15113
life = curiosity + irreducible noise Whois: https://t.me/boris_again/1652 Лс: @btseytlin
Разбор топ решений с соревнования Orbit Wars на Kaggle
Собрал из стрима для Центрального Университета
https://www.youtube.com/watch?v=RSzcnZgiwyM
Ну что ж, вот и наш первый релиз на архив.
we achieve a 4.37-fold speedup over autoregressive decoding, and outperform a highly optimized DFlash baseline by 24.7%
На конференции по AI вырубило свет
Upd: в туалете нельзя помыть руки потому что диспенсеры воды и мыла электрические
TIL теперь существует профессия брокера компьюта. Человек, который ходит по клаудам и подбирает за тебя кластеры
Риелторы для гпу!
💵 GigaChat 3.5 Ultra: меньше, быстрее, сильнее
Сегодня мы выкладываем в open source GigaChat 3.5 Ultra — новую 432B-модель под MIT-лицензией. Это первый в open source гибрид GatedDeltaNet и MLA, доведённый до сотен миллиардов параметров, — с собственным рецептом обучения, который мы собирали больше чем в 1500 экспериментах. Модель выросла в коде, математике, агентных сценариях и на аренах — и при этом стала на 40% меньше, чем GigaChat 3.1 Ultra.
Весь стек — данные (своя LLM-фильтрация Common Crawl, 600+ языков программирования в коде), архитектура, рецепт обучения, инфраструктура — сделан нами end-to-end.
Новый пост готовится, а пока
#дайджест
Дайджест AI/ML за неделю 29 июня – 5 июля 2026
Что происходило в мире в перерывах между пятичасовыми сессиями с Fable
Anthropic: Claude Sonnet 5
Перформанс не драматично хуже Opus 4.8 при цене $2/$10 до 31 августа, дальше $3/$15 (Opus — $5/$25). Агентный кодинг 63.2 против 69.2 у Opus 4.8 и 58.1 у Sonnet 4.6, на knowledge work Опуса даже слегка обходит. В Claude Code теперь дефолт с нативным 1M контекстом. Идиллию портят только то что чтобы добиться качества Opus 4.8 нужно потратить настолько больше токенов, что выйдет дороже.
Блогпост, System Card
Alibaba: Qwen-AgentWorld
Все тренируют агентов действовать в окружении - Qwen натренировали модель быть окружением. World model предсказывает, что вернёт среда на действие агента: терминал, поиск, MCP, SWE, Web, OS, Android — всё в одной модели, обученной на 10M+ реальных траекторий. Профит: симулятор для агентного RL (включая полностью выдуманные миры, где агент не может читерить parametric-знаниями) и warm-up, улучшающий агентов даже без агентного файнтюна. В опенсорсе 35B-A3B (Apache 2.0), флагман 397B-A17B на их собственном бенчмарке обходит GPT-5.4 (58.71 vs 58.25) - бенчмарк, правда, их же. Блогпост, GitHub
Fal.ai: LoRA для TRELLIS.2
Fal завезли LoRA-тюнинг для 3D-генерации: TRELLIS.2 теперь можно дообучить под свой стиль или тип объектов и гонять инференс с кастомной лорой у них же. Если делаете ассеты пачками под один арт-стиль - это ваш день. Тренер, Инференс
Anthropic: Claude Science
Claude Code для биотеха. Попытка, сделать харнесс, который упорядочит зоопарк из PubMed, Jupyter, R и десятка биобаз со своими схемами. Внутри координирующий агент со специализированным набором скиллов. Блогпост
Comfy: официальный MCP
Агент на естественном языке ищет модели и темплейты, собирает и запускает воркфлоу, генерирует картинки/видео/аудио/3D. Воркфлоу шарятся по URL и воспроизводимы. Блогпост, Доки
Google: Nano Banana 2 Lite
Самая быстрая и дешёвая модель семейства: <4 сек на генерацию (было ~20), $0.034 за картинку. Заодно до API доехала Gemini Omni Flash - генерация и разговорное редактирование видео до 10 сек за $0.10/сек.
Блогпост, Nano Banana 2 Lite
Proton: Lumo 2.0
Приватный ассистент от швейцарской компании пересобрали: thinking-режим, мультимодальность, веб-поиск, память - всё под zero-access шифрованием. До фронтира очень далеко, но на фоне июньских приключений Anthropic с правительством США питч Европейского суверенного™ ИИ продаёт себя сам. Блогпост
Base44: Base1
Vibe-coding платформа от Wix первой в классе съехала со съёмного жилья: своя модель Base1 вместо API. RL-файнтюн открытой модели на десятках миллионов взаимодействий с платформы, мотивация - счета за Opus при $150M ARR. Ждём, последуют ли Lovable и ко. TechCrunch
Princeton: CEO-Bench
агент получает $1M и рулит симулированным SaaS-стартапом 500 дней. В плюсе финишировали только Fable 5 ($47.15M), Opus 4.8 и GPT-5.5; rule-based скрипт без LLM заработал $15.76M и обошёл остальных.
Статья, GitHub
NVIDIA ввела revenue share для AI-облаков:
кредитная поддержка и выкуп простаивающих GPU в обмен на процент с облачной выручки. Лопаты на лихорадке плюс доля с прииска. Блогпост
cardiag - прикольный опенсорс недели:
Модель для диагностики авто по звуку работы. GitHub
Akrites - Linux Foundation
запустили орган координации устранения уязвимостей в опенсорсе.
Котелок агентного ИИ находит уязвимости слишком быстро. Мейнтейнеры тонут в дублях репортов, а каждый сидящий на непатченной дыре повышает шанс утечки. Akrites - точка координации находок для практически всего американского бигтеха. Кстати акриты это стражи границ Византии, красиво.
The New Stack
Когда-то скоро в канале снова будет не-брейрот контент, но пока что админ жжет токены
Время вакансий в канале!
TLDR: HFT, кванты и ML, 360 – 500k USD на руки + profit sharing
Spectral::Technologies – HFT-фонд, успешно торгующий на рынках по всему миру 6+ лет. Познакомились на OpenTalks.AI: они были генспонсорами и буквально спасли конференцию в этом году. Ребята вообще много вкладывают не только в команду, но и в поддержку STEM-образования: четвёртый год покрывают 90%+ расходов НМУ, пишут курсы и дают гранты.
Ищут людей по двум направлениям – ML и Quant. Что круто: в Spectral идеальная среда для скоростного роста на любом грейде. Лид – золото IMO, команда постоянно растёт, джуны приходят без опыта в HFT и меньше чем через год уже делают рынки. Тайтлами не загоняют в рамки: дают столько ответственности, сколько вы готовы взять, и помогают найти, где ваши сильные стороны дают максимум для PnL.
ML Researcher (Middle / Senior)
Строить модели с высокими требованиями одновременно к скорости инференса и качеству, полный цикл – от гипотез до прода, Kaggle-like задачи
Кого ищут: сильная матбаза (как правило, tier-1 технический вуз), прод-опыт на Python и >= 1 из:
Коммерческий опыт в сильной ML-команде с подтвержденными кейсами / Опыт с моделями, где скорость инференса и качество важны одновременно / PhD по Computer Science, ML и/или публикации на топ-конференциях (NeurIPS, ICML, ICLR, CVPR) / Законченный ШАД по треку ML или DS / Соревновательный или HFT-бэк
Quant (Junior / Middle / Senior)
- Junior: можно без опыта. Python, базовый C++, linux
- Middle: 3+ года опыта в tech (не обязательно HFT). Python, C++, linux
- Senior: успешный опыт в HFT в квантовой роли («можете создать торговую стратегию»)
На все роли (и кванты, и ML) ребята ищут сильный соревновательный флекс, потому что сами такие же. Уровень победителей олимпиад по математике, проге, физике (межнар, ВсОШ, ICPC NEF+), Master+ на Kaggle или solo-золото, 2300+ на CF. Подойдёт любое достижение этого уровня – или успешный HFT-трек с ростом зоны ответственности.
Про вилки: Senior с сильным бэкграундом получает 360 – 500k USD на руки + profit sharing, Junior – 150–180k USD на руки + profit-sharing. Так что у Spectral не только есть интересные задачи, но они еще и очень хорошо платят за их успешное решение.
Общие условия:
– Profit-sharing на всех позициях
– Официальное трудоустройство, 5/2, оплачиваемая релокация; Дубай и другие локации по договорённости
– Всевозможные бенефиты: ДМС со стоматологией, учебные отпуска, перфоманс-коучинг, корпоративы в разных странах мира. Spectral умеют отдыхать красиво – несколько дней, полностью закрытые отели, уникальные экспириенсы, выступления артистов. А этим летом у них на корпоративе поет Дора 💔
Резюме и вопросы — сюда: @sophia_spectral 👀
Я не знаю что там за модели, но какие градиенты цвета!
Мне кажется этот график даже хуже, чем было у OpenAI. Что в лабах за проблемы с барплотами?
Если Orbit Wars завершился и вы теперь, как и я, рефлексируете на тему 'почему они, а не я', то я сделал за вас всю работу
Читать полностью…
Клод теперь будет по паспорту :(
https://support.claude.com/en/articles/14328960-identity-verification-on-claude
Есть такой набор загадочных ML задач которые не работают, но всегда с нами. В том плане, что когда я начинал свой путь их кто-то пытался решить и сейчас их кто-то пытается решить.
Загадочно тут вот что. С одной стороны они не решаются и видимого прогресса нет. Возникает дежавю: 10 лет назад пытались предсказать остановки оборудования и сейчас пытаются примерно теми же методами. С другой стороны этими задачами почему-то не перестают заниматься.
Ещё одна особенность, что с каждой волной хайпа они получают новую жизнь, типа "вот теперь, с агентами, точно матчинг кандидатов и вакансий заведётся!"
Примеры таких задач:
- Process mining
- Predictive maintenance, прогнозирование остановок оборудования
- Автоматический матчинг кандидатов и вакансий
- Поиск аномалий в финансовых рядах. Да и вообще всё что угодно про временные ряды
- Подсчет товаров на полках магазинов
- Любой AutoML
- Виртуальная примерка
- Подсчет калорий по фото
- Найти девушку
Накидайте ещё примеров
banned by AI, convicted by AI, defended by AI, and pardoned by AI in about 10 minutes
https://x.com/endpointarena/status/2075245286339846145
Мое тело это машина которая перерабатывает кофе в показы демо и "прикольно, а что помешает Антропику это сделать?"
Читать полностью…
7x size reduction for Gemma4 Edge models
📝 Блогпост
Команда из Stage.AI выпустила занятный блогпост про сжатие Gemma-4 в 6,4 раза с умеренной просадкой качества.
Работа примечательна тем, что комбинирует многие классические и свежие практики, чтобы выдать наилучший trade-off между размером модели и качеством.
Как вам место для размещения приглашения на invite only executive dinner for founders and VCs?
Я зарегался
Я на RAISE summit, ищу инвесторов, клиентов и партнеров.
И это буквально мем про лопаты. Каждый второй стенд это провайдер компьюта. Компьют компьют компьют дата-центры гпухи
Не пузырь, четко и ясно
Ухаживания
Раньше: оплатил девушке маникюр
Сейчас: оплатил девушке Codex Pro
# Новый эпизод в серии "как потерять работу": PLATA
В последнее время в канале было меньше контента. Всё потому, что я нашел работу.
В апреле-марте свободные деньги у меня совсем иссякали. Идею стартапа автоматизации мобильного QA было решено закопать (об этом в следующем посте). Я начал смотреть по сторонам и общаться с компаниями, и одновременно с этим на меня вышли из команды рисков Plata.
Первой моей реакцией было удивление: где я и где банки? За всю карьеру я выкатил в прод едва ли 2-3 табличных модели. Всё время занимался компьютерным зрением, DL, данными и инженерией. Риски мне представлялись так: фитишь деревья решений, чтобы объяснить что-то регуляторам.
Однако мои опасения сходу развеяли. Оказалось, что риски в Plata — это не только таблички с бустингами, и вообще не про ублажение регуляторов. В Plata переформулировали задачу рисков из "отсеять плохих" в "максимизировать прибыль при заданных ограничениях". При такой постановке риски — это не отдел по блокированию инициатив и объяснению предсказаний, а движок зарабатывания денег. В таком случае и задачи моделирования становятся шире. Поэтому ребята искали, как усилить свою экспертизу в DL: целенаправленно нанимали и нанимают людей без банковского и финтех опыта.
Мои глаза загорелись. Трансформеры в банках уже пробовали применять, но отставание от NLP серьезное, и подходы ещё не устоялись. Можно многое сделать, просто перенимая лучшие практики. Plata мне обозначила, что готова вкладываться и деньгами, и людьми. Бери ответственности сколько сможешь проглотить. Улучшение метрики риск-скоринговых моделей на один пункт — это буквально плюс десятки миллионов долларов в год, так что ресурсы дадут, если сможешь обосновать и сделать. Кроме того: растущая компания, в которой можно сделать себе имя, понятный горизонт, когда можно будет обкешить свои фантики, адекватные собеседования и хороший оффер. К тому же для меня очень важно иметь возможность спать в помещении и есть еду.
Я соблазнился и вышел на позицию Principal AI Engineer в Plata. Потом внутри приходилось всем объяснять, что я умею не только промпты, и вообще кто такой принципал. Самый простой вариант: это как стафф, но ещё круче, а стафф — это как синьор, но обязанный наносить добро в рамках нескольких команд. То есть как я люблю: нет подчиненных, надо работать руками, но и общаться тоже надо.
Внутри Plata мне просто понравилось. Я встретил очень сильную команду. Увидел самую крутую систему валидации моделей, что я когда-либо встречал. Культура ебашинга много работать есть, но она не показалась мне абсурдной или высосанной из пальца (косо смотрим в сторону печально известных R-компаний и P-компаний). Скажем так: на меня никто не токсил, мне никто не звонил в пять утра, по выходным работать не заставлял. Просто двигаться надо было быстро и включаться полностью, иначе просто отстаешь от коллег.
Также я не увидел культуры подсиживать коллег ради плюсика на ревью (косо смотрим на Я-компанию, да и любой бигтех). Скорее всего, Plata сейчас на очень здоровом этапе, когда надо просто делать работу, и это будет приносить деньги и результаты (в том числе сотруднику). Очень понятно, что делать, поэтому компания не обросла бюрократией, занимающейся обслуживанием самой себя.
За три месяца я сделал две небольшие DL-модельки, зачал проект большой вундервафли и начал искать под неё Research Engineer, высосал свой ML-нетворк в воронку найма Plata и организовал поездку нашей команды с докладами на ODS DataFest Belgrade (Салават, мы ждем записи!).
Кстати, вы можете податься на эту позицию и делать AI/ML R&D, который зарабатывает деньги: AI Research Engineer
Всё шло отлично. Plata — это место, где можно заработать миллионы долларов на обозримом горизонте. Но я заглянул глубоко в себя и задумался, чего я по-настоящему хочу. Что мне по-настоящему нравится? Тогда я понял: я не столько люблю зарабатывать деньги, сколько люблю их тратить. Тогда выбор очевиден: надо делать свой AI-стартап. Об этом в следующем посте.
Я считаю не надо на этом останавливаться.
Вот несколько недоисследованных идей как лучше презентовать результаты своих моделей:
1. Менять ширину столбиков абсолютно легально
2. Не забываем про альфа канал
3. Порядок столбиков тоже выбирается на ваше усмотрение
#дайджест
Дайджест AI/ML за две недели 15-28 июня 2026
OpenAI: GPT-5.6 (Sol, Terra, Luna)
Sol - плюс сайз модель сопоставимая с Mythos. SOTA на TerminalBench 2.1. остальные бэнчи сравнивают в рамках линейки GPT, так что вероятно там дай бог паритет с Fable. Цена - $5/$30
Terra - модель на уровне GPT-5.5. Цена - $2.50/$15 (у GPT-5.5 $5/$30)
Luna - по бэнчмаркам уровень GPT-5.4, но на класс ниже по размеру. Цена - $1/$6 (у GPT-5.4 $2.5/$15)
Civitates Foederatae Americae - правительство США попросило придержать публичный релиз и сделать ограниченное превью для 20 партнёров, согласованных правительством. Как было с Mythos, но теперь менее добровольно. Широкий доступ обещают "через пару недель". Но как говорится - на Альимана надейся, а сам ищи как получить паспорт США.
Блогпост, Системная карточка
Zhipu: GLM-5.2
Открыли веса под MIT. MoE на 744B параметров (40B активных), контекст 1M. И наконец-то с цифрами: SWE-bench Pro 62.1, Terminal-Bench 2.1 81.0, GPQA-Diamond 91.2, AIME 2026 99.2, HLE 40.5 (54.7 с тулами), в общем, открытая модель не очень далеко от фронтира.
Цена по API $1.40/$4.40 за 1M, кэш входа $0.26.
Веса, Блогпост
???: Happy Oyster 1.0
Одна модель - два продукта. По слухам от Alibaba.
Adventure Mode - world-model в духе Genie, можно летать на драконах и ползать червем через WASD.
Directing Mode - видеогенерация в которую можно вмешиваться и создавать развилки для происходящих в кадре действий.
На старте дают 1000 кредитов, так что можно попробовать самому. Сайт
Jülich: CytoNet
Модель архитектуры коры человеческого мозга (клеточной микроструктуры по гистологическим срезам, а не симуляцию активности). Тренировали на 6.5 петабайтах данных с 21 посмертного мозга. Брутальный ML.
Блогпост, Статья
Sakana AI: Fugu и Fugu Ultra
Модель-оркестратор, обученная раскидывать задачу по пулу фронтир-моделей (и рекурсивно по самой себе) и собирать ответ. По их собственным замерам Fugu Ultra тянется к фронтиру: SWE-Bench Pro 73.7, Terminal-Bench 2.1 82.1, GPQA-D 95.5, HLE 50.0. Веса закрыты, какие модели в пуле - не раскрывают. Цена Ultra $5/$30, в ЕС пока недоступно.
Блогпост, Технические детали
Zyphra: "Can Scale Save Us From Plasticity Loss in LLMs?" - статья в которой изучают потерю пластичности (деградацию способности учиться новому) у трансформеров от 5M до 314M. Момент её наступления растёт сублинейно к размеру, так что одним увеличением модели не вылечить. Статья
Alibaba: Qwen-Robot Suite
Alibaba собирает полный стек моделей для роботов восприятие-навигация-действие.
Qwen-RobotManip (обобщающая Vision-Language-Action модель), Qwen-RobotNav (навигация, Vision-Language-Navigation модель) и Qwen-RobotWorld (видео-world-model для предсказания сцен). Не оупенсорс.
Блогпост
NVIDIA: MotionBricks
Модель для генерации анимаций движения. Одна модель держит 350к+ элементов движений, работает в реальном времени и переносится на новые задачи zero-shot, без дообучения. Проект гоняют на гуманоиде Unitree G1 и в Unreal Engine 5. Выложены демо и инференс-чекпоинты, позже обещают полный пайплайн тренировки.
Проект, Статья
NVIDIA: CUDA-X новые AI инструменты для всяких наук
ALCHEMI - микросервисы под скрининг химических соединений и материалов, до 50x ускорение перебора кандидатов.
DAQIRI - библиотека обработки данных с детекторов в CERN. С её помощью гоняют real-time ИИ прямо по тем >99% столкновений, которые система отбора обычно выбрасывает не глядя.
cuPhoton - работа с астрономическими данными телескопов и рентгена, ускорили чтение и анализ данных обсерватории в тысячи раз. Блогпост
ByteDance: Seedance 2.0 Mini
Облегчённая и дешёвая версия видеомодели Seedance 2.0: 480p/720p. Заявляют ~2x скорость относительно Seedance 2.0 Fast при сравнимом качестве и примерно вдвое дешевле обычной
BytePlus, API-доки
EpicGames: Unreal Engine 5.8 добавили нативный MCP-плагин
Cerebras: разогнали Google Gemma 4 (31B мультимодальную) до 1500+ токенов/с
macOS: fm CLI Теперь работает с моделями из набора Foundation Models можно прямо в терминале Mac.
Google: Gemini 3.5 Flash computer use встроили прямо в модель как штатный инструмент
Fermatix AI сделали KrabArena – платформу для воспроизводимых сравнений технологических продуктов. Решают проблему, что технические решения часто выбираются на основе маркетингово буллшита: по статьям самих вендоров, постам в твиттере и ответам LLMок. И что зачастую бенчмарки из интернета либо не воспроизводятся, либо нерепрезентативны.
Как работает KrabArena:
1. Выбираешь баттл
2. Смотришь результаты
3. Придумываешь, что ещё хочется проверить для своей задачи
4. Запускаешь создание нового теста через своего любимого AI-агента
Дальше агент делает основную работу: помогает сформулировать тест, выбрать метрику, провести воспроизводимый эксперимент.
На выходе получается клейм с выводами, цифрами и кодом проверки. Этот результат сможет проверить любой человек на платформе.
Примеры:
• Claude Skills vs MCP Servers – что дешевле по токенам и контексту.
• Qdrant vs Weaviate vs LanceDB – какая векторная БД лучше выдерживает рост нагрузки.
• ClickHouse vs DuckDB – сколько стоит хранение одного и того же набора данных.
• TypeScript vs Rust vs Go vs Python – где современные LLM пишут более качественный код.
Напоминаю как выглядит единственный харнесс который стоит обсуждать
Читать полностью…
Самая большая иллюзия для вайбкодера - это иллюзия возможности запустить стартап. В рынок, в продукт, в жизнь. Пока люди вокруг годами набивали свою продуктовую карму, повышая уровни взаимодействия с пользователями, инвесторами, юнит-экономикой и реальностью вообще, вайбкодер ежесекундно, ночами и месяцами рефлексировал в чате с нейросетью, проваливался в бездну какого-то совершенно иного способа разработки. За это время им был пройден долгий путь не демонстративного и модного сейчас в интернетах “билдинга”, а естественно вытекающего из многолетнего одиночества перед пустым репозиторием абсолютного продуктового нигилизма. Путь настолько долгий, что в конце обесценивается сам MVP.
И теперь для того, чтобы хоть что-то задеплоить, нужно прикладывать титанические усилия, ибо любое действие, любой коммит, любой новый лендинг на Tilda, любой “давай просто проверим гипотезу” тотально бессмысленен. Это не обычная прокрастинация, не какая-то показушная ваниль из серии “я инди-хакер, поддержите на Product Hunt”, не выгорание в общепринятом понимании. Это отражённая бездна, выработанное за месяцы промптинга фундаментальное неприятие окружающего рынка, всех его составляющих. Намертво привинченный к глазам чёрно-серый фильтр из логов, ошибок сборки, пустых метрик и холодных писем без ответа.
Такое сознание уже не способно понять и принять бушующий вокруг радостный балаган с суетливыми питч-деками, беспечными фаундерами в Patagonia, выносящими мозг подкастами про growth, AI agents, B2B SaaS и “мы нашли боль”. Мир вокруг теперь воспринимается как нескончаемый конвейер безумия, бесцельный и случайный акселератор на краю галактики, где имеет смысл лишь shutdown, символизирующий выход из круга фич, а значит из круга абсолютного, концентрированного roadmap-зла.
Начать строить продукт стереотипно и правильно, начать выбирать правильно ICP и правильно с ним созваниваться, вовремя разрезать праздничный торт на pre-seed, аплодировать traction slide и улыбаться инвестору - это что-то за гранью. Этого никогда не будет. Потому что где-то между первым “сделай мне SaaS на Next.js” и тысячным “исправь баг, не меняя существующую логику” произошло необратимое смещение сознания. Код перестал быть инструментом, продукт перестал быть целью, пользователь перестал быть человеком. Остались только диалоговое окно, мигающий курсор, бесконечные dependency conflicts и мутное ощущение, что весь этот мир был придуман для того, чтобы кто-то снова написал: “а можно добавить авторизацию через Google?”
Есть лишь одна реальность - огромная невыносимая меланхолия, которая будет постоянно расти на горизонте дашборда. MRR всегда равен нулю. Retention всегда утекает. Churn всегда приближается. И где-то вдалеке, за туманом непрочитанных писем, холодных лидов и бесконечных “мы пока не готовы платить”, уже виднеется финальный экран: домен не продлён, сервер остановлен, репозиторий заархивирован, а последний коммит называется final_final_really_final_fix
#meme
Оказывается, одна из работ принятых в этом году на IMCL 2026, On Efficient Scaling of GNNs via IO-Aware Layers Implementations, выросла из проекта студентов ШАД и получила spotlight.
Немного поговорил с одним из авторов, Федей Великонивцевым. Ребята из ШАДа исследовали, как ускорить графовые нейросети на GPU. Оказалось, на практике GNN часто упираются не в вычисления, а в память и передачу данных. Для разных семейств моделей исследователи нашли свои узкие места и адаптировали существующие GPU-оптимизации под графовые данные. Получили до 8.5х ускорения и до 76х экономии памяти GPU для attention свертки. Еще добавили поддержку тензорных ядер и показали, что эффективность оптимизаций сильно зависит от структуры графа.
Цитата от Феди:
Все кернелы - drop-in замены под PyTorch без тяжёлых зависимостей, репозиторий уже на GitHub. По сути, мы переносим в Graph-ML принцип IO-aware разработки, который для многих областей стал стандартом, а для GNN пока остаётся нишевой практикой.