Big Data AI

🚀 Умный набор для AI-разработки Vibecode Pro Max Kit превращает AI-агентов в полноценные инженерные команды, которые могут исследовать, планировать и разрабатывать код. Он обеспечивает автоматическую генерацию документации и управление контекстом, улучшая память AI на длительный срок. 🚀 Основные моменты: - Спецификационно-ориентированная разработка для AI - Автогенерация PRD и управление задачами - Самообучающаяся база знаний - Автономная работа на больших задачах - Совместное использование планов и спецификаций 📌 GitHub: https://github.com/withkynam/vibecode-pro-max-kit #typescript

✔️ Centaur - это платформа для совместного использования AI-агентов, интегрированных в Slack. Она позволяет командам взаимодействовать с агентами, которые выполняют задачи в изолированных средах Kubernetes, обеспечивая безопасность и гибкость. 🚀 Основные моменты: - Slack-агенты для выполнения задач и получения ответов. - Изолированные среды для безопасного выполнения команд. - Поддержка пользовательских инструментов и плагинов. - Долговременные рабочие процессы с возможностью восстановления. - Хранение состояния для повторного подключения без потери данных. 📌 GitHub: https://github.com/paradigmxyz/centaur #python

Goldman Sachs: токены становятся новой болью AI-экономики AI-агенты превращают бум нейросетей в первый серьёзный тест на стоимость. Обычный чат-бот отвечает один раз. Агент работает иначе: - планирует задачу - вызывает инструменты - проверяет результат - исправляет ошибки - снова запускает цикл Из-за этого один запрос может съедать не просто в 2 раза больше токенов, а в 10, 50 и даже больше раз, чем обычный ответ модели. Goldman Sachs ждёт, что к 2030 году использование токенов AI-агентами может вырасти в 24 раза. В бычьем сценарии речь идёт о 120 квадриллионах токенов в месяц. Да, стоимость inference на токен может падать на 60-70% в год. Но вопрос теперь не только в цене токена. Главная битва - между продуктивностью агентов и токеновой расточительностью. Uber и Microsoft уже пересматривают дорогие сценарии использования агентов. Microsoft, например, начала отзывать у разработчиков доступ к Claude Code и переводить их на собственный Copilot CLI к 30 июня. https://www.goldmansachs.com/insights/articles/ai-agents-forecast-to-boost-tech-cash-flow-as-usage-soars

🖥 Python в 2026 - уже не просто «первый язык программирования». Это инструмент, с которым можно автоматизировать задачи, писать скрипты, собирать проекты, работать с данными, делать ботов и использовать ИИ как ускоритель разработки. Но есть проблема: большинство новичков учат Python кусками. Немного синтаксиса, пару задачек, немного теории - и потом ступор: «а что с этим делать дальше?» Этот курс сделан иначе. Здесь упор на реальную практику: вы не просто смотрите уроки, а постепенно учитесь писать код, разбирать ошибки, собирать рабочие решения и понимать, как Python применяется в нормальных задачах. Что внутри: - Python с нуля понятным языком - практика вместо бесконечной сухой теории - реальные задачи и проекты - автоматизация рутины - работа с файлами, данными и API - понятная логика программирования - современный подход к разработке с ИИ - отдельный акцент на вайбкодинг Вайбкодинг -это умение правильно ставить задачу, проверять код, понимать результат и ускорять работу без слепого копирования. В 2026 году это уже не бонус, а нормальный навык разработчика. Сегодня скидка 60 процентов: https://stepik.org/course/288218/info

AI-кино вышло на новый уровень: в Каннах показали 95-минутный фильм, полностью сгенерированный нейросетями. Боевик Hell Grind, который собрали всего за две недели. Бюджет - около $500 000, и самое показательное, что примерно $400 000 из этой суммы ушло не на съёмки, актёров и декорации, а на AI compute.

Лукашенко заявил, что Беларусь развивает ИИ с 1960-х годов

Anthropic только что выпустила Claude Opus 4.8. Anthropic только что выпустила Claude Opus 4.8. Три конкретных изменения по сравнению с 4.7: точнее судит о ситуации, честнее говорит о собственных ограничениях и дольше держит контекст при самостоятельной работе без подсказок. По бенчмаркам: agentic coding (SWE-Bench Pro) 69.2% против 64.3% у 4.7 и 58.6% у GPT-5.5. Computer use (OSWorld) 83.4%. Knowledge work (GDPval-AA) 1890 против 1753 у предыдущей версии. В терминальном кодинге GPT-5.5 пока впереди с 78.2% против 74.6%, но разрыв небольшой. Цена не изменилась. В релизе упоминается апдейт про "более честную оценку собственного прогресса" — это прямо отвечает на одну из главных болей при работе с агентами: модель уверенно сообщает, что задача выполнена, хотя на самом деле застряла. Посмотрим, насколько это реально изменилось на практике. claude.com/blog/introducing-dynamic-workflows-in-claude-code

Opus 4.8 появился в выборе моделей Claude Code в десктопном приложении. Похоже, сегодня день релиза 🚀 https://x.com/Machinelearrn/status/2060014943781412903 @ai_machinelearning_big_data #claude #opus

⚡️ УЧИШЬ НЕЙРОСЕТИ ОТВЕЧАТЬ ПРАВИЛЬНО? ТЕБЕ К НАМ НА СТАЖИРОВКУ Промт-инженер — тот, кто пишет инструкции для AI-моделей и проектирует «мозг» AI-агентов. Одна из самых востребованных профессий в AI — и прямо сейчас мы ищем стажёров в это направление. ➡️ Учишься на 2+ курсе, знаешь Python, JSON и работаешь с LLM-стеком? Выбирай команду и присоединяйся к Сберу. Какие направления доступны: ✅AI и продуктовая аналитика ✅Управление бизнес-моделью ✅AI-помощники Phygital 🟢Гибрид или офис, Москва 🟢От 20 часов в неделю 🟢Зарплата до 81 300 ₽ в месяц Заходи на сайт, выбирай направление Prompt Engineering и регистрируйся 👉 sberstudent.ru/internship

OpenBMB показали новый результат для MiniCPM5-1B и снова продвигают свою идею Densing Law: маленькие on-device модели постепенно догоняют то, что ещё недавно требовало огромных LLM. Хронология выглядит так: - февраль 2024: MiniCPM-2B добирается до уровня GPT-3 - сентябрь 2024: MiniCPM3-4B уже сравнивают с уровнем ChatGPT - май 2026: MiniCPM5-1B получает AA 17.9 и обходит GPT-4o с 14.1 в этом тесте Главный акцент - размер. MiniCPM5-1B примерно в 200 раз меньше по числу параметров, но уже показывает результаты, которые ещё пару лет назад казались невозможными для локальных моделей. Cами авторы честно признают, что на многих задачах 1B-модель всё ещё не сильнее GPT-4o. Это не «убийца больших моделей», а скорее сигнал направления. Если Densing Law продолжит работать, следующий большой сдвиг может быть не в ещё более гигантских моделях, а в сильных локальных AI, которые запускаются прямо на телефоне, ноутбуке или edge-устройстве. https://huggingface.openbmb.com/model/openbmb/MiniCPM5-1B

✔️ MOSS-TTS v1.5: open-source озвучка стала заметно удобнее для продакшена OpenMOSS выпустили MOSS-TTS v1.5 - обновление своей открытой TTS-модели на 8B параметров. Главная фича выглядит простой, но для реальных сценариев очень важная: теперь паузы можно задавать прямо внутри текста через [pause 3.2s]. То есть моделью можно управлять не только на уровне «прочитай фразу», а точнее собирать ритм, драматургию и естественные остановки в речи. Что нового в v1.5: - поддержка 31 языка вместо 20 - добавлены Cantonese, Hindi, Thai, Vietnamese, Tagalog, Swahili и другие - более стабильное voice cloning без сильного разброса между повторными генерациями - лучше работает сценарий, когда референс длинный, а целевой текст короткий - улучшена просодия по пунктуации, особенно в длинных предложениях - сохранены возможности v1.0: zero-shot cloning, long-form speech, Pinyin/IPA control и code-switching GitHub: https://github.com/OpenMOSS/MOSS-TTS ModelScope: https://modelscope.ai/models/OpenMOSS-Team/MOSS-TTS-v1.5

HyperParallel-MoE - Huawei пытается выжать MoE из железа Ascend по-взрослому 👀 Появилась работа про HyperParallel-MoE - систему планирования обучения MoE-моделей, заточенную специально под Ascend A3. Проблема в том, что у Ascend A3 есть разные блоки под разные типы работы: - AIC - матричные вычисления - AIV - векторные операции и коммуникации Но стандартный MoE-пайплайн всё равно часто гоняет Dispatch, GMM, SwiGLU и Combine как последовательные full-device kernels. В итоге часть железа простаивает: то заняты матричные блоки, то коммуникационные, но нормального tile-level overlap нет. HyperParallel-MoE решает это через статический heterogeneous taskflow для MoE-FFN: - AIC обрабатывает GMM tiles - AIV берёт на себя vector + communication tiles - зависимости контролируются через event counters - AIV-driven one-sided communication убирает host-side collective barriers - весь объединённый taskflow ведёт один kernel На DeepSeek-style MoE-моделях заявлены такие результаты: - 1.49-1.58x снижение latency на участке Dispatch-to-Combine MoE-FFN при balanced routing - 1.08-1.09x ускорение end-to-end training при sampled natural routing - интеграция в MindSpore / MindFormers - переиспользование уже оптимизированных операторов Не «пусть компилятор как-нибудь разрулит», а явное разделение работы между матричными, векторными и коммуникационными блоками. Huawei строит не только чипы, но и полный софтверный стек вокруг них. А такие штуки показывают, что гонка ИИ-железа будет всё больше решаться не только терафлопсами, но и тем, насколько глубоко фреймворк умеет использовать конкретную архитектуру. Paper: https://arxiv.org/abs/2605.23764

Кажется, аналитика подошла к моменту больших изменений. Ещё недавно подготовка отчётов занимала дни: данные собирались вручную, цифры перепроверялись, а бизнес слишком долго ждал ответы. Сегодня искусственный интеллект меняет сам подход к работе с данными — делает аналитику быстрее, проще и доступнее. 3 июня Visiology проведёт большой онлайн-эфир Cortex LIVE о новом поколении аналитики. На бесплатном эфире покажут: — как ускорить получение аналитики — как сократить объём ручной работы — как быстрее находить ответы для бизнеса — как компании уже меняют подход к работе с данными Без сложной теории — только реальные примеры и практические сценарии. Если вы работаете с аналитикой, отчётностью или управлением, этот эфир точно стоит посмотреть. До мероприятия осталось совсем немного времени — успейте зарегистрироваться заранее, чтобы не пропустить эфир.

NuExtract3 - маленькая VLM, которая вытаскивает структуру из документов 👀 На ModelScope выложили NuExtract3 - vision-language модель на 4B параметров, заточенную не под «поговорить обо всём», а под конкретную задачу: понимание документов и структурированное извлечение данных. Что умеет: - принимает сканы, чеки, формы, инвойсы, контракты и таблицы - получает на вход JSON-шаблон - возвращает чистый структурированный JSON - конвертирует изображения документов в аккуратный Markdown - таблицы сохраняет в HTML - формулы переводит в LaTeX - сама генерирует шаблоны извлечения из обычного текстового описания - поддерживает thinking и non-thinking режимы - работает с несколькими языками - поддерживает vLLM и Transformers По заявленным бенчмаркам NuExtract3 обходит gemma-4-E4B-it, Qwen3.5-9B и GLM-4.6V-Flash на structured extraction: меньше падений, меньше лишних reasoning-токенов, выше стабильность на документах. Главный смысл тут не в «ещё одной VLM», а в специализации. Для бизнеса важнее не модель, которая красиво рассуждает, а модель, которая из кривого PDF, скана или инвойса стабильно достаёт поля в JSON. Ссылка: https://modelscope.ai/models/numind/NuExtract3

✔️ Агенты Claude получили поддержку локальных песочниц и MCP-туннелей Anthropic добавила песочницы и MCP-туннели в платформу Claude Managed Agents. Корпоративные клиенты получили возможность выполнять код агентов внутри собственной инфраструктуры. Локальные песочницы нужны для обработки конфиденциальных файлов в закрытом контуре. Поддерживается интеграция сCloudflare, Daytona, Modal и Vercel. MCP-туннели обеспечивают подключение агентов к внутренним базам данных и приватным API. Соединение со сквозным шифрованием устанавливается только на выход - открывать порты или менять правила брандмауэра не требуется. Полностью on-premise развертывание не поддерживается. Оркестрация, управление контекстом и обработка ошибок остаются на серверах Anthropic. Локальные песочницы доступны в стадии открытой беты, MCP-туннели предоставляются по запросу. claude.com ✔️ Prime Intellect открыла код General-Agent General-Agent - синтетическая среда для генерации тренировочных данных ИИ-агентов без участия разметчиков. Решение заменяет датасеты на динамическую генерацию с автоматической семантической валидацией. В основе системы лежит соревновательный подход между двумя моделями. "Синтезатор" конструирует задания с базами данных и функциями проверки, а "решатель" пытается их выполнить. Эволюция задач проходит пять уровней сложности. Простые сценарии обрастают дополнительными условиями, перекрестными связями и инструкциями. Платформа сохраняет задачи, которые алгоритм решает с заданным порогом вероятности. Самые сложные кейсы используются для генерации следующего раунда. Дообучение 30-миллиардной модели на собранных в General-Agent траекториях повысило точность вызова инструментов в бенчмарке BFCL с 18,9% до 52,3%. primeintellect.ai ✔️ Mythos научилась связывать мелкие баги в эксплойты в тестах Cloudflare Mythos Preview проанализировала более 50 репозиториев Cloudflare. Основной результат - модель научилась связывать мелкие разрозненные баги в рабочие эксплойты. CISO Cloudflare рассказал, что предыдущие поколения алгоритмов выявляли единичные ошибки, но не могли собрать их в вектор атаки. Mythos снизила долю ложных срабатываний и генерирует шаги для воспроизведения уязвимостей с минимальным участием инженеров. Для поиска Cloudflare развернула архитектуру Project Glasswing из 50 параллельных агентов. Система использовала состязательный подход: один агент генерировал вектор атаки, второй его опровергал. cloudflare.com ✔️ Mistral купил стартап Emmi для выхода на рынок физических симуляций Французский разработчик ИИ приобрел австрийский стартап Emmi AI, который создает ИИ-модели для симуляции физических процессов. Сумма сделки не раскрывается. В 2025 году Emmi AI привлек €15 млн инвестиций. Модели Emmi просчитывают аэродинамику, теплообмен и сопротивление материалов. CEO Mistral заявил, что интеграция технологий нацелена на аэрокосмическую отрасль, автомобилестроение и производство полупроводников. Сделка расширяет промышленное направление Mistral. Компания уже предоставляет решения для ASML, Stellantis и Veolia: алгоритмы выявляют дефекты на сборочных линиях и управляют роботизированными манипуляторами. emmi.ai ✔️ Сооснователь Anthropic выступит на презентации первой энциклики Ватикана об ИИ 25 мая Ватикан представит энциклику об ИИ "Magnifica Humanitas". В презентации примет участие сооснователь Anthropic и исследователь интерпретируемости моделей Крис Ола. Документ затрагивает защиту человеческого достоинства, влияние алгоритмов на труд и осуждает применение ИИ в военных конфликтах. Привлечение Олы связывает теологическую повестку с технической проблемой ИИ-безопасности. Выход документа приурочен к годовщине исторической энциклики о правах рабочих эпохи Промышленной революции. Таким образом Ватикан приравнивает развитие ИИ к аналогичному по масштабам социальному сдвигу, требующему этических ограничений. reuters.com @ai_machinelearning_big_data #news #ai #ml

Приглашаем на GenAI MeetUp — hh.ru х Lamoda Tech Если вы LLM-инженер или ML-специалист, работаете с генеративным AI, приходите обсудить разработку агентов, применение моделей и оценку их качества. 🧬 В программе разбор кейсов, интерактивы с призами, нетворкинг и угощения. Спикеры и доклады: ▪️ Коля Безносов, Руководитель направления AI Lab, hh.ru Рекрутер, который не спит: как мы автоматизировали первичный контакт с соискателями с помощью ИИ ▪️Данил Дмитриев, Senior Data Scientist, Lamoda Tech Контролируемый агент поддержки: как мы превратили обратную связь из прода в роадмап ▪️Женя Орлов, Руководитель команды разработки AI Lab, hh.ru Нейроразбор резюме: практический опыт и нюансы создания LLM-судей ▪️Дима Курганский, Teamlead MLOps, Lamoda Tech Как мы строим GenAI-платформу в Lamoda: от MVP к production-решениям 🗓 28 мая, сбор 18:30, начало 19:00 🔗 Очно и онлайн 📍 Офис hh.ru 🔥 ЗАРЕГИСТРИРОВАТЬСЯ Количество очных мест ограничено. Реклама. ООО "ЛАМОДА ТЕХ". ИНН 7734461512. erid: 2W5zFHxm27s

🖥 Создатель C++ разнёс вайбкодинг: “сеньоры не хотят разгребать этот мусор” Бьёрн Страуструп, легендарный создатель C++, в новом двухчасовом интервью резко прошёлся по вайбкодингу. Главная претензия простая: сгенерированный код пока слишком часто выглядит красиво только на демке. В реальном проекте он приносит баги, раздувает кодовую базу, плодит уязвимости и плохо поддаётся нормальной проверке. Особенно больно это бьёт по опытным разработчикам. Им потом приходится не “магически ускоряться с ИИ”, а читать, чинить и переписывать слоп, который кто-то нагенерировал за пять минут. Похожая история уже достала и Линуса Торвальдса. Его буквально завалили кривыми AI-отчётами по ядру Linux: вроде бы люди “помогают”, а на практике создают шум, который мешает настоящей разработке. И вот тут неприятный вывод для рынка: ИИ не отменяет инженерное мышление. Он просто делает слабого разработчика быстрее. А если человек не понимает архитектуру, безопасность, тесты и границы задачи, то вайбкодинг превращается не в ускорение, а в генератор технического долга. Сеньоры не боятся ИИ. Они просто не хотят провести остаток карьеры, разгребая чужой промптованный мусор. https://www.youtube.com/watch?v=U46fJ2bJ-co

🤖 Machine Learning Roadmap: от базы до гуру вайбкодинга Карта обучения машинному обучению (Machine Learning, Deep Learning, LLM, Generative AI, MLOps) - от первого import numpy до уровня инженера, который понимает, как ИИ работает внутри, и может писать прод‑системы, а не только дёргать API. https://github.com/justxor/MachineLearningRoadmap/tree/main

Как усилить ИБ: управление данными и ML-технологии для защиты бизнеса Когда киберриски растут, а требования к защите данных ужесточаются, перед компаниями стоит вопрос: как обеспечить высокий уровень ИБ без роста бюджета? Эксперты «Инфосистемы Джет», Arenadata и «Аксель Про» проведут совместный митап, где подтвердят, что ответ в сочетании проверенных решений и современных технологий. Что в программе? 🔹Реальные кейсы сбора данных в ИБ: когда выгоднее использовать готовые инструменты вместо самостоятельной разработки 🔹Тренды рынка ИБ: кто лидирует, какие технологии набирают популярность и куда двигаться дальше 🔹ML-кейсы для ИБ в реальной ИТ-среде: от анализа логов до задач с LLM 🔹Дата-контракты, карта данных и профилирование — как инструменты управления данными помогают ИБ 🔹Как управление данными и их качество повышают уровень ИБ Когда: 26 мая в 11:00 МСК Формат: онлайн Регистрация на бесплатный митап на сайте.

🖥️📊 agtop: мониторинг AI-сессий в терминале agtop — это терминальный дашборд, который отслеживает сессии Claude Code и Codex на вашем устройстве. Он предоставляет информацию о расходах, использовании токенов, нагрузке на ЦП и многом другом в реальном времени. 🚀Основные моменты: - Автоматическое обнаружение сессий Claude и Codex - Отслеживание затрат с разбивкой по времени - Панель производительности с графиками использования ЦП и памяти - История вызовов инструментов с временными метками - Поддержка мыши для удобного взаимодействия 📌 GitHub: https://github.com/ldegio/agtop #javascript