SpaceX станет новой NVIDIA? Ставка на ИИ

У SpaceX появился ещё один амбициозный сценарий будущего: резкий рост на инфраструктуре искусственного интеллекта. Партнёр Sequoia Capital Шон Магуайр сравнивает возможную динамику её выручки с рывком NVIDIA. Он сразу раскрывает конфликт интересов: фонд вложился в компанию, а сам автор считает свою оценку пристрастной.

В публикации Магуайр связывает перспективы SpaceX с инженерной командой, Starship и экономикой Starlink. Отдельный тезис касается вычислений для ИИ: он считает компанию потенциально сильным игроком благодаря способности решать сложные инфраструктурные задачи. Это позиция инвестора, а не независимо подтверждённое лидерство по стоимости вычислений.

Почему разговор об ИИ упирается в электростанции

Для наглядности возьмём условный дата-центр мощностью один гигаватт. При непрерывной работе за сутки он потребит 24 миллиона киловатт-часов. Такой масштаб заставляет обсуждать генерацию, подключение к сети, охлаждение и сроки поставок оборудования ещё до выбора модели для обучения. GPU, ожидающий электричества, не приносит полезных вычислений.

оэтому сравнивать инфраструктурные проекты только по количеству ускорителей неудобно. Два одинаковых кластера могут давать разный экономический результат: один простаивает, другой загружен; один ограничен сетью, другой тратит меньше времени на обмен данными. Стоимость полезной работы зависит от всей системы.

Где заканчивается прогноз

Магуайр ожидает, что Direct to Cell обгонит Starlink по выручке в 2029 или 2030 году. Орбитальные вычисления он относит к более поздней части сценария. Оба утверждения следует читать как прогнозы автора.

Для проверки тезиса о дешёвых вычислениях потребовались бы сопоставимые измерения: одинаковая задача, качество результата, загрузка оборудования, затраты на питание и полная стоимость владения. Одной оценки капитальных расходов на гигаватт для такого вывода недостаточно.

У космического дата-центра к этому добавляются вопросы обслуживания и отвода тепла. В вакууме нельзя рассчитывать на обычное воздушное охлаждение. Даже привлекательная стоимость запуска сама по себе не отвечает на вопрос, сколько будет стоить готовый результат вычисления.

Сравнение с NVIDIA звучит громко. Проверять его придётся по введённым мощностям, платящим клиентам и экономике эксплуатации. Пока перед нами инвестиционная гипотеза с большим набором инженерных условий.

По публикации Шона Магуайра, партнёра Sequoia Capital.

https://uproger.com/spacex-stanet-novoj-nvidia-stavka-na-ii/

Читать полностью…

🌟 Inclusion AI предложила метод спекулятивного декодирования с параллельной сборкой дерева черновиков

Метод UBTree ускоряет вывод больших языковых моделей.

Спекулятивное декодирование поручает черновик небольшой модели, а целевая проверяет сразу несколько предложенных токенов одним проходом и принимает их до первой ошибки.

UBTree относится к той же семье параллельных драфтеров, что DFlash и DSpark, и закрывает их недостаток - они предлагают весь блок токенов одновременно и потому работают быстро, но на размытых распределениях целевой модели, где несколько продолжений близки по вероятности, угадывают хуже.

Черновик в UBTree собирается двумя параллельными проходами:

🟢первый делает модель DFlash, которая подбирает по 64 варианта токена на каждую из шестнадцати позиций блока, причём каждую позицию считает независимо от соседних;

🟢биграммный селектор оценивает, насколько один вариант годится в продолжение другому: пару соседей он прогоняет через два небольших перцептрона поверх замороженных эмбеддингов целевой модели, отдельно для предшественника и для последователя, и добавляет полученную оценку к оценке DFlash с весом, зависящим от глубины.

Все пары считаются одновременно, из оценок переходов набирается дерево на 64 узла, и целевая модель проверяет его целиком за один проход.

Селектор обучали на откликах, перегенерированных при высокой температуре, с перенормированной KL-функцией потерь - так в разметку попадают не только самые вероятные продолжения, но и правдоподобные альтернативы, за счёт которых дерево чаще совпадает с выбором целевой модели.

Вместе с методом выложены две черновые модели - Ling3-Tiny-UBTree на 183 млн параметров работает в паре с Ling-3.0-tiny (8 млрд параметров, 1 млрд активных), Ling3-Flash-UBTree на 482 млн - с Ling-3.0-flash (124 млрд, 5 млрд активных).

Они ничего не генерируют и нужны только как драфтеры к своей целевой модели.

🟡 Тесты

На семи тестах, от GSM8K и AIME до LiveCodeBench и MT-Bench, UBTree даёт среднее ускорение 6,88× на Qwen3-4B и 6,94× на Qwen3-8B и опережает ближайший древовидный метод DARTree во всех 28 сравнениях, в среднем на 7,4-13,4%.

В SGLang на Ling3-Flash-124B выходит 3,27× против 2,73× у DSpark и 2,80× у DFlash, на Qwen3.8-27B - 4,78× против 4,32× у DSpark.

На длинном контексте LongBench-v2 число принятых за раунд токенов выше, чем у сильнейшего из конкурентов, на 31,0-39,7%.

Поддержка UBTree для Ling3 в SGLang пока не опубликована. Команда обещает дополнительные черновые модели в течение месяца.

📌Лицензирование: MIT


🟡Страница проекта
🟡Набор моделей
🟡Техотчет


@ai_machinelearning_big_data

#AI #ML #LLM #Decoding #UBTree #InclusionAI

Читать полностью…

F-GRPO и ESSA — методы для повышения эффективности дообучения языковых моделей с подкреплением

Исследователи Т-Банка представили работы на EMNLP — международной конференции уровня A* по обработке естественного языка

Что внутри:

- F-GRPO сохраняет разнообразие правильных решений: слабее меняет параметры на простых задачах, которые модель уже часто решает правильно, помогая не вытеснять редкие корректные стратегии.
- Меньше генераций: на Qwen2.5-7B метод с 8 ответами показал качество выше, чем GRPO с 32, на математических задачах и задачах вне обучающей выборки.
- ESSA дообучает без вычисления градиентов: оценивает слегка различающиеся версии модели и строит следующее поколение на основе лучших. Изменяется небольшой набор параметров LoRA-адаптеров.
- Сопоставимое качество при меньшем числе настраиваемых параметров: на математических задачах ESSA сравнялась с GRPO, обучающим всю модель, хотя настраивает примерно в миллион раз меньше параметров
- Ускорение до 7,8 раза: такой результат получили относительно GRPO на 128 GPU при дообучении Qwen2.5-32B до точности 83,5% на математическом тесте.

Методы рассчитаны на адаптацию LLM под математику, генерацию кода и выполнение инструкций. F-GRPO можно применять поверх GRPO, DAPO и CISPO, а преимущество ESSA в скорости растет с размером кластера.

https://arxiv.org/pdf/2602.06717
https://arxiv.org/pdf/2507.04453

Читать полностью…

📌 EPFL показала имплантируемый чип, который следит за связью между участками мозга

Лаборатория нейротехнологий Федеральной политехнической школы Лозанны под руководством Махсы Шоаран сделала LogSync, имплантируемый чип размером примерно 4 на 2 мм, который целиком держит на себе машинное обучение.

Он записывает активность мозга, считает силу ритмов и согласованность сигналов между его областями, по этим признакам различает состояния внимания и эмоционального возбуждения и сам выдаёт команду на стимуляцию, когда распознал нужное состояние.

Весь этот путь, от анализа связей между областями до классификации, укладывается в один кристалл и меньше 200 микроватт.

Добились этого переводом вычислений в логарифмический вид, который упрощает нужные операции, причём алгоритмы и схему разрабатывали сразу с оглядкой на ограничения имплантата.

Такой чип нужен для глубокой стимуляции мозга при психиатрических расстройствах.

Большинство приборов работает по заранее заданным настройкам, без обратной связи, а те, что подстраиваются, обычно опираются на сигнал одного участка.

Шоаран исходит из того, что психиатрические расстройства связаны скорее со сбоями в связности между областями мозга, поэтому классификатор смотрит именно на их согласованность.

Проверка чипа прошла успешно на двух материалах - на записях мозга людей из прежних психиатрических экспериментов и на крысах в Университете Миннесоты.

В людей чип пока не вживляли, поэтому реальной точности распознавания и задержки EPFL не приводит.

Модельную часть лаборатория развивает отдельно. На ICML 2026 Шоаран представил RECTOR, способ самообучения на записях ЭЭГ и внутричерепной ЭЭГ, где модель учится на замаскированных фрагментах сразу по трём осям - областям мозга, каналам и времени.

В работе заявляют лучшие результаты в распознавании эмоций и вовлечённости, а также устойчивость к потере отдельных каналов, но конкретных цифр в аннотации нет.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Atria Dawn вышла с открытыми весами и контекстом 512K – модель для исследовательских и инженерных ИИ-агентов.

Разработка Shanghai AI Laboratory построена на GLM-5.2 MoE с 744 млрд параметров. Контекст увеличен вдвое относительно Preview.

Модель рассчитана на многошаговую работу с инструментами:

- Исследования: поиск и систематизация источников, подготовка исполняемых планов экспериментов.
- Разработка: создание программ, интерактивных приложений, визуализаций и ML-систем.
- Документы: подготовка отчётов и презентаций из данных и требований.
- Безопасность: проверка уязвимостей, исправления и повторное тестирование в разрешённых средах.

В сравнении, опубликованном командой, Atria Dawn опережает участвующие модели на AutomationBench, CyberGym, SkillsBench и WideSearch. Например, на AutomationBench она набирает 54,7, а на CyberGym – 86,8.

Доступны полные и FP8-веса, самостоятельное развёртывание через SGLang и vLLM. Код и веса распространяются под MIT.

Модель принимает только текст.

https://huggingface.co/internlm/Atria-Dawn

Читать полностью…

От первого мотора до робота, который учится по демонстрациям: открытая дорожная карта по робототехнике на русском.

Robotics Roadmap 2026 предлагает план на 24 недели при занятиях по 2–3 часа в день. Обучение начинается с электроники и постепенно переходит к управлению и машинному обучению.

Внутри шесть модулей:

- Электроника, Python и Git - базовые схемы и инструменты.
- Arduino и ESP32 — моторы, датчики, линейный робот и балансир.
- CAD и 3D-печать — сборка робота-манипулятора.
- ROS 2 — симуляция, построение карты и автономная навигация.
- Управление и компьютерное зрение — регуляторы, кинематика, работа с камерой.
- LeRobot — сбор демонстраций и обучение робота.

Есть схемы подключения, примеры кода, списки компонентов, справочник по отладке и 30 идей проектов.

Начать можно без покупки железа — в симуляторах. Дальше предлагается оформлять проекты в портфолио: видео, схема, код и разбор того, что сломалось и как удалось исправить.

Полезная отправная точка для программиста, который хочет заставить свой код двигаться в физическом мире.

https://github.com/justxor/robotics-roadmap-2026/

Читать полностью…

5 GitHub-репозиториев для дообучения ИИ-моделей под свои задачи

Научить модель соблюдать нужный формат, отвечать в вашем стиле или выполнять специализированные инструкции — для этого пригодятся:

1. LLaMA-Factory - удобный старт
Дообучение языковых и мультимодальных моделей через веб-интерфейс или CLI. Поддерживает полное обучение, LoRA и QLoRA.
https://github.com/hiyouga/LlamaFactory

2. Unsloth - когда ограничена видеопамять
Оптимизирует обучение поддерживаемых моделей, снижая расход памяти и ускоряя вычисления. Есть готовые ноутбуки для первых экспериментов.
https://github.com/unslothai/unsloth

3. Axolotl - обучение через конфиги
Позволяет описать модель, датасет и параметры обучения в YAML. Подходит для воспроизводимых экспериментов и запуска на нескольких GPU.
https://github.com/axolotl-ai-cloud/axolotl

4. PEFT - обучать небольшую часть параметров
Библиотека Hugging Face для LoRA и других экономных методов адаптации. Помогает уменьшить требования к памяти и размер сохраняемых адаптеров.
https://github.com/huggingface/peft

5. TRL - обучение на примерах, предпочтениях и наградах
Инструменты для SFT, DPO и обучения с подкреплением. Пригодится, когда нужно улучшать ответы по выбранным критериям качества.
https://github.com/huggingface/trl

Эти инструменты можно комбинировать: например, использовать TRL для процесса обучения, а PEFT — для LoRA-адаптации.

Читать полностью…

Разделять стоит задачи, а не код

Когда одна рекомендательная система решает разные задачи, не обязательно создавать для каждой отдельный сервис или дублировать код. В AI VK для этого используют стримы — отдельные пайплайны со своими настройками, собранные из общих компонентов подбора кандидатов, фильтрации и вычисления признаков.

Так можно развивать разные механики независимо, не дублируя код и вычисления. В статье на Хабре  — как устроены стримы, почему они ускоряют разработку и как растят метрики.

Читать полностью…

MemT-1.0-Nano - открытая ИИ-модель со встроенной долговременной памятью.

Она записывает информацию из диалога во внутреннее состояние и использует её в следующих ответах — без повторной загрузки всей переписки в контекст. Память можно сохранить и восстановить в новой сессии.

— Основа — Qwen3.6-35B-A3B.
— 36 млрд параметров, из них 3 млрд активных.
— При истории в 128 тысяч токенов состояние памяти занимает примерно в 66 раз меньше места, чем полный KV-кэш, по данным разработчиков.

Это подход к созданию ассистентов и агентов, которые используют прошлый опыт без постоянного раздувания контекста. Но в задачах на точное извлечение деталей из длинной истории лучшие системы с текстовой памятью пока впереди.

https://huggingface.co/MemTensor/MemT-1.0-Nano

Читать полностью…

25 лучших бесплатных ресурсов для изучения ИИ в 2026 году

Курсы Стэнфорда и MIT, книги, YouTube-каналы и открытые репозитории для изучения ИИ с нуля до LLM и агентов. Подборка по этапам и готовый маршрут обучения.

https://uproger.com/25-resursov-dlya-izucheniya-ii-2026/

Читать полностью…

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку

Окружение решает больше, чем кажется.

Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре.

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

Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.

Читать полностью…

💰 Anthropic получила $16,8 млрд выручки за квартал. Но инвесторы ожидали большего.

По данным Financial Times, рост к предыдущему кварталу составил около 46%. До этого выручка увеличилась более чем вдвое: с $4,8 млрд до $11,5 млрд.

Компания второй квартал подряд сообщила о скорректированной прибыли. При этом 5–7% выручки ранее приносили конкуренты, обучавшие свои модели на ответах Claude. В третьем квартале Anthropic существенно ограничила эту практику.

https://www.ft.com/content/11632d03-358c-454b-af95-d06d4072932b

Читать полностью…

Сравните модели GigaChat на своей задаче в GigaPlatform AI Studio

Это среда, в которой можно менять настройки моделей и проверять ответы на своих запросах.

В AI Studio можно:
• Сравнить ответы двух моделей на одном запросе.
• Сравнить ответы при разной температуре.
• Настроить системный промпт и проверить его на нескольких запросах.
• Сохранить промпт и историю диалога в JSON.

Пять рабочих сценариев разобрали в статье.
Попробуйте AI Studio бесплатно и без ВПН.

Читать полностью…

Сравните модели GigaChat на своей задаче в GigaPlatform AI Studio

Это среда, в которой можно менять настройки моделей и проверять ответы на своих запросах.

В AI Studio можно:
• Сравнить ответы двух моделей на одном запросе.
• Сравнить ответы при разной температуре.
• Настроить системный промпт и проверить его на нескольких запросах.
• Сохранить промпт и историю диалога в JSON.

Пять рабочих сценариев разобрали в статье.
Попробуйте AI Studio бесплатно и без ВПН.

Читать полностью…

Kandinsky 6.0 Video — новая линейка моделей генерации видео со звуком

Модели генерируют видео с диалогами, музыкой и звуками окружения. Аудиодорожка синхронизирована с происходящим в кадре, движения губ персонажей совпадают с речью. Это первая российская нейросеть, генерирующая видео с синхронным звуком.

— Флагман новой линейки, Kandinsky 6.0 Video Pro — показывает качество на уровне Veo 3.1 Audio, а среди открытых моделей уступает только MiniMax H3, достигая паритета с LTX 2.5.

— Есть компактная Video Lite (3B) для запуска дома — доступны пресеты для видеокарт с 16–32 ГБ VRAM.

Веса моделей доступны на Hugging Face, код — на GitHub и на GitVerse. Также опубликован подробный технический отчёт с описанием архитектуры, данных, процесса обучения и результатов тестирования. Модель можно попробовать бесплатно в ГигаЧате в разделе генерации видео.

Читать полностью…

10 GitHub-репозиториев, чтобы собрать AI-ассистента, который реально работает за вас

Не просто чат-бота, а агента, который открывает сайты, пишет код, работает с документами, запоминает контекст и выполняет задачи.

1. OpenHands - AI-разработчик, который пишет код, исправляет ошибки и автоматизирует инженерные задачи.

https://github.com/OpenHands/OpenHands

2. Browser Use - управление браузером через AI: переходы по страницам, заполнение форм и автоматизация сайтов.

https://github.com/browser-use/browser-use

3. Mem0 - долговременная память для агентов. Сохранение контекста между разговорами.

https://github.com/mem0ai/mem0

4. Composio - подключение AI-агентов к сотням сервисов и инструментов через готовые интеграции.

https://github.com/ComposioHQ/composio

5. E2B - изолированные песочницы, где AI безопаснее запускает код и выполняет команды.

https://github.com/e2b-dev/E2B

6. LangGraph - создание сложных агентов с состоянием, ветвлениями и многошаговыми процессами.

https://github.com/langchain-ai/langgraph

7. n8n - визуальная автоматизация процессов с AI, API и внешними сервисами.

https://github.com/n8n-io/n8n

8. Docling - извлечение структурированных данных из PDF, таблиц и других документов для AI.

https://github.com/docling-project/docling

9. LiveKit Agents - голосовые AI-ассистенты, которые слушают и отвечают в реальном времени.

https://github.com/livekit/agents

10. Open Interpreter - выполнение кода и работа с локальным компьютером через естественный язык.

https://github.com/openinterpreter/openinterpreter

Из этих компонентов можно собрать полноценную агентную систему: с памятью, браузером, голосом, доступом к инструментам и возможностью самостоятельно выполнять многошаговые задачи.

Читать полностью…

AI Journey 2026: заглядываем в будущее ИИ 🤖
 
Хочешь узнать, что происходит в мире нейросетей, послушать российских и зарубежных экспертов и найти единомышленников? Залетай на AI Journey — ежегодную международную конференцию по искусственному интеллекту. Тебя ждёт три дня погружения в мир ИИ!
 
👉 27 ноября — день Бизнеса: реальные ИИ-кейсы и продукты
👉 28 ноября — день Науки: свежие исследования и открытия
 
В программе — выступления лидеров индустрии, выставочные зоны с разработками и нетворкинг с теми, кто тоже горит ИИ

📍 27–28 ноября 2026 года
Москва, Кутузовский проспект, 32, корп. 1, штаб-квартира Сбера

Регистрируйся на сайте и попади в центр событий мира ИИ! 💚
 
А 26 ноября смотри прямую трансляцию дня «Общество» на сайте aij.ru — увлекательная программа, интересные герои, актуальные темы!

Читать полностью…

Apex-35B: открытая модель для кода, агентов и исследовательских задач

Apex Intelligence выпустила Apex-35B-V1.0 на базе Qwen3.6-35B-A3B. Веса доступны под Apache 2.0.

Внутри - 35 млрд параметров, около 3 млрд активных на токен и контекст 262 тысячи токенов. Модель сама определяет, нужны ли развёрнутые рассуждения на текущем шаге.

Помимо программирования, поиска и вызова инструментов, её обучали исследовательским сценариям: планировать вычисления, писать и запускать код, корректировать подход по результатам экспериментов.

По оценке команды, Apex набрала:

- 84,0 на BFCL V4 - проверке вызова инструментов.
- 60,9 на PaperBench против 45,8 у базовой Qwen.
- 69,4 на BrowseComp против 42,1 у базовой модели.

В разработке участвовала Apex Research - автоматизированная система, которая помогала создавать обучающие данные, проводить эксперименты и оптимизировать GPU-ядра. Проверенные результаты использовали в следующих итерациях.

Результаты опубликованы разработчиками и требуют независимой проверки.

Модель:
https://huggingface.co/Apexintelligence-AI/Apex-35B-V1.0

Технический разбор:
https://apexin.com/apex-35b/

Читать полностью…

Как сравнивать распределения, когда случайный объект – целая функция, а не набор чисел?

Этому посвящена работа Франка Нильсена и Ха Куанг Миня о геометрической дивергенции Йенсена–Шеннона для гауссовских мер в гильбертовом пространстве.

В привычном случае гауссовское распределение описывает случайные векторы. В бесконечномерном пространстве аналогичный подход позволяет рассматривать случайные функции.

Авторы исследуют геометрическую версию дивергенции Йенсена–Шеннона: она использует геометрическое среднее вероятностных мер для оценки их различия.

Два основных результата:

- Явная формула для гауссовских мер, эквивалентных одной фиксированной мере. Она обобщает конечномерный случай.
- Регуляризованная версия, определённая для любой пары гауссовских мер. Для эквивалентных мер при стремлении параметра регуляризации к нулю она восстанавливает исходную дивергенцию.

Это теоретическая работа на пересечении теории вероятностей, информации и машинного обучения. По сообщению Нильсена, журнальная версия опубликована в IEEE Transactions on Information Theory.

Препринт – 44 страницы:

https://arxiv.org/abs/2506.10494

Читать полностью…

ИИ-агент умеет отвечать на другом языке. Но сможет ли он на нём работать?

Команда Qwen представила BabelArena – бенчмарк для проверки агентов на 23 языках и задачах из 13 предметных областей.

Переводят не только запрос пользователя, но и инструкции, описания инструментов и содержимое рабочей среды. Это позволяет сравнивать выполнение одинаковых задач на разных языках.

Выводы исследования:

- Единого лидера нет: разные модели сильнее в разных группах задач.
- На языках с небольшим объёмом обучающих данных чаще возникают ошибки вызова инструментов и последовательности действий.
- Объём входных токенов может быть примерно вдвое выше, чем на английском, без сопоставимого роста числа шагов.
- В задачах со структурированным выводом агенты чаще сбиваются с выбранного языка, преимущественно переходя на английский.

https://arxiv.org/abs/2609.23490

https://github.com/QwenLM/BabelArena

Читать полностью…

Алгоритм знает, где вы будете 7-го ноября 😎

RecSys-митап в Москве для тех, кто уже строит рекомендательные системы и хочет делать это еще лучше.

В программе — доклады от топовых экспертов Сбера с разбором кейсов, свежих подходов и неочевидных решений.

После официальной части — нетворкинг. Время в узком кругу профессионалов и сообщества Зеленый RecSys.

Участие бесплатное, но количество мест ограничено.

Москва. Суббота. 7 ноября. RecSys!
➡️ регистрируйтесь

Читать полностью…

Spark-X2.6-4B - открытая модель на 4 млрд параметров с контекстом до 1 млн токенов для локальных ИИ-агентов.

В тестах команды средний результат составил 63,3 балла против 52,1 у Spark-X2.5-4B и 49,1 у Qwen3.5-9B. Это сравнение на выбранном разработчиками наборе задач.

Что внутри:

- Три режима рассуждений: none, low и high — можно выбирать баланс между качеством ответа, скоростью и затратами.
- Форматы для локального запуска: FP8, INT8, INT4 и GGUF.
- Две версии: Instruct для диалогов и агентных задач, Base — для дальнейшего обучения.
- Поддержка популярных инструментов: Transformers, SGLang, vLLM, llama.cpp, Ollama, MLX и LM Studio.

Модель рассчитана на работу с кодом, инструментами и многошаговыми задачами. Для использования полного контекста в 1 млн токенов потребуется достаточно памяти.

https://github.com/XHToken/Spark-X2.6

Читать полностью…

✔️ DeepSeek и Huawei вместе делают следующее поколение ускорителей Ascend

Инженеры Huawei работают прямо в офисе DeepSeek, а заняты команды оптимизацией интерконекта и распределением вычислительных графов на уровне железа.

Раньше DeepSeek от обучения модели на Ascend отказалась из-за нестабильности и сырого ПО, теперь же компания открыла код низкоуровневого компилятора TileLang под Ascend, а вместе с ним библиотеки матричных операций и коммуникаций для MoE-архитектур.

Первое масштабное обучение на Ascend 950DT должно начаться до конца года, а на следующее поколение Ascend 960DT, которое ждут в начале 2027 года, Huawei гарантировала DeepSeek приоритетные поставки. 
theinformation.com

✔️ Exa презентовала поисковый движок 3.0

Третья версия получила обновлённую модель эмбеддингов и технологию Dynamic Highlights, которая отбирает токены сразу по всей выборке результатов. Так отсекается дублирование фактов, а объём передаваемого в контекст модели текста падает на 95% против загрузки страниц целиком.

Собственный индекс компании на 100 млрд страниц пополнился структурированными данными, в базу добавили 1,27 млрд товарных позиций с ценами, каталоги организаций и сводки биржевых котировок, авиарейсов и спортивных событий в реальном времени.

Через REST API доступны два режима, упрощённое ранжирование Exa Lite стоит 4 доллара за тысячу обращений, полноценный Exa Auto обойдётся в 7 долларов за тысячу вызовов. 
exa.ai

✔️ Inception выпустила диффузионную языковую модель Mercury 3

Скорость генерации у новой версии подтверждена на уровне 1068 токенов в секунду, параметров стало больше в 40 с лишним раз против первой Mercury, а контекстное окно выросло до 1 млн токенов. Этим американская лаборатория подтверждает, что законы масштабирования работают и для диффузионной генерации текста.

На бенчмарках Mercury 3 держится на уровне GPT-6 Luna и Claude Haiku 5.5, инференс идёт в 4–8 раз быстрее авторегрессионных моделей того же размера. Модель рассчитана на автономных браузерных агентов, голосовых ассистентов, поиск в реальном времени и поддержку.

Доступ открыт через платформу Inception, OpenRouter, Baseten и Vercel, базовая цена составляет 20 центов за миллион входных токенов и 70 центов за миллион выходных, кеширование контекста снижает её на 90%. В честь релиза действует скидка 50%. 
inceptionlabs.ai

✔️ Cloudflare представила модель извлечения типизированных данных

Модель Clairic появилась в режиме превью на Workers AI и работает без генерации токенов, за один параллельный проход. Она принимает текст или до четырёх изображений и возвращает строковые значения с точными смещениями символов, считает простые вещи вроде суммы и разницы дат, а также строит вероятностные диапазоны с 80-процентным покрытием.

Ответ приходит строго типизированным, со значением или оценкой уверенности. Целевые задачи – структурировать неразмеченные данные, то есть разбирать счета и квитанции и прогнозировать временные ряды.

Плата за выходные токены не взимается, превью доступно через REST API в Workers AI, веса Cloudflare обещает опубликовать позже. 
cloudflare.com

✔️ Unitree анонсировала платформу для постановки шоу роботов

Система UniUni собирает подготовку показательных выступлений и сценических перформансов групп роботов в одном окне: редактор хореографии с отдельной дорожкой на каждого робота и библиотекой движений, карта сцены облаком точек с лидара, где компания обещает сантиметровую точность, и экран наблюдения с зарядом, температурой и аварийной остановкой каждой машины.

Отдельная функция, названная ИИ-хореографией, принимает команды текстом и корректирует формации и маршруты роботов через генеративную постановку движений.

Несмотря на отсылки к концепции роя, архитектура UniUni остается централизованной и нацелена исключительно на индустрию развлечений, а не на автономное взаимодействие роботов в производственных задачах.
Unitree в X


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

🌡 Попросил Claude написать монитор температуры. Тот обнаружил, что Mac майнит крипту

Пользователь Reddit рассказал, что поручил Claude Code сделать приложение для мониторинга температуры Mac.

При проверке показаний датчиков агент заметил подозрительно высокие значения и посмотрел, что загружает процессор. Нашёл `xmrig` с нагрузкой около 1175% CPU, то есть примерно на 12 ядер.

Пользователь утверждает, что майнер работал без его ведома. По его словам, Claude помог удалить почти всё, один файл пришлось убрать вручную из-за ограничений доступа. После этого владелец дополнительно проверил компьютер через Malwarebytes.

https://www.reddit.com/r/claude/comments/1x9bb83/claude_caught_a_cryptominer_on_my_mac_whilst/

@linuxkalii

Читать полностью…

DeepSeek обновила V4.1-Flash и открыла поисковый API

DeepSeek-V4.1-Flash-1017: рост на Terminal-Bench с 31,2 до 42,3, открытые веса под MIT и Search/Fetch API по $0,75 за 1000 вызовов.


17 октября DeepSeek выпустила DeepSeek-V4.1-Flash-1017, минорное обновление модели V4.1-Flash. Компания называет релиз улучшением по Парето: новая версия лучше проходит бенчмарки, быстрее закрывает задачи и пишет более короткие ответы, поэтому выигрыш получается и по качеству, и по стоимости. Модель уже работает на сайте, в приложении и через API, а веса выложены в открытый доступ под лицензией MIT.

https://uproger.com/deepseek-v4-1-flash-1017/

Читать полностью…

✔️ Science Corporation впервые имплантировала зрительный чип PRIMA

Биотех-стартап бывшего сооснователя Neuralink Макса Ходака расширил сферу применения своего интерфейса мозг-компьютер на неизлечимое наследственное заболевание Штаргардта, приводящее к прогрессирующей слепоте из-за гибели фоторецепторов сетчатки.

В ходе клинических испытаний в Сиднейской офтальмологической больнице пациент с установленным микрочипом восстановил способность различать контрастные символы - на первом сеансе реабилитации он смог увидеть отдельную букву, а на втором - прочесть целое слово.

Аппаратный комплекс PRIMA включает субретинальный чип размером 2×2 мм и внешние очки со встроенной камерой, матрица которой выступает в роли искусственного фоторецептора - она улавливает оптический сигнал от очков и трансформирует его в электрические потенциалы, стимулируя сохранившиеся слои нейронов и передавая импульс по зрительному нерву в мозг.

Сейчас технология даёт монохромную картинку с узким полем обзора, но в Science Corporation уже готовят второе поколение сенсоров с меньшим размером электродов, рассчитывая в течение пяти лет приблизиться по разрешению к человеческому зрению.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

AI VK Reserach масштабировали графовые нейросети для рекомендаций

Исследователи представят на конференции CIKM 2026 метод масштабирования графовых нейросетей (GNN). Решение протестировали на социальном графе из 194 млн пользователей и 28 млрд связей. В A/B-тесте количество добавлений в друзья из рекомендаций выросло на 16%.

Графовые нейросети анализируют связи между пользователями и их социальное окружение, чтобы предсказывать новые знакомства. Основная сложность — обучение таких моделей на графах с сотнями миллионов пользователей и миллиардами связей.

Для масштабирования исследователи предложили два подхода:

• Multi-Hash User Embeddings — вместо хранения отдельного эмбеддинга для каждого пользователя применяются несколько хеш-функций и общая таблица векторов. Это позволило сократить потребление видеопамяти со 203 до 2 ГБ, более чем в 100 раз.
• Temporal Neighbor Sampling — алгоритм учитывает время появления социальных связей и исключает использование будущих данных при обучении. Оптимизация ускорила семплирование в 2,5 раза.

📊 В двухнедельном A/B-тесте относительно предыдущей модели ранжирования получили:

+16% добавлений в друзья из рекомендаций
+11,5% пользователей, добавивших хотя бы одного рекомендованного друга
При этом задержки онлайн-ранжирования не увеличились.

Исследование: Scaling Graph Neural Networks for Friend Recommendation: Multi-Hash User Embeddings and Temporal Neighbor Sampling, основной трек CIKM 2026.

Читать полностью…

✔️ OpenAI обсуждает передачу Sora стартапу Билла Пиблза

Стартап рассчитывает переделать Sora в профессиональный инструментарий для кинематографистов, а OpenAI взамен получит долю в компании. Передача весов пока обсуждается, зато позволит лаборатории монетизировать замороженный проект.

Развитие Sora свернули из-за вычислительных расходов, по оценкам ежедневные убытки доходили до 1 млн долларов. После отмены возможной сделки с Disney на 1 млрд компания весной отключила веб-клиент, а в сентябре закрыла доступ к API.

Освободившиеся ускорители ушли на обучение моделей для кодинга и поддержку ChatGPT, а инфраструктурные риски генеративного видео теперь берёт на себя проект бывшего руководителя разработки Sora.
theinformation.com

✔️ Китайские НИИ создали альянс для математических моделей

В Yau Laboratory Alliance for Mathematics and Artificial Intelligence вошли восемь научных центров и больше тысячи учёных, инициатором выступил лауреат Филдсовской премии Шинтан Яу.

Цель в том, чтобы сократить технологическое отставание от США в фундаментальных науках. Заниматься альянс будет архитектурами для генерации гипотез, формализации доказательств и выстраивания цепочек рассуждений, а команды сосредоточатся на математических наборах данных и инструментах проверки.

Внедрение ИИ исследователи называют неизбежной сменой научной парадигмы и противопоставляют свой подход скепсису части академического сообщества, в том числе призывам филдсовского лауреата Теренса Тао повременить с генеративными алгоритмами.
scmp.com

✔️ CharacterАi подала на банкротство и ищет покупателя

Решение разработчик диалоговой платформы объясняет возросшим регуляторным, юридическим и операционным давлением, покупателя ищет через судебный аукцион.

Первым претендентом выступила The Walt Disney Company, предложившая 20 млн долларов за бессрочную неэксклюзивную лицензию и обязавшаяся дать техподдержку силами бывших разработчиков стартапа, ранее переманенных в штат.

Суд рассмотрит и заявки сторонних претендентов, готовых перебить ставку, завершить продажу планируют к началу декабря. До конца торгов платформа работает, но если новый владелец откажется её поддерживать, проект закроют.
businesswire.com

✔️ Nvidia открыла спецификации стоек Vera Rubin и стандарт Open Data Center

На OCP Global Summit компания передала в открытый фонд OCP спецификации вычислительных полок и стоек на архитектуре MGX 1.2.

Стандарт рассчитан на сверхплотные кластеры до 250 кВт на стойку и унифицирует прямое жидкостное охлаждение, шинопровод на 5000 А и питание 800 В постоянного тока. Открыта и архитектура процессоров Vera для координации агентных систем, так что OEM-производители смогут собирать совместимое оборудование без проприетарных документов.

Вместе с Google и AMD опубликован стандарт Open Data Center v0.7, а в открытый доступ выложены утилиты DSX OS для автоматизации развёртывания и проверки кластеров перед обучением.
nvidia.com

✔️ Атомная энергетика США внедряет ИИ

На большинстве из 94 действующих энергоблоков США языковые модели для работы с документацией уже используют или тестируют. Они составляют отчёты, разбирают данные о прошлых инцидентах и готовят инструкции по ремонту узлов. Разрабатывают их стартапы Atomic Canyon и Nuclearn, обучая на массиве регламентов NRC и закрытых базах знаний энергетических институтов.

Причины внедрения две, это отток опытных инженеров и бюрократические требования к проверке каждого технического шага. Ради стандартов безопасности системы ставят на серверах самих площадок или в защищённых ведомственных средах с разграничением доступа.

Автоматизация управления реакторами запрещена, алгоритмы работают только как поисковые и аналитические помощники, окончательное решение всегда принимает инженер.
ieee.org

@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

🖥 5 самых интересных фич Python 3.15 по версии Родриго Серрана

Родриго Серран разобрал в своём блоге пять нововведений Python 3.15, которые ему кажутся самыми интересными. Собрали их суть.

Ленивые импорты (PEP 810). Появилось ключевое слово lazy: помеченный модуль не загружается, пока имя реально не понадобилось. Отличный способ ускорить медленный старт приложения, особенно с тяжёлыми зависимостями.

lazy import json
lazy from math import sqrt

Встроенный frozendict (PEP 814). Неизменяемый и хешируемый словарь. Поменять или удалить ключ нельзя, прилетит TypeError, зато его можно использовать как ключ другого словаря или элемент множества.

version_info = frozendict({"major": 3, "minor": 15, "patch": 0})
version_info["patch"] += 1  # TypeError

Встроенный sentinel (PEP 661). Именованные заглушки, которые невозможно спутать с нормальными значениями вроде None. Удобно, когда None это валидный аргумент, а отличить «не передано» всё равно нужно. Печатают своё имя и образуют собственный тип, так что аннотации остаются чистыми.

NOTHING = sentinel("NOTHING")
if find_and_return(dataset, filter_function) is NOTHING:
    print("Никто не подошёл под условие")

Распаковка внутри comprehension (PEP 798). Теперь звёздочку можно использовать прямо в list, dict, set и генераторных выражениях. Нового поведения не добавляет, но заменяет вложенные циклы на короткую строку.

flat = [*sub for sub in nested]

Профайлер Tachyon (PEP 799). Высокочастотный сэмплирующий профайлер прямо в стандартной библиотеке: до миллиона замеров в секунду. Может профилировать скрипт или подключаться к уже запущенному процессу с минимальными накладными расходами.

python -m profiling.sampling run script.py
python -m profiling.sampling attach 12345

Источник: https://mathspp.com/blog/the-5-most-exciting-new-features-of-python-315

Читать полностью…

🛡 Anthropic усложнила обучение чужих моделей на рассуждениях Claude

По оценке компании, новая защита сократила объём извлекаемых рассуждений на её платформе на 90–99%.

Для дистилляции особенно ценны подробные цепочки решения: другую модель обучают не только ответам, но и тому, как они получены.

Anthropic ограничила перенос рассуждений между аккаунтами и моделями, внедрила классификаторы попыток извлечения и усилила блокировки.

Разница заметна: в эксперименте обучение на полных рассуждениях дало 80,4% на SWE-bench Verified, а на сокращённых версиях лишь 71,8%.

Защита затронула и обычных разработчиков: некоторым пришлось обновить интеграции. Возможны ошибочные блокировки, а за определённые заблокированные запросы теперь тоже берут плату.

Компания признаёт: борьба продолжается, и пока неизвестно, как долго продержится этот результат.

https://www.anthropic.com/research/distillation-defenses

Читать полностью…