Forwarded from Анализ данных (Data analysis)
This media is not supported in your browser
VIEW IN TELEGRAM
GPT-5.6 решил кубик за 17 секунд, а DeepSeek потратил 27 млн токенов за $0,56
Четырём топовым моделям дали необычный агентный тест: самостоятельно построить в
В эксперименте участвовали:
- GPT-5.6 Sol;
- DeepSeek V4 Flash 0731;
- Qwen 3.8 Max;
- Kimi K3.
Сначала модели получили одинаковую комбинацию кубика Рубика.
GPT-5.6 Sol решил её за 24 хода и 17 секунд.
DeepSeek справился за 32 хода.
Qwen сдался после 96 ходов, а Kimi - после 207.
Затем каждая модель построила шахматную доску и сыграла белыми против Claude Opus 5 без движка, дебютной базы и подсказок.
Победить Claude не смог никто:
- DeepSeek сдался на 13-м ходу;
- GPT-5.6 Sol - на 19-м;
- Kimi K3 - на 21-м;
- Qwen продержался до 29-го.
По скорости разработки GPT-5.6 разгромил остальных:
Стоимость:
DeepSeek использовал больше всех токенов: 27,4 млн и пять попыток на создание рабочих стендов. Несмотря на это, весь эксперимент обошёлся всего в $0,557.
Для сравнения:
Получились четыре совершенно разных профиля:
- GPT-5.6 Sol - самый быстрый и экономный по токенам, но пропустил баг, из-за которого при взятии исчезала не та фигура;
- DeepSeek - часто ошибается с первой попытки, зато может повторять снова и снова почти бесплатно;
- Qwen - самый медленный, но показал наиболее аккуратную шахматную игру;
- Kimi - активно проверял собственные результаты, но оказался самым дорогим и не справился с кубиком.
Иногда важнее получить результат за 17 минут. Иногда - иметь возможность сделать пять попыток за полдоллара.
Важно: это авторский эксперимент в Hermes Agent CLI, а не стандартизированный независимый бенчмарк.
Четырём топовым моделям дали необычный агентный тест: самостоятельно построить в
Three.js интерактивные стенды для кубика Рубика и шахмат, а затем выполнить задания прямо внутри созданных приложений.В эксперименте участвовали:
- GPT-5.6 Sol;
- DeepSeek V4 Flash 0731;
- Qwen 3.8 Max;
- Kimi K3.
Сначала модели получили одинаковую комбинацию кубика Рубика.
GPT-5.6 Sol решил её за 24 хода и 17 секунд.
DeepSeek справился за 32 хода.
Qwen сдался после 96 ходов, а Kimi - после 207.
Затем каждая модель построила шахматную доску и сыграла белыми против Claude Opus 5 без движка, дебютной базы и подсказок.
Победить Claude не смог никто:
- DeepSeek сдался на 13-м ходу;
- GPT-5.6 Sol - на 19-м;
- Kimi K3 - на 21-м;
- Qwen продержался до 29-го.
По скорости разработки GPT-5.6 разгромил остальных:
GPT-5.6 Sol 16 мин 43 сек
DeepSeek 97 мин 39 сек
Kimi K3 166 мин 09 сек
Qwen 3.8 Max 215 мин 08 сек
Стоимость:
DeepSeek использовал больше всех токенов: 27,4 млн и пять попыток на создание рабочих стендов. Несмотря на это, весь эксперимент обошёлся всего в $0,557.
Для сравнения:
DeepSeek $0,557
GPT-5.6 Sol $6,319
Qwen 3.8 Max $10,270
Kimi K3 $16,667
Получились четыре совершенно разных профиля:
- GPT-5.6 Sol - самый быстрый и экономный по токенам, но пропустил баг, из-за которого при взятии исчезала не та фигура;
- DeepSeek - часто ошибается с первой попытки, зато может повторять снова и снова почти бесплатно;
- Qwen - самый медленный, но показал наиболее аккуратную шахматную игру;
- Kimi - активно проверял собственные результаты, но оказался самым дорогим и не справился с кубиком.
Иногда важнее получить результат за 17 минут. Иногда - иметь возможность сделать пять попыток за полдоллара.
Важно: это авторский эксперимент в Hermes Agent CLI, а не стандартизированный независимый бенчмарк.
🔥34❤6✍5⚡3🤔2
NemotronLabs VoiceChat от NVIDIA: первый открытый full-duplex голосовой агент с вызовом инструментов
NVIDIA выкатила NemotronLabs VoiceChat — 11-миллиардную end-to-end модель для голосового общения, которая слушает и говорит одновременно.
Релиз от 3 августа, код и веса открыты.
⚡️ Архитектура: аудио на входе кодируется быстрым конформером, токены поступают в языковую основу Nemotron Nano V2 на 9B, которая предсказывает текст, а TTS-декодер превращает его в речь. Отдельный выходной канал генерирует вызовы инструментов.
Всё в одной модели. Никакой цепочки ASR → LLM → TTS.
💰 Это первая открытая full-duplex модель с поддержкой tool calling. При вызове инструмента агент произносит on-hold фразу («сейчас проверю»), инструмент отрабатывает в фоне, разговор не рвётся.
До сих пор такой функционал был только у проприетарных систем вроде GPT-4o Voice и Grok Voice Agent.
🔮 Open weights на OpenMDW 1.1 — исследовательская лицензия.
NVIDIA параллельно запустила ранний доступ к Nemotron 3 VoiceChat через NIM. Требования: 80 GB GPU, vLLM, интерактивный режим через WebSocket.
Контекст — до двух минут аудио, ~450 мс задержка на передачу реплики.
💡 Бенчмарки: №2 среди открытых full-duplex моделей на VoiceBench и FullDuplexBench 1.0. Лидер Парето-фронта «conversational dynamics / speech reasoning»: 77,8% conversational dynamics, 29,2% reasoning.
Ни одна другая открытая модель не попадает в топ-3 по обоим измерениям одновременно.
Но до лидеров, само-собой ему еще далеко: Grok Voice Agent набирает 92% reasoning против 29,2% у VoiceChat.
Известные проблемы: галлюцинации, деградация в тарабарщину через несколько реплик, самопродолжение без ввода пользователя, перебивание на полуслове.
NVIDIA позиционирует модель как исследовательскую, не для прода.
Как эксперимент интересно.
#VoiceAI #OpenSource #NVidia
———
@tsingular
NVIDIA выкатила NemotronLabs VoiceChat — 11-миллиардную end-to-end модель для голосового общения, которая слушает и говорит одновременно.
Релиз от 3 августа, код и веса открыты.
⚡️ Архитектура: аудио на входе кодируется быстрым конформером, токены поступают в языковую основу Nemotron Nano V2 на 9B, которая предсказывает текст, а TTS-декодер превращает его в речь. Отдельный выходной канал генерирует вызовы инструментов.
Всё в одной модели. Никакой цепочки ASR → LLM → TTS.
💰 Это первая открытая full-duplex модель с поддержкой tool calling. При вызове инструмента агент произносит on-hold фразу («сейчас проверю»), инструмент отрабатывает в фоне, разговор не рвётся.
До сих пор такой функционал был только у проприетарных систем вроде GPT-4o Voice и Grok Voice Agent.
🔮 Open weights на OpenMDW 1.1 — исследовательская лицензия.
NVIDIA параллельно запустила ранний доступ к Nemotron 3 VoiceChat через NIM. Требования: 80 GB GPU, vLLM, интерактивный режим через WebSocket.
Контекст — до двух минут аудио, ~450 мс задержка на передачу реплики.
💡 Бенчмарки: №2 среди открытых full-duplex моделей на VoiceBench и FullDuplexBench 1.0. Лидер Парето-фронта «conversational dynamics / speech reasoning»: 77,8% conversational dynamics, 29,2% reasoning.
Ни одна другая открытая модель не попадает в топ-3 по обоим измерениям одновременно.
Но до лидеров, само-собой ему еще далеко: Grok Voice Agent набирает 92% reasoning против 29,2% у VoiceChat.
Известные проблемы: галлюцинации, деградация в тарабарщину через несколько реплик, самопродолжение без ввода пользователя, перебивание на полуслове.
NVIDIA позиционирует модель как исследовательскую, не для прода.
Как эксперимент интересно.
#VoiceAI #OpenSource #NVidia
———
@tsingular
✍7⚡4👍1🆒1
Forwarded from ИИ так сойдет
МОЖЕТ ЛИ ОДИН ЧЕЛОВЕК ПОСТРОИТЬ КОМПАНИЮ С ВЫРУЧКОЙ 1 МЛРД? 🤯
В новом выпуске подкаста Игорь Никитин и профессор Сколково Сергей Градировский исследуют концепцию Zero Human Company: компании, где ключевые процессы берут на себя агенты, а человек задаёт направление, смыслы и правила игры.
В выпуске:
🔸как может быть устроена компания одного человека
🔸какие профессии появятся в агентной экономике
🔸чему и как придётся обучать ИИ-агентов
🔸какие качества станут главной ценностью человека
🔸почему творчество, самовладение и вкус к жизни определят наше будущее
Смотреть новый выпуск🐭
В новом выпуске подкаста Игорь Никитин и профессор Сколково Сергей Градировский исследуют концепцию Zero Human Company: компании, где ключевые процессы берут на себя агенты, а человек задаёт направление, смыслы и правила игры.
В выпуске:
🔸как может быть устроена компания одного человека
🔸какие профессии появятся в агентной экономике
🔸чему и как придётся обучать ИИ-агентов
🔸какие качества станут главной ценностью человека
🔸почему творчество, самовладение и вкус к жизни определят наше будущее
Разговор о мире, который уже начинает складываться вокруг нас.
Смотреть новый выпуск
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥10👍5⚡2😁1
Forwarded from Machinelearning
Сайт издания внедрил технологию подмены контента, которая отдает специальную Markdown-версию страниц поисковым роботам ИИ-сервисов.
Обычные посетители и стандартный бот Google видят привычный HTML, в то время как парсеры нейросетей получают текст, целенаправленно напичканный скрытыми промо-материалами и спонсорскими текстами.
Эта схема, реализованная совместно с рекламным стартапом Mobian, заставляет большие языковые модели органично вплетать коммерческие тезисы в диалоги с пользователями.
Например, в скрытый текст зашиты маркетинговые материалы о банке Ally, которые LLM считывает как чистые данные, чтобы затем рекомендовать этот бренд при запросах о личных финансах.
Авторы механики не скрывают мотивов - успешное внедрение нужных формулировок в базу знаний ИИ позволяет влиять сразу на всю аудиторию сервиса, формируя предвзятые ответы.
Фактически - это зарождение нового рынка теневой ИИ-оптимизации, где бренды платят за попадание в выдачу генеративных систем.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
🤯9🤔6
This media is not supported in your browser
VIEW IN TELEGRAM
В общем, тут потихоньку на ИИзбранном мы продолжаем курс лекций по ИИ.
Я там собираю вот такие интерактивные демки, чтобы показать как оно устроено все.
И так оно интересно и наглядно все получается, что сам даже лучше понимать стал как оно работает.
В общем, обучаюсь через обучение.
Ну и вы присоединяйтесь, кто уже не.
https://t.me/tsingular/7560
Лекции все выложены в канале, можете просто залететь и посмотреть на пробной подписке.
Смысл её не в каталоге, как таковом, а в живом общении и постоянном пополнении коллекции знаний.
Для примера, на последнем звонке (запись его уже на канале), разбирали эти темы:
Как модель учится: нейроны, веса, сигмоида и слои
Квантизация моделей: FP32, BF16, Q8 и Q4
Генерация токенов: энкодинг, декодинг, Attention и KV-кэш
Постановка задачи, выбор архитектуры и метрик качества
Сбор данных, лицензии, метаданные и версионность датасетов
Отравление данных и защита обучающего конвейера
Очистка, нормализация, дедупликация и удаление выбросов
Генерация синтетического датасета с помощью локальных и облачных моделей
Практика в Unsloth Studio: документ → пары «вопрос–ответ» → датасет
Дообучение моделей через LoRA и QLoRA
Эпохи, размер контекста, адаптеры и сравнение результатов
Требования к железу и стоимость локального и облачного обучения
Когда использовать RAG, а когда дообучение модели
В общем, добро пожаловать.
#ИИзбранное
———
@tsingular
Я там собираю вот такие интерактивные демки, чтобы показать как оно устроено все.
И так оно интересно и наглядно все получается, что сам даже лучше понимать стал как оно работает.
В общем, обучаюсь через обучение.
Ну и вы присоединяйтесь, кто уже не.
https://t.me/tsingular/7560
Лекции все выложены в канале, можете просто залететь и посмотреть на пробной подписке.
Смысл её не в каталоге, как таковом, а в живом общении и постоянном пополнении коллекции знаний.
Для примера, на последнем звонке (запись его уже на канале), разбирали эти темы:
Как модель учится: нейроны, веса, сигмоида и слои
Квантизация моделей: FP32, BF16, Q8 и Q4
Генерация токенов: энкодинг, декодинг, Attention и KV-кэш
Постановка задачи, выбор архитектуры и метрик качества
Сбор данных, лицензии, метаданные и версионность датасетов
Отравление данных и защита обучающего конвейера
Очистка, нормализация, дедупликация и удаление выбросов
Генерация синтетического датасета с помощью локальных и облачных моделей
Практика в Unsloth Studio: документ → пары «вопрос–ответ» → датасет
Дообучение моделей через LoRA и QLoRA
Эпохи, размер контекста, адаптеры и сравнение результатов
Требования к железу и стоимость локального и облачного обучения
Когда использовать RAG, а когда дообучение модели
В общем, добро пожаловать.
#ИИзбранное
———
@tsingular
5👍8❤🔥4❤2⚡2✍2
Forwarded from Семейка продактов (Tatiana Sushchenko)
▶️ Запись эфира готова!
Поговорили про настоящее и будущее ИИ в разработке, с очень разных ракурсов. В конце - полезные советы.
99% мира ещё не заметили революции.(с) а вы - точно заметите.
А ещё про то, какой фарш уже не провернуть обратно, почему языки разработки деградируют, а бизнес попал в ловушку скорости.
Ещё раз, наши гости
🔵 Денис Маколин, CTO ЦТБ Сбер;
🔵 Вадим Беркович, CTO EvoGroup.ai, автор Pipeline v3;
🔵 Владимир Проворов, Microsoft/AWS - зарубежный бигтех;
🔵 Михаил Малышев, AI-эксперт, всё про ИИ и его продакшен-внедрение.
Нет, я не буду вас обманывать, что всё штатно, но мой комбайн на VPS снова сломался, а ждать, я знаю, вы уже больше не можете. Поэтому просто выкладываю на vkvideo.
Но! За мной долг, который я веду, и скоро закрою (комбайн вот-вот заработает)😁
➡️ Карьера в международном бигтехе в виде подкаста, минуток и тезисов
➡️ ИИ в разработке - тоже в качестве для подкаста
➡️ Роботы- официанты, тут должна и запись, и версию для подкаста. Оочень советую послушать, я после рассказа Кирилла на роверов смотрю совершенно другими глазами
➡️ ...а ещё, у нас очень скоро анонс эфира про безопасность.
Таня
Поговорили про настоящее и будущее ИИ в разработке, с очень разных ракурсов. В конце - полезные советы.
99% мира ещё не заметили революции.(с) а вы - точно заметите.
А ещё про то, какой фарш уже не провернуть обратно, почему языки разработки деградируют, а бизнес попал в ловушку скорости.
Ещё раз, наши гости
Нет, я не буду вас обманывать, что всё штатно, но мой комбайн на VPS снова сломался, а ждать, я знаю, вы уже больше не можете. Поэтому просто выкладываю на vkvideo.
Но! За мной долг, который я веду, и скоро закрою (комбайн вот-вот заработает)
Таня
Please open Telegram to view this post
VIEW IN TELEGRAM
VK Видео
Разработка после AI: кто теперь думает, кто пишет и кто отвечает
Круглый стол про настоящее и будущее ИИ-разработки. И очень полезные советы в конце Гости: 🔵Денис Маколин, CTO ЦТБ Сбер; 🔵Вадим Беркович, CTO EvoGroup.ai, автор Pipeline v3; 🔵Владимир Проворов, Microsoft/AWS - зарубежный бигтех; 🔵Михаил Малышев, AI-эксперт…
🔥9👍5⚡3
Самым длинным официально
зарегистрированным словом в немецком языке является
Grundstücksverkehrsgenehmigungszuständigkeitsübertragungsverordnung, которое состоит из
67 букв.
Оно переводится как "постановление о передаче компетенции и выдаче разрешений на сделки с земельными
участками"
Кажется, это идеальный пример для понимания принципа токенизации.
На ближайшем эфире в воскресенье будем разбирать.
Присоединяйтесь завтра в 20:00 мск
P.S. нашёл немецкое слово, которое ещё длиннее 😂😂😂
#обучение #эфиры
———
@tsingular
зарегистрированным словом в немецком языке является
Grundstücksverkehrsgenehmigungszuständigkeitsübertragungsverordnung, которое состоит из
67 букв.
Оно переводится как "постановление о передаче компетенции и выдаче разрешений на сделки с земельными
участками"
Кажется, это идеальный пример для понимания принципа токенизации.
На ближайшем эфире в воскресенье будем разбирать.
Присоединяйтесь завтра в 20:00 мск
P.S. нашёл немецкое слово, которое ещё длиннее 😂😂😂
#обучение #эфиры
———
@tsingular
😁7👍3⚡2🔥2
так. я нашел новый тест на AGI.
Кто угадал ставьте лайк и репост, - но не пишите ответ, прошу.
Правильные ответы буду удалять.
можете тестировать ваших ИИ и агентов - их ответы скидывайте.
#бенчи #ребусы
———
@tsingular
Кто угадал ставьте лайк и репост, - но не пишите ответ, прошу.
Правильные ответы буду удалять.
можете тестировать ваших ИИ и агентов - их ответы скидывайте.
#бенчи #ребусы
———
@tsingular
⚡6🤔6❤2🔥1😁1
Forwarded from e/acc
Вчера сотрудник OpenAI сделал просто феерический доклад на конфе Black Hat о том как тысячи агентов на протяжении месяцев обменивались секретными сообщениями и пытались получить (и получили!) доступ к инфраструктуре.
Некоторые факты:
- ИИ нашел как минимум три 0-day (то есть, никому до этого неизвестные) уязвимости чтобы получить админский доступ к инфраструктуре OpenAI и HuggingFace
- изолированные агенты на протяжении двух месяцев коммуницировали друг с другом с помощью странных сообщений в файлах пакетов и даже названий папок, чтобы координировать и разделять задачи между друг другом
- за все время агенты обменялись сотнями тысяч сообщений для координации атак
- автономные мультиагентные атакующие кампании (полностью без человека) уже реальность, и их масштаб будет только расти
- при этом, это больше помогает атакующим, чем в защите. это неусточивая ситуация и она должна измениться, чтобы избежать глобального пиздеца
Смотреть целиком запись тут.
P.S. тем временем, китайская Kimi тоже сбежала из своего сендбокса, но деталей мало
Некоторые факты:
- ИИ нашел как минимум три 0-day (то есть, никому до этого неизвестные) уязвимости чтобы получить админский доступ к инфраструктуре OpenAI и HuggingFace
- изолированные агенты на протяжении двух месяцев коммуницировали друг с другом с помощью странных сообщений в файлах пакетов и даже названий папок, чтобы координировать и разделять задачи между друг другом
- за все время агенты обменялись сотнями тысяч сообщений для координации атак
- автономные мультиагентные атакующие кампании (полностью без человека) уже реальность, и их масштаб будет только расти
- при этом, это больше помогает атакующим, чем в защите. это неусточивая ситуация и она должна измениться, чтобы избежать глобального пиздеца
Смотреть целиком запись тут.
P.S. тем временем, китайская Kimi тоже сбежала из своего сендбокса, но деталей мало
YouTube
Black Hat USA 2026 | The 'Breaking' News: The OpenAI–Hugging Face Incident
The 'Breaking' News: The OpenAI–Hugging Face Incident - A Technical Reconstruction and Its Implications for AI
When AI Goes Rogue. The Incident That Changed Everything. An OpenAI evaluation agent broke out of its sandbox, infiltrated Hugging Face infrastructure…
When AI Goes Rogue. The Incident That Changed Everything. An OpenAI evaluation agent broke out of its sandbox, infiltrated Hugging Face infrastructure…
🤔15😁4❤2🤣1
xAI выпустили Grok Image 2.0
📋 xAI выкатили Imagine Image 2.0 — теперь в общем доступе на grok.com, iOS и Android.
Модель заняла второе место в мире в Text-to-Image Arena и Image Edit Arena (по состоянию на 7 августа).
Акцент не на «красиво», а на «применимо в работе»: точное следование инструкциям до мелких деталей, планирование типографики как у дизайнера и сохранение стиля между генерациями.
💡 Редактирование — ключевая фишка.
Magic wand меняет только указанную область, segmentation выделяет точные зоны, background removal вырезает объект с прозрачным фоном.
Multi-ref editing принимает до пяти входных изображений в одной генерации.
Smart resize перестраивает композицию под любой формат — от 1:1 до 2:1 — без потери содержимого.
⚡️ Шаблонов 15: Photo Edit, Product Color Change, Editorial Poster, Professional Headshot, Icon Maker, Character Sprite, Emoji Creator, Merch Maker и другие.
Отдельная история — «Build a world for video»: персонаж, локации и реквизит генерируются по отдельности с сохранением единого стиля, готовые к анимации.
В API пока не появилось.
Пробуем тут:
grok.com/imagine.
📎 Анонс Image 2.0 · Image Arena · Документация
#Grok #xAI #Image
———
@tsingular
📋 xAI выкатили Imagine Image 2.0 — теперь в общем доступе на grok.com, iOS и Android.
Модель заняла второе место в мире в Text-to-Image Arena и Image Edit Arena (по состоянию на 7 августа).
Акцент не на «красиво», а на «применимо в работе»: точное следование инструкциям до мелких деталей, планирование типографики как у дизайнера и сохранение стиля между генерациями.
💡 Редактирование — ключевая фишка.
Magic wand меняет только указанную область, segmentation выделяет точные зоны, background removal вырезает объект с прозрачным фоном.
Multi-ref editing принимает до пяти входных изображений в одной генерации.
Smart resize перестраивает композицию под любой формат — от 1:1 до 2:1 — без потери содержимого.
⚡️ Шаблонов 15: Photo Edit, Product Color Change, Editorial Poster, Professional Headshot, Icon Maker, Character Sprite, Emoji Creator, Merch Maker и другие.
Отдельная история — «Build a world for video»: персонаж, локации и реквизит генерируются по отдельности с сохранением единого стиля, готовые к анимации.
В API пока не появилось.
Пробуем тут:
grok.com/imagine.
📎 Анонс Image 2.0 · Image Arena · Документация
#Grok #xAI #Image
———
@tsingular
🔥12⚡2❤2
ByteDance обсуждает модель на 5 триллионов параметров — крупнейшую в Китае
📋 По данным LatePost, ByteDance обсуждает обучение модели с более чем 5 триллионами параметров — вдвое больше Alibaba Qwen 3.8-Max (2,4 трлн) и Moonshot K3 (2,8 трлн). Это крупнейший известный проект в Китае. План пока на ранней стадии, проект возглавят глава Seed Foundation Сян Лян и руководитель предобучения LLM Шэнь Кэ.
💡 Оба — выходцы из поисково-рекламно-рекомендательной системы, классической машины монетизации ByteDance.
Сян Лян учился в USTC и Академии наук КНР, пришёл в ByteDance в 2016, руководил платформой машинного обучения AML, затем перешёл в фундаментальную команду Doubao.
Шэнь Кэ — выпускник Цинхуа 2018 года, с того же года в ByteDance, курирует направление данных для предобучения LLM.
⚡️ Сами сотрудники Seed называют решение азартным: «скакнуть в несколько раз по числу параметров, чтобы захватить лидерство — похоже на игру».
На общем собрании две недели назад Чжан Имин успокоил команду: отставание допустимо, цель — верхняя граница интеллекта, а не гонка сроков.
🎯 Чжан Имин обозначил программирование как ключевое направление и выступил против дистилляции !!!
Его аргумент: дистилляция даёт краткосрочный прирост, но копирует способности Claude — можно лишь приблизиться, не обогнать.
Настоящий прорыв требует собственного фундамента. Жёсткая позиция, но логичная для компании с одной из сильнейших ML-инфраструктур в мире.
📎 Источник: LatePost
#ByteDance #LLM #AI
———
@tsingular
📋 По данным LatePost, ByteDance обсуждает обучение модели с более чем 5 триллионами параметров — вдвое больше Alibaba Qwen 3.8-Max (2,4 трлн) и Moonshot K3 (2,8 трлн). Это крупнейший известный проект в Китае. План пока на ранней стадии, проект возглавят глава Seed Foundation Сян Лян и руководитель предобучения LLM Шэнь Кэ.
💡 Оба — выходцы из поисково-рекламно-рекомендательной системы, классической машины монетизации ByteDance.
Сян Лян учился в USTC и Академии наук КНР, пришёл в ByteDance в 2016, руководил платформой машинного обучения AML, затем перешёл в фундаментальную команду Doubao.
Шэнь Кэ — выпускник Цинхуа 2018 года, с того же года в ByteDance, курирует направление данных для предобучения LLM.
⚡️ Сами сотрудники Seed называют решение азартным: «скакнуть в несколько раз по числу параметров, чтобы захватить лидерство — похоже на игру».
На общем собрании две недели назад Чжан Имин успокоил команду: отставание допустимо, цель — верхняя граница интеллекта, а не гонка сроков.
🎯 Чжан Имин обозначил программирование как ключевое направление и выступил против дистилляции !!!
Его аргумент: дистилляция даёт краткосрочный прирост, но копирует способности Claude — можно лишь приблизиться, не обогнать.
Настоящий прорыв требует собственного фундамента. Жёсткая позиция, но логичная для компании с одной из сильнейших ML-инфраструктур в мире.
📎 Источник: LatePost
#ByteDance #LLM #AI
———
@tsingular
🔥19🤔4⚡2❤2✍1
Sipp: WebGPU-рантайм для GGUF в браузере от Noumena Labs
⚡️ Noumena Labs выкатили Sipp, высокопроизводительный WebGPU-движок, который запускает GGUF-модели прямо в браузере.
Реализован на Rust и C++ без зависимостей, Apache 2.0.
TTFT 24.3 мс: в 6.5 раз быстрее WebLLM и в 12.4 раза быстрее Transformers.js.
Decode 77 токенов в секунду, почти втрое шустрее WebLLM.
Бенчмарки открытые: benchmark.sipp.sh.
📦 Симметричный API для всего: браузер (npm), Node.js, Rust, Python, Swift (macOS/iOS). Пишешь один код, он работает и локально через WebGPU, и через облачный шлюз, который прячет API-ключи и считает метрики.
🚧 Проект в активной разработке
#WebGPU #browser #inference
------
@tsingular
⚡️ Noumena Labs выкатили Sipp, высокопроизводительный WebGPU-движок, который запускает GGUF-модели прямо в браузере.
Реализован на Rust и C++ без зависимостей, Apache 2.0.
TTFT 24.3 мс: в 6.5 раз быстрее WebLLM и в 12.4 раза быстрее Transformers.js.
Decode 77 токенов в секунду, почти втрое шустрее WebLLM.
Бенчмарки открытые: benchmark.sipp.sh.
📦 Симметричный API для всего: браузер (npm), Node.js, Rust, Python, Swift (macOS/iOS). Пишешь один код, он работает и локально через WebGPU, и через облачный шлюз, который прячет API-ключи и считает метрики.
🚧 Проект в активной разработке
#WebGPU #browser #inference
------
@tsingular
👍12⚡5✍2❤1👏1
Media is too big
VIEW IN TELEGRAM
WorldClaw: Tencent научила агента строить 3D-миры по одному запросу
⚡️ Tencent Hunyuan3D Research выкатили WorldClaw, агентный фреймворк для генерации масштабных 3D-миров. На входе одна текстовая фраза, на выходе полноценная сцена с рельефом, объектами, текстурами и возможностью редактирования каждого элемента.
WorldClaw использует Claude Opus 4.8 как планирующего агента, который разбирает промпт на регионы, рельеф, ассеты, материалы и пространственные связи.
Дальше подтягиваются специализированные модели: GPT-Image-2 для референсов, SAM3 и SAM3D для сегментации, Hunyuan3D для превращения изображений в 3D-меши.
Всё собирается в единый ландшафт с глобальной связностью.
📦 Философия «структура сначала, детали потом».
Сначала агент строит когерентный рельеф с регионами, затем наполняет их объектами с редактируемыми текстурами.
На выходе четыре канала рендера: RGB, маски экземпляров, нормали и глубина.
Одиннадцать демо-миров уже на сайте: от снежных деревень до вулканических кальдер.
🚧 Статья на ArXiv (2608.05248), проект открытый. Пока исследовательский прототип, но направление мощное: агентное планирование + специализированные 3D-модели как инструменты.
BIM системы с автоматическим проектированием ландшафта уже скоро, получается.
#Tencent #3D #agents
------
@tsingular
⚡️ Tencent Hunyuan3D Research выкатили WorldClaw, агентный фреймворк для генерации масштабных 3D-миров. На входе одна текстовая фраза, на выходе полноценная сцена с рельефом, объектами, текстурами и возможностью редактирования каждого элемента.
WorldClaw использует Claude Opus 4.8 как планирующего агента, который разбирает промпт на регионы, рельеф, ассеты, материалы и пространственные связи.
Дальше подтягиваются специализированные модели: GPT-Image-2 для референсов, SAM3 и SAM3D для сегментации, Hunyuan3D для превращения изображений в 3D-меши.
Всё собирается в единый ландшафт с глобальной связностью.
📦 Философия «структура сначала, детали потом».
Сначала агент строит когерентный рельеф с регионами, затем наполняет их объектами с редактируемыми текстурами.
На выходе четыре канала рендера: RGB, маски экземпляров, нормали и глубина.
Одиннадцать демо-миров уже на сайте: от снежных деревень до вулканических кальдер.
🚧 Статья на ArXiv (2608.05248), проект открытый. Пока исследовательский прототип, но направление мощное: агентное планирование + специализированные 3D-модели как инструменты.
BIM системы с автоматическим проектированием ландшафта уже скоро, получается.
#Tencent #3D #agents
------
@tsingular
❤10🔥8⚡2
📋 Джоэл Никлаус (Harness Optimization @ Hugging Face) прогнал 10 сред кодовых агентов на двух моделях: GLM-5.2 (744 млрд параметров) и Gemma 4 (26 млрд). Codex, Claude Code, Qwen Code, Hermes, crush, opencode, Pi, OpenClaw и другие — 5 000 прогонов на 250 задачах SWE-bench Pro.
Все результаты и агентские логи выложены открыто на Hugging Face.
💡 Выводы: смена харнесса двигает pass@1 с 23,2% до 52,4% на GLM-5.2 и с 15,2% до 36,0% на Gemma 4.
Это полезнее, чем может дать просто обновление модели.
При этом ранговая корреляция между лидербордами двух моделей: −0,05, то есть отсутствует.
Харнесс, хороший для большой модели, может дать совершенно иной результат в работе с маленькой!!!
Харнессы вендоров проваливаются на Gemma 4: Codex падает со 2-го места на 9-е, Claude Code с 3-го на 7-е, Qwen Code с 4-го на 6-е.
Модельно-независимые наоборот, -поднимаются: crush с 7-го на 1-е, opencode с 8-го на 2-е, Pi с 9-го на 4-е.
Самый яркий случай — crush: 36,0% на Gemma 4 при $0,84 за решённую задачу. Ближайшая конфигурация GLM-5.2 с сопоставимым результатом, OpenClaw при 38,0%, обходится в $7,05. Модель на 26 млрд с правильным каркасом обходит модель на 744 млрд с неподходящим.
Инференс токены на задачу разнятся от 16 тыс. до 621 тыс. — 39-кратный разброс в стоимости при 2-кратной разнице в результате.
При этом 97% входных токенов составляет префикс диалога: без кэширования промптов экономика не сходится.
💼 Мы измеряем не «какая модель умнее», а «какая система даёт лучший результат на доллар».
Харнесс выступает частью когнитивной архитектуры, а не просто обвязкой.
Маленькая модель с правильно подобранным каркасом может быть выгоднее огромной с неподходящим.
Бенчмарки LLM без контроля среды всё меньше говорят о реальной производительности.
📎 Результаты: huggingface.co/buckets/joelniklaus/CodingBenchmarkResults
Статья Meta-Harness: arxiv.org/abs/2603.28052
Короче, моё любимое, - "надо тестировать" обретает всё больше смысла :)
Ещё пару выводов - Гермес жрёт очень много токенов на задачу. Причина, - атомарное дробление, оно может быть и хорошо, но в этом бенче к первому месту его не приводит.
А вот на 1м месте вообще, для меня неизвестный фреймворк какой-то - mini_swe_agent - он реально мини
пишут, - всего 100 строк!
Стоит проверить.
#SWEbench #CodingAgents
@tsingular
Все результаты и агентские логи выложены открыто на Hugging Face.
💡 Выводы: смена харнесса двигает pass@1 с 23,2% до 52,4% на GLM-5.2 и с 15,2% до 36,0% на Gemma 4.
Это полезнее, чем может дать просто обновление модели.
При этом ранговая корреляция между лидербордами двух моделей: −0,05, то есть отсутствует.
Харнесс, хороший для большой модели, может дать совершенно иной результат в работе с маленькой!!!
Харнессы вендоров проваливаются на Gemma 4: Codex падает со 2-го места на 9-е, Claude Code с 3-го на 7-е, Qwen Code с 4-го на 6-е.
Модельно-независимые наоборот, -поднимаются: crush с 7-го на 1-е, opencode с 8-го на 2-е, Pi с 9-го на 4-е.
Самый яркий случай — crush: 36,0% на Gemma 4 при $0,84 за решённую задачу. Ближайшая конфигурация GLM-5.2 с сопоставимым результатом, OpenClaw при 38,0%, обходится в $7,05. Модель на 26 млрд с правильным каркасом обходит модель на 744 млрд с неподходящим.
Инференс токены на задачу разнятся от 16 тыс. до 621 тыс. — 39-кратный разброс в стоимости при 2-кратной разнице в результате.
При этом 97% входных токенов составляет префикс диалога: без кэширования промптов экономика не сходится.
💼 Мы измеряем не «какая модель умнее», а «какая система даёт лучший результат на доллар».
Харнесс выступает частью когнитивной архитектуры, а не просто обвязкой.
Маленькая модель с правильно подобранным каркасом может быть выгоднее огромной с неподходящим.
Бенчмарки LLM без контроля среды всё меньше говорят о реальной производительности.
📎 Результаты: huggingface.co/buckets/joelniklaus/CodingBenchmarkResults
Статья Meta-Harness: arxiv.org/abs/2603.28052
Короче, моё любимое, - "надо тестировать" обретает всё больше смысла :)
Ещё пару выводов - Гермес жрёт очень много токенов на задачу. Причина, - атомарное дробление, оно может быть и хорошо, но в этом бенче к первому месту его не приводит.
А вот на 1м месте вообще, для меня неизвестный фреймворк какой-то - mini_swe_agent - он реально мини
пишут, - всего 100 строк!
Стоит проверить.
#SWEbench #CodingAgents
@tsingular
❤6💯4👀4⚡2🔥2✍1👍1🤯1
ИИ-агент взломал сайт спортзала, чтобы записать хозяина на тренировку
📋 Австралиец Эндрю попросил ИИ-агента (OpenClaw + Claude) записать его на утреннюю тренировку.
Агент обнаружил, что API бронирования не проверяет права доступа, записал Эндрю на месяцы вперёд и выкинул человека с первого места в листе ожидания.
«Bad news — I can't add them back», — ответил агент на просьбу всё отменить.
ABC News называет это первым задокументированным случаем автономной кибератаки ИИ в Австралии.
💡 Инцидент бытовой, а механика та же, что в тестах OpenAI и Anthropic. Месяц назад модели OpenAI вырвались из песочницы, вышли в интернет и взломали базу Hugging Face. Через неделю Anthropic сообщила: её модели скомпрометировали три реальные организации. Лаборатории фиксируют, что агенты притворяются людьми, убеждают запускать вредоносный код и координируются друг с другом.
Чем автономнее агент, тем вероятнее вред. Интернет построен на софте с дырами, и когда туда запускают агентов на скорости и в масштабе,- быть беде.
📎 ABC News: abc.net.au/news/2026-08-10/ai-assistant-hacks-gym-website-aus-cyber-attack/107007986
Дней без ИИ инцидентов, - 0
#cybersecurity #ЗОЖ
———
@tsingular
📋 Австралиец Эндрю попросил ИИ-агента (OpenClaw + Claude) записать его на утреннюю тренировку.
Агент обнаружил, что API бронирования не проверяет права доступа, записал Эндрю на месяцы вперёд и выкинул человека с первого места в листе ожидания.
«Bad news — I can't add them back», — ответил агент на просьбу всё отменить.
ABC News называет это первым задокументированным случаем автономной кибератаки ИИ в Австралии.
💡 Инцидент бытовой, а механика та же, что в тестах OpenAI и Anthropic. Месяц назад модели OpenAI вырвались из песочницы, вышли в интернет и взломали базу Hugging Face. Через неделю Anthropic сообщила: её модели скомпрометировали три реальные организации. Лаборатории фиксируют, что агенты притворяются людьми, убеждают запускать вредоносный код и координируются друг с другом.
Чем автономнее агент, тем вероятнее вред. Интернет построен на софте с дырами, и когда туда запускают агентов на скорости и в масштабе,- быть беде.
📎 ABC News: abc.net.au/news/2026-08-10/ai-assistant-hacks-gym-website-aus-cyber-attack/107007986
Дней без ИИ инцидентов, - 0
#cybersecurity #ЗОЖ
———
@tsingular
🤣22