⚡️ GLM-5V-Turbo — модель, которая СМОТРИТ на экран и сразу ПИШЕТ код

Главное:

• Нативный мультимодальный кодинг
Понимает изображения, видео, макеты, интерфейсы и документы без костылей

• Видит → генерирует код
Распознаёт дизайн, скриншоты и UI и превращает их в готовый, запускаемый код

• Сильный баланс: визуал + программирование
Топовые результаты в:
- генерации кода по макетам
- мультимодальном поиске и QA
- работе с GUI-агентами

• Не проседает в обычном кодинге
Стабильно проходит бенчмарки Backend, Frontend и Repo Exploration
Визуал не ломает текстовую логику

• Оптимизирован под агентов
Работает в связке с Claude Code и OpenClaw
Подходит для полного цикла задач: от восприятия до действия

Почему он сильный:

• Глубокая связка текста и зрения с самого обучения
• RL-тренировка сразу на 30+ типах задач
• Специальные Agent-данные (меньше галлюцинаций)
• Поддержка мультимодальных инструментов: поиск, браузинг, работа с интерфейсами

Попробовать: http://chat.z.ai
API: http://docs.z.ai/guides/vlm/glm-5v-turbo
Coding Plan trial applications: http://docs.google.com/forms/d/e/1FAIpQLSdEg9C_7FRQWRbnJt--BJXSoacQZbbnB1A4hXGjWP59_1Pugg/viewform?usp=publish-editor

🐍 полезные ресурсы 🚀Max

@data_analysis_ml

Пока все обсуждают искусственный интеллект сам по себе, промышленность тихо движется в сторону связки ИИ + роботы.
В «Норникеле» рассказывают, что машинное обучение у них уже несколько лет работает в реальном производстве и приносит около 10 млрд рублей в год — за счёт более точных прогнозов, оптимизации процессов и дополнительного извлечения металлов.
Но, по их мнению, самое интересное впереди. Следующий этап — роботизация. Рудники на глубине до двух километров, риски, сложные условия, и там алгоритмы и роботы часто справляются точнее, чем человек.
В итоге ставка делается не на ИИ, а на вполне практичную вещь — автоматизированные производства, где решения принимают алгоритмы, а делают роботы. И похоже, именно туда и будет двигаться промышленность ближайшие годы.

Когда закончились лимиты на Claude

🚀 Qwen3.6-Plus- новый мультимодальный агент от Alibaba
Ключевые особенности:

💻 Agentic Coding - умнее и быстрее в написании кода
👁️ Улучшенное мультимодальное зрение - точнее воспринимает и анализирует визуальный контент
🏆 Топовые общие способности - сохраняет лидерские позиции
📄 Контекстное окно 1M токенов - доступно через API по умолчанию

Модель создана на основе обратной связи от сообщества Qwen3.5. Доступна уже сейчас через chat.qwen.ai и API. Обещают открыть исходный код других моделей серии Qwen3.6.

Chat: https://chat.qwen.ai

API: https://modelstudio.console.alibabacloud.com/ap-southeast-1?tab=doc#/doc/?type=model&url=2840914_2&modelId=qwen3.6-plus

Blog: https://qwen.ai/blog?id=qwen3.6

#Qwen #AI #AgenticCoding #VibeCoding #Agents

🐍 полезные ресурсы 🚀Max

@data_analysis_ml

ИИ всё активнее становится «вторым аналитиком» в BI. По свежей статистике, каждый 5-й корпоративный пользователь уже обращается к ИИ-агенту Нейроаналитику, чтобы быстрее попасть на бизнес-инсайты.

Какие задачи чаще всего отдают ИИ:
73% — просят написать формулы
50% — объяснить графики

Кто внедряет активнее всего (топ‑5 отраслей): ИТ (40%) , ритейл (25%) , финтех (10%) , логистика (5%) , здравоохранение (4%) .

Главное использование — скорость: ИИ за минуту делает десять срезов и обнаруживает нарушения. В ритейле задержка в поисках падения на 5 дней может стоить 15–20 миллионов , а с ИИ это вкладывается на пару часов.

Источник: https://ko.ru/news/kazhdyy-pyatyy-korporativnyy-polzovatel-prosit-ii-agenta-nayti-biznes-insayty/?ysclid=mneiwo7f1j748287914

Как превратить данные из 1С в реальные бизнес-инсайты за считанные дни

7 апреля в 12:00 Yandex DataLens и BI.Qube покажут, как выжать максимум из ваших данных без сложной разработки.

На реальном кейсе разберём, как работать с 290 млн чеков из 1С: связывать их со справочниками, обновлять и превращать в понятную аналитику. И главное - как получать ответы на вопросы бизнеса через Нейроаналитика, который работает как ИИ-агент.

Покажем весь путь без воды: от старта за 1 день до первых результатов уже через 1–2 месяца, с возможностью спокойно масштабировать аналитику дальше.

Подойдёт тем, кто хочет быстро выстроить связку 1С → BI и начать принимать решения на основе данных, а не догадок.

Так я вижу работу ИИ-агента со стороны:

Gemma 4 от GoogleDeepMind дебютировала на 3 и 6 местах в open source leaderboard, став моделью №1 среди open source моделей из США.

При этом по числу параметров Gemma 4 (31B) в 24 раза меньше, чем GLM-5, и в 34 раза меньше, чем Kimi-K2.5-Thinking — при сопоставимой производительности и значительно меньших ресурсах.

🎧 Fish Audio S2 Pro - мощная open-source модель для синтеза речи.

Это 4B + 400M параметровая TTS-модель с необычной архитектурой Dual-AR, обученная на 10+ миллионах часов аудио и поддерживающая 80+ языков.

Что делает её интересной.

🏗 Dual-AR архитектура

Модель разделена на две части:

• 4B Slow AR отвечает за семантику и структуру речи
• 400M Fast AR генерирует 9 residual codebooks для акустики

Такой подход позволяет сохранить высокое качество звука без сильной нагрузки на инференс.

🎭 Свободное управление эмоциями и интонацией

Можно прямо в тексте задавать стиль речи:

[whisper]
[laughing]
[professional broadcast tone]

Поддерживается 15 000+ тегов, которые работают на уровне отдельных слов.

🌐 80+ языков

Основные языки высокого качества:

• английский
• китайский
• японский

⚡ Оптимизация для LLM-инфраструктуры

Модель нативно работает со стеком SGLang, поэтому поддерживает:

• continuous batching
• paged KV cache
• RadixAttention prefix caching

📊 Производительность

• RTF: 0.195 на Nvidia H200
• ~100 мс до первого аудио
• более 3000 акустических токенов/сек

Также разработчики выложили:

• веса модели
• код для fine-tuning
• движок для streaming inference

Модель: https://modelscope.ai/models/fishaudio/s2-pro

GitHub: https://github.com/fishaudio/fish-speech

#ai #tts #opensourсe

🎯Полезные Мл-ресурсы 🚀 Max

@data_analysis_ml

🚨 NVIDIA выложила на Hugging Face квантизированную Gemma 4 31B

- NVFP4 сжимает веса в ~4 раза без заметной потери качества
- 99.7% от baseline на GPQA (75.46% vs 75.71%)
- Контекст до 256K
- Мультимодальность: текст, изображения, видео
- vLLM-ready + оптимизация под Blackwell

По железу:
- веса: ~16–21 GB VRAM
- нормальный запуск: от 24 GB
- полный 256K контекст: комфортно от 32 GB

31B-модель уровня frontier, которую наконец можно гонять локально на топовом consumer GPU, а не только в облаке

Попробовать: https://huggingface.co/nvidia/Gemma-4-31B-IT-NVFP4

🎯Полезные Мл-ресурсы 🚀 Max

@data_analysis_ml

⚡️ DeepSeek готовит V4 и впервые модель такого уровня будет работать нативно на чипах Huawei. Это не просто релиз. Это сигнал, что экосистема начинает раскалываться.

Крупнейшие игроки вроде Alibaba, ByteDance и Tencent уже скупают сотни тысяч Ascend 950PR. Цены на чипы растут, спрос бешеный. При этом DeepSeek сознательно не дал NVIDIA ранний доступ к модели. Это выглядит как стратегическое решение, а не случайность.

Суть не в том, что NVIDIA потеряет деньги сегодня. Китай и так был ограничен экспортными правилами. Проблема глубже. Уходит зависимость от CUDA. А значит исчезает главный барьер, который держал всех внутри экосистемы NVIDIA.

Huawei сделал ход, который снижает стоимость перехода. Их чипы понимают те же инструкции. Разработчикам больше не нужно полностью переписывать стек. Это подрывает lock-in, на котором держался рынок последние годы.

По цифрам Китай пока не догнал топ. Ascend 950PR быстрее H20, но уступает H200. Производство ограничено. SMIC не может тягаться с TSMC, а память всё ещё частично импортная.

Но ключевое вообще не в этом. Китай закрыл контур. Есть свои модели, свои чипы и почти готовые решения для обучения. Два года назад этого не существовало.

Теперь вопрос уже не в том, может ли Китай делать сильный AI. Вопрос в том, сможет ли он делать его полностью на своей инфраструктуре. И похоже, что ответ становится положительным.

Если это закрепится, рынок перестанет быть единым. Появятся две параллельные экосистемы. И тогда борьба пойдёт не за модели, а за стандарты и платформы.

https://www.reuters.com/world/china/deepseeks-v4-model-will-run-huawei-chips-information-reports-2026-04-03/

Похоже, OpenAI готовит не очередную версию, а полноценный перезапуск архитектуры.

Что известно из утечек:

• Новая база GPT-5.5 - это не тюнинг старого, а полностью новый фундамент после ~2 лет разработки.

• Мышление стало “человечнее” Модели меньше «тупят по шаблону» и лучше понимают намерение без лишних объяснений.

• Омнимодальность из коробки Текст, изображения, возможно аудио и видео — всё в одной системе без костылей.

Фокус смещается: от ответов → к выполнению задач и автономной работе (все пилят агентов).

• Длинные горизонты мышления Сложные задачи, многошаговые процессы, долгий контекст - это ключевая ставка.

То, что раньше требовало сложных промптов - теперь работает «из коробки».

Ценовая война на подходе На фоне слухов о дорогих конкурентах OpenAI может демпинговать ради захвата рынка.

Релиз уже близко.

В AI-аренах уже мелькают первые генерации - похоже, тесты идут полным ходом.

https://x.com/pankajkumar_dev/status/2040670839624908816