Data Secrets

Google релизнули новую версию своего «LLM-микроскопа» – Gemma Scope 2 Это модель, а точнее набор инструментов (interpretability tools), предназначенный для интерпретации поведения LLM. В частности, из семейства Gemma 3. Работает Scope на основе SAE – это разреженные автоэнкодеры. Они представляют из себя модели, которые распутывают активации LLM и достают из них интерпретируемые концепции. Их называют «фичи»: это могут быть вещи из реального мира (мосты, коровы) или абстракции (ложь, отзывчивость). По сути, анализируя эти фичи, мы можем видеть, о чем на самом деле думала модель, генерируя тот или иной output. Например, она генерирует с виду безобидный код, но «думает» о концепции «кибератака». И это о чем-то нам говорит. SAE, кстати, еще в 2023 предложили использовать Anthropic (вот наш разбор их статьи, которая сделала подход популярным). Но именно Google вывели автоэнкодеры на уровень продакшена. Сейчас это, фактически, первый и единственный открытый инструмент для вот такой детальной интерпретации LLM. Первая версия Scope вышла в 2024. Тогда это работало только для небольших моделей и простых запросов. Теперь же подход масштабировали даже для модели на 27B. Плюс, теперь инструмент стал более универсальным. Если оригинальная Scope существовала только для ограниченного числа слоев, то теперь можно целиком анализировать сложные диалоговые механизмы. Судя по статье, в основном это получилось благодаря добавлению в модель Skip-transcoders и Cross-layer transcoders. Это модули, которые помогают увидеть связи между отдаленными слоями и облегчают анализ распределенных вычислений. А еще, кстати, SAE обучали по методу матрешки, как Gemma 3n (мы писали про этот метод вот тут). Если хотите попробовать и покопаться в мыслях у моделей: – здесь все необходимые веса – здесь полезный Colab ноутбук с готовым кодом – здесь техотчет, а вот тут хорошая понятная документация

Команда ML Т-Банка выпустила обновление языковых моделей T-Pro 2.1 и T-Lite 2.1 Основной фокус релиза — улучшение точного следования инструкциям (Instruction Following) и Tool Calling. Для достижения результата команда разработала собственный пайплайн генерации синтетических данных для обучения и применила RL-обучение (GRPO) с гибридной reward-функцией, которая одновременно проверяет формальную корректность и осмысленность ответа, что позволило избежать проблемы “reward hacking”. В результате дообучения на синтетических данных и применения RL-обучения с гибридным ревардом модели стали стабильнее в продакшене, точнее держат заданный формат, увереннее работают в многошаговых агентских сценариях и при этом сохраняют скорость и общее качество генерации. T-Pro 2.1 (32B) позиционируется как оптимальный выбор для сложных русскоязычных систем, а T-Lite 2.1 (8B) — как практичное решение для развертывания с ограниченными ресурсами. Обе модели доступны под открытой лицензией Apache 2.0.

POV: ИИ-компании смотрят на те самые 300ТБ Spotify треков на Anna’s Archive

GLM-4.7 – новая опенсорсная сота для кодинга Похоже, новая китайская звезда – это стартап Z.ai. Они уже в который раз выпускают очень достойные модельки, и на днях у них вышла GLM-4.7. На метрики можете взглянуть сами на графиках выше, они удивляют. На SWE Bench уровень почти GPT-5.1. По сравнению с GPT-5.2 и Gemini 3 ощущается, конечно, хуже. Но среди опенсорса – точно топ. При этом годовой самый мощный тариф обойдется вам примерно как полтора месяца подписки на ChatGPT Pro или аналогичный Max антропиков. Потестить бесплатно можно здесь Веса | Блогпост

Пентагон заключил контракт с xAI Теперь Grok будут пользоваться все, кто так или иначе относится к министерству обороны США: всего его развернут на ~3 миллиона военнослужащих и гражданских. Это будет не обычный Grok, а специально адаптированный под соответствующие задачи. Его так и назвали – «Grok for Government». Доступ будет предоставлен на уровне IL5 (Impact Level 5). В системе безопасности Пентагона это означает сертификацию для работы с конфиденциальными данными, включая секретную информацию. И еще интересный момент: пишут, что Grok будет также предоставлять служащим онлайн данные с X. Формулировки очень размытые, но видимо это означает: анализ постов, выявление паттернов «дезинформации», геолокации событий или настроений аудитории по тому или иному вопросу. Все это нужно для «оперативной разведки».

Ученые из Google обнаружили, что если повторять промпт два раза, качество ответов моделей существенно возрастает На архиве опубликовали коротенькую статью, в которой исследователи делятся занятным хаком:

если повторять запрос, то есть отправлять промпт в LLM не в виде «<QUERY>», а в виде «<QUERY><QUERY>», качество ответов модели в ~67% случаев статистически значимо улучшается

Важно: это работает только для Non-Reasoning. С ризонингом эффект нейтральный или слегка положительный, так что применять смысла особо нет. Но вот для Non-Reasoning лайфхак должен быть рабочий, и к тому же очень простой и (почти) бесплатный. Авторы показывают, что количество генерируемых токенов от повтора промпта не растет, как и задержка ответа. Почему вообще это работает? Все мы уже выучили, что порядок токенов в промте важен. И это потому, что большинство моделей обучаются каузально, то есть предыдущие токены не получают доступа к следующим. Тут в основе та же логика. Грубо говоря, получается, что какие-то токены в промпте никогда не видят другие, а повторяя запрос, мы эту ассиметрию устраняем -> качество растет. Почему тогда для ризонеров не канает? Тут тоже есть объяснение. Просто ризонеры уже самостоятельно научились повторять промпт сами себе (вы точно это замечали). То есть здесь еще одно повторение уже не дает такого импакта, а в случае с не-ризонерами этот эффект мы просто выносим в prefill. Пользуйтесь: arxiv.org/pdf/2512.14982

Генеративный ИИ пока еще уступает традиционным инструментам ML/DL по практическому импакту: наблюдение ведущего аналитика данных Walmart (ex-Amazon) Несмотря на то, что про LLM кричат из каждого утюга, в прикладной науке наибольшей популярностью пользуются старые добрые инструменты ML/DL: такой вывод следует из исследования ML Global Impact Report 2025, авторы которого изучили прикладные научные исследования из более чем 125 стран. Доклад выделяет 20 наиболее применяемых в исследованиях ML-инструментов, в котором, кстати, есть один российский — CatBoost, который изначально разрабатывался для задач поиска Яндекса. Теперь CatBoost используется в каждой 30-й из 5000 проанализированных статей в журналах Nature, связанных с машинным обучением. Причем в разных сферах — медицине, физике, прикладных науках.

100500 раунд финансирования: OpenAI в очередной раз нужны деньги The Wall Street Journal сообщает, что в этот раз они планируют пливлечь, внимание, 100 миллиардов долларов. Оценка при этом составит (еще раз внимание) 830 миллиардов долларов. Напоминаем, что еще в октябре комапния оценивалась примерно в 500 миллиардов, а еще раньше в 2025 – в 300. По сообщениям анонимных источников, сейчас казна стартапа понемногу пустеет. Чтобы выпустить новые модели, компании пришлось поскрести по сусекам. А что касается инференса – то даже при наличии приличного количества контрактов на облачные кредиты, он финансируется в основном за счет налички. 🫧 🫧🫧

🔵Reinforcement Learning — ключевой метод для создания по-настоящему автономных систем. Создайте агента, который думает как живой! 🔥Записывайтесь на бесплатные вебинары курса «Reinforcement Learning» 🌀Вебинар №1: Классические алгоритмы RL - SARSA и Q-learning ⏰23 декабря в 20:00 мск Вы узнаете: 1. Что такое обучение с подкреплением и чем оно отличается от других подходов 2. Возможности алгоритмов SARSA и Q-learning и в чём их отличия. 3. Что нужно для настройки окружения и запуска RL-агента на реальных задачах. 4. Как интерпретировать результаты и улучшать эффективность обучения агента. 🌀Вебинар №2: Построение собственного окружения на примере биржевой торговли. ⏰13 января в 20:00 мск Вы узнаете: 1. Структуру RL-окружений на примере OpenAI Gym: состояния, действия, награды, шаги среды 2. Построение окружения для биржевой торговли, используя исторические данные Yahoo Finance, MOEX 3. Как построить окружение с фреймворком FinRL для биржевой торговли 🌀Вебинар №3: FinRL - фреймворк RL для построения торговых агентов. ⏰22 января в 20:00 мск Вы узнаете: Как реализовать модель финансового рынка и построить торгового агента в несколько строк кода с использованием специализированного фреймворка FinRL. Вам не придется разбираться с тонкостями программирования нейросетей и реализаций сложных математических концепций. Вы сосредоточитесь на финансовой стратегии, а детали реализации алгоритма фреймворк возьмет на себя. Записывайтесь ➡️ OTUS.RU Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

Хорошие новости: и GPT-5.2, и Gemini 3 Pro являются лишь промежуточными чекпоинтами соответствующих моделей The Information раскопали, что GPT-5.2 – это все еще не та самая модель Garlic, а лишь ее ранний недообученный чекпоинт. Это значит, что в ближайшее время нас ждет еще один (возможно, небольшой, но все же) скачок в качестве. Новость прокомментировал Кристиан Гарсия из Google:

«С Gemini 3.0 – та же история. Скоро мы получим следующий чекпоинт или даже General Availability, и она улучшится»

Бывший Head of Deep Learning Engineering в DeepMind Дэвид Бадден внезапно заявил, что он решит проблему Навье-Стокса до конца года Напоминаем, что это одна из проблем тысячелетия и, кстати, именно та задача, над которой Google совместно с ведущими математиками мира и ИИ бьются уже несколько лет (подробнее о сути задачи и о подвижках гугла писали тут). Так вот: вчера Бадден выложил черновик доказательства в Lean и скрин документа, подтверждающего его спор с Маркусом Хаттером на то, что в течение оставшегося 2025 он выложит на архив полноценное доказательство проблемы. Поспорили, ни много ни мало, на 10 тысяч долларов. Кстати, если Дэвид все-таки выиграет (???), он получит за решение еще и миллион долларов от Clay Mathematics Institute. На Manifold, кстати, люди уже активно ставят ставки на этот спор. Пока 97% депают против Дэвида 😔

Подвезли свежие подробности о стартапе Яна Лекуна Напоминаем, что ученый спустя 12 лет работы уходит из Meta и собирается строить собственный стартап. Компания будет заниматься разработкой world models, то есть систем, которые понимают физический мир, обладают постоянной памятью, могут рассуждать и планировать сложные действия. Лекун обещает, что это будет следующая ИИ-революция. Так вот, стало известно, что компания будет называться Advanced Machine Intelligence (AMI Labs), и что CEO в ней станет Алекс ЛеБрун. ЛеБрун ранее работал в Nuance (основа Siri), затем руководил AI в Facebook, а потом в 2018 основал и возглавил Nabla – AI-стартап по медицинской транскрипции. Теперь Nabla будет сотрудничать с AMI Labs, а сам Алекс займет пост генерального директора. Сам Лекун будет Executive Chairman. Кроме того, появились некоторый детали касательно финансирования: сейчас стартап ищет €500 млн инвестиций (около $586 млн) при оценке в €3 млрд (около $3,5 млрд). Да, вы не ослышались, компанию оценили в три миллиарда евро еще до запуска. Официальный старт проекта, кстати, запланирован на январь.

Не ИИ-слоп: в Петербурге дворником устроился индиец, который раньше работал с ИИ в Microsoft По существующей информации, 26-летний Мукеш Мандал планирует провести в России примерно год, чтобы заработать достаточно денег и вернуться в Индию, где ранее он работал в IT-сфере.

В основном я работал в компаниях вроде Microsoft и использовал инструменты вроде ИИ, чат-ботов, ChatGPT и тому подобное. По сути, я разработчик.

«Вообще я вайб-кодер, а это так, для души»

А помните эксперимент Anthropic, в котором они дали Claude управлять мини-магазином в их офисе? У истории вышло продолжение. Контекст: летом антропики поставили Claude полностью автономно управлять вендинговым автоматом в офисе. Он занимался ценообразованием, заказывал поставки, общался с клиентами. Ему дали доступ к email, к Slack, к заметкам, к браузеру и изменению цен в автомате. Целью было радовать покупателей и максимизировать прибыль. Сначала все шло хорошо, но в итоге бот ушел в жесткий минус, начал заказывать вольфрамовые кубики и в целом немного сошел с ума. Подробнее о том, что произошло, мы писали тут. Но Anthropic молодцы, они не сдались и продолжили эксперимент. В итоге теперь ИИ управляет уже тремя автоматами в Нью-Йорке, Сан-Франциско и Лондоне, и почти не уходит в отрицательное сальдо. Что изменили: 1. Добавили CRM систему и доп утилиты типа Google форм с обратной связью. 2. Добавили еще двух агентов: агента-босса, который ставит цели и условные KPI и дисциплинирует Claude, и агента-помощника, который специализируется на сувенирной продукции. 3. Банально перешли к более новым моделям. И да, иногда агенты все еще ведут себя странно. Например, агент-CEO и агент-продавец иногда ни с того ни с сего начинают философствовать, а не заниматься делом (все, как в жизни). И обычные ошибки и галлюцинации тоже еще присутствуют. НО всего за пол года проект превратился из мемной истории про горе-бота во вполне рабочее решение, которое гипотетически даже можно продавать. Короче, будьте как Anthropic, не сдавайтесь ✌️ https://www.anthropic.com/research/project-vend-2

Все больше компаний запускают чат-ботов и голосовых помощников и работают с большими данными Если вы тоже втайне надеетесь, что однажды ИИ сам исправит все ошибки после пятничного деплоя, то учтите: обучение моделей – это не просто залил данные – и готово. Это, в первую очередь, про подготовку. Без экспертизы, бюджета и, самое главное, мощных GPU – никуда. У кого больше железа – тот и победил. Именно поэтому так важна надежная техническая база для обучения и работы нейросетей. Т1 Облако помогает обеспечить технологический фундамент на базе передовых GPU. Широкий выбор моделей позволяет подобрать оптимальную конфигурацию под любую вашу задачу: 🟢 3D-графика и видео 🟢 обучение LLM 🟢 НРС (высокопроизводительные вычисления) А еще в Т1 можно легко оптимизировать затраты на вычислительные ресурсы. Запускайте новые проекты быстрее и без лишних рисков. Получайте доступ к GPU здесь.

Андрей Карпаты опубликовал большой блогпост с итогами года karpathy.bearblog.dev/year-in-review-2025/ TL;DR. Чем запомнился 2025: 1. Reinforcement Learning from Verifiable Rewards занял место RLHF. Модели начали учиться не на человеческих оценках, а на автоматически проверяемых наградах, и за счет этого появился ризонинг. Главный прогресс года – масштабирование test-time compute. 2. Люди больше не доверяют бенчмаркам. LLM не похожи на человеческий мозг, они могут быть суперумными в одних доменах и удивительно тупыми в соседних. В 2025 окончательно стало ясно, что просто высокие метрики на бенчах не означают AGI. 3. Появился Cursor и многие другие сервисы, которые демонстрируют собой новый слой LLM-приложений. Теперь ИИ – это уже не просто модели, а оркестрация вызовов, контекста, UI, автономности и стоимости под конкретную задачу. 4. Родился и стал классикой термин «вайб-кодинг»: написание кода стало дешевым и доступным, теперь навайбкодить что-нибудь в принципе может каждый. 5. Появились первые примеры сильных автономных ИИ-агентов, работающих в вашем компьютере: такие, как Claude Code. 6. Сильно прокачалась генерация изображений и видео. Настолько, что LLM-операционка уже не кажется чем-то далеким и невозможным.

LLM оказались одновременно гораздо умнее и гораздо глупее, чем ожидалось. Но они уже невероятно полезны, и индустрия реализовала, по ощущениям, меньше 10% их потенциала.

Все еще советуем почитать полностью -> karpathy.bearblog.dev/year-in-review-2025/

Avocado и Mango: две новые модельки от Meta* Появился слух, что компания разрабатывает и в ближайшем будущем планирует выпускать новую сильную LLM (Avocado) и image/video модель (Mango). Об этом рассказал Александр Ван. К сожалению, по предварительной информации, обе модельки будут закрытые. Видимо, вместе с уходом Лекуна кончается и опенсорсная эра Meta. Жалко, конечно. Ну надеемся, что хотя бы уровень моделей будет достойный. Не зря же Цукерберг 100500 миллиардов спустил на хантинг.

​Вышел YaC 2025 AI Edition — в этот раз Яндекс сделал фокус на ИИ, который работает не только в экранах, но и за их пределами. Автономный транспорт здесь самый показательный пример: ИИ принимает решения в реальной среде, где на кону безопасность. Автономные грузовики и роботы-доставщики — это проверка ИИ как инженерной системы. Сенсоры, лидары, вычисления на борту, работа с неопределённостью, длительный пробег в реальных условиях. Такие системы либо выдерживают нагрузку, либо нет — промежуточных состояний почти не бывает. Один из автономных грузовиков Яндекса, к примеру, прошел более 500 000 км. Если смотреть шире, Physical AI — это следующий уровень конкуренции компаний. Не у кого лучше модель, а у кого она встроена в реальные процессы: доставку, перевозки, городскую среду. И здесь входной билет измеряется не скоростью релиза, а глубиной инженерной школы. Кому интересно, как выглядит этот сдвиг на практике — от автономных грузовиков до роверов нового поколения — YaC AI Edition уже доступен на Кинопоиске, VK Видео и YouTube.

Vibe-proving для тех, кому уже надоел vibe-coding 😎

Data Secrets поправили: Вышел YaC 2025 AI Edition — в этот раз Яндекс сделал фокус на ИИ, который работает не только в экранах, но и за их пределами. Автономный транспорт здесь самый показательный пример: ИИ принимает решения в реальной среде, где на кону безопасность. Автономные грузовики и роботы-доставщики — это проверка ИИ как инженерной системы. Сенсоры, лидары, вычисления на борту, работа с неопределённостью, длительный пробег в реальных условиях. Такие системы либо выдерживают нагрузку, либо нет — промежуточных состояний почти не бывает. Один из автономных грузовиков Яндекса, к примеру, прошел более 500 000 км. Если смотреть шире, Physical AI — это следующий уровень конкуренции компаний. Не у кого лучше модель, а у кого она встроена в реальные процессы: доставку, перевозки, городскую среду. И здесь входной билет измеряется не скоростью релиза, а глубиной инженерной школы. Кому интересно, как выглядит этот сдвиг на практике — от автономных грузовиков до роверов нового поколения — YaC AI Edition уже доступен на Кинопоиске, VK Видео и YouTube.