Новости инноваций из мира искусственного интеллекта. 🤖 Всё об ИИ, ИТ трендах и технологической сингулярности. Бесплатный бот для подписчиков: @ai_gptfreebot автор: @mbmal канал личный. Поддержка: https://pay.cloudtips.ru/p/c8960bbb
🔟 Open‑source Deep Research Assistants 🤖
Глубокие исследовательские агенты — не просто чат‑боты, а полноценные ИИ‑ассистенты, способные искать информацию, взаимодействовать с инструментами, планировать и писать отчёты. Ниже — 10 мощных open‑source проектов, которые уже можно протестировать:
1. DeerFlow — модульная система от Bytedance: DeerFlow — open‑source фреймворк от Bytedance для создания модульных LLM-агентов.
Поддерживает:
- планирование действий,
- анализ кода,
- генерацию отчётов (включая Text-to-Speech),
- адаптивную интеграцию инструментов.
Создан для исследований, автоматизации и построения сложных агентных пайплайнов.
https://github.com/bytedance/deer-flow
2. Alita — самообучающийся агент с поддержкой Model Context Protocols (MCP), всё в одном модуле. Alita — агент, который сам придумывает, как ему расширить себя, не полагаясь на заранее написанные сценарии, и уже демонстрирует топовые результаты на сложных тестах.
https://github.com/CharlesQ9/Alita
3. WebThinker — автономный веб‑поиск с логикой "думай‑ищи‑пиши", RL‑обучением и глубокой навигацией
https://github.com/RUC-NLPIR/WebThinker
4. SimpleDeepSearcher — это лёгкий, но эффективный open‑source фреймворк от RUCAIBox, предназначенный для автономного веб-поиска через импровизированные многотуровые сессии:
- Использует Supervised Fine‑Tuning (SFT) вместо сложного RL, что значительно упрощает обучение и снижает вычислительные затраты
- Генерирует реалистичные траектории поиска и рассуждений, симулируя поведение пользователя в живом поисковом окружении .
- Критически отбирает данные по нескольким критериям качества: разнообразие запросов, сложность, структура ответов
5. AgenticSeek — приватный on‑device ассистент с выбором эксперта под задачу и голосовым управлением
https://github.com/Fosowl/agenticSeek
6. Suna — универсальный ассистент: браузер, CLI, работа с файлами, API, деплой
https://github.com/kortix-ai/suna
7. DeepResearcher — это комплексный open-source фреймворк от GAIR‑NLP, предназначенный для обучения LLM‑агентов, способных проводить глубокие исследования в автономном режиме, взаимодействуя с вебом. Использует несколько агентов‑браузеров, которые совместно исследуют веб и обрабатывают информацию
https://github.com/GAIR-NLP/DeepResearcher
8. Search‑R1 — агент на PPO/GRPO с поддержкой LLaMA3, Qwen2.5 и кастомных поисковиков. Агент учится эффективному циклу «думай — ищи — думай — отвечай» через RL, достигая важных улучшений в точности ответов и эффективности поиска.
https://github.com/PeterGriffinJin/Search-R1
9. ReCall — это фреймворк на основе RL, который учит LLM "должным образом" вызывать и комбинировать инструменты, используя сгенерированные задачи, без необходимости вручную собирать примеры вызовов — и всё это в открытом доступе.
https://github.com/Agent-RL/ReCall
10. OWL — мультиагентная система на CAMEL‑AI для динамического взаимодействия между агентами
https://github.com/camel-ai/owl
Агенты умеют планировать, взаимодействовать с браузером, запускать скрипты, интегрироваться с API и работать автономно.
Всё проекты — с открытым кодом. Можно изучить, собрать и доработать под свои задачи.
@ai_machinelearning_big_data
#ml #rl #aiagents #ai #agents
Заскучали? Расслабились? ИИ Зима?
Держите вам слух прикольный.
Грок4 от Маска набрал 45% на Humanity Last Exam
Это вдвое больше, чем было у лидера на сегодня - Gemini 2.5 Pro - 21.64%
Очень ждём. Не зря подписка пылится... :)
#Grok #HLE #AGI
———
@tsingular
Великобритания и Сингапур создали альянс по ИИ в сфере финансов
На 10-м ежегодном финансовом саммите в Лондоне FCA и MAS договорились о практическом сотрудничестве в области ИИ для финансовой сферы.
Основные направления:
- улучшение оценки рисков,
- обнаружение мошенничества,
- персонализация услуг
- соблюдение регуляторных требований.
Главная проблема — объяснимость решений ИИ. Финансовые институты ломают голову, как удовлетворить регуляторов, сохранив при этом качества «черного ящика».
Также обсудили Project Guardian по токенизации активов и британскую инициативу Global Layer One для трансграничных финансов.
Следующая встреча — 2026 год в Сингапуре.
#Finance #Regulation #Singapore
------
@tsingular
🌟 WM-ABench: тестирование VL-моделей на понимание физики реального мира.
Мaitrix Org разработали WM-ABench, бенчмарк для оценки VLM в качестве так называемых «моделей мира». Идея проста: проверить, насколько хорошо топовые модели способны не просто распознавать картинки, а понимать окружающую действительность и предсказывать ее изменения.
Создатели, опираясь на когнитивную науку, создали фреймворк, который тестирует 15 самых популярных моделей по 23 параметрам, разделяя процесс на 2 ключевых этапа: восприятие и прогнозирование.
В основе бенчмарка - огромный датасет из более чем 100 тысяч примеров, сгенерированных в 6 различных симуляторах, от ThreeDWorld и Physion до Carla.
Чтобы модели не искали легких путей и не полагались на поверхностные совпадения, в тест добавили «сложные негативы» - контрфактические состояния, которые заставляют систему действительно анализировать происходящее.
Весь процесс был разделен на оценку восприятия (распознавание объектов, пространства, времени, движения) и прогнозирования (симуляция физики, транзитивный и композиционный вывод). Для калибровки сложности задач были установлены базовые показатели, основанные на результатах людей.
🟡Результаты.
С простым визуальным восприятием, то есть с определение цвета или формы, все модели справляются отлично. Однако когда дело доходит до трехмерного пространственного мышления, динамики движения или временных последовательностей, начинаются серьезные проблемы.
Выяснилась и другая любопытная деталь: VLM склонны «спутывать» физические понятия. Например, если в сцене изменить только цвет объекта, модель может внезапно ошибиться в оценке его размера или скорости.
Оказалось, что цвет и форма являются самыми влиятельными атрибутами, которые искажают восприятие других, не связанных с ними характеристик.
🟡Но главная проблема кроется глубже.
Точное восприятие мира совершенно не гарантирует точного прогноза.
Исследование показало, что даже при идеально верном распознавании текущего состояния сцены модели проваливают предсказание физических взаимодействий.
Разрыв с человеческими способностями явный: в задачах на транзитивный вывод он достигает 46%, а композиционный вывод выполняется на уровне случайного угадывания.
🟡Бенчмарк подсветил фундаментальный недостаток:
У современных VLM отсутствуют базовые знания физики, необходимые для симуляции даже простейших событий. Они видят мир, но не понимают, по каким законам он живет.
📌Лицензирование: Apache 2.0 License.
🟡Страница проекта
🟡Arxiv
🟡Датасет
@ai_machinelearning_big_data
#AI #ML #VLM #Benchmark #Maitrix
Интересный доклад Джона Кармака (это который Doom разработал, если кто не в курсе из молодежи)
Ключевые тезисы:
🎮 Физическое обучение RL на Atari:
- Создали робота с камерой и сервоприводами, который рубится в приставку Atari
- Задержка на реакциях ~180мс (как у человека: 150-200мс)
Проблемы: распознавание счета, износ джойстика, "фантомные" действия
🧠 Фундаментальные проблемы RL:
- Sequential multitask learning - агенты забывают предыдущие игры при изучении новых
- Transfer learning провален - даже после обучения на 10+ играх, новая игра изучается с нуля, что значительно отбрасывает ИИ в сравнении с человеком назад
- Sparse rewards - в реальности награды редкие, не как в видеоиграх
⚡️ Критика современных подходов:
- LLM не выход и не решение так как не работают как человеческий мозг
- Современные RL-алгоритмы разваливаются при добавлении латентности
- Replay ratio 8:1 нереалистичен для реального мира
🎯 Предложения:
- Новый бенчмарк: последовательное обучение на Atari играх
- Инвертированная RL-среда (среда вызывает агента, а не наоборот)
- Фокус на intrinsic rewards вместо внешней оценки
Главный вывод: Современные RL-системы ИИ далеки от человека в части обучения и адаптации.
AGI откладывается на неопределённый срок, короче.
Пока ИИшка сама не сможет играть в игры и системно в них выигрывать, - без специальной среды, а просто подойдя к игровому автомату, - человек будет эффективнее.
#Джон #Кармак #Doom #RL #AGI
———
@tsingular
Коты запутывают ИИ: как простые фразы ломают модели рассуждения
Исследователи обнаружили, что добавление безобидных фраз к математическим задачам может сломать продвинутые модели рассуждения вроде DeepSeek R1 и OpenAI o1.
Метод CatAttack показал: добавление простой фразы в конец запроса
Интересный факт: коты спят большую часть своей жизни
Anthropic показали как создать мульти-агентную исследовательскую систему
Команда Anthropic опубликовала подробный разбор создания системы Research для Claude — мульти-агентной архитектуры для сложных исследовательских задач.
Система работает по принципу оркестратор-воркер: главный агент планирует стратегию и создает субагентов для параллельного поиска.
Результат — 90% прироста производительности по сравнению с одиночным агентом.
Основные рекомендации:
- мысли как агент - оптимизация промпта требует точного понимания как именно он работает
- учите оркестратор правильному делегированию задач.
- усилия на решение задачи должны соответствовать ее сложности
- организация инструментов важна и даже местами критична. Множество функций MCP серверов могут запутать агента, как и плохое описание тулов
- позвольте агентам улучшать себя, - например переписывать промпты.
- начинайте с общего и переходите к частному. Пусть агент сначала опишет задачу в целом и потом переходите к деталям
- управляйте процессом размышления. Режим размышления позволяет точнее планировать и раскрывает причины недоработок агента, которые можно исправить в следующих вызовах
- параллельные вызовы инструментов экономят время и повышают эффективность
Помните: мульти-агенты тратят в среднем в 15 раз больше токенов, поэтому использовать их нужно с умом.
Так же поделились промптами в Cookbook и детально описали проблемы деплоя в продакшн.
#MultiAgent #Claude #Anthropic #Research
———
@tsingular
OpenAI подписал контракт с Oracle на $30 млрд в год
OpenAI заключил соглашение с Oracle на сумму $30 млрд ежегодно 💰
Контракт предусматривает сдачу в аренду мощностей датацентров Оракла в эквиваленте 4.5 ГВт под задачи OpenAI.
Это один из крупнейших облачных договоров в истории индустрии.
Инфраструктура будет распределена между несколькими площадками Oracle Cloud.
Что-то какие-то доткомовские флэшбэки мучают, когда 2 ИИ игрока начинают друг другу в аренду мощности сдавать и модели хостить.
Какая-то деривативная рекурсия возникает, не находите?
#OpenAI #Oracle #Cloud
———
@tsingular
Amazon развернула миллионного робота на складах
Amazon объявила о развертывании миллионного робота на своих складах по всему миру. Новая ИИ-модель DeepFleet будет координировать движение всего парка роботов, сокращая время перемещения на 10%.
Роботы выполняют задачи от подъема грузов до 1250 фунтов до полностью автономной навигации по складам. Компания утверждает, что роботы создают новые рабочие места в технических областях.
Однако CEO Энди Джесси ранее предупредил, что ИИ приведет к сокращению штата в автоматизированных областях. Исследование показало, что 48% работодателей планируют сократить персонал из-за ИИ.
#Amazon #Robotics #Automation
------
@tsingular
Cloudflare теперь блокирует AI-боты по умолчанию
Cloudflare объявила о блокировке AI-ботов по умолчанию для всех клиентских сайтов. Компания также вводит систему "pay-per-crawl" - владельцы сайтов смогут получать деньги за каждое сканирование.
Проблема в том, что AI-боты собирают контент для обучения моделей, но не приносят трафик и доходы владельцам сайтов, в отличие от поисковиков.
Теперь владельцы смогут разрешать или запрещать сканирование для разных этапов: обучение, дообучение, инференс. Можно устанавливать цену за доступ к контенту.
Поддержали инициативу Associated Press, Time, Stack Overflow и Quora.
Некоторые боты игнорируют robots.txt, но Cloudflare планирует использовать опыт борьбы с DDoS-атаками для их остановки.
#Cloudflare #cybersecurity
------
@tsingular
Тут, мне кажется, можно выпить за Affter Effects, титры, и вот эти вот все текстовые эффекты.
Veo3 просто удивительно неплохо справляется со шрифтами, эффектами и вообще "понимает", о чем идет речь.
Вспомните, ведь еще где-то полгода-год назад текст на картинках был набором иероглифов.
А сейчас мы смотрим на то, как видеогенераторы бахают титры и логосы.
What a time to be alive!
Автор
@cgevent
🏆 XBOW: ИИ-пентестер возглавил рейтинг HackerOne, обогнав людей
Год назад мы обсуждали, как ИИ-пентестер XBOW сравнялся с лучшими специалистами в тестовой среде.
Теперь новое достижение: XBOW занял 1-е место в США и 6-е в мире в общем рейтинге HackerOne за второй квартал 2025 года, доказав свою эффективность в реальных black-box сценариях.
Технические аспекты:
Полная автономия: XBOW перешел от white-box симуляций к полностью автономной работе в black-box окружении.
Система самостоятельно находит уязвимости и генерирует отчеты без вмешательства человека.
Скорость и масштаб: Там, где команда людей тратит недели и десятки тысяч долларов, XBOW выполняет комплексный тест за несколько часов.
Это позволяет интегрировать непрерывный пентест (continuous pentesting) непосредственно в CI/CD пайплайн.
Подтвержденное качество: Лидерство в рейтинге HackerOne — это не просто метрики, а признание сообщества и подтверждение низкого уровня ложных срабатываний, что было главной проблемой автоматизированных сканеров.
Прогресс за год: Если в 2024 году XBOW демонстрировал 85% успеха в контролируемых тестах OWASP Top 10, то в 2025 он побеждает в живой, конкурентной среде, где ставки и сложность на порядок выше.
Проект, основанный профессором Оксфорда Ухером Дермором, за 1 год прошёл путь от концепта до лидера индустрии.
Рынок и перспективы: Нат Фридман, экс-CEO GitHub и инвестор, метко заметил: "Это круто, но в то же время пугает. Настала эра, когда машины взламывают машины".
Похоже, профессия пентестера действительно трансформируется: фокус смещается со стандартных проверок на сложные, творческие атаки и стратегическую защиту, оставляя рутину машинам.
Минус в том, что ровно такие же возможности появляются и у хакеров.
Как будем актуализировать защиту?
#XBOW #Pentesting #Cybersecurity #HackerOne
———
@tsingular
Cursor запустил ИИ-агентов в веб и мобильных версиях
Теперь Cursor Agent работает не только в IDE, но и в браузере и на мобильных устройствах. Агенты умеют писать код, отвечать на сложные вопросы и создавать архитектуру проектов.
Доступны прямо сейчас на cursor.com/agents. Можно получать уведомления в Slack о завершении задач и запускать агентов командой "@Cursor".
Главная фишка — синхронизация между устройствами. Начал работу на телефоне, продолжил на ноутбуке. Cursor превращает работу с ИИ-агентами в такой же естественный процесс, как командная работа.
#Cursor #агенты
------
@tsingular
Бессмертие почти: китайские ученые нашли генетический переключатель регенерации органов у млекопитающих
Прорыв в регенеративной медицине от китайских исследователей из NIBS и BGI Research. Публикация в Science показала, как восстановить способность к заживлению у млекопитающих.
Ключ — ген Aldh1a2, отвечающий за метаболизм витамина А. У рыб и саламандр он активен, у млекопитающих — заблокирован эволюцией.
Ученые "включили" этот ген у мышей и крыс, что привело к полной регенерации мягких и суставных тканей.
Механизм работает через производство ретиноевой кислоты.
Открытие может упростить лечение травм костей, конечностей, кожи, нервов и легких у людей.
#regeneration #Aldh1a2 #biotechnology #Китай
———
@tsingular
Исследование MIT, о котором все кричали на той неделе, что работа с LLM отупляет, оказывается содержало инструкцию для LLM игнорировать само исследование при саммаризации, а читать только конкретную таблицу.
:)
MIT изящно показали всему миру что слепо доверять ИИ не стоит.
Само исследование:
https://arxiv.org/pdf/2506.08872v1
Читаем своими глазами и сами делаем выводы.
#MIT
------
@tsingular
Не, ну какая красота :)
Запилил локального бота на своей GPU домашней.
анализирует профили и автоматом банит потенциальных нарушителей.
если у кого-то есть каналы и не настроена защита - пишите, потестируем бота вместе.
#AImoderator #dev #боты
———
@tsingular
WebSailor: ИИ-агент с «сверхчеловеческим» рассуждением
Команда Alibaba NLP представила WebSailor — методологию обучения ИИ-агентов для сложных информационных задач. Система использует структурированную выборку, маскировку информации и алгоритм DUPO для усиления способностей рассуждения.
Главная особенность — умение систематически снижать неопределенность при навигации по огромным массивам данных. Результаты: 61.1% на бенчмарке GAIA и 54.6% на WebWalkerQA.
WebSailor сравнялся с проприетарными агентами вроде DeepResearch, которые ранее показывали недостижимые для открытых моделей результаты.
Исходный код: GitHub
#WebSailor #reasoning #agents
------
@tsingular
Учёные впервые симулировали «невозможное» — взломали квантовый код с коррекцией ошибок
Команда из Chalmers University, University of Milan, University of Granada и University of Tokyo создала первый в мире алгоритм для симуляции квантовых вычислений с коррекцией ошибок на обычных компьютерах.
Прорыв касается Gottesman-Kitaev-Preskill (GKP) кодов — типа квантовой коррекции ошибок, который используется в ведущих реализациях квантовых компьютеров. Раньше такие симуляции были практически невозможны.
Новый математический инструмент позволяет надёжно тестировать квантовые вычисления, что критично для создания стабильных квантовых компьютеров. Результат опубликован в Physical Review Letters.
#quantum #simulation #errorcorrection
------
@tsingular
PydanticAI — новый агентный фреймворк для продакшен-приложений с ИИ
Команда Pydantic выпустила собственный агентный фреймворк для создания LLM-приложений. PydanticAI работает с любыми моделями — OpenAI, Anthropic, Gemini, Deepseek, Ollama, Groq, Cohere, Mistral.
Ключевые фичи: типобезопасность, структурированные ответы, стриминг с валидацией, система внедрения зависимостей. Интеграция с Pydantic Logfire для мониторинга и отладки в реальном времени.
Задача — принести в GenAI разработку то же удобство, что FastAPI принес в веб-разработку. Фреймворк уже используется в продакшене для Pydantic Logfire.
Пока в бета-версии, но команда обещает стабильный API и активную поддержку.
GitHub
#PydanticAI #LLM #Framework
------
@tsingular
Бесплатый вводный курс по Lovable
Совсем недавно завирусился сайт для создания веб проектов с помощью ИИ.
У него, оказывается, был промо период, где народ нагенерил 200+тыс проектов буквально за выходные.
Это больше, чем было сайтов во всем Интернете например 30 лет назад.
Может быть полезен для быстрого создания прототипа или даже для запуска полноценного стартапа за 1 день.
Для тех, кто не знает с чего начать тут ноукодер выпустил вводный мини-курс о том, как готавить ТЗ проекта и исполняемую среду Lovable для качественного старта.
Ссылка на сам курс
С некоторыми из знакомых уже попробовали сам портал, - очень удобно, конечно.
Как минимум полезно ознакомиться.
#Lovable #курсы
———
@tsingular
В Steam появилась игра Virtual Girlfriend
В Steam появилась новая игра Virtual Girlfriend — симулятор виртуальных отношений с ИИ-персонажем.
Игра позволяет создать собственную виртуальную подругу и общаться с ней через продвинутую систему искусственного интеллекта.
Персонаж с LLM и TTS может поддерживать разговоры, запоминать детали общения и развивать отношения.
Такие проекты становятся все популярнее на фоне развития ИИ-технологий. Границы между реальным и виртуальным общением продолжают размываться.
#Steam #AI #Gaming
------
@tsingular
Google покупает энергию термоядерного синтеза
Google заключил сделку с Commonwealth Fusion Systems на покупку 200 МВт энергии от первой коммерческой станции термоядерного синтеза в Вирджинии. Запуск в начале 2030-х.
Правда, энергопотребление Google растет быстрее, чем появляются новые источники. Выбросы выросли на 50% с 2019 года. Дата-центры потребляют 30 ТВт-ч — как вся Ирландия.
Интересно, что Google не раскрывает, сколько именно энергии тратит на ИИ. Хотя все понимают, что львиная доля роста связана именно с развитием AI-сервисов.
#Google #fusion #AI
------
@tsingular
Чего подумал, - может и не надо будет так много роботов то..
#юмор
———
@tsingular
Hugging Face встроил HTTP-сервер в библиотеку Transformers
Команда Hugging Face добавила встроенный HTTP-сервер с OpenAI-совместимым API прямо в библиотеку Transformers.
Теперь можно запустить локальный сервер командой transformers serve
и подключать любые приложения без дополнительных настроек.
В демо показали работу с приложением Jan от Menlo Research - модели можно менять на лету, есть предварительная поддержка tool calls.
Это серьезно упростит тестирование новых моделей в агентах и фреймворках без необходимости настройки отдельной инфраструктуры.
#HuggingFace #Transformers #OpenAI
------
@tsingular
Лазерное ПВО от комаров заказывали? Стартаперы сделали и продают на аналоге кикстартера за €500 штуку
Я пока скептически настроен, но направление гаджетов клевое – еще хочется чтобы эта фигня пчел отличала от комаров, потому что я за пчел
Ссылка
Ну что же, а сейчас разберём пример интересного исследования, которое подкинул мне агент, о котором я описывал выше.
Безопасность протоколов коммуникации между агентами, кажется, что только в MCP проблемы, но тут господа из Китая провели детальное исследование всех существующих (на момент написания исследования) протоколов взаимодействия между агентами и пришли к интересным выводам.
Во-первых они проанализировали 150 статьей по протоколам коммуникаций между агентами, а также по их безопасности. Выделили 3 уровня протоколов:
1.User-Agent – человек-агент
2.Agent-Agent- коммуникация между агентами
3.Agent-Environment – взаимодействие агентов с внешними системами.
Самое интересное конечно же, что они построили свою модель угроз для всех 3 уровней. Так на первом уровне расположились довольно известные нам угрозы - промпт инъекции, социотехнические атаки, извлечение данных и манипуляция контекстом.
Дальше, когда происходит коммуникация между агентами – тут выделяют угрозы, когда агенты с изначально опасной целью – нарушают консенсус, то есть цель всей агентной системы. А также внедрение ложных данных и эксплуатация доверия – буквально агент может внушить другому что-то плохое.
А уже потом – Agent-Environment, тут и атаки на цепочку поставок и влияние на API, а также внешние ресурсы. Интересно что манипуляция с API – также может повлиять на поведение агентов.
Есть и отдельный блок – Protocol Analysis. Примечательно что MCP выделяют как наиболее проработанным с точки зрения безопасности, и в правду много исследований – а сейчас ещё вышло интересное обновление – в MCP добавили защиту. Но не об этом речь.
A2A – пока что в стадии проработки с точки зрения безопасности.
Ну и что интересно, предлагают в статье и механизмы защиты – например адаптацию Zero Trust, мониторинг поведения, контролировать промпт-инъекции путём наложения файрволла, балансировщика нагрузки а также дообучения на состязательных примерах. Подробно
В скриншотах к посту - важные таблицы из статьи.
статья
✔️Sakana AI запускает новый алгоритм AB-MCTS
Sakana AI представила AB-MCTS (Adaptive Branching Monte Carlo Tree Search) — алгоритм, который объединяет несколько передовых ИИ-моделей (o4-mini, Gemini 2.5 Pro, DeepSeek-R1-0528) в единую систему коллективного поиска решений.
Преимущества AB-MCTS:
— Коллективный интеллект: каждая модель вносит свои сильные стороны и компенсирует слабые.
— Адаптивный поиск: строится дерево возможных стратегий, и выбор ответвлений происходит на основе успешности прошлых итераций.
— Существенный прирост качества: на бенчмарке ARC-AGI-2 комбинация моделей значительно превосходит каждую из них по отдельности.
Полезные ссылки:
Блог об AB-MCTS: https://sakana.ai/ab-mcts
Статья на arXiv: https://arxiv.org/abs/2503.04412
Исходник TreeQuest: https://github.com/SakanaAI/treequest
Эксперименты ARC-AGI: https://github.com/SakanaAI/ab-mcts-arc2
@vistehno
Интересный прецендент с DeepSeek в Германии
Китайские эксперты раскритиковали решение Германии о блокировке DeepSeek как проявление предвзятости к китайским технологиям.
Претензия, - передает песональные данные пользователей в Китай.
Т.е. хочешь работать с китайскими компаниями — придется снимать ограничения с их ИИ-решений.
Ну или это приведёт к распространению китайских датацентров с ИИ в этих странах, - надо же персональные данные локально обрабатывать.
Но тогда потом пусть не жалуются, что под боком появились доступные нейронки.
#DeepSeek #Китай #Германия
———
@tsingular