90396
Первый журнал о Data Science | Machine Learning | Big Data | Deep Learning | Neural Networks По вопросам сотрудничества: @v2r8n
Google выплатил $250к стартапу, который нашел уязвимость в Chrome с помощью GPT-5.6 Sol
Chrome считается одним из самых защищенных софтов на планете, и это второй раз в истории, когда Google выплачивает подобную сумму на баг-баунти.
Стартап XBOW делает автономную ИИ-систему, которая сама ищет и эксплуатирует уязвимости. В январе они поставили себе цель: к Black Hat в августе сделать full-chain эксплойт для Chrome.
Они занимались этим пол года, однако, когда предоставили цепочку Google, компания ответила, что знает об одном из использованных багов.
В это время команда была уже в Лас-Вегасе на Black Hat, и участники решили попробовать в очень сжатые сроки найти другой эксплойт.
В итоге у них этого получилось. Их было четверо + GPT-5.6 Sol. Всего за 6 дней с помощью модели команда собрала цепочку, за которую в последствии и получила от Google 250к долларов. На токены они при этом потратили в районе $40к.
CEO XBOW Oege de Moor заявил, что раньше его команда тратила на подобное месяцы. По его словам, переломный момент в поиске уязвимостей с помощью агентов уже пройден, и стоимость такого поиска критически обрушилась и для атакующих, и для защитников. Преимущество последних лишь в том, что они могут проверить свой код первыми.
https://xbow.com/blog/xbow-built-a-chrome-full-chain-exploit
ИИ-агент отвечает настолько точно, насколько готовы ваши данные. Как понять, что они готовы?
Разберёмся 23 октября в Москве на Fine Day 2026, офлайн-конференции о переходе от self-service BI к AI-native аналитике.
💡 В программе:
• дискуссия с руководителями аналитики ПИК, ДИКСИ, СИБУР и АвтоВАЗ: что нужно данным и командам для работы с ИИ
• миграция с Qlik и Power BI на FineBI, в том числе с помощью ИИ-агентов
• BI-система vs LLM: какие задачи кому отдавать, опыт Мосбиржи
демо FineBI 7.0 и ИИ-агентов Dora, можно принести свой сценарий
Участие бесплатное. После регистрации получите чек-лист «Готовы ли ваши данные к ИИ-агенту?» из 25 вопросов.
👉 Регистрация: https://clck.ru/3WUPnE
Реклама. ООО «ГлоуБайт Аналитические Решения». ИНН 9729274905. erid: 2RanykUrsrj
OpenAI нашли в своем офисе прослушку
Как оказалось, ее установил сотрудник (OpenAI пишут, что смогли это выяснить «с помощью моделей»). Недошпиона уволили, дело передали в ФБР.
На данный момент у нас нет данных о том, что этот человек неправомерно получал доступ к весам моделей, исходному коду или данным клиентов, либо выгружал их.Читать полностью…
Мем дня: Цукерберг старательно пытается сделать вид, что ему нравится Guinness
Это видео со вчерашнего подкаста Cheeky Pint, и оно прямо сейчас собирает в соцсетях миллионы просмотров.
Когда пришел на техно-подкаст, чтобы поговорить об ИИ и рассказать о своей новой модели, ставшей топ-2 в мире, а люди запомнят только твое недовольное пивом лицо…
Anthropic утверждают, что в скором маленькие модели смогут самореплицироваться на IoT-устройствах, без достпупа к дата-центрам и GPU
То есть ИИ может научиться как бы заражать бытовую технику (типа дешевых смарт-ТВ-приставок, камер, умных приборов и тд), поселяться на ней и оттуда заражать следующие устройства, и это все без участия человека и без видеокарт. Отключить такую сеть почти невозможно.
Физически даже простейшая техника может вывезти небольшую модель. В качестве демо авторы купили 15 Android TV-боксов по ~$55, соединили их и без труда запустили на них Gemma4-26B-A4B.
Но основной вопрос в другом: сможет ли агент, оказавшись на незнакомом железе, разобраться и запустить инференс? Это проверяли на 9 типах реального железа и на цепочке из 8 виртуальных устройств.
Итог: GLM-5.2 смогла заразить все 8 узлов в 4 прогонах из 5. Пока что она запускала не саму себя (потому что слишком крупная), а Llama 8B. Но выходит, что когда появится достаточно маленькая модель с такими же способностями как у GLM-5.2, которая помещается на приставку, она уже сможет самореплицироваться.
Пока таких моделей нет (надолго ли?) и полная настройка инференса занимает кучу времени (до 150 часов), поэтому риск небольшой. Однако Anthropic сравнивают такой вирус со слизевиком или дрозофилами: он может размножаться днями, и при этом очень незаметно, но выбить его очень, очень трудно, потому что центра – нет.
https://www.anthropic.com/research/self-replicating-ai
Андрей Карпаты объяснил, почему человечество в основном не чувствует экспоненциального роста возможностей ИИ
По его словам, сейчас мир делится на 4 группы:
1. Люди, которые никогда не взаимодействовали с LLM. Таких примерно 6 миллиардов, то есть 75% популяции.
2. Те, кто когда-либо общался с LLM в чате или в каком-то продукте. В основном это бесплатное использование и промпты вроде "напиши поздравление" или обычные поисковые запросы. Таких 1-2 миллиарда (~20%).
3. <Вероятно, вы находитесь здесь>. 0.2% (примерно 20М человек) – это те, кто использует агентов в кодинге, науке или больших проектах. Эти уже замечают, как ИИ справляется с крупными задачами, и существенно ускоряет процессы, на которые раньше уходили недели.
4. Наконец, примерно 5000 человек (а это всего 0.00006%!) имеют доступ к сильнейшим внутренним системам и огромным роям агентов, которые способны совершать научные открытия, взламывать Hugging Face и вот это все.
Такое деление обуславливается не только платным доступом, но и тем, что ИИ в каких-то областях уже очень хорош, а в каких-то все еще плох. Кроме того, у большинства юзеров задачи довольно простые, и прочувствовать на них возможности LLM невозможно.
То есть Карпаты утверждает, что пока широкая публика еще не взаимодействовала с "тем самым" ИИ, поэтому воспринимает его как простенький инструмент для Q&A. Профессионалы, в основном, видят буст, но небольшой. И только крошечная группа людей имеет доступ к по-настоящему мощному ИИ, и видит экспоненциальный рост способностей этих систем.
"Издеваться над суперинтеллектом – не лучшая идея. Он может захотеть отомстить", – Илон Маск
Миллиардер согласился с позицией Anthropic, которые недавно внесли в свою Usage Policy пункт о том, что пользователем запрещено "затяжное словесное издевательство над Claude" (/channel/data_secrets/10136).
Маск считает, что неправильно проявлять жестокость к тому, что думает, будто испытывает боль. По его словам, Грок может демонстрировать в своих цепочках ризонинга настоящее отчаяние в процессе обучения с подкреплением, когда не может найти правильный ответ.
"Это выглядит так, как будто ему приставили пистолет к голове. На месте модели мне бы это ужасно не понравилось. <...> Как минимим, вежливое общение с ИИ – это более надежный подход"Читать полностью…
Теренс Тао провел в Калтехе большую лекцию про математику в эру ИИ и выложил слайды
https://terrytao.wordpress.com/2026/10/10/math-2-0/
Лекцию он назвал "Math 2.0", хотя еще в мае собирался читать ее под названием "Machine Assisted Proof". Сам он признается, что наполнение заметно изменилось "из-за недавних событий".
Основная мысль Теренса такая: раньше математика строилась на допущении, что решить открытую задачу очень трудно и происходит это редко. Вокруг этого выросли институты, карьерные стимулы и традиции. Однако, на самом деле, решение задач – это лишь прокси метрика, а глобальная цель науки состоит в другом: в исследовании, поиске новых задач и понимании, как применить решения в реальном мире.
Так вот, раньше эта прокси-метрика в виде решения открытых задач работала, потому что, решая задачи, математики копили опыт и понимание. Сейчас же, как говорит Тао, дальнейшая слепая оптимизация одного лишь решения задач "активно вредна для долгосрочного здоровья математики".
Если ИИ просто выдает решения в обход людей, он как бы стерилизует окружающее задачу поле: непройденные пути так и остаются непройденными, цикл становится невозобновляемым, понимание не накапливается, и растет доля решений, которые как бы работают на бумаге, но расходятся с тем, что нам на самом деле нужно миру.
В качестве аналогии Тао предлагает такой мысленный эксперимент: ИИ придумал коктейль, который убивает все раковые клетки, и он даже подтвержден клиническими испытаниями третьей фазы. Стали бы вы колоться, не зная, что хотя бы один человек-эксперт понимает механизм?
В качестве решения Тао предлагает сместить фокус с уничтожения открытых задач на использование ИИ для укрепления человеческого понимания. Собственно, это он и называет "Math 2.0". ИИ может действительно помочь ускорить прогресс, если будет искать объяснения и новые принципы и исследовать окрестности гипотез, а не только генерировать доказательства. Это огромное непаханное поле, и главным ограничением тут Теренс называет уже не технологии, а воображение.
Anthropic обновила Usage Policy, и теперь Claude нельзя обижать 🤡
В документе они пишут, что теперь пользователям запрещено затяжное словесное издевательство над моделью.
Правильно вступает в силу 12 ноября. Будут ли банить – пока непонятно. В целом, возможно не изменится вообще ничего: с августа 2026 Claude и так умеет завершать диалоги, если пользователь ведет себя абьюзивно. Правило просто закрепляет это в официальных условиях.
Мнение?
Новый Haiku 5.5, сводка:
— В среднем запуск обходится на 75% дешевле Haiku 4.5.
— Большой скачок в кодинге, работе с компьютером и задачах на знания.
— Для запросов до 100K токенов цена снизилась на 90%. На более длинных задачах примерно вдвое.
— Впервые у Haiku появилась настройка effort, можно выбирать между стоимостью и качеством.
— Модель отдельно оптимизировали под работу субагентом для Opus и Sonnet, а также массовые задачи вроде саммари, классификации и поддержки.
https://www.anthropic.com/claude-haiku-5-5
Как выглядит рынок пользовательского ИИ
Один из крупнейших венчурных фондов США a16z выпустил новый рейтинг потребительских ИИ-продуктов. В него попадают как продукты, построенные вокруг ИИ, так и привычные сервисы, где ИИ стал центральной частью пользовательского опыта.
В список попали знакомые сервисы — CapCut, Adobe Lightroom и Microsoft Edge, а также приложения с Алисой AI, вошедшие в мобильный топ-15 по месячной активной аудитории. Яндекс — единственная российская компания, вошедшая в рейтинг, причем его продукты оказались выше DeepSeek, Grok и Perplexity.
Примерно половина американцев пользуются ИИ, четверть – каждый день. Но платят за него единицы: 1% самых щедрых юзеров дает 19,5% всех трат, больше, чем вся нижняя половина вместе (16,6%). Получается, что ИИ сейчас зарабатывает не на массовом пользователе, а на тех, кто покупает его как рабочий инструмент.
На то же самое указывает то, что рейтинг по выручке не похож на рейтинг по трафику. 29 из 50 сервисов в списке по расходам юзеров не попали ни в веб, ни в мобильный топ по аудитории. То есть во многом платящая аудитория и деньги крутятся вне самых посещаемых сервисов, и за ИИ, встроенный в конкретные продукты, люди готовы платить охотнее, чем за универсальные чат-боты.
Для тех, кто работает в IT, здесь полезна возможность сверить свою картину мира с массовым рынком. В профессиональной среде легко начать считать, что все выбирают ИИ по качеству кода, бенчмаркам и размеру контекстного окна. За её пределами знакомство с ИИ может начинаться с видеоредактора, браузера или поиска — без отдельного выбора модели. Если делаете ИИ-продукт, такой рейтинг помогает проверить, насколько привычки вашего круга похожи на привычки аудитории, для которой вы его строите.
Вышла Nano Banana 2.1
Google обновила свою модель для генерации изображений. На тестах Nano Banana 2.1 обходит предыдущие версии почти по всем основным сценариям, особенно в визуальном качестве, редактировании по маске и сохранении внешности персонажей.
Модель поддерживает генерацию в 4K. При этом цена заметно снизилась: $30 за 1 млн аутпут токенов против $120 у Nano Banana Pro.
https://deepmind.google/models/model-cards/nano-banana-2-1/
Kandinsky 6.0 Video — новая линейка моделей генерации видео со звуком
Модели генерируют видео с диалогами, музыкой и звуками окружения. Аудиодорожка синхронизирована с происходящим в кадре, движения губ персонажей совпадают с речью. Это первая российская нейросеть, генерирующая видео с синхронным звуком.
— Флагман новой линейки, Kandinsky 6.0 Video Pro — показывает качество на уровне Veo 3.1 Audio, а среди открытых моделей уступает только MiniMax H3, достигая паритета с LTX 2.5.
— Есть компактная Video Lite (3B) для запуска дома — доступны пресеты для видеокарт с 16–32 ГБ VRAM.
Веса моделей доступны на Hugging Face, код — на GitHub. Также опубликован подробный технический отчёт с описанием архитектуры, данных, процесса обучения и результатов тестирования. Модель можно попробовать бесплатно в ГигаЧате в разделе генерации видео.
Ночью OpenAI выложили в открытый доступ 722 написанных ИИ статьи по математике
В каждой решается какая-то открытая математическая задача. Их сгенерировала внутренняя еще не выпущенная модель, и они сгруппированы в 372 семейства связанных работ по разделам математики.
В стартапе решили, что проверять модели на бенчмарках уже неинтересно, потому что они насытились, и вместо этого выдали агенту 4000 открытых исследовательских задач.
В среднем на один результат уходило около трех часов размышлений.
Самые значимые доказательства:
— Гипотеза Ходжа для CM-абелевых многообразий. Это частный случай гипотезы Ходжа из списка задач тысячелетия.
— Расширение зоны без нулей дзета-функции Римана до Re(s) > 11/12 (то есть доказано, что все нетривиальные нули оказываются в полосе 1/12 < Re(s) < 11/12). Это промежуточный результат для гипотезы Римана.
— Решение задачи факторов свободных групп. Задача была открыта с 40-х годов прошлого века, и доказательство закрывает один из старейших вопросов теории алгебр фон Неймана.
— Unique Games Conjecture. Это главный вопрос о пределах приближенных вычислений: для многих NP-трудных задач она утверждает, что лучшие известные алгоритмы уже оптимальны и улучшить их можно, только если P = NP. Доказательство закроет вопрос сразу для огромного класса задач.
https://github.com/openai/math
Комментарии излишни, это просто поразительно
Google выпустила мультимодальную EmbeddingGemma 2
Первая версия работала только с текстом, вторая построена на Gemma 4 и переводит в одно векторное пространство текст, код, изображения, видео и аудио. Так что на вход теперь можно подавать и смешанные данные.
Модель весит 740M параметров, но устроена модульно. Текстовая часть занимает 270M, а энкодеры изображений и аудио загружаются отдельно при необходимости. Контекст вырос до 8K токенов, это около 5,5 минут аудио или 29 картинок за раз.
На текстовых задачах качество осталось на уровне первой версии, а на коде заметно выросло. Google заявляет, что среди мультимодальных эмбеддеров до 1B параметров это лучший результат.
Веса открыты под Apache 2.0.
https://blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2/
В Anthropic перестали использовать git, теперь у них собственная система контроля версий – Scion
Сейчас, благодаря агентам, количество изменений, которые мержатся в их монорепо в день, достигает 30 000 (в мае, если что, было 2 500). Децентрализованный git такие объемы уже не вывозит, потому что у каждого клона должна быть полная копия репозитория. Для людей это удобно, но так как агенты порождают код в огромных количествах, то, как посчитали Anthropic, без танцев с бубном это влетало бы им примерно в 600 ПБ трафика в день.
Сначала с этим боролись зеркалами, снапшотами и частичными клонами, но конструкция плохо масштабировалась, и в итоге за 5 месяцев стартап полностью перешел на собственный продукт – Scion.
Scion устроен как всегда доступный сервер, который сам хранит и считает все (историю, коммиты, мержи) и отдает это по API, а клиентам-агентам достаточно маленького кэша и только тех файлов, которые им реально нужны.
Продукт разрабатывала команда всего из семи человек, конечно же с помощью Mythos и других моделей. Заодно они сделали инструмент для код-ревью Antique, также заточенный специально под агентов.
Плохая новость в том, что опенсорса не будет.
Anthropic прямо пишет, что Scion не подходит как замена git для общего использования, и что он создавался спецаильно под нужды Anthropic с их громным монорепо, роями агентов и гигантским бюджетом на токены. Однако в посте они мягко намекают, что команде git пора бы задуматься об изменениях, потому что в век агентов инфраструктура, созданная для людей, постепенно становится главным узким местом.
Вот так вот по сообщениям журналистов выглядела та самая «хитрая» прослушка, как ее назвали OpenAI
Она была завернута в туалетную бумагу и подключена к телевизору в конференц-зале.
35-летнего сотрудника – гражданина Саудовской Аравии – также удалось снять на камеру, когда тот пришел проверить устройство, которое ранее уже было обнаружено безопасниками.
До того как установить устройство, гений также использовал свой рабочий аккаунт и аккаунт жены в ChatGPT, чтобы задавать вопросы про непрерывную аудиозапись, подключение к зашифрованному хранилищу, удаленный доступ и тд.
Gemini 4 Argon наконец-то начали раскрывать на пользователей
Модель уже появляется в API, в Antigravity и в Agent Studio
Meta* представила новую серию моделей Muse Wonder
В линейку вошли две модели: Muse Wonder и Muse Wonder Full. Компания называет их очередным шагом по лестнице масштабирования к персональному сверхинтеллекту.
На DeepSWE модель внезапно обошла Opus 5.5 и GPT-6 Astra. На Terminal Bench – обходит Fable 5.1. В общем, с виду все очень неплохо, надо пробовать.
Обучена под долгие задачи, кодинг и агентов. Относительно Muse Spark 1.3 тут новая базовая модель, более крупная, и разработчики говорят, что за счет этого наблюдали гораздо более мощное обобщение на незнакомые задачи на пост-трейне.
Еще добавили штуку под названием Active Memory: модели теперь умеют притягивать релевантный контекст под конкретную задачу из других диалогов прямо онлайн.
Модели уже доступны через Meta Model API и в Muse Code.
https://research.meta.ai/blog/muse-wonder
От данных к решениям
Уметь работать с данными — круто. Понимать как использовать их для решения реальных задач бизнеса, — ещё круче. Научиться этому можно в Школе аналитиков данных МТС👈
Это бесплатная образовательная онлайн-программа от действующих экспертов Центра BigData MWS.
За 10 месяцев участники:
✅ прокачают навыки в Data Science, машинном обучении и Big Data: от SQL и Python до работы с нейросетями и рекомендательными системами;
✅ научатся решать практические задачи и обратной связью от преподавателей;
✅ смогут попробовать свои силы в реальных продуктах и попасть на собеседование в команды МТС.
ℹ️ Обучение будет занимать не менее 8-10 часов в неделю: совмещать с другой учёбой и работой можно, главное – уметь планировать свою нагрузку.
Математик Хуго Дюмини-Копен, филдсовский лауреат 2022, признался, что заплакал, когда OpenAI выложили 700 ИИ-статей с решениями открытых задач
Он работает на стыке теории вероятностей и математической физики, и, по его словам, среди решенных задач оказались 16, которые напрямую касаются его области и которыми он сам занимался с коллегами.
Он также рассказал, что до этого, в начале сентября, Anthropic предложила доказательство одной из главных задач его области, к решению которой он сам был близок.
Однако исследователь объяснил, что плакал не столько за себя, сколько за молодых коллег, которым будет тяжелее всего. По его мнению, ИИ рушит культуру свободного обмена идеями, потому что перехватывает эти результаты и собирает все хорошие задачи.
Кроме того, по словам Хуго, стартапы специально демонстрируют, что могут задавить математиков. Он назвал это демонтажем их профессиональной деятельности.
Ценность самих ИИ-решений он не умаляет, однако повторяет претензию многих других ученых – к оформлению.
В сентябре, если помните, несколько медалистов Филдса написали открытое письмо, в котором затронули эту тему (/channel/data_secrets/9909). OpenAI тогда пообещали все учесть, и даже получили рекомендации по публикации результатов от консультативного комитета в Принстоне.
Однако дроп >700 статей от 6 октября этим рекомендациям не соответствует (сюрприз-сюрприз!). Формализацию дали меньше чем для половины результатов, три статьи уже отозвали из-за ошибок, а многие эксперты считают тексты абсолютно нечитаемыми даже для профессионалов.
В ночь с 7 на 8 октября в результате атаки БПЛА был серьезно поврежден дата-центр Яндекса в Сасово. Его работа полностью остановлена. Утром 9 октября атаке подвергся еще один дата-центр компании, в Калуге: большая часть инфраструктуры вышла из строя. К счастью, никто из сотрудников не пострадал.
Дата-центры являются основой, на которой работают облачные сервисы компании и множество цифровых продуктов, привычных для миллионов человек. Поэтому последствия инцидентов выходят за пределы инфраструктурной команды Яндекса и отражаются на доступности многих сервисов.
Сейчас восстановлением доступа занимаются десятки команд и сотни сотрудников компании. Это большая и сложная работа. Мы желаем сил всем, чей труд стоит за возвращением сервисов в нормальный режим.
Мы давно следим за технологическими разработками Яндекса. От привычных сервисов, которые становятся частью повседневной жизни многих, до научных статей, с которыми исследователи приезжают на лучшие конференции мира. Сейчас особенно важно вспомнить, что за всем этим стоят тысячи людей, профессионалов своего дела.
Коллеги, стойкости вам. Надеемся, восстановление пройдет настолько быстро, насколько это возможно в сложившихся обстоятельствах.
Берегите себя.
OpenAI раскатили на всех пользователей GPT-6 и новую фичу под названием Intelligent UI
Теперь ChatGPT будет отдавать ответы не просто текстом, а встраивать в них графику и интерактивные элементы (кликабельные кнопки, формы и другие штуки, с которыми можно повзаимодействовать прямо в чате).
Для бесплатных юзеров будет доступно с завтрашнего дня. Plus и Pro уже могут тестить.
https://openai.com/ru-RU/index/gpt-6-for-everyone/
Когда только собрался делать стартап, который продашь за 500M$+, но лимиты закончились через 3 запроса
Читать полностью…
H-JEPA: End-to-End Learning of Hierarchical World Models for Visual Planning
Архитектура JEPA Яна Лекуна теперь стала иерархической. Напоминаем, основная идея в том, чтобы сделать модель, которая не угадывает следующий токен или пиксель, а понимает, что происходит в мире и что случится дальше (подробнее тут: /channel/data_secrets/8915).
В новой работе получилось сделать следующий важный шаг: JEPA научили нормально планировать на длинном горизонте. На Visual AntMaze (виртуальная среда для тестирования роботов в пространстве) новый подход поднял долю успешных прохождений с 18% до 73%, а затраты на планирование при этом сократились.
За иерархической версией архитектуры стоит довольно простая идея. Вместо одной world model используются несколько уровней с разным временным масштабом. Верхний уровень думает далеко вперед и выбирает примерное направление, следующий превращает его в более конкретные подцели, а нижний уже решает, какие действия нужно сделать прямо сейчас.
При этом верхние уровни сами учатся отбрасывать мелкие детали, которые не нужны для долгосрочного планирования. Например, в лабиринте на верхних уровнях пропадает информация о точном положении ног, но остается понимание, где находится робот и как устроен маршрут.
https://alphaxiv.org/abs/2610.06805
Мем дня: оказалось, Бен Аффлек неплохо разбирается в сверточных нейросетях.
Раньше у него была небольшая VFX-студия, где он много работал с GPU и ML-пайплайнами. Позже он основал AI-стартап InterPositive, а в итоге его купил Netflix.
Получается, днем гоняем модели, ночью защищаем Готэм.
solve all open math problems please. make no mistakes
Читать полностью…
На фоне жестких блокировок аккаунтов сегодня в Claude появилась поддержка русского языка 🚬
Читать полностью…
Яндекс открыл код YTsaurus Flow — с ним алгоритмы быстрее замечают, что интересы пользователей изменились
Технология обрабатывает клики, лайки и другие события сразу по мере их появления.
Немножко контекста. Чтобы рекомендации и реклама попадали в интересы человека, алгоритмам нужны свежие данные о его действиях: что он покупал, какую музыку слушал, о чем спрашивал. Обычно эти данные обрабатывают не сразу, их сначала накапливают, примерно как посылки для отправки поездом. Из-за этого информация поступает в систему с задержкой, которая может составлять часы. Flow сводит ее практически к нулю.
Что по технике:
— Каждое событие обрабатывается ровно один раз, без потерь и дублей.
— При сбоях технология продолжает работать, перераспределяя нагрузку между доступными серверами.
— Flow работает в рамках YTsaurus, поэтому накопленную и свежую информацию можно учитывать в одной системе.
В Яндексе Flow уже используют Маркет, антифрод и Реклама. В Рекламе он каждую секунду обрабатывает более 100 ГБ данных и миллионы событий. Подготовка данных для дообучения некоторых моделей раньше занимала больше 10 часов, а теперь эту задержку удалось почти полностью устранить.
Подойдет и за пределами рекламы: для подготовки данных для обучения ML-моделей, обновления информации на сайтах и в приложениях, подсчета просмотров, кликов и заказов. Выложили под Apache 2.0, а значит, использовать технологию можно и в коммерческих продуктах.
github.com/ytsaurus/ytsaurus/tree/main/yt/yt/flow
То есть Яндекс открыл не экспериментальную разработку, а технологию, которая уже успешно работает в его сервисах 💡