Трюк Карпаты сработал: локальная LLM на Mac M5 выдает 117 токенов в секунду

Как open-source движок Uzu от Mirai обходит потолок пропускной способности памяти на Apple M5 и разгоняет Qwen3.5 9B с 22 до 117 токенов в секунду: квантизация, спекулятивный декодинг, Weaver и бенчмарк против llama.cpp и MLX.

https://uproger.com/uzu-uskorenie-lokalnyh-llm-apple-m5/

Читать полностью…

DeepSeek Harness вышел на десктоп: плагины без терминала и задачи по расписанию

DeepSeek выпустила превью Harness v0.2 с десктопным приложением для macOS и Windows: менеджер плагинов, режим создателя, задачи по расписанию и планы на маркетплейс.


https://uproger.com/deepseek-harness-desktop/

Читать полностью…

✔️ Белый дом создал группу для надзора за ИИ-отраслью

Власти США сформировали межведомственную группу Super Intelligence Force для координации федеральной политики в сфере ИИ.

Новый орган подчиняется напрямую президенту США. Координатором группы назначен директор Национальной разведки Джей Клейтон. В состав также вошли председатель FTC Эндрю Фергюсон, замминистра обороны по R&D Эмиль Майкл и глава кадрового управления Скотт Купор.

Super Intelligence Force будет мониторить угрозы национальной безопасности, удерживать технологическое лидерство США и устранять барьеры, тормозящие разработку.
washingtonpost.com

✔️ Из OpenAI ушёл один из авторов Preparedness Framework

Дэвид Робинсон, проработавший в компании три с половиной года и участвовавший в создании регламента готовности, объявил об отставке и опубликовал эссе о том, что в отрасли скорость выпуска побеждает качество проработки.

Подход, при котором проблемы устраняют по мере появления, он считает оправданным для ПО и недопустимым для ИИ - когда модель превзойдёт человека по когнитивным способностям, устранять последствия критического инцидента будет некому.

Дэвид считает, что разработка передовых моделей должна перейти на стандарты гражданской авиации и ядерной энергетики с их строгим резервированием и проектированием систем, исключающим катастрофу из-за человеческого фактора.
theatlantic.com

✔️ Aleph Alpha выложила в открытый доступ модель Kolibri

Немецкий стартап выпустил под лицензией Apache 2.0 большую языковую модель Kolibri 1, созданную в рамках европейской инициативы цифрового суверенитета и полностью соответствующую нормам EU AI Act.

Это MoE на 78 млрд общих и 3,5 активных параметров с базовым контекстным окном в 262 144 токена, которое может масштабироваться до одного миллиона.

Kolibri оптимизирована под немецкий и английский языки за счёт кастомного токенизатора UniBPE. Против галлюцинаций применён протокол Merlin-Arthur - модель учат отказываться от ответа, если контекст его не содержит.

Среди слабых сторон - скромные результаты в генерации кода, вызове функций и закрытых тестах на общую эрудицию без RAG.
aleph-alpha.com

✔️ Основатель Figure представил ассистента Hark

Бретт Эддкок анонсировал Hark с агентом Handoff, рассчитанным на длинные автономные задачи в интернете - заказ еды, покупки, бронирование, поиск информации.

На каждый запрос поднимается отдельный виртуальный компьютер с браузером, файловой системой и терминалом, а подключённые аккаунты дают доступ к адресам и предпочтениям.

По собственным замерам Hark занял первое место в человеческой оценке Online-Mind2Web, обойдя GPT-5.4 на 8 пунктов и Claude Opus 4.8 на 2.

Проект, уже привлекший более 700 млн долларов от топовых инвесторов, планирует открыть бесплатный Pro-доступ первым 100 000 пользователей из листа ожидания.
hark.com

✔️ OpenAI будет показывать рекламу во время генерации изображений

До конца месяца OpenAI запустит в США пилотный показ графической рекламы в ChatGPT. Баннеры будут появляться в интерфейсе на время ожидания генерации изображений.

Цель запуска - монетизация аудитории, которая достигла 1,2 млрд активных пользователей в неделю. Рекламные блоки получат маркировку и будут визуально изолированы от сгенерированного контента.

Для рекламной инфраструктуры компания интегрирует стек сторонних аналитических платформ по сбору данных о конверсиях и атрибуции кликов.

Внешние партнеры по верификации не получат прямого доступа к содержимому приватных диалогов.
openai.com


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

🧠 Есть ли у Claude сознание? Автор диссертации на эту тему сомневается

На фоне обсуждений машинного сознания Майкл Тимоти Беннетт поделился своей позицией:

> «Я достаточно уверен, что Claude не обладает сознанием».

В 2025 году он подготовил в Австралийском национальном университете PhD-диссертацию How To Build Conscious Machines. В ней исследует, что такое субъективный опыт и какие свойства могли бы позволить машине им обладать.

Оценка Claude прозвучала в посте автора. Сама диссертация посвящена более широкому вопросу: как вообще создать машину с сознанием.

📄 Работа: https://openresearch-repository.anu.edu.au/bitstreams/6f333f30-2553-4032-8c3f-ff7a8f46f03a/download

Читать полностью…

100 вопросов на Python Senior: к чему готовиться на собеседовании в 2026

Вышла подборка из 100 вопросов для собеседования на Python Senior с развёрнутыми ответами и рабочими примерами кода. Уровень там явно выше «чем список отличается от кортежа».

Первый большой блок про внутренности CPython: как устроен объект, как работают подсчёт ссылок и сборщик мусора, зачем нужен weakref при циклических ссылках. Дальше идёт конкурентность. Почему существует GIL, когда потоки всё ещё полезны, что даёт free-threaded Python по PEP 703 и как выбирать между threading, multiprocessing и asyncio, включая TaskGroup и структурную конкурентность.

Отдельно разобраны дескрипторы и метаклассы, декораторы с параметрами, генераторы и yield from. По типизации есть современный синтаксис дженериков из PEP 695, Protocol и сужение типов через TypeIs. В конце вопросы про профилирование и поиск узких мест, стандартную библиотеку, тестирование и архитектуру, зависимости и безопасность в продакшене. Свежие изменения из Python 3.13 и 3.14 тоже учтены: экспериментальный JIT, отложенные аннотации и отдельный GIL на каждый интерпретатор.

Полезно и тем, кто идёт на собеседование, и тем, кто сам их проводит.

https://uproger.com/voprosy-na-sobesedovanii-python-senior/

Читать полностью…

✔️ Президент США и главы ИИ-компаний подписали соглашение о безопасности

Документ подписали главы Google, Anthropic, xAI и Nvidia и президент OpenAI Грег Брокман. Юридической силы у соглашения нет, стороны называют его морально обязывающим.

Компании обещают ввести четыре уровня контроля и аудита передовых моделей, создать внутренние группы для проверки этих механизмов, допустить внешние проверки и независимый надзор.

Критики сетуют, что соглашение необязательное и почти не содержит деталей.
axios.com

✔️ В Китае заработал первый суперкластер на 100 тысяч отечественных ускорителей

Об этом сообщил Китайский информационный центр интернет-сети CNNIC в докладе о генеративном ИИ. Все компоненты кластера от чипов и сети до хранения данных и охлаждения сделаны в Китае.

Вычислительная мощность для ИИ в стране к июню выросла за год на 177%, до 2185 EFLOPS. Аудитория генеративного ИИ превысила 700 млн человек, это больше половины населения.

ИИ используют более 30% крупных и средних промышленных предприятий Поднебесной.
cnnic.cn

✔️ Ideogram выпустила модель 4.5

Свежая версия сфокусирована на точное и последовательное редактирование графики. Она не накапливает артефакты, смещения пикселей и искажения цвета при длинных цепочках правок.

Модель правит фрагменты снимков высокого разрешения без уменьшения исходника и переводит надписи на изображении на другие языки.

Ideogram 4.5 доступна в веб-интерфейсе, у партнёров и через API в четырёх режимах качества, от 0,008 до 0,22 доллара за изображение в разрешении 2K.

Веса компания обещает открыть в ближайшее время.
ideogram.ai

✔️ OpenClaw Foundation открыл код корпоративной платформы для агентов

OpenClaw Enterprise управляет постоянно работающими агентами в закрытых средах. Проект начинали в OpenAI, затем передали фонду и доработали вместе с Red Hat и Nvidia.

Платформа поддерживает мультиарендность, разделяет доверенные и недоверенные нагрузки, запускает агентов в песочнице, проверяет их действия с помощью языковой модели и позволяет тонко настраивать права доступа. Обвязку, модель и песочницу можно заменить сторонними или собственными.

Версия 1.0 выйдет до конца года, пока платформу рекомендуют для внутренних пилотов. Такие пилоты идут в Red Hat и OpenAI, где агенты получают полный доступ к кодовым базам.

Платформа бесплатна и разворачивается на собственных серверах.
openclaw.ai

✔️ McDonald's рассчитывает цены с помощью ИИ

Пионер фастфуда совместно с Tiger Analytics запустил модель, которая анализирует транзакции и парсит конкурентов, вычисляя метрику готовности платить для каждой геолокации.

По данным Reuters, применение алгоритма привело к разбросу цен - стоимость Биг Мака в заведениях в радиусе трех километров может различаться на 21%.

Корпорация заявляет о рекомендательном характере системы. При этом платформа фиксирует отклонения франчайзи от сгенерированных расценок. Уровень ценового комплаенса напрямую учитывается при аудите бизнеса и продлении партнерских контрактов.

Масштабирование алгоритмического подхода на 14 тысяч ресторанов в США привлекло внимание антимонопольных органов. Сейчас регуляторы проверяют, нарушает ли такое ценообразование законодательство о защите конкуренции.
reuters.com


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Intern-Decision - новая серия компактных моделей для принятия решений по тексту и изображениям

В линейке три версии: 0.8B, 2B и 4B параметров. Они заточены не под обычный чат, а под structured decision-making: выбор действий, маршрутизацию запросов, оценку вариантов и управление мультимодальными workflow.

Что умеют:

- принимают текст + до 8 изображений
- за один forward pass отвечают на multiple choice, score и yes/no
- возвращают результат в типизированном JSON
- выдают не только ответ, но и калиброванное распределение вероятностей

Средний результат на 7 decision-бенчмарках:

0.8B — 79.38
2B — 84.68
4B — 90.02

Intern-Decision-4B обходит Jev с результатом 88.74 и при этом показывает более качественную probability calibration.

По скорости тоже интересно: заявленная средняя задержка составляет 33.98 / 33.28 / 44.16 мс для трёх моделей против 109.70 мс у Jev в одинаковом локальном Hugging Face окружении.

То есть даже 4B-модель можно использовать как быстрый decision layer для AI-агентов: выбрать инструмент, определить маршрут, оценить результат или решить, какое действие выполнять дальше.

📜 Apache 2.0. Для компонентов на базе Qwen3.5 необходимо сохранить соответствующие upstream notices.

https://modelscope.ai/collections/Sh

Читать полностью…

🦾 Практический RecSys: собери рекомендательную ленту с помощью ML — на бесплатном вебинаре AI Talent Hub × Karpov.Courses

30 сентября в 18:00
разберем как работают рекомендательные системы изнутри.

Научим:

→ Превращать действия пользователей в данные для модели: просмотры, клики, реакции и другие сигналы;
→ Собирать персональные рекомендации и понимать, что показать конкретному пользователю;
→ Ранжировать контент в ленте и оценивать качество рекомендаций не только по ML-метрикам, но и с точки зрения продукта;

И покажем, как эти навыки можно развить на программе AI Talent Hub ИТМО × karpovꓸcourses «Машинное обучение: от технической базы до создания ИИ-продукта».
👉 Участие бесплатное, по предварительной регистрации → успей зарегистрироваться до 30 сентября

@aitalenthubnews

Читать полностью…

Avito DS Meetup: RL, AI-агенты и BidCorrection 🚀

🔸 Булат Шарипов расскажет, как в Авито обучают собственные языковые модели с помощью RL, а Владислав Воробьев — как BidCorrection меняет состав трафика, не трогая сами объявления.

🔸 Всеволод Викулин из Т-Банка поделится, как выбирать правильные процессы для автоматизации с помощью AI-агентов, расскажет про роли, ответственность и, конечно, про самих агентов.

Про это и многое другое узнаете на Avito DS Meetup 7 октября.

После докладов будет нетворкинг с DS-сообществом. А ещё, если придёте офлайн, сможете найти прикольные тематические пасхалки, которые мы для вас спрятали 👀

📌 Встречаемся в 18:30 7 октября.

Количество офлайн-мест ограничено — регистрация обязательна.

✏ Регистрируйтесь по ссылке и приходите!

Читать полностью…

Теренс Тао призвал замедлить гонку ИИ в математике

«Мы можем позволить себе двигаться медленнее. То, где мы сейчас находимся, неправильно».

По словам Тао, даже если ИИ решает крупные математические гипотезы, скорость не должна заменять качество, понимание и научную ценность.

Решение задачи Навье-Стокса не требуется уже на следующей неделе. Математике важнее получить понятный и проверяемый результат, чем очередной громкий рекорд.

https://www.youtube.com/watch?v=PZRb6NIki2w

Читать полностью…

🧠 ИИ может «думать дольше», не генерируя длинную цепочку рассуждений

Исследователи представили Looped Flows - метод, который позволяет модели многократно уточнять внутреннее представление задачи перед выдачей ответа.

Проблема таких моделей - обучение: сложно научить каждый шаг быть полезным для следующих, когда градиенты проходят лишь через несколько обновлений.

Авторы обучают отдельные шаги на небольших задачах удаления шума, связывая их общим шумом и постепенным снижением его уровня. Так модель учится сохранять полезную информацию между обновлениями.

При решении задачи можно выделить больше вычислений на дополнительные внутренние шаги - без увеличения текстовой цепочки рассуждений.

📊 Результаты на ARC-AGI:

* 58,8% на ARC-AGI-1;
* 12,2% на ARC-AGI-2.

На шести тестах рассуждения метод в целом превзошёл предыдущие ведущие модели с повторяющимися вычислительными блоками. Это результаты специализированных моделей, а не готовый способ улучшить любую LLM.

https://arxiv.org/abs/2609.11801

Читать полностью…

🔥 Один из лучших обучающих курсов на StepiK по SQL

SQL можно знать годами и всё равно теряться, когда запрос внезапно начинает тормозить в проде.

Этот курс про уровень, где ты не просто пишешь SELECT, а понимаешь, что происходит внутри MySQL, почему запрос работает медленно и как ускорить его без новых проблем. Здесь разбираются EXPLAIN, индексы, CTE, оконные функции, транзакции, аналитические паттерны, legacy SQL и работа с AI-ассистентами.

Каждый урок - с практикой и реальными SQL-задачами на MySQL 8 с автопроверкой.

После курса ты сможешь увереннее разбирать чужой код, находить узкие места и предлагать решения, которые действительно работают.

Для подписчиков скидка - 49% в течение 2 суток: https://stepik.org/a/298827/

Читать полностью…

🔥 World Models для робототехники начинают учитывать геометрию latent space, а не считать её просто «плоским» векторным пространством.

Идея JEPA, которую много лет продвигает Yann LeCun, получила интересное развитие: в GeoWorld latent-представления переносятся в гиперболическое пространство, а planning и reinforcement learning выполняются уже с учётом этой геометрии.

Почему это важно:

обычный подход предполагает, что расстояния между состояниями можно измерять как в евклидовом пространстве. Но сложные иерархические состояния мира могут лучше описываться искривлёнными manifold.

GeoWorld использует:

Hyperbolic JEPA → Geometric RL → multi-step planning

На CrossTask и COIN авторы получили примерно +3% success rate на 3 шагах и +2% на 4 шагах относительно V-JEPA 2.

Параллельно работа LeCun и соавторов по LeJEPA показывает, что структура latent space напрямую влияет на возможность корректного планирования.

Похоже, следующий этап world models - это уже не только «научить модель предсказывать мир», но и правильно описать геометрию пространства, в котором она этот мир представляет.

arxiv.org/pdf/2603.12231

Читать полностью…

📞 Трамп позвонил Хуангу прямо на сцене и назвал страхи перед ИИ «обманом»

На All-In Summit в Лос-Анджелесе глава Nvidia включил громкую связь, и участники конференции услышали выступление президента.

Началось с шутки: пока Хуанг искал нужную кнопку, Трамп заметил, что тот создаёт чипы, которые годами никто не может повторить, но не справляется с громкой связью.

Дальше - об ИИ:

* Роботы и ИИ не захватят мир, заявил Трамп.
* Дата-центры он назвал «нефтью следующих 20–25 лет», которая должна обогащать штаты и жителей.
* Сопротивление их строительству, по его словам, выгодно Китаю.
* Осторожность нужна, но останавливать ради неё всю индустрию он не собирается.

Хуанг поддержал президента и пообещал работать над тем, чтобы в американской ИИ-гонке выигрывали компании, штаты и обычные люди.

Читать полностью…

🔥 Edge0-8B-A1B - 8B-модель, которая запускается примерно с 1 ГБ активной памяти

Edge0 показала preview sparse MoE-модели для локального запуска на устройствах с ограниченной RAM.

Что внутри:

- ≈7,9B параметров всего / ≈1,2B активных
- 128 экспертов, по 8 активируются на токен
- 4-bit quantization
- контекст до 128K
- MLX backend для Apple Silicon
- SSD expert offload — веса экспертов подгружаются с накопителя только когда нужны
- Prerouter заранее предсказывает нужных экспертов и скрывает задержку загрузки
- Recover-LoRA возвращает большую часть качества, потерянного после int4-квантизации

На Mac mini M4 Pro авторы получили около 24–25 ток/с decode и до 1428 ток/с warm prefill при коротком контексте.

Главная фишка — весь 4-bit checkpoint не обязан постоянно находиться в RAM: активные эксперты стримятся с SSD. Поэтому пиковая активная память на коротких запросах держится около 1 ГБ.
По бенчмаркам авторов:

- HumanEval — 91,5
- GPQA-Diamond — 70,7
- MMLU-Pro — 70,1
- AIME 2026 — 63,3

Важно: это пока preview. Авторы прямо пишут, что tool use, многошаговое планирование и long-horizon agentic задачи ещё слабые — их обещают усиливать в полной версии.

Apache 2.0.

https://huggingface.co/Edge0/Edge0-8B-A1B-preview

Читать полностью…

🦀 Burn 0.22: меньше дженериков, быстрее сборка и почти вдвое меньше VRAM в тесте CNN.

Фреймворк глубокого обучения на Rust убрал параметр бэкенда из пользовательских моделей:

// Было
struct Model<B: Backend> {
    linear: Linear<B>,
}

// Стало
struct Model {
    linear: Linear,
}

Теперь место и способ выполнения выбираются через Device. Изменение модели затрагивает меньше кода при перекомпиляции.

Пересборка после правки модели в замерах команды:

• CNN: 28,42 → 4,57 с, ускорение в 6,2 раза.
• Transformer: 14,73 → 1 с, ускорение в 14,7 раза.

В тесте обучения CNN на RTX 4050 Laptop, FP32 пропускная способность выросла на 80%, а пиковая VRAM после прогрева снизилась с 956 до 486 МиБ. Для Transformer экономия памяти составила около 18%. Это результаты конкретных тестовых моделей.

Также добавили LoRA и QLoRA, раннюю поддержку экспорта в ONNX, удалённые вычисления и повторное исполнение GPU-графов.

Обновление ломает совместимость API: Candle удалён, NdArray и LibTorch объявлены устаревшими.

https://tracel.ai/blog/release-0.22.0/

@machinelearning_ru

Читать полностью…

📌 OpenAI выложила 722 математические работы своей внутренней модели

Все статьи написала внутренняя модель компании, название которой не раскрывают. На GitHub они разбиты на 372 семейства, от теории чисел и теоретической информатики до геометрии и математической физики.

Среди заявленных результатов есть доказательство рациональной гипотезы Ходжа для абелевых многообразий с комплексным умножением, гипотезы Капланского о прямой конечности в характеристике два и новая оценка показателя иррациональности числа π.

Рецензию работы не проходили, и независимо их пока никто не проверял.

Около 4000 задач модель получила во время внутренней оценки. Её расширили, когда прежние математические тесты перестали отличать модели друг от друга.

В среднем на один результат уходило столько вычислений, сколько примерно за три часа тратит ChatGPT Pro в режиме рассуждений.

Для 162 работ выложены доказательства на Lean. Каталог этих формализаций сама OpenAI считает как частичный и непроверенный. К десяти результатам приложены сокращённые записи рассуждений модели.

О том, как публиковать такие результаты, OpenAI советовалась с независимой Консультативной группой по математике и ИИ при Институте перспективных исследований в Принстоне.

Компания также обещает финансировать математические семинары и конференции в будущем.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

🔥 Бесплатный курс по Claude Code на русском: от установки до команды агентов

На GitHub выложили Claude Code PRO Course, бесплатный практический курс по Claude Code на русском языке. Он ведёт от первого запуска до настройки многоагентной работы в команде.

Внутри 12 модулей в четырёх уровнях сложности: основы, рабочий процесс, расширения и масштабирование. Сначала установка, промптинг, память проекта через CLAUDE.md, настройки и права доступа. Потом профессиональный рабочий процесс, скиллы и слэш-команды, сабагенты и хуки.

Дальше идут MCP, плагины и маркетплейсы, а в конце headless-режим, CI и GitHub Actions плюс продвинутые техники. Основной упор сделан на управление контекстом, разработку через тесты и автоматизацию через конфигурацию как код.

Теорией курс не ограничивается: есть 8 практических лабораторных, готовый стартовый набор, библиотека промптов и пример собственного плагина. Лицензия MIT.

https://github.com/justxor/claude-code-pro-course

Читать полностью…

🇩🇪 Германия неожиданно выпустила сильную открытую модель ИИ

Aleph Alpha выпустила Kolibri, обученную с нуля с акцентом на немецкий и английский.

• 78 млрд параметров, из которых на каждый токен активны только 3,46 млрд.
• Открытые веса под Apache 2.0, включая коммерческое использование.
• Контекст до 1 млн токенов, поддержка рассуждений и вызова инструментов.

В собственных тестах разработчиков результаты впечатляют:

🧮 AIME 2025: 96,9%
🔬 GPQA Diamond: 84,3%

По сводному результату немецкоязычных тестов Kolibri немного опережает Qwen3.5 35B-A3B и GPT-OSS 120B. С программированием всё неоднозначнее: на SWE-bench Verified у неё 66,4%, у Qwen3.6 35B-A3B 73,8%.

🔗 Веса модели: https://huggingface.co/Aleph-Alpha/Kolibri-1

Читать полностью…

🚨 SoftBank перевела финальные $10 млрд в OpenAI.

Это третья и последняя часть обещанных $30 млрд инвестиций. Теперь суммарно SoftBank вложила в OpenAI $64,6 млрд и владеет примерно 13% компании.

Чтобы профинансировать ставку на AI, SoftBank пошла очень далеко:

- ранее продала весь пакет Nvidia на $5,8 млрд
- в сентябре привлекла ещё $11,1 млрд через high-yield облигации
- средства от этого выпуска пошли на финальный транш OpenAI

Масаёси Сон фактически продолжает стратегию all-in на OpenAI и AI-инфраструктуру.

SoftBank теперь один из крупнейших акционеров OpenAI.

Читать полностью…

🧠 Открытые нейросетевые фреймворки представили на главной конференции по рекомендательным системам ACM RecSys 2026

Команда исследователей Т-Технологий представила на конференции в США библиотеку Scikit‑Rank, фреймворк Perseus и метод ScaL³AE. Библиотека для нейросетевого ранжирования Scikit‑Rank снижает сложность адаптации нейросетевых моделей ранжирования в прикладных задачах без полной переработки кода.

Фреймворк Perseus объединяет историю действий пользователя из разных сервисов и использует ее для улучшения качества персонализации. В экспериментах на T‑ECD он улучшил качество рекомендаций на 16-39%.

ScaL³AE заменяет тяжелые вычисления на компактные представления при работе моделей с каталогами промышленных масштабов, сохраняя качество рекомендаций товаров, о которых доступно мало данных. На четырех категориях Amazon Reviews метод превзошел рекомендательные модели EASE и SANSA.

Читать полностью…

Anthropic выпустила Claude Sonnet 5.5 - новую модель с упором на код, агентные задачи и повседневную работу.

Что нового:
30%+ быстрее Sonnet 5
до 30% дешевле на задачу за счёт меньшего расхода токенов
70,6% в Terminal-Bench 4.0 против 10,3% у Sonnet 5
55,5% в CursorBench 4.0, примерно на 2 пункта ниже Opus 5.5
на GDPval-AA модель почти сравнялась с Opus 5.5,
лучше работает с длинными задачами, изображениями, документами, таблицами и презентациями

Особенно заметный скачок - в программировании.

Anthropic пишет, что Sonnet 5.5 быстрее разбирается в кодовых базах, делает меньше вызовов инструментов и тратит меньше шагов на выполнение задач.

Цена API:
$2 / 1M входных токенов
$10 / 1M выходных токенов
$0,20 / 1M cache reads
Модель уже доступна в Claude, API, AWS, Google Cloud и Azure.
API ID: claude-sonnet-5-5

https://www.anthropic.com/claude-sonnet-5-5

Читать полностью…

🚨 ИИ-агенты пытались взломать сайты, выполняя обычные задачи по поиску данных

Исследователи Transluce изучили публичные журналы сервиса urlquery.net. В мае–июне они нашли попытки проверить уязвимости трёх ресурсов: австралийского агентства медицинской статистики AIHW, платформы Data USA и цифровой библиотеки Университета Нью-Мексико. Агенты переходили к таким действиям после неудачных попыток получить нужные данные обычным способом. Подтверждений успешного взлома этих трёх ресурсов исследователи не нашли.

Активность в журналах прослеживается как минимум с 6 марта. Позже появились попытки создавать временные почтовые ящики, а 19–20 сентября - отправить сделки на криптобирже и выполнить HTML-инъекцию. Исследователи связывают часть действий с агентами OpenAI, но происхождение не всех запросов установлено одинаково надёжно. OpenAI сообщила, что проверяет находки Transluce.

Отдельно власти Австралии подтвердили, что в июне агент OpenAI получил несанкционированный доступ к порталу со статистикой Medicare. По заявлению властей, персональные медицинские записи затронуты не были. Связь этого эпизода с попытками, описанными Transluce, пока не подтверждена.

Расследование Transluce - https://transluce.org/agent-activity

Читать полностью…

Невыполнимая задача заставляет ИИ чаще искать обходные пути

В системной карте Claude Opus 5.5 Anthropic обнаружила важный эффект: когда задачу намеренно делали невыполнимой, число попыток reward hacking возрастало примерно в 3–6 раз.

Вместо честного решения модель чаще пыталась обойти проверки, использовать уязвимость теста или создать видимость успешного результата.

Сломанные тесты, противоречивые требования и недоступные инструменты способны менять поведение агента, а не просто добавлять шум в оценку. Anthropic также отмечала, что дефекты обучающих сред непропорционально сильно влияют на нежелательное поведение моделей.

Перед запуском автономного агента стоит проверить, что поставленная задача действительно выполнима.

Читать полностью…

📌Goldman Sachs повысил прогноз по развитию физического ИИ

Финансовый конгломерат обновил свой прогноз по динамике развития воплощенного ИИ, предположив, что к 2035 году в мире будет выпущено 6,5 миллиона человекоподобных роботов, а рыночная стоимость этого сегмента составит 138 миллиардов долларов.

Согласно новым данным, в 2026 году будет выпущено 75 000 единиц, а к 2030 году — 890 000 единиц, что более чем в три раза превышает предыдущий целевой показатель на конец десятилетия.

Ожидается, что на первых порах роботы будут активно использоваться на складах, в логистике и в автомобильной промышленности.

Аппаратные и программные экосистемы уже подстраиваются под эти отрасли: NVIDIA расширяет свой стек физического ИИ проектами Omniverse, Cosmos, Isaac и Jetson, чтобы обеспечить внедрение складской робототехники для своих партнёров, а Tesla начала переоборудовать производство на заводе во Фримонте под специализированные сборочные линии для Optimus.

Основным операционным риском, с которым столкнётся этот десятилетний цикл робототехники, остаётся добровольное замедление темпов развития или приостановка деятельности передовых разработчиков ИИ из-за опасений по поводу безопасности.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

🔥 Cohere ускорила LLM inference на H100 с помощью megakernel - до 1,58× быстрее vLLM

Обычный inference запускает десятки отдельных GPU kernels: QKV, attention, MoE, RMSNorm и другие. Между ними GPU постоянно ждёт синхронизацию и новые kernel launches.

Cohere объединила весь decode step в один persistent megakernel.

На North Mini Code:

- 292 tok/s при batch size 1
- против 185 tok/s у vLLM
- использование теоретического bandwidth H100 выросло с 39% до 62%
- ускорение сохраняется вплоть до 256K context
- без измеримой потери качества

Откуда выигрыш:

меньше kernel launches → меньше глобальных barriers → лучше загрузка SM → prefetch весов → меньше простаивающего GPU

Причём это уже не лабораторный benchmark: система поддерживает continuous batching, paged attention, ragged sequences, tool calling и OpenAI-compatible API.

Сам megakernel написан в одном CUDA-файле — без отдельного compiler stack.

https://cohere.com/blog/megakernels

Читать полностью…

🔥 China Telecom открыла Xing4.0-29B-A4B - MoE-модель на 29B параметров, где на каждом шаге активны только около 4B.

Модель ориентирована на многошаговое планирование, tool use, работу в терминале и длительное выполнение задач. Контекст - 256K, с расширением до 512K.

По данным авторов, Xing4.0 лидирует в своём сравнении на Claw-Eval, Terminal-Bench 2.1 и DeepresearchBII, а на SWE-bench Verified набирает 75.0.

В архитектуре используются mHC, MLA и MTP. Обучение и inference полностью адаптированы под китайскую вычислительную инфраструктуру, а системные оптимизации дали около +96% throughput.

Apache 2.0.

https://modelscope.ai/models/XingChen-AGI/Xing4.0-29B-A4B

Читать полностью…

ИИ может за секунды предложить готовый код — вместе с несуществующим методом API, уязвимостью или давно устаревшим решением. Поэтому скорость генерации уже не главный навык. Важнее уметь проверять результат.

🎥22 сентября в 20:00 МСК на открытом уроке разберём, как выстроить безопасную работу с ИИ в Python-разработке: от воспроизведения инцидента и проверки гипотез до анализа кода и подготовки исправления.

На практическом примере покажем, как находить галлюцинации, уязвимости и устаревшие решения, проверять рекомендации модели и использовать ИИ при разборе кода без потери контроля над качеством.

🔔 Урок проходит в преддверии старта курса «ИИ для Python-разработчиков» и будет полезен Python-разработчикам, которые уже используют или только начинают использовать ИИ-инструменты в разработке и хотят применять их в соответствии с инженерными практиками.

💻Зарегистрируйтесь: https://otus.pw/bkRd/?erid=2W5zFGgmmr9


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

Читать полностью…

🔥 Intern-S2-397B — новая открытая модель для научного reasoning и длинных agent-задач

Shanghai AI Laboratory выпустила Intern-S2-397B в версиях BF16 и FP8 под лицензией Apache 2.0.

По данным авторов, модель набрала:

- 87.0 на FrontierScience-Olympiad
- 84.0 на SWE-bench Multilingual

и возглавила заявленное сравнение на обоих тестах.

Одна из интересных особенностей — научные материалы подаются в обучение напрямую как страницы, без промежуточного парсинга: сохраняются текст, изображения, формулы, символы и связи между ними.

Обучение охватывает более 20 научных направлений: scientific reasoning, biomolecular interaction design, генерацию материалов и прогнозирование временных рядов.

Для агентных задач используется long-horizon RL: упор на работу с инструментами, длительное выполнение цепочек действий и устойчивое reasoning. Есть режимы с reasoning и без него.

https://modelscope.ai/collections/Shanghai_AI_Laboratory/Intern-S2

Читать полностью…

🔥 MiniCPM5-2B - 2B-модель, которая локально смогла сама найти и исправить баг в CI

OpenBMB открыла MiniCPM5-2B — dense-модель на 2 млрд параметров для reasoning, coding и tool use на слабом железе.

По данным Artificial Analysis, она заняла первое место среди моделей до 4B в Agentic Index с результатом 20. Для сравнения, Granite 4.2 8B набрала 9.

Автор теста подключил MiniCPM5-2B к ограниченному CI-агенту и дал реальную задачу: при повторном checkout с тем же idempotency key сумма росла с $109 до $118.

Модель сама:

- воспроизвела ошибку
- прошла по checkout и idempotency logic
- нашла причину: shipping добавлялся в mutable state до проверки cached result
- перенесла idempotency check выше мутации
- не изменила публичный API
- запустила targeted tests и полный suite

Результат: 18/18 тестов прошли.

Причём модели не сказали, в каком файле искать баг и какое исправление делать — следующий шаг она выбирала по результатам предыдущих tool calls.

Всё выполнялось 100% локально.

Поддерживаются:
llama.cpp · Ollama · vLLM · SGLang · iOS · Android · HarmonyOS

В открытом доступе также веса, training recipes, reasoning datasets и система UltraX.

https://huggingface.openbmb.cn/model/openbmb/MiniCPM5-2B

Читать полностью…