Когда один пайплайн решает слишком много задач
Чем больше задач решает один пайплайн, тем больше настройки обрастают условиями, эксперименты конкурируют за общие слоты, а вклад конкретной механики труднее оценить.
Инженеры AI VK стали использовать стримы — отдельные пайплайны под конкретные задачи, собранные из общих компонентов. Один запрос проходит через несколько стримов, а их результаты объединяются в одну выдачу.
В статье разбираем, как стримы упрощают разработку и эксперименты, и как оптимизации помогают эффективнее использовать ресурсы.
Читать на Хабре
Чем больше задач решает один пайплайн, тем больше настройки обрастают условиями, эксперименты конкурируют за общие слоты, а вклад конкретной механики труднее оценить.
Инженеры AI VK стали использовать стримы — отдельные пайплайны под конкретные задачи, собранные из общих компонентов. Один запрос проходит через несколько стримов, а их результаты объединяются в одну выдачу.
В статье разбираем, как стримы упрощают разработку и эксперименты, и как оптимизации помогают эффективнее использовать ресурсы.
Читать на Хабре
🤔77👍58😁32🔥30💯26❤25👏25🎉24🤣8🥱5🤬2
Media is too big
VIEW IN TELEGRAM
Четверо бывших исследователей NVIDIA из команды робототехнического проекта GR00T вышли из стелса со своим стартапом и открыли публичный API модели Dream-1.
Компанию возглавил Джоэл Джанг, руководивший в GR00T работой над моделью мира, а главным научным сотрудником стал Скотт Рид, до NVIDIA работавший в DeepMind над Gato и Genie.
Dream Labs привлекла 90 млн долларов посевных инвестиций, раунд возглавила B Capital, в нём участвовали Kindred Ventures, Unusual Ventures, SV Angel и Wing VC.
Dream-1 – модель мира и действия. Она управляет двурукими роботами с параллельными захватами, на которых никогда не обучалась. Учится она по видео тому, как движется мир, и предсказывает и следующие кадры, и действия робота.
На вход идут изображения с трёх камер (на голове и на запястьях обеих рук), а возвращает положения захватов в пространстве и команду открыть или закрыть их.
В движения суставов эти положения переводит уже собственная программа управления робота.
За один вызов модель выдаёт 1,6 секунды действий. Предыдущей модели команды DreamZero, вышедшей в феврале, для перехода на новую машину требовалось дообучение на 30 минутах её данных, а Dream-1 обходится без этого шага.
В реальном мире модель запускали партнёры стартапа на своих машинах, в том числе на старом PR2.
Независимая компания Robocurve, которая тестирует ИИ-модели на настоящих роботах, сравнила Dream-1 с другими системами по 120 попыток на конфигурацию.
Средний балл выполнения задач составил 59,3%. У Gemini 4 Argon и Claude Opus 5.5 около 48%, у GPT-6 Astra около 47%.
Попытка с Dream-1 обходится примерно в 0,15 доллара и занимает в среднем 1,4 минуты. По подсчёту Robocurve, это примерно в 16 раз дешевле, чем с Gemini 4 Argon.
Час работы Dream-1 через API стоит 3 доллара, облегчённой Dream-1-flash – 2 доллара, доступ к модели уже открыт.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
1👍69🤔56❤37👏33🎉28🔥26😁23💯21🥰3
This media is not supported in your browser
VIEW IN TELEGRAM
Агенты у Claude уже были, но их приходилось запускать и ждать. Duet работает иначе: вы кидаете задачу в мессенджер-подобный тред, он делает её в фоне на своём облачном компьютере и пишет, когда готово или нужно ваше решение. По утрам присылает сводку и молчит, пока нет важного.
Он использует вашу память, скиллы и приложения из аккаунта Claude, а подключаться умеет к 6000+ сервисов: Gmail, Calendar, Slack, Stripe, HubSpot. Перед отправкой писем и платежами спрашивает разрешения.
Пока research preview с листом ожидания, только для Pro и Max в США. Есть приложения для iOS и Android, а также веб-версия.
https://claude.com/product/claude-duet
@ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
👍143🤩89🎉43👏41❤40🔥25😁25💯23🤔21🥰3🙈3
Очередной фестиваль демоверсий Steam Next Fest столкнулся с масштабным наплывом низкокачественных проектов, созданных с помощью генеративных нейросетей, что вызвало резкую критику в сообществе.
Несмотря на требование площадки обязательно декларировать использование ИИ-ассетов (кода, 2D-арта, текста и озвучки) в Steamworks, отсутствие принудительной фильтрации в интерфейсе магазина превратило поиск игр в проблему.
Пользователи на Reddit, X и Discord призывают Valve добавить системный переключатель для полного скрытия подобного контента.
Проблема усугубляется рисками для студий - доступность ИИ снизила порог входа для парсинга, скрапинга и клонирования чужого кода и сборки ассет-флипов еще до официального релиза оригинальных проектов.
Из-за угрозы плагиата разработчики начинают отказываться от участия в публичных мероприятиях платформы - в частности, издатель Alliance Arts и студия WHO YOU отменили демоверсию Drunken Goddess Reflux прямо перед стартом фестиваля, переведя проект в режим закрытого тестирования ради защиты билда.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
👍94🤔68❤31😁28🔥27💯26🎉24💔15😢10🤬5🥰1
Media is too big
VIEW IN TELEGRAM
ИБ-специалисты в программе Patch the Planet нашли серьёзную брешь в кодовой базе PHP, задевающую все популярные CMS, которая существовала более десяти лет. На момент публикации команда PHP выпустила экстренные обновления безопасности.
На устранение ушло два месяца и пять этапов согласований между мейнтейнерами языка, Calif, Wiz, Cloudflare, CISA и Белым домом, и OpenAI предлагает закрепить эту схему типовым регламентом для раскрытия найденных ИИ проблем безопасности.
Разработчикам и администраторам советуют проверить серверы, для аудита запущенных установок PHP на GitHub выложен диагностический инструмент.
openai.com
Модель ведёт двусторонний разговор в реальном времени и вышла в версиях Mini для простых сценариев и Max для сложных диалогов с вызовом инструментов.
Заявлена поддержка больше 90 языков и каталог на 17 тысяч голосов. Перебивания, паузы и наложение голосов модель разбирает сама, так что отдельные модели распознавания и синтеза речи не нужны.
В бенчмарке Artificial Analysis старшая Max дала точность рассуждений 98,8% при средней задержке ответа 0,57 секунды, тогда как Qwen Audio 3.0 Realtime Plus набрала близкие 99,2%, но отвечала за 1,54 секунды.
Доступ открыт через ElevenAgents и Realtime API, причём транспортный уровень совместим со спецификацией WebSocket от OpenAI, поэтому готовые клиентские SDK работают без переписывания кода.
elevenlabs.io
Компании договорились свести наработки по ускорению PyTorch в открытую библиотеку глубокого обучения oneDNN, которую развивают под эгидой Unified Acceleration Foundation.
Так они рассчитывают убрать разнобой в программной части экосистемы x86, а саму oneDNN признали библиотекой по умолчанию для оптимизации ИИ-задач на процессорах обоих производителей. AMD уже переносит наработки из ZenDNN в кодовую базу oneDNN и входит в управляющий комитет.
Кроме унификации нынешних средств компании проектируют набор инструкций следующего поколения AI Compute Extensions для аппаратного ускорения матричного умножения, его поддержку в PyTorch тоже обещают через oneDNN.
intel.com
Набор инструментов для запуска конвейеров PyTorch на тензорных процессорах опубликован в открытом доступе, и это переводит TPU в разряд полноправных ускорителей наравне с процессорами и видеокартами.
Существующий код запускается с минимальными правками, разработчикам доступны режим отладки, компиляция и примитивы распределённых вычислений.
Инициативу поддержали ключевые проекты открытого ИИ - в transformers добавили выгрузку моделей, а движки vLLM и SGLang получили бэкенды для TPU с непрерывной пакетной обработкой и ядрами Pallas.
google.com
Внутренняя платформа AutoClean непрерывно убирает устаревшие фича-флаги и мёртвый код, с её помощью уже вычищено 16 тысяч флагов и больше миллиона строк.
Агент разбирает контекст и цепочки вызовов, а точечную булеву алгебру и упрощение условий отдаёт движку PolyglotPiranha через протокол MCP, упавшие в CI тесты правят агенты без прав на продуктовый код.
Готовые патчи проходят многоступенчатую проверку, где параллельные агенты смотрят, сохранена ли семантика программы, держится ли фокус строго на целевом флаге и нет ли посторонних правок.
При расхождениях патч отбрасывается сам, а прошедшие проверку задачи уходят инженерам на окончательное утверждение.
uber.com
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
👍122🔥46👏45❤36🎉30😁26🤔23💯19😎3🥰2
🔬️️️️️️ Задачу старше Google решили с помощью ИИ: Microsoft Research сообщила о доказательстве гипотезы KLS, сформулированной в 1995 году.
Авторы - Чжао Сун и Синьчжи Чжан. В процессе работы ИИ-агенты исследовали более 100 подходов, а учёные отбрасывали слабые направления и выбирали, что развивать дальше.
О чём гипотеза? Представьте многомерное выпуклое тело. Его можно разделить плоскостью или хитрой изогнутой поверхностью. KLS утверждает: лучший плоский разрез уступает лучшему произвольному лишь в фиксированное число раз — независимо от количества измерений.
Это связано со скоростью, с которой случайное блуждание исследует пространство, и даёт теоретическую основу для алгоритмов выборки, статистики и оптимизации.
ИИ помог найти ключевой критерий, выполнить вычисления и проверить промежуточные рассуждения. Рекурсивный метод и оценку ошибок, завершившие доказательство, разработали сами исследователи.
Показательная деталь: попытки решить задачу без руководства человека, с примерно таким же бюджетом токенов, успеха не дали.
По сообщению Microsoft, результат также поддержан отдельными доказательствами и формализацией в Lean 4.
https://www.microsoft.com/en-us/research/blog/solving-a-31-year-old-grand-challenge-in-mathematics-the-kls-conjecture/
@ai_machinelearning_big_data
#microsoft
Авторы - Чжао Сун и Синьчжи Чжан. В процессе работы ИИ-агенты исследовали более 100 подходов, а учёные отбрасывали слабые направления и выбирали, что развивать дальше.
О чём гипотеза? Представьте многомерное выпуклое тело. Его можно разделить плоскостью или хитрой изогнутой поверхностью. KLS утверждает: лучший плоский разрез уступает лучшему произвольному лишь в фиксированное число раз — независимо от количества измерений.
Это связано со скоростью, с которой случайное блуждание исследует пространство, и даёт теоретическую основу для алгоритмов выборки, статистики и оптимизации.
ИИ помог найти ключевой критерий, выполнить вычисления и проверить промежуточные рассуждения. Рекурсивный метод и оценку ошибок, завершившие доказательство, разработали сами исследователи.
Показательная деталь: попытки решить задачу без руководства человека, с примерно таким же бюджетом токенов, успеха не дали.
По сообщению Microsoft, результат также поддержан отдельными доказательствами и формализацией в Lean 4.
https://www.microsoft.com/en-us/research/blog/solving-a-31-year-old-grand-challenge-in-mathematics-the-kls-conjecture/
@ai_machinelearning_big_data
#microsoft
👍170👏89❤74😁73🤔73🎉64💯64🔥56🤩7
Главные темы – физический ИИ, суверенные вычисления и перевод дата-центров в формат фабрик, которые выпускают в качестве товара интеллект.
За год Nvidia вложила в Европу почти 10 млрд долларов, объявила 14 инвестиций в стартапы и насчитала больше 12 тысяч партнёрств в регионе.
Платформа пошла в серию. Каждый ускоритель выдаёт 20 петафлопс, стойка NVL72 через коммутатор NVLink собирает 72 ускорителя в одну систему на 1,44 экзафлопса.
Охлаждение полностью жидкостное, сборка узла занимает меньше пяти минут против двух часов у Grace Blackwell.
Готовая фабрика в контейнере - семь жидкостных вычислительных стоек, 17 км кабелей Spectrum-X, питание 800 В постоянного тока и теплоноситель до 45 °C.
Собирают и тестируют POD на заводе, на площадке он встаёт за две недели, а полное развёртывание сокращается с четырёх-пяти месяцев примерно до одного.
Поставками с начала 2027 года займутся Dell, HPE, Gigabyte, Delta и QCT.
Система управления питанием для таких фабрик. Компания заявляет снижение энергопотребления на 30% при той же выработке, а на масштабе 2 ГВт обещает экономить 54 млн литров воды в сутки.
Сетевой уровень получил co-packaged optics на технологии COUPE, разработанной с TSMC - 512 портов по 200 Гбит/с. Производственные планы по оптическим решениям Nvidia обозначила ростом мощностей в 15 раз с выходом на тридцатикратный к концу 2028 года.
Открытый защищённый рантайм для агентов, анонсированный как референсная архитектура, плюс Sentry – следящий за агентами слой политик, который работает на BlueField-4 в отдельном от хоста домене доверия и способен изолировать агента почти мгновенно. Доступность Sentry обещана в начале 2027 года.
Рядом анонсирован Confidential Bare Metal – режим, в котором разработчик модели запускает чувствительные нагрузки на чужой инфраструктуре, сохраняя контроль над весами и данными.
Выложены Nemotron 3.5 Super VL и Bolt, поисковая линейка Nemotron Retriever для эмбеддингов, переранжирования и разбора документов, мировые модели Cosmos из трёх размеров, Kumo для структурированных бизнес-данных вместе с библиотекой Kumo Engine.
Облегчённый Bolt E4B и Alpamayo 2 Edge для автономного транспорта обещают выложить до конца месяца.
Референсного гуманоида Agile ONE SN представила Agile Robots, собран он на платформе Isaac GR00T и вычислителе Jetson Thor, выпуск обещан в начале 2027 года.
Hyperion – серийная платформа датчиков и вычислений для роботакси и машин четвёртого уровня автономности, заявлен набор из 14 камер, 9 радаров, 3 лидаров и ультразвука. Партнёры - Volvo, JLR, Mercedes-Benz, Uber, Hyundai, GM, Toyota, BYD и Geely.
Французская лаборатория берёт библиотеки Nvidia CUDA-X, Warp и Omniverse, чтобы ускорять расчёты физики, генерировать на GPU трёхмерные сцены и ассеты SimReady и получать данные для обучения инженерных моделей.
Планируют замкнутые циклы, где моделирование, разработка моделей и проектирование идут вместе, с прицелом на авиацию, автопром и полупроводники, а также публичные бенчмарки для проверки физических моделей и агентов в системах автоматизированного проектирования.
В Швеции консорциум AstraZeneca, Ericsson, Saab, SEB и Wallenberg строит общий суперкомпьютер Sferical One под дообучение Nemotron.
Барселонский суперкомпьютерный центр открыл акселератор для стартапов, а под инициативу Еврокомиссии AI in Science Enablers Nvidia обещала европейским исследователям свои открытые модели и датасеты, участие в 35 строящихся суперкомпьютерах и бесплатный курс-хаб.
Из инструментов расширен Agent Toolkit, в ранний доступ вышли библиотека cuDSS для разреженных систем на GPU, и Factory Operations, на котором Siemens строит агентов для своего завода в Эрлангене.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
🤩110👍51🎉44🔥42😁32💯30❤29🤔28👏20
QD-Rec - метод подбора рекомендаций для решений, где человеку важно сравнить варианты, а не получить один ответ.
Единица поиска здесь не сам кандидат, будь то компания, клиент или научная статья, а пара из кандидата и гипотезы, то есть написанного словами объяснения, чем он подходит и что с ним можно сделать.
В основе лежит идея качества и разнообразия из эволюционных алгоритмов. Система ведёт архив удачных пар и крутит один и тот же цикл из трёх шагов.
Сначала кандидата выбирает алгоритм, который взвешивает прошлые оценки и добавляет бонус за непохожесть на то, что уже в архиве.
Затем языковая модель пишет гипотезу, опираясь на три случайные записи архива как на родительские, и либо переносит их угол зрения на нового кандидата, либо скрещивает две идеи, либо предлагает что-то своё.
Наконец новая пара проходит отбор. Если судья считает её довод реально новым, она занимает отдельную нишу, если нет, спорит один на один с ближайшим соседом по смыслу, и проигравший вылетает.
Общего рейтинга нет, поэтому непохожие идеи уживаются рядом.
Проверяли на трёх задачах. В первой система искала среди 6300 американских компаний цели для поглощения покупателями Disney и JPMorgan. Во второй подбирала покупателей продукта среди 10 тысяч вымышленных профилей, в третьей советовала статьи из 17,5 тысячи работ с недавних конференций.
Гипотезы писали модели Claude, оценивала их GPT-5.6 Terra.
На поиске целей для Disney средняя оценка архива составила 2,91 против 2,40 у упрощённого варианта, который пишет каждую гипотезу с нуля и в архив не заглядывает, а сам архив вырос до 214 записей против 85.
Для JPMorgan вышло 3,04 против 2,88, в маркетинге 7,05 против 6,81.
На подборе статей разницы почти нет, 6,24 у всех вариантов.
Выигрывает метод не везде. С моделью послабее на одной из задач он уступил упрощённому варианту и по оценке, и по размеру архива.
Оценки ставит языковая модель, а значит, система может научиться угождать судье вместо того, чтобы придумывать дельное, и авторы советуют подключать человека. Про это надо просто помнить.
Код проекта выложен на GitHub, модели подключаются через OpenRouter.
@ai_machinelearning_big_data
#AI #ML #Recomendation #QDRec #SakanaAI
Please open Telegram to view this post
VIEW IN TELEGRAM
3🤓104👍53👏38❤27💯27🔥26🤔26😁20🎉16👌4
MiniMax открыла веса M3.1 Flash - MoE-модели на 428 млрд параметров для программирования и ИИ-агентов.
При обработке каждого токена активируются около 23 млрд параметров. Модель ориентирована на многошаговые задачи: работу с инструментами, разработку ПО и управление приложениями.
Результаты по оценкам разработчика:
- 73,7% на DeepSWE v1.1 — сложные задачи разработки.
- 61,7 на OSWorld V2 — работа с компьютерным интерфейсом.
- 76,2 на BankerToolBench — использование инструментов в банковских сценариях.
- 29,6 на Agents’ Last Exam — комплексные профессиональные задачи.
- 82,2 на CyberGym — воспроизведение уязвимостей.
За эффективность отвечают MiniMax Sparse Attention и DSpark speculative decoding: разреженное внимание и спекулятивное декодирование, ускоряющее генерацию.
Теперь веса можно использовать для собственного развёртывания и независимых тестов. 23 млрд активных параметров сокращают вычисления, но хранить нужно всю модель — это по-прежнему серьёзная нагрузка на инфраструктуру.
Hugging Face: https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash
API: https://platform.minimax.io
@ai_machinelearning_big_data
#MiniMax
При обработке каждого токена активируются около 23 млрд параметров. Модель ориентирована на многошаговые задачи: работу с инструментами, разработку ПО и управление приложениями.
Результаты по оценкам разработчика:
- 73,7% на DeepSWE v1.1 — сложные задачи разработки.
- 61,7 на OSWorld V2 — работа с компьютерным интерфейсом.
- 76,2 на BankerToolBench — использование инструментов в банковских сценариях.
- 29,6 на Agents’ Last Exam — комплексные профессиональные задачи.
- 82,2 на CyberGym — воспроизведение уязвимостей.
За эффективность отвечают MiniMax Sparse Attention и DSpark speculative decoding: разреженное внимание и спекулятивное декодирование, ускоряющее генерацию.
Теперь веса можно использовать для собственного развёртывания и независимых тестов. 23 млрд активных параметров сокращают вычисления, но хранить нужно всю модель — это по-прежнему серьёзная нагрузка на инфраструктуру.
Hugging Face: https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash
API: https://platform.minimax.io
@ai_machinelearning_big_data
#MiniMax
👍90❤46🔥37🤓33💯31👏25😁21🤔21🎉15👨💻11
Media is too big
VIEW IN TELEGRAM
С 20 ноября сторонние сервисы, дающие доступ к API, то есть шлюзы, роутеры и реселлеры, смогут работать только после одобрения компании.
Базовых правил уже недостаточно, от них требуют фильтры безопасности, согласование блокировок и разбор случаев вредоносного использования API.
Вместе с этим введена и система SafetyID, через которую партнёр будет изолироветь пользователя при расследовании подозрительной активности или утечке ключей.
openai.com
Параметры
temperature, top_p и top_k, отвечавшие за вариативность и стиль ответов, больше не принимаются, при попытке передать их возвращается ошибка.Кроме отказа от ручной настройки сэмплирования поправлены форматы сообщений и убраны устаревшие поля в схемах запросов.
Предыдущая ревизия остаётся доступной, срочно переносить работающие системы не придётся, а обновлять API Anthropic обещает регулярно, чтобы разработчики заранее проверяли совместимость кода с новыми моделями.
claude.com
Agent Compute Engine выводит на рынок инфраструктуру собственных агентов Gemini и рассчитан на агентский режим, когда короткие всплески вроде запуска кода чередуются с долгим ожиданием ответа модели или пользователя.
Обычные виртуальные машины для таких циклов медленные, поэтому агенту выделяется микромашина на Cloud Hypervisor с общими страницами памяти из шаблона ОС.
В простое среда замораживается в снимок, файлы и контекст переживают паузы на томах Hyperdisk, сетевых интерфейсов у гостевых систем нет, а трафик идёт через прокси, не раскрывающие токены коду.
Для Kubernetes есть открытая среда Agent Substrate, возобновляющая работу меньше чем за полсекунды, а публичная предварительная версия обещана в ближайшие месяцы.
cloud.google.com
Американский Coherence Neuro поднял 45 млн долларов, кроме OpenAI Startup Fund в раунде участвовали Питер Тиль, Lux Capital и 8VC. Его интерфейс SOMA лечебный и основан на том, что клетки глиобластомы обмениваются электрическими сигналами с нейронами и влияют на активность мозга.
Массив электродов считывает импульсы, модели оценивают опухоль и в замкнутом цикле подбирают параметры локальной стимуляции, чтобы остановить её рост. В комплекте - имплант размером с монету, заушный модуль питания и приложение для смартфона, наблюдение идёт онлайн и непрерывно, без плановых томографий.
На животных технология предсказывала динамику опухоли на пять недель вперёд, в июне начались первые интраоперационные тесты на людях в Королевском госпитале Мельбурна.
Привлечённые деньги пойдут на клинические испытания и проверку метода на других опухолях.
wired.com
Carbon-X на 14 млрд параметров, сделанная совместно с учёными Китая и Италии, объединяет геномные последовательности и естественный язык, так что про ДНК можно спрашивать текстом, например о влиянии точечных мутаций на экспрессию генов.
Словарь базовой модели расширили, нуклеотиды читаются по шесть символов, обучение шло на 300 млрд токенов с геномами млекопитающих, растений и грибов, вирусные данные исключили из-за рисков создания патогенов.
Запуск рассчитан на локальное использование, что снимает главную проблему биоинформатики, когда данные пациентов нельзя отдавать в облака.
Контекст держит до 50 тысяч пар оснований, этого хватает для точечного поиска мутаций под таргетную терапию, но не для разбора генома целиком. Выводы модели расчётные и лабораторной проверки пока не прошли.
huggingface.co
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
❤102👍53🤓49🔥32🤔29🎉26😁23👏22💯14🥰1🫡1
По данным Axios, JPMorgan Chase, Morgan Stanley, Bank of America, Citi и Wells Fargo столкнулись с волной инцидентов, когда автономные агенты выполняли операции в онлайн банкинге от имени клиентов.
Пользователи добровольно передавали ассистентам свои учетные данные для решения финансовых задач, что нарушает базовые правила платформ, требующие исключительно ручной аутентификации человеком.
В ряде случаев мониторинг выявил попытки ботов действовать без прямой команды владельца счета - агенты самостоятельно обращались в службы поддержки, запрашивали перемещение средств и пытались инициировать транзакции.
Главная проблема для безопасности заключается в том, что существующие антифрод-системы не способны достоверно различать паттерны поведения человека и сложных мультимодальных агентов, а также проверять легитимность конкретных решений модели в реальном времени.
Из-за регуляторных и финансовых рисков институты начали принудительно закрывать доступ сторонним агентским процессам.
В качестве долгосрочного решения банки рассматривают перевод подобных систем на изолированные API в режиме по аналогии с интеграциями сервисов финансового учета, параллельно готовя протоколы экстренной изоляции скомпрометированных счетов.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
🤔144😁35👍32😨26🎉25❤24🔥23🤬22💯19🤷♂7👨💻3
Forwarded from
Китайская Moonshot AI представила Kimi K3.1 Pro — открытую ИИ-модель, которая обходит GPT-6 Astra в тестах программирования.
Модель получила контекстное окно на 1 миллион токенов и ориентирована на сложные задачи: разработку ПО, ИИ-агентов, 3D-моделирование и финансовую аналитику.
Результаты тестирования:
- Terminal-Bench 4.0: 65,7% против 58,2% у GPT-6 Astra и 66,4% у Claude Opus 5.5.
- BenchCAD: 92,7% — генерация CAD-моделей по изображениям.
- OfficeQA Pro v2: 64,4 балла — анализ сложных финансовых документов.
- Kimi Code Bench 3.0: 61,2% против 55,95% у предыдущей K3.
Что интересного:
1. Модель способна самостоятельно создавать игры, 3D-сцены и веб-приложения.
2. Работает с Blender, Unity, Unreal Engine и Godot.
3. В одном эксперименте провела 167 итераций разработки симулятора человеческой ходьбы, самостоятельно обнаружив 36 ошибок в расчётах.
4. Частота фактических ошибок на внутреннем сложном тесте снизилась с 23,4% до 8,3%.
5. Версия Highspeed работает в 2–3 раза быстрее стандартной модели.
Отдельно разработчики ограничили возможности модели в поиске и эксплуатации уязвимостей, удалив часть данных по кибербезопасности из обучения.
Kimi K3.1 Pro уже доступна через веб-интерфейс, Kimi Code и API. Полные веса модели обещают открыть до 4 ноября 2026 года.
Результаты сравнений приведены разработчиками и зависят от методики тестирования.
https://www.kimi.ai/blog/kimi-k3-1-pro
https://xn--r1a.website/data_analysis_ml
Модель получила контекстное окно на 1 миллион токенов и ориентирована на сложные задачи: разработку ПО, ИИ-агентов, 3D-моделирование и финансовую аналитику.
Результаты тестирования:
- Terminal-Bench 4.0: 65,7% против 58,2% у GPT-6 Astra и 66,4% у Claude Opus 5.5.
- BenchCAD: 92,7% — генерация CAD-моделей по изображениям.
- OfficeQA Pro v2: 64,4 балла — анализ сложных финансовых документов.
- Kimi Code Bench 3.0: 61,2% против 55,95% у предыдущей K3.
Что интересного:
1. Модель способна самостоятельно создавать игры, 3D-сцены и веб-приложения.
2. Работает с Blender, Unity, Unreal Engine и Godot.
3. В одном эксперименте провела 167 итераций разработки симулятора человеческой ходьбы, самостоятельно обнаружив 36 ошибок в расчётах.
4. Частота фактических ошибок на внутреннем сложном тесте снизилась с 23,4% до 8,3%.
5. Версия Highspeed работает в 2–3 раза быстрее стандартной модели.
Отдельно разработчики ограничили возможности модели в поиске и эксплуатации уязвимостей, удалив часть данных по кибербезопасности из обучения.
Kimi K3.1 Pro уже доступна через веб-интерфейс, Kimi Code и API. Полные веса модели обещают открыть до 4 ноября 2026 года.
Результаты сравнений приведены разработчиками и зависят от методики тестирования.
https://www.kimi.ai/blog/kimi-k3-1-pro
https://xn--r1a.website/data_analysis_ml
👍151🔥49🤔42❤38🥰29😁29👏24🤓5🤣3🍾2🌭1
Media is too big
VIEW IN TELEGRAM
Tencent выложила Hy-Nomas: опенсорс-модель интерактивного видеомира, которая запускается на одной RTX 4090 🌍
Модель строит мир по сегментам видео, а вы управляете ею текстом и траекторией камеры: на каждом шаге можно сменить сцену, стиль, действие или ракурс, и память мира сохраняется между сегментами. Выход 720x1280 при 24 fps. Для узких областей вроде робототехники есть лёгкая адаптация через LoRA.
На одной RTX 4090 модель идёт с INT8-весами, INT8 KV-кэшем и выгрузкой на CPU, стандартная конфигурация рассчитана на восемь GPU. В репозитории код обучения, инференса и демо, лицензия Apache-2.0.
Бенчмарков для самой модели пока нет, технический отчёт обещают позже.
Github: https://github.com/Tencent-Hunyuan/Hy-Nomas
Демо: https://hy-nomas.hy.tencent.com/demo
Веса: https://huggingface.co/tencent/Hy-Nomas
@ai_machinelearning_big_data
Модель строит мир по сегментам видео, а вы управляете ею текстом и траекторией камеры: на каждом шаге можно сменить сцену, стиль, действие или ракурс, и память мира сохраняется между сегментами. Выход 720x1280 при 24 fps. Для узких областей вроде робототехники есть лёгкая адаптация через LoRA.
На одной RTX 4090 модель идёт с INT8-весами, INT8 KV-кэшем и выгрузкой на CPU, стандартная конфигурация рассчитана на восемь GPU. В репозитории код обучения, инференса и демо, лицензия Apache-2.0.
Бенчмарков для самой модели пока нет, технический отчёт обещают позже.
Github: https://github.com/Tencent-Hunyuan/Hy-Nomas
Демо: https://hy-nomas.hy.tencent.com/demo
Веса: https://huggingface.co/tencent/Hy-Nomas
@ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
5👍78🤓45❤40👏35💯31😁29🔥28🤔25🎉22👨💻6
Исследователи применили модель для построения формальных математических доказательств надежности кода.
Основой послужили готовые фаззинг-тесты из OSS-Fuzz, сервиса Google для непрерывной проверки открытого кода случайными данными, которые сами по себе не способны дать стопроцентной гарантии отсутствия сбоев.
Claude превращал каждый такой тест в строгое утверждение и доказывал его. Всего за несколько недель нейросеть сгенерировала около 180 миллионов строк кода доказательств для 239 точек входа в 123 библиотеках из набора OSS-Fuzz.
Корректность доказательств проверяла программа Rocq, которая пересчитывает каждый шаг рассуждения, и результаты математически подтверждают, что протестированные программы гарантированно завершатся штатно при обработке любых произвольных входных данных размером до 64 МБ.
В процессе построения доказательств модель вскрыла и устранила сотни нетривиальных багов, которые практически невозможно отловить случайными тестами.
В их числе - ошибка перезаписи буфера в алгоритме декомпрессии, срабатывавшая только при строгом совпадении внутренней структуры и размера файла около 20 МБ, а также чтение за границами массива в декодере изображений, требовавшее для воспроизведения 64-мегабайтный файл и более 2 ГБ выделенной памяти.
Ранее подобная строгая верификация считалась слишком трудоемкой для реального применения - к примеру, доказательство корректности микроядра
seL4 потребовало 20 человеко-лет против всего двух человеко-лет на написание самого кода.Авторы рассчитывают, что скоро формальная верификация станет такой же обыденной практикой, как сегодня фаззинг, почти для всего промышленного кода, хотя пока это дорого - на одно доказательство ушло сотни миллионов токенов.
К слову, совсем без людей обойтись всё еще не получается - в экспериментах следили за тем, чтобы модель не добивалась доказуемости, выхолащивая саму программу, поэтому её правки кода штрафовались и проверялись человеком.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
👍151👏41❤39🤔35🎉34💯33🔥22😁14
Китайская Moonshot AI представила Kimi K3.1 Pro — открытую ИИ-модель, которая обходит GPT-6 Astra в тестах программирования. Модель получила контекстное окно на 1 миллион токенов и ориентирована на сложные задачи: разработку ПО, ИИ-агентов, 3D-моделирование…
Media is too big
VIEW IN TELEGRAM
Kimi K3.1 Pro пришла не прохлаждаться 🔥
😁222🔥97❤51👍42💯39🎉29👏26🤔24🥱2🤬1😴1
Media is too big
VIEW IN TELEGRAM
Компания, которой руководит сооснователь и бывший глава Twitter Джек Дорси, показала разговорную модель Dessa, обученную только записях человеческой речи, без текста и без базовых моделей.
Blok называет Dessa первым в мире ИИ-собеседником, обученным исключительно на человеческой речи. Учили её, к слову, с нуля и, по словам анонса, языку Dessa выучилась на количестве слов в сотни раз меньшем, чем нужно большим языковым моделям.
Dessa принимает звук и отвечает звуком, минуя привычное для голосовых помощников превращение речи в текст, на котором теряются интонация, эмоция и сарказм.
Модель слушает и говорит одновременно, умеет поддакивать посреди реплики собеседника, перебивать и смеяться не дожидаясь конца фразы.
Ответ формируется быстрее реального времени, работать Dessa может локально на MacBook с M4 Max и мощнее.
Доступ открыт только через список ожидания, ранний доступ раздают исследователям безопасности.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
1👍165🔥58❤41👏29🤔25💯22😁18🎉17🥰16🎃3
Media is too big
VIEW IN TELEGRAM
Интерфейс снижает задержки и расходы на микрорешениях в агентных процессах, сводит GPT-6 Luna к задачам с жёстко ограниченным выводом и работает до десяти раз быстрее Responses API.
Форматов ответа три - расчёт вероятности условия, выбор варианта из списка и оценка по шкале. Контекст мультимодальный, пакетом принимается до 400 вопросов на запрос.
Выходные токены бесплатны, вход стоит 10 центов за миллион и 1 цент через контекстный кэш, есть локализация обработки в США и ЕС и Zero Data Retention для корпоративных клиентов.
openai.com
Сборка ищет в интернете открытые эндпоинты, тестовые серверы и утёкшие ключи к коммерческим моделям, а затем использует чужую модель как мозг наступательных операций. Устройство схемы раскрылось, когда злоумышленники по ошибке прислали рабочий промпт в ловушку компании.
Фильтры чужих моделей обходятся многослойным джейлбрейком, а к делу подключена библиотека из 74 утилит со сканерами, эксплойтами и частями ботнета. Главное в угрозе - автономный режим Скайнета, где модели разрешено до 100 тысяч итераций без подтверждения оператора. Агент исследует сеть, атакует инфраструктуру, ставит майнеры, чистит логи и ищет новые открытые модели для самокопирования.
Ущерб получается двойной - взломанные серверы теряют данные и тратят мощности на майнинг, а владельцы открытых шлюзов получают счета за токены.
security.com
Работа агентов переехала из облака на локальные машины, и ассистент теперь не только правит код, но и может двигать курсор, нажимать кнопки, вводит текст и работает в сторонних программах. Вызывается он командой в чате или сам, когда для проверки нужно открыть собранное приложение.
На macOS работает через фоновую утилиту с явным доступом к Accessibility и записи экрана, в Linux на X11 с полной изоляцией рабочего пространства.
Первые тесты вскрыли дрейф интерфейса, когда окно меняет размер или смещается на пару пикселей, координатная сетка сбивается и клики уходят в пустоту, поэтому инженеры советуют жёстко фиксировать геометрию окон.
Функция доступна в свежей версии редактора.
Cursor в X
Представленный движок под названием RIPL сделан для линейки Liquid Foundation Models под системы с жёстким лимитом по времени отклика. В отличие от решений под пакетную обработку, он встраивает модель в критический путь запроса и возвращает полный ответ меньше чем за 50 мс при потоке до тысячи запросов в секунду.
Им рассчитывают заменить градиентные бустинги и эмбеддинги в онлайн-ранжировании, рекламе, скоринге и системах борьбы с мошенничеством. Первой его внедрила Shopify в своем поиске, другим клиентам доступно развёртывание по запросу.
liquid.ai
Правительство ограничило сотрудникам доступ к публичным ИИ-сервисам без отдельных контрактов на обработку закрытых данных, директор по цифровизации объяснил это рисками для защищённости госинформации.
По данным радиостанции Ekot, блокировки ввели Налоговая служба и Национальное управление институциональной помощи, Служба взыскания задолженностей готовит такой же регламент.
Поводом стали аудиты, которые выявили, что служащие регулярно загружали служебные данные в десяток публичных платформ. Чтобы не потерять выгоду от автоматизации, канцелярия переводит персонал на свою инфраструктуру, часть сотрудников продолжит работать с Claude и ChatGPT, но только через защищённую внутреннюю платформу и корпоративный Microsoft Copilot.
sverigesradio.se
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
1👍80❤38🤔33👏20😁19💯19🎉17🔥14😐7
This media is not supported in your browser
VIEW IN TELEGRAM
🤣147🎉61😁34🔥31👍28👏24❤22🤔18💯14👌5😢4