Helix - локальный AI для роботов

Компания Figure объявила о разрыве сотрудничества с OpenAI, заявив о значительном технологическом прорыве. Все действия роботов на представленных видео выполняются локальной моделью, работающей непосредственно на устройстве. Helix управляет верхней частью корпуса, позволяет координировать действия двух роботов и манипулировать небольшими объектами.

Система состоит из двух компонентов:
System 2 - отвечает за планирование, основана на неназванной 7B VLM модели с открытым исходным кодом, работает на частоте 7–9 Гц.
System 1 - исполняет планы, представляет собой encoder-decoder с 80 млн параметров, функционирует на частоте 200 Гц, обеспечивая высокую точность движений и быструю реакцию.

Обе системы работают на отдельных GPU для предотвращения взаимного влияния и повышения производительности.

Модель была обучена на 500 часах данных, что делает её разработку доступной для многих стартапов. В настоящее время Helix находится на раннем этапе развития, однако ожидается её быстрое масштабирование.

Список ИИ -сервисов, работающих на DeepSeek.

В нем есть все, что нужно: начиная от агентов для кодинга и заканчивая Discord-ботаи.

Нажимаем сюда, чтобы сохранить список.

Live перевод во время звонков

Ссылочка тут

GPT-4.5 станет доступным сегодня.

Ожидаем 23:00 по МСК.

Ссылки на порно — не будет 😏
Вместо этого я покажу свой SaaS сервис и изнанку как AI-агенты будут взаимодействовать с сайтами и приложениями. И тут Google на днях выкатил штуку под названием WebMCP — по сути, они предлагают стандарт, чтобы любой сайт мог "объяснить" AI-агенту, что на нём можно делать. Забронировать рейс, оформить заказ, заполнить форму — не через слепое тыканье по кнопкам, а через структурированный диалог между агентом и сайтом.
🔗 Ссылка тык: https://developer.chrome.com/blog/webmcp-epp
🤖 Почему это важно
Сейчас, когда агент заходит на сайт, он по сути "смотрит" на него как слепой — парсит HTML, пытается понять где кнопка, где поле ввода, что куда нажать. Это ненадёжно и медленно. Google предлагает: давайте сайты сами будут говорить агентам "вот мои инструменты, вот что я умею, вот как со мной работать". Два подхода — простой через HTML-формы и сложный через JavaScript для динамических штук.
По сути это следующий шаг к тому, что интернет перестаёт быть только для людей — он становится средой, где агенты работают наравне с нами. И это прямо связано с трендом на симуляцию поведения, о котором я писал раньше — агентам нужна среда, в которой они могут действовать.
✊ Забавное совпадение
Я в своём проекте автоматизации для маркетплейсов уже построил ровно такой слой — ещё до того, как Google это анонсировал. Суть простая: каждый элемент интерфейса (кнопка, карточка, поле) получает понятный идентификатор. Агент сканирует страницу и видит не кашу из тегов, а структурированную карту — "вот список задач, вот кнопка создания, вот форма". Дальше он планирует шаги, выполняет их и даже восстанавливается, если что-то пошло не так.
Самое крутое — пользователь видит, как агент работает. Буквально курсор двигается по экрану, кликает, заполняет поля. Как будто рядом сидит человек и делает за тебя рутину.
🤤 Что это значит для рынка
Я думаю, что через пару лет каждый серьёзный веб-сервис будет обязан поддерживать что-то вроде WebMCP. Потому что если твой сайт не умеет "разговаривать" с агентами — ты проигрываешь. Пользователь просто скажет своему агенту "забронируй мне билет" — и агент пойдёт на тот сервис, который умеет с ним работать, а не на тот, где надо вручную ковыряться.
Это как с мобильной адаптацией 10 лет назад — сначала казалось необязательным, а потом без неё стало невозможно. Так же будет и с agent-ready интерфейсами.
А мы, получается, уже в этом будущем живём 🦀

Кто то опять положил интернет, а у меня поиск работает. Локальный поиск по смыслу в одном HTML-файле
Последние недели копаюсь в теме сжатия эмбеддингов. Задача простая: можно ли сделать поиск по смыслу, который работает прямо в браузере — без сервера, без API, без бэкенда вообще?
Короткий ответ: можно!

Длинный: взял каталог товаров (~1000 позиций), прогнал через модель эмбеддингов, сжал каждый вектор с 3 КБ до 64 байт — это в 48 раз. Картинки ужал до миниатюр. Всё запаковал в один HTML-файл на 6 МБ.

Открываешь файл в браузере, пишешь «плёнка антишпион» — получаешь плёнки антишпион. Не по совпадению слов в названии, а по смыслу. Работает оффлайн, с флешки, хоть на самолёте.
Что на тестах:
recall@10 ~74% (из 10 «правильных» товаров находит 7-8)
весь индекс на 1000 товаров — 64 КБ
масштаб: на 100K товаров — ~6 МБ, на миллион — 61 МБ
лимит памяти браузера позволяет теоретически до 25M документов
Для сравнения — что есть сейчас на рынке:
Voy (WASM brute-force) — float32, без сжатия. На 50-100K товаров упирается в память. На миллион — не влезет.
hnswlib-wasm — тоже float32 + граф HNSW сверху. Быстрее ищет, но по памяти ещё тяжелее: ~4 КБ на документ.
Transformers.js — может запустить модель эмбеддинга в браузере, но поиск по индексу не решает — это только генерация векторов.

Все три варианта работают с полными векторами. При 768 измерениях это 3 КБ на документ. 100K документов = 300 МБ, миллион = 3 ГБ — браузер ляжет. Со сжатием до 64 байт тот же миллион — 61 МБ, 25 миллионов — в лимит 2 ГБ.

Пока это тестовый прототип на защитных плёнках с Ozon. Но сам факт, что векторный поиск можно запихнуть в один файл без инфраструктуры — мне кажется, это интересное направление. Думаю, куда можно применить дальше.

Потыкать:
Скачать файл ниже, открыть в браузере двойным кликом — всё
Для технических: внутри — cosine similarity по декодированным PEC-векторам (это название моего алгоритма сжатия ), линейный скан O(N×768), данные в base64 внутри <script>, подробности в описании внутри файла

файл прикрепил с картинками на 1000 товаров (без изображений это было бы 100к )