Раз в пару недель в твиттере вирусится очередная система, которая «всё сама»: придумывает идею, запускает, продвигает, монетизирует. Тысячи репостов, все сохраняют в закладки.

Автор канала Короче, капитан знает человек 20, которые честно пытались собрать что-то такое. Денег это не принесло ни одному.

Нейросети тут ни при чём, они правда стали сильными. Сайт или бота сейчас можно собрать за выходные. Но большинство всё равно тратит месяцы на продукт, за который никто не готов платить. Раньше на это уходил год, теперь уходит меньше, но смысл не меняется.

Сложность теперь не в том, чтобы что-то сделать. Сложно понять, кому это нужно и сколько за это готовы платить, причём выяснить это до того, как сел писать код.

Об этом и пишут в канале — разбирает запуски небольших проектов:
🔘откуда взялась идея,
🔘как её проверяли,
🔘сколько это стоило и что в итоге получилось.

Есть реальные цифры, и неудачные запуски тоже не прячут.

Если вам интересно, как маленькие проекты начинают приносить деньги на самом деле, а не в твиттере, заглядывайте: ➡️ @its_capitan

Реклама. ИП Зуев И.В. ИНН: 360408359441 erid:2VtzqxP6jLi

✔️ OpenAI тестирует новую модель для САПР и проектирования электроники

Компания раскрыла первые детали о неанонсированной модели, специализированной на инженерных и аппаратных задачах.

В профильном бенчмарке BenchCAD 2.0, который оценивает способность ИИ воссоздавать 3D-детали по чертежам, собирать механические узлы и трассировать электрические цепи, новинка набрала 0,875 балла, что значительно превосходит показатели флагманской GPT-6 Astra (0,594) на максимальном уровне рассуждений.

Такой прогресс важен для разработки электроники - предыдущая модель допускала критические ошибки, например, замыкала линии 3,3 В, 5 В и заземление в
единую сеть.

В рамках внутреннего эксперимента инженеры OpenAI за неделю спроектировали физическое устройство для голосового взаимодействия с Codex. ИИ рассчитал корпус, внутреннюю структуру, плату и написал софт. Ручная доработка и производство первой партии прототипов заняли около месяца.

Кроме того, OpenAI уже тестирует генеративные САПР-решения в автоспорте и промышленности - вместе с гоночной командой Chip Ganassi Racing ИИ конвертирует 3D-сканы деталей в редактируемые чертежи, а в партнерстве с Mazda оптимизирует аэродинамику автомобилей через симуляцию воздушных потоков.

Название и сроки релиза новой инженерной модели пока держатся в секрете.

@ai_machinelearning_big_data

#news #ai #ml

✔️ Anthropic устранила перерасход токенов в Claude Code

Ранее фоновые субагенты Claude Code , выполняющие проверку кода или тесты, обновляли свой статус каждые 30 секунд и каждый раз базовая модель заново считывала всю историю переписки.

Пользователи в сети отмечали, что на техрепорты уходило до 16% бюджета на токены. Anthropic подтвердила наблюдения - такой механизм действительно существует.

Теперь для генерации статусов используются короткие заметки, которые обрабатывает менее ресурсоемкая модель Haiku 5.5, без чтения полного контекста.

По оценке Anthropic, стоимость одного обновления статуса снизилась примерно на 99%, а общая экономия ресурсов при использовании фоновых агентов составляет около 5%, что эквивалентно увеличению количества запросов примерно на 6% при том же объеме ресурсов.

Оптимизация работает только в командной строке и не затрагивает десктопное приложение. Чтобы фискс заработал, нужно обновить Claude Code до до v2.1.316 или более поздней.

@ai_machinelearning_big_data

#news #ai #ml

✔️ OpenAI обновила генератор картинок GPT-Image до версии 2.6

В API появились две профильные модели, Flare выдаёт результат за шесть секунд на базовых настройках, Sunburst рассчитана на высокие требования к детализации и согласованности графики.

Добавилась генерация GIF-анимаций по тексту или наброскам для маскотов, раскадровок и реакций в соцсетях. В API перенесли графическую разметку для точного наведения локальных правок и добавили экспорт в SVG, а новый параметр сложности complexity делит ресурсы модели между быстрыми правками и просчётом сцен с множеством ограничений.

GPT-Image 2.6 открыта всем пользователям ChatGPT и Codex независимо от тарифа.
openai.com

✔️ Apple урезала дневные лимиты инженеров на использование моделей

По программе экономии компания снизила дневной потолок трат на ИИ для разработчиков с 300 до 200 долларов. Для части инженерных команд лимит могут опустить до 100 долларов, а в нетехнических подразделениях обсуждается планка в 25 долларов. Инженерам со сложными задачами придётся запрашивать расширение у руководства, остальным советуют более дешёвые или локальные модели.

Общие расходы Apple на ИИ при этом растут, в 2026 финансовом году затраты на исследования и разработку прибавили 32% из-за расширения ИИ-инфраструктуры.

Похожие ограничения ввели и другие компании, Microsoft пересмотрела внутренние квоты, Tesla ограничила траты сотрудников до 200 долларов в неделю, Uber ввёл лимит 1500 долларов в месяц на ИИ-инструменты для кода. 
bloomberg.com

✔️ Cognition представила модель SWE-2 Flash

В отличие от флагмана, SWE-2 Flash сделана под рутину агентов, автоматизацию, разбор кода, простые функции и документацию. Это Mixture-of-Experts на основе Inkling-Small от Thinking Machines, 276 млрд общих и 12 млрд активных параметров, что дало втрое большую скорость и впятеро меньшую цену, чем у старшей SWE-2.

По замерам Cognition, модель обходит все американские открытые модели, включая втрое большие. Веса публиковать не планируют из-за рисков двойного назначения, тесты в ExploitBench показали, что модель годится для кибератак, исходники передадут только доверенным лабораториям по закрытой программе.

На тарифах Pro, Max и Teams модель доступна в Devin Desktop и консоли бесплатно до конца ноября 2026 года.
cognition.com

✔️ GitHub встроила Copilot в среду разработки Apple Xcode

Интеграция вышла в публичное превью и даёт писать код с подсказками Copilot во встроенном ассистенте, включается через обычное меню настроек.

Понадобится бета-версия Xcode 27.3 на macOS Tahoe 26.6 или новее. Прежнее расширение Copilot for Xcode GitHub продолжит развивать отдельно. Интеграция работает на всех тарифах Copilot. 
github.blog

✔️ Agility Robotics вышла на биржу Nasdaq

Компания называет себя первой публичной компанией США, занятой только гуманоидной робототехникой. Agility завершила слияние с Churchill Capital Corp XI, её акции торгуются под тикерами AGLT и AGLTW, привлечённые деньги пойдут на расширение производства в США и развёртывание инфраструктуры.

У компании почти три года работы роботов на предприятиях Toyota, Schaeffler и GXO, наработка превысила 65 тысяч часов. Главный продукт теперь аппаратная платформа нового поколения Digit 5, рассчитанная на работу рядом с людьми в цехах и на складах, а роботами управляют собственные модели физического ИИ и платформа маршрутизации и контроля парка Agility Arc.

По словам руководства, многолетние предзаказы на Digit 5 собраны на сумму больше 300 млн долларов.
agilityrobotics.com


@ai_machinelearning_big_data

#news #ai #ml

✔️ Четвероногий Unitree A2 выиграл соревнование роботов

Китайская государственная медиакорпорация China Media Group провела первые всемирные соревнования роботов по подъёму на гору Тайшань.

Около 90 команд из компаний по воплощённому интеллекту, университетов и исследовательских групп шли по исторической тропе протяжённостью 3,9 км с 3100 ступенями разной высоты и ширины и набором высоты почти 600 м.

Зачётов было четыре - скорость у гуманоидов, скорость и переноска груза у четвероногих, помощь экзоскелетов, плюс отдельное испытание на проходимость и поиск пути.

В скорости у четвероногих выиграла пекинская Beijing Lingyi Technology на роботе Unitree A2 с результатом 43 минуты 41 секунда, за ней шанхайская Gaoyi Technology, тоже на машинах Unitree.

Переноску груза взяла команда Lingsi Intelligent - 400 баллов за 1 час 51 минуту 29 секунд.

Гуманоидам трассу сократили из-за рельефа - основной участок команда Genisom AI прошла за 27 минут 26 секунд, а на следующем отрезке ей же достался приз за штурм вершины с результатом 55 минут 34 секунды.

Победителей в экзоскелетах и в испытании на проходимость объявят позже.

Гуманоидам лестница далась хуже всего.

Dev-версия Unitree G1, та же модель, что выступала на новогоднем гала-концерте, перегрелась на подъёме и команда сняла её с дистанции, робота унесли с горы на носилках.

У других участников грелись мотор-редукторы, электроника тротлила мощность, машины уводило в сторону, а у роботов с грузом походка сбивалась после смены поклажи на точках подвоза.


@ai_machinelearning_big_data

#news #ai #ml

✔️ OpenAI привлекла 11 миллиардов при оценке в 1,25 триллиона

Компания успешно закрыла первый транш нового раунда финансирования, получив на свои счета 11 миллиардов долларов.

Ожидается, что в ближайшие недели общий объем привлеченных инвестиций может вырасти до 20 миллиардов.

Сделка закрепила за создателями ChatGPT оценку в 1,25 триллиона долларов, что заметно превышает мартовский показатель, тогда компания оценивалась в 852 миллиарда.

Первоначально OpenAI рассчитывала получить от инвесторов свыше 30 миллиардов долларов при капитализации в 1,4 триллиона, однако была вынуждена умерить аппетиты после переноса планов по выходу на IPO и общерыночного спада в технологическом секторе.

Смена настроений инвесторов продиктована опасениями из-за затрат на вычислительную инфраструктуру, а также риском появления новых политических барьеров для строительства дата-центров по итогам промежуточных выборов в США.

@ai_machinelearning_big_data

#news #ai #ml

✔️ Минюст США создал спецгруппу по ИИ

Целевая группа Super Intelligence Task Force начала работу по президентскому меморандуму, её задачу ведомство описывает как сохранение технологического превосходства США и защиту отрасли от иностранного вмешательства, кибератак и криминала.

На группу ложится координация всех расследований Минюста по ИИ, а до конца месяца она представит концепцию правовой среды, которая в том числе упростит выдачу разрешений на дата-центры.

Одновременно в правительственных документах ИИ стали называть Super Intelligence, сокращённо - SI.
theregister.com

✔️ Индия намерена спроектировать первый отечественный графический ускоритель

Разработка пойдёт по программе India Semiconductor Mission 2.0, и Министерство электроники отводит на неё всего 2 года, при этом производитель чипа пока не назван. Страна планирует создать у себя всю аппаратную и программную цепочку для ИИ, от серверов до моделей, и основу под это закладывают заранее.

Индия уже активно готовит производственную базу. В Гуджарате Tata Electronics вместе с ASML и Intel строит первую коммерческую фабрику на 50 тысяч пластин в месяц. Локальные CPU SHAKTI и VEGA на архитектуре RISC-V уже работают в IoT-устройствах, умных счетчиках и робототехнике.

Разработка графического чипа должна стать следующим шагом к технологическому суверенитету на внутреннем полупроводниковом рынке, объем которого, по прогнозам, достигнет 100 миллиардов долларов к 2030 году.
tomshardware.com

✔️ World Labs собрала инструмент для прогулок по мирам Atlas в реальном времени

Исследовательское превью Frameboy стартапа Фэй-Фэй Ли отдаёт кадры с облачных ускорителей в браузер со скоростью до 15 кадров в секунду, пока пользователь ведёт камеру от первого лица. Внутри сильно оптимизированная версия Atlas, модели мира с точным управлением камерой, которая строит сцену по изображению или текстовому описанию.

Генерация в реальном времени обходится дорого, поэтому в превью открыт лишь ограниченный набор сцен. Свои сцены даёт собирать веб-приложение Viewfinder, где генерация происходит покадрово, а осмотреть результат можно тем же потоком Frameboy.

Viewfinder доступен для тестирования в закрытой бета-версии по листу ожидания.
worldlabs.ai

✔️ Cursor научился собирать и публиковать веб-приложения

Облачный агент редактора теперь может самостоятельно создавать структуру проекта, поднимать базу Postgres, настраивать авторизацию через Cursor SSO и предоставлять хостинг.

На выходе пользователь получает ссылку на работающее приложение с собственным доменом, причём публиковать можно как новые, таки существующие репозитории GitHub и Cursor Origin, поддержку GitLab обещают подключить позже. Перед публикацией код проверяется на уязвимости и забытые секреты, и, пока проверки не пройдены, агент объясняет, что исправить.

Функция доступна на платных тарифах с включёнными облачными агентами.
cursor.com

✔️ Perplexity выпустила агентов для долгих рабочих проектов

Инструмент Teammates расширяет платформу Perplexity Computer и рассчитан на непрерывную фоновую работу, поэтому агенты сами планируют этапы работ, следят за выполнением, реагируют на смену приоритетов и возвращают результат человеку на проверку.

Каждый агент работает в изолированной среде с зашифрованными учётными данными и помнит контекст прошлых проектов.

Среди целевых сценариев Perplexity называет отслеживание метрик кампаний, разбор причин падения активности клиентов и передачу найденных в коде ошибок другим агентам, которые готовят исправления.

Работают Teammates в веб-версии на тарифе Perplexity Max с интеграцией GitHub и Gmail.
perplexity.ai

@ai_machinelearning_big_data

#news #ai #ml

✔️ Стартовал предзаказ кольца всевластия для вайбкодеров

Стартап Aina открыл предзаказ на кольцо с экраном, микрофоном, динамиком и кнопкой по центру - оно показывает, что агент собирается сделать, а пользователь может подтвердить или отклонить это не доставая телефон.

Собственная операционная система устройства учится на расписании, местоположении и том, какими приложениями человек пользуется, держит наготове три подсказки и выводит на экран запрос к подходящему моменту.

Если на работу человек уезжает к девяти, кольцо заранее предложит вызвать Uber, а при опоздании на встречу - отправить письмо с предупреждением.

Помимо этого кольцо пишет голосовые заметки, принимает звонки, управляет музыкой и Apple TV, а на Mac переключает ярлыки под то приложение, что открыто в моменте.

Заряда кольца хватает до 18 часов, размеров семь, зарядная подставка идёт в комплекте, на старте поддерживаются iOS и macOS.

Стоимость стартует с 399 долларов, пока не разберут отведённое на эту цену число экземпляров. Дальше идут ступени в 419 и 449 долларов, полная цена - 499.

Первые отправки обещают в начале 2027 года.


@ai_machinelearning_big_data

#news #ai #ml

✔️ Инвесторы добиваются снижения оценки Anthropic перед IPO

Планы Anthropic по проведению роуд-шоу и выходу на биржу в ноябре оказались под угрозой.

Потенциальные инвесторы считают оценку компании в 1,5 триллиона долларов завышенной и требуют дисконта.

Скепсис Уолл-стрит подогревается крупнейшим за год падением акций технологического сектора, которое последовало за промежуточными выборами в США, а также рекордными квартальными убытками самой компании из-за колоссальных затрат на инфраструктуру.

Сейчас рынок ждет раскрытия октябрьской выручки Anthropic, чтобы понять, удалось ли компании преодолеть замедление темпов роста.

Возможный перенос размещения рискует нанести удар по всей ИИ-экосистеме и широкому фондовому рынку, где доминируют технологические гиганты.

Давление на индустрию также усиливают недавние законодательные инициативы в ряде штатов, ограничивающие строительство новых дата-центров.

Несмотря на эти факторы, аналитики считают, что интерес инвесторов к ИИ не угаснет, а акции Anthropic после выхода на биржу обеспечат себе высокий розничный спрос.


@ai_machinelearning_big_data

#news #ai #ml

🌟 Ripple-65B Preview: модель для агентного кодинга

Ricursive Intelligence выпустила в открытое превью модель агентного программирования на 65 млрд параметров, ориентированную на скорость ответов.

Компания основана Анной Голди и Азалией Мирхосейни, бывшими исследователи Google DeepMind, где они вели проект AlphaChip - системы, которая сама подбирала компоновку блоков на кристаллах Google TPU.

Ricursive Intelligence делает платформу для проектирования чипов, и Ripple-65B Preview - вариант той модели, что работает внутри этой платформы.

🟡 Архитектура

Внутри плотный трансформер без смеси экспертов, 80 слоёв при размерности 5120.

К этому добавлены избыточное число голов внимания, повышенная доля слоёв со скользящим окном, ограничение активаций в полносвязных блоках, gated attention и глобальный отказ от позиционного кодирования.

Предобучение прошло на 12 трлн токенов, контекст заявлен до 1 млн токенов.

В претрейне сильно подняли долю кода, данные для постобучения не покупали, их собрали своими конвейерами синтетики с фильтрацией по качеству и метриками покрытия.

В RL-фазе применили усечённую выборку по значимости, центрирование оценок и линейный штраф за длину.

Архитектуру подбирали лестницей от Olmo 3, отбрасывая варианты, которые не давали прироста уже на 4 млрд параметров.

Суммарно на этом масштабе вычислительная эффективность на коде выросла до 16 раз по перекрёстной энтропии на наборе dolma_stack.

🟡Тесты

На Terminal-Bench 2.1 модель выбила 80,5 против 80,1 у Reflection Beam на 501 млрд параметров, 76,4 у Muse Spark на 816 млрд и 63,8 у Inkling от Thinking Machines на 975 млрд.

На SWE-bench Pro v2.0 Hard - 79,1 против 76,5 у Reflection Beam, зато на SWE-bench Verified Ripple отстаёт - 76,5 против 81,6, а на GPQA Diamond 85,2 против 90,6.

Разработку компания оценила 32 млн долларов и называет это десятой частью того, во что обошлась прежняя лучшая модель с открытыми весами на агентном программировании.

В эту стоимость вошли подбор архитектуры, тесты, отладка, генерация синтетики, разработку рецепта посттрейна и сами финальные запуски обучения.

Модель подняли Together AI, GMI Cloud и Fireworks по стоимости в 20 центов за млн входных и 60 центов за млн выходных токенов.


📌Лицензирование: Apache 2.0


🟡Блогпост
🟡Веса


@ai_machinelearning_big_data

#AI #ML #LLM #RipplePreview #RicursiveIntelligence

🌟 Anthropic выложила систему криптографической верификации инференса моделей

Команда Frontier Red Team опубликовала открытый прототип FlashProve, доказуемого вывода на zkSNARK.

Claude участвовал в разработке - он подобрал способы применить свежие методы из криптографической литературы и написал спецификацию протокола.

Эту технику знают по криптовалютам, где она подтверждает правильность транзакции, не раскрывая её содержимого.

Здесь её используют когда пользователь платит по API за конкретную модель и не может быть полностью уверен, что отвечала именно она.

Например, маршрутизатор способен подставить модель подешевле, а злоумышленник - вмешаться в поток токенов.

🟡 Механика

Поставщик один раз публикует отпечаток весов, который фиксирует их набор, не раскрывая сами веса, и дальше на запросы выдаёт файл с доказательством, что эти самые веса дали такие токены.

Проверяющему нужны отпечаток, запрос и ответ, веса не нужны, заново запускать модель тоже не надо.

🟡 Тесты

Опыт проводили на открытых четырёхбитных весах Llama 4 Maverick объёмом 232 ГБ.

Подготовительная фаза на одном H100 и 24 ядрах CPU заняла около 39 минут, выпущенного отпечатка хватает примерно на 16 млн запросов.

Дальше та же H100 выдаёт доказательства со скоростью около 110 токенов в секунду, одно весит примерно 19 МБ на запрос с окном в 1024 токена.

Проверка обходится без GPU - 17 секунд на 24 потоках процессора, 21 секунда на одном, плюс скачать отпечаток на 6,5 МБ.

Профит по сравнению с существующими открытыми системами получился заметный - VerInf на той же модели выдавал около 0,02 токена в секунду при доказательстве на 93,6 ГБ.

🟡Нюансы

На пакете из 24 запросов доказательства съедают примерно в 72 раза больше времени GPU, чем обычный вывод той же модели на vLLM, а на самой высокой из проверенных нагрузок - до 94 раз.

Одно доказательство подтверждает один выходной токен, окно контекста ограничено 1024 токенами, и до полных контекстов топовых моделей технологию ещё предстоит попилить.

Гарантия относится к целочисленной версии и к режиму greedy decoding, когда модель каждый раз берёт самый вероятный следующий токен, так что ответы с плавающей точкой или с семплированием могут расходиться.

Сами веса доказательство скрывает, а устройство модели нет - проверяющему видно, что перед ним смесь экспертов, и как она устроена.

Кроме кода, в репозитории FlashProve выложено всё, чтобы разобраться в концепте: вводные руководства с разбором устройства системы, инструкция по самостоятельной проверке доказательства, отдельные тексты о том, что именно доказывается и как прячутся веса, спецификация протокола и формата, словарь терминов, замеры и списки известных ограничений и ошибок.

В примерах лежат принятое доказательство, доказательство полного размера и отклонённые, с разбором причин.


📌Лицензирование: Apache 2.0


🟡Статья
🟡Техотчет
🖥GitHub


@ai_machinelearning_big_data

#AI #ML #LLM #FlashProve #Anthropic