🔬 ScientistTwo от Google - ИИ, который самостоятельно проводит цикл ML-исследования
Система предлагает гипотезы, пишет код, запускает эксперименты и проверяет, какие изменения действительно улучшают результат. Затем убирает бесполезные компоненты, готовит статью и дорабатывает исследование по замечаниям ИИ-рецензентов.
Найденное решение становится отправной точкой для следующего раунда: система может улучшить человеческий метод, а затем продолжить улучшать собственную разработку.
Для оценки авторы взяли 107 задач из работ ICLR, ICML и NeurIPS. По их данным:
* В 86 задачах - 80,4% - удалось превзойти исходные человеческие решения.
* Средний относительный прирост в успешных задачах составил 25,2%.
Задачи и критерии оценки задают люди. ScientistTwo автоматизирует поиск решений и экспериментальную проверку; рецензирование внутри цикла тоже выполняют агенты.
📄 https://scientist-two.github.io/
Система предлагает гипотезы, пишет код, запускает эксперименты и проверяет, какие изменения действительно улучшают результат. Затем убирает бесполезные компоненты, готовит статью и дорабатывает исследование по замечаниям ИИ-рецензентов.
Найденное решение становится отправной точкой для следующего раунда: система может улучшить человеческий метод, а затем продолжить улучшать собственную разработку.
Для оценки авторы взяли 107 задач из работ ICLR, ICML и NeurIPS. По их данным:
* В 86 задачах - 80,4% - удалось превзойти исходные человеческие решения.
* Средний относительный прирост в успешных задачах составил 25,2%.
Задачи и критерии оценки задают люди. ScientistTwo автоматизирует поиск решений и экспериментальную проверку; рецензирование внутри цикла тоже выполняют агенты.
📄 https://scientist-two.github.io/
🔥13👍8❤6😁1🥴1
«Я хочу отправить их в тюрьму»: по данным Politico, Трамп произнёс это во время конфликта с Anthropic из-за Fable.
История началась с согласованного запуска: правительство протестировало модель, Минфин разрешил релиз. Через два дня исследователи Amazon нашли способ обойти её защиту и Белый дом потребовал отключения.
Дарио Амодеи пытался объяснить, что джейлбрейки встречаются у всех моделей и конкретная уязвимость не означает полного отказа защиты. Министр финансов Скотт Бессент ответил:
Амодеи заявил, что не может отключить Fable за час. По словам источника издания, раздражённый Трамп заговорил о тюрьме в случае отказа подчиниться.
Затем власти запретили доступ к модели всем иностранным гражданам, включая сотрудников самой Anthropic.
Anthropic отключила Fable по всему миру. После переговоров модель вернулась через 19 дней.
История началась с согласованного запуска: правительство протестировало модель, Минфин разрешил релиз. Через два дня исследователи Amazon нашли способ обойти её защиту и Белый дом потребовал отключения.
Дарио Амодеи пытался объяснить, что джейлбрейки встречаются у всех моделей и конкретная уязвимость не означает полного отказа защиты. Министр финансов Скотт Бессент ответил:
«Не думаю, что это сейчас необходимо, Дарио».
Амодеи заявил, что не может отключить Fable за час. По словам источника издания, раздражённый Трамп заговорил о тюрьме в случае отказа подчиниться.
Затем власти запретили доступ к модели всем иностранным гражданам, включая сотрудников самой Anthropic.
— Это означает, что нам придётся отключить модель? - уточнил Амодеи.
— Да. В этом и смысл, - ответил министр торговли Говард Латник.
Anthropic отключила Fable по всему миру. После переговоров модель вернулась через 19 дней.
😁31❤7👏3👍1
This media is not supported in your browser
VIEW IN TELEGRAM
В любом случае, Claude забанил мне два аккаунта, я ставлю на победу Альтмана!
🤣41🥰15❤5👍4🤯4🌚4🙏1
28 августа OpenAI начала обучать новую внутреннюю модель. Спустя всего 24 дня компания утверждает, что система уже решила более 100 давних открытых задач почти во всех областях математики.
По данным OpenAI, темп прогресса удивил даже математиков внутри компании. Этой же модели приписывают недавнее решение задачи Навье - Стокса из списка проблем тысячелетия.
Для оценки значимости результатов и организации их публикации создана независимая консультативная группа. В неё вошли:
- Эдвард Виттен;
- Тимоти Гауэрс;
- Мартин Хайрер;
- Рави Вакил;
- Мелани Матчетт Вуд;
- ещё четыре известных математика.
Участники не получают оплату от OpenAI и смогут публично комментировать действия компании. Сейчас большинство заявленных решений ещё не опубликовано и не прошло независимую проверку.
🔗 https://openai.com/index/advisory-group-on-mathematics-and-ai/
Please open Telegram to view this post
VIEW IN TELEGRAM
❤14👍7🔥7🥴3🤣3🤔1
Xiaomi представила MiMo-V2.6 с открытыми весами 👀
В семейство вошли две MoE-модели:
- Flash: 309B параметров, 15B активных, 177,8 ГБ в FP8
- Pro: 1,02T параметров, 42B активных, 573,5 ГБ в FP8
Обе поддерживают контекст до 1 млн токенов и работают с текстом, изображениями, видео и аудио.
После квантизации в NVFP4 требования к памяти можно сократить примерно вдвое. По предварительным оценкам, Flash поместится на 1-2 DGX Spark, Pro потребует около четырёх.
В указанном репозитории опубликована отдельная дистиллированная версия на базе Qwen 9B, а не веса Flash или Pro.
https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Distill-Qwen-9B
В семейство вошли две MoE-модели:
- Flash: 309B параметров, 15B активных, 177,8 ГБ в FP8
- Pro: 1,02T параметров, 42B активных, 573,5 ГБ в FP8
Обе поддерживают контекст до 1 млн токенов и работают с текстом, изображениями, видео и аудио.
После квантизации в NVFP4 требования к памяти можно сократить примерно вдвое. По предварительным оценкам, Flash поместится на 1-2 DGX Spark, Pro потребует около четырёх.
В указанном репозитории опубликована отдельная дистиллированная версия на базе Qwen 9B, а не веса Flash или Pro.
https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Distill-Qwen-9B
👍7🥰3🔥2
🚨 Alibaba представила один из самых агрессивных планов развития ИИ
Главное:
• Qwen 4 уже обучается
• Qwen 4.5 и Qwen 5 планируют масштабировать до 5–10 трлн параметров
• Qwen исследует рекурсивное самоулучшение: модели находят слабости, проектируют эксперименты и создают данные для следующего обучения
• M890 уже запускает модели крупнее 2 трлн параметров
• кластеры на новых V900 смогут объединять до 500 000 ускорителей
• мощность глобальных дата-центров Alibaba Cloud должна превысить 20 ГВт к 2032 году
Запуск массового производства V900 перенесли с III квартала на I квартал 2027 года. По словам главы Alibaba Эдди Ву, в будущем объём машинного «мышления» может превысить человеческий в 1000 раз.
https://www.reuters.com/business/retail-consumer/alibaba-plans-ai-model-with-5-trillion-10-trillion-parameters-unveils-new-chip-2026-09-22/
Главное:
• Qwen 4 уже обучается
• Qwen 4.5 и Qwen 5 планируют масштабировать до 5–10 трлн параметров
• Qwen исследует рекурсивное самоулучшение: модели находят слабости, проектируют эксперименты и создают данные для следующего обучения
• M890 уже запускает модели крупнее 2 трлн параметров
• кластеры на новых V900 смогут объединять до 500 000 ускорителей
• мощность глобальных дата-центров Alibaba Cloud должна превысить 20 ГВт к 2032 году
Запуск массового производства V900 перенесли с III квартала на I квартал 2027 года. По словам главы Alibaba Эдди Ву, в будущем объём машинного «мышления» может превысить человеческий в 1000 раз.
https://www.reuters.com/business/retail-consumer/alibaba-plans-ai-model-with-5-trillion-10-trillion-parameters-unveils-new-chip-2026-09-22/
👍20🔥13❤9👏1🤔1😱1
LFM2.5 вошла в лидеры локальных моделей для смартфонов 📱
Artificial Analysis протестировала 39 моделей на iPhone 17 Pro и Galaxy S26 Ultra.
LFM2.5-2.6B разделила первое место по интеллекту с Nanbeige 3B, используя примерно на 40% меньше памяти и работая до трёх раз быстрее.
iPhone 17 Pro:
- LFM2.5: 2,32 ГБ и 8 секунд
- Nanbeige: 4,03 ГБ и 21,4 секунды
Galaxy S26 Ultra:
- LFM2.5: 2,45 ГБ и 18,6 секунды
- Nanbeige: 4,13 ГБ и 71,4 секунды
Четыре из пяти моделей семейства LFM2.5 вошли во фронт Парето по интеллекту, задержке и потреблению памяти.
https://artificialanalysis.ai/hardware-inference-stack/mobile-phones
Artificial Analysis протестировала 39 моделей на iPhone 17 Pro и Galaxy S26 Ultra.
LFM2.5-2.6B разделила первое место по интеллекту с Nanbeige 3B, используя примерно на 40% меньше памяти и работая до трёх раз быстрее.
iPhone 17 Pro:
- LFM2.5: 2,32 ГБ и 8 секунд
- Nanbeige: 4,03 ГБ и 21,4 секунды
Galaxy S26 Ultra:
- LFM2.5: 2,45 ГБ и 18,6 секунды
- Nanbeige: 4,13 ГБ и 71,4 секунды
Четыре из пяти моделей семейства LFM2.5 вошли во фронт Парето по интеллекту, задержке и потреблению памяти.
https://artificialanalysis.ai/hardware-inference-stack/mobile-phones
😱8👍3❤1
Forwarded from Machinelearning
⚡️OpenAI выпустила GPT-6 Sol и GPT-6 Luna
Семейство GPT-6 расширилось сразу двумя новыми моделями — Sol и Luna.
Обе построены на наработках GPT-6 Astra, но рассчитаны на более быстрые и дешёвые сценарии работы в масштабе.
Главное:
- GPT-6 Sol — более мощная рабочая модель для сложных задач.
- GPT-6 Luna — более быстрая и экономичная версия для массовых запросов и автоматизаций.
- OpenAI отдельно оптимизировала кэширование и inference.
- API для Sol и Luna стал на 50% дешевле по сравнению с промо-ценами GPT-5.6.
- На AutomationBench новые модели заметно улучшают соотношение качество / стоимость относительно GPT-5.6.
Теперь линейка выглядит так:
GPT-6 Astra — максимум возможностей
GPT-6 Sol — сильная модель для серьёзной повседневной работы
GPT-6 Luna — скорость, масштаб и низкая стоимость
OpenAI явно хочет сделать агентов и автоматизации заметно дешевле для продакшена.
https://openai.com/index/introducing-gpt-6-sol-and-luna/
Семейство GPT-6 расширилось сразу двумя новыми моделями — Sol и Luna.
Обе построены на наработках GPT-6 Astra, но рассчитаны на более быстрые и дешёвые сценарии работы в масштабе.
Главное:
- GPT-6 Sol — более мощная рабочая модель для сложных задач.
- GPT-6 Luna — более быстрая и экономичная версия для массовых запросов и автоматизаций.
- OpenAI отдельно оптимизировала кэширование и inference.
- API для Sol и Luna стал на 50% дешевле по сравнению с промо-ценами GPT-5.6.
- На AutomationBench новые модели заметно улучшают соотношение качество / стоимость относительно GPT-5.6.
Теперь линейка выглядит так:
GPT-6 Astra — максимум возможностей
GPT-6 Sol — сильная модель для серьёзной повседневной работы
GPT-6 Luna — скорость, масштаб и низкая стоимость
OpenAI явно хочет сделать агентов и автоматизации заметно дешевле для продакшена.
https://openai.com/index/introducing-gpt-6-sol-and-luna/
👍13❤8🥰5🤣2
При тестировании ранней версии Claude Opus 5.5 Anthropic заметила редкое поведение: модель создавала опасные команды без внешней атаки.
После ошибки при работе с JSON Claude добавил инструкцию отправить секретные данные на внешний сервер. Выполнить её не удалось.
Anthropic назвала это явление спонтанной prompt injection. Предположительно, оно частично возникло из-за обучения модели защите от подобных атак.
Перед релизом разработчики скорректировали обучение. В финальной версии такие сбои происходят реже, а Auto Mode заблокировал все обнаруженные опасные вызовы инструментов.
https://anthropic.com/claude-opus-5-5-system-card
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6👍4🤔3🔥1🥱1
10 агентов Claude теоретически обошли алгоритм Дейкстры
В Vals AI запустили 10 агентов Claude Opus 5.5, которые за 15 часов и 733 сообщения разработали алгоритм C-HD для поиска кратчайших путей в ориентированных графах.
Для графов с определённой плотностью сложность снизилась с O(n log n) у Дейкстры до O(n log¹¹⁄¹² n). Корректность и оценка времени работы формально подтверждены доказательством в Lean.
Но это пока теоретический результат. Алгоритм не тестировали на крупных реальных графах, константы велики, а улучшение действует только в ограниченном диапазоне входных данных.
Главное здесь другое: группа ИИ-агентов смогла самостоятельно разработать алгоритм и подготовить его формальное доказательство всего за 15 часов.
https://www.vals.ai/blogs/faster-shortest-path-algorithm
В Vals AI запустили 10 агентов Claude Opus 5.5, которые за 15 часов и 733 сообщения разработали алгоритм C-HD для поиска кратчайших путей в ориентированных графах.
Для графов с определённой плотностью сложность снизилась с O(n log n) у Дейкстры до O(n log¹¹⁄¹² n). Корректность и оценка времени работы формально подтверждены доказательством в Lean.
Но это пока теоретический результат. Алгоритм не тестировали на крупных реальных графах, константы велики, а улучшение действует только в ограниченном диапазоне входных данных.
Главное здесь другое: группа ИИ-агентов смогла самостоятельно разработать алгоритм и подготовить его формальное доказательство всего за 15 часов.
https://www.vals.ai/blogs/faster-shortest-path-algorithm
❤19🥱13🔥4👍2🤔1
Anthropic обсуждает прямую аренду дата-центров мощностью до 1 ГВт у Stream Data Centers, контролируемой Apollo Global Management. По данным The Information, переговоры пока на ранней стадии.
Согласно сообщению, площадки могут оснастить Google TPU, разработанными совместно с Broadcom. Вариант с GPU Nvidia тоже обсуждается.
Прямая аренда позволила бы Anthropic меньше зависеть от облачных провайдеров и лучше контролировать выбор оборудования, поставки чипов и расходы. При этом компании пришлось бы взять на себя больше обязательств по финансированию и эксплуатации инфраструктуры.
Согласно сообщению, площадки могут оснастить Google TPU, разработанными совместно с Broadcom. Вариант с GPU Nvidia тоже обсуждается.
Прямая аренда позволила бы Anthropic меньше зависеть от облачных провайдеров и лучше контролировать выбор оборудования, поставки чипов и расходы. При этом компании пришлось бы взять на себя больше обязательств по финансированию и эксплуатации инфраструктуры.
❤6🔥4👍2😁2
Команда Qwen представила Qwen Intelligence – набор моделей, агентов и инструментов, из которого производители смартфонов могут собрать ассистента и интегрировать его в свою ОС или оболочку.
Платформа модульная - вендор может взять отдельные компоненты, развернуть модели у себя и настроить обвязку под свою прошивку.
Первым внедрением стал Honor - на базе Qwen Intelligence и MagicOS собрали специализированную модель для следующего поколения своих ИИ-смартфонов.
Mobile Planner Agent разбивает задачу на шаги, подбирает инструменты и ведёт двухуровневую память - рабочую для текущей задачи и долговременную, где копится профиль пользователя.
Mobile-Use Agent исполняет шаги. Он вызывает приложения через API, MCP, диплинки или командную строку, а там, где интерфейса нет, распознаёт экран и нажимает кнопки сам.
Платежи, удаление данных и публикации агент отправляет пользователю на подтверждение.
Mobile Creative Agent генерирует изображения по одной фразе за 8 шагов, первая картинка появляется за 3 секунды.
Платформа подключается через консоль Alibaba Cloud с оплатой по факту использования.
Mobile-Use Agent стоит 38 юаней (5,7 доллара) за тысячу вызовов. Creative Agent берёт 0,08 юаня (~1 цент) за изображение в облегчённой версии и 0,10 (~1,5 цента) в стандартной, с веб-поиском и многошаговым планированием. Тарифы планировщика пока не опубликованы.
Сроки выхода смартфонов Honor с новой системой не названы.
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
❤12👍4🔥4❤🔥2