Анализ данных (Data analysis)

04 August 2026 12:32

⚡️ Celeris-1 вышла на первое место по скорости генерации - около 2 086 токенов в секунду

По данным Artificial Analysis, это сейчас самый высокий показатель среди протестированных моделей. При этом Celeris-1 работает на обычных GPU, без специализированных ускорителей.

В собственном тесте Celeris на MMLU-Pro модель набрала 75,9%:

- GPT-5 mini - 78,5%
- GPT-5 - 81,9%

Но отвечала она примерно в 13-16 раз быстрее.

Секрет скорости - архитектура, которая снижает зависимость от последовательной генерации токен за токеном.

Важная оговорка: показатели качества и сравнение с GPT-5 получены самой Celeris, а reasoning budget у моделей был установлен в ноль. Однако независимый замер Artificial Analysis подтверждает главное - скорость выше 2 000 токенов в секунду уже стала реальностью.

Анализ данных (Data analysis)

03 August 2026 11:32

⚡️ Y Combinator открыл исходники QM - мультиплеерного харнесса для управления компанией через ИИ-агентов

QM создавался внутри YC после экспериментов с десятками персональных агентов. В какой-то момент команда развернула более 50 Hermes-инстансов и столкнулась с очевидной проблемой: управлять таким флотом вручную слишком сложно.

В QM каждый сотрудник, канал и проект получает собственное изолированное пространство с памятью, файлами, разрешениями, секретами, cron-задачами и постоянной песочницей. Люди могут работать с агентами лично или совместно через Slack и веб-интерфейс.

Агенты умеют искать информацию в документах, почте, базах данных и внутренних заметках, создавать веб-приложения, работать с репозиториями, запускать тесты, открывать PR и следить за CI.

QM опубликован под лицензией MIT.

GitHub: https://github.com/yc-software/qm

Анализ данных (Data analysis)

03 August 2026 09:47

⚡️ Qwen представила Qwen3.8-Max - модель на 2,4 трлн параметров для автономной разработки и рабочих агентов

По заявлению команды, модель способна вести длинные проекты почти без вмешательства человека: планировать работу, писать код, запускать инструменты, анализировать результат и исправлять ошибки по обратной связи.

Пример - oh-my-cli. Агент начал с пустой папки и развивал проект больше десяти дней, оставив полный журнал изменений в открытом GitHub-репозитории.

Qwen также заявляет о сотнях последовательных итераций при оптимизации чипов, долгосрочном планировании бизнес-стратегий и нативной работе с изображениями. Визуальные данные используются внутри цикла «планирование - выполнение - проверка», а не только как входной контекст.

Цена API:

- ввод - $2 за 1 млн токенов;
- вывод - $6;
- закешированный ввод - $0,25.

На следующей неделе компания обещает открыть веса Qwen3.8-Max и более компактной Qwen3.8-27B.

Если заявленные возможности подтвердятся на независимых тестах, Qwen получит редкую комбинацию: огромную агентную модель, мультимодальность и открытые веса.

Блог:
https://qwen.ai/blog?id=qwen3.8

Qwen Studio:
https://chat.qwen.ai/?models=qwen3.8-max

API:
https://qwencloud.com/models/qwen3.8-max

Автономный проект:
https://github.com/qwen-code-dev-bot/oh-my-cli

@ai_machinelearning_big_data

#qwen

Анализ данных (Data analysis)

02 August 2026 12:29

⚡️ Opus 5 за два часа превратила абзац из «Властелина колец» в интерактивный 3D-мир

Андрей Карпати дал модели первый абзац книги, бюджет в 1 млн токенов - около $10 - и попросил создать сцену на Three.js.

Результат: 5500 строк кода, процедурная генерация объектов, расстановка моделей по координатам и анимация событий.

Местами всё выглядит криво. Но раньше никто не стал бы тратить дни на настолько узкую сцену. Теперь достаточно описать мир - и через пару часов получить рабочий прототип.

Пока слабое место моделей - проверка результата. Они не умеют полноценно смотреть видео и играть в собственные игры, поэтому анализируют скриншоты и пропускают ошибки.

https://x.com/Machinelearrn/status/2083859736387035332

@data_analysis_ml

Анализ данных (Data analysis)

31 July 2026 12:52

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

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

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

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

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

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

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

Анализ данных (Data analysis)

30 July 2026 15:30

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

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

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

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

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

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

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

Анализ данных (Data analysis)

29 July 2026 21:01

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

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

На модели Hy3-A21B архитектура DFly показала:

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

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

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

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

Документация:
https://angelspec.readthedocs.io

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

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

Анализ данных (Data analysis)

28 July 2026 23:11

Claude нашёл новые слабости в криптографических алгоритмах

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

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

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

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

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

Анализ данных (Data analysis)

28 July 2026 12:32

🚀 Claude Opus 5 за 24 часа собрал собственный космический симулятор

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

Внутри:

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

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

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

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

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

Анализ данных (Data analysis)

27 July 2026 23:19

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

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

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

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

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

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

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

Анализ данных (Data analysis)

27 July 2026 10:51

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

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

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

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

Но затем рецензент нашёл серьёзную ошибку.

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

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

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

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

@data_analysis_ml

Анализ данных (Data analysis)

26 July 2026 19:04

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

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

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

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

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

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


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

Анализ данных (Data analysis)

26 July 2026 15:33

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

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

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

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

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

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

Анализ данных (Data analysis)

26 July 2026 13:11

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

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

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

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

промпт:

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

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

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

Анализ данных (Data analysis)

25 July 2026 19:36

✔️ ByteDance открыл набор ученых и аспирантов для ML-исследований

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

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

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

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

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



#news #ai #ml

Анализ данных (Data analysis)

04 August 2026 11:02

Как выглядят задачи машинного обучения в бигтехе?

Открыта регистрация на E-CUP 2026 Students — ежегодное соревнование от Ozon Tech. В этом сезоне — для студентов, которые интересуются ML, Data Science, Big Data и аналитикой данных.

Вас ждут три трека: поиск дубликатов товаров, ИИ-модерация карточек маркетплейса и прогнозирование поведения пользователей. Все задачи основаны на реальных обезличенных данных Ozon.

Участвовать можно по одиночке или в команде до пяти человек. Соревнование проходит онлайн с финалом на масштабной конференции E-CODE.

Что ждёт участников:
- призовой фонд 7 200 000 ₽;
- обратная связь от инженеров Ozon Tech;
- нетворк с экспертами индустрии;
- лимитированный мерч;
- билеты на конференцию E-CODE, где наградят победителей.

Подробнее — на сайте E-CUP 2026 Students.
➡️ Регистрация уже открыта!

Присоединяйтесь, чтобы выйти за рамки учебных проектов, попробовать свои силы в задачах настоящего бигтеха и сравнить своё решение с лучшими участниками.

Анализ данных (Data analysis)

03 August 2026 10:05

⚡️ DeepSeek V4 Flash теперь можно запустить локально на одном Mac

На Hugging Face появилась специальная GGUF-сборка DeepSeek-V4-Flash-0731 для компьютеров Apple Silicon со 128 ГБ объединённой памяти.

Официальная модель содержит 304 млрд параметров и поддерживает контекст до 1 млн токенов. После смешанной 2- и 4-битной квантизации файл занимает 97,6 ГБ.

Чувствительные слои, attention и общие эксперты сохранены в повышенной точности, а основная часть MoE-экспертов сжата агрессивнее.

Для запуска используется специализированный движок ds4 / DwarfStar:

git clone https://github.com/antirez/ds4
cd ds4
make

./ds4 -m gguf/DeepSeek-V4-Flash-0731-....gguf \
  -p "Напиши распределённый кеш на Go"

Анализ данных (Data analysis)

02 August 2026 14:33

⚡️ Если вы уже работаете с ИИ-агентами, вы примерно среди 0,14% людей на планете

По июльским оценкам ourworldindata, около 71% трудоспособного населения мира ещё не использовали генеративный ИИ. Массовым кажется только то, что мы видим внутри технологического пузыря.

Платные подписки занимают ещё меньшую долю. Даже Codex, один из крупнейших агентных продуктов, насчитывает чуть больше 5 млн активных пользователей в неделю.

Пока разработчики делегируют агентам рефакторинг, тесты и многочасовые задачи, большая часть человечества ещё ни разу не открывала ChatGPT или его аналоги.

Разрыв огромен.

Цифры о платящих пользователях и 12 млн пользователей агентов остаются приблизительными: единой мировой статистики по всем сервисам нет.

Анализ данных (Data analysis)

01 August 2026 12:21

🤯 OpenAI заявила о десяти прорывах в задачах, которые математики не могли решить десятилетиями

Результаты получила внутренняя версия Astra - следующей крупной модели компании.

Среди достижений:

— построен первый явный пример не-софической группы (особого типа абстрактной алгебраической структуры, которую раньше удавалось описывать только косвенно);
— опровергнута гипотеза жёсткости Конна (долгосрочное предположение в функциональном анализе о том, насколько строго определяются такие математические объекты);
— доказана квантовая теорема о параллельном повторении для общих двухигровых систем (показывает, как быстро падают шансы на успех при многократном повторении квантовых игр);
— доказана гипотеза Эрхарта об объёме (результат из геометрии, связанный с подсчётом точек в многомерных фигурах и их объёмами);
— впервые с 1978 года улучшена общая верхняя оценка плотности упаковки сфер (то есть насколько плотно можно «уложить» шары в пространстве).

По заявлению OpenAI, Astra самостоятельно нашла основные математические аргументы, а затем формализовала каждое доказательство в Lean. Вместе с машинно проверяемыми сертификатами опубликована рукопись на 249 страниц.

Успешные запуски обошлись бы примерно в $2000 по тарифам Sol API.

одели начинают предлагать новые доказательства для открытых задач - хотя теперь результаты должен внимательно проверить весь математический мир.

Astra ещё не выпущена, и OpenAI не называет её GPT-6.

openai.com/index/ten-advances-in-mathematics/

Анализ данных (Data analysis)

31 July 2026 10:49

DeepSeek запустила официальный API модели V4-Flash и заметно улучшила её работу в агентных сценариях.

По тестам компании, новая версия значительно опережает V4-Pro-Preview в задачах, связанных с кодом и автономными агентами.

Что изменилось:

- усилены возможности для долгих агентных задач;
- добавлена нативная поддержка Responses API;
- появились параллельные вызовы инструментов;
- доступны уровни рассуждения low, high и max;
- контекст увеличен до 1 млн токенов;
- модель адаптирована для работы с Codex.

V4-Flash можно подключить к Codex CLI, расширению для VS Code и другим совместимым инструментам через единый конфиг.

⚠️ Примечание

🔷 DeepSeek-V4-Flash-0731 сохранила ту же архитектуру и размер модели, что и предварительная версия.

🔷 Сегодняшнее обновление касается только API DeepSeek-V4-Flash. API DeepSeek-V4-Pro, а также модели в приложении и веб-версии пока остаются без изменений.

Официальный релиз DeepSeek-V4-Pro состоится в ближайшее время.

Документация:
https://api-docs.deepseek.com/quick_start/agent_integrations/codex

Анализ данных (Data analysis)

30 July 2026 10:57

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

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

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

Что изменили:

1. Сохранили рассуждения между действиями

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

2. Заменили обрезание истории на compaction

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

В результате агент:

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

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

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

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

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

Анализ данных (Data analysis)

29 July 2026 12:27

🚨 ДЖЕНСЕН ХУАНГ РАЗНЁС НАЕЗДЫ БЕЛОГО ДОМА НА ANTHROPIC

Журналист:

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

Дженсен( как всегда в кожаной куртке):

— Абсолютно. Он должен быть доступен каждому.

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

— Именно так.

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

— Но был же jailbreak.

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

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

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

Сдерживать Anthropic - не в интересах США.

Анализ данных (Data analysis)

28 July 2026 14:34

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

Анализ данных (Data analysis)

28 July 2026 08:36

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

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

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

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

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

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

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

Анализ данных (Data analysis)

27 July 2026 14:57

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

«Я использую Fable практически для всего.

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

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

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

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


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

Анализ данных (Data analysis)

27 July 2026 08:10

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

Теперь под её управлением сразу шесть крупных проектов:

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

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

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

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

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

Анализ данных (Data analysis)

26 July 2026 17:03

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

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

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

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

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

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

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

Участие бесплатное, необходима предварительная регистрация

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

Анализ данных (Data analysis)

26 July 2026 14:00

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

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

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

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

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

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

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

Анализ данных (Data analysis)

26 July 2026 11:49

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

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

По заявленным тестам:

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

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


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

Анализ данных (Data analysis)

25 July 2026 17:57

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

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

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

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

→ Посмотреть программу, формат и стоимость курса по ссылке

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