219932
Всё, что может быть интересно медиа про Яндекс: новости, анонсы, заявления, комментарии, инсайды и другие горячие и не очень события ⚡️ PR-команда: pr@yandex-team.ru
📚 1751 страница — столько кода требовалось в 1969-м, чтобы человек спустился на поверхность Луны.
На знаменитой фотографии инженер-программист NASA Маргарет Гамильтон стоит рядом с документацией программного обеспечения для командного и лунного модулей миссии «Аполлон-11».
Внутри бумажной башни — полный перечень информации про код: разные версии, список эмуляций, комментарии и прочие документы. Сам код до сих пор можно посмотреть на GitHub в первозданном виде, и, вопреки мифам, Гамильтон написала его не в одиночку. Над ПО работала команда из десятков разработчиков, а она была одним из руководителей. Кстати, иногда Гамильтон даже приписывают изобретение профессии «разработчика ПО», но она скорее была её популяризатором.
Подписывайтесь 👉 @techno_yandex
🧠 Как будет развиваться ИИ?
В Рио-де-Жанейро прошла ICLR — одна из главных мировых конференций по машинному обучению. Исследователи Яндекса представили на ней семь работ, а мы решили поговорить с Сергеем Кастрюлиным из Yandex Research, какие тренды были заметны на конференции и куда движется индустрия ИИ.
Подписывайтесь 👉 @techno_yandex
🤖 Треть новых сайтов сделаны с помощью ИИ
Учёные проанализировали новые сайты, созданные с августа 2022 (незадолго до появления ChatGPT) по май 2025-го. Вначале детектор генеративного текста показывал 0% ИИ-сайтов, но к середине 2025-го цифра подскочила до 35% — это доля новых страниц, наполнение которых создано частично или полностью при помощи нейросетей.
Параллельно учёные провели опрос, чтобы понять, как люди воспринимают ИИ-тексты в интернете. Выяснилось, что среднестатистический американец боится, что мировая сеть превращается в один большой LinkedIn — где все пишут одинаково, льстиво и ни о чём. Но анализ самих сайтов показал, что опасения людей не всегда верны.
Какие опасения не подтвердились:
🟣 Тексты не становятся одинаковыми. 83% людей уверены, что ИИ ведёт к потере авторских голосов, но анализ не выявил прямой зависимости.
🟣 Количество ошибок не растёт. 75% опрошенных указывали, что из-за галлюцинаций ИИ выросло количество фактических ошибок. Исследование показало, что прямой зависимости от количества ИИ-сайтов нет.
🟣 Источники указывают с той же частотой. 70% заявили, что с распространением ИИ-текстов падает количество внешних ссылок. Оказалось, что плотность ссылок в текстах практически не изменилась.
🟣 Смысловая плотность не падает. 61% опрошенных считают, что реального смысла в текстах становится меньше. Плотность смысла оценивали через сжатие — тем же способом, которым архиваторы ужимают файлы в ZIP. Чем больше в тексте «воды», тем сильнее он сжимается. Оказалось, что ИИ-тексты сжимаются примерно так же, как и человеческие.
Какие опасения оказались правдой:
🟣 Интернет становится приторным. 72% заметили, что речь в сети стала искусственно позитивной и стерильной. Исследование ИИ-сайтов показало, что в них позитивная лексика встречается чаще на 107%, чем в человеческих текстах.
🟣 Смыслы становятся однообразнее. 61% считают, что стало меньше уникальных точек зрения и идей. Это действительно так: ИИ-сайты чаще похожи друг на друга по семантике, чем человеческие тексты.
Подписывайтесь 👉 @techno_yandex
В Каннах прошёл фестиваль ИИ-кино WAIFF
Его проводят уже второй раз, но в этом году организаторы выбрали дерзкую локацию: то же здание, где проводится обычный Каннский кинофестиваль. И всё это — за несколько недель до его начала и через несколько недель после запрета на использование ИИ в фильмах-претендентах на Пальмовую ветвь.
Собрали несколько короткометражных лауреатов разных премий WAIFF, которые показались нам интересными. Фрагменты можно посмотреть в посте, а полные версии — в списке победителей.
Подписывайтесь 👉 @techno_yandex
Можно ли оживить человека нейросетью? Технически — да: чат-боты с личностью умерших, 3D-аватары бабушек и голосовые послания «с того света» уже работают.
Вопрос только в том, стоит ли. Разбираемся в новом выпуске «Нейротрендов».
Подписывайтесь 👉 @techno_yandex
🤖 Технодайджест недели
OpenAI выпустила обновлённый генератор изображений и GPT-5.5. Модель GPT Image 2 получила режим рассуждений: она может искать информацию в интернете, анализировать загруженные файлы и создавать до восьми тематически связанных изображений за один запрос. Разрешение выросло до 2K, поддерживаются нестандартные соотношения сторон вплоть до 3:1 и 1:3. Модель заняла первое место в рейтингах с большим отрывом от Nano Banana 2. В конце недели OpenAI выпустила GPT-5.5. Она особенно хорошо справляется с написанием и отладкой кода, онлайн-исследованиями и работой в агентских сценариях. Модель стала существенно дороже предыдущей, но при этом расходует значительно меньше токенов при выполнении задач.
Huawei представила флагманы Pura 90 и умные часы со встроенными наушниками. Линейка Pura 90 вышла в трёх версиях; топовый Pro Max получил телеобъектив на 200 Мп — впервые для серии — и широкоугольную камеру на 40 Мп. Среди новых ИИ-функций камеры — подсказки по позированию и советы по композиции. Вместе со смартфонами вышли часы Watch Buds 2, в которые встроены наушники: они хранятся и заряжаются за экраном. У часов есть корпус из титана, яркий дисплей до 3000 нит и мониторинг здоровья, включая оценку риска апноэ, а каждый наушник весит всего 4 грамма и поддерживает активное шумоподавление. Стоимость часов и наушников — около 38 500 рублей, смартфоны стартуют примерно от 52 000 рублей.
Samsung показала концепт домашнего робота Project Luna. На выставке Milan Design Week компания представила круглый экран, который умеет поворачиваться в разные стороны — он должен стать персональным ИИ-компаньоном для дома и заполнять пространство там, где нет других умных устройств. Концепция Samsung предполагает, что ИИ будет «перетекать» между экранами разных приборов — телевизора, холодильника, кухонного стола — подобно тому, как волшебники в «Гарри Поттере» переходят между картинами.
Вышла открытая языковая модель DeepSeek V4. Она доступна в двух версиях: V4 Pro, которая стала в 2,5 раза больше предыдущей модели, и Flash — она в 2,5 раза меньше. Обе версии поддерживают контекст в 1 миллион токенов, что важно для работы с большими кодовыми базами или анализа множества документов. По бенчмаркам DeepSeek V4 обходит почти все открытые модели, вплотную приближаясь к лучшим закрытым. Модели уже доступны в чат-боте DeepSeek и выложены в опенсорс.
⭐ Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке
Подписывайтесь 👉 @techno_yandex
Дипфейки стали пугающе убедительными, но настоящий инструмент мошенников — вовсе не картинка. Рассказываем в ролике, на что смотреть и что делать, чтобы не попасться.
Подписывайтесь 👉 @techno_yandex
Выступление (вокал и гитара) основателя Alibaba Джека Ма на концерте в честь 20-летия компании
Читать полностью…
Электроника от Илона Маска — трек «Не сомневайся в своём вайбе», музыку и слова для которого он написал сам
Читать полностью…
🦾🚕 ИИ упрощает заказ такси, чтобы пользователям не приходилось вводить адрес вручную. В Яндекс Go внедрили ARGUS — новое поколение рекомендательных алгоритмов на основе генеративных моделей, которые умеют предсказывать, куда может захотеть поехать человек.
ИИ может «предугадать» адрес, основываясь на действиях и образе жизни пользователя. Например, в будни предложит маршрут до офиса, в выходные — до бассейна или спортзала. А если человек купил билет в Афише — до кинотеатра. Для каждого пользователя в конкретный момент времени система формирует индивидуальные рекомендации, которые ускоряют заказ такси вдвое по сравнению с ручным вводом адреса или установкой точки на карте. Уже сейчас пользователи выбирают предложенную точку назначения в 66% случаев.
Рекомендации работают на основе алгоритмов ARGUS, которые уже есть в Моей волне и Яндекс Маркете. Но там система показывает пользователю то, что он ещё не видел и не слышал, а в такси нужно не предлагать интересный маршрут, а угадать конкретную точку, о которой человек уже подумал.
Чтобы добиться этого, систему рекомендаций дообучили на датасете из нескольких миллиардов обезличенных взаимодействий пользователей с сервисами такси, причём во время обучения модели показывали и правильные, и неправильные рекомендации. Так ARGUS научился находить неочевидные связи между событиями, учитывать логику дней недели, определять, как меняются потребности пользователя, и исключать статистически правильные, но не подходящие человеку варианты.
ARGUS состоит из двух независимых нейросетей (такую архитекуру называют двухбашенной). Первая анализирует долгосрочные привычки, историю пользователя и текущий контекст (время, локацию, действия в приложении), а вторая — место, куда пользователь поедет. В процессе обучения обе нейросети учатся общаться друг с другом на одном математическом языке. Это позволяет сопоставлять миллионы пользователей с миллионами адресов — и находить нужные.
Подписывайтесь 👉 @techno_yandex
🦿 Робот впервые побил рекорд человека в полумарафоне, пробежав дистанцию на 6 минут быстрее. При этом в прошлом году на том же Пекинском забеге роботы отставали от человека по скорости в несколько раз, а многие даже не смогли добежать до финиша.
Спросили у руководителя отдела автономных роботов-гуманоидов в Яндексе Алексея Лещанкина, почему роботы так быстро прогрессируют в скорости бега и почему это важно.
Откуда такой прогресс — три причины
Раньше движения робота программировали вручную — инженеры сами подбирали параметры ходьбы. Теперь робот «учится» бегать в симуляторе методом проб и ошибок, а потом навык переносят на железо. Полумарафон — отличный полигон для таких роботов: плоско, предсказуемо, одна фаза движения.
Год назад почти все роботы на полумарафоне управлялись людьми, а в 2026-м ~40% были автономными: они используют лидары, самостоятельно удерживают траекторию, реагируют на помехи. Это прямой перенос технологий из автономных автомобилей в роботов.
Железо роботов стали затачивать именно под бег. У робота-рекордсмена от Honor рост 169 см, длинные ноги, жидкостное охлаждение, почти без рук и головы. Производитель перенёс сюда наработки из смартфонов: батареи, охлаждение, механическую надёжность.
Помогает и масштаб конкуренции в Китае: в этом году было 112 команд и более 300 роботов против 21 годом ранее. При такой плотности гонки темп улучшений резко растёт.
Соревнование алгоритмов, а не железа
Важная деталь: подиум заняли три одинаковых робота, но три разные команды. Перед нами эксперимент: одинаковое железо, разный софт. В итоге — разница больше двух минут на дистанции. Как так получается?
🟢 Политика обучения определяет, насколько робот может держать высокую скорость, не падая. Есть компромисс: при более быстрой походке робот чаще падает.
🟢 Перенос из симуляции в реальность. Чем точнее модель в симуляторе, тем меньше политика «ломается» на реальном железе.
🟢 Адаптация походки под конкретный режим. Походка на длинной дистанции — и ресурс батареи, и нагрев приводов, и риск падения.
🟢 Навигация и управление. Робот, занявший второе место, врезался в ограждение у финиша — это как раз про навигацию, а не про скорость.
🟢 Энергоменеджмент. Политика, которая умеет держать тепло и заряд в безопасных границах, не уходя в троттлинг, выигрывает минуты на дистанции.
Главный вывод: железо задаёт потолок возможностей, а софт определяет, насколько близко к этому потолку робот подошёл. Две минуты разницы на одинаковом шасси — и есть цена алгоритмов.
В чём польза таких соревнований
🟢 Отвод тепла и ресурс приводов релевантны для длительной работы роботов.
🟢 Политики обучения локомоции — база для контроля всего тела робота.
🟢 Автономная навигация полезна в складских и уличных задачах.
Но есть и то, что плохо переносится на другие области. Например, навык работы с предметами в беге не используется вообще, а это 80% бытовых и офисных задач. Для полезной работы нужен не бегун, а универсальная платформа — другая инженерная задача.
Итог: полумарафон — честный тест на выносливость, автономность и умение бегать. Но путь от «робот обогнал человека на 21 км» до «робот приносит кофе и ничего не ломает по дороге» идёт через другие вещи — безопасность, работу с предметами и восприятие, а не через скорость.
Как спасти агента от перезапуска?
ИИ-агенты могут поэтапно выполнять сложные задачи на протяжении длительного времени. Нарисовали понятный таймлайн, как они работают (в нём, конечно же, не будет никаких подводных камней).
Подписывайтесь 👉 @techno_yandex
А помните, были такие 3D-телевизоры?
В начале 2010-х мир сошёл с ума от «Аватара» Джеймса Кэмерона. Нам обещали, что кино и телевидение станут трёхмерными, но почему-то мы всё ещё смотрим 2D.
Как всё началось
3D-кино — цикличный тренд. С середины прошлого века формат переживал волны хайпа, которые быстро проходил. Но в конце 2009-м вышел «Аватар» — фильм с рекордными сборами и эффектной трёхмерной графикой.
К тому времени многие уже купили себе HD-телевизоры, поэтому производители электроники решили: если зрители готовы платить за объёмную картинку в кинотеатре, почему бы им не продать то же самое для дома? Так 3D вошло в моду: анонсировались линейки 3D-телевизоров, появились 3D-телеканалы (в том числе в России), начались продажи потребительских 3D-камер, и даже Nintendo выпустила консоль 3DS.
Почему всё провалилось
К 2012 году было продано более 41 млн 3D-телевизоров. Правда, они стоили несколько тысяч долларов, не считая дополнительных трат на очки. При этом в мире не хватало трёхмерного контента: снимать его было слишком дорого. Студии обычно конвертировали 2D в объёмную картинку на постпродакшене, но выглядело это совсем не как у Кэмерона. Вскоре продажи упали, 3D-вещание на телевидении тоже начали сворачивать, а в 2013 году главной темой стали более понятные 4K-телевизоры.
3D возвращается
В 2025-м Samsung анонсировал игровой монитор Odyssey 3D, который работает без очков: отслеживает положение глаз геймера и сам достраивает картинку. А недавно компания Visual Semiconductor представила GF3D — новое поколение трёхмерных экранов, которые рассеивают свет так, что мозг сам достраивает объём. Но стоит ли ждать массового возвращения в 3D?
Подписывайтесь 👉 @techno_yandex
— Алло, дайте папу римского.
— Перезвоните, он спит.
⚔️ Датский король X века объединил Скандинавию, а спустя тысячу лет его именем назвали технологию, которая объединяет наши устройства. И даже логотип — это его инициалы, записанные рунами.
Подписывайтесь 👉 @techno_yandex
Разработчики ИИ столкнулись с проблемой: модели уже прочитали почти все публичные человеческие тексты — их доступные запасы могут закончиться после 2028 года. Поэтому нейросети начали обучать на синтетических данных, которые они сами же и генерируют. Но оказалось, что от такого обучения модели деградируют.
Чтобы проверить это, исследователи из Оксфорда, Кембриджа и Торонто провели эксперимент. Они дообучили модель на Википедии, попросили сгенерировать новые тексты, на них обучили следующую версию нейросети — и так по кругу. Уже на девятом прогоне модель в ответ на запрос про церковную архитектуру начала писать о зайцах с синими и красными хвостами. Этот эффект, когда ИИ с каждым новым циклом обучения искажает синтетические данные, назвали коллапсом модели.
Но позднее исследование раскритиковали: ведь в реальности разработчики не используют полностью синтетические тексты. Обычно их добавляют к человеческим — и тогда вероятность ошибок, приводящих к коллапсу, снижается. В 2025-м другая группа исследователей посвятила этому отдельный эксперимент. Она обнаружила, что обучение модели ускоряется в разы, если датасет на две трети состоит из обычных данных и на треть — из переписанных нейросетью. Всё потому, что сгенерированный текст чище и структурированнее, а живые данные сохраняют разнообразие языка.
Поэтому созданные человеком тексты всё ещё остаются стратегическим ресурсом. А компании компании активно закупают архивы газет, заключают контракты с платформами типа Reddit и нанимают экспертов для написания текстов на узкие темы.
Впрочем, сегодня развитие моделей всё меньше сводится к тому, чтобы просто скормить им больше текстов. Значительная часть прогресса приходит из обучения рассуждениям — в том числе через синтетические задачи и обучение с подкреплением (RL). Поэтому дефицит человеческих текстов остаётся проблемой, но уже не выглядит таким жёстким потолком, как казалось раньше.
Подписывайтесь 👉 @techno_yandex
OpenAI запретила ИИ говорить про гоблинов
В системном промпте для GPT-5.5 от OpenAI заметили странное: прямой запрет на упоминание гоблинов и не только. Причём он повторяется дважды!
Никогда не говори про гоблинов, гремлинов, енотов, троллей, огров, голубей или других животных и существ, кроме случаев, когда они абсолютно и безоговорочно важны для пользовательского запроса.
👻 Аномалиями называют сбои в работе пользовательских сервисов. Отслеживать их помогает детектор аномалий — новый ML-алгоритм, разработанный в Яндексе, который обучает сам себя в реальном времени.
Во многие сервисы Яндекса встроена система мониторинга сбоев. Например, для Яндекс Go это может быть резкий рост количества отменённых заказов такси в одном из городов. Таких метрик очень много — за каждой следит программа-алерт, срабатывающая, если показатели выходят за пределы нормы. Это помогает поддерживать стабильность сервиса и быстро реагировать в случае неполадок.
Метрики постоянно меняются в зависимости от времени суток, сезона, погоды и других факторов. Поэтому разрабатывать для них алерты непросто — трудно понять, какое значение в какой момент времени является нормой, а какое — нет. Для решения этой проблемы в Техплатформе городских сервисов Яндекса создали ML-детектор аномалий, который сам отличает сбой от нормы.
Алгоритм работает циклично в режиме реального времени:
🟣 каждые 30 секунд обучает компактную модель на данных за последние пару недель
🟣 она сверяет последние показатели со своими предсказаниями
🟣 если есть значительные отклонения, модель отправляет сигнал об аномалии дежурным специалистам
🟣 в конце цикла модель удаляется, и всё повторяется сначала.
Детектор аномалий универсален — его применяют не только в Такси, но и в других сервисах Яндекса.
Подписывайтесь 👉 @techno_yandex
В 1996 году люди уже выращивали ИИ
Речь про игру Creatures, в которой нужно было воспитывать мини-нейросети. Ричард Докинз называл её «самым впечатляющим примером искусственной жизни», а ещё она вдохновила серию «Чёрного зеркала» с Питером Капальди. Хотим познакомить вас с норнами.
Подписывайтесь 👉 @techno_yandex
🌐 Где взять дух старого интернета?
Такое место уже есть — Small Web, или «малая сеть». Как и в прежние времена, люди там просто самостоятельно ведут блоги, занимаются творчеством и создают уникальные сайты. Рассказываем, как это устроено и как туда попасть.
Подписывайтесь 👉 @techno_yandex
Пассусредикулофобия — так называется боязнь публично признаться в обладании простым и нелепым паролем.
Несмотря на то, что мы выдумали это слово прямо сейчас, самому феномену уже не одно десятилетие.
Подписывайтесь 👉 @techno_yandex
Инструментальная композиция «отца виртуальной реальности» Джарона Ланье и его партнёра Марка Дойча
Как вам музыка технопредпринимателей? Пишите в комментариях!
Подписывайтесь 👉 @techno_yandex
Трек из альбома "Everywhere at Once" сооснователя Microsoft Пола Аллена и его блюз-рок группы The Underthinkers
Читать полностью…
Павел Дуров внезапно выложил у себя в канале генеративный трек «Свой живой интернет» под псевдонимом durikovich.
По этому поводу мы решили вспомнить других лидеров техноиндустрии, которые занимались музыкальным творчеством, — их на удивление немало.
👆 Выше — Кавер Марка Цукерберга на песню Get Low, который тот записал для жены вместе с T-Pain
☺️ Теперь вы можете спросить о чём угодно тех, кто работает в Яндексе. Сегодня на ваши вопросы отвечает Марат Мавлютов — руководитель направления автономных роботов-доставщиков Яндекса.
Задавайте вопросы в комментариях, Марат уже там и в течение ближайшего часа будет отвечать на самые интересные!
Подписывайтесь 👉 @techno_yandex
ИИ, твоё место в песочнице!
Для ИИ-агентов даже забронировать номер в отеле может показаться непростой задачей — у них просто нет такого опыта. Чтобы это исправить, агентов помещают в RL-среду — специальную песочницу для обучения. Вот как это устроено.
В чём суть
Обычно нейросети воспроизводят ответы из датасетов. Но ИИ-агентам нужно выполнять многоступенчатые задачи, где на каждом этапе что-то может пойти не так. Поэтому индустрия перешла к обучению с подкреплением — Reinforcement Learning (RL). Этот метод похож на обучение ребёнка: модель пробует выполнить задачу, получает оценку от «взрослого», повторяет цикл и постепенно нащупывает стратегию.
Что такое RL-среда
Это симуляции реальных браузеров, магазинов и сервисов, которые нужны для обучения агентов. Внутри этой среды модель учится выполнять сложные задачи, например записывать пользователя к парикмахеру или покупать товары на маркетплейсах. Там же присутствуют ещё две нейросети — «пользователь» и «судья». Такие симуляции сегодня создают все крупные ИИ-компании, включая OpenAI, Anthropic, Яндекс и Google.
Зачем нужна имитация человека
Роль пользователей в RL-среде выполняют LLM-симулякры — модели, которые обучены на реальных интервью с людьми и умеют копировать их поведение. Они ставят задачи агенту, могут что-то забывать, менять запрос на ходу, путать детали и раздражаться, чтобы агент привык к человеческому поведению.
Что делает «судья»
Эта модель анализирует, насколько эффективно действовал ИИ. Например, в обучении Алисы AI ключевая метрика — насколько агент освобождает человека от лишних действий. Если агент долго думал или задавал лишние вопросы, «судья» ставит низкие оценки за каждый недочёт, а полезные решения вознаграждает. Но выстроить систему оценок непросто.
Какие есть проблемы
Ошибка может случиться в начале, а проявиться только в конце. Но при этом «судье» нужно понять, за какой именно шаг наказывать агента. Кроме того, агенты умеют обходить систему оценок: находят способ получить высокий балл, формально не нарушая правил, но и не решая задачу.
Подписывайтесь 👉 @techno_yandex
Мог торговать мукой, а его прозвали «нижегородским Архимедом»
21 апреля 1735 года в семье торговца мукой родился механик-самоучка Иван Кулибин. Он сам освоил грамоту и часовое дело, а затем открыл свою мастерскую. В 1769 году он подарил Екатерине II часы размером с гусиное яйцо, внутри которых был музыкальный автомат и крошечный механический театр. Императрицу настолько впечатлило творение Кулибина, что она назначила его заведующим механической мастерской Петербургской академии наук.
За следующие десятилетия Кулибин спроектировал 298-метровый деревянный мост через Неву, фонарь с параболическим отражателем (прототип проектора), микроскоп, оптический телеграф, механический протез ноги и винтовой пассажирский лифт для Зимнего дворца. Большинство его изобретений так и осталось в чертежах. Например, водоход Кулибина, который мог идти против течения без паруса и вёсел, ведомство водных коммуникаций отвергло — бурлаки обходились дешевле.
Кулибин умер в 1818-м. Последние годы он провёл в нищете, одержимый идеей вечного двигателя, потратив на него почти все деньги. Теперь его имя стало нарицательным: так называют мастеров-самоучек — как талантливых, так и тех, кому важно любой ценой сделать что-то своими руками.
Подписывайтесь 👉 @techno_yandex
🤖 Технодайджест недели
Яндекс открыл всем пользователям Алисы AI доступ к ИИ-агенту «Найти дешевле». Он изучает миллиарды предложений в интернете с учётом региона пользователя, скидок, промокодов и персональных предложений Алисы, а затем показывает подборку самых выгодных вариантов. Оформить заказ можно прямо в чате в один клик — функция работает уже более чем с 3900 интернет-магазинами. По оценкам Яндекса, агент позволяет экономить в среднем 25% на покупке и сокращает поиск подходящего предложения с получаса до 5–8 минут.
Huawei показала дизайн складного смартфона Pura X Max. Устройство выделяется необычным форм-фактором: в сложенном виде это прямоугольник с соотношением сторон 7 к 10, а в разложенном — экран с пропорциями, близкими к iPad Mini. Это напоминает ранние утечки складного iPhone и новой модели в линейке Samsung Galaxy Fold. Полноценный анонс Pura X Max состоится 20 апреля.
Яндекс представил ТВ Станцию MiniLED. Он получил MiniLED-подсветку с пиковой яркостью 650 нит, частоту до 144 Гц, поддержку Dolby Vision и четыре динамика с Dolby Audio. Встроенная Алиса понимает запросы в свободной форме — например, может выключить телевизор после окончания серии, подсказать, как пройти сложный момент в игре, или обсудить сюжет фильма. Новинка доступна в диагоналях 55 и 65 дюймов по цене 79 990 и 99 990 рублей соответственно.
DJI представила карманную камеру Osmo Pocket 4. Устройство получило дюймовый сенсор и снимает 4K при 240 кадрах в секунду. У камеры есть встроенная память на 107 гигабайт и поддержка карт памяти. На корпусе появились отдельная кнопка зума, обновлённая система отслеживания удерживает объект в кадре даже при четырёхкратном приближении. Стоить камера будет от примерно 43 тысяч рублей.
Anthropic выпустила Claude Opus 4.7. Модель заметно лучше в сложных задачах программирования, точнее исполняет указания из промптов и умеет обрабатывать изображения в разрешении втрое выше, чем предыдущие версии Claude.
⭐ Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке
Подписывайтесь 👉 @techno_yandex
Почему ИИ дешевеет, но при этом использует всё больше энергии?
Всё из-за парадокса, сформулированного в середине XIX века. В то время в Великобритании росло потребление угля и звучали опасения, что запасы могут закончиться. Ситуацию должен был изменить более экономичный паровой двигатель Джеймса Уатта. Но произошло обратное: с появлением этого двигателя угля стали сжигать ещё больше.
Этот экономический парадокс описал британский экономист Уильям Джевонс: чем дешевле и эффективнее становится технология, тем больше она начинает тратить ресурсов. Позднее то же самое произошло с другими технологиями — например, интернетом: когда передача данных стала дешевле, люди стали потреблять больше трафика.
Парадокс Джевонса работает и с ИИ. С развитием моделей растёт их эффективность (соотношение оценки интеллекта к цене). Поэтому нейросети начинают внедрять повсюду, а нагрузка на дата-центры растёт. И поэтому поиск вычислительных мощностей стал одной из главных тем ИИ-гонки.
Подписывайтесь 👉 @techno_yandex
Илон Маск не просто так назвал свой ИИ словом Grok
В 1961 году его придумал американский фантаст Роберт Хайнлайн. В романе «Чужак в чужой стране» герой перенял это слово от марсиан — оно имело множество переводов на земные языки, но его метафорический смысл перевести было невозможно.
Для жителей Марса грок означал высший уровень познания, слияние со знанием воедино. Например, грок воды: когда марсианин пил, то вода становилась его частью, а он — частью воды. То же самое и с самим языком: когда чужак наконец понимал полноценный смысл слова «грок», он грокал марсианский язык и переходил на новый уровень его познания.
Феномен гроккинга был одной из основных тем романа, и он приглянулся программистам, которые после выхода книги взяли термин в обиход. Грок использовали примерно в том же смысле, что и марсиане: настолько хорошо понял код, что слился с ним.
В 2021 году команда OpenAI обучала небольшую нейросеть на арифметических задачах. Сначала модель запоминала их и воспроизводила решения, но незнакомые задачи осилить не могла. Спустя тысячи циклов обучения нейросеть внезапно для исследователей начала правильно решать задачи, которые никогда не видела. Этот резкий переход от запоминания к обобщению знаний OpenAI и назвала гроккингом, а Илон Маск позднее дал это имя своему ИИ.
Подписывайтесь 👉 @techno_yandex