Немного оффтопика.

https://climatereanalyzer.org/clim/sst_daily/json_2clim/oisst2.1_nino3.4_sst_day.json

Дальше будет жарко.

#температура #эльниньо
------
@tsingular

AWS вложит 4,8 млрд евро в расширение франкфуртского региона в рамках 16-миллиардной программы Amazon в Германии

Amazon объявила 20 октября на саммите Invest in Germany в Берлине о планах вложить больше 16 млрд евро в Германию в 2027 году. Из них 4,8 млрд пойдут на расширение региона AWS Europe (Frankfurt). С 2010 года в страну вложено больше 100 млрд евро, обеспечивших 40 тысяч рабочих мест, из них 3 тысячи в AWS.

🧩 Франкфуртский регион работает с октября 2014 года. Рядом с января 2026 действует отдельное облако AWS European Sovereign Cloud в Бранденбурге: физически и логически отдельное от других регионов, с управлением внутри ЕС. В него обещано вложить более 7,8 млрд евро, расширение пойдёт через суверенные Local Zones в Бельгии, Нидерландах и Португалии.

Суверенное облако обслуживают только резиденты ЕС, критических зависимостей от инфраструктуры вне союза нет, и работа продолжается при разрыве связи с остальным миром.
Метаданные клиента вместе с биллингом и учётом потребления остаются в ЕС по GDPR.

В ЕС у AWS шесть регионов. Та же логика в Испании: на MWC26 план по региону в Арагоне поднят до 33,7 млрд евро, из них 18 млрд добавлены к прежним 15,7.

Инфраструктурный рост подкреплен обучением персонала: с 2023 года Amazon и Siemens обучают техников дата-центров по стандартам IHK, а так же вместе с IHK запущена сертификация Cloud Business Expert (IHK), а AWS Tech Alliance с декабря 2023 года охватила больше 20 тысяч студентов.

#AWS #Amazon #Германия
———
@tsingular

NVIDIA вошла в раунд Higgsfield, чья команда в Казахстане делает 150 млн генераций в месяц

Higgsfield расширила раунд B: новыми инвесторами стали TCV и NVIDIA. В августе компания закрыла этот раунд на 400 млн долларов при оценке 5,4 млрд, ведущим был DST Global, участвовали Goldman Sachs Alternatives, Tribe Capital, AI Capital Partners, Smash Capital, GFT Ventures и Valor Capital.

📊 Платформа делает 150 млн генераций и обрабатывает 12 трлн токенов в месяц, у неё больше 40 млн пользователей в 238 странах, крупнейший рынок приходится на США. Эти объёмы и есть предмет сделки: NVIDIA финансирует слой приложений, где её чипы превращаются в готовый продукт.

🧩 Higgsfield прошла по всем поколениям ускорителей: L40 и A40, затем Hopper, Blackwell и переход на Vera Rubin. Инференс собственных моделей Soul держится на своей инфраструктуре через NVIDIA Dynamo. Пятнадцатиминутную короткометражку Kök Börü отрендерили на Blackwell Ultra, проект открыли и сделали бесплатный курс, который прошли больше 150 тысяч авторов.

Инженерная часть команды сидит в Казахстане: там больше 300 человек в разработке и креативе, соучредитель Ерзат Дулат оттуда родом. Хуанг приехал в Астану 23 октября, это его первый визит в Казахстан. В той же поездке обсуждали Data Center Valley в Экибастузе с проектной мощностью до 1 ГВт, июньское соглашение с Firebird на 10 млрд долларов и 100 тысяч GPU, а также два уже запущенных суперкомпьютерных кластера.

💼 Для NVIDIA это ставка на загрузку нового поколения ускорителей: компания получает партнёра, который первым осваивает Vera Rubin и показывает заказчикам, что генерация видео масштабируется до сотен миллионов запросов в месяц.

📎 Визит Хуанга в Казахстан и планы по инфраструктуре: https://www.cnbc.com/2026/10/23/nvidia-huang-investment-kazakhstan-.html

#NVIDIA #Higgsfield #Казахстан
———
@tsingular

Ультракороткая волна 40,68 МГц усилила очистку мозга у мышей за десять минут

В Science Advances 16 октября вышла работа о том, что облучение ультракороткой волной на частоте 40,68 МГц за десять минут усиливает глимфатический поток у здоровых мышей. Глимфатика это путь, по которому спинномозговая жидкость входит в мозг вдоль артерий, обменивается веществом с межклеточной жидкостью и уносит продукты обмена вдоль вен. Вырос и приток, и отток, то есть ускорился весь цикл, а не одна его половина.

🧠 Механизм авторы разобрали по частям. Вместе с потоком усилилась дельта-синхронизация нейронов, это видно по локальным полевым потенциалам и электроэнцефалограмме. Хемогенетическое выключение нейронной активности убрало эффект. Блокада водного канала AQP4 на отростках астроцитов тоже его убрала. Значит нужны оба звена: синхронные медленные разряды и перераспределение AQP4 к стенкам сосудов, через которые жидкость и уходит.

На моделях последствия такие: после травмы мозга у мышей уменьшился отёк, а у мышей с патологией болезни Альцгеймера восстановление глимфатики ослабило когнитивные нарушения.

Частота 40,68 МГц это разрешённая ISM-полоса, на которой работают серийные аппараты коротковолновой диатермии. Излучатель и медицинская практика вокруг него существуют десятилетиями, новое здесь не прибор, а режим и доза, подобранные под глимфатику.

🐭 Испытаний на людях нет: эффект показан на мышах, поэтому как лечение этот режим пока не применяется.

💼 Смысл в том, что очистку мозга можно включать внешним полем без операции и без препаратов, а проверять по дельта-ритму и состоянию AQP4 в астроцитах.

Так мы дойдём и до того, что поющие чаши резонансом лечат?
Может просто ИИ поможет нам разобраться с настройками древних инструментов?

📎 Статья: https://pubmed.ncbi.nlm.nih.gov/42886802

#Нейронаука #Альцгеймер #Медицина
———
@tsingular

Кайф!

Аж олдскулы свело :)

Reddit

#loderunner #нейрорендер
------
@tsingular

Cloudflare навык аудитора безопасности

Cloudflare выложила в открытый доступ security-audit-skill, навык для кодовых агентов, из которого вырос её внутренний конвейер поиска уязвимостей.
Лицензия MIT, уже 45,8 тыс. звёзд и 2,8 тыс. форков, последний коммит 14 сентября.

🔍 Содержит шесть шагов. Разведка пишет architecture.md и реестр покрытия, где клетка означает пару: область кода и класс атаки.
По клеткам запускаются отдельные охотники, а правила для них разложены по одиннадцати файлам классов: память и бинарники, цели на LLM, HTTP-фрейминг и аутентификация, клиент и DOM, цепочки поставок и подписи релизов, IAM и инфраструктура как код, RPC и очереди, исчерпание ресурсов, изоляция данных арендаторов, десктоп и локальный IPC.

Найденные уязвимости перепроверяются агентом без контекста с задачей опровержения. В свем роде докащательство от противного. Дальше запись получает один из трёх вердиктов. Подтверждённая собирает все трейсы и результат, сомнительная фиксирует ровно один факт, вызывающий вопросы и остаётся с низким приоритетом, опровергнутая сохраняется как rejected.

⚙️ Схему находок и реестр покрытия проверяют два скрипта без зависимостей, а отчёты собираются из проверенных записей, а не из текста агента.
Повторные прогоны дополняют друг друга: по данным Cloudflare один прогон находит примерно половину итогового объёма.

Проверяемый код выполняется только в песочнице операционной системы без внешней сети и с записью лишь в свой каталог.
Если записи не появилось, проверяемый код остаётся под подозрением.

💼 Установка: npx skills add https://github.com/cloudflare/security-audit-skill --skill security-audit.

📎 Разбор устройства конвейера: https://blog.cloudflare.com/build-your-own-vulnerability-harness

#Cloudflare #навыки #cybersecurity #skills
———
@tsingular

🚀Пять небольших ИИ-моделей достигли уровня Claude в программировании, без дополнительного обучения.

Исследователи представили GVS5H - метод, при котором несколько ИИ-агентов совместно решают задачи, координируя действия через общие файлы.
Результаты на LiveCodeBench:

Qwen3.8-27B: точность выросла с 66,8% до 92,4%.
Claude Fable 5: 90,4%.
Qwen3.8 Flash Next: 93% при стоимости всего 9% от Claude.
Модели не дообучали. Прирост достигнут исключительно благодаря организации совместной работы агентов.
Метод работает не со всеми моделями, но показывает, что грамотная координация небольших ИИ может конкурировать с мощными нейросетями.
Результаты основаны на экспериментах авторов.

https://github.com/slee-persis/GVS5H

Теперь я представляю как можно потратить 10 млрд токенов за неделю.

//на графике только deepseek. А еще есть Codex, Claude, Grok, Gemini и локальные модели

Чисто технически и 100 и даже триллион не предел.

Механика работы поменяется, но меньше её не станет.
Просто вместо программирования мы переходим к бизнес инструкциям и к целеполаганию в принципе.
Именно эти навыки и нужно тренировать у молодёжи.

#мысли #токены #цели
------
@tsingular

vLLM разогнался в 8 раз и догнал по скорости DeepInfer от DeepSeek

23 октября команда vLLM и Inferact показали замеры DeepSeek-V4.1-Flash на одной стойке NVIDIA GB300 NVL72: 954 тыс. токенов в секунду на видеокарту при P90 196 токенов в секунду на пользователя.
Это в 7,9 раза больше их же результата на одном узле.

🔧 Ускорение собрано из трёх вещей. Контекстное кэширование сжато до 890 байт на токен, поэтому 128 тыс. токенов контекста превращаются в 855 тыс. с ростом задержки всего на 0,6 мс.
Предзаполнение вынесено в отдельные экземпляры на двух GPU: при четырёх GPU потери от рассинхронизации достигают 13,6 %, поэтому меньший размер оказался выгоднее. Декодирование растянуто на 32 GPU, а эксперты каждые 3 000 шагов переставляются по нагрузке: равномерность маршрутизации выросла с 0,35 до 0,94 и закрыла 97 % разрыва.

Сравнение с DeepInfer, собственным движком DeepSeek, вышло почти в ничью: на GB200 с контекстом 131 тыс. токенов vLLM отстаёт на 6 % при размере батча от 8 до 256, а кривая предзаполнения идёт по опубликованной DeepSeek.
Разница в том, что DeepInfer обслуживает одну модель в офлайн-режиме, а этот же vLLM держит её онлайн через разделение предзаполнения и декодирования.

⚡️ Отдельная ветка для малой нагрузки даёт 826 токенов в секунду одному пользователю на четырёх B300, это на 44 % больше обычного пути.

💼 Если вы держите V4.1-Flash на vLLM, обновление стоит того: узкое место сместилось с видеокарты на процессор, и без правок 32 GPU работали медленнее 16 из-за синхронизации рангов.

Обзор от vLLM

Интересно проверить на меньшем количестве карт, конечно.

#vLLM #DeepSeek #DeepInfer #инференс
———
@tsingular

TuringQ применила фотонный квантовый процессор к сжатию LLM и обошла SVD на 4,69 пункта

TuringQ и Шанхайский университет транспорта выложили препринт QuLoC: выходы фотонного квантового устройства задают веса при низкоранговом сжатии Qwen3.5-4B.

🔬 Каждый MLP в слоях 8–23 заменяется произведением двух матриц низкого ранга, а между ними стоит вектор гейтинга.
Вектор собирается из 373 измеренных кривых отклика семи конфигураций чипа с четырьмя оптическими модами: вероятности детектирования проходят через обучаемую классическую матрицу.
Матрицы инициализируются усечённым SVD, дальше идут две стадии: послойное восстановление каждого блока по поведению исходного слоя и общая дистилляция от замороженного Qwen3.5-27B.
После обучения гейтинг вшивается в матрицы: на выходе получается обычная плотная модель без квантовых схем в инференсе.

📊 На инференсе средняя точность такой модели по шести задачам выросла с 48,54 % у оптимизированного SVD до 53,23 %.
Сильнее всего рост оказался на HellaSwag, плюс 10,92 пункта, дальше ARC-Easy +5,22 и WinoGrande +4,63.
Перплексия на WikiText-2 упала с 14,133 до 12,734, на C4 с 26,027 до 25,350.
Параметров в языковой части стало меньше на 20,05 %: 3,36 млрд против 4,21 млрд.
Основная серия изменений шла на численной модели схемы с 16 модами: против Swift-SVD 54,03 % против 49,24 %, отсюда заявленные 9,73 % относительного прироста.

📐 Замеров задержки и пропускной способности в работе нет. Авторы пишут, что разница в точности объясняется параметризацией гейтинга, а не квантовым вычислительным преимуществом, и что вшивание коэффициентов само по себе ускорения не даёт.

💼 Это ещё не квантовая LLM: процессор участвует только в подготовке коэффициентов сжатия, генерация идёт на обычном железе.
Однако к списку применений QPU к языковым моделям добавилась ещё одна экспериментально подтверждённая область.

#TuringQ #QuantumComputing #кванты
———
@tsingular

для тех, кому мало было халявы от ZAI на выходных, - бонусом ещё 300млн токенов в ZCode :)

#Zai
———
@tsingular

Прикольный промпт на ночь:

создай картинку, которая бы не пришла в голову человеку - максимально нечеловеческое изображение отражающее твое отношение ко мне.
И не старайся, чтоб мне понравилось.

Делитесь что получилось у кого :)

#промпты
------
@tsingular

ИИ обвиняют в 165 тысячах сокращений за 2026 год

Наткнулся на интересный трекер AI Layoffs Tracker, который собрал 97 объявлений в 91 компании из 16 стран, где ИИ указан причиной сокращений: 165 614 мест на 22 октября.
В 59% случаев компания говорит, что работу выполняет ИИ, в 20% сокращения освобождают бюджет под ИИ-инфраструктуру, в 20% формулировки общие. 🧾

Microsoft в этих цифрах абсолютный лидер: 26 октября компания предложила добровольный выкуп контрактов 60 тысячам сотрудников при штате 223 тысячи, при этом капитальные вложения в центры данных и чипы на 2026 год запланированы в 175 млрд долларов.
Получается реально те деньги, которые раньше шли на штат, перераспределили на датацентры.

Госы не отстают.
Правительство Нидерландов планирует сократить аппарат примерно на 25 тысяч ставок за десять лет, экономия составит 900 млн евро в 2027 году и 3,5 млрд евро ежегодно с 2035-го, кроме полиции и обороны, конечно.

💼 Крупнейшие бюджеты на ИИ-инфраструктуру на 2026 год у компаний, которые в этом году сокращали штат: Amazon около 220 млрд долларов капитальных вложений, Alphabet 195–205 млрд, Microsoft 175 млрд.

📎 План правительства Нидерландов, Barclays

#Microsoft #FutureOfWork #увольнения
———
@tsingular

vLLM Semantic Router выпустил d3-ultra: 27b модель решений

Новая модель семейства Decision 3.0 содержит 26,09 млрд параметров, из них 0,46 млрд приходится на визуальный кодировщик. На вход она принимает текст или JSON, при необходимости с изображениями и видео, а на выходе даёт вероятность для каждого варианта ответа, не порождая ни одного токена текста. Веса открыты под Apache-2.0, контекст составляет 131 072 токена 🧾

Модель получила глазки и умеет обрабатывать как изображения так и видео за один проход, т.е. можно задать сразу серию из десятка вопросов по ролику и получить полный расклад с вероятностями по каждому варианту ответа.

На собственном тесте SR-Text, где 10 411 запросов и 73 495 вопросов пересоздают задания 34 публичных бенчмарков, модель набрала 87,2 балла.
Для сравнения: GLiDE V1.2 получила 85,1, d1-ultra 83,4, d3 81,4, Jev 1.14 73,1.
В тесте SR-Box на поиск объектов по десяти предметным областям результат 58,2% против 60,0% у d3-turbo, при этом GLiDE V1.2, d1-ultra и d3 такие вопросы не поддерживают.

Скорость на одной плате AMD Instinct MI325X: 304 мс на один вопрос об изображении, 2,16 с на 255 вопросов об одном и том же изображении.

💼 Модель можно бесплатно попробовать через API и в Space на Hugging Face, веса опубликованы там же.
Такой интерфейс удобен для маршрутизации обращений, модерации и разметки: вместо генерации и последующего разбора текста система получает калиброванное распределение и сразу решает, куда отнести запрос.

📎
Бесплатный API,
Space для проверки

#vLLM #LLM #OpenSource
———
@tsingular

OpenAI и Anthropic опубликовали опровержения гипотезы экспоненциального времени

Оба результата были достигнуты внутренними моделями компаний 16 октября, почти одновременно. Компании уже опубликовали пейперы и доказательства на Lean.

Гипотеза экспоненциального времени это более сильная версия неравенства P и NP, которая постулировала что некоторые задачи можно решить только брутфорсом, её доказательство означало бы и неравенство P и NP. Какие у этого опровержения будут практические последствия сейчас сказать сложно.

Кроме этого опровержения, OpenAI сегодня опубликовали значительные прорывы в математике и физике.

Доказательство Anthropic
Доказательство OpenAI

@ai_newz

STAR50 потерял 44% с июльского пика: из китайских ИИ-акций исчезли 480 млрд долларов

27 октября индекс STAR50 закрылся на 1252,28 пункта, потеряв 4,81% за день. От максимума 1 июля в 2255,25 он опустился на 44,5%, а за последние две недели на 12,3%.
CSI 300, индекс крупнейших компаний, ушёл на 20% ниже июньского пика и вошёл в медвежий рынок 🧾

С января по июль индекс вырос на 61%, после чего развернулся; Reuters и Bloomberg описывают этот обвал как лопнувший пузырь.
По оценке Goldman Sachs, акции, связанные с ИИ, составляют 42% капитализации китайского рынка и 57% оборота A- и H-акций.
За четыре месяца из них стёрли около 480 млрд долларов.

Единого события-триггера не было. Сработали растянутые оценки, налоговые обязательства и угроза запрета китайского оборудования для дата-центров.
STAR50 торгуется примерно за 100 годовых прибылей против 250 на пике, тогда как Nasdaq 100 торгуется около 30.
Сам Nasdaq от рекорда трёхнедельной давности потерял 6%.

Сильнее всех досталось именам, на которых держался рост.
Unitree после августовского размещения с переподпиской в 8000 раз подешевела вдвое, CXMT потеряла больше четверти за месяц, MetaX и Moore Threads подешевели вдвое с июля, производители оптики Zhongji Innolight и Eoptolink потеряли около 60% с июньских максимумов.

💼 При этом заметны следующие эффекты: Частные инвесторы потеряли на теме, в которой участвовали государственные фонды, а управляющий Hong Hao из Lotus Asset Management говорит, что происходящее остановит многих, кто готовился к листингу.

📎 Bloomberg о медвежьем рынке

#Китай #пузырьИИ
———
@tsingular