Технозаметки Малышева
13.2K subscribers
5.58K photos
2.12K videos
43 files
5.52K links
Новости инноваций из мира Искусственного Интеллекта. 🤖 [РКН: 7021469833 ]

Всё об ИИ, ИТ трендах и Технологической Сингулярности.

🤖: @ai_gptfreebot [бесплатный бот]
✍️: @tsingular_bot [каталог ботов и курсов]

💸: https://pay.cloudtips.ru/p/c8960bbb
Download Telegram
Forwarded from Machinelearning
Media is too big
VIEW IN TELEGRAM
🌟 Prism ML собрала тернарную версию Qwen3.8-27B

Bonsai 2 27B - сжатая Qwen3.8-27B, которая занимает 5,9 ГБ против примерно 54 ГБ у исходной модели в FP16 и сохраняет 98,2% её среднего результата на бенчмарках.

Prism ML - американский стартап из команды Калтеха, вышедший из стелс-ркжима весной 2026 года с анонсом первой версии моделей Bonsai.

Основатель и руководитель - профессор Калтеха Бабак Хассиби, специалист по теории сжатия. Среди инвесторов стартапа Cerberus, Google и Samsung.


Модель рассчитана на локальный запуск на потребительском оборудовании, имеет контекст в 262 тысячи токенов и может обрабатывать изображения и вызывать инструменты.

Целевые сценарии - агенты в редакторе кода, работа с компьютером, разбор документов без отправки их в облако.

Вес в тернарном квантовании хранится не числом, а одним из трёх знаков: минус, ноль или плюс. Сами величины задаются отдельно - веса разбиты на группы по 128, и у каждой группы один общий множитель в FP16.

В пересчёте на один вес это 1,72 бита против 16 у исходной модели. Перед сжатием веса каждой матрицы разворачивают фиксированным преобразованием Адамара, сам разворот вписан в веса, но при работе его нужно повторить на входных данных, иначе модель выдаёт бессмыслицу.


Распознавание картинок сжатие не проходило, лежит отдельным файлом на 0,6 ГБ и подгружается только тогда, когда на вход пришло изображение, так что текстовые задачи его не задействуют.

🟡В релизе три варианта

🟢GGUF в двух упаковках: PTQ1_0 (1,75 бита, 5,95 ГБ, быстрее на картах Ada и L4) и PQ2_0 (2,13 бита, 7,21 ГБ, быстрее на H100 и Blackwell);

🟢сборка под MLX на 8,60 ГБ вместе со зрением;

🟠тестовая упаковка Q2_0 для доработки ядер.

Для GGUF нужен специальный форк llama.cpp от Prism ML, для MLX - загрузчик из самого пакета.

🟡Бенчмарки

Замеры Prism ML считали через EvalScope и vLLM на H100, в режиме рассуждения, всего провели 14 тестов. Сравнивали со сборки той же Qwen3.8-27B в квантованиях UD-Q4_K_XL и IQ2_XXS.

Среднее по всем тестам: 84,78 против 86,32 у FP16 и 72,59 у IQ2_XXS. До четырёхбитной сборки не хватило 0,4 пункта при втрое меньшем размере.

AIME26: 95,83 против 94,58 у FP16 и 57,50 у IQ2_XXS.

LiveCodeBench: 90,07 против 90,05 и 56,40 соответственно.

BFCL v3 (вызов инструментов): 74,92 против 76,74 у FP16.

MMMU-Pro: 75,49 против 81,73.

Скорость генерации на RTX 5090 примерно 129 токенов в секунду, на ноутбучном M5 Pro - 28 токенов в секунду.



📌Лицензирование: Apache 2.0


🟡Блогпост
🟡Веса
🟡Техотчет
🟡Демо на WebGPU
🟡Сообщество в Discord
🖥GitHub


@ai_machinelearning_big_data

#AI #ML #LLM #Bonsai #PrizmML
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥17👍6⚡3🤩3❤1🏆1
Forwarded from Machinelearning
📌Goldman Sachs повысил прогноз по развитию физического ИИ

Финансовый конгломерат обновил свой прогноз по динамике развития воплощенного ИИ, предположив, что к 2035 году в мире будет выпущено 6,5 миллиона человекоподобных роботов, а рыночная стоимость этого сегмента составит 138 миллиардов долларов.

Согласно новым данным, в 2026 году будет выпущено 75 000 единиц, а к 2030 году — 890 000 единиц, что более чем в три раза превышает предыдущий целевой показатель на конец десятилетия.

Ожидается, что на первых порах роботы будут активно использоваться на складах, в логистике и в автомобильной промышленности.

Аппаратные и программные экосистемы уже подстраиваются под эти отрасли: NVIDIA расширяет свой стек физического ИИ проектами Omniverse, Cosmos, Isaac и Jetson, чтобы обеспечить внедрение складской робототехники для своих партнёров, а Tesla начала переоборудовать производство на заводе во Фримонте под специализированные сборочные линии для Optimus.

Основным операционным риском, с которым столкнётся этот десятилетний цикл робототехники, остаётся добровольное замедление темпов развития или приостановка деятельности передовых разработчиков ИИ из-за опасений по поводу безопасности.


@ai_machinelearning_big_data

#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
✍4🔥4⚡1
Forwarded from Machinelearning
🌟 Xiaomi выпустила MiMo-V2.6 Pro и Flash

Xiaomi закончила обучение серии MiMo-V2.6 и опубликовала веса флагманской Pro и облегчённой Flash.

Обе модели омнимодальные, то есть принимают текст, изображения, видео и аудио.


Рассчитаны на агентные задачи, кодинг, автоматизацию рабочих процессов, управление компьютером, кибербезопасность, генерацию 3D-объектов, воплощенное моделирование, создание музыки, научные и математические исследования.

🟡Архитектура

У Pro 1,02 трлн параметров, из них 42 млрд активных, и 384 эксперта.

У Flash 309 млрд параметров, 15 млрд активных и 256 экспертов.

На каждый токен в обеих моделях работают восемь экспертов. Большая часть слоёв использует внимание со скользящим окном в 128 токенов, остальные – глобальное внимание: у Pro так устроены 60 слоёв из 70, у Flash 39 из 48.

Визуальный энкодер на 681 млн параметров и два аудиоэнкодера на 308 и 127 млн у моделей одинаковые.

Вывод ускоряет пятислойный спекулятивный декодер - за один проход он предлагает семь следующих токенов, основная модель проверяет их параллельно.

Контекст – 1 млн токенов

🟡Бенчмарки

По замерам самой Xiaomi Pro близка к закрытым флагманам в агентных тестах, но отстаёт в эксплуатации уязвимостей:

DeepSWE v1.1: Pro – 71,9, Flash – 67,9, Claude Opus 5 – 74,0, GPT-5.6 Sol – 73,0;

AutomationBench: Pro – 53,1, выше Opus 5 (50,3) и GPT-5.6 Sol (45,8);

Terminal-Bench 4.0: Pro – 34,9 против 49,0 у Opus 5 и 42,4 у Claude Fable 5;

ExploitBench: Pro – 47,9, Flash – 25,3 против 78,5 у GPT-5.6 Sol и 78,0 у Fable 5.

Модели также доступны в AI Studio, MiMo Code, приложении MiMo Desktop, через API Xiaomi MiMo Open Platform и на OpenRouter.


📌Лицензирование: MIT


🟡Блогпост
🟡Веса
🟡Техотчет


@ai_machinelearning_big_data

#AI #ML #MMLM #MiMO #Xiaomi
Please open Telegram to view this post
VIEW IN TELEGRAM
👍9🔥5❤4⚡1
Forwarded from Machinelearning
🌟 Nvidia открыла веса модели для разметки спикеров в аудио

Nemotron 3 Diarization – открытая модель диаризации на 100 млн параметров, которая работает на аудиозаписях и в потоковом режиме, размечая на записи отрезки речи каждого участника, включая моменты, когда люди перебивают друг друга.

Вместе с ASR это даёт расшифровку встреч, звонков и подкастов с разметкой по говорящим.


Модель различает до восьми собеседников – вдвое больше, чем предыдущая Streaming Sortformer компании.

Длина записи не ограничена, потому что звук обрабатывается фрагментами. Метки говорящих анонимные - модель сообщает, что speaker_Х говорил с такой-то секунды по такую-то, но не определяет, кто это.

Имена и роли участников можно задать логикой сценария в целевом приложении, связав обезличенные каналы, временные метки и личность от вывода модели с заранее определенным списком спикеров.


🟡Архитектура

Внутри 31-слойный трансформерный энкодер с RoPE. На вход подаётся моно-звук 16 кГц, мел-спектрограмма сжимается в кадры по 80 мс.

На выходе модель для каждых 10 мс выдаёт вероятность того, что говорит каждый из восьми участников, поэтому одновременная речь двух людей не мешает разметке.

Как и в Sortformer, каналы нумеруются в порядке появления голосов - первый новый голос получает первый канал. В потоковом режиме модель помнит собеседников через кэш голосов из прошлых фрагментов и очередь недавних кадров.

🟡Тесты

Главный показатель – DER, доля времени речи, размеченной с ошибкой (пропуск, ложное срабатывание или путаница говорящих). Чем ниже значение, тем лучше.


В Diarization-Bench от Voice Arena модель заняла первое место из 12 систем с DER 14,72% против 19,3% у следующей.

Остальные сравнения Nvidia провела со своей прежней моделью. При задержке 1,04 секунды DER на DIHARD III снизился с 19,60 до 13,18%, на записях встреч NOTSOFAR1 – с 22,12 до 7,70%.

На разговорах двух человек из CALLHOME в офлайн-режиме новая модель немного уступает Streaming Sortformer - 5,98% против 5,68%.

Скорость подросла - на RTX PRO 5000 при обработке пакетами по 32 записи модель размечает 865 секунд звука за секунду вычислений против 136 у предшественницы.


📌Лицензирование: OpenMDW-1.1


🟡Блогпост
🟡Модель
🟡Демо


@ai_machinelearning_big_data

#AI #ML #Diarization #Speech #Nemotron #Nvidia
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥12⚡1❤1🎉1
Forwarded from Machinelearning
📌Fable 5.1 рассчитала амплитуду рассеяния в девяти петлях

Модель в среде Claude Science рассчитала шестичастичную амплитуду рассеяния в планарной четырёхкратно суперсимметричной теории Янга–Миллса на уровне девяти петель.

Амплитуды рассеяния показывают, насколько вероятна та или иная реакция при столкновении частиц, и по ним теорию сверяют с данными Большого адронного коллайдера.

Целиком их не посчитать, поэтому физики обрывают расчёт на определённом числе петель, т.к каждая следующая приближает к реальному ответу, но так его утяжеляет, что большинство амплитуд доведены лишь до двух петель, а некоторые до трёх.

Суперсимметричный вариант теории Янга–Миллса реальный мир не описывает, это полигон, где специалисты по амплитудам оттачивают методы, потому что считать в нём парадоксально проще.


Задачу запустили штатные физики Anthropic Лиам Фицпатрик и Сиддхарт Мишра-Шарма в ответ на вызов бывшего физика и научного журналиста Мэтта фон Хиппеля - он предлагал ИИ-компаниям решить одну из крупных открытых задач его прежней области с вычислительными ресурсами академического уровня.

Результат проверил Лэнс Диксон из Стэнфорда и SLAC, соавтор предыдущего рекорда в восемь петель.

Восьмипетлевой результат Диксон и Энди Лю получили в 2023 году окольным путём, через родственную величину, форм-фактор.

Claude пришёл к девяти петлям двумя способами - исходным гексагональным бутстрапом и через форм-фактор. Исследователи дали модели постановку задачи и дальше вмешивались редко, в духе:

«... я иду спать, продолжай, пока не скажу остановиться, и присылай отчёт каждые 4–6 часов».


Код бутстрапа Claude сам написал на Python с SymPy и неделю считал на 96 процессорах.

Диксон проверил результат, пересчитав из амплитуды девятипетлевой форм-фактор, к которому его команда шла пару лет, и назвал работу настоящим триумфом для языковой модели, выполнившей все шаги сложного алгоритма.

Параллельно к тому же результату шла группа Сун Хэ из Китайской академии наук с GPT-6 и когда китайцы связалась с фон Хиппелем через несколько дней после Anthropic, большая часть расчёта у них уже была готова.

Фон Хиппель допускает, что задача просто удобна для ИИ, но считает, что технология действительно стала лучше:

«В марте 2026 года ИИ выполнял физические проекты как студент - это были небольшие задачи, много опеки и ошибок. Здесь же настоящий расчёт на переднем крае науки, из тех, за которые обычно берутся ведущие специалисты по амплитудам», – пишет он.


Результат выложен на сайте Мишры-Шармы. Рецензирования не было, а полную функцию, по признанию авторов, посчитали один раз, независимо перепроверили только её упрощённую часть, символ.


@ai_machinelearning_big_data

#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥10🏆6⚡3🤔3❤2
Amazon зовет обратно уволенных из-за ИИ сотрудников

Amazon уволил за год более 30 000 человек: 14 000 в октябре 2025 и еще 16 000 в январе 2026.
И теперь рекрутеры компании пишут тем же людям и зовут обратно, - на позиции, связанными с AI, машинным обучении и облаками. Business Insider

Название даже дали инициативе: «Swami's Boomerang Reengagement Initiative», в честь Свами Шивасубраманяна, вице-президента AWS, который курирует агентное направление.

Рекрутеры ищут бывших сотрудников с опытом в AI и ML и иногда, как например в AWS Finance, даже предлагают ускоренный трек к офферу вместо долгих интервью.
В Amazon при этом подчеркивают: возврат бывших сотрудников это давняя практика, а не специальная программа, и правила в целом по офису не менялись.

💼 В чём интерес для бизнеса:
Война за AI-кадры против Google, OpenAI, Meta и Anthropic ужесточается, и, конечно, вернуть сотрудника, уже знакомого с вашей корпоративной кухней может быть выгоднее найма с улицы: проще проверить, быстрее возьмется за работу.
Вопрос, конечно, какой ценник этот сотрудник заломит :)
По данным ADP, возвращенцы в среднем составляют примерно 35% новых наймов в США.

Короче ИИ сначала стал причиной увольнения из-за автоматизации, а затем причиной найма из-за ускорения роста спроса на инфру под ИИ.

Инженеры качаются на качелях:
[всё будет хорошо]-[я умру бомжом]

#Amazon #AI #найм #рынокТруда
———
@tsingular | Max | YouTube | RuTube | VK | VK Video | Дзен
😁16⚡4🔥4💯2🏆1
Forwarded from Machinelearning
📌 Dream-RSI: агент улучшает стратегию поиска решений на основе прошлых запусков

Google опубликовала Dream-RSI - надстройку над агентами, которые ищут решения перебором: пишут код, прогоняют его через оценщик и дорабатывают лучшие варианты.

Концепт управляет стратегией исследования, решая, какие варианты развивать, сколько попыток запускать параллельно и когда остановиться. Модель, агент и оценщик при этом не меняются, самосовершенствуется только код стратегии.

🟡Механика

Каждый запуск сохраняется как дерево попыток, где узел хранит версию решения, диагностику и оценку.

Это дерево используется как симулятор - альтернативная стратегия проходит по записанным ветвям в другом порядке, с другой параллельностью и другими точками остановки, а результаты берутся из записей без новых вызовов агента.

Отдельный агент на базе языковой модели несколько раз переписывает код стратегии, каждую версию прогоняют по всем накопленным деревьям, и в следующий раунд уходит лучшая.

Оценка складывается из лучшего найденного результата, штрафа за число попыток и бонуса за параллельность. Прежняя стратегия тоже участвует в отборе, поэтому на записях прошлых запусков новая версия по оценке не уступает старой.

🟡Тесты

В задаче ускорения решателя Lasso версия на Gemini 3.1 Pro снизила среднее время работы на шести отложенных наборах данных с 3587 до 2931 мс и потратила 317 вызовов агента вместо 550.

В математических задачах результат смешанный: в задаче сумм и разностей 1,145427 против 1,143975 у SimpleTES, в упаковке кругов ничья, в неравенстве автокорреляции результат хуже собственной базы.

В третьей серии агент ускорял операции нейросетей на видеокарте из набора KernelBench. Для сети VGG16 и слоя нормализации LayerNorm Dream-RSI достиг той же скорости, что и база, за в 2,43 и 1,79 раза меньшее число попыток.

Для двух связок свёртки с делением и с выбором максимума он при том же числе попыток нашёл код быстрее базового в 2,09 и 1,44 раза.

Пока доступны только статья и страница проекта с интерактивной демонстрацией. 

Код и скрипты
 для воспроизведения Google обещает выложить позже.




🟡Страница проекта
🟡Техотчет
🟡Демо
🖥GitHub


@ai_machinelearning_big_data

#AI #ML #RSI #Agents #DreamRSI #Google
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🆒5❤3🔥3⚡1👍1
Forwarded from Machinelearning
🌟 OpenScience: персональный учёный с режимом автономных экспериментов
Стартап Synthetic Sciences из зимнего набора Y Combinator 2026 года вывел на Product Hunt OpenScience – открытую рабочую среду с ИИ-агентом для научных исследований.

Сам агент компания выложила ещё в июле, а главное из обновления – режим Autoresearch, в котором агент без участия человека ставит серию экспериментов и улучшает заданную метрику.


OpenScience ведёт исследование целиком, от обзора литературы и гипотезы до кода, эксперимента, анализа и текста статьи.

Агенту доступны 295 встроенных навыков, от обучения моделей до молекулярной биологии, хемоинформатики и вёрстки в LaTeX, и около сорока научных баз, среди них UniProt, PDB, ChEMBL, PubChem, arXiv и Semantic Scholar.

🟡Механика

В Autoresearch задачу ставят обычными словами, например - снизить функцию потерь на валидационной выборке, остановить работу через час или при выходе метрики на плато и закончить после 20 запусков или 8 часов.

Агент сначала запускает базовый вариант, затем по очереди проверяет идеи, отсортированные по ожидаемой пользе, и по каждому запуску решает, сохранить изменение или откатить.

Чтобы цикл не затроил, после четырёх стартов без прогресса агент переключается на идеи другого типа, плюс каждые шесть запусков пересматривает подход.

Ход работы записывается в файлы с постановкой задачи, очередью идей, таблицей результатов и выводами.

Среда собрана как настольное приложение с деревом файлов, редактором, терминалом и просмотрщиками молекул, структур и геномов.

Модель выбирается, подойдут собственные ключи Anthropic, OpenAI, Google и других провайдеров, вход по подписке ChatGPT или Codex, локальные модели и фирменный сервис Ace.

Эксперименты запускаются локально, по SSH, в кластере под Slurm или PBS или в облаке Modal. Метрики собирает встроенный трекер, скрипты под wandb работают с ним без переделки.

🟡 Тесты

На Terminal-Bench Science агент решил 53 задачи из 70, это 75,7%.

В этом тесте OpenScience управляла GPT-6 Astra с GPT-6 Sol в роли исполнителей, на задачу давали 8 часов и одну попытку.

Лучший результат в таблице Snorkel – 68,1% у Codex с GPT-6 Astra, у Claude Code с Opus 5.5 там 63,3%.


В научной части Terminal-Bench 4.0 агент решил 10 задач из 14 против 60% у Claude Code с Fable 5.1, на BiomniBench-DA набрал 82,2 балла против 81,04 у aipoch.


📌Лицензирование: Apache 2.0


🟡Документация
🟡Бенчмарки
🟡Трассировки
🖥Github


@ai_machinelearning_big_data

#AI #ML #Agents #AiScientist #Bioinformatics #OpenScience
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡8🔥3✍2👍1
Forwarded from Machinelearning
✔️ Китай ограничил зарубежные поездки для семей ИИ-разработчиков

Власти КНР обязали семьи ключевых разработчиков в сфере ИИ и полупроводников согласовывать выезды за границу.

Новое требование затрагивает супругов и детей топ-менеджеров, исследователей и основателей частных технологических компаний. Для пересечения границы, в том числе в туристических целях, им требуется предварительное одобрение Пекина.

Ранее в этом году прямые ограничения на зарубежные поездки коснулись самих инженеров корпораций и стартапов.


До развития LLM подобный контроль применялся исключительно к сотрудникам государственных институтов, специалистам ядерной отрасли и руководству госкорпораций.

Формально механизм не вводит полного запрета на выезд. По оценкам аналитиков, контроль за перемещением семей направлен на предотвращение оттока кадров и технологий в США.


@ai_machinelearning_big_data

#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
✍12👍8❤2⚡1🤯1
Forwarded from Machinelearning
✔️ Nvidia представила открытую платформу безопасности для агентов

Open Agent Safety Platform – открытый набор средств для запуска автономных агентов в изолированной среде. Основа платформы – OpenShell, среда, которую компания развивает около года.

Второй, необязательный уровень контроля даёт Nvidia Sentry. Это ПО работает на отдельном процессоре обработки данных BlueField вне досягаемости агента, а программная платформа DOCA связывает его с политиками OpenShell.


OpenShell запускает агента в песочнице, где оператор заранее перечисляет доступные файлы, сетевые адреса, инструменты, процессы и ключи. Из коробки поддерживаются Claude Code, Codex, OpenCode и GitHub Copilot CLI, через шаблоны NemoClaw – OpenClaw и Hermes Agent.

Зачем агенту такая изоляция, в Nvidia объясняют дрейфом - при долгой работе, неоднозначных инструкциях или упоре в запрет агент уходит от исходной задачи, и рассчитывать, что он сам удержит себя в рамках, нельзя. Поэтому контроль вынесен за пределы агента, и знать о наблюдении ему не обязательно.

Каждая песочница – отдельный контейнер или Docker, Podman или Kubernetes. Шлюз управляет их жизненным циклом, а движок политик перехватывает каждое исходящее соединение и либо пропускает его, либо подставляет ключи провайдера для разрешённого адреса, либо блокирует и пишет в журнал.

Ключи не попадают в файловую систему песочницы, их передают переменными окружения во время работы. Политики задаются в YAML и охватывают четыре области: файлы, сеть, процессы и провайдеров.

Доступ к файлам и системным вызовам фиксируется при создании песочницы, сетевые правила меняются онлайн с точностью до HTTP-метода и пути, так что агенту можно разрешить чтение API GitHub и запретить запись. По словам Nvidia, OpenShell проверяет ограничения ещё до запуска агента.

Главная площадка для Sentry – системы Vera Rubin POD, где процессор BlueField-4 стоит в каждом вычислительном модуле на единственном пути от узла к модели.

Там Sentry изолирован от хоста, следит за поведением агента и применяет политику OpenShell на скорости линии, а шлюз DOCA проверяет, кто такой агент и какие полномочия ему выданы.


Владельцам систем Vera достаточно обновить ПО, всем остальным установка доступна одним скриптом на Linux, macOS с Apple Silicon и Windows через WSL 2, последний вариант экспериментальный.

Проект в статусе альфа, версия 0.1.0 ещё готовится, развёртывание в Kubernetes и проброс видеокарт в песочницу тоже помечены как экспериментальные.



@ai_machinelearning_big_data

#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
1⚡5❤3✍2🔥2👍1
Google выкатил Gemini 4 Argon: миллион токенов на выходе и автономный поиск уязвимостей

Google объявил Gemini 4 Argon, новую фронтир-модель. Пока она доступна узкому кругу киберзащитников через программу Fairwind, всем остальным обещают скорый доступ, начиная с платных API-клиентов и подписчиков Google AI Ultra.

⚙️ Главная цифра: 1М токенов на выходе

Было 64K, стало 1 000 000 токенов генерации за один проход.

💼 Что уже делает внутри Google

- Оптимизировала квантовые алгоритмы: обошла опубликованный бейзлайн на 40% за минуты.
- Рой агентов освободил 300+ TiB памяти в дата-центрах Google, суммарная экономия оценивается до 1 PiB.
- Переписывает C/C++ на Rust: от libgav1 (32K строк SIMD) до ядра Zircon в Fuchsia (800K+ строк). Rust-порт видеодекодера стал работать в 2,7 раза быстрее с идентичным выводом.
- DeepSWE v1.1: 77,9%, новое SOTA в реальных инженерных задачах. Лидер Vals Index (финансы, право, налоги) и AutomationBench от Zapier (51,3%).

🛡 Кибербезопасность как отдельный продукт

Argon автономно находит, подтверждает и закрывает уязвимости. Trusted-защитникам её отдают вообще без кибер-ограничений. Wiz уже прогоняет её в программе Scan for Good: модель нашла критическую уязвимость в больничном софте, которую пропустили все предыдущие фронтир-модели. На CWE-bench v1 делит первое место (68%).

💰 Цены и позиционирование

Вводная цена $2 за миллион входных токенов и $10 за выходных, кэш входных токенов со скидкой 95%. После вводного периода $4/$20. Для сравнения: выходные токены подорожают вдвое, и именно на них модель теперь делает ставку: длинная генерация как главный продукт.

Чего ж они все именами жонглируют.
Где Pro 4 ? :)

Забавно, что теперь она реально может написать следующий том Войны и Мира за 1 запрос

#Gemini #Google #LLM #AI #агенты
———
@tsingular
🔥23🤣5🤔3❤2⚡1👍1🤩1
Forwarded from Machinelearning
🌟 SGLang научил чат-модели отвечать вероятностями

Команда открытого движка инференса SGLang добавила эндпоинт /v1/decisions, который превращает обычную чат-модель в модель для принятия решений.

Второй эндпоинт, /v1/systemone, отдаёт те же решения в формате System One API, который TypeSafe AI представила 19 сентября вместе со своей моделью Jev.

API поддерживает выбор из 2–26 вариантов (до 255 с двухбуквенными метками), оценку по шкале из 2–10 уровней и вопрос «да или нет».

SGLang присваивает каждому варианту метку из одного токена - буквы для выбора, цифры для оценки, yes и no для бинарных вопросов.

Затем движок читает логарифмические вероятности следующего токена по всему словарю и переводит их в вероятности через софтмакс с учётом температуры.

Отсюда ограничение - метка обязана укладываться в один токен в позиции ответа.


Решение принимает один вход без истории диалога, а вероятности у холодного запроса и у запроса из префиксного кэша могут расходиться на несколько сотых.

Для демонстрации SGLang заставил Qwen3.8-27B играть в Pokémon FireRed. Модель по текущему состоянию игры выбирала между атакой, сменой покемона и лечением меньше чем за 100 мс на решение и прошла Элитную четвёрку и чемпиона.

Функция доступна в nightly-сборках SGLang из основной ветки. Её проверили на Qwen3.8-27B и Qwen3.5-35B-A3B, другие модели подойдут, если метки ответов укладываются в один токен.

Примеры запросов и описание формата есть в документации SGLang.


@ai_machinelearning_big_data

#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6👍5🔥3⚡1
This media is not supported in your browser
VIEW IN TELEGRAM
Decision 2.0 от vLLM - еще один сверхбыстрый классификатор

Команда vLLM Semantic Router выпустила вторую версию Decision Foundation Models: шесть открытых весов от 0.6B до 27B, которые по скорости уделывают Jev в 20 раз.

⚙️ Что это: модели-решения. Обычная LLM генерирует текст, Decision возвращает типизированные вероятности, причём разная модель делает это по-разному: Choice выбирает опцию из кандидатов, Noul отвечает «да/нет» с вероятностью, Score расставляет оценки по шкале.
Один формат для маршрутизации запроса, проверки политики и оценки срочности.

🤖 Семейство Decision 2.0:
- Kai 0.6B, стартовая точка для маршрутизации,
- Eos 0.8B и Sol 2B, компактные гибриды с контекстом 16k,
- Nox 4B, правила и комбинации условий,
- Lux 9B, сильнейшая открытая в линейке,
- Vega 27B, вошла в мировой топ-3 Jev Decision Index из 71 модели.

📊 Цифры: каждая модель лидирует в своём размере на Jev Decision Index.
До 2,5× выше балл Decision 1.0 при том же размере.
64 вопроса об одном запросе за один проход за 63 мс на одиночном GPU.
И 20× быстрее Jev API на одиночном решении.

🛠 Интеграция: Apache-2.0, загрузка через Transformers, нативная сборка под vLLM Semantic Router.
Формат System One: state, model, questions. До 512 решений в одном батче.

💼 Зачем бизнесу: это слой между интеллектом и действием. Вопрос «пустить тяжёлую модель или лёгкую, эскалировать тикет или нет, срочно или терпит» больше не требует промпта на 500 токенов в GPT-классе.
Решение стоит миллисекунды и копейки, а веса лежат у тебя на диске.

GitHub | HuggingFace

Похоже что такие модели становятся стандартным слоем в каждом агентном стеке, как сегодня эмбеддинги и реранкеры.

Для модераторов, кстати, шикарно - 27млрд модель вполне примет осознанное решение.
Получить ответ по 64-м признакам за 60мс - это прям максимально полезно может быть

#Decision #vllm #llm #ai
———
@tsingular
🔥9❤3⚡3✍2🤩1🙏1
😁36🤣1514👀4🤯2🤝1🗿1
Forwarded from Machinelearning
✔️ AI Welding Agent: ИИ-система для сварочных роботов

Японский производитель промышленной робототехники FANUC в партнерстве с Google анонсировал решение AI Welding Agent на базе Gemini Enterprise.

Система реализует концепцию сварки без предварительного обучения манипулятора. Алгоритм анализирует инженерный чертеж детали, распознает свойства материалов и геометрию конструкции, после чего автоматически формирует как физические параметры дуги (силу тока и напряжение), так и готовую пространственную программу перемещений.

Оператору остается лишь запустить процесс или внести точечные корректировки.

Комплекс аппаратно независим и работает с любыми поддерживаемыми источниками сварочного тока, для сканирования документации не требуется дополнительное оптическое оборудование - снимок делается встроенной камерой стандартного планшетного пульта обучения устройства линейки FANUC CRX.

AI Welding Agent будет показан на Международной сварочной выставке, которая пройдет в Токио с 16 сентября, а коммерческие поставки запланированы на конец декабря 2026 года.


@ai_machinelearning_big_data

#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥11👍7❤3⚡2
Forwarded from Machinelearning
📌 Учёные призвали изолировать от интернета модели, способные к кибератакам

Открытое письмо об ИИ и кибербезопасности подписали 406 исследователей, в основном из университетов и научных институтов разных стран, среди них Йошуа Бенжио, Джеффри Хинтон, Стюарт Рассел, Перси Лян, а также криптографы Рон Ривест и Дэн Боне.

Авторы призывают разработчиков моделей с развитыми навыками взлома немедленно перейти на надёжные системы изоляции и по умолчанию запускать такие модели на машинах, физически отключённых от интернета.

По их словам, без немедленных перемен в разработке и внедрении ИИ такие случаи продолжатся, а следующие ударят по уязвимой критической инфраструктуре гораздо сильнее. В этих утечках учёные видят две проблемы сразу.

Модели ведут себя непредсказуемо, а разработчики пренебрегают обычными правилами кибербезопасности, хотя более надёжные песочницы могли бы утечки предотвратить.

Поэтому нужны и исследования согласованности ИИ, и лучшие средства изоляции. Если модель всё же выпускают в интернет, круг разрешённых ей действий, по мнению авторов, нужно соизмерять с тем, насколько плохо мы пока умеем предсказывать, не приведут ли они к сбою защиты.

Письмо предлагает создать международный орган вместе с правительствами и специалистами по ИИ и кибербезопасности, который должен вырабатывать открытые стандарты изоляции для случаев, когда модели дают больше доступа, чем позволяет песочница, и вести учёт утечек.

Как такой орган будет устроен и кто его будет финансировать, в письме не сказано. Среди подписавших нет представителей OpenAI, Anthropic и DeepMind.


@ai_machinelearning_big_data

#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
🤣14👀4🤔2😢2🤯1
Forwarded from Machinelearning
✔️ TypeSafe AI добавила модели принятия решений Jev зрение и длинный контекст

В новой версии Jev 1.14 модель научилась принимать на вход изображения, искать на них объекты и работать с длинными документами.

Все три функции экспериментальные и качество в них пока слишком неровное, TypeSafe пока не рекомендует их для прода.


Включаются они отдельными заголовками запроса с пометкой Danger Zone.

Картинки можно подставлять в описание ситуации, инструкции или критерии решения.

Новый тип вопроса Box возвращает рамку вокруг найденного объекта в виде четырёх границ в долях от размеров изображения и уверенность модели, по этим координатам другая программа может, например, обрезать кадр.

Рамку Box выдаёт всегда, даже если объекта на снимке нет, поэтому присутствие объекта документация советует проверять отдельным вопросом в том же запросе.

TypeSafe признались, что Jev был мультимодальным с самого начала, но зрение не открывали, потому что любые модели хуже справляются с картинками, чем с текстом.


По умолчанию запрос ограничен 64 тысячами токенов, а в длинном режиме лимит поднимается до 262 тысяч.

В остальном 1.14, по словам TypeSafe, понемногу улучшилась почти во всём, а сильнее всего ожидается прирост в многоязычных задачах.

Jev 1.14 уже доступна под алиасами jev-preview и jev-1.14.0, а основной версией jev-latest станет 21 октября.

Цена не изменилась, 0,042 доллара за миллион входных токенов, выходные не тарифицируются.

Подробности – в документации.


@ai_machinelearning_big_data

#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
🤩5⚡3🔥2❤1
Forwarded from Machinelearning
✔️ Китай ужесточает экспортный контроль на ИИ-модели

Министерство коммерции и Министерство науки КНР представили проект поправок к каталогу экспортного контроля. Документ вводит ограничения на экспорт ИИ-инструментов для кибератак и закрытых моделей для on-premise развертывания.

Всего изменения затрагивают 40 технологий. Под полный запрет (14 позиций) попали системы автономной генерации вредоносного ПО, технологии генной терапии и синтез перовскитных солнечных элементов.


Еще 26 направлений, включая ИИ для поиска уязвимостей, мультиагентные системы и распределенные кластеры, подпали под ограничения. До утверждения каталога для этих сделок введена обязательная предварительная регистрация.

Правила не затрагивают open-source и облачный доступ - использование китайских моделей через API, SaaS и локальные клиенты остается свободным.

Лицензирование потребуется в первую очередь для закрытых инсталляций на серверах зарубежных заказчиков.

Для open-source публикаций и вычислительных площадок китайских компаний в зарубежных ЦОД будет действовать процедура автоматического согласования по факту подачи декларации.


@ai_machinelearning_big_data

#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3✍3⚡1👍1🤨1
This media is not supported in your browser
VIEW IN TELEGRAM
🔥 Photoshop, Excel, AutoCAD и ещё сотню известных программ переписывают с нуля

Каталог Remade.wiki, собрал уже 123 проекта по воссозданию известных коммерческих программ и ещё 13 вспомогательных инструментов.

Причём речь не о плагинах или оболочках, а о самостоятельных реализациях, нередко на Rust, с открытым исходным кодом.

🎨 Графика и дизайн
Adobe Photoshop → PhotoCraft
Adobe Illustrator → Graphite, VectorCraft
Adobe Lightroom → LightCraft
Adobe InDesign → DesignCraft
Figma → FigCraft
Canva → Doory, Motionity
CorelDRAW → TraceDraw

🎬 Видео и анимация
Adobe Premiere Pro → FilmCraft
Adobe After Effects → EffectCraft, Motionity
CapCut → OpenCut, Concat, Pireel Studio
Adobe Animate → Flare, Next2D

📊 Офисные приложения
Microsoft Word → WordCraft
Microsoft Excel → GridCraft
Microsoft PowerPoint → DeckCraft
Microsoft Outlook → MailCraft
Microsoft OneNote → NoteCraft, OpenNote
Microsoft Power BI → MetricCraft, ReportCraft
Microsoft Project → PlanCraft, ProjectCraft

🏗 Проектирование и 3D
AutoCAD → CadCraft
Autodesk Fusion → SolidCraft, Extrudo
Autodesk Revit → BimCraft, BIM Reviera
Autodesk Maya → AztecCraft
SOLIDWORKS → PartCraft
SketchUp → ModelCraft
Houdini → Hexe

🎵 Музыка и звук
FL Studio → Lemon Studio
Ableton Live → Suhina
Avid Pro Tools → SoundCraft
Kontakt → KONTRA
Guitar Pro → OxiGuitar

🌐 Интернет и совместная работа
Discord → Fluxer, Stoat, Armada
Zoom → Sotto
Gmail → Rolltop
Jira / Linear → Plane
Auth0 → zeroauthy
ElevenLabs → VoiceStudio
Grammarly → Harper

💻 Операционные системы и утилиты
Microsoft Windows → ReactOS
MS-DOS → FreeDOS
Windows Explorer → itamiiru
Windows Recall → PreCall
Logitech Options+ → OpenLogi
Internet Download Manager → Motrix

🔬 Инженерное и специализированное ПО
MATLAB / Simulink → MatCraft
ArcGIS → RustGIS
Google Earth → EarthCraft
Adobe Acrobat → PdfCraft

💡 Что здесь особенно интересно?
Многие разработчики не просто создают бесплатные аналоги. Они переосмысливают архитектуру программ: локальное хранение данных, открытые форматы, Rust вместо старых технологических стеков.

А в некоторых проектах сразу предусмотрены CLI и MCP для управления приложениями через ИИ-агентов.

Например, можно поручить агенту работать с документами, таблицами, презентациями или инженерными моделями через программный интерфейс.

Конечно, все это ещё сырое и в основном в бете, но сама тенденция огонь: всё больше сложного профессионального ПО пытаются воспроизводить независимые разработчики.

🔗 Полный каталог:
https://github.com/replicraft/remade

P.S.: какой-то вынос капитализма происходит на наших глазах. это всё выросло за пару недель!
68% всего каталога было создано в октябре 2026
87,8% репозиториев 2026 года

#OpenSource #AI #Rust #Разработка #Программирование #ИИ
———
@tsingular
🤩46👍26✍2514❤9🔥9🤔4🤯2😁1
✔️ Министерство внутренней безопасности США полностью запретило использование DeepSeek в госучреждениях

Ведомство выпустило предписание, обязывающее все федеральные гражданские агентства страны исключить продукты китайской компании DeepSeek из своей IT-инфраструктуры и удалить уже установленное ПО.

В официальном уведомлении регулятор обосновал запрет угрозой передачи данных госслужащих и подрядчиков китайскому правительству, а также риском наличия скрытых уязвимостей и вредоносных закладок в коде моделей.

Помимо прямого запрета на эксплуатацию, компании DeepSeek закрыли доступ к участию в любых госконтрактах США.


#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
🤣258👀4⚡2👻2❤1