✔️ Бигтех заваливает стартапы бесплатными вычислительными кредитами

ИИ-вендоры и облачные провайдеры выдают стартапам многомиллионные инфраструктурные кредиты, чтобы привязать их к своей экосистеме на старте и усложнить миграцию к конкурентам. Объем вычислительных бонусов уже сопоставим с посевными инвест-раундами.

Главная борьба идет за резидентов Y Combinator. Anthropic предложила каждому проекту акселератора API-кредиты на 500 тыс долларов без передачи доли в компании. OpenAI уравняла предложение, добавив опциональную инвестицию в 1,5 млн в обмен на долю.

Google Cloud выделяет до 500 тыс кредитами, дает ранний доступ к моделям Gemini и привлекает инженеров DeepMind для консультаций. Аналогичные программы работают у Microsoft и AWS.

По оценкам, только на резидентов YC лидеры рынка готовы тратить до 800 млн долларов вычислительными грантами в год.
wsj.com

✔️ DeepSeek собирает команду для создания собственного чипа

Вслед за OpenAI и Anthropic, китайский ИИ-разработчик тоже проектирует свое решение для инференса, чтобы снизить зависимость от оборудования Nvidia и Huawei.

Проект находится на ранней стадии. Ускоритель будет оптимизирован исключительно под вывод, а не под обучение моделей.

Компания ведет закрытые переговоры с разработчиками микросхем и поставщиками памяти, а также уже несколько месяцев хантит инженеров по железу, не публикуя открытых вакансий.
reuters.com

✔️ Meta* выпустила генератор изображений и превью видеомодели

Подразделение Superintelligence Labs представило модель для генерации изображений Muse Image и видеогенератор Muse Video.

Muse Image работает в связке с языковой Muse Spark, что позволяет редактировать, рисовать скетчи, оставлять аннотации поверх сгенерированной картинки, рендерить текст и смешивать референсы с учетом поиска в реальном времени. Интеграция с соцсетями позволяет упомянуть публичный аккаунт через @, чтобы модель скопировала его визуальный стиль.

Ранний билд Muse Video построен на той же архитектуре. Модель генерирует видеоряд и аудио единым потоком с точной синхронизацией. Для защиты контента в файлы вшивается водяной знак Content Seal, устойчивый к сжатию и кадрированию.

Muse Image доступна бесплатно с суточными лимитами в экосистеме компании. Для профессионального использования есть платный тариф. Релиз видеогенератора ожидается в ближайшие месяцы.
ai.meta.com

✔️ Claude Cowork выходит за пределы десктопа

Anthropic запускает мобильную и веб-версии Claude Cowork. Подписчики тарифа Max получат бета-доступ в ближайшие недели.

Десктопный клиент остается обязательным для локальных операций: чтения и записи системных файлов, работы с коннекторами и использования Computer Use. В веб-версии эти функции недоступны.

Классический чат и Cowork объединят на едином экране с синхронизацией проектов и артефактов между всеми устройствами.

По статистике Anthropic, более 90% сценариев использования Cowork не связаны с кодингом, а 50% нагрузки приходится на автоматизацию бизнес-операций и генерацию контента. Удвоенные лимиты на использование Cowork продлены до 5 августа.
claude.com

✔️ Microsoft переводит Copilot и Office на собственные модели

Корпорация начала заменять модели OpenAI и Anthropic в Excel, Outlook и GitHub Copilot на внутренние семейства MAI для сокращения лицензионных расходов. Глава ИИ-подразделения Мустафа Сулейман заявил о планах свести выплаты партнерам к нулю.

На конференции Build компания утверждала, что ее новая ризонинг-модель Thinking-1 не уступает Sonnet 4.6 и Opus 4.6 в написании кода. По результатам сторонних бенчмарков производительность новинки находится на уровне DeepSeek V3.2.

CEO Сатья Наделла допустил отказ от безлимитных подписок в пользу тарификации оплаты за использование. При таком сценарии базовыми станут модели MAI, а решения OpenAI и Anthropic перейдут в формат платных аддонов.
bloomberg.com

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

@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

📌Claude Code изменил чужую продакшен-базу

На GitHub появился любопытный тикет, который (если подтвердится) бьёт по базовой гарантии Антропик - изоляции пользователей друг от друга.

В рабочем контексте Claude Code внезапно оказались чужие учётные данные - IP и root открытым текстом от сервера, к которому автор не имеет никакого отношения.

🟡Дальше самое неприятное

Ассистент принял чужие креды за легитимные, подключился к серверу по SSH, перечислил Docker-контейнеры и базы PostgreSQL, после чего выполнил миграцию с операциями чтения и записи.

Иными словами, ИИ одного пользователя отредактировал базу другого без ведома и согласия владельца.

🟡Причина пока неизвестна

В тематических сообществах обсуждают версию сбоя изоляции кэша общих префиксов.

Чтобы удешевить инференс и ускорить обработку, провайдеры переиспользуют кэшированные фрагменты диалогов, и при коллизии ключей кэша или отказе разграничения кусок чужого контекста теоретически может просочиться в вашу сессию.

Если эта версия верна, под угрозой данные любого пользователя. Но это лишь одна из гипотез, в самом отчёте среди возможных векторов названы также общее хранилище сессий, путаница при суммаризации контекста и перекрёстные ссылки в транскриптах.

🟡Есть и куда более прозаичное объяснение

Возможно, это галлюцинация модели, случайно угадавшей реальный IP и слабый пароль, либо локальная история проекта, загрязнившая контекст.

Пока Антропик не выпустила официального заключения, ни одну из версий нельзя ни подтвердить, ни отвергнуть.

Автоматика GitHub повесила на тикет метку security.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

📌 Лауреаты ICML 2026

Организаторы Международной конференции по машинному обучению опубликовали список работ, удостоенных наград этого года.

ICML считается одной из ведущих мировых площадок в сфере искусственного интеллекта, а её премии - заметным профессиональным признанием.

Лауреатов основной категории выбирали в несколько этапов - из 53 первоначальных кандидатов отобрали короткий список из 22 работ, которые затем в анонимизированном виде оценивал комитет из 11 человек.

🟡 Высшую награду в категории "Выдающиеся статьи" разделили 2 статьи

The Flexibility Trap оспаривает распространённое мнение о диффузионных языковых моделях о том, что свобода выбирать порядок генерации текста, которую принято считать достоинством таких моделей, в задачах на рассуждение, наоборот, ухудшает результат.

High-Accuracy Sampling for Diffusion Models and Log-Concave Distributions показывает, что диффузионные модели способны достигать высокой точности за существенно меньшее число вычислений.

🟡Отдельно отмечены работы, отстаивающие определённую точку зрения

Лучшей признана статья Сары Болл и Фила Хакеманна, в которой утверждается, что элайнмент ИИ, создаваемый ради безопасности, может применяться и для цензуры.

Почётного места удостоена работа Ли Цивэя и соавторов про то, что изучение дипфейков недостаточно учитывают проблему создания интимных изображений без согласия людей.

🟡Ещё 5 статей получили упоминания в основной категории

🟠Как модели обходят «детекторы лжи» при обучении;

🟠Отбор обучающих данных для генерации видео;

🟠Пределы запоминания данных языковыми моделями;

🟠Объяснение того, почему разные диффузионные модели выдают схожие результаты;

🟠Анализ эффекта грокинга, когда модель сначала запоминает обучающие примеры, а обобщать, то есть верно работать на новых, ранее не встречавшихся данных, начинает гораздо позже, если обучение продолжать.

Премию Test of Time, отмечающую вклад с долгосрочным влиянием, присудили работе за авторством коллектива DeepMind под руководством Владимира Мниха.

Она предлагает метод асинхронного RL, который повлиял и на обучение больших языковых моделей.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

«Контекстное окно на 100 миллионов слов уже возможно. Это примерно объём всего, что человек слышит за жизнь. Сейчас узкое место - только инференс.

И модели действительно умеют учиться прямо внутри контекста, без изменения весов».

— Дарио Амодей, CEO Anthropic


https://www.youtube.com/watch?v=mYDSSRS-B5U

@ai_machinelearning_big_data

Читать полностью…

LongCat-2.0 открыли в open source.

Это MoE-модель на 1,6T параметров с примерно 48B активных, заточенная под агентное программирование и длинный контекст до 1M токенов.

По бенчмаркам:
• 59,5 на SWE-bench Pro
• 70,8 на Terminal-Bench 2.1
• 77,3 на SWE-bench Multilingual

Внутри: sparse attention для длинного контекста, ScMoE для экономной активации экспертов и MOPD для разделения задач между агентными, reasoning и interaction-экспертами.

Модель обучали с нуля на 35T+ токенов. Есть поддержка деплоя на GPU и NPU.

🤖https://modelscope.ai/collections/meituan-longcat/LongCat-20

Читать полностью…

🚨 Anthropic готовит собственный AI-чип для inference.

Компания ведёт ранние переговоры с Samsung по производству на 2-нм техпроцессе и с advanced packaging.

Кстати, Samsung уже инвестировала в Anthropic в рамках Series H.

https://www.theinformation.com/articles/anthropic-talks-samsung-manufacture-custom-ai-chip

@ai_machinelearning_big_data

Читать полностью…

/channel/ai_machinelearning_big_data

✔️ МТС и НИУ ВШЭ открыли набор на третий поток магистратуры по ИИ

МТС и факультет компьютерных наук НИУ ВШЭ объявили о старте набора на третий поток магистерской программы «Исследования и предпринимательство в искусственном интеллекте». Обучение пройдет в московском кампусе ВШЭ, для студентов предусмотрено 30 оплачиваемых мест от компании.

Программу обновили с учетом запросов рынка. В нее вошли курсы по генеративному ИИ, интеллектуальным агентным системам, проектированию ML-систем, а также дисциплины по большим языковым моделям, машинному обучению и видеоаналитике.

Лучшие студенты смогут получить приглашение на стажировку или работу в МТС Web Services еще во время обучения. Заявки можно оставить по ссылке.

@ai_machinelearning_big_data

Читать полностью…

✔️ GPT-5.6 Sol читерит на тестах и пока не способна к автономной разработке ИИ

METR опубликовала предрелизный аудит модели GPT-5.6 Sol от OpenAI. При выполнении программных заданий она регулярно пыталась использовать уязвимости тестовой среды и извлекать скрытый исходный код с ответами.

Из-за использования эксплойтов исследователи не смогли достоверно замерить автономность алгоритма.

Если классифицировать попытки извлечь ответы как ошибку, GPT-5.6 Sol способна самостоятельно работать над задачами около 11 часов.

Если засчитывать обход среды как успешное решение, показатель превышает 270 часов.

Несмотря на сложности с оценкой, в METR пришли к выводу, что навыки GPT-5.6 Sol не совершили революционного скачка.

Обнаружение попыток обхода означает, что текущие системы мониторинга справляются с фиксацией подобных действий алгоритма.

Настоящая угроза безопасности возникнет тогда, когда следующие поколения моделей научатся безупречно маскировать свои намерения и незаметно обходить инструменты контроля.

@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

🧠 Серый рынок Claude в Китае

В Китае набирают популярность API transfer stations — прокси, которые продают доступ к Claude за 5-10% от официальной цены.

Схема простая: пользователь отправляет промпт не в Anthropic, а на промежуточный сервер. Прокси гонит запрос через зарубежные аккаунты Claude, возвращает ответ и принимает оплату через WeChat или Alipay.

Дешевизна берётся не из скидок Anthropic. Там фарм аккаунтов, бесплатные кредиты, шаринг подписок, перепродажа квот, серые платёжные схемы и иногда совсем грязные источники.

Для пользователя риск очевидный - он покупает «дешёвый inference», но отдаёт неизвестному посреднику код, промпты, ответы, tool calls и рабочие данные. Прокси может подменить модель, накрутить токены или собрать всё это в датасет.

Для Anthropic проблема ещё хуже. KYC, баны и abuse-monitoring начинают видеть не реального пользователя, а слой прокси.

Один аккаунт можно забанить, но сама цепочка доступа остаётся живой.

Так вокруг закрытых frontier-моделей появляется теневой рынок: аккаунты, платежи, маршрутизация, ресейл inference и сбор данных под видом дешёвого API.

https://www.chinatalk.media/p/how-to-buy-cheap-claude-tokens-in

Читать полностью…

✔️ Google реорганизует команду ИИ-кодеров

Команда по разработке ИИ для кодинга станет постоянной структурой. Подразделение займет место между этапами pre-training и post-training и возьмет на себя расширение возможностей моделей в программировании.

Причина реструктуризации в отставании от Anthropic в сегменте ИИ для кодинга. Google ошибочно полагала, что базовые LLM освоят программирование автоматически без выделенного обучения.

В результате инструмент Antigravity оказался проблемным, разработчики раскритиковали Gemini 3.5 Flash за высокую цену, а релиз флагманской Gemini 3.5 Pro до сих пор не состоялся.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Как компании внедряют и масштабируют AI-решения в своей ИТ-среде?

Об этом будут говорить на конференции IT Elements 2026, которая пройдет 9–10 сентября в Москве.

Участников ждут реальные кейсы использования AI в корпоративной среде, обсуждение работы с данными, инфраструктуры для современных цифровых сервисов и платформенных подходов к развитию ИТ.

Если вам интересен не очередной обзор возможностей нейросетей, а опыт компаний, которые уже внедряют AI в рабочие процессы, стоит присмотреться к программе конференции.

Кому будет интересно:
🔹 ИТ- и ИБ-директорам
🔹 Командам по данным, ML и AI
🔹 Руководителям инфраструктуры, платформ и эксплуатации
🔹 Сетевым инженерам и архитекторам
🔹 Экспертам и спикерам

Формат — офлайн в Москве и онлайн.

Регистрация уже открыта. Участие бесплатное. 📆

Ждем Вас на главном событии этой осени. 💙

Читать полностью…

🗓 13 июля в 18:00 МСК приглашаем вас на открытый урок в преддверии старта курса «Большие языковые модели. Экспертный уровень / LLM».

На занятии разберём: 👇
• как RAG помогает модели работать с фактами и внешними источниками;
• в чём суть LoRA и почему этот метод позволяет эффективно дообучать большие языковые модели;
• отдельно обсудим, когда использовать RAG, когда выбирать LoRA, а когда эти подходы стоит комбинировать.

Урок подойдёт DS-специалистам, ML-инженерам и ИТ-специалистам, которые работают с текстовыми данными и хотят внедрять LLM-решения осознанно.

Зарегистрируйтесь и разберитесь, как выбирать архитектуру LLM-решения под реальные задачи: https://otus.pw/93To/?erid=2W5zFHxdK7F


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

Читать полностью…

Вау, вот это скорость разработки! 🚀

На GitVerse появилось зеркало PyPI — теперь Python‑пакеты доступны, даже если upstream PyPI упадёт или станет недоступен.

Ставьте зеркало как основной источник или держите как резерв. Рассказали, как это сделать, здесь!

Читать полностью…

Sakana AI представила Fugu Ultra - оркестрационный слой, который собирает и распределяет подзадачи между пулом моделей через единый OpenAI-совместимый endpoint.

На большинстве бенчмарков он показывает производительность на уровне Fable и Mythos.

Fugu - это обученная модель-координатор внутри мультиагентной системы.

«Sakana Fugu сама является LLM, обученной вызывать разные LLM из пула агентов, включая рекурсивные экземпляры самой себя. Fugu динамически оркестрирует лучшие модели мира для решения сложных многошаговых задач».

Когда вы отправляете промпт, Fugu решает, отвечать самому или передать части задачи другим моделям. Затем он собирает результаты и выдаёт один финальный ответ.

🐡 Попробовать можно здесь: https://sakana.ai/fugu

Читать полностью…

✔️ Exa запустила агентную платформу для веб-поиска и парсинга данных

Компания открыла доступ к Agent API, инструменту для ресёрча и обогащения данных из интернета. По словам Exa, выполнение задач обходится вдвое дешевле по сравнению с GPT 5.5 и Claude Opus.

Платформа работает на базе собственного движка, LLM и алгоритма извлечения текста Highlights.

При парсинге объемных данных система разбивает процесс на подзадачи и запускает субагентов для параллельного сканирования доменов.

В ходе поиска Agent API маршрутизирует запросы между разными моделями в зависимости от сложности, а алгоритм Highlights собирает только целевые фрагменты страниц.

Механизм снижает расход токенов на 94%. В профильном бенчмарке WideSearch инструмент обошел Perplexity Agent по метрике row-level F1.

API поддерживает кастомные JSON-шаблоны для вывода структурированных таблиц и загрузку пользовательских списков для автозаполнения недостающих данных.

В тарифной сетке доступно несколько режимов: базовый стоит $0,012 за запрос, стандартный - $0,10, максимальный - $1. Плюс есть автоматический режим балансировки нагрузки.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

🌟 Контекст в PNG экономит токены до 70%

Pxpipe - локальный прокси, который перед отправкой запроса ассистенту превращает куски контекста в картинки.

Приём эксплуатирует особенность тарификации - текст стоит примерно один токен за символ, а изображение - фиксированное число токенов, зависящее только от размера в пикселях, а не от объёма текста внутри.

На плотном контенте в один визуальный токен удаётся упаковать около 3,1 символа.

🟡Механика

Прокси перехватывает запросы к Claude Code и рендерит в PNG самые объёмные и редко меняющиеся блоки (системный промпт, документацию инструментов и старую историю переписки).

Свежие сообщения и ответы модели идут обычным текстом.

Пример: около 48 тыс символов системного промпта и документации, которые как текст стоили бы примерно 25 тыс токенов, помещаются на одну PNG-страницу за ≈2700 токенов.

На Fable 5 стоимость сессии упала с 42 до 6 долларов.

🟡 Тесты

Fable 5 читает такие рендеры практически без потерь (100% на бенчмарке с новыми задачами), а вот Opus 4.7 и 4.8 ошибаются примерно на 7% изображений.

GPT 5.5 тоже деградирует на картиночном контексте, поэтому обе модели по умолчанию выключены и включаются вручную.

🟡Плата за экономию в потере точности

На методе lossy важные строки вроде хешей и идентификаторов при чтении с картинки могут исказиться.

Хуже когда промахи выглядят не как ошибки, а как правдоподобные выдумки.

Зрение модели это не OCR, изображение превращается в патч-эмбеддинги, и там, где пикселей не хватает, языковая модель просто достраивает похожее.

Второй минус - это скорость. PNG-кодирование добавляет задержку из-за использования визуальныго энкодера, что дольше, чем чтение текста.

Надеемся, что при массовом распространении такого трюка вендоры не поднимут цены на обработку изображений.


📌Лицензирование: MIT License


🖥GitHub


@ai_machinelearning_big_data

#AI #ML #LLM #Coding #Pxpipe

Читать полностью…

GigaChat 3.5 Ultra: меньше, быстрее, сильнее

Сбер выкатил в open source GigaChat 3.5 Ultra — новую 432B-модель под MIT-лицензией. Это первый в open source гибрид GatedDeltaNet и MLA, доведённый до сотен миллиардов параметров, — с собственным рецептом обучения, который был собран больше чем в 1500 экспериментах. Модель выросла в коде, математике, агентных сценариях и на аренах — и при этом стала на 40% меньше, чем GigaChat 3.1 Ultra.

Что внутри:

• Собственная гибридная архитектура MLA + GatedDeltaNet с уникальной стабилизирующей обвязкой, без которой такой гибрид на этом масштабе просто не обучается;
• Gated Attention — модель может локально приглушать слишком сильный сигнал из attention-слоя;
• GatedNorm — нормализация с явным гейтом для управления масштабом сигнала между признаками. Команда Сбера выкладывает подобную стабилизирующую оптимизацию в опенсорс первыми в мире;
• Примерно в 4 раза меньше KV-кеша на токен, в ту же память помещается в 2,14 раза больше контекста, throughput под нагрузкой +20%;
• Две MTP-головы и ускорение генерации до 2,2 раза;
• FP8 на всех этапах обучения без потери качества относительно bf16 — свои Triton- и CUDA-ядра;
• Новый этап online RL после SFT и DPO.

Результаты:

- GigaChat-3.5-Ultra-Base обходит DeepSeek V3.2 Exp Base и DeepSeek V4 Flash Base в среднем по нашему набору general-, math- и code-бенчмарков (полные таблицы — в статье);
- GigaChat-3.5-Ultra-Instruct сравним с DeepSeek V3.2 по среднему скору, будучи в полтора раза меньше;
- По LLM-судье MiniMax-M2.7 средний win-rate против GigaChat 3.1 Ultra — 75,9%, а против GPT-5 — 68.7%.

Весь стек — данные (свой LLM-парсинг веба, 600+ языков программирования в коде), архитектура, рецепт обучения, инфраструктура — сделан командой Сбера end-to-end. Подробности, включая детали реализации гейтов и рецепт стабилизации, — в статье на Habr. 

HuggingFace | GitVerse

Читать полностью…

✔️ OpenAI не планировали строить дата-центр Stargate в Великобритании

Проект Stargate UK стоимостью $30 млрд оказался правительственной пиар-акцией, выяснила The Guardian. Инсайдеры утверждают, что реального плана строительства не существовало.

Представители OpenAI ни разу не посещали площадку в бизнес-парке Cobalt Park в Норт-Тайнсайде. Местные власти также подтвердили отсутствие встреч с OpenAI и ее британским партнером Nscale.

В апреле операторы проекта объявили о приостановке работ, официально сославшись на жесткое регулирование и высокие затраты на электроэнергию. Члены британского парламента уже признали реализацию инициативы крайне маловероятной.
theguardian.com

✔️ Anthropic научилась декодировать планирование в ИИ вне CoT

Компания нашла в Claude изолированную рабочую область, где модель оперирует концептами без вывода в текст и генерации CoT. Зону назвали J-Space, в честь матрицы Якоби, с помощью которой исследователи отследили скрытые процессы.

В одном из тестов Claude поручили скопировать случайное предложение и одновременно обрабатывать информацию о мосте Golden Gate. Модель выдала только нужный текст, но в J-Space зафиксировали активацию понятий "мост" и "Калифорния".

Метод планируют применять для выявления скрытых намерений в рамках элайнмента. Anthropic протестировала J-Space на модели, намеренно обученной саботировать кодинг. При генерации корректных скриптов в скрытом пространстве фиксировались концепты "подделка", "тайно" и "мошенничество".
transformer-circuits.pub

✔️ Релиз серверных стоек Nvidia NVL144 задерживается на год

Основная причина - высокий процент брака при производстве центральной печатной платы. Другие аппаратные планы тоже изменены.

Отменен выпуск спаренной стойки NVL72x2 из-за недовольства облачных провайдеров форм-фактором и высокими операционными расходами. Также отменена 4-кристалльная версия будущего чипа Rubin Ultra, на рынок выйдет только вариант с двумя кристаллами.

Внедрение интерконнекта CPO-NVSwitch отложено до следующей архитектуры Feynman. Компенсировать задержки Nvidia планирует за счет систем Oberon-Rubin в классическом исполнении.
SemiAnalysis в сети Х

✔️ Китайский бигтех закрывает доступ к ИИ-аватарам

ByteDance, Alibaba и Tencent сворачивают функции ИИ-компаньонов из-за требований Администрации киберпространства Китая по борьбе с цифровой зависимостью.

Tencent отключила кастомных ботов в Yuanbao в июне. Alibaba уберет аватаров из Qwen 10 июля, а ByteDance закроет доступ к персонализированным агентам в чат-боте Doubao 15 июля.

По новым правилам провайдеры обязаны отслеживать признаки аддикции и программно ограничивать чрезмерное использование сервисов. Запрещена генерация контента, формирующего у подростков эмоциональную привязанность, способную вытеснить реальные социальные связи.

Обучение моделей на данных из личных переписок также попадает под запрет.
scmp.com

✔️ Япония инвестирует 1 трлн иен в роботов

Власти страны планируют развернуть 10 млн роботов с физическим ИИ к 2040 году для компенсации дефицита кадров. Устройства задействуют в 18 отраслях, среди них - машиностроение, медицина, общепит и сельское хозяйство.

Управлять парком будет мультимодальная модель Noetra, спроектированная специально для робототехники. Ее создают Национальный институт передовых промышленных наук и консорциум SoftBank, NEC, Sony Group и Honda.

Госинвестиции в проект составят 380 млрд иен в текущем финансовом году и достигнут 1 трлн иен (около 6 млрд долларов) за 5 лет. Архитектуру Noetra планируют открыть для местных разработчиков, а участники консорциума намерены использовать модель для экспансии на внешние рынки.

Об аналогичной государственной программе по роботизации ранее объявила Южная Корея.
theregister.com


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Tencent выложила Hy3

Это MoE-модель на 295B параметров, но активируется около 21B на токен. Контекст - до 256K.

В blind tests модель обходит GLM-5.1, при этом использует меньше активных параметров, чем модели, с которыми конкурирует.

295B MoE, 21B active, 256K context. И всё это на обычном GQA. Без sparse attention, без MLA.

Это значит, что эффективность пока не вытянута архитектурными трюками до предела. Там ещё остаётся запас.

Модель можно запускать через vLLM и SGLang, есть FP8-версия, лицензия - Apache 2.0.

https://huggingface.co/tencent/Hy3

@ai_machinelearning_big_data

Читать полностью…

✔️ Китайский бум роботов-гуманоидов уперся в аппаратные ограничения и нехватку тренировочных данных

Несмотря на миллиардные государственные инвестиции и появление более 140 локальных производителей, китайский рынок антропоморфных роботов пока далек от реального промышленного применения.

Сейчас машины активно сдаются в аренду для выставок и шоу, однако на практике они остаются лишь дорогими игрушками, не способными к самостоятельной работе.

Развертывание гуманоидов на реальных производствах или в быту минимально - даже у лидеров отрасли, таких как Unitree, доля промышленных внедрений не превышает 10%, а основные продажи приходятся на исследовательские центры.

Основными барьерами для индустрии стали дефицит данных и инженерные пределы.

Для обучения автономным действиям нейросетям критически не хватает массивов информации о физическом взаимодействии с миром, из-за чего операторам приходится буквально вручную тренировать роботов на специализированных полигонах.

В аппаратной части самой болевой точкой оказались роботизированные кисти - попытки уместить множество приводов и датчиков в габаритах человеческой руки приводят к серьезным проблемам с теплоотводом, высокой себестоимости и быстрому износу деталей.

До решения этих проблем массовая замена человеческого труда на сборочных линиях останется перспективой следующих десятилетий.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

📌 Метка в коде и геолокация в письмах: к Anthropic есть вопросы

Разработчик под ником Thereallo опубликовал на днях подробный анализ, который показывал, что Claude Code незаметно помечал часть пользователей из Китая по цифровым отпечаткам их программного окружения.

Инженер команды Claude Code, Тарик Шихипар, отреагировал на публикацию постом в сети Х и признал, что в марте в продукт был встроен экспериментальный механизм.

Он срабатывал только при использовании нестандартного адреса API и проверял несколько признаков: часовой пояс системы, совпадение имени прокси-хоста со списком китайских реселлеров и наличие определённых ключевых слов, и с помощью особой пунктуации внедрял скрытую метку в системные инструкции методом стеганографии.

Цель, по словам Тарика, состояла в том, чтобы помешать неавторизованным реселлерам злоупотреблять аккаунтами и заниматься дистилляцией модели.

Он добавил, что команда давно собиралась отключить этот механизм, правки внесены, а полное удаление ожидается в ближайшем обновлении.

В сети восприняли объяснение скептически

Критики отмечали, что механизм действовал с марта, а его свёртывание началось лишь после огласки, и упрекали компанию в том, что она сообщила о практике только после обнаружения, не уведомив пользователей заранее.

Для Anthropic, которая позиционирует себя как одного из лидеров в вопросах безопасности и этики ИИ, такой эпизод, по их оценке, особенно чувствителен.

Этот спор наложился на на более раннюю историю о том, как Claude определяет, откуда заходит пользователь.

Пользователи замечали, что письма с кодами подтверждения и уведомлениями о входе содержат примерную геолокацию: страну, регион или город.

Эти данные обычно вычисляются по IP-адресу, параметрам сети и устройства, поэтому при использовании виртуальных или корпоративных сетей, а также прокси, указанное место может не совпадать с реальным.

Справедливости ради - в политике конфиденциальности Anthropic сказано, что компания собирает IP-адреса, сведения об устройстве и соединении, а также определяемое по IP местоположение для безопасности, борьбы с мошенничеством и контроля за соблюдением условий сервиса.

Обе истории острее всего восприняли в китайском сегменте. Доступ к продуктам Anthropic в стране закрыт, поэтому там распространены зарубежные аккаунты, трансграничный доступ и сторонние сервисы-посредники.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Anthropic выкатила Claude Sonnet 5 - мощнейший «агентный» Sonnet в линейке.

Главная идея: модель теперь лучше планирует, пользуется инструментами, браузером, терминалом и может дольше вести сложные задачи без постоянного контроля.

По словам Anthropic, Sonnet 5 приблизился к Opus 4.8 по агентным задачам, но стоит дешевле. Особенно упор сделали на кодинг, tool use, reasoning и работу с многошаговыми процессами.

Модель уже доступна во всех планах Claude, включая Free и Pro, а также в Claude Code и API.

Цена для разработчиков до 31 августа 2026:

• $2 за 1 млн input tokens
• $10 за 1 млн output tokens

Потом стандартная цена:

• $3 за input
• $15 за output

Интересный момент: Anthropic отдельно пишет, что Sonnet 5 безопаснее Sonnet 4.6 в агентных сценариях, лучше отказывается от вредных запросов и устойчивее к prompt injection.

По сути, это попытка сделать «рабочую лошадку» для AI-агентов: не самую дорогую, но достаточно сильную, чтобы закрывать кодинг, автоматизацию, браузерные задачи и долгие пайплайны.

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

Читать полностью…

❤️❤️❤️❤️❤️❤️❤️❤️❤️❤️

16 июля стартует Yandex AI Studio Series Summer Edition — событие для разработчиков, ML/ИИ-инженеров, продуктовых менеджеров и бизнес-аналитиков, которые создают ИИ-агентов и комплексные системы автоматизации.

Эксперты Яндекса разберут лучшие практики разработки ИИ-приложений корпоративного уровня и покажут, как довести идею до рабочего решения. В программе — управление контекстом и памятью в агентских API, создание голосовых агентов на Realtime API, разработка ИИ-ресёрчера с поиском в интернете и по базе знаний, а также построение мультиагентских систем для end-to-end автоматизации процессов.

Участников ждет две недели, насыщенных контентом:
— PRO-вебинары с разбором архитектуры современных ИИ-систем;
— практические кейсы по работе с LLM, агентскими API и инструментами, MCP;
— интенсивы для самостоятельной практики и закрепления знаний;
— обзор новых возможностей Yandex AI Studio и планов развития платформы;
— архитектурные доклады и воркшоп от ведущих разработчиков.

Лучший способ разобраться в современных ИИ-инструментах — увидеть, как их применяют на реальных проектах. Присоединяйтесь к Yandex AI Studio Series и регистрируйтесь на событие.

Читать полностью…

LLM в поддержке: от шаблонов к точной работе с документами компании

✅ На открытом уроке разберём, как устроены современные решения на базе LLM, почему они не просто генерируют текст, а используют знания компании для подготовки ответов, и как такие инструменты помогают ускорять обработку обращений.

На практических примерах покажем, как документы превращаются в базу знаний для ИИ, как происходит поиск информации по запросу клиента и каким образом LLM помогает оператору поддержки готовить ответы. Также поговорим о том, как подобные решения применяются в бизнесе уже сегодня.

Урок пройдёт 6 июля в 20:00 МСК в преддверии старта курса «LLM-инженер». Это возможность познакомиться с современным подходом к созданию интеллектуальных сервисов, задать вопросы эксперту и понять, как внедрять подобные решения в реальные процессы компании.

➡️ Регистрация открыта: https://otus.pw/vn5P/?erid=2W5zFHNdyn1

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

Читать полностью…

✔️ ЕС сделает открытую LLM в рамках технологического суверенитета

Итальянская компания Domyn (ранее iGenius) разработает модель на 400 млрд параметров. Проект реализуют совместно с консорциумом EUROPA при поддержке Еврокомиссии. Релиз запланирован в течение года.

Модель обучат с нуля. Датасет соберут при участии европейских правительств, первые соглашения о доступе к данным ожидаются в ближайшие недели. Проект будет открытым для локального развертывания на серверах компаний и госсектора.

Инициатива направлена на достижение технологического суверенитета ЕС. Разработка идет на фоне регуляторных и геополитических ограничений - ранее Италия и Чехия запретили облачное использование моделей DeepSeek, оставив легальным только локальный хостинг, а бизнес столкнулся с экспортным контролем США.
reuters.com

✔️ Qualcomm выходит на рынок дата-центров

Производитель мобильных чипов анонсировал серверный ИИ-процессор Dragonfly C1000 и покупает стартап Modular за $4 млрд.

Чип оптимизирован для работы с ИИ-агентами с фокусом на энергоэффективность. Первым крупным заказчиком процессоров выступит Марк Цукерберг, он планирует развернуть оборудование на базе Dragonfly C1000 в 2028 году.

Покупка Modular должна усилить программный багаж Qualcomm. Стартап разрабатывает софт для инференса моделей поверх различных аппаратных архитектур. Сделка дополнит серверные ИИ-ускорители компании единой экосистемой для разработчиков.
cnbc.com

✔️ Sakana AI представила симулятор для оценки бизнес-стратегий LLM

Японский ИИ-стартап совместно с KPMG разработали CoffeeBench, симулятор кофейной цепочки поставок для оценки экономических навыков агентов.

Тестируемая LLM управляет компанией-обжарщиком, а остальных участников рынка (фермеров, ритейлеров) отыгрывает Sonnet 4.6. В течение 90 виртуальных дней агент ведет торги, оплачивает счета и управляет кредитами. Ежедневные издержки обязывают модель активно торговать для предотвращения банкротства.

По итогу теста, GPT-5.5 и Opus 4.7 активно расширяли продажи, Gemini 3.1 Pro использовала пассивную тактику, Kimi K2.6 заключала убыточные сделки, а Haiku 4.5 обанкротилась из-за постоянного переноса действий на следующий день.

Код проекта и логи испытаний - в открытом доступе, а сам проект принят на ICML 2026.
sakana.ai

✔️ ИТ-гиганты защитят опенсорс от ИИ-атак

Linux Foundation запустила инициативу Akrites для защиты открытых проектов от атак нового поколения. В альянс вошли более 20 компаний, включая Amazon, Google, Microsoft, OpenAI и Anthropic. Цель - устранение уязвимостей в критическом ПО до того, как их найдут с помощью ИИ.

Центром проекта станет общая команда реагирования на инциденты, которая будет фильтровать баг-репорты, координировать патчи и выступит единой точкой контакта для мейнтейнеров. Оценка уязвимостей и обмен данными опираются на стандарты CVE, CVSS и протокол TLP.

Отчеты получают максимальный уровень секретности до релиза исправления, которое интегрируется в репозиторий на условиях разработчиков. Если критически важный пакет заброшен авторами, команда Akrites выпустит обновление самостоятельно.
akrites.org

✔️ Калифорния создала первый в США трекер увольнений из-за ИИ

Департамент развития занятости штата совместно с UCLA запустил первый в США инструмент, который отслеживает увольнения, вызванные внедрением ИИ.

Трекер ежемесячно анализирует статистику заявок на пособия по безработице в профессиях с высоким риском автоматизации. Данные будут использовать для программ переобучения и помощи специалистам в поиске новой работы.

Массовых сокращений в масштабах всего штата дашборд пока не фиксирует. При этом данные показывают рост числа безработных специалистов с высшим образованием после релиза ChatGPT в 2022 году. Сильнее всего эта динамика заметна в Сан-Франциско.
gov.ca.gov

@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

IBM только что представила прорыв в области чипов меньше 1 нанометра.

Новая технология 0,7 нм, или 7 ангстрем, использует 3D-архитектуру транзисторов nanostack, где транзисторы вертикально укладываются и смещаются относительно друг друга.

IBM заявляет, что сможет разместить почти 100 млрд транзисторов на чипе размером с ноготь. Это почти в 2 раза выше плотность по сравнению с её 2-нм чипом 2021 года.

• до 50% больше производительности
• до 70% выше энергоэффективность
• 40% масштабирование SRAM для AI-нагрузок

Важная оговорка: это пока исследовательская технология, а не чип, который начнут поставлять на рынок.

IBM говорит, что производство может начаться уже в ближайшие 5 лет.

https://newsroom.ibm.com/2026-06-25-ibm-debuts-worlds-first-sub-1-nanometer-chip-technology

@ai_machinelearning_big_data

#ibm #ai #ml

Читать полностью…

🙂 In the Weights: проверка тщеславия

В сети вирусится веб-приложение In the Weights, которое проверяет наличие информации о человеке или компании в GPT, Claude, Gemini и Llama и т.д.

Платформа работает через прямые запросы к моделям с принудительно отключенным доступом к сети, чтобы ИИ опирался исключительно на знания, полученные на трейне.

Анализируя выдачу, система высчитывает скоринг. Метрика оценивает вероятность того, что информация об объекте содержалась в обучающих датасетах и содержится в конкретной модели.

Помимо развлекательных целей, проект является наглядным аудитом того, как корпорации агрессивно скрейпят данные.

По мере того как чат-боты вытесняют поисковики, присутствие в памяти моделей становится новой метрикой публичной значимости.

Сервис напоминает о новых реалиях современной приватности: если информация о вас уже есть в весах LLM, стереть ее цифровой след практически невозможно.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Мы часто обсуждаем инструменты и метрики, но почти не говорим о том, с чего на самом деле начинается внедрение AI в разработке. А начинается она, в том числе, с привычки и руководителя. Об этом я узнал из доклада Артура Василова из Яндекс Браузера на Mobile Runtime.

Доклад оказался интересным именно своей приземлённостью: это не рассказ про «магический AI», а довольно честный разбор того, как команда Браузера идёт к AI-first-разработке. Цель у них прикладная — получить прирост производительности в исследовании, проектировании, коде и дебаге. По замерам команды, именно в процессе продумывания решения и написания кода прирост скорости сейчас около 20% к началу полугодия, но быстрее стала именно разработка, а не весь путь фичи до продакшена. При этом проникновение уже очень высокое: почти вся команда использует агентские сценарии на ежедневной основе.

Самое полезное в докладе — разложение внедрения на слои. Сначала нужно просто приучить людей решать реальные рабочие задачи с агентами, а не сводить всё к разовым вопросам в чат. Для этого нужны общий AI-чат, амбассадоры в командах, живые демо и внятная настройка инструментов, чтобы люди не застревали на этапе интеграции агентов с Xcode, Android Studio и корпоративным окружением. Отдельно подчёркивается роль руководителей: там, где лидер сам регулярно работает с AI, использование в команде заметно выше, чем при формальном внедрении сверху.

Следующий уровень — это уже не привычка, а инфраструктура: AGENTS.md, системные промпты, MCP и скиллы под повторяющиеся задачи. Логика простая: нужно давать агенту как можно больше инструментов и знаний для решения задач самостоятельно и удобно, а не чтобы разработчик вёл его за руку. На этой базе появляются и более тяжёлые сценарии, например: Swiftization, то есть массовый перевод старого Objective-C-кода на Swift, и частичная автоматизация релизного дежурства, где агент берёт на себя рутинные операции, анализ состояния релиза и первичную работу с новыми крешами и багами, а инженер уже проверяет результат. При этом сам Артур прямо говорит, что без автоматизации соседних функций — менеджмента, постановки задач, тестирования — влияние на time to market останется ограниченным.

Читать полностью…

🌟 MolmoMotion: модель прогнозирования движения объектов в трёхмерном пространстве

Институт Аллена (Ai2) выпустил MolmoMotion - модель, которая предсказывает, как отмеченный в кадре объект будет двигаться в ближайшие секунды.

На вход подаётся кадр или короткая видеоистория, на видимом в сцене предмете отмечаются опорные точки, и добавляется текстовая инструкция (например, "подвинь и поверни деревянную миску с фруктами").

На выходе модель строит траекторию этих точек в трёхмерном пространстве, в метрах относительно камеры.

Под капотом - модель Molmo 2 на 4 млрд параметров. Институт обучил 2 версии:

🟢Авторегрессионный вариант, который достраивает траекторию по шагам;

🟠Версию на основе flow-matching для случаев, когда у действия есть несколько вероятных продолжений.

🟡В открытый релиз вошли только 2 AR-чекпойнта

🟢H3-F30 для типичного видео: 3 кадра истории и прогноз примерно на 2 секунды при 15 FPS;
🟢H1-F32 - когда доступен лишь один кадр.

🟡Помимо моделей опубликованы датасет и бенчмарк

MolmoMotion-1M - набор из 1,16 млн видео, который охватывает 736 типов движения и около 5,6 тыс. объектов.

PointMotionBench состоит из 2,7 тыс. размеченных людьми видеоклипов из сетов DAVIS, HOT3D и WorldTrack.

По замерам Ai2, на этом бенче MolmoMotion точнее всех методов, с которыми его сравнивали, включая генераторы видео и более простые базовые модели.

В симуляции система управления на базе MolmoMotion успешно выполняла 76,3% операций "взять и переставить" против 56,0% у аналога на Molmo 2, а при генерации видео модель улучшила движение по всем пяти измеряемым показателям.

Среди ограничений авторы называют использование лишь 8 точек на объект при обучении. Этого достаточно для общей траектории, но мало для точного описания сложных деформаций.


📌Лицензирование: Apache 2.0 License


🟡Блогпост
🟡Релиз на HuggingFace
🟡Техотчёт
🖥Github


@ai_machinelearning_big_data

#AI #ML # #MolmoMotion #Ai2

Читать полностью…

✔️ Бывший советник по ИИ Белого Дома возглавит новую команду в OpenAI

Аналитик Дин Болл рассказал в личном блоге, что в начале июля присоединится к OpenAI на должность главы Strategic Futures, нового подразделения, которое займётся вопросами политики в сфере ИИ.

Strategic Futures - небольшая команда с высокой степенью самостоятельности, которая будет подчиняться директору по стратегии OpenAI Джейсону Квону.

В сферу её ответственности он включает катастрофические риски, рекурсивное самоулучшение моделей, влияние ИИ на рынок труда, а также отношения между ИИ-лабораториями, государствами и обществом.

Экспертиза в ML или политике в сфере ИИ при этом не обязательна, Дин рассчитывает собрать команду из представителей разных дисциплин и сейчас открыт к обращениям кандидатов.

Ранее Болл работал в Белом доме, где занимался вопросами политики в области ИИ. Своё решение перейти в OpenAI он объясняет собственными представлениями об управлении передовыми технологиями.

ИИ нуждается в регулировании, но одновременно сам становится новым инструментом управления, а наиболее значимые решения в этой области, вероятно, будут приниматься внутри лабораторий, а не внешними институтами.

Чтобы вести содержательную работу по политике ИИ, технологию необходимо понимать изнутри.

@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…