❗️Leanstral 1.5: формальная верификация для всех — новая модель Mistral с открытым кодом

Mistral AI выпустила Leanstral 1.5 — модель с открытой Apache-2.0 лицензией, 119B параметров (6B активных), предназначенную для формального доказательства теорем и верификации кода в Lean 4. Модель насыщает бенчмарк miniF2F (100%), решает 587 из 672 задач PutnamBench и устанавливает новый SOTA на FATE-H (87%) и FATE-X (34%). В ходе тестирования на 57 открытых репозиториях Leanstral 1.5 выявила 5 ранее неизвестных багов.

Обучение проходило в три этапа: mid-training, supervised fine-tuning и reinforcement learning с методом CISPO. Модель работает в двух средах: многопользовательской (многократные попытки доказательства с обратной связью от Lean-компилятора) и агентной (работа с файловой системой, bash-командами и Lean Language Server для долгосрочных задач). На PutnamBench модель демонстрирует сильное масштабирование по времени тестирования: от 44 решённых задач при бюджете 50k токенов до 587 при 4M токенов — при стоимости около $4 за задачу против $300+ у Seed-Prover 1.5.

Практическое значение: Leanstral 1.5 применима для верификации сложных свойств кода (например, временной сложности AVL-деревьев) и поиска ошибок в реальных проектах. Модель доступна на Hugging Face и через бесплатный API. Также открыт бенчмарк FLTEval на основе реальных pull request из репозитория Великой теоремы Ферма.

#AI #OpenCode #FormalVerification #MistralAI #Lean4

🧮 Mesh LLM: распределённые AI-вычисления на базе iroh

Mesh LLM — это открытая платформа для распределённого запуска больших языковых моделей (LLM) на собственном оборудовании. Вместо аренды GPU в дата-центрах система объединяет вычислительные ресурсы нескольких машин (ноутбуки, серверы, облачные узлы) в единый mesh, доступный через OpenAI-совместимый API на localhost:9337/v1.

Под капотом — протокол iroh, обеспечивающий безопасные QUIC-соединения между узлами с NAT traversal и hole-punching. Модель может выполняться локально, маршрутизироваться на пир с уже загруженной моделью или разбиваться на стадии (режим Skippy) — слои распределяются по разным машинам, активации передаются по pipeline. Это позволяет запускать модели до 235B параметров на скромном железе.

Система поддерживает 40+ моделей, плагинную архитектуру (MCP, HTTP, inference), gossip-слой для пиринга и три типа ALPN-соединений: основной mesh, управление владельцем и транспорт для split-моделей. Размер бинарника — около 18 МБ. Планируется мобильное приложение на Swift SDK и поддержка протокола ACP.

#AI #MeshLLM #iroh #Computing #LLM #OpenCode

💲 Claude Code потребляет в 5 раз больше токенов, чем OpenCode — замеры и сравнение

Разработчики Systima.ai провели детальное сравнение токен-оверхеда двух популярных AI-агентов для кодинга — Claude Code и OpenCode. Оба инструмента запускали на одной модели (claude-sonnet-4-5), на одном оборудовании и с одинаковыми задачами, фиксируя каждый запрос через прокси-логгер на границе API.

Результаты: при запросе однострочного ответа Claude Code отправляет около 33 000 токенов системного промпта, схем инструментов и инжектированного scaffolding до того, как до модели дойдёт сам запрос пользователя. OpenCode тратит на то же самое примерно 7 000 токенов. Основная разница — в количестве инструментов: у Claude Code их 27 (включая CronCreate, Monitor, Task, worktree и push-уведомления), у OpenCode — 10 классических. Схемы инструментов составляют ~24 000 токенов у Claude Code против ~4 800 у OpenCode.

Проблема усугубляется кэшированием: OpenCode отправляет байт-идентичный префикс в каждом запросе, эффективно используя кэш. Claude Code перезаписывает десятки тысяч токенов кэша в середине сессии — на одной и той же задаче объём cache writes был до 54× больше. Конфигурация тоже добавляет расход: AGENTS.md или CLAUDE.md на 72 KB добавляет ~20 000 токенов на каждый запрос, пять MCP-серверов — ещё 5 000–7 000. В реальной рабочей среде первый запрос уходит на глубину 75 000–85 000 токенов.

#AI #Price #Token #Business #ClaudeCode #OpenCode

🦾 Grabette: открытая система для записи данных манипуляции роботами

Исследователи из Hugging Face (совместно с Pollen Robotics) представили Grabette — недорогой открытый хендхелд-гриппер для сбора демонстраций манипуляций. Система позволяет записывать действия рукой с камерой, а затем автоматически превращать их в датасеты, готовые для обучения роботов. Никакого специального оборудования или лаборатории не требуется — достаточно самого гриппера и веб-браузера.

Проект вдохновлён Stanford UMI, но сделан максимально доступным: обработка траекторий через SLAM выполняется прямо в браузере, без установки софта. Данные публикуются на Hugging Face Hub через экосистему LeRobot. Основная цель — создать крупный открытый датасет манипуляций, собранный силами сообщества, а не одной лаборатории.

Подробности и инструкции по сборке — в блоге Hugging Face.

#Tech #Robotics #DataSet #OpenCode #HuggingFace #Grabette

✅ Комитет GCC утвердил политику приёма кода, написанного ИИ

Проект компилятора GCC официально определил правила для контрибуций, созданных при помощи генеративных моделей. Теперь разработчики обязаны явно помечать такие участки кода при отправке патчей.

Политика требует, чтобы участники сообщали, какие именно изменения были сгенерированы ИИ. Ревьюеры и руководящий комитет будут рассматривать такие патчи в индивидуальном порядке, уделяя особое внимание вопросам лицензионной чистоты и авторства. Решение принято на фоне юридической неопределённости вокруг статуса сгенерированного кода, отмечает LWN.

Для GCC это не полный запрет ИИ-инструментов, а введение прозрачности и сохранение человеческого контроля за качеством. Комитет обещает следить за развитием законодательства и корректировать правила при необходимости.

#AI #GCC #OpenCode #Development #Coding #Programming

⚙️ Alibaba открыла исходники Wan-Animate-2: анимация персонажей достигла уровня коммерческих лидеров

Команда Tongyi Wanxiang выложила в открытый доступ Wan-Animate-2 — сквозной фреймворк для анимации персонажей, работающий в реальном времени со скоростью 24 fps. Главное отличие от прежних пайплайнов — отказ от промежуточного извлечения скелета: модель получает на вход исходное видео и напрямую учит диффузионный трансформер переносить движение на целевого персонажа.

Благодаря этому Wan-Animate-2 избегает сжатия информации на этапе pose estimation и характерных для него сбоев. В сравнительных тестах результат сопоставим с закрытыми коммерческими решениями — Dreamina от ByteDance и KLING MotionControl от Kuaishou. Особенно заметно улучшение качества рук и снижение артефактов при сложных движениях.

Фреймворк поддерживает несколько персонажей и камер: одно видео может управлять сразу несколькими целевыми персонажами, а сцена рендерится с разных позиций камеры без переобучения. Работает с нестандартными пропорциями кадра и разными типами телосложения. Это закрывает главный пробел open-source анимации: раньше именно этап анимации персонажа почти всегда приходилось делать вручную. Выход Wan-Animate-2 вместе с недавним релизом Wan 3.0 переводит открытый видеостек Alibaba на оба конца продакшн-пайплайна — от генерации сцен до управления персонажами.

#AI #Alibaba #WanAnimate2 #Animation #OpenCode

8️⃣ mini-AGI: continual learning модель, обучаемая с нуля на 8 ГБ VRAM

Разработчик volotat опубликовал на GitHub mini-AGI - byte-level языковую модель с непрерывным обучением, которая тренируется с нуля на одной потребительской видеокарте с 8 ГБ памяти и продолжает учиться на всём, что читает.

Веса хранятся на диске обычными файлами и пейджатся в VRAM по мере надобности: число параметров ограничено свободным местом, а не памятью GPU. Архитектура собирает себя сама - два dense-прелюд-блока, затем один рекуррентный блок, применяемый до 24 раз, каждая итерация выбирает свои top-8 экспертов из общего пула. Halting-голова по рецепту PonderNet останавливает вычисления, как только следующий проход уже не меняет ответ.

Пул растёт при нехватке ёмкости: новые эксперты собираются рекомбинацией обученных частей и удаляются, если их перестали выбирать. Главный результат - обучение на едином потоке без катастрофического забывания: trunk learning rate на уровне 0.1x от скорости экспертов снижает забывание с 2.23 до 0.0067 nats. Пока это toy-уровень (243 млн символов, генерация повторяется), веса ещё не выложены - автор ждёт первого полного прохода по корпусу.

#AI #ContinuAllearning #LLM #GitHub #OpenCode

✔️ livenerf: открытый бенчмарк для проверки «нерфа» моделей после релиза

На GitHub появился проект ninjahawk/livenerf - небольшой append-only бенчмарк, отвечающий на один вопрос: становится ли модель хуже после запуска? Поводом стали многомесячные жалобы на то, что Anthropic «нерфит» модели через дни или недели после релиза - из-за квантизации, снижения effort или изменений в роутинге. До сих пор чистой базовой линии дня 0 ни у кого не было, и споры сводились к «ощущениям против ощущений».

Как это работает: детерминированность модели недостижима (параметры сэмплинга убраны, thinking не отключается), поэтому авторы сделали детерминированным всё остальное - замороженные промпты, закреплённый CLI, точные грейдеры и сырые логи навсегда. Панель из 78 «иногда верных» вопросов отобрана из 2336 задач GPQA Diamond, MMLU-Pro, AIME 2025-26. Раннер запускается раз в день 30 дней через headless Claude Code (claude -p) на подписке Max, без API-ключа; бюджет ограничен процентами недельного лимита. Стек - Inspect от UK AI Security Institute, статистика по статье Anthropic «Adding Error Bars to Evals».

Валидация показывает чувствительность: при effort low выходные токены падают на 62%, а точность - на 8,3 п.п. Ограничение честно указано: подмену Opus 5 на Opus 5.5 инструмент не различает. Дни 1-10 - базовая линия, первый вердикт ожидается около 2026-10-24.

🎨 qvabo.studio/tg · картинки и видео

#AI #Benchmark #Anthropic #Claude #OpenCode #AIskills

🌟 NASA и IBM выпустили открытую лунную фундаментальную модель

NASA и IBM Research совместно с академическими партнёрами представили NASA-IBM Lunar Foundation Model - одну из первых открытых фундаментальных моделей для лунной науки. Она превращает десятилетия наблюдений в готовую основу для машинного обучения и особенно сильна в предсказании ледяных отложений на полюсах и обнаружении кратеров.

Модель обучена с нуля на корпусе SomBench - крупнейшем мультимодальном лунном датасете на сегодня. Это почти 2 млн тайловых наборов в 11 модальностях: около 1 млн снимков высокого разрешения с Narrow Angle Camera (~1 м/пиксель) и примерно 964 тыс. мультиспектральных снимков Wide Angle Camera (100 м/пиксель). Основу составили 17 лет наблюдений Lunar Reconnaissance Orbiter, плюс данные GRAIL, Lunar Prospector и японской Kaguya/SELENE - всего более 30 слоёв с девяти приборов и четырёх миссий.

Архитектура опирается на земную модель TerraMind, но обучена заново. Геометрия съёмки (углы освещения, положение Солнца) подаётся как явный контекст, а FlexiViT позволяет адаптировать модель под разный размер патчей без переобучения. По данным IBM, ошибка предсказания льда снижена до 22% относительно лучшего бейзлайна SwinV2-B, а на грубом детектировании кратеров - почти на 19% при вдвое меньшем объёме данных. LoRA-дообучение идёт наравне с полным. Модель доступна на Hugging Face, код - на GitHub, интегрирована в TerraTorch.

🎨 qvabo.studio/tg · картинки и видео

#Tech #AI #Model #NASA #IBM #OpenCode #Space #Cosmos