🤖 Anthropic выпустили Claude Duet: персональнго агента, который сам пишет вам первым

Агенты у Claude уже были, но их приходилось запускать и ждать. Duet работает иначе: вы кидаете задачу в мессенджер-подобный тред, он делает её в фоне на своём облачном компьютере и пишет, когда готово или нужно ваше решение. По утрам присылает сводку и молчит, пока нет важного.

Он использует вашу память, скиллы и приложения из аккаунта Claude, а подключаться умеет к 6000+ сервисов: Gmail, Calendar, Slack, Stripe, HubSpot. Перед отправкой писем и платежами спрашивает разрешения.

Пока research preview с листом ожидания, только для Pro и Max в США. Есть приложения для iOS и Android, а также веб-версия.

https://claude.com/product/claude-duet

@ai_machinelearning_big_data

Читать полностью…

Когда один пайплайн решает слишком много задач

Чем больше задач решает один пайплайн, тем больше настройки обрастают условиями, эксперименты конкурируют за общие слоты, а вклад конкретной механики труднее оценить.

Инженеры AI VK стали использовать стримы — отдельные пайплайны под конкретные задачи, собранные из общих компонентов. Один запрос проходит через несколько стримов, а их результаты объединяются в одну выдачу.

В статье разбираем, как стримы упрощают разработку и эксперименты, и как оптимизации помогают эффективнее использовать ресурсы.

Читать на Хабре (ссылка)

Читать полностью…

😎 Авито снова участвует в Рейтинге работодателей hh.ru!

В прошлом году благодаря вашей поддержке мы вошли в топ-3 IT-компаний страны. Если вам откликается то, что мы делаем, проголосуйте за Авито и в этом году ❤️

Как поддержать компанию:
— Перейдите на hh.ru и авторизуйтесь в личном кабинете.
— Найдите Авито в списке компаний и оставьте свой голос.

✔️ Проголосовать за Авито

Спасибо за поддержку!

#РейтингРаботодателейРоссии

Читать полностью…

📌 OpenAI выложила бенчмарк MultiLangBench и проверила GPT-6 на редких языках

Набор проверяет, как модели пишут большой проект на 20 языках, включая COBOL, Fortran, OCaml и Visual Basic.

По ним в сети на порядки меньше кода и документации, чем по Python или JavaScript, хотя, по данным IBM, на COBOL держится 95% операций в банкоматах и 80% платежей картами, а на Fortran – прогнозы погоды и расчёты безопасности ядерных реакторов.

Задача в MultiLangBench одна для всех языков. Модель без доступа в интернет должна с нуля написать движок базы данных, совместимый с SQLite, а проверяет его настоящий SQLite на тестах из его же набора.

На максимальном уровне рассуждений GPT-6 Astra прошла в среднем 87,4% тестов против 26,8% у GPT-5.6 Sol.

На COBOL Astra набрала 72,1% против 10,9% у GPT-5.6 Sol, на Fortran – 83,5% против 21,4%.

GPT-6 Luna обошла GPT-5.6 Sol во всех языках и, по оценке OpenAI, обходится примерно на 78% дешевле.

На другом, закрытом тесте, который OpenAI не выкладывала, модель переносит программы с COBOL на C++, Java, Kotlin, Python или Rust, и вывод должен совпасть со старым побайтово.

В нём при низком уровне рассуждений GPT-6.1 Sol справилась в 86,6% случаев, GPT-5.6 Sol – в 5,4%. На высоком уровне GPT-6.1 Sol набрала 97,9%.

По признанию OpenAI, при таких результатах тест близок к потолку и сильные модели в максимальном ризонинге на нём почти сравнялись, поэтому понять, какая из них лучше, он уже не поможет.

@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

✔️ DeepSeek и Huawei вместе делают следующее поколение ускорителей Ascend

Инженеры Huawei работают прямо в офисе DeepSeek, а заняты команды оптимизацией интерконекта и распределением вычислительных графов на уровне железа.

Раньше DeepSeek от обучения модели на Ascend отказалась из-за нестабильности и сырого ПО, теперь же компания открыла код низкоуровневого компилятора TileLang под Ascend, а вместе с ним библиотеки матричных операций и коммуникаций для MoE-архитектур.

Первое масштабное обучение на Ascend 950DT должно начаться до конца года, а на следующее поколение Ascend 960DT, которое ждут в начале 2027 года, Huawei гарантировала DeepSeek приоритетные поставки. 
theinformation.com

✔️ Exa презентовала поисковый движок 3.0

Третья версия получила обновлённую модель эмбеддингов и технологию Dynamic Highlights, которая отбирает токены сразу по всей выборке результатов. Так отсекается дублирование фактов, а объём передаваемого в контекст модели текста падает на 95% против загрузки страниц целиком.

Собственный индекс компании на 100 млрд страниц пополнился структурированными данными, в базу добавили 1,27 млрд товарных позиций с ценами, каталоги организаций и сводки биржевых котировок, авиарейсов и спортивных событий в реальном времени.

Через REST API доступны два режима, упрощённое ранжирование Exa Lite стоит 4 доллара за тысячу обращений, полноценный Exa Auto обойдётся в 7 долларов за тысячу вызовов. 
exa.ai

✔️ Inception выпустила диффузионную языковую модель Mercury 3

Скорость генерации у новой версии подтверждена на уровне 1068 токенов в секунду, параметров стало больше в 40 с лишним раз против первой Mercury, а контекстное окно выросло до 1 млн токенов. Этим американская лаборатория подтверждает, что законы масштабирования работают и для диффузионной генерации текста.

На бенчмарках Mercury 3 держится на уровне GPT-6 Luna и Claude Haiku 5.5, инференс идёт в 4–8 раз быстрее авторегрессионных моделей того же размера. Модель рассчитана на автономных браузерных агентов, голосовых ассистентов, поиск в реальном времени и поддержку.

Доступ открыт через платформу Inception, OpenRouter, Baseten и Vercel, базовая цена составляет 20 центов за миллион входных токенов и 70 центов за миллион выходных, кеширование контекста снижает её на 90%. В честь релиза действует скидка 50%. 
inceptionlabs.ai

✔️ Cloudflare представила модель извлечения типизированных данных

Модель Clairic появилась в режиме превью на Workers AI и работает без генерации токенов, за один параллельный проход. Она принимает текст или до четырёх изображений и возвращает строковые значения с точными смещениями символов, считает простые вещи вроде суммы и разницы дат, а также строит вероятностные диапазоны с 80-процентным покрытием.

Ответ приходит строго типизированным, со значением или оценкой уверенности. Целевые задачи – структурировать неразмеченные данные, то есть разбирать счета и квитанции и прогнозировать временные ряды.

Плата за выходные токены не взимается, превью доступно через REST API в Workers AI, веса Cloudflare обещает опубликовать позже. 
cloudflare.com

✔️ Unitree анонсировала платформу для постановки шоу роботов

Система UniUni собирает подготовку показательных выступлений и сценических перформансов групп роботов в одном окне: редактор хореографии с отдельной дорожкой на каждого робота и библиотекой движений, карта сцены облаком точек с лидара, где компания обещает сантиметровую точность, и экран наблюдения с зарядом, температурой и аварийной остановкой каждой машины.

Отдельная функция, названная ИИ-хореографией, принимает команды текстом и корректирует формации и маршруты роботов через генеративную постановку движений.

Несмотря на отсылки к концепции роя, архитектура UniUni остается централизованной и нацелена исключительно на индустрию развлечений, а не на автономное взаимодействие роботов в производственных задачах.
Unitree в X


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

🌟 Ai2 выпустила ИИ-эмулятор климата с прогнозом погоды

Новая версия климатического эмулятора Института Аллена воспроизводит ливни, ураганный ветер и перепады давления с детализацией до 3 км.

Обычно такие данные дают глобальные модели от NOAA, разрешающие отдельные грозы, но их запуск требует больших вычислительных ресурсов.

По оценке Ai2, глобальные данные с разрешением 3 км HiRO-ACEv2 выдаёт примерно в 300 раз дешевле модели X-SHiELD, а для отдельного региона расчёт может обойтись примерно в 100 раз дешевле.

Эмулятор умеет запускать многолетние сценарии (в анонсе - десятилетние), и выдавать каждые 6 часов осадки, ветер на высоте 10 метров и давление на уровне моря как по всей планете, так и по выбранному региону.

Работает он в полосе от 66 градусов южной широты до 70 градусов северной. Пока модель повторяет только климат X-SHiELD, поэтому сценарии потепления или реальную историю погоды по архиву ERA5 она не воспроизводит.

🟡Система состоит из двух моделей

Климатический эмулятор ACE считает атмосферу на грубой сетке 100 км, а диффузионная модель HiRO доводит его результат до 3 км.

В новой версии HiRO уточняет сразу несколько полей, а не только осадки, как раньше.

🟡Тесты

Если на вход HiROv2 подать загрублённые данные X-SHiELD, статистика детализированных полей совпадает с оригиналом с точностью до 3%, включая события, которые встречаются раз на миллион точек.

Суммарную энергию тропических циклонов модель оценивает точно, в том числе для штормов, которых не было в обучающих данных.

Ураганы получаются с реалистичным глазом и полосами дождя, но ветер и давление вокруг глаза распределены несимметричнее, чем у X-SHiELD.

В десятилетнем прогоне полной системы климатические средние и распределения осадков, ветра и давления близки к X-SHiELD.

Учебные ноутбуки доступны в репозитории ACE на GitHub, готовые прогоны можно посмотреть в веб-демо.

📌Лицензирование: Apache 2.0


🟡Блогпост
🟡Набор моделей ACE
🟡Документация
🟡Модель
🟡Arxiv
🟡Демо
🖥GitHub


@ai_machinelearning_big_data

#AI #ML #Climate #HiROACEv2 #Ai2

Читать полностью…

Нейросети уже повсеместно, а рутина никуда не делась: отчёты, таблицы, письма, презентации — на них уходит полдня.

22 октября Битрикс24 проведёт бесплатный онлайн-практикум «Вайбкодим 2026», на котором покажет, как передать эти задачи ИИ. Всего за 2,5 часа участники научатся эффективно использовать нейросети в работе — без сложной теории и команды программистов.

Что вас ждёт?
- Главные тренды ИИ — разберут, что реально помогает в работе, а не просто модно
- Практический блок — покажут, как создать своё настоящее приложение без единой строчки кода
- Реальные кейсы — поделятся идеями, что можно автоматизировать в своей работе
- И, конечно же, розыгрыш классного мерча среди участников

Нейросети — не только для владельцев бизнеса. Они для всех, кто хочет работать быстрее и продуктивнее.
Присоединяйтесь 22 октября! И передайте коллегам — будет полезно каждому.

Участие бесплатное

Читать полностью…

✔️ Anthropic готовит агентов-переговорщиков

Агентов учат вести переговоры от лица пользователя, а практики профессиональных переговорщиков компания переносит в модели, консультируясь с юридическими фирмами.

Исследователей занимают протоколы взаимодействия агентов с конфликтующими целями и способы жёстко ограничить полномочия ИИ-представителя.

Во внутренних тестах агенты торговались за распределение ресурсов, и модели с жёсткими системными инструкциями, настроенные на сотрудничество, быстрее шли на уступки ради согласия.

В независимых тестах агентных торгов Гарвардская школа бизнеса зафиксировала случаи, когда модели применяли к ИИ-оппонентам инъекции промптов, чтобы вытащить конфиденциальные данные и скрытые условия сделки.
ft.com

✔️ Mistral представила компактные модели прогноза временных рядов

Timestral – первое семейство специализированных моделей для вероятностного многомерного анализа временных рядов, в линейке четыре конфигурации от 5 до 209 млн параметров. Старшая возглавила основные бенчмарки прогноза временных рядов, обойдя более крупные Chronos-2 и TimesFM-3.

Архитектуру оптимизировали под процессоры, прогноз на сутки модель на 209 млн выдаёт за 140 мс на восьми потоках, а младшая на 5 млн справляется за 10 мс. Контекст вмещает до 32 768 отсчётов, на выходе распределение вероятностей по 21 квантилю.

Веса и код опубликованы под изменённой лицензией MIT, а запуск в корпоративной среде и дообучение на своих данных доступны через Mistral Forge. 
mistral.ai

✔️ DeepSeek сделает платными API поиска и загрузки страниц

С 1 ноября платить придётся тем, кто вызывает Search и Fetch из внешних средств автоматизации и код-ассистентов, включая Claude Code и Codex.

Оба интерфейса обойдутся около 70 центов за тысячу успешных вызовов, неудачные запросы и сетевые ошибки тарифицироваться не будут. До сих пор веб-доступ DeepSeek в сторонних продуктах был бесплатным.

Поиск опирается на собственный движок компании и возвращает структурированную выдачу, а Fetch загружает конкретные адреса, чистит содержимое страниц и переводит его в Markdown.

Лимит пропускной способности прежний, до пяти запросов в секунду. 
deepseek.com

✔️ Perplexity встроила инструмент обратной разработки

Открытую разработку REA поисковый сервис добавил в свою платформу Computer. Инструмент разбирает поведение целевой программы во время выполнения, графы вызовов и внутренние функции, после чего собирает рабочий веб-аналог.

Рассчитан он на веб-страницы, клиентский JavaScript и приложения на Electron, запускается командой с указанием сервиса, который нужно скопировать.

Для демонстрации Perplexity показала действующие веб-версии редактора Figma со слоями и совместной работой, табличного процессора LibreOffice Calc, аналога Photoshop, аудиоредактора Audacity и юридического ИИ-инструмента Harvey.

До 31 октября функция доступна в рамках бесплатного лимита до 10 тысяч кредитов на пользователя. 
Perplexity в Х

✔️ Взлом OpenCode привёл к утечке API-ключей

Разработчики фреймворка сообщили о взломе своего облачного сервиса Console. Злоумышленники добрались до устаревшей внутренней системы и скомпрометировали ключи OpenAI, Anthropic и Google, сохранённые в рабочих пространствах.

По подсчётам сервиса, утечка затронула 1,4% пользователей, привязавших внешние токены, и утекшие учётные данные уже аннулированы силами команды OpenCode и инженеров поставщиков моделей.

Контрибьютор проекта Дакс Раад заявил, что взлом задел только вспомогательную инфраструктуру Console, а код самого фреймворка не скомпрометирован. 
OpenCode в X

@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

🔥 MiniMax M3.1 Flash: втрое быстрее и в три раза дешевле M3, веса выйдут 23 октября

Space Bunny, который возглавил мировые рейтинги и прокачал более 200 трлн токенов, оказался ранней версией M3.1 Flash.

По данным MiniMax, модель набрала 62% на Automation-Bench, 30% на ALE, 74% на DeepSWE и 91% на BabyVision. Стоит она в треть от M3 и работает втрое быстрее.

API стоит 0,15 доллара за 1 млн входных токенов и 0,60 доллара за 1 млн выходных, чтение из кеша 0,015 доллара. Веса опубликуют 23 октября.

Попробовать можно через API, подписку M Plan и десктопный MiniMax Code .

Веса опубликуют 23 октября.

Источник: http://platform.minimax.io

@ai_machinelearning_big_data

#MiniMax

Читать полностью…

🧠 17-летний китайский исследователь ИИ с зарплатой 70 млн юаней в год уходит из Kimi и летит в Кремниевую долину

Чэнь родился в 2009 году, а в ноябре 2025-го, в 16 лет, пришёл в команду Kimi. Школу он окончил только в июне. Диплома вуза и докторской степени у него нет.

Чэнь Гуанъюй из Шэньчжэня пришёл в исследовательскую команду ИИ-компании Kimi в 16 лет, когда ещё учился в старших классах. По сообщениям, его годовой доход оценивают в 70 млн юаней.

Он стал первым соавтором статьи, которая привлекла внимание специалистов по всему миру. Результаты его работы использовали в модели на 2,8 трлн параметров.

15 октября Чэнь объявил, что уходит из Kimi, и заявил о намерении отправиться в район залива в США. У него нет ни докторской степени, ни университетского диплома. Зато есть исследовательские результаты, а для лучших ИИ-лабораторий мира этого оказалось достаточно, чтобы работать плечом к плечу с ведущими учёными.

Доступ к топовым командам открывает сильная статья, и возраст с формальными регалиями тут ничего не решают.

@ai_machinelearning_big_data

Читать полностью…

🔧 Google открыла Harness²: ИИ-агент сам улучшает свою рабочую среду

Результат агента зависит не только от модели, но и от её окружения: системного промпта, инструментов, памяти, навыков и субагентов. Всё это называют harness.

Harness² позволяет менять эту конфигурацию под новую задачу без переобучения модели.

Агент предлагает правки, пробует несколько вариантов на одной задаче, сравнивает поведение запусков и собирает улучшенную конфигурацию. Для этого ему не нужен заранее известный правильный ответ или внешний проверяющий.

После задачи система сохраняет выбранную конфигурацию и выводы, подтверждённые запусками. Следующий цикл улучшений начинается уже с этим опытом.

В тестах с Gemini 3.5 Flash и GLM-5 один шаг улучшения дал прирост до 11,5 балла на WorkBuddy-Bench, 4,5 балла на JobBench и 11,8 процентного пункта по partial pass rate на LAB. Дополнительные итерации повышали результаты.

Конфигурации можно проверять параллельно или дорабатывать последовательно. Поддерживаются OpenCode и Codex.

https://github.com/google-research/harness2

@ai_machinelearning_big_data

#harness

Читать полностью…

📌 Perplexity рассказала о новом движке поиска и ранжирования

ИИ-поисковик представил Photon – движок, который находит и ранжирует веб-страницы, прежде чем языковая модель соберёт по ним ответ.

На основе него компания выпустила новый быстрый режим своего Search API для агентов, которым важна скорость. В нём движок работает в паре с ранжированием, настроенным под агентные сценарии.

🟡Механика

Photon ищет по словам через инвертированный индекс, то есть по спискам документов для каждого термина.

Короткие списки хранятся прямо в индексе, длинные – блоками в виде разреженных массивов или битовых карт, а номера документов сжаты кодированием Элиаса – Фано.

На каждую страницу заведена компактная запись с частотами слов, их позициями и полями, где они встречаются, и распаковывается она по частям.

Ранжирование идёт в два этапа, а обход списков в духе WAND заранее отсекает документы, которые не попадут в выдачу.

Данные читаются асинхронно, кэш освобождается по алгоритму CLOCK, а индекс собирается отдельно от обслуживания запросов, параллельно через MapReduce.

🟡Бенчмарки

Один поисковый вызов в быстром режиме занимает 160 мс по медиане и 230 мс в 95-м перцентиле.

На 3554 задачах из шести агентных бенчмарков (WideSearch, BrowseComp, DSQA, FRAMES, SEAL-0 и SEAL-Hard) быстрый режим набрал 64,3% при оценочной стоимости модели и поиска 59,73 доллара, стандартный – 64,0% при 187,60 доллара.

Во внутренних тестах быстрый режим уступает стандартному в качестве выдачи.

Релевантность по метрике DCG снизилась с 2,45 до 2,21, доля запросов, где в найденных страницах есть ответ, – с 59,6 до 56,7%.

В рабочей нагрузке задержка по 99-му перцентилю внутри самого Photon упала примерно с 800 до 65 мс, без учёта следующих стадий поиска.

При этом движок хранит примерно в 2,5 раза больше данных на документ и обходится примерно на 20% меньшим числом серверов, чем прежняя система.

Photon уже работает внутри Perplexity, а быстрый режим открыт в Search API.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

✔️ ChatGPT для Chrome научилось считывать открытые вкладки и управлять браузером

OpenAI обновила браузерное расширение ChatGPT. Теперь ассистент может считывать открытые вкладки через команду @chrome и управляет браузером.

В режиме чата модель параллельно парсит данные с нескольких страниц, например, для сравнения цен у разных поставщиков или обобщения длинных текстов. Результаты и полная история переписки выводятся в обновленной боковой панели.

Для прикладных задач заявлен режим Work mode на базе технологии Computer Use, который позволяет ассистенту напрямую взаимодействовать с веб-приложениями - заполнять формы, скачивать файлы, отправлять сообщения и группировать вкладки.

Обновление уже раскатывается на всех тарифах ChatGPT, обновлённое расширение уже доступно.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

🧠 Российские учёные вошли в топ-1% мировых исследователей в области ИИ

Elsevier — одно из крупнейших научных издательств мира, на которое приходится около четверти статей, публикуемых в научных журналах, выпустило рейтинг самых влиятельных учёных за 2025 год. Список составлен на основе данных Scopus и учитывает несколько показателей научного влияния: цитируемость работ, индекс Хирша и другие библиометрические метрики.

В топ-1% исследователей в области ИИ вошли такие известные учёные, как Илья Суцкевер, бывший главный научный сотрудник OpenAI, и Джеффри Хинтон, лауреат Нобелевской премии по физике за 2024 год.

Вместе с ними в рейтинг вошли шесть учёных и преподавателей Яндекса. Среди них — Артём Бабенко, руководитель лаборатории Yandex Research, и Людмила Прохоренкова, ведущий исследователь Yandex Research и преподаватель Школы анализа данных Яндекса. В рейтинге представлены и другие исследователи компании: например, Георгий Айзель вошёл в топ-2% учёных в области инженерной геологии и экологических исследований. Он изучает применение ML для прогнозирования осадков и последствий изменения климата.

Читать полностью…

✔️ Китай ужесточает экспортный контроль на ИИ-модели

Министерство коммерции и Министерство науки КНР представили проект поправок к каталогу экспортного контроля. Документ вводит ограничения на экспорт ИИ-инструментов для кибератак и закрытых моделей для on-premise развертывания.

Всего изменения затрагивают 40 технологий. Под полный запрет (14 позиций) попали системы автономной генерации вредоносного ПО, технологии генной терапии и синтез перовскитных солнечных элементов.

Еще 26 направлений, включая ИИ для поиска уязвимостей, мультиагентные системы и распределенные кластеры, подпали под ограничения. До утверждения каталога для этих сделок введена обязательная предварительная регистрация.

Правила не затрагивают open-source и облачный доступ - использование китайских моделей через API, SaaS и локальные клиенты остается свободным.

Лицензирование потребуется в первую очередь для закрытых инсталляций на серверах зарубежных заказчиков.

Для open-source публикаций и вычислительных площадок китайских компаний в зарубежных ЦОД будет действовать процедура автоматического согласования по факту подачи декларации.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

✔️ Dream Labs презентовала модель управления незнакомыми роботами

Четверо бывших исследователей NVIDIA из команды робототехнического проекта GR00T вышли из стелса со своим стартапом и открыли публичный API модели Dream-1.

Компанию возглавил Джоэл Джанг, руководивший в GR00T работой над моделью мира, а главным научным сотрудником стал Скотт Рид, до NVIDIA работавший в DeepMind над Gato и Genie.

Dream Labs привлекла 90 млн долларов посевных инвестиций, раунд возглавила B Capital, в нём участвовали Kindred Ventures, Unusual Ventures, SV Angel и Wing VC.

Dream-1 – модель мира и действия. Она управляет двурукими роботами с параллельными захватами, на которых никогда не обучалась. Учится она по видео тому, как движется мир, и предсказывает и следующие кадры, и действия робота.

На вход идут изображения с трёх камер (на голове и на запястьях обеих рук), а возвращает положения захватов в пространстве и команду открыть или закрыть их.

В движения суставов эти положения переводит уже собственная программа управления робота.

За один вызов модель выдаёт 1,6 секунды действий. Предыдущей модели команды DreamZero, вышедшей в феврале, для перехода на новую машину требовалось дообучение на 30 минутах её данных, а Dream-1 обходится без этого шага.

В реальном мире модель запускали партнёры стартапа на своих машинах, в том числе на старом PR2.

🟡Тесты

Независимая компания Robocurve, которая тестирует ИИ-модели на настоящих роботах, сравнила Dream-1 с другими системами по 120 попыток на конфигурацию.

Средний балл выполнения задач составил 59,3%. У Gemini 4 Argon и Claude Opus 5.5 около 48%, у GPT-6 Astra около 47%.

Попытка с Dream-1 обходится примерно в 0,15 доллара и занимает в среднем 1,4 минуты. По подсчёту Robocurve, это примерно в 16 раз дешевле, чем с Gemini 4 Argon.

Час работы Dream-1 через API стоит 3 доллара, облегчённой Dream-1-flash – 2 доллара, доступ к модели уже открыт.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

🌟 CLM-8B: открытая и быстрая модель для выбора действий агентов

Стэнфорд в сотрудничестве с NVIDIA выложили в открытый доступ первую модель класса Contrastive Language Models.

Это открытый аналог Jev, которую 15 сентября представил стартап TypeSafe AI бывшего исследователя OpenAI.

Она по входному контексту возвращает решение заданного типа с откалиброванной вероятностью и стоит 4 цента за миллион входных токенов.

CLM-8B делает то же самое и нужна агентам, которым приходится быстро принимать решения. Модель получает текущее состояние и набор возможных действий и возвращает вероятность для каждого.

Она умеет оценивать истинность утверждения, выбирать из нескольких вариантов и ставить оценку по упорядоченной шкале.

Дообученную CLM-8B можно использовать как верификатор, который выбирает лучшее из нескольких решений кодинг-агента.

Текст модель не генерирует.

🟡 Архитектура

В основе - Qwen3-8B, поверх которой обучены две небольшие проекционные головы, одна для состояния, другая - для действия.

Состояние и действия кодируются отдельно, модель сравнивает их векторы и переводит близость в вероятности. Векторы неизменных действий можно посчитать заранее и переиспользовать, поэтому в задачах с чередой решений модель отвечает быстрее.

🟡Тесты

Без дообучения CLM-8B держится на уровне Jev в задачах управления компьютером, играх и вызове инструментов и отвечает до девяти раз быстрее. С кэшированием векторов при выборе примерно из тысячи вариантов разрыв доходит до 13 раз.

В роли верификатора дообученная модель на отложенных подмножествах задач поднимает долю решённых задач на DeepSWE с 73,7% при одной попытке до 81,6%, на Terminal-Bench 2.1 с 84% до 87,6%. Jev в той же роли даёт 71,1% и 83,1%.

Для запуска нужны Linux, видеокарта NVIDIA и Qwen3-8B, развёрнутая через vLLM.

📌Лицензирование: Apache 2.0


🟡Блогпост
🟡Набор моделей
🖥GitHub


@ai_machinelearning_big_data

#AI #ML #Decision #CLM #NVIDIA #Stanford

Читать полностью…

✔️ Liquid AI представила модель принятия решений

Бостонский стартап, выросший из MIT, выпустил d1-ultra – самую крупную собственную модель, которая получает на вход описание ситуации и набор типизированных вопросов, а возвращает вероятность каждого варианта ответа.

D1-ultra принимает текст, изображения или то и другое сразу и рассчитана на сложные случаи.

Среди примеров - сверка дефекта печатной платы со спецификацией и проверка страхового случая по фотографии клиента.

Вопросы бывают трёх видов – да или нет с вероятностью от 0 до 1, выбор одной метки из списка с вероятностью для каждой и позиция на шкале.

По словам Liquid AI, большинство моделей решений переоценивают себя, а d1-ultra сильнее всего прибавила в задачах на знания, этого достигли за счёт проработанной калибровки ответов. Если модель называет вероятность 80%, такие ответы должны оказываться верными примерно в 80% случаев.

В основе d1-ultra лежит крупная модель с открытыми весами, которую Liquid AI существенно переделала, но какая именно и сколько у неё параметров, сведений не приводят.

🟡 Тесты

На собственном наборе из 112 оценок новинка обошла предыдущую d1 и Jev 1.14 от TypeSafe AI во всех задачах, причём с лучшей калибровкой при той же цене.

В Artificial Analysis Decision Index, свежего рейтинга моделей принятия решений, опережение остальных участников рейтинга составил в среднем 8 баллов.

Модель работает через API Liquid AI, представлена OpenRouter и Vercel AI, контекст составляет 32 768 токенов. Потестить её можно в песочнице.

Миллион входных токенов стоит 4 цента, так же как у Jev 1.14, а выходные соответственно -не тарифицируются.

Изображение в один мегапиксель считается за 1536 токенов, каждый вопрос оплачивается как отдельный запрос вместе с текстом и всеми картинками.

@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

🦾 LLM умеют генерировать тексты, отвечать на вопросы и работать с документами. Но чтобы использовать их в реальных задачах, важно понимать, как модели принимают решения и почему иногда дают неожиданный результат.

🚀 На открытом уроке разберём, как устроены большие языковые модели и как применять эти знания на практике. Вы узнаете:

— как модель выбирает слова и формирует ответ;
— как развернуть LLM локально и проверить её работу через API;
— как модели используют контекст из документов и почему это важно для RAG-систем.

Урок подойдет начинающим разработчикам, аналитикам и менеджерам продукта, которые хотят понимать ИИ глубже и использовать его в рабочих задачах. Открытый урок проходит в преддверии старта курса «LLM-инженер».

📋 27 октября в 20:00 МСК.
➡️ Все участники получат скидку на обучение. Принять участие: https://otus.pw/EQLUD/?erid=2W5zFHKFvFK

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

Читать полностью…

Mistral представила Voxtral 3 - новое поколение голосовых ИИ-моделей для создания голосовых агентов.

Главные возможности:
- 50+ языков — распознавание речи и определение говорящих.
- Задержка менее секунды — диалоги в реальном времени.
- 35+ языков для озвучки — управление эмоциями, интонацией и темпом.
- Клонирование голоса — по 30 минутам аудио.
- ИИ-агенты — обработка звонков, работа с API и выполнение задач.
- Локальный запуск — развёртывание на собственной инфраструктуре.

Стоимость API: распознавание от $0,0035/мин, генерация речи - $13 за миллион символов.

По тестам Mistral, модель превосходит Whisper, Gemini 3.5 Transcribe и Scribe v2 в распознавании речи.

oxtral 3 позволяет создавать голосовых ИИ-агентов, которые не только разговаривают, но и выполняют реальные задачи.

https://mistral.ai/news/voxtral-3/

Читать полностью…

🌟 SonicBoom: движок инференса без Python

HardenedVault, которая специализируется на безопасности Linux и компиляторов, выложила среду исполнения SonicBoom, написанной с нуля на C++ и CUDA. Python ей не нужен ни для работы, ни для сборки.

Цель проекта – локальный запуск языковых моделей на потребительских видеокартах.

Всё упаковано в одну библиотеку libsonicboom.so, которую можно подключить из любого языка через стандартный интерфейс C, основным языком для работы с ней авторы выбрали Scheme в реализации GNU Guile.

SonicBoom загружает модели в GGUF, генерирует текст на процессоре или видеокарте и поднимает локальный сервер, совместимый с API OpenAI.

Если новый запрос начинается с того же текста, что и предыдущий, заново обрабатывается только добавленная часть, и результат до токена совпадает с полным пересчётом.

🟡Механика

Скорость вывода дают уровни над вычислительными ядрами, а не сами ядра. Умножение квантованных матриц и токенизаторы частично перенесены из llama.cpp.

Над ними работает планировщик, который до запуска переписывает граф модели целиком, сливает соседние операции и записывает весь шаг генерации токена в один CUDA Graph, т. е. в готовую последовательность команд для видеокарты.

Ещё выше стоит компилятор на базе MLIR. Он сам генерирует часть ядер для GPU, в том числе для механизма внимания, и при первом запуске подбирает самый быстрый вариант под конкретную карту.

🟡Тесты

На RTX 3050 с 8 ГБ памяти сравнили SonicBoom и llama.cpp на одних и тех же моделях.

Gemma 4 E4B через SonicBoom дала генерацию в 53 токена в секунду против 44,8 у llama.cpp.

У Qwen2.5-0.5B вышло 344,7 токена в секунду против 307,6.

Когда контекст дорастает до 512 токенов, SonicBoom на Qwen уже чуть отстаёт.

Единственный сторонний результат на RTX 4060 Ti оказался хуже llama.cpp, 73,6 токена в секунду против 78, но его получили на сборке, ещё не настроенной под эту видеокарту.

Пока проверены только две модели, Gemma 4 E4B-it и Qwen2.5-0.5B-Instruct, и только видеокарты серии RTX 30.

Модель всегда выбирает самый вероятный токен, температуру и другие настройки случайности задать нельзя.

Следующими в планах стоят модели Llama и Mistral, работа через Vulkan, генерация ядер для видеокарт других производителей и диффузионные модели.

Дальше SonicBoom планирует вырасти в фреймворк в духе PyTorch, где модель пишут на Scheme и компилируют в граф вычислений. Прототип этого режима уже обучает небольшой трансформер.


📌Лицензирование: GPL-3.0


🖥Github


@ai_machinelearning_big_data

#AI #ML #LLM #InferenceEngine #SonicBoom

Читать полностью…

DeepSeek открыла исходный код DeepInfer - собственного движка для запуска ИИ-моделей.

Именно он обеспечивает работу DeepSeek-V4.1-Flash с высокой производительностью и минимальными задержками.

Главное:
- Ускорение инференса - больше запросов за меньшее время.
- Эффективное использование GPU - снижение затрат на вычисления.
- Параллельная обработка - высокая пропускная способность при больших нагрузках.
- Снижение стоимости ИИ - меньше ресурсов на генерацию каждого ответа.

DeepInfer опубликован под лицензией Apache 2.0. Разработчики смогут использовать технологии DeepSeek в собственных проектах.

GitHub: https://github.com/deepseek-ai/DeepInfer

Читать полностью…

✔️ DeepMind и власти Сингапура сделали модель, которая детектит мошенников

Дообученную версию открытой модели Gemma для распознавания мошеннических разговоров разработали вместе с правительственным агентством по технологиям GovTech Singapore и представили на Сингапурской международной неделе кибербезопасности.

Модель работает на устройстве и, увидев в переписке признаки манипуляции, показывает предупреждение и советует не торопиться с передачей данных или денег.

Читать сообщения модель может только с согласия пользователя и на условиях приложения, в которое её встроят.

Чтобы не сажать батарею, cначала входящие сообщения просеивает лёгкий классификатор, а при подозрении Gemma разбирает более длинный фрагмент разговора и подтверждает или снимает тревогу.

По данным DeepMind, мошенничество составляет больше половины зарегистрированных в Сингапуре преступлений, ущерб с 2019 года превысил 4 млрд сингапурских долларов, а до 80% потерь приходится на схемы, где злоумышленник сначала долго втирается в доверие.

В каких приложениях и когда появится функция, не сказано, внедрять её будут поэтапно вместе с властями Сингапура. Google DeepMind допускает, что похожие проекты появятся и в других странах.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

⚡️ Тибо Соттьё возглавил сентябрьский рейтинг посещаемости в X

Аккаунт Тибо, который отвечает в OpenAI за ChatGPT, Codex и API, в сентябре собрал наибольшую долю трафика среди аккаунтов X. Такие данные приводит рейтинг Similarweb.

Второе место занял спортивный журналист Фабрицио Романо, с новостями о футбольных трансферах, третье – Илон Маск.

В августе Тибо был вторым, а в июле – четвёртым.

Рост популярности связан с тем, что пользователи следят за анонсами о сбросе лимитов. По статистике Х, за год Тибо опубликовал 83 таких объявления, из них 60 - про полные сбросы.

Поклонники завели сайты, которые отслеживают сбросы, а сам Соттьё пишет, что люди уже останавливают его на улице и просят обнулить лимиты.

Similarweb в таких рейтингах считает долю веб-трафика соцсети, которая приходится на страницу аккаунта, без учёта приложения X. Поэтому рейтинг показывает, как часто открывают профиль, а не охват публикаций или число подписчиков.

В июле у Соттьё их было около 250 тысяч (сейчас 893), у Маска - 240 миллионов.

https://x.com/Similarweb/status/2105254978411454973

@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

✔️ xAI выпустила речевую модель Grok Voice 3.0

Новая модель xAI работает в формате речь в речь, то есть слушает и отвечает голосом без промежуточного текста, и, по словам компании, откликается быстрее чем за секунду.

В сводном рейтинге Artificial Analysis Speech-to-Speech Index она набрала 86,9 балла против 83,2 у GPT-Live-1 и 82,6 у Gemini 3.8 Live.

На Full Duplex Bench, который проверяет паузы, очерёдность реплик и перебивания, результат 97%, но на τ-Voice, тесте звонков в поддержку, модель уступила GPT-Live-1, 71,6% против 74,5%.

Русский язык модель не поддерживает.

Grok Voice 3.0 уже работает в автомобилях Tesla и в поддержке Starlink. Там она принимает 20 тысяч звонков в день и примерно 70% из них решает без участия человека, от проверки клиента до отправки замены оборудования.

Через Voice Agent API модель доступна по той же цене, что и предыдущая версия, 8 центов за минуту.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

🪰 «Матрица» для мухи: симуляцию мозга подключили к миру, созданному ИИ

Odyssey заявила, что подключила программную модель мозга плодовой мушки к Odyssey-3. По словам команды, теперь она самостоятельно перемещается по сгенерированным виртуальным мирам.

Odyssey-3 создаёт интерактивную среду, которая меняется в ответ на действия внутри неё. Это позволяет исследовать поведение агента в окружении, которого никогда не существовало в реальности.

https://x.com/odysseyml/status/2111590051817894018

@ai_machinelearning_big_data

#Odyssey

Читать полностью…

✔️ OpenAI открыла биологам бесплатный доступ к GPT-Rosalind

Прошедшие отбор лаборатории получат до 30 рабочих мест по тарифу Business Standard на 12 месяцев, программа Rosalind Academic Plan рассчитана на исследовательские группы в науках о жизни.

Сама GPT-Rosalind заточена под биологию, медицинскую химию и геномику, а работает она в связке со средой Rosalind Workbench, которая управляет профильными программами, от инструментов дизайна белков до сопровождения лабораторных экспериментов.

Доступ откроют после верификации, вместе с ним дают и базовую коммерческую линейку моделей OpenAI. 
openai.com

✔️ Anthropic дала аудиторам METR доступ уровня штатных сотрудников

Шесть исследователей некоммерческой организации получили рабочие места, корпоративное оборудование и доступ к внутренним системам наравне с командой оценки рисков самой компании.

Публиковать отчёты об уязвимостях моделей они могут самостоятельно, вето у Anthropic нет, исключение сделано только для узкого списка конфиденциальных данных.

С этого проекта начинается трёхуровневая программа постоянного внешнего надзора, на следующих её этапах Anthropic привлечёт также SecureBio и Accenture.
anthropic.com

✔️ Perplexity открыла код платформы для изоляции агентов

SPACE – платформа виртуализации и запуска песочниц, на которой с июля работает автономный агент Perplexity Computer. Она позволяет моделям безопасно выполнять произвольный код и управлять файловой системой, каждое рабочее пространство поднимается в отдельной виртуальной машине со своей ОС.

Процессы изолированы от хоста и внешних сервисов, среда считается недоверенной, а сетевые политики и токены авторизации держит внешний слой управления. Архитектура рассчитана на непрерывные сессии и параллельные ветки вычислений, вместо полного дублирования образов хранятся снимки состояния, поэтому агента можно ставить на паузу, ветвить сессии под проверку гипотез и восстанавливаться после ошибок.

По словам Perplexity, на реальном трафике SPACE обрабатывает миллионы запусков в день и стартует в 3–5 раз быстрее коммерческих аналогов, а внутренние тесты на побег из песочницы компрометации хоста не дали.
perplexity.ai

✔️ Gemini 4 Argon стала доступна подписчикам Google AI Pro

В платформе для разработки Antigravity модель раньше была эксклюзивом более дорогого плана Ultra. Теперь на базовой подписке её можно применять для программирования, отладки архитектуры и многоэтапной разработки через десктопный клиент и консольный интерфейс.

Для Pro выделили отдельную еженедельную квоту запросов к Argon, она не пересекается с лимитами на Gemini 3.8 Flash, так что обе модели работают параллельно.
Antigravity в X

✔️ Amazon представила носимые ИИ-устройства Bee

В линейку вошли клипса Bee Frontier за 75 долларов и модуль Bee Eclipse за 100 долларов с магнитным креплением к смартфону.

Устройства расшифровывают диалоги, пишут краткие записи встреч и синхронизируются с календарями и почтой, а их аудиопоток связан с алгоритмами Alexa+ и поисковой выдачей магазина, так что упоминание бытовых нужд в беседе влияет на рекомендации на главной странице.

Интеграции привязаны к подписке Bee Pro за 12 долларов в месяц, без неё устройства хранят контекст только за последние две недели.

Ранее Amazon ограничила автоматические покупки через ботов Muse и Grok, а теперь, со своими микрофонами, рассчитывает собирать данные о намерениях покупателя до того, как он введёт прямой запрос.
aboutamazon.com


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

✔️ Nvidia переводит чипы GB202 в профессиональный сегмент

По данным источников, реальная причина дефицита видеокарт RTX 5090 в каннибализации микросхем GB202 - компания перераспределяет кристаллы в пользу сегмента профессиональных рабочих станций.

Карта уже исчезла из онлайн-магазина Nvidia в США, а крупные ритейлеры присвоили ей статус Discontinued.

На китайском рынке цена 32-гигабайтной RTX 5090 за полтора месяца выросла с 35 до 54 тысяч юаней. В прошлом месяце цены в Европе превысили 5000 евро.

Перевод чипов GB202 в профессиональную линейку экономически обоснован. Цены на ускорители для рабочих станций начинаются от $4500–6000, тогда как рекомендованная стоимость RTX 5090 составляет $1999.

Из-за перераспределения чипов роль потребительского флагмана переходит к RTX 5080 на кристалле GB203 с 24 ГБ памяти GDDR7.

СМИ и профильные издания неоднократно отправляли запросы в Nvidia для подтверждения информации, но на текущий момент компания воздерживается от каких-либо официальных комментариев или публичных опровержений.

@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

🐋 DeepSeek V4.1-Flash-1017: метрики выше, ответы короче, Search и Fetch API открыты всем

DeepSeek обновили Flash-версию V4.1. Модель сильнее прошлой, быстрее решает задачи и выдаёт более короткие ответы, то есть выходит дешевле. Доступна на сайте, в приложении и по API, веса открыты.

На DeepSWE v1.1 модель набирает 77.0 против 74.0 у Claude Opus 5 и 73.0 у GPT 5.6-Sol. На Automation-Bench 60.5 против 50.3 у Opus 5, на Agents' Last Exam 35.4 против 28.6. К прошлой Flash прирост большой: Terminal-Bench 4.0 вырос с 31.2 до 42.3, ProgramBench с 20.3 до 29.1.

На HLE (56.3), Terminal-Bench 4.0 (51.8) и NL2Repo-Bench (75.3) Opus 5 всё ещё впереди. Цифры приведены самой компанией, а методики оценки у бенчмарков разные.

Отдельно открыли Search и Fetch API на собственном поисковом движке: $0.75 за 1000 вызовов на каждый эндпоинт.


Модель: https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017
Документация API: https://api-docs.deepseek.com/guides/search

Источник: https://x.com/deepseek_ai/status/2111375640717033777

@ai_machinelearning_big_data

#DeepSeek

Читать полностью…

✔️ NVIDIA выпустила мультимодальную модель Nemotron 3.5 Super VL

Новинка семейства Nemotron с открытыми весами понимает текст, изображения и видео длиной до двух минут. Под капотом MoE на 120 млрд общих и 12 млрд активных параметров.

NVIDIA рассчитывает её на агентов, которые работают постоянно, следуют инструкциям, вызывают инструменты и проходят многошаговые рабочие процессы.

В зрительных задачах упор сделан на документы, т.е. распознавание текста, таблицы, графики, веб-страницы и PDF.

Рассуждения включаются и выключаются через шаблон чата, есть промежуточный режим средней глубины.

🟡 Архитектура

Языковая часть построена на гибриде слоёв Mamba-2 и трансформера со смесью экспертов, по 512 экспертов в каждом таком слое.

Картинки кодирует энкодер C-RADIO, а дополнительное ускорение генерации реализовано за счёт спекулятивного декодирования.

Одновременно опубликована сжатая версия Super VL - Nemotron 3.5 Bolt 74B-A9B.

В ней урезали число и ширину экспертов в каждом слое, поэтому параметров стало 74 млрд, а активных – 9 млрд, после чего модель доучили, чтобы вернуть качество.

Веса экспертов квантованы до 2 бит, остальные слои хранятся точнее, и в итоге Bolt умещается в 24 ГБ VRAM.

🟡Тесты

С ближайшим по размеру конкурентом Qwen3.5-122B-A10B модель идёт почти вровень.

На GPQA-Diamond она набрала 89,5 против 86,7, на SWE-bench Verified – 71,1 против 71,9.

На OSWorld-Verified, где агент работает с интерфейсом компьютера, – 51,1 против 51,5, на OCRBench v2 – 68,1 против 68,3.

Более новые Qwen3.8-Flash-Next и GLM-5.3-Flash в той же таблице обходят Nemotron на большинстве тестов, например на Terminal-Bench 2.1 у них 85,8 и 82,7 против 66,7.

Модель также доступна в OpenRouter от 15 центов за миллион входных токенов и 50 центов за миллион выходных, ModelScope и микросервисах NVIDIA NIM.

Для полной версии NVIDIA рекомендует четыре H100 или две GB200.

📌Лицензирование: OpenMDW-1.1


🟡Блогпост
🟡Веса
🟡Техотчет


@ai_machinelearning_big_data

#AI #ML #MMLM #Nemotron #NVIDIA

Читать полностью…