Alibaba выпустила «смартфонные» ИИ Qwen 3.5

Китайская компания представила линейку открытых моделей Qwen 3.5 Small, в которую входят версии от 0.8 до 9 млрд параметров. По данным Alibaba, средняя версия Qwen 3.5-2B поддерживает мультимодальность и хорошо понимает контекст, хотя конечно ее возможности ближе к простому чат-ассистенту. Но при этом её вес позволяет без проблем работать на большинстве современных смартфонов на Android и iPhone локально, без отправки данных в облако.

Старшая модель Qwen 3.5-9B требует 5 ГБ памяти и больше подходит для слабых ПК и ноутбуков, но в целом ее тоже можно запустить на смартфонах с 12+ ГБ ОЗУ.

Мой Компьютер

OpenAI объявила о начале развёртывания новых моделей GPT-5.4 Thinking и GPT-5.4 Pro в ChatGPT.

Также GPT-5.4 стала доступна разработчикам через API и в Codex. Новая версия объединяет несколько ключевых направлений развития моделей: улучшенное логическое рассуждение, более сильные возможности программирования и поддержку агентных сценариев работы.

Самое интересное:
• GPT-5.4 лидер в agentic tasks
• заметный скачок в математике
• очень сильный результат в научных задачах (GPQA)
• улучшена работа с веб-средой и инструментами

Фактически это модель, которую явно оптимизировали под агентов, инструменты и сложное reasoning, а не просто чат.

По словам компании, GPT-5.4 стала одной из самых точных и эффективных моделей. Она требует меньше токенов для выполнения задач и работает быстрее по сравнению с предыдущими версиями.

В версии ChatGPT модель GPT-5.4 Thinking получила улучшенный режим размышления: при более длительном анализе она лучше удерживает контекст и способна проводить более глубокие исследования в интернете.

Появилась и новая функция управления процессом ответа. Теперь пользователь может прервать генерацию в середине ответа и изменить направление работы модели, добавив новые инструкции.

Функция управления ответом уже начинает появляться в веб-версии ChatGPT и на Android. Поддержка iOS ожидается немного позже.

https://x.com/openai/status/2029620624923189283?s=46

🎯Полезные Мл-ресурсы 🚀 Max

@ai_machinelearning_big_data

#chatgpt #openai

Dear colleagues we are happy to share that we are starting a competition as part as AINL this year.

If you are working with LLM through API you probably thought about how many tokens do you spend on the tasks. It seems that sometimes the prompt you are querying the LLM could be more concise and save you some money and time. We also have this thoughts, so we decided to make a competition out of it. Interested? Links are below:

GitHub repo: https://github.com/iis-research-team/AINL-Eval-2026
CodaBench: https://www.codabench.org/competitions/14291/
Chat: https://t.me/ainleval2026

X | VK (in Russian)

Выкатили тестирование нового ИИ-агента для Android

Возможно, вы уже видели новости об этом в телеграм-каналах — подтверждаем: начались тесты нового ИИ-агента Яндекса. Он умеет выполнять многошаговые действия на смартфоне с Android по голосовой команде.

Например, агент может отправлять сообщения в мессенджерах без ручного ввода, находить информацию на устройстве, устанавливать приложения и переводить текст с экрана на разные языки. Для выполнения задачи достаточно голосовой команды, например: «Напиши Саше в Телеграме, что нужно купить молоко» или «Найди в Google Play приложение Яндекс Переводчик и установи его».

Алексей Цветков, руководитель службы продуктовой разработки R&D, рассказал подробнее, как агент выполняет задачу пользователя.

Пользователь задаёт запрос, скажем: «Найди товар на Яндекс Маркете и положи в корзину».

LLM переводит просьбу пользователя в цепочку атомарных действий на телефоне:

- получи список приложений;
- найди Яндекс Маркет;
- открой Яндекс Маркет;
- и так далее, пока задача не будет решена.

Агент построен на базе Android Assistant API и для принятия решения использует текстовое описание интерфейса — такое же API используют приложения для слабовидящих.

На стороне Android-клиента реализован MCP-интерфейс, который позволяет девайсу от имени пользователя выполнять простейшие команды: кликни сюда, свайпни здесь и так далее.

Задача модели — конвертировать сложносоставную команду в цепочку взаимосвязанных атомарных команд, опираясь на промежуточное состояние интерфейса.

Надеемся, что широкий тест поможет найти то, о чём мы ещё не догадались подумать, и быстрее превратить прототип в понятный и полезный продукт.

Записаться на тестирование можно в бета-версии поискового приложения «Яндекс — с Алисой AI» или через форму.

ML Underhood

Labor market impacts of AI: A new measure and early evidence

TLDR: 50% of the tasks of white-collar workers are available to AI

Link: https://www.anthropic.com/research/labor-market-impacts

#AI #AI_impact #research #Anthropic

Falls in line good:

AI agent destroyed infrastructure with data for last 2.5 years of work.

Source: https://x.com/al_grigor/status/2029889772181934425
Via: https://t.me/xor_journal/8787

☀️ Китай строит реактор, который будет сжигать ядерные отходы и производить энергию.

В провинции Гуандун разрабатывают первый в мире мегаваттный accelerator-driven reactor (ADS) - реактор, управляемый ускорителем частиц.

Установка разгоняет протоны до ~80% скорости света и направляет их в металлическую мишень. При столкновении возникает мощный поток нейтронов, который запускает ядерные реакции внутри субкритического реактора.

Главная фишка технологии - она может перерабатывать ядерные отходы.

Нейтроны превращают долгоживущие радиоактивные элементы в более короткоживущие изотопы или даже в новое топливо.

В результате:

- эффективность использования урана может вырасти до 100 раз
- срок жизни радиоактивных отходов может снизиться до 0.1% от текущего

Еще один важный момент - безопасность.

Реактор субкритический, то есть он не может поддерживать реакцию сам. Если ускоритель остановится - реакция мгновенно прекращается.

Первый прототип планируют запустить примерно в 2027 году.

Если технология заработает, она может дать стабильную ядерную энергетику на сотни или даже тысячи лет, одновременно решив проблему накопленных ядерных отходов.

https://www.scmp.com/news/china/science/article/3345661/1000-year-source-china-plans-fire-world-first-accelerator-driven-nuclear-reactor

🎯Полезные Мл-ресурсы 🚀 Max

@vistehno

И.В. Чижов (ВМК МГУ), Что может, а что (пока) нет квантовый компьютер?

YouTube->
Дзен->
RuTube->
Файл->
Презентация->

Канал в Max->

⚡️ Андрей Карпаты выложил минимальный репозиторий Autoresearch - систему, где AI сам проводит исследования.

Это упрощённая версия ядра обучения LLM из nanoGPT/nanochat:
весь код обучения помещается в один файл (~630 строк) и работает на одной GPU.

Как это устроено:

- человек редактирует prompt (.md)
- AI-агент автоматически меняет training code (.py)

Дальше начинается цикл автономных экспериментов.

Каждая точка на графике — полный запуск обучения LLM (~5 минут).

AI-агент работает в бесконечном цикле:

- создаёт git-ветку
- меняет архитектуру модели
- подбирает optimizer
- оптимизирует гиперпараметры
- запускает обучение
- коммитит улучшения

Если validation loss становится ниже, изменение сохраняется.

Фактически агент сам оптимизирует собственный код обучения и постепенно улучшает модель.

Можно запускать несколько агентов с разными промптами и сравнивать, кто быстрее двигает исследование.

Карпаты шутит, что раньше AI-исследования делали люди между:

- едой
- сном
- митингами

Теперь же исследования могут выполнять рои автономных AI-агентов, которые бесконечно гоняют эксперименты на кластерах.

GitHub: github.com/karpathy/autoresearch

🎯Полезные Мл-ресурсы 🚀 Max

@data_analysis_ml

Привет!

Представляем Вашему вниманию праздничный выпуск подкаста "Капитанский мостик" №9: с 8 марта! 🌷
В этом выпуске обсуждаем важность разнообразия в командах, безопасность в области AI, и проблемы, связанные с гендерными аспектами в медицине и технологиях. Гость Татьяна Шаврина делится своим опытом и взглядами на эти актуальные темы.
Ведущие подкаста Валентин Малых и Дмитрий Колодезев.
Смотрите видео на каналах ⤵️
ODS VK Video
ODS YouTube

📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).

Динамика изменения кодовой базы проекта Python

Разработчики языка программирования Python визуализировали изменение кодовой базы интерпретатора CPython в привязке к основным событиям, произошедшим за 36 лет существования проекта. За последние 10 лет объём кода на языках Python и Си в CPython практически удвоился.

Читать полностью

#OpenNet
@linux_potok

🎬 Helios: открытая 14B-модель генерирует видео длиной больше 60 секунд со скоростью 19,5 FPS на одной H100

Исследователи из Пекинского университета и ByteDance выпустили Helios — открытую 14B-модель, которая генерирует видео в реальном времени - 19,5 кадров в секунду, длительностью больше минуты. Helios работает в трех режимах: text-to-video, image-to-video, video-to-video. Для сравнения. базовая модель Wan-2.1 14B тратит около 17 минут на 5-секундный клип. Helios делает то же самое в 128 раз быстрее — и при этом генерирует видео длиной в минуту без деградации качества.

Исследователям это удалось без KV-cache, квантования и sparse attention. Токены сжимаются в 8 раз: чем старше кадр, тем ниже его разрешение. Диффузионное сэмплирование идёт от низкого разрешения к высокому, сокращая токены ещё в 2,3 раза. Дистилляция урезает шаги сэмплирования с 50 до 3. Накопление ошибок при длинных видео решается тремя приёмами: относительное позиционное кодирование, первый кадр как визуальный якорь на всё видео, и намеренное зашумление предыдущих кадров во время обучения.

На коротких видео (81 кадр) Helios-Distilled обходит все дистиллированные модели и не уступает базовым того же размера — при скорости 19,53 FPS на одной H100. FastVideo и TurboDiffusion работают в 2–3 раза медленнее, Wan 2.1 14B — в 52 раза.

На длинных (1440 кадров, ~74 секунды при 19,5 FPS) Helios-Distilled показывает лучший суммарный результат с учётом скорости, при этом накопление ошибок ниже по большинству метрик — сцена не плывёт, цвета не уходят на протяжении тысяч кадров. Пользовательское тестирование на 200 человек подтверждает: Helios побеждает в 70–92,5% попарных сравнений на длинных видео и в 56–99,2% — на коротких.

Исследователи опубликовали код на GitHub, а также демо и веса трёх версий модели на Hugging Face.

#Stateoftheart

Амазон запретил мидлам и джунам коммитить код, написанный с помощью ИИ. В прошлый раз ИИ решил переналить прод из-за минорного бага, и Амазон лежал по всему Китаю.
Наталья Касперская написала большой пост про нерентабельность ИИ как бизнеса - они тратят больше электричества на единицу пользы.
Но мы не теряем духа и веры, применение ИИ в ИБ есть, но пока даже крупные ИБ конторы не смогли предложить никаких качественно новых решений. Поэтому действуем сами, учимся внедрять агентов на местах.