Доброе утро.
Так ведь?

#юмор
------
@tsingular

Qlik превращает аналитику в агентную цепочку

На Connect 2026 Qlik анонсировал команду из 6 агентов, которые связывают обнаружение, анализ, прогноз и автоматизацию в единый конвейер с контролем результатов.

🤖 Шесть агентов вместо одного чат-бота:
Discovery фиксирует аномалии в ключевых данных.
Qlik Answers объединяет структурированную и неструктурированную аналитику с семантическим слоем.
Predict строит ML-модели и интерпретирует результат.
Automate запускает рабочие процессы по команде на естественном языке.
Analytics ускоряет разработку дашбордов.
MCP Server подключает сторонних ИИ-ассистентов к контексту Qlik.

🛡 Доверие как продукт: Data Products получают Trust Score (точность, актуальность, полнота, разнообразие), контракты с операционными стандартами, SLA и автообнаружение дрейфа.
Data Quality Agent и Data Product Agent управляют качеством через диалог.
Идея: данные для ИИ должны иметь такой же SLA, как любой production-сервис.

⚙️ Дата-инженерия через намерения: Declarative Pipelines позволяют описывать пайплайны на естественном языке. Open Lakehouse Streaming объединяет стриминг, batch и CDC в одном окружении. AI Assistant для Talend Studio (позже в 2026) генерирует джобы, SQL и документацию.
Цель: инженер описывает «что», платформа решает «как».

📊 Контекст рыночного движа : Вендоры перешли от гонки «больше агентов» к «качественнее данные». Databricks выпустила инструмент точности агентных ответов, MongoDB новые модели для RAG, Teradata обновила векторное индексирование.
IDC называет Qlik лидером по количеству встроенных агентов.

💼 Зачем бизнесу: Большинство компаний не могут поставить ИИ в прод из-за данных, а не моделей. Qlik предлагает «данные как продукт с SLA». Для CDO это рамка, в которой ИИ-инициативы получают контролируемый конвейер: от обнаружения изменения до автоматического действия с аудитом.

Confidence level эволюционирует в Trust Score

#Qlik #ИИ #аналитика #данные #агенты #MCP
------
@tsingular

NVIDIA Ising: ИИ-модели, которые приближают эру настоящих квантовых компьютеров

14 апреля NVIDIA представила семейство открытых ИИ-моделей NVIDIA Ising. Это первые в мире open source модели, заточенные под ускорение разработки квантовых компьютеров. Название отсылает к модели Изинга из статистической физики, которая когда-то радикально упростила понимание сложных физических систем.

Зачем вообще ИИ в квантовых вычислениях?

Две главные головные боли квантовой индустрии - калибровка процессоров и коррекция ошибок. Без решения этих задач квантовые компьютеры остаются лабораторными игрушками. NVIDIA считает, что именно ИИ станет тем самым "control plane", который превратит хрупкие кубиты в надежные масштабируемые системы. Дженсен Хуанг прямо назвал Ising "операционной системой квантовых машин".

Что внутри Ising?

Семейство состоит из двух основных компонентов. Первый - Ising Calibration, vision-language модель, которая умеет интерпретировать измерения с квантовых процессоров и автоматизировать непрерывную калибровку. То, что раньше занимало дни, теперь делается за часы. Второй - Ising Decoding, две вариации 3D-сверточной нейросети для real-time декодирования при коррекции квантовых ошибок. По бенчмаркам модели работают в 2.5 раза быстрее и в 3 раза точнее, чем pyMatching (текущий open source стандарт).

Модели уже используются серьезными игроками: Fermi National Accelerator Laboratory, Harvard, IQM Quantum Computers, Lawrence Berkeley National Laboratory, Infleqtion и другими. Среди тех, кто внедряет Ising Decoding - Cornell University, Sandia National Laboratories, University of Chicago, UC Santa Barbara и Yonsei University.

NVIDIA выкладывает не только модели, но и cookbook с воркфлоу для квантовых вычислений, тренировочные данные и интеграцию с NVIDIA NIM микросервисами. Это позволяет дотюнить модели под конкретное железо с минимальным сетапом. Плюс все можно запускать локально, что критично для тех, кто работает с проприетарными данными.

В экосистеме NVIDIA Ising дополняет платформу CUDA-Q для гибридных квантово-классических вычислений и аппаратный интерконнект NVQLink для связки QPU-GPU в реальном времени. Ising также пополняет портфель открытых моделей NVIDIA наряду с Nemotron (агентные системы), Cosmos (physical AI), Alpamayo (автономное вождение), Isaac GR00T (робототехника) и BioNeMo (биомедицина).

По оценкам аналитиков Resonance, рынок квантовых вычислений превысит $11 млрд к 2030 году, но только если удастся решить проблемы коррекции ошибок и масштабируемости. Ising - это попытка NVIDIA закрыть этот гэп средствами ИИ.

Модели и данные доступны на GitHub, Hugging Face и build.nvidia.com.

Ссылки:

Пост в X: https://x.com/nvidianewsroom/status/2044058999029473407

Пресс-релиз NVIDIA: https://nvidianews.nvidia.com/news/nvidia-launches-ising-the-worlds-first-open-ai-models-to-accelerate-the-path-to-useful-quantum-computers

NVIDIA Ising: https://www.nvidia.com/en-us/solutions/quantum-computing/ising/

NVIDIA CUDA-Q: https://developer.nvidia.com/cuda-q

NVIDIA NVQLink: https://www.nvidia.com/en-us/solutions/quantum-computing/nvqlink/

NVIDIA NIM: https://www.nvidia.com/en-us/ai-data-science/products/nim-microservices/

NVIDIA Quantum Day: https://www.nvidia.com/en-us/events/quantum-day/

Все эти обсуждения за размер контекста у моделей жёстко флешбечат в 90е.

у модели только 32К контекста, а для запуска Wolfstain3D ИИ агента нужно минимум 64К.

ждем фразы - 640К контекста хватит любому..

А скорость инференса - это чисто скорость загрузки по диалапу, - тоже же 3.600, 8.200, 14.400, 115.200 модемы все эти и потом мегабиты, гигабиты..

Короче мы настолько еще в начале эпохи ИИ, что все сегодняшние метрики через 10 лет будут вспоминать с удивлением.

#мысли
———
@tsingular

Что-ж, 1080 доехала в Старооскольский индустриальный техникум.

Удачи студентам, пусть принесёт пользу.

#geforce #give
———
@tsingular

Память для LLM-агентов

По мотивам дискуссии про MemPalace.

Потрясающе полный и энциклопедический обзор решений для управления памятью от Сергея Николенко.

Первый вопрос, возникающий при начале разговора о памяти для LLM-агентов, звучит так: а зачем это вообще? Контексты давно выросли до миллиона, а то и двух миллионов токенов. Да, конечно, весь интернет туда никогда не поместится, но RAG (retrieval-augmented generation) тоже уже очень давно развивается. Казалось бы, можно впихнуть в миллионный контекст все результаты RAG-поиска, да и всё?

На самом деле не совсем.

https://www.sergeynikolenko.ru/blog/llm-memory-20-20-hindsight

@cgevent

Telegram Managed Bots: один движок для тысячи ботов

Telegram запустил Managed Bots — боты теперь могут создавать и управлять другими ботами. Суть: один ManagerBot работает как единый AI-движок, а все порождённые им боты, - субагенты. Дочерний бот не имеет собственного бэкенда. ManagerBot получает его токен через getManagedBotToken и по-сути создаёт коммуникационный канал для субагента у себя и отвечает от его имени.

🤖 Как работает: В BotFather нужно включить Bot Management Mode. ManagerBot создаёт дочерние боты по ссылке: t.me/newbot/ManagerBot/NewBotUsername?name=Name. Пользователь подтверждает создание — ManagerBot получает полный контроль.
Один бэкенд, тысячи бот-инстансов.

🔗 Bot-to-Bot Communication: Раньше боты в Telegram не видели друг друга. Теперь с Bot-to-Bot Mode бот может обращаться к другому боту через /command@OtherBot или reply. Боты с правами админа получают все сообщения от других ботов. Межагентный протокол внутри Telegram.

🛡 Защита от петель: Обязательные safeguard'ы: дедупликация, rate limiting, максимальная глубина, таймауты.

🧠 Крабоводство: На ManagerBot можно поставить OpenClaw или Hermes. Тогда управляющий бот станет AI-оркестратором, который будет управлять отдельными Telegram-ботами субагентами.
Каждый субагент со своим username, профилем, зоной ответственности.
Пользователь видит агентов в контактах как отдельных собеседников, а под капотом один движок маршрутизирует запросы, управляет fallback-цепочками и связывает агентов через Bot-to-Bot. Пока вручную.

Телега всё больше превращается в операционную среду для ИИ агентов

#Telegram #боты #агенты #ManagedBots #ИИ #API
───
@tsingular

пошла инфа, что в Курсоре у некоторых из РФ отвалился Клод.

как бы сказали кликбейтеры, - вайбкодинг в РФ умер.

У вас как?

Обратите внимание, как незаметно подписка на ИИ превращается в базовую потребность.

#Cursor #Claude #Anthropic #censored
———
@tsingular

⚡️ Claude Opus 4.7 - апдейт не про скорость, а про контроль и качество

Anthropic усилили сразу несколько критичных зон

Vision:

• модель теперь обрабатывает изображения с более чем в 3 раза большим разрешением
• результат - заметно лучшее качество интерфейсов, презентаций и документов

API:

появился новый уровень усилия - xhigh
между high и max, даёт более точный контроль баланса
reasoning ↔ latency

добавили Task Budgets (beta)
можно управлять приоритетами и стоимостью в длинных задачах

Claude Code:

• новая команда /ultrareview
• запускает отдельную сессию ревью
• проходит по изменениям и находит то, что обычно ловит внимательный ревьюер
• расширили auto mode для Max пользователей
длинные задачи теперь выполняются с меньшим количеством прерываний

https://claude.ai/new

В Курсоре Опус 4.7 с 50% скидкой!

Бежим переписывать кодобазу пока не забанили :)

#Cursor #Opus
------
@tsingular

Телега заработала без КВН.
И не только телега. Вотсапп, ФБ, инста тоже отлипли

Подтвердили абоненты: МТС, Билайн, Ростелеком мск

Не подтвердили: МГТС, Мегафон

#uncensored
------
@tsingular

В Китае продолжается подготовка к полумарафону с участием роботов, который пройдёт уже в это воскресенье- 19 апреля.

Чемпион прошлого года
(2:40:42 на 21.0975 км)
TirnKung Ultra уже показывает результат равный человеческому.

Даже обсуждается, что может человека превзойти.

#Китай #роботы #марафон
------
@tsingular

Qwen3.6-35B-A3B в 2-bit режиме провела полный bug hunt:
• нашла баги
• собрала доказательства
• создала repro
• написала фиксы
• добавила тесты
• и оформила PR

И всё это локально.

13GB RAM. Без облаков.

За время работы модель:
• сделала 30+ tool calls
• прошерстила 20 сайтов
• исполняла Python код

Топ для такой крохи!

GitHub: https://github.com/unslothai/unsloth