Умеете писать код — научитесь собирать ИИ-решения

Программа МТУСИ и Нетологии «ИИ-разработчик: от API до агентов» — для практикующих IT-специалистов, которые хотят систематизировать знания и разрабатывать ИИ-решения полного цикла.

За 6 месяцев пройдёте путь от работы с API и архитектуры приложений до ИИ-агентов, векторных технологий и развёртывания решений.

Инструменты: OpenAI API, FastAPI, LlamaIndex, Docker, Qdrant и другие.
Для старта нужны базовые навыки Python.

Онлайн: часть лекций в записи, практика не чаще 2 раз в неделю по вечерам — можно совмещать с работой. На выходе — два диплома о профпереподготовке: МТУСИ и Нетологии.

Старт — 16 ноября. Скидка 10 000 ₽ по промокоду AIMTUSI10.

Программа - здесь

Реклама. ООО "Нетология" ОГРН 1207700135884 erid:2VSb5wkrq6A

• Sent via TeleFeed

BytePlus бахнула Dreamina Seedance 2.5 Flash

• Генерация видео почти в 2 раза быстрее флагманской Seedance 2.5 при сопоставимом визуальном качестве
• Мультимодальный референсный стек: одновременная подача до 10 картинок, 5 видео и 5 аудиодорожек
• Непрерывная генерация роликов длительностью до 30 секунд в 480p и 720p
• Стоимость 720p-инференса $0.152 за секунду (снижение цены на ~34%)
• Запуск публичного API на платформе BytePlus ModelArk 15 ноября

@cgevent

• Sent via TeleFeed

• Sent via TeleFeed

Alibaba releases Qwen4-Max-Preview

Alibaba has released Qwen4-Max-Preview, a multimodal model featuring a 1-million-token context window. This architecture supports autonomous coding and tool use via native Agent Mode, streamlining software engineering workflows. 🤖

Developers can access the tool in Qwen Chat and Alibaba Cloud Model Studio for complex analytical tasks.

#ArtificialIntelligence ⚡ #Qwen ⚡ #SoftwareDevelopment

Subscribe

• Sent via TeleFeed

• Sent via TeleFeed

Как попадаются в ловушку китайским шпионам? Все просто, Нео…

@ppprompt

• Sent via TeleFeed

Potential series getting 1% better every day for 16 days at prompt engineering.

Hi everyone.

I'm considering running a 16-day learning series based on one of my own courses, AI Prompts & The Frameworks for Building Them.

One module a day, starting with the basics.

It's for beginners, entrepreneurs, aspiring prompt engineers, or anyone wanting to get more out of their AI tools.

No advanced engineering, no magic prompts promising incredible results, and no lecture about not treating AI like a search engine.

You've seen those on YouTube.

Just practical foundations, breaking down how a good prompt is actually built, one piece at a time.

By day 16, you'll be able to build one from scratch.

You'll also be able to ask questions throughout, and I'll answer to the best of my ability.

16 days of getting 1% better at prompt engineering.

Would you guys be interested in taking part?

I'd like to gauge the interest before putting it together.

If enough of you comment, I will do it starting tomorrow.

• Sent via TeleFeed

Comparing AI to a search engine is a flawed analogy.

Just as Google requires precise queries to return accurate results, AI relies on detailed, structured prompts to generate useful responses.

Consider searching for carpentry and joinery theories for an exam.

A vague query like “I want carpentry and joinery theories” will fail to yield the specific material needed.

However, including the exact exam title provides the necessary context.

Only then does the system retrieve relevant sources, such as Wikipedia articles, that actually address your specific needs.

You cannot get the desired output without inputting the correct context.

• Sent via TeleFeed

Google бахнула свой Джев: Gemini Decision 1 для быстрой оценки решений по цене 10 центов за миллион токенов

Это классификатор. Аналог Jeм, и аналог решений от Cloudflare, OpenAI и так далее. Но никто не пишет, что в отличие от вышеупомянутых, оно умеет обрабатывать видео. Вот тут поглядите видео с анализом видео.

А модели Google, начиная с Flash, ну очень хороши в понимании чистого видео без анализа субтитров или аудиодорожки.

Модель получила нативную мультимодальность и окно контекста в 256 000 токенов. В качестве входных данных поддерживаются текстовые массивы, изображения высокого разрешения, аудиозаписи, видеопотоки и многостраничные PDF-документы. В тестах Google архитектура превзошла Jev 1 от TypeSafe как по точности классификации сложных пограничных случаев, так и по устойчивости к ложным срабатываниям в задачах модерации и комплаенса.

Ценовая политика в $0.10 за миллион токенов без скрытых комиссий и надбавок за мультимодальность делает Decisions API самым доступным промышленным решением для потокового аудита контента.

Доступ к модели уже открыт в Google AI Studio и через публичный Gemini API.

На итоге:

• Пакетная обработка до 1000 вопросов за раз: параллельная калиброванная оценка решений в едином запросе
• Мультимодальное окно 256K токенов: нативный анализ текста, изображений, аудио, видео и многостраничных PDF
• Тариф $0.10 за 1M входных токенов: десятикратное снижение затрат по сравнению с универсальными frontier-моделями
• Мгновенный старт: интеграция в Google AI Studio, готовые веб-демо и публичная документация в Gemini API

https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/


#Google #Gemini #GeminiDecision #AIStudio #Multimodal #MachineLearning

Кожаные новости, аналитика, прогнозы, тесты, разборы и полезности на @cgevent

• Sent via TeleFeed

Luma AI бахнула Character Swap для замены персонажей и объектов в готовом видео

Character Swap & Insert - это фича для видеогенератора их Dream Machine

Помимо замены элементов, фича поддерживает режим Insert для добавления новых объектов на пустые участки видеопотока, а также удаление лишних фигур из кадра. Функция уже доступна в вебе на Luma Dream Machine и интегрирована в официальный плагин Luma MCP для управления через чат-ботов.

app.lumalabs.ai

@cgevent

• Sent via TeleFeed

Все никак не привыкну, что точка это твой персональный хастлер - я не знал что консьержа в отеле можно напрягать бронями (я из рабоче-крестьянских), а она знала, пошла и задачу поставила кожаному столик забронировать господину своему (мне)

Реально, единственное приложение ради которого я держу все время включенный в США VPN - все поездки и брони теперь только через нее делаю

Сумасшедший по привыканию продукт, как выйдет везде – с меня список советов

• Sent via TeleFeed

Zyphra бахнула открытую модель Zonos3-Mini: 100M-генератор речи с клонированием голоса на 43 языках и работой в браузере

Zonos3-Mini - поддержка высокоточного клонирования голоса по короткому аудиосэмплу, способный работать в реальном времени на смартфонах и ноутбуках прямо внутри браузера через WebGPU. Русский есть? Да.

Несмотря на компактный размер всего в 100 млн активных параметров, Zonos3-Mini реализует гранулярное акустическое управление голосовыми характеристиками. Пользователи могут на лету моделировать возраст спикера, акцент, тембральную окраску и эмоциональный окрас, а также управлять темпом и интонационными ударениями вплоть до отдельных слов. Система обеспечивает естественное звучание без металлического роботизированного призвука, характерного для легковесных моделей.

Архитектура поддерживает 43 языка из коробки, включая русский, английский, испанский, китайский, японский, арабский и ключевые европейские и азиатские наречия. Ключевым нарядным достижением релиза стала полная кроссплатформенная автономия: Zonos3-Mini компилируется под стандарты GGUF и Safetensors, а также нативно исполняется на локальном GPU через WebGPU без необходимости установки Python, CUDA или обращения к серверным API.

Открытые веса модели выложены на Hugging Face, исходный код и веб-рантайм опубликованы в репозитории проекта, а для высоконагруженных продакшн-систем инженерам доступен бессерверный инференс через платформу Zyphra Cloud.

На итоге:

• Компактные 100M параметров: инференс речи в реальном времени на мобильных процессорах и потребительских видеокартах
• Нативный запуск через WebGPU: генерация аудио и клонирование голоса прямо во вкладке браузера без сервера
• Поддержка 43 языков: качественный многоязычный синтез с точным сохранением акцентов и естественных интонаций
• Полный Open Source под Apache 2.0: открытые чекпоинты на Hugging Face и готовые квантования GGUF

Источники:
huggingface.co
zyphra.com
cloud.zyphra.com

@cgevent

• Sent via TeleFeed

NVIDIA Research бахнула открытую модель Déjà View для трехмерной реконструкции по неразмеченным фотографиям

Держите, опенсорсеры и метаверсеры.

NVIDIA, ETH Zurich и Университета Торонто выложили в открытый доступ модель и кодовую базу Déjà View (DVLT - Looping Transformers for Multi-View 3D Reconstruction). Архитектура решает фундаментальную задачу Structure-from-Motion (SfM) и плотной 3D-реконструкции: по неупорядоченному набору RGB-снимков или видеоряду нейросеть одновременно восстанавливает 3D-геометрию сцены, карту глубин и точные позиции камер (внешние и внутренние параметры).

Главный прорыв Déjà View заключается в кардинальном пересмотре вычислительной парадигмы. Современные трансформеры прямой подачи для 3D-реконструкции (VGGT, Depth Anything 3, MapAnything, Pi3) разрастаются до миллиардов параметров, выполняя на разных слоях однотипные итеративные операции уточнения. Авторы Déjà View заменили глубокий стек уникальных слоев рекуррентным циклическим блоком трансформера (weight-tied transformer block) с разделяемыми весами, совмещающим покадровое и глобальное внимание с дискретной индексацией глубин.

В результате размер модели сократился всего до 117 млн параметров - это почти на порядок меньше конкурирующих моделей (в 8-10 раз компактнее базовых сетей). Несмотря на компактный объем, Déjà View на равных конкурирует или превосходит тяжелые 1B+ трансформеры на пяти признанных бенчмарках трехмерной реконструкции (включая ScanNet++, интерьерные и уличные сцены), требуя сопоставимого или значительно меньшего объема вычислений.

Циклическая природа архитектуры превратила число шагов рекуррентного прогона K в непрерывный регулятор вычислений (inference-time compute knob) прямо на этапе инференса. Модель обучается один раз, после чего разработчик может динамически варьировать число шагов K без необходимости переобучения или подгрузки отдельных чекпоинтов: от минимальных K для быстрого потокового трекинга в реальном времени до углубленного прогона (K=12..16) для субмиллиметровой резкости геометрии и прецизионной калибровки камер.

NVIDIA полностью открыла исходный код, пайплайн предобработки, скрипты визуализации на базе Rerun и веса модели nvidia/dvlt на Hugging Face под свободной лицензией, готовые к запуску через библиотеку Hugging Face Accelerate в режиме BF16.

На итоге:

• Компактность 117M параметров: в 8-10 раз меньше тяжелых аналогов (VGGT, Depth Anything 3, Pi3)
• Рекуррентный трансформер: один блок с разделяемыми весами вместо глубокого стека слоев
• Полная 3D-реконструкция: одновременное предсказание карты лучей, карты глубин и поз камер
• Гибкий инференс-регулятор K: динамическая настройка точности и скорости без переобучения
• Открытый исходный код, чекпоинт nvidia/dvlt на Hugging Face и инструменты визуализации Rerun

Источники:
Репозиторий nv-tlabs/dvlt на GitHub
Веса модели на Hugging Face
Научная статья на arXiv (2605.30215)
Страница проекта NVIDIA Research

@cgevent

• Sent via TeleFeed

Chinese Car Owner Installs Solar Panels to Power Their Vehicle

• Sent via TeleFeed

В Meta FAIR* придумали алгоритм, который обгоняет k-means

Давненько не выходили такие громкие статьи по классическому ML. Разбираемся.

k-means – это простейший алгоритм кластеризации, но при этом один из самых используемых. Он используется для векторного поиска и RAG, кластеризации эмбеддингов, чистки и балансировки датасетов, квантизации весов и KV-кэша, создания кодбуков для токенов изображений и аудио, анализа данных, поиска аномалий и тд и тп.

В общем, уже десятки лет k-means является золотым стандартом. Работает он так: берет набор точек данных, случайно размещает среди них K пробных центров, относит каждую точку к ближайшему центру, а затем сдвигает каждый центр в среднее положение своих точек и повторяет так несколько эпох, пока центры не перестанут двигаться (см картинку).

Понятно, что на миллиардах векторов каждый такой проход очень дорогой, поэтому, конечно же, в индустрии уже придумали много способов удешевлять k-means. Например, есть мини-батч k-means, который обновляет центры чаще, по маленьким кусочкам данных. Такие штуки работают быстрее, НО сходятся к заметно худшему качеству.

Однако авторы этой статьи утверждают, что их алгоритм способен достичь качества классического k-means всего за 1.4-2.6 эпохи. Против Flash-KMeans (сильно оптимизированный GPU k-means) ускорение по времени получается от 9.5x до 45.5x.

Они предлагают пересчитывать центры экспоненциальным скользящим средним по батчам. Для каждого кластера хранится, сколько в нем точек и чему равна их сумма, а с каждым новым батчем эти значения обновляются так, что свежие данные весят больше, а старые постепенно забываются. Центр кластера при этом остается обычным средним, то есть суммой, деленной на количество.

Благодаря такому подходу центры начинают двигаться уже после первых батчей, а не после полного прохода по данным, а размер батча и шаг обновления считаются по готовым формулам, поэтому никакие гиперпараметры подбирать вручную не нужно.

В итоге e-means достигает качества классического k-means в разы быстрее и даже с чуть меньшим лоссом. На самом большом тесте, 10 миллиардах эмбеддингов и 16 миллионах кластеров, ему понадобилось почти в 9 раз меньше GPU-часов.

Представьте, что это значит для тех же RAG-систем на огромных базах, где построение индексов съедает тысячи часов работы видеокарт.

Статья | Код | Проект

• Sent via TeleFeed