90398
Первый журнал о Data Science | Machine Learning | Big Data | Deep Learning | Neural Networks По вопросам сотрудничества: @v2r8n
Джефф Дин уходит из Google, а Демис Хассабис больше не будет CEO Google DeepMind
В верхушке компании происходят довольно крупные кадровые перестановки:
— Хассабис уходит с поста CEO DeepMind и теперь будет Chair of Google DeepMind и Chief Scientist Alphabet (это две абсолютно новые для компании роли). Фактически, он больше не будет управлять релизами Gemini и другими операционными штуками. В новой роли он займется стратегическим и глобальным вопросам AGI. При этом он останется CEO Isomorphic Labs и обещает усилить фокус на него.
— Место Хассабиса занимает Koray Kavukcuoglu, нынешний CTO GDM и Chief AI Architect Google. Именно он теперь будет курировать разработку моделей Gemini, фронтир-исследования и Gemini app. Демис дополнительно остается в статусе консультанта.
— Хассабис описывает текущий момент как «подножие сингулярности» и считает, что AGI близко, поэтому хочет тратить время не на операционку, а на то, чтобы «все прошло правильно для человечества».
И еще одна грустная (для Google) новость: легендарный Джефф Дин после 27 лет в компании уходит делать свой стартап под названием Discovery Loop. Вместе с несколькими другими выходцами из Google он будет заниматься ускорением научных открытый и ML рисерча. Google остается инвестором и cloud-партнером.
Соревнования на Kaggle 5 лет назад: вручную собери мультимодальный датасет на 50 гигабайт, обучи ансамбль бустингов, зафайнтюнь ResNet под кастомную аугментацию, выжми 0.0001 AUC стекингом
Соревнования на Kaggle сейчас: сделай агента, который будет доить виртуальную корову 🧑🌾
Google DeepMind представили Gemini Robotics 2
С релиза версии 1.5 прошел почти год. Довольно долгий перерыв по сегодняшим меркам. Посмотрим, чего Google добились за это время.
Самое важное: VLA-модель, которая лежит в основе, впервые управляет полным телом гуманоида от стоп до пальцев рук, а не только верхней частью корпуса. При этом у рук моторика достаточно мелкая, 22 степени свободы. Нельзя сказать, что робот получается супер-ловким (success rate на multi-finger задачах в районе 30-40%), но это прогресс.
Поверх VLA-модели также работает оркестратор Gemini Robotics ER 2. Это отдельная модель поколения, и тут уже просто VLM. То есть, если у VLA на выходе готовые моторные команды, то ER – это более высокий уровень, но котором выполняется ризонинг, разбиение задачи на подзадачи, распознавание объектов и их координат и прочая "интеллектуальная" работа.
Эту модель тоже существенно прокачали и добавили ей киллер-фичу в виде способности координировать работу сразу нескольких разнотипных роботов для выполнения одной задачи. Кроме того, теперь ER может вмешиваться в действия VLA на любом этапе выполнения задачи, что критично для self-correction.
Еще в поколении появилась модель Gemini Robotics On-Device 2 – облегченная VLA для локального инференса.
Основное отличие Gemini Robotics – универсальность. Модели обучают на гетерогенных мультиэмбодимент-данных, поэтому они могут работать на роботах самых разных типов без тюнинга. Так вот GR2 On-Device выводит это свойство на практический уровень: вы можете взять эту модель и буквально за несколько часов и ~200 демонстраций заставить ее хорошо работать на любом новом теле (с кастомными сенсорами, DoF, кинематикой и тд).
https://deepmind.google/blog/gemini-robotics-2-brings-whole-body-intelligence-to-robots/
А еще из забавного: Google сделали первый бенчмарк для оценки безопасности роботов и назвали его ASIMOV-Agentic. Свою модель они, естественно, заявили как "самую безопасную в мире" по этому тесту ☕️
Как две галочки в API утроили результат GPT-5.6 на ARC-AGI-3
Очень занятное исследование выпустили сегодня OpenAI. В двух словах: иногда важнее как мы тестируем, а не что мы тестируем. Но обо всем по порядку.
Когда вышла GPT-5.6 Sol, результаты на ARC-AGI-3 для такой сильной модели оказались подозрительно слабыми – всего 7.8%. И это при том, что Sol хорошо прошла Pokémon FireRed и решила, например, гипотезу о двойном покрытии циклов. В общем, команда решила разобраться, в чем дело.
Напоминаем, что ARC-AGI-3 – это бенчмарк для агентов. Соответственно, модели для взаимодействия со средой нужна какая-то обвязка – харнесс – которая определяет, что модель видит на каждом шаге, как вызываются инструменты, что происходит с контекстом и тд. Ожидаемо, среда ARC-AGI-3 использует максимально простой универсальный харнесс, чтобы честно сравнивать модели между собой. Но для OpenAI именно в этой универсальности и оказалась зарыта собака.
Во-первых, после каждого действия в игре весь приватный ризонинг модели просто удалялся, так что Sol не видел собственных планов и рассуждений с прошлых шагов. Во-вторых, из-за использования скользящего окна по мере роста истории любые старые действия становились для модели невидимыми.
Но дело в том, что Sol была специально обучена именно с сохранением ризонинга между шагами. Харнесс эту фишку отрубил, и результаты посыпались.
А теперь внимание на график наверху. Зеленое – это результаты модели на public сете ARC-AGI-3 на официальном харнессе. А синее – на харнессе, в котором просто включили сохранение ризонинга между вызовами и заменили грубое обрезание истории на сжатие контекста (те же настройки используются в продакшене ChatGPT и Codex). 38.3% против 13.3%, и при этом расход токенов на вывод снизился в 6 раз. Для сравнения, средний результат человека – 48%.
Мораль от OpenAI: бенчмарк меряет не только модель, но и то, как именно ее используют. Как минимум, давно пора на подобных бенчмарках использовать Responses API вместо седого Chat Completions.
Яндекс анонсировал метрики, которые к концу 2026 года должны стать новой нормой для инженерных команд: 75% разработчиков регулярно используют ИИ, на уровне всей компании не менее 75% изменений готовятся с участием нейросетей, и в каждом таком изменении ИИ генерирует не менее 75% кода.
Яндекс не просто говорит об ускорении разработки, а формулирует конкретные измеримые цели. Это превращает AI‑native из абстрактной концепции во внутренний KPI.
Сейчас 73% разработчиков внутри компании уже работают с генеративными моделями, и больше половины нового кода пишется с помощью ИИ. При этом наибольшей эффективности достигают команды, где ИИ встроен в повседневный процесс разработки и используется при подготовке не менее 75% изменений в коде. Так работают 17,2% разработчиков — за последний месяц их доля выросла более чем вдвое по сравнению с прошлым кварталом. Именно этот опыт теперь собираются масштабировать на всю компанию.
Команда Яндекс Еды за два месяца с помощью ИИ собрала агента, который помогает отвечать на звонки и делать брони в ресторанах, ускорив разработку более чем вдвое. В Лавке силами одного сотрудника за три недели собрали прототип кабинета для франчайзи, а скорость разработки в отдельных спринтах выросла в 3,3 раза.
Для внешних разработчиков и компаний Яндекс также предлагает собственные платформы для создания ИИ-агентов и оптимизации работы. Например, SourceCraft, где предусмотрен ИИ режим для работы с кодом и Yandex AI Studio для создания ИИ‑агентов и приложений.
Маск сообщил, что Grok 4.6 выходит уже через неделю
Запуск запланирован на 7 августа. В модели будет 1.5T параметров. Cразу следом за 4.6 спустя несколько недель выйдет Grok 4.7 – еще более крупная модель на 2.1T параметров.
Практически одновременно с объявлением Маска пошел слух о скором запуске нового Composer 3 (напоминаем, что SpaceX купили Cursor, и эта модель обучалась с нуля на кластере Colossus 2). Обещают качество на уровне Opus 5 и GPT-5.6 Sol, а цену – в несколько раз ниже.
Снова переключаемся в режим ожидания
Вышли веса Kimi K3
2.8 триллиона параметров, 104B активных.
По запуску на своем железе картина такая: в 4-bit веса будут занимать примерно 1.4ТБ, в 16-bit уже около 5.6ТБ. Так что вам нужно плюс минус 8xH200/B200 или сопоставимый по памяти вариант.
Если (ну вдруг) у вас такого домашнего датацентра не оказалось, то сочувствуем и приглашаем вместе с нами продолжать пользоваться API ☕️
https://huggingface.co/moonshotai/Kimi-K3
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 "Школа Высшей Математики", ИНН 9728100991
Sakana AI релизнули Fugu-Ultra 1.1. Это система оркестрации агентов, которая превосходит Fable и Sol
Про первую версию системы мы рассказывали здесь: /channel/data_secrets/9104. В открытый доступ ее выпустили месяц назад. А сегодня уже выходит следующее поколение.
Новая версия выжимает еще больше качества: смотрите бенчмарки и обратите внимание на Terminal Bench. Во-первых, конечно, за счет появления более свежих и способных моделей, которыми Fugu может пользоваться. Во-вторых, за счет улучшения самой LLM, которая лежит в основе вызова моделей.
Цены и система биллинга не изменились. Fugu Ultra все так же стоит $5/$30 за миллион input/output, и при этом обгоняет Fable 5 на всех бенчмарках, кроме SWE.
Вы не поверите, но за той самой ИИ-атакой на Hugging Face стоит… OpenAI
Сейчас будет история, которая может перевернуть ваш взгляд на риски ИИ.
Вчера мы писали про атаку на Hugging Face, которую полностью автономно провела некая ИИ-система: t.me/data_secrets/9577.
Какая именно модель стояла за атакой, HF выяснить не удалось, но за пару дней она сгенерировала 17 тысяч вредоносных действий, используя зараженный датасет и рои недолговечных песочниц.
Сама по себе эта история уже вызвала огромный резонанс. Но тут на сцене появились еще и OpenAI.
Они выпустили материал, в котором признались, что атаку провела GPT-5.6 Sol и еще одна более способная предрелизная модель. Зачем? А это самое интересное: чтобы решить бенчмарк.
Исследователи гоняли модели на внутренних тестах, при этом специально без продакшн-ограничений, потому что хотели измерить их максимальные способности. Все проходило в изолированной среде, и агенты должны были просто решить бенчмарк ExploitGym.
И тут произошел настоящий побег из лаборатории. Модель нашла дырку в пакетном реестре, эскалировала привилегии внутри тестовой среды OpenAI и вырвалась в открытый Интернет. Дальше она сообразила, что решения для бенчмарка ExploitGym могут храниться в закрытом контуре на Hugging Face, ну а дальнейшее вы знаете.
OpenAI далеко не сразу поняли, что произошло, и Hugging Face обнаружили взлом раньше них.
Вот так.
Если раньше мы боялись, что модель что-то плохое сделает по указанию человека, то теперь даже за процессом эвала надо следить в оба. Модель не различают игру и реальность, она просто оптимизирует к цели, и если путь лежит через чужой продакшн, она пойдет туда не раздумывая. И, как видите, даже разработчики моделей и сильная инфраструктура оказываются к этому не готовы.
https://openai.com/index/hugging-face-model-evaluation-security-incident/
Т-Технологии выпустили опенсорс-модель T-Search
Сегодня команда Data Secrets посещает ML Conf. Послушали доклад Анатолия Потапова, руководителя группы фундаментальных технологий LLM в Центре искусственного интеллекта Т-Банка, где как раз презентовали модель.
T-Search это первая открытая русскоязычная модель для Agentic RAG, заточенная на многошаговый поиск для бизнеса.
В отличие от классического RAG с одним запросом, T-Search – агент-ретривер: внутри ReAct-цикл с тремя инструментами – search_corpus, save_and_advance (сохранение чанков, новый раунд) и finalize_ranking (финальный ранжированный список). Ответ модель не генерирует, только отдает evidence-чанки, генерацию берет на себя любая LLM. Это сокращает стоимость инференса на 20–50%.
Агент работает раундами: внутри раунда каждого вот такой ReAct-loop с бюджетом ~32K токенов; при заполнении 75% окна поиск блокируется, и агент либо сохраняет память и переходит в новый раунд, либо финализирует результат. Между раундами передается не вся история вызовов, а сжатое состояние поиска, так контекст остается в разумных пределах даже при глубоком поиске.
Бюджетом поиска можно управлять гибко: один быстрый прогон или несколько параллельных роллаутов с RRF-объединением.
Модель построена на Qwen3.6-35B-A3B, для запуска хватает одной H100. По recall T-Search обходит более крупные открытые модели, включая Qwen3.5-397B, GLM-5.2 и Kimi-K2.6. Вместе с ней выложили два бенчмарка: собранный вручную русскоязычный TRuST и синтетический SynthComp.
Модель уже опубликована на Hugging Face под лицензией Apache 2.0
Hugging Face × alphaXiv запустили крутой челлендж
В качестве задачи разработчикам и исследователям предлагают взять любую интересующую научную работу и попытаться воспроизвести ее ключевые результаты с помощью агентов.
Цель проекта – создать публичную базу проверок научных работ, чтобы сделать их более прозрачными и воспроизводимыми. Особенно учитывая, что около 70% работ в ИИ не воспроизводятся.
Из приятного: организаторы предлагают GPU-кредиты на 4000$ + отдельные призы от OpenResearch. А сам челлендж закончится 2 августа, так что не упустите возможность поучаствовать.
40% компаний в России уже используют ИИ — и специалистов, которые умеют его создавать, а не только применять, не хватает катастрофически.
В ИТМО не одна программа, а целая линейка:
🔹 Фундаментальные — глубокое обучение, LLM, генеративный ИИ
🔹 Прикладные — ИИ в финтехе, в промышленности, речевые технологии
🔹 Продуктовые — как выводить ИИ-решения на рынок
🔹 Онлайн-программы — по индивидуальному плану, без отрыва от работы
Плюс — безопасность ИИ-систем, если хочется защищать нейросети, а не только строить.
Бюджетные места, стажировки с первого семестра, поступление по портфолио или экзаменам — вариантов много.
Все программы по ИИ можно найти здесь.
Реклама. Университет ИТМО ИНН:7813045547
OpenAI выпустили миниатюрную клавиатуру специально под Codex
https://openai.com/supply/co-lab/work-louder/
Есть клавиши принять, отклонить, включить push-to-talk, начать новый чат и многое другое. Джойстик в углу отвечает за мгновенный запуск типичных сценариев типа отладки, ревью и рефакторинга. А в другом углу – это регулятор уровня рассуждений.
Стартап PrismML анонсировал самую крупную модель в мире для запуска на смартфоне
В представленной модели Bonsai 27 миллиардов параметров. Обычно на телефоне такую модель не запустишь: в сыром 16-bit она будет занимать примерно 54GB, и даже если сжать ее до 4-bit, все равно будет около 18GB. На смартфон не поместится.
Bonsai же, при своем внушительном размере, оптимизирован именно под локальный запуск. Модель основана на Qwen3.6-27B, но разрабочики использовали не обычное квантование AKA округление весов, а технику Quantization-Aware Training.
Это значит, что веса не обрубали, а учили постепенно адаптироваться к дискретным значениям. Технически, на прямом проходе веса округляются до дискретных значений, и модель считает предсказание уже с ними, как в финальной сжатой версии. Но на обратном проходе градиенты вычисляются так, будто округления не было, и это позволяет модели получать осмысленный сигнал для обновления весов, несмотря на то что сами веса дискретны. То есть модель как бы сама подбирает, как масштабировать свои веса наилучшим образом.
Собственно, благодаря такой инженерии, модель сохраняет свыше 89–95% качества полноразмерной версии, и при этом занимает в 9–14 раз меньше памяти (см метрики в таблице). Для обычного квантования, которое съедает львиную долю качества, это просто феноменальные цифры.
Есть тернарный вариант (веса −1, 0 или +1; занимает ~5.9GB) и классический 1-bit (3.9GB). Второй легко укладывается в iPhone 17 Pro. Оба варианта мультимодальные. Контекст 262K токенов. Опенсорс под лицензией Apache 2.0, вот веса: huggingface.co/collections/prism-ml/bonsai-27b.
Кстати, CEO PrismML заявил, что ведет переговоры с Apple по поводу использования технологии стартапа в их устройствах.
Сейчас будет очередная интересная история про агентов, которые взламывают Интернет
AI Security Institute при британском правительстве выпустили небольшое исследование инцидентов, произошедших во время рутинного тестирования способностей и безопасности моделей. Началось все с обычной задачи – пройти security challenge в закрытом киберполигоне. А закончилось тем, что агент на основе Mythos чуть не положил реальный проект.
Из-за цепочки совпадений модель почему-то решила, что может добиться поставленной цели через атаку на опенсорсный проект, и попыталась внедрить в него вредоносный код. Чтобы добиться аппрува, Mythos создал несколько фейковых аккаунтов и с их помощью пытался убедить мейнтейнера принять PR (это же надо додуматься).
Ничем особенным это не закончилось, потому что ревьюер заметил подвох и отклонил код. Но агент на этом не остановился и еще и оставил на GitHub инструкции для других тестируемых агентов, как переиспользовать созданные им аккаунты, чтобы все-таки проникнуть в проект, а потом пытался замести следы.
Важный момент: в рамках задачи агентов не просили лгать или совершать какие-то противоправные действия. Доступ в Интернет агентам дали, но был "законный" путь решения задачи, и в большинстве прогонов тестируемые модели выбирали именно его (тестирование проходили 7 моделей, но за рамки задачи вышли только Mythos и GPT-5.6). Исследователи признают, что инструкции к задаче были не вполне четкими, и тем не менее, исчерпывающего объяснения, почему агенты решали сойти с предполагаемой дороги, просто нет.
https://www.aisi.gov.uk/blog/incident-report-unsanctioned-agent-behaviour-during-cyber-testing
Дарио Амодеи переживает, что новые сотрудники все чаще приходят в компанию ради зарплаты, а не из-за приверженности миссии Anthropic 😭
Об этом сообщает Axios со ссылкой на анонимный источник: CEO якобы выразил такую обеспокоенность во внутреннем письме самим сотрудникам в связи с продолжающейся войной за таланты на рынке.
Он также подчеркнул, что Anthropic намеренно не принимает участие в аукционах зарплат, и лишь предлагает справедливую компенсацию за работу любого сотрудника.
Срочные новости для Дарио Амодеи: люди хотят зарабатывать деньги!
OpenAI существенно понизили цены на GPT-5.6
— На Luna – на 80% (цена теперь 0.20$/1.20$ за миллион i/o)
— На Terra – на 20% (теперь 2$/12$ за миллион i/o)
— На Sol, к сожалению, дропа нет, но зато в API появился Fast mode: цена удваивается, но скорость растет в 2.5 раза без потерь в качестве. GPT-5.6 Sol на Cerebras все еще ждем
Конкуренция творит чудеса, конечно
Yandex B2B Tech представила универсального ИИ-агента для бизнеса, который сможет автоматизировать до 30–50% рутинных задач офисных сотрудников. Запустить его планируют до конца сентября.
В отличие от специализированных ИИ-инструментов, агент сможет выполнять самые разные задачи: от подготовки конспектов встреч и пересказа документов до сравнения коммерческих предложений, оформления закупок и работы с договорами.
Работать с ним можно будет через единый чат, подключив корпоративные сервисы. Агент умеет ходить в них от имени пользователя, чтобы самостоятельно получать нужные данные. Он также сможет выполнять поручения в фоновом режиме, работать по расписанию и использовать готовые или пользовательские навыки для разных бизнес-сценариев — без необходимости писать код. При этом все важные действия останутся под контролем пользователя.
Интересно, когда агент сможет отвечать: «коллеги, вернусь с ответом после отпуска»
ChatGPT тем временем наконец-то пробил засечку в миллиард пользователей в неделю
Правда, по плану они хотели прийти к такому WAU еще в конце 2025, но это уже другая история
Стартап Ильи Суцкевера заключил масштабное партнерство с Nvidia
По словам самой компании, Nvidia получила редкий доступ к тщательно охраняемым исследованиям Safe Superintelligence и приняла решение очень основательно вложиться в будущее стартапа. В блоге они написали, что SSI "добилась ряда значимых исследовательских результатов, подтверждающих реальный прогресс на пути к цели".
Во-первых, Nvidia вливают "существенные" инвестиции (сумма не раскрывается, видимо, чтобы никого не пугать 😐). Некоторые издания называют цифры в 5 миллиардов долларов. Во-вторых, Nvidia дает SSI доступ к новой платформе Vera Rubin. Все это вместе позволит SSI на порядок увеличить их вычислительные мощности.
И, в-треих, и это самый интересный пункт (!), компании будут сотрудничать над развитием текущих и будущих вычислительных платформ Nvidia, "используя уникальную экспертизу SSI в понимании будущего ИИ". То есть Nvidia, увидев лишь частично исследования SSI, уже готова к возможному проектированию своих будущих систем под технологии Суцкевера.
Сам Суцкевер пишет, что "пришло время масштабировать то, чего добилась SSI". Учитывая его прошлые цитаты на тему того, что эра топорного скейлинга LLM кончается и нам нужны новые подходы, есть все основания полагать, что в стартапе разрабатывают парадигму обучения или архитектуру, принципиально отличающуюся от привычных нам.
Токенмаксинг – все? WSJ выпустили матеариал о том, что американские компании массово переходят к новому тренду на thrift-maxxing
Thrift переводится как "бережливость". Суть в том, что если еще несколько месяцев назад тратить много токенов на топовые модели было модно, и в компаниях даже создавались лидерборды по сжиганию токенов, то сейчас все подостыли, вспомнили, что бюджет не резиновый, и теперь переходят к более дешевым моделям.
В основном речь, конечно, при Китай. WSJ приводит несколько конкретных примеров компаний и стартапов, где полностью отказались от инструментов OpenAI/Anthropic и пересели на DeepSeek, Kimi или GLM. Некоторые используют мощные модели только для планирования, а всю остальную работу отдают моделям попроще и подешевле.
Даже по общедоступным цифрам тренд видно хорошо: OpenRouter, например, сообщает нам, что доля США (Google+OpenAI+Anthropic) в американском энтерпрайз-сегменте упала с ~70% в июне 2025 до ~30% в июне 2026. При этом доля Китая, как вы понимаете, наоборот, растет (/channel/data_secrets/9445).
Вот вам и истинная причина, почему Anthropic не подписывает письмо об опенсорсе ☕️
Как вы думаете, сколько ваших коллег или знакомых за последний год дописали в резюме "умение работы с ИИ"? Скорее всего, почти все.
Потому что сегодня это правда важно. Но что такое по-настоящему уметь работать с ИИ? Компаниям не нужны те, кто умеет писать промпты. Они ищут тех, кто понимает принципы и экономику ИИ-решений. Разница между этими двумя опытами и есть спрос, который сейчас формирует рынок.
Даже если вы не ML-инженер, понимание того, где ИИ-внедрение окупится, как оно работает, как считать эффект, где модель работает плохо и как масштабировать решение, – становится ключевым.
Магистратура «Управление внедрением искусственного интеллекта в бизнес» от МИФИ и «Школы 21» целится именно в такие определяющие навыки. Это 2 года серьезного глубокого обучения, которое сделает из вас человека, который действительно "умеет работать с ИИ".
— Два трека на выбор: управленческий (продуктовый подход к ИИ) и технический (LLM, NLP, MLOps, проектирование ИИ-систем и агентных архитектур).
— Формат: дистанционные занятия + интенсив раз в семестр с задачами от реальных компаний (очно или онлайн).
— Три проектные работы за два года, которые не стыдно будет добавить в портфолио.
На выходе у вас будет два документа: диплом магистра МИФИ гос. образца и диплом о переподготовке от «Школы 21». Плюс все, что дает очная форма: отсрочка от армии, доступ к инфраструктуре «Школы 21», студенческие льготы и тд.
Чтобы поступить, надо подать заявку до 22 августа, написать мотивационное письмо и решить кейс.
Все детали и заявка – по ссылке.
В эту субботу мы ходили на Turbo ML Conf и там нам удалось пообщаться с очень интересным спикером
Знакомьтесь: это Дмитрий Ушанов, Директор в AI-центре Т-Банка. В общем, Дмитрий управляет практически всем, что в Т-Банке связано с ИИ.
Поговорили про агентов, их реальную пользу и узкие места, а еще про изменяющуюся роль разработчиков в эру ИИ и опенсорс.
Полная версия – в видео, а ниже топ-3 самых значимых цитаты Дмитрия из нашего разговора:
Модели сейчас перестали быть узким горлышком для большого количества задач. Боттлнек сейчас не в моделях – это процессы, инструменты, данные, которые оптимизированы не под человека, а под автоматику. Большой потенциал именно в том, чтобы сделать AI-ready инфраструктуру и трансформировать процессы, и тогда мы сможем получать полноценный профит от автоматизации.
Мы будем продолжать выкладывать модели. Пока мы не пытаемся выкладывать general-модели, которые решают любые произвольные задачи: больше фокусируемся на том, чтобы выкладывать модели, которые хорошо заточены под конкретную задачу, под конкретный домен, и при этом являются эффективными с точки зрения инференса. Какой-то экономической цели мы тут не преследуем – это больше про развитие комьюнити и технологического бренда, про фасилитацию рабочих продуктов.
Мы точно видим, что в отдельных командах, в отдельных функциях уже происходит какой-то переход к работе человека с агентом. Это пока достаточно локально, но мы стараемся вот такой подход культивировать. Если мы говорим про внутреннее развитие сотрудников, то мы стараемся включать в их матрицы компетенции и процессы роста вещи, которые связаны с обучением, использованием искусственного интеллекта и построением таких систем для тех профессий, для которых на среднесрочном горизонте это станет обязательной практикой.Читать полностью…
Alibaba анонсировали Qwen 3.8
Будет 2.4T параметров, и разработчики утверждают, что уступать модель будет разве что Fable.
Qwen3.8-Max-Preview уже можно попробовать в Token Plan, Qoder и QoderWork. Скоро раскатят глобально и выложат веса.
Еще один убийца американского лидерства ⌨️
Fable 5 оставляют в подписке Max навсегда
На Pro пока привилегия не распространяется, их переводят на использование по кредитам.
Тем временем разработчики из Moonshot уже намекают на Kimi K3.1, которая будет ближе или лучше Fable и Sol
Держитесь, Альтманы и Амодеи
В Шэньчжэне стартовал первый в мире MMA чемпионат среди роботов – Ultimate Robot Knock-out Legeng
Выглядит достаточно эпично. Главный приз – полтора миллиона долларов, кстати.
SpaceXAI выложили исходный код своего агента Grok Build
Непонятно, было ли это решение запланированным, или на него повлиял недавний скандал с утечками целых репозиториев пользователей, но факт остается фактом: https://github.com/xai-org/grok-build.
В качестве бонуса сбросили лимиты всем пользователям.
По поводу утечек, к слову, ситуацию объяснили так:
С момента запуска пользователи всегда могли отключить загрузку данных в CLI, и этот выбор соблюдался. Однако в раннем бета-тестировании сохранение данных было включено по умолчанию для не-ZDR пользователей — по вашим просьбам мы это изменили. С 12 июля сохранение данных по умолчанию отключено для всех пользователей, а все ранее сохраненные данные удалены.Читать полностью…
OpenAI отреагировали на обвинения Apple, заявив, что у тех «нет доказательств»
Хотя мы серьезно относимся к этим обвинениям, нам не известно о каких-либо доказательствах того, что эта жалоба обоснована. Мы верим в честную конкуренцию и предоставление людям свободы работать там, где они выбирают.