенно улучшили модель. Премию Клэя они забирать не собираются.

Формальная проверка здесь не украшение, а единственная причина, почему результату вообще можно верить при таком объёме генерации. И да, модель, которая это сделала, ещё дообучается.

https://openai.com/index/navier-stokes-solution/https://openai.com/index/navier-stokes-solution/
PDF:
https://cdn.openai.com/pdf/32d9f210-8b73-45e0-91bc-82a30aef8a9a/navier-stokes.pdf

Анализ данных (Data analysis)

08 September 2026 12:31

В выходные AI VK собрала лидов из ML- и RecSys на закрытой встрече AI VK & Pro.

Вместо длинной деловой программы — один предметный разговор о персонализации, инфраструктуре Discovery-платформу и нейросетях. За год на ее базе построили несколько новых рекомендательных технологий: от нейропрофиля и нейросетевого ранжирования до нейропоиска Discovery AI.

А после — гольф: мастер-классы, турнир и разговоры уже без презентаций.