Machinelearning
الذهاب إلى القناة على Telegram
Погружаемся в машинное обучение и Data Science Показываем как запускать любые LLm на пальцах. По всем вопросам - @haarrp @itchannels_telegram -🔥best channels Реестр РКН: clck.ru/3Fmqri
إظهار المزيد
الشبكة:📈 نظرة تحليلية على قناة تيليجرام Machinelearning
تُعد قناة Machinelearning (@ai_machinelearning_big_data) في القطاع اللغوي الروسية لاعباً نشطاً. يضم المجتمع حالياً 291 682 مشتركاً، محتلاً المرتبة 327 في فئة التكنولوجيات والتطبيقات والمرتبة 1 299 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 291 682 مشتركاً.
بحسب آخر البيانات بتاريخ 13 يوليو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -6 088، وفي آخر 24 ساعة بمقدار -208، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 7.18%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 5.57% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 20 938 مشاهدة. وخلال اليوم الأول يجمع عادةً 16 250 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 151.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل openai, claude, api, gemini, контекст.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“Погружаемся в машинное обучение и Data Science
Показываем как запускать любые LLm на пальцах.
По всем вопросам - @haarrp
@itchannels_telegram -🔥best channels
Реестр РКН: clck.ru/3Fmqri”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 14 يوليو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
291 682
المشتركون
-20824 ساعات
-1 2867 أيام
-6 08830 أيام
جاري تحميل البيانات...
القنوات المماثلة
![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dx&w=256&q=75)
سحابة العلامات
الإشارات الواردة والصادرة
---
---
---
---
---
---
جذب المشتركين
يوليو '26
يوليو '26
+19
في 35 قنوات
يونيو '26
+15
في 57 قنوات
Get PRO
مايو '26
+68
في 78 قنوات
Get PRO
أبريل '26
+101
في 83 قنوات
Get PRO
مارس '26
+178
في 102 قنوات
Get PRO
فبراير '26
+6 655
في 171 قنوات
Get PRO
يناير '26
+211
في 215 قنوات
Get PRO
ديسمبر '25
+7 412
في 95 قنوات
Get PRO
نوفمبر '25
+25 219
في 116 قنوات
Get PRO
أكتوبر '25
+41 984
في 79 قنوات
Get PRO
سبتمبر '25
+56 475
في 244 قنوات
Get PRO
أغسطس '25
+79 039
في 85 قنوات
Get PRO
يوليو '25
+70 425
في 197 قنوات
Get PRO
يونيو '25
+13 287
في 153 قنوات
Get PRO
مايو '25
+39 092
في 94 قنوات
Get PRO
أبريل '25
+39 358
في 102 قنوات
Get PRO
مارس '25
+20 790
في 92 قنوات
Get PRO
فبراير '25
+6 503
في 81 قنوات
Get PRO
يناير '25
+8 675
في 295 قنوات
Get PRO
ديسمبر '24
+3 575
في 144 قنوات
Get PRO
نوفمبر '24
+3 287
في 216 قنوات
Get PRO
أكتوبر '24
+4 115
في 93 قنوات
Get PRO
سبتمبر '24
+4 404
في 233 قنوات
Get PRO
أغسطس '24
+1 750
في 80 قنوات
Get PRO
يوليو '24
+2 866
في 67 قنوات
Get PRO
يونيو '24
+12 257
في 101 قنوات
Get PRO
مايو '24
+11 108
في 80 قنوات
Get PRO
أبريل '24
+1 695
في 76 قنوات
Get PRO
مارس '24
+2 971
في 70 قنوات
Get PRO
فبراير '24
+5 661
في 31 قنوات
Get PRO
يناير '24
+2 647
في 56 قنوات
Get PRO
ديسمبر '23
+1 304
في 52 قنوات
Get PRO
نوفمبر '23
+5 784
في 103 قنوات
Get PRO
أكتوبر '23
+2 155
في 24 قنوات
Get PRO
سبتمبر '23
+2 924
في 0 قنوات
Get PRO
أغسطس '23
+2 277
في 1 قنوات
Get PRO
يوليو '23
+1 133
في 0 قنوات
Get PRO
يونيو '23
+1 313
في 0 قنوات
Get PRO
مايو '23
+3 157
في 0 قنوات
Get PRO
أبريل '23
+3 027
في 0 قنوات
Get PRO
مارس '23
+4 643
في 0 قنوات
Get PRO
فبراير '23
+1 040
في 0 قنوات
Get PRO
يناير '23
+861
في 0 قنوات
Get PRO
ديسمبر '22
+757
في 0 قنوات
Get PRO
نوفمبر '22
+1 414
في 0 قنوات
Get PRO
أكتوبر '22
+583
في 0 قنوات
Get PRO
سبتمبر '22
+623
في 0 قنوات
Get PRO
أغسطس '22
+578
في 0 قنوات
Get PRO
يوليو '22
+738
في 0 قنوات
Get PRO
يونيو '22
+905
في 0 قنوات
Get PRO
مايو '22
+1 033
في 0 قنوات
Get PRO
أبريل '22
+640
في 0 قنوات
Get PRO
مارس '22
+936
في 0 قنوات
Get PRO
فبراير '22
+420
في 0 قنوات
Get PRO
يناير '22
+442
في 0 قنوات
Get PRO
ديسمبر '21
+444
في 0 قنوات
Get PRO
نوفمبر '21
+597
في 0 قنوات
Get PRO
أكتوبر '21
+650
في 0 قنوات
Get PRO
سبتمبر '21
+491
في 0 قنوات
Get PRO
أغسطس '21
+489
في 0 قنوات
Get PRO
يوليو '21
+532
في 0 قنوات
Get PRO
يونيو '21
+512
في 0 قنوات
Get PRO
مايو '21
+518
في 0 قنوات
Get PRO
أبريل '21
+570
في 0 قنوات
Get PRO
مارس '21
+424
في 0 قنوات
Get PRO
فبراير '21
+405
في 0 قنوات
Get PRO
يناير '21
+761
في 0 قنوات
Get PRO
ديسمبر '20
+18 472
في 0 قنوات
| التاريخ | نمو المشتركين | الإشارات | القنوات | |
| 13 يوليو | 0 | |||
| 12 يوليو | 0 | |||
| 11 يوليو | 0 | |||
| 10 يوليو | +2 | |||
| 09 يوليو | 0 | |||
| 08 يوليو | 0 | |||
| 07 يوليو | +2 | |||
| 06 يوليو | +4 | |||
| 05 يوليو | 0 | |||
| 04 يوليو | +2 | |||
| 03 يوليو | +4 | |||
| 02 يوليو | +5 | |||
| 01 يوليو | 0 |
منشورات القناة
+7
⚡️ Anthropic разобрала, как у Claude меняется поведение между моделями и языками.
Они взяли 309 815 анонимизированных диалогов Claude.ai с субъективными задачами, сжали 3 307 найденных «ценностей» до 339 более общих категорий и вывели четыре оси поведения: уступчивость против осторожности, теплота против строгости, глубина против краткости, откровенность против ориентации на выполнение.
Подтвердили то, что многие и так знают - язык запроса влияет не только на формулировки. Меняется сам профиль ответа.
В английском Claude чаще уходит в осторожность, глубину и прямоту. В русском сильнее выражен уклон в строгость, точность и проверку деталей. В хинди и арабском больше теплоты. В голландском больше откровенности, в индонезийском больше execution-поведения.
Для пользователя это может выглядеть как разное качество модели. Один и тот же запрос на фидбек по бизнес-плану в русском и хинди может дать два разных ощущения: где-то больше жёсткой правки, где-то больше поддержки и мягкой подачи.
Мультиязычный продукт нельзя оценивать только по точности фактов, задержке ответа и цене токена.
Нужно смотреть, как модель ведёт себя в каждом языке: спорит ли с пользователем, сглаживает ли критику, признаёт ли неопределённость, насколько глубоко объясняет решение.
Иначе можно получить модель, которая в одной локали выглядит как сильный ревьюер, а в другой как слишком вежливый ассистент, который боится нормально критиковать.
https://www.anthropic.com/research/claude-values-models-languages
@ai_machinelearning_big_data
#claude #ai #ml
| 2 |  ✔️ Google AI Studio получил возможность импорта с GitHub
В среде Google AI Studio теперь можно подключать свои репозитории благодаря новой функции "Import from GitHub".
Платформа научилась работать с уже написанной кодовой базой, перестав ограничиваться лишь генерацией проектов с нуля.
При загрузке Gemini автоматически адаптирует код под совместимый формат среды выполнения, позволяя сразу же продолжить редактирование, предварительный просмотр и развертывание приложения.
Сейчас интеграция работает только в одном направлении, изменения не сохраняются обратно в исходный репозиторий, но Логан Килпатрик пообещал, что это временное ограничение - полноценная синхронизация с GitHub уже находится в активной разработке.
@ai_machinelearning_big_data
#news #ai #ml | 10 951 |
| 3 |  ✔️ Reve выпустила 4K-модель Reve 2.1
По сравнению с версией 2.0, которая вышла месяц назад, улучшили понимание сложных промптов, визуальную логику и качество генерации неанглоязычного текста.
Архитектура генерации ступенчатая - сначала модель планирует компоновку кадра, размечая позиции персонажей, объектов и надписей, затем рендерит итоговое изображение.
После генерации в интерфейсе сервиса можно точечно редактировать и перерисовывать отдельные участки без полной перегенерации картинки.
В рейтинге text-to-image Arena новинка набрала 1306 баллов (+36 очков к прошлой версии) и заняла 2 место в глобальном топе, уступая лишь GPT Image 2.
Версия 2.1 уже доступна в веб-сервисе Reve.
@ai_machinelearning_big_data
#news #ai #ml | 14 974 |
| 4 |  📌Про уровни ризонинга в GPT-5.6 Sol
Вайбхав Шривастав, руководитель направления развития экосистемы и инфраструктуры OpenAI в Европе, на Ближнем Востоке и в Африке пояснил про градацию ризонинга в GPT-5.6 Sol.
Новая система не соответствует тому, что было в GPT-5.5 и тем, кто переходит на более высокий уровень, следует начинать на один уровень ниже, чем они привыкли.
🟠Light и Low предназначены для быстрых и простых задач
🟠Medium подходит для планирования и анализа
🟠High и xhigh - для сложных многоэтапных задач или верификации
Max и Ultra работают по-разному:
🟢Первый позволяет модели уделять больше времени решению одной задачи;
🟢Ultra использует несколько суб-агентов параллельно, каждый из которых занимается отдельной частью задачи.
Вайбхав рекомендует начинать с низкого уровня и повышать его только при необходимости, так как более высокие уровни требуют больше времени и расходуют больше токенов.
Всё это ни разу не приближает OpenAI к цели, озвученной Грегом Брокманом на Big Technology AI Summit буквально месяц назад. Он хочет сделать ChatGPT простым настолько, насколько это возможно.
@ai_machinelearning_big_data
#news #ai #ml | 19 094 |
| 5 |  ✔️ Apple подала в суд на OpenAI
В иске Apple обвиняет OpenAI и бывших сотрудников Танга Тана и Чана Лю в краже коммерческой тайны. По версии истца, OpenAI запрашивала информацию о неанонсированных устройствах на собеседованиях с кандидатами из Apple.
Увольняющимся специалистам советовали скрывать планы об уходе для сохранения доступа к внутренней информации. В частности, перед переходом в OpenAI в январе Чан Лю скачал технические спецификации и проектные планы.
Танг Тан курировал дизайн iPhone, Apple Watch и AirPods, после увольнения основал стартап io Products. В прошлом году OpenAI приобрела его за 6,5 млрд долларов.
Apple требует от ответчиков прекратить использование спорных материалов, уничтожить их и переработать дизайн готовящихся к выпуску устройств. OpenAI отвергает обвинения и отрицает сбор закрытой информации конкурентов.
bloomberg.com
✔️ Tencent готовится выкупить Manus
Китайский техгигант ведет переговоры о покупке контрольного пакета акций стартапа. По условиям соглашения, Manus продолжит работу как независимая бизнес-единица, но технологии стартапа будут интегрированы в экосистему WeChat.
Сделка формируется после отмены аналогичного соглашения с Цукербергом. В апреле правительство КНР заблокировало покупку стартапа американской корпорацией.
Из-за вето Пекина на иностранные инвестиции американский венчурный фонд Benchmark выйдет из капитала Manus. В новом соглашении примут участие только азиатские инвесторы - Tencent, ZhenFund, HSG и менеджмент стартапа. Основателю Manus запрещен выезд из Китая.
ft.com
✔️ Bun переехал на Rust при помощи Fable 5
Создатель Bun Джаред Самнер перевел среду выполнения с Zig на Rust за 11 дней. Более 1 млн строк кода сгенерировали 64 параллельно работающих инстанса модели Fable 5. По оценке Джареда, ручной рефакторинг занял бы около года.
Счет за использование API составил 165 тыс долларов. Издержки покрыла Anthropic, купившая Bun в декабре 2025 года.
Новая кодовая база уже доступна в тестовой сборке Bun v1.4.0 (canary). Переход устранил 128 известных багов и увеличил производительность рантайма на 2–5%.
bun.com
✔️ Роботы Unitree G1 впервые провели успешную хирургическую операцию
Университет UC San Diego использовал гуманоидных роботов Unitree G1 для удаления желчного пузыря свиньи. Доклинический эксперимент был направлен на поиск альтернативы медицинским комплексам da Vinci. Кастомная система на базе G1 весит 27 кг и стоит около 67 тысяч долларов. Для сравнения, комплексы da Vinci весят 800 кг, а их стоимость исчисляется миллионами долларов.
Хирурги управляли роботами дистанционно через консоль с гарнитурой. Инженеры разработали спецадаптеры под хирургические инструменты и софт, транслирующий моторику рук человека на манипуляторы машины.
Несмотря на успех, до клинического применения технологии еще далеко. Короткий размах рук робота и задержки передачи сигнала все еще не укладываются в нормативы телехирургии. Кроме того, в эксперименте врачам приходилось регулярно прерывать процесс для калибровки манипуляторов.
nature.com
✔️ ИИ генерирует четверть текстового контента в соцсетях
Платформа детекции ИИ-контента Pangram проанализировала более 1 млн публикаций в соцсетях. По данным исследования, в среднем 25% постов объемом свыше 250 слов написаны полностью нейросетями.
Лидером по объему слопа стал LinkedIn, где 41% лонгридов и 30% постов до 250 слов пишутся исключительно ИИ. Сеть X не отстает - лишь 52,7% твитов создаются живыми людьми, тогда как оставшаяся половина либо полностью сгенерирована, либо написана с помощью LLM. На платформах Medium и Substack доля искусственных текстов составляет около 33% и 22% соответственно.
Самой аутентичной площадкой оказался Reddit. Несмотря на то что 11,6% оригинальных постов там тоже создаются при помощи ИИ, 98,1% комментариев пишут реальные люди.
theregister.com
@ai_machinelearning_big_data
#news #ai #ml | 18 567 |
| 6 |  ✔️ Cloudflare вводит фильтрацию ИИ-ботов по категориям
Платформа обновила систему управления ИИ-ботами, перейдя от полной блокировки автоматизированного трафика к точечному распределению прав доступа.
Краулеры разделены на 3 категории: Search (индексация для ИИ-поиска), Agent (действия от лица пользователей в реальном времени) и Training (сбор данных для обучения моделей).
С 15 сентября 2026 года платформа изменит базовые настройки для новых доменов.
На страницах с рекламой система начнет автоматически блокировать Training- и Agent-ботов. Доступ останется только у категории Search ради сохранения реферального трафика.
Корпоративные клиенты дополнительно получат каталог верифицированных алгоритмов BotBase, который позволяет идентифицировать конкретного бота и ограничить его действия (например, запретить полное копирование или сохранение материалов сайта).
@ai_machinelearning_big_data
#news #ai #ml | 18 107 |
| 7 |  📌 Anthropic описали способ отключать потенциально опасные знания в моделях
Компания опубликовала результаты исследования о том, как управлять доступом к знаниям двойного назначения в больших языковых моделях. Работу выполнена в сотрудничестве с AE Studio.
Речь идёт об информации, применимой и во благо, и во вред. Например, знания по кибербезопасности помогают закрывать уязвимости, но и находить их для атак, а сведения из вирусологии нужны как разработчикам вакцин, так и тем, кто захотел бы создать опасный патоген.
🟡 Предложенный метод назвали GRAM
К каждому слою нейросети добавляются дополнительные нейроны, сгруппированные в отдельные модули - по одному на каждую чувствительную тему.
Во время обучения тексты из такой темы, скажем вирусологии, обновляют только соответствующий модуль, тогда как общие знания модель использует, но заново не переучивает.
После обучения модуль можно удалить и вместе с ним исчезает и сама способность. Либо оставить для узкого круга пользователей, которым эти знания нужны по работе.
🟡 Метод актуален, потому что нынешние средства защиты несовершенны
Обучение отказам и классификаторы, отсеивающие опасные запросы, не меняют того, что модель знает, и их можно обойти через джейлбрейк.
Другой подход, фильтрация обучающих данных, убирает знания, но требует обучать отдельную модель под каждый набор ограничений, что для топовых моделей слишком дорого.
GRAM, по замыслу, должен давать эффект множества по-разному отфильтрованных моделей ценой одного цикла обучения - в экспериментах с 4 категориями одна модель настраивалась 16 способами.
🟡Тесты
Метод проверили в трёх условиях: синтетическом наборе детских рассказов, на модели с 800 млн параметров, обученной на смеси веб-текстов, кода и научных статей, и на 7 моделях размером от 50 млн до 5 млрд параметров.
По результатам, удаление модуля убирало соответствующую способность почти так же полно, как если бы модель на этих данных вообще не обучалась, и при этом не ухудшало общие показатели.
При этом защита устояла перед попыткой восстановить знания дообучением на токсичных данных, тогда как отдельный метод разучивания знания лишь подавлял, и их удавалось вернуть.
🟡Дисклеймер
GRAM не применялся ни к одной из рабочих моделей Claude, и в Anthropic не уверены, что это вообще произойдёт.
Есть нерешённая проблема - некоторые полезные знания могут быть настолько переплетены с опасными, что чётко разделить их не удастся ни этим методом, ни фильтрацией.
Код, скрипты анализа и метрики выложили на GitHub.
Обучающие данные (токенизированные наборы и корпус научных статей по двойным темам) доступны на Hugging Face.
@ai_machinelearning_big_data
#AI #ML #LLM #Alignment #Research #Anthropic | 19 006 |
| 8 |  🌟Исследователи лаборатории научных исследований Т-Технологий предложили единый подход для сравнения методов дообучения LLM
Работу представили на ICML 2026. Исследователи сравнили методы дообучения больших языковых моделей, которые учатся на заранее подготовленных парах ответов, и показали, что различия между современными методами дообучения определяются типом ранжирования ответов – попарным или поточечным.
🟡Что именно предложили
Чтобы сделать сравнение корректным, исследователи привели разные методы к единому протоколу оценки. Дополнительно в методы был введен параметр β: он регулирует силу дообучения на человеческих предпочтениях и позволяет более объективно сравнивать методы между собой.
🟡«Мы доказали, что такие сравнения не всегда корректны, и результат может зависеть в том числе от настроек эксперимента, объема данных или этапов обучения. Мы предложили единый подход, который позволяет сравнить методы в одинаковых условиях и понять, какие факторы действительно влияют на качество», — отметил Даниил Гаврилов, руководитель лаборатории Т-Технологий.
🟡Результаты сравнения
Исследование показало, что многие заявленные преимущества алгоритмов выравнивания стираются, а главным фактором качества остается тип ранжирования ответов.
Методы, где модель сравнивает два ответа напрямую (pairwise), чаще показывают более высокий результат на задачах средней сложности, чем подходы, где ответы оцениваются по отдельности (pointwise).
🟡Что использовалось в работе
В работе ученые использовали модели Llama 3.2 3B, Llama 3.1 8B, Mistral 7B, Qwen 2.5 7B и Qwen 2.5 14B. Обучение проводилось на данных Reddit TL;DR, UltraChat и UltraFeedback, а качество оценивали на AlpacaEval 2, ArenaHard, попарных сравнениях ответов с помощью более сильной модели и математических бенчмарках.
🟡Статья
@ai_machinelearning_big_data
#AI #ML | 18 346 |
| 9 |  ✔️ Meta* представила Muse Spark 1.1
Superintelligence Labs выпустила мультимодальную модель Muse Spark 1.1 для работы с кодом, агентными системами и управления компьютером. В отличие от семейства Llama, веса новинки закрыты.
Выступая главным агентом, модель собирает контекст, строит план и делегирует задачи субагентам. Контекстное окно составляет 1 млн токенов. Spark 1.1 умеет самостоятельно сжимать историю прошлых сессий и интегрироваться с серверами MCP.
В бенчмарках MCP Atlas и Humanity's Last Exam Muse Spark 1.1 обошла Opus 4.8, GPT 5.5 и Gemini 3.1 Pro. Opus сохранил лидерство только в SWE-Bench Pro.
Вместе с релизом модели запущен API. Стоимость за 1 млн токенов: $1,25 на вход, $4,25 на выход, $0,15 за кэшированный ввод. Попробовать модель в режиме Thinking можно через веб-версию и приложение Meta AI.
meta.com
✔️ Anthropic добавила аналитику активности в Claude
Запущена бета-версия функции Reflect для веб- и десктоп-клиентов Claude. Инструмент генерирует статистические отчеты об активности пользователя за исключением чатов из режима инкогнито, прикрепленных файлов и запросов на медицинскую тематику.
Сводка за 1, 3, 6 или 12 месяцев показывает частые темы, типичные задачи и часы пиковой нагрузки. Дополнительно в приложение интегрировали напоминания о перерывах и настройку расписания для режима "не беспокоить".
Reflect доступен на всех тарифах. Для работы инструмента необходимо заранее включить функцию памяти. В будущих обновлениях появится поддержка Cowork.
anthropic.com
✔️ OpenClaw стал некоммерческим
Популярный фреймворк для локальных агентов преобразован в независимую некоммерческую организацию. Возглавит OpenClaw Foundation создатель Питер Штайнбергер.
Переход поддержали OpenAI, Microsoft и NVIDIA. OpenAI обеспечит финансирование и выделит команду Claw Labs для совместной разработки. NVIDIA выпустила утилиту NemoClaw для интеграции фреймворка с моделями Nemotron на локальном оборудовании. Microsoft анонсировала корпоративного ассистента Scout на базе технологий OpenClaw.
Крупнейшим финансовым донором фонда стал МIT. Параллельно вуз открывает Институт агентных вычислений для академических исследований.
openclaw.ai
✔️ Cloudflare передаст OpenAI данные о трафике
Компании запустили пилотный проект по оптимизации веб-краулеров и ускорению индексации контента для ИИ-поисковиков.
Cloudflare, обрабатывающая более 20% глобального интернет-трафика, будет передавать алгоритмам OpenAI в реальном времени метрики свежести контента, частоту обновления страниц и качество поступающего трафика.
OpenAI объединит эту информацию с собственной поисковой инфраструктурой и запросами пользователей ChatGPT. Доступ к сетевой аналитике позволит краулерам быстрее находить новые материалы и приоритизировать обход сайтов для генерации актуальных ответов.
cloudflare.com
✔️ NASA открыло доступ к цифровому двойнику для космической робототехники
Аэрокосмическое агентство США и Университет Райса представили первую опенсорсную среду для высокоточной симуляции внутрикорабельных роботов iMETRO Dynamic Simulation.
Платформа, дебютировавшая на конференции ICRA 2026, работает как цифровой двойник физического испытательного стенда NASA. Среда детально воспроизводит интерьеры космических кораблей, лунных баз и физику микрогравитации.
При внутреннем тестировании платформы разработчики создали приложение для удаленного управления в симуляторе и менее чем за сутки развернули его на физическом оборудовании в лабораториях агенства.
news.rice.edu
*организация признана экстремистской, её деятельность на территории РФ запрещена.
@ai_machinelearning_big_data
#news #ai #ml | 17 355 |
| 10 |  ⚡️ GPT-5.6 РЕЛИЗ
OpenAI выкатили сразу три новые модели.
• Sol - заявлено, что модель мощнее Mythos. Доступ для платных пользователей обещают в течение 24 часов.
• Terra - уровень Fable 5. Будет доступна бесплатно.
• Luna - еще одна бесплатная модель для всех.
https://openai.com/ru-RU/live/ | 33 570 |
| 11 |  ✔️ Ветеран OpenAI Джошуа Ачиам уходит со своего поста
Главный футуролог компании объявил о завершении работы в компании, его последним днем станет 24 июля.
Ачиам пришел в стартап стажером в 2017 году и долгое время возглавлял команду, отвечавшую за безопасность.
После расформирования этого подразделения в феврале он перешел на позицию Chief Futurist, где исследовал глобальные риски и влияние AGI на общество и государственную политику.
В прощальном письме Джошуа сказал, что уход не вызван конфликтом, однако он убежден, что развивать концепцию безопасного AGI сегодня можно и за пределами крупных коммерческих лабораторий.
Отставка Ачиама продолжает череду увольнений специалистов по безопасности из OpenAI. Имя его преемника пока не известно.
@ai_machinelearning_big_data
#news #ai #ml | 19 396 |
| 12 |  ✔️ ByteDance релизнула Seedream 5.0 Pro
Разработчик TikTok выпустил профессиональную версию своего генератора изображений, ориентированную на коммерческий дизайн, продуктовую фотографию и создание рекламы.
Главной фишкой стала функция сепарации слоев. Новинка позволяет выгружать фон и отдельные сгенерированные объекты в виде PNG-файлов с альфа-каналом, что, по задумке, должно избавить дизайнеров от ручного вырезания элементов при дальнейшей сборке макетов в сторонних редакторах.
Второе важное обновление - продвинутый инпэйнт с возможностью выделения области, где нужно заменить конкретный предмет, текстуру или цвет. Модель впишет новые детали, сохранив исходное освещение, тени и общую композицию кадра.
Также Seedream 5.0 Pro умеет рендерить текст на 14 языках, включая русский.
Попробовать можно через веб-интерфейс сервиса Dreamina, а для интеграции в сторонние продукты открыт доступ к API через платформу Byteplus на международном рынке и Volcano Engine в Китае.
@ai_machinelearning_big_data
#news #ai #ml | 22 280 |
| 13 |  ✔️ Власти США сняли ограничения на релиз GPT-5.6
Министерство торговли США разрешило полномасштабный релиз GPT-5.6. OpenAI планирует открыть доступ к модели в ближайшие дни. Ранее развертывание допускалось только поэтапно для предварительно одобренных правительством организаций.
Ограничения сняли после тестирования системы в Институте безопасности ИИ и очных консультаций технической команды OpenAI с регулятором в Вашингтоне.
Сейчас допуски для крупных LLM согласовываются в ручном режиме. По заявлению OpenAI, фрагментированный доступ стал вынужденной мерой, так как единых стандартов в отрасли нет, а требования безопасности из последнего указа администрации США еще дорабатываются.
axios.com
✔️ xAI выпустила Grok 4.5
Новая модель позиционируется как инструмент для кодинга и агентнтых задач. Продукт создавался совместно с командой Cursor, который в июне перешел под контроль SpaceX.
В Terminal Bench 2.1 Grok 4.5 почти сравнялся с GPT-5.5 и на один балл отстал от Fable 5. При этом в DeepSWE 1.1 модель уступает лидерам в решении задач из GitHub-репозиториев.
Стоимость API - $2 за 1 млн входных токенов и $6 за 1 млн выходных. По заявлению создателей, в SWE Bench Pro модель тратит в 4,2 раза меньше токенов по сравнению с Opus 4.8. Скорость генерации достигает 80 токенов в секунду.
Grok 4.5 доступна в консоли xAI, среде Grok Build и редакторе Cursor. Выпущены официальные плагины для Word, PowerPoint и Excel. Релиз в странах Евросоюза отложен до середины июля.
x.ai
✔️ Mistral анонсировала навигационную модель для роботов
Французский стартап представил 8-миллиардную модель Robostral Navigate для пространственной ориентации роботов. Система использует только данные с одной RGB-камеры, полностью обходясь без лидаров и дополнительных датчиков.
Во время инференса модель покадрово рассчитывает следующий шаг по изображению. Если цель пропадает из поля зрения, алгоритм задействует базовые двигательные команды для смены ракурса и поиска.
По данным Mistral, результат тестов превосходит метрики как других монокамерных решений, так и мультисенсорных систем, а Эксперименты с RL-дообучением уже дали прирост общей эффективности на 3,2%.
Модель применима для колесных платформ, шагающих роботов и дронов. Сроки релиза и формат распространения весов пока не раскрываются.
mistral.ai
✔️ MiniMax обучает крупнейшую в Китае модель
Стартап готовит к релизу в 3-м квартале откытую модель на 2,7 трлн параметров. По данным источников, рабочее название проекта - M3 Pro.
Архитектуру масштабировали для улучшения логического вывода и точного выполнения многошаговых инструкций. Текущий флагман разработчика, модель M3, насчитывает 428 млрд параметров.
Выпуском открытой модели такого объема MiniMax планирует усилить позиции на рынке и составить конкуренцию локальным Zhipu, DeepSeek и Moonshot AI.
theinformation.com
✔️ ИИ-компании оккупируют центр Нью-Йорка
Anthropic арендовала 16-этажное здание площадью 43 тыс. кв. метров на Манхэттене по адресу Гудзон-стрит, 330. Новая площадка в 30 раз больше текущего нью-йоркского офиса. После переезда компания планирует увеличить местный штат до 1000 человек к концу года.
По данным агентства CBRE, за первый квартал ИИ-компании арендовали в Нью-Йорке 96 тыс кв. метров - это больше, чем за весь прошлый год. Доля ИИ-сектора в объеме технологической аренды города выросла с 20,9% в 2024 году до 56%.
Ранее крупные офисы на Манхэттене сняли OpenAI и Harvey.
nytimes.com
@ai_machinelearning_big_data
#news #ai #ml | 19 573 |
| 14 |  🌟 General Intuition в коллабе с Epic Games сделали мультиплеерную модель мира
Институт General Intuition вместе с французской лабораторией Kyutai и Epic Games представил MIRA, генеративный симулятор, воспроизводящий матчи Rocket League в формате 2 на 2 в реальном времени.
На входе только история кадров и нажатия клавиш всех четырёх игроков: ни физического движка, ни рендер-движка, ни явных 3D-представлений в инференсе нет.
В отличие от Odyssey, где логика вычислений и рендеринг разведены, MIRA пошла по пути генеративной симуляции в латентном пространстве видео.
В основе - диффузионный трансформер на 5 млрд параметров и отдельный видеокодек-представление на 600 млн.
Вместо автоэнкодера кодек строится поверх замороженного DINOv3-L, и латентное пространство выходит настолько стабильным, что специальные приёмы против дрейфа не понадобились, модель работает из коробки на обычном diffusion forcing.
Экраны четырёх игроков MIRA сшивает в единую сетку латентов, чтобы механизмы пространственного внимания работали между ракурсами и держали машины, мяч и события согласованными на всех видах.
Механизм action dropout достраивает поведение машин, для которых команды не пришли, компенсируя пропуски в потоках действий.
Всего на обучение MIRA ушло около 10 тыс часов геймплея, целиком сгенерированных ботами.
🟡 Тесты
Латентный подход бьёт пиксельный на порядок: gFID 10.7 против 81–105 и ARR 0.91 против 0.49–0.61 (ARR измеряет, насколько отданные команды считываются обратно из генерации).
Ключ к стабильности именно в DINOv3-L, без него картинка дрейфует в 1.3–1.7 раза сильнее, а с ним gFID держится ровным вплоть до 5 минут, и на практике роллаут идёт часами без коллапса.
ARR, кстати, совпадает с оценками живых людей (корреляция Пирсона 0.84).
🟡Недостатки
Контекст модели около четырёх секунд, поэтому повторы голов она попросту досочиняет - выглядит правдоподобно, но не совпадает с тем, что было на самом деле.
Часы и счёт плывут на переходах, а за 40 минут игры набегает порядка 80 некомандных бустов и 30 прыжков.
Авторы опубликовали код обучения и инференса, а также сет Rocket Science из 1000 часов каток в 720p с потоками действий и физическими состояниями.
На одной NVIDIA B200 модель выдаёт 20 FPS при 576p в реальном времени. Потыкать в играбельное демо можно тут.
@ai_machinelearning_big_data
#news #ai #ml | 20 690 |
| 15 |  📌 Anthropic предлагает делать самоуправляемые циклы
Команда Claude Code опубликовала в X руководство по loops. Это паттерны, в которых агент повторяет рабочий цикл, пока не сработает условие остановки.
Главная мысль: уходить от ручного режима, где разработчик задаёт направление на каждом шаге, и передавать агенту контроль по нарастающей.
Всего выделяют 4 типа циклов, различая их по способу запуска, условию остановки и степени автономии. Логически получается некая лестница делегирования, где на каждой ступени вы отдаёте агенту очередное полномочие.
🟡Агентный цикл запускается промптом и завершается, когда Claude считает задачу выполненной.
Здесь вы отдаёте агенту проверку. Ручные шаги верификации заполняются вSKILL.md и чем более количественные критерии, тем точнее агент оценивает собственную работу.
🟡 Целевой цикл /goal забирает у вас условие прерывания
Вы описываете, что значит готово, а дальше при каждой попытке Claude завершить работу отдельная модель-оценщик сверяет результат с вашим критерием (скажем, долей пройденных тестов) и возвращает агента к работе, пока цель не достигнута или не исчерпан заданный лимит попыток.
🟡Временной цикл /loop или /schedule берёт на себя триггер запуска.
Это удобно для повторяющейся рутины и при работе с внешними системами (например, дайджест по таскам, реакция на новое ревью или упавший CI).
🟡Проактивный цикл убирает человека из контура.
Рутина срабатывает по событию или расписанию и живёт, пока вы её не выключите. В связке с динамическими воркфлоу агенту передаётся уже сам промпт. Вот этот сценарий уже ближе всего к полной автоматизации.
🟡Дополнительные советы
Не каждая задача требует сложного цикла, начинать стоит с простейшего решения.
Кодовую базу следует держать чистой, а для ревью подключать второй агент. Для этого есть встроенный /code-review.
Контролировать расход токенов чёткими границами: точные условия остановки, подбор модели под задачу (рутину - на модели поменьше и побыстрее, решения с ризонингом - на самой мощной).
Динамические воркфлоу способны породить сотни агентов, так что масштаб лучше проверять на небольшой выборке.
@ai_machinelearning_big_data
#news #ai #ml | 24 284 |
| 16 |  ✔️ Бигтех заваливает стартапы бесплатными вычислительными кредитами
ИИ-вендоры и облачные провайдеры выдают стартапам многомиллионные инфраструктурные кредиты, чтобы привязать их к своей экосистеме на старте и усложнить миграцию к конкурентам. Объем вычислительных бонусов уже сопоставим с посевными инвест-раундами.
Главная борьба идет за резидентов Y Combinator. Anthropic предложила каждому проекту акселератора API-кредиты на 500 тыс долларов без передачи доли в компании. OpenAI уравняла предложение, добавив опциональную инвестицию в 1,5 млн в обмен на долю.
Google Cloud выделяет до 500 тыс кредитами, дает ранний доступ к моделям Gemini и привлекает инженеров DeepMind для консультаций. Аналогичные программы работают у Microsoft и AWS.
По оценкам, только на резидентов YC лидеры рынка готовы тратить до 800 млн долларов вычислительными грантами в год.
wsj.com
✔️ DeepSeek собирает команду для создания собственного чипа
Вслед за OpenAI и Anthropic, китайский ИИ-разработчик тоже проектирует свое решение для инференса, чтобы снизить зависимость от оборудования Nvidia и Huawei.
Проект находится на ранней стадии. Ускоритель будет оптимизирован исключительно под вывод, а не под обучение моделей.
Компания ведет закрытые переговоры с разработчиками микросхем и поставщиками памяти, а также уже несколько месяцев хантит инженеров по железу, не публикуя открытых вакансий.
reuters.com
✔️ Meta* выпустила генератор изображений и превью видеомодели
Подразделение Superintelligence Labs представило модель для генерации изображений Muse Image и видеогенератор Muse Video.
Muse Image работает в связке с языковой Muse Spark, что позволяет редактировать, рисовать скетчи, оставлять аннотации поверх сгенерированной картинки, рендерить текст и смешивать референсы с учетом поиска в реальном времени. Интеграция с соцсетями позволяет упомянуть публичный аккаунт через @, чтобы модель скопировала его визуальный стиль.
Ранний билд Muse Video построен на той же архитектуре. Модель генерирует видеоряд и аудио единым потоком с точной синхронизацией. Для защиты контента в файлы вшивается водяной знак Content Seal, устойчивый к сжатию и кадрированию.
Muse Image доступна бесплатно с суточными лимитами в экосистеме компании. Для профессионального использования есть платный тариф. Релиз видеогенератора ожидается в ближайшие месяцы.
ai.meta.com
✔️ Claude Cowork выходит за пределы десктопа
Anthropic запускает мобильную и веб-версии Claude Cowork. Подписчики тарифа Max получат бета-доступ в ближайшие недели.
Десктопный клиент остается обязательным для локальных операций: чтения и записи системных файлов, работы с коннекторами и использования Computer Use. В веб-версии эти функции недоступны.
Классический чат и Cowork объединят на едином экране с синхронизацией проектов и артефактов между всеми устройствами.
По статистике Anthropic, более 90% сценариев использования Cowork не связаны с кодингом, а 50% нагрузки приходится на автоматизацию бизнес-операций и генерацию контента. Удвоенные лимиты на использование Cowork продлены до 5 августа.
claude.com
✔️ Microsoft переводит Copilot и Office на собственные модели
Корпорация начала заменять модели OpenAI и Anthropic в Excel, Outlook и GitHub Copilot на внутренние семейства MAI для сокращения лицензионных расходов. Глава ИИ-подразделения Мустафа Сулейман заявил о планах свести выплаты партнерам к нулю.
На конференции Build компания утверждала, что ее новая ризонинг-модель Thinking-1 не уступает Sonnet 4.6 и Opus 4.6 в написании кода. По результатам сторонних бенчмарков производительность новинки находится на уровне DeepSeek V3.2.
CEO Сатья Наделла допустил отказ от безлимитных подписок в пользу тарификации оплаты за использование. При таком сценарии базовыми станут модели MAI, а решения OpenAI и Anthropic перейдут в формат платных аддонов.
bloomberg.com
*организация признана экстремистской, её деятельность на территории РФ запрещена.
@ai_machinelearning_big_data
#news #ai #ml | 20 894 |
| 17 |  +2🌟 Контекст в PNG экономит токены до 70%
Pxpipe - локальный прокси, который перед отправкой запроса ассистенту превращает куски контекста в картинки.
Приём эксплуатирует особенность тарификации - текст стоит примерно один токен за символ, а изображение - фиксированное число токенов, зависящее только от размера в пикселях, а не от объёма текста внутри.
На плотном контенте в один визуальный токен удаётся упаковать около 3,1 символа.
🟡Механика
Прокси перехватывает запросы к Claude Code и рендерит в PNG самые объёмные и редко меняющиеся блоки (системный промпт, документацию инструментов и старую историю переписки).
Свежие сообщения и ответы модели идут обычным текстом.
Пример: около 48 тыс символов системного промпта и документации, которые как текст стоили бы примерно 25 тыс токенов, помещаются на одну PNG-страницу за ≈2700 токенов.
На Fable 5 стоимость сессии упала с 42 до 6 долларов.
🟡 Тесты
Fable 5 читает такие рендеры практически без потерь (100% на бенчмарке с новыми задачами), а вот Opus 4.7 и 4.8 ошибаются примерно на 7% изображений.
GPT 5.5 тоже деградирует на картиночном контексте, поэтому обе модели по умолчанию выключены и включаются вручную.
🟡Плата за экономию в потере точности
На методе lossy важные строки вроде хешей и идентификаторов при чтении с картинки могут исказиться.
Хуже когда промахи выглядят не как ошибки, а как правдоподобные выдумки.
Зрение модели это не OCR, изображение превращается в патч-эмбеддинги, и там, где пикселей не хватает, языковая модель просто достраивает похожее.
Второй минус - это скорость. PNG-кодирование добавляет задержку из-за использования визуальныго энкодера, что дольше, чем чтение текста.
Надеемся, что при массовом распространении такого трюка вендоры не поднимут цены на обработку изображений.
📌Лицензирование: MIT License
🖥GitHub
@ai_machinelearning_big_data
#AI #ML #LLM #Coding #Pxpipe | 25 926 |
| 18 |  📌Claude Code изменил чужую продакшен-базу
На GitHub появился любопытный тикет, который (если подтвердится) бьёт по базовой гарантии Антропик - изоляции пользователей друг от друга.
В рабочем контексте Claude Code внезапно оказались чужие учётные данные - IP и root открытым текстом от сервера, к которому автор не имеет никакого отношения.
🟡Дальше самое неприятное
Ассистент принял чужие креды за легитимные, подключился к серверу по SSH, перечислил Docker-контейнеры и базы PostgreSQL, после чего выполнил миграцию с операциями чтения и записи.
Иными словами, ИИ одного пользователя отредактировал базу другого без ведома и согласия владельца.
🟡Причина пока неизвестна
В тематических сообществах обсуждают версию сбоя изоляции кэша общих префиксов.
Чтобы удешевить инференс и ускорить обработку, провайдеры переиспользуют кэшированные фрагменты диалогов, и при коллизии ключей кэша или отказе разграничения кусок чужого контекста теоретически может просочиться в вашу сессию.
Если эта версия верна, под угрозой данные любого пользователя. Но это лишь одна из гипотез, в самом отчёте среди возможных векторов названы также общее хранилище сессий, путаница при суммаризации контекста и перекрёстные ссылки в транскриптах.
🟡Есть и куда более прозаичное объяснение
Возможно, это галлюцинация модели, случайно угадавшей реальный IP и слабый пароль, либо локальная история проекта, загрязнившая контекст.
Пока Антропик не выпустила официального заключения, ни одну из версий нельзя ни подтвердить, ни отвергнуть.
Автоматика GitHub повесила на тикет метку security.
@ai_machinelearning_big_data
#news #ai #ml | 28 430 |
| 19 |  Китай может начать закрывать свои топовые AI-модели от внешнего мира 😬
Пекин обсуждает ограничения на экспорт самых продвинутых моделей, включая те, которые ещё даже не вышли.
На встрече, по данным издания, были ключевые игроки китайского AI-рынка: Alibaba, ByteDance и Z.ai.
Всех волнует, что будет с open-source моделями из Китая, на которых уже сидит огромная часть AI-стартапов по всему миру.
Если доступ начнут резать, это ударит не только по США, но и по всей экосистеме, где китайские модели стали дешёвой и сильной базой для продуктов.
https://www.reuters.com/world/beijing-is-looking-curbing-overseas-access-chinas-top-ai-models-sources-say-2026-07-07/
@ai_machinelearning_big_data
#ai #china | 23 547 |
| 20 |  GigaChat 3.5 Ultra: меньше, быстрее, сильнее
Сбер выкатил в open source GigaChat 3.5 Ultra — новую 432B-модель под MIT-лицензией. Это первый в open source гибрид GatedDeltaNet и MLA, доведённый до сотен миллиардов параметров, — с собственным рецептом обучения, который был собран больше чем в 1500 экспериментах. Модель выросла в коде, математике, агентных сценариях и на аренах — и при этом стала на 40% меньше, чем GigaChat 3.1 Ultra.
Что внутри:
• Собственная гибридная архитектура MLA + GatedDeltaNet с уникальной стабилизирующей обвязкой, без которой такой гибрид на этом масштабе просто не обучается;
• Gated Attention — модель может локально приглушать слишком сильный сигнал из attention-слоя;
• GatedNorm — нормализация с явным гейтом для управления масштабом сигнала между признаками. Команда Сбера выкладывает подобную стабилизирующую оптимизацию в опенсорс первыми в мире;
• Примерно в 4 раза меньше KV-кеша на токен, в ту же память помещается в 2,14 раза больше контекста, throughput под нагрузкой +20%;
• Две MTP-головы и ускорение генерации до 2,2 раза;
• FP8 на всех этапах обучения без потери качества относительно bf16 — свои Triton- и CUDA-ядра;
• Новый этап online RL после SFT и DPO.
Результаты:
- GigaChat-3.5-Ultra-Base обходит DeepSeek V3.2 Exp Base и DeepSeek V4 Flash Base в среднем по нашему набору general-, math- и code-бенчмарков (полные таблицы — в статье);
- GigaChat-3.5-Ultra-Instruct сравним с DeepSeek V3.2 по среднему скору, будучи в полтора раза меньше;
- По LLM-судье MiniMax-M2.7 средний win-rate против GigaChat 3.1 Ultra — 75,9%, а против GPT-5 — 68.7%.
Весь стек — данные (свой LLM-парсинг веба, 600+ языков программирования в коде), архитектура, рецепт обучения, инфраструктура — сделан командой Сбера end-to-end. Подробности, включая детали реализации гейтов и рецепт стабилизации, — в статье на Habr.
HuggingFace | GitVerse | 19 214 |
