Apple выпустила необычную ИИ-модель для разработчиков
Apple тихо выложила на Hugging Face новую модель DiffuCoder-7B-cpGRPO с интересной особенностью.
Вместо классической генерации кода слева направо, она может писать код в любом порядке и улучшать несколько блоков одновременно, что делает генерацию быстрее.
Модель основана на диффузионном подходе (как в Stable Diffusion для картинок) и построена поверх Qwen2.5-7B от Alibaba. Показала прирост 4.4% на популярных бенчмарках моделей для программирования.
Особенность: регулируя температуру, можно менять порядок генерации токенов - от строгого последовательного до гибкого хаотичного.
#Apple #Coding #Diffusion
------
@tsingular
Apple тихо выложила на Hugging Face новую модель DiffuCoder-7B-cpGRPO с интересной особенностью.
Вместо классической генерации кода слева направо, она может писать код в любом порядке и улучшать несколько блоков одновременно, что делает генерацию быстрее.
Модель основана на диффузионном подходе (как в Stable Diffusion для картинок) и построена поверх Qwen2.5-7B от Alibaba. Показала прирост 4.4% на популярных бенчмарках моделей для программирования.
Особенность: регулируя температуру, можно менять порядок генерации токенов - от строгого последовательного до гибкого хаотичного.
#Apple #Coding #Diffusion
------
@tsingular
🤔5🔥4👍3👨💻2❤1
Media is too big
VIEW IN TELEGRAM
Ну это бомба!
Китайская команда Data Intelligence Lab из University of Hong Kong выпустили DeepCode - мультиагента разработчика по типу Курсора, но только Opensource.
Ранее эта же команда выпустила уже успевшие зарекомендовать себя, тоже оупенсорс, фреймворки:
- LightRAG
- AutoAgent
- RAG-Anything
а так же:
- AI-Researcher
- MiniRAG
у DeepCode три основных модуля:
- Paper2Code: конвертирует академические документы в полнофункциональные релизы кода
- Text2Web: создаёт фронтенд из описаний на естественном языке
- Text2Backend: генерирует серверный код
Работает как в веб интерфейсе, так и в командной строке. Причем формат командной строки вообще становится все более популярным.
С ним, опять же, можно в агента подключить этого разраба как инструмент.
Отменям подписку на Курсор, выкидываем ClaudeCode, OpenAI Codex, Gemini CLI.
Кстати, Gartner прогнозирует, что 75% корпораций будут использовать ИИ-разрабов уже к 2028 году.
И похоже эти ИИ разрабы будут на китайском оупенсорсе :)
#DeepCode #Coding #Китай
———
@tsingular
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥15🤩5
Grok Code Fast 1 теперь в Visual Studio, JetBrains, Xcode и Eclipse
xAI встроила Grok Code Fast 1 во все основные IDE.
Невероятно быстрая и практически на равных с Sonnet 4.5
#Grok #xAI #Coding
------
@tsingular
xAI встроила Grok Code Fast 1 во все основные IDE.
Невероятно быстрая и практически на равных с Sonnet 4.5
#Grok #xAI #Coding
------
@tsingular
⚡7✍6🔥4
ИИ впервые выиграл турнир по программированию у 804 человек
Японский стартап Sakana AI с оценкой в $2.65 млрд, создал агента ALE-Agent, который занял первое место на турнире среди 800 программистов AtCoder Heuristic Contest 058.
Sakana AI развивает концепцию распределенного интеллекта — множество небольших моделей работают как рой (косяк рыб), а не одна монолитная система.
Задачи на AHC058 моделировали сложный процесс иерархического производства, где требовалось оптимизировать план выпуска машин, которые, в свою очередь, производят другие машины.
Агент придумал нестандартный алгоритм «виртуальной мощности» — оценивает эффективность машин, которые еще не запущены.
Авторы задачи такого не ожидали.
Победа обошлась в $1300 на вызовы API к GPT-5.2 и Gemini 3 Pro. Агент начал отправлять решения через два часа после старта и сразу вышел в лидеры.
Детальный разбор в блоге SakanaAI
#SakanaAI #contest #Coding
———
@tsingular
Японский стартап Sakana AI с оценкой в $2.65 млрд, создал агента ALE-Agent, который занял первое место на турнире среди 800 программистов AtCoder Heuristic Contest 058.
Sakana AI развивает концепцию распределенного интеллекта — множество небольших моделей работают как рой (косяк рыб), а не одна монолитная система.
Задачи на AHC058 моделировали сложный процесс иерархического производства, где требовалось оптимизировать план выпуска машин, которые, в свою очередь, производят другие машины.
Агент придумал нестандартный алгоритм «виртуальной мощности» — оценивает эффективность машин, которые еще не запущены.
Авторы задачи такого не ожидали.
Победа обошлась в $1300 на вызовы API к GPT-5.2 и Gemini 3 Pro. Агент начал отправлять решения через два часа после старта и сразу вышел в лидеры.
Детальный разбор в блоге SakanaAI
#SakanaAI #contest #Coding
———
@tsingular
👍16🔥11⚡7❤1