Machinelearning

У Дарио Амодеи очень жёсткая позиция: Китай не должен получить доступ к типовому ИИ. Его цитата:

«Это вопрос национальной безопасности США... Здесь всё предельно ясно, а контраргументы против этого выглядят подозрительно».

Полное интервью: https://www.youtube.com/watch?v=n1E9IZfvGMA @ai_machinelearning_big_data

Идём на AI Hardcore Day в офис Авито на Лесной 11 июля! 🤩 Будем слушать доклады о Spec-Driven Development, разработке и тестировании MCP, атаках на GenAI-агентов. А после — нетворкать на террасе. ⚡ Регистрация и подробности — по ссылке. Кстати, доклады будут не под запись — советуем не пропускать!

Аудит счетов клиентов Anthropic выявил ошибки в инвойсах: около $1,7 млн были ошибочно начислены сверх нужной суммы. Лора Брэттон из The Information объясняет, как такое могло произойти: «Возможно, AI-агент продолжал повторять задачу, которую выполнял неправильно, а клиент не замечал, что агент снова и снова делает новые попытки. И за каждую из этих попыток ему продолжали начислять оплату». @ai_machinelearning_big_data

❤️❤️❤️❤️❤️❤️❤️❤️❤️❤️ 16 июля стартует Yandex AI Studio Series Summer Edition — событие для разработчиков, ML/ИИ-инженеров, продуктовых менеджеров и бизнес-аналитиков, которые создают ИИ-агентов и комплексные системы автоматизации. Эксперты Яндекса разберут лучшие практики разработки ИИ-приложений корпоративного уровня и покажут, как довести идею до рабочего решения. В программе — управление контекстом и памятью в агентских API, создание голосовых агентов на Realtime API, разработка ИИ-ресёрчера с поиском в интернете и по базе знаний, а также построение мультиагентских систем для end-to-end автоматизации процессов. Участников ждет две недели, насыщенных контентом: — PRO-вебинары с разбором архитектуры современных ИИ-систем; — практические кейсы по работе с LLM, агентскими API и инструментами, MCP; — интенсивы для самостоятельной практики и закрепления знаний; — обзор новых возможностей Yandex AI Studio и планов развития платформы; — архитектурные доклады и воркшоп от ведущих разработчиков. Лучший способ разобраться в современных ИИ-инструментах — увидеть, как их применяют на реальных проектах. Присоединяйтесь к Yandex AI Studio Series и регистрируйтесь на событие.

🧠 Серый рынок Claude в Китае В Китае набирают популярность API transfer stations — прокси, которые продают доступ к Claude за 5-10% от официальной цены. Схема простая: пользователь отправляет промпт не в Anthropic, а на промежуточный сервер. Прокси гонит запрос через зарубежные аккаунты Claude, возвращает ответ и принимает оплату через WeChat или Alipay. Дешевизна берётся не из скидок Anthropic. Там фарм аккаунтов, бесплатные кредиты, шаринг подписок, перепродажа квот, серые платёжные схемы и иногда совсем грязные источники. Для пользователя риск очевидный - он покупает «дешёвый inference», но отдаёт неизвестному посреднику код, промпты, ответы, tool calls и рабочие данные. Прокси может подменить модель, накрутить токены или собрать всё это в датасет. Для Anthropic проблема ещё хуже. KYC, баны и abuse-monitoring начинают видеть не реального пользователя, а слой прокси. Один аккаунт можно забанить, но сама цепочка доступа остаётся живой. Так вокруг закрытых frontier-моделей появляется теневой рынок: аккаунты, платежи, маршрутизация, ресейл inference и сбор данных под видом дешёвого API. https://www.chinatalk.media/p/how-to-buy-cheap-claude-tokens-in

⚡️ OpenAI могла называться совсем иначе В сеть разошёлся старый email от 23 ноября 2015 года, где Грег Брокман обсуждает с Илоном Маском и Сэмом Альтманом варианты названия будущей OpenAI. Среди идей были: • Axon • AI Summer • Difference Engine Особенно забавно смотрится AI Summer. Сегодня это звучит почти как название конференции, а не компании, которая стала одним из главных игроков в ИИ. Difference Engine выглядело бы красиво для фанатов истории вычислений, но слишком тяжеловесно для массового бренда. https://x.com/TechEmails/status/2071254764558676130

LLM в поддержке: от шаблонов к точной работе с документами компании ✅ На открытом уроке разберём, как устроены современные решения на базе LLM, почему они не просто генерируют текст, а используют знания компании для подготовки ответов, и как такие инструменты помогают ускорять обработку обращений. На практических примерах покажем, как документы превращаются в базу знаний для ИИ, как происходит поиск информации по запросу клиента и каким образом LLM помогает оператору поддержки готовить ответы. Также поговорим о том, как подобные решения применяются в бизнесе уже сегодня. Урок пройдёт 6 июля в 20:00 МСК в преддверии старта курса «LLM-инженер». Это возможность познакомиться с современным подходом к созданию интеллектуальных сервисов, задать вопросы эксперту и понять, как внедрять подобные решения в реальные процессы компании. ➡️ Регистрация открыта: https://otus.pw/vn5P/?erid=2W5zFHNdyn1 Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🧠 Meta* показала Brain2Qwerty v2 — чтение текста из мозга без вживления электродов AI at Meta анонсировала вторую версию пайплайна, который восстанавливает напечатанный текст напрямую из мозговой активности, не вскрывая череп. Первая версия только что вышла в Nature, v2 — продолжение той же линии. v1 работала на уровне символов: модель угадывала отдельные клавиши по сигналу MEG. v2 поднялась на уровень слов и смысла - декодит не «буквы по одной», а семантику фраз, и делает это в реальном времени, end-to-end, из сырого сигнала. Это и есть качественный скачок, а не просто +X% к точности. Цифры, которые стоит знать (по v1, из Nature). С магнитоэнцефалографией (MEG) средняя ошибка на символах около 29–32%. С дешёвой и носимой ЭЭГ - 67%, то есть пока почти неюзабельно. Отсюда и главное ограничение: рабочая точность держится на громоздком неносимом MEG-сканере, а не на бытовом устройстве. Метод неинвазивный, но это лабораторная история: MEG стоит как небольшая квартира, требует экранированной комнаты и неподвижной головы. До «гарнитуры дома» отсюда далеко. Адресат - люди с поражениями мозга и неврологическими нарушениями, потерявшие речь. Для них даже несовершенный неинвазивный канал коммуникации - это много. Что Meta пока не раскрыла по v2: точность, скорость набора, размер словаря, работает ли это всё ещё только на MEG. Заявка громкая («самый результативный end-to-end декодер»), но проверяемых метрик второй версии в публичном анонсе нет. https://ai.meta.com/blog/brain2qwerty-brain-ai-human-communication/ *признана экстремистской и запрещена в России.

✔️ Google реорганизует команду ИИ-кодеров Команда по разработке ИИ для кодинга станет постоянной структурой. Подразделение займет место между этапами pre-training и post-training и возьмет на себя расширение возможностей моделей в программировании. Причина реструктуризации в отставании от Anthropic в сегменте ИИ для кодинга. Google ошибочно полагала, что базовые LLM освоят программирование автоматически без выделенного обучения. В результате инструмент Antigravity оказался проблемным, разработчики раскритиковали Gemini 3.5 Flash за высокую цену, а релиз флагманской Gemini 3.5 Pro до сих пор не состоялся. @ai_machinelearning_big_data #news #ai #ml

⚡️ На ФКН НИУ ВШЭ и ФПМИ МФТИ идет набор на магистратуры по разработке умных устройств Совместные программы с Яндексом для тех, кто хочет работать на стыке железа и ML. Что будет в программе: • Разработка встроенного ПО под ограниченные ресурсы • Интеграция ML-моделей • Проектирование и прототипирование умных устройств • Практика на реальных технологиях Яндекса Чем нравится магистратуры. Будете учиться у инженеров команды Алисы и Умных устройств. Задачи будут из реальной индустрии, а не учебные кейсы. Актуально выпускникам технических специальностей, которые смотрят в сторону робототехники. Узнать всю информацию о поступлении можно по ссылке

✔️ Власти США разрешили избранным американским компаниям использовать Mythos Список допущенных корпораций не раскрываются, но известно что их число около 100. Это разрешение стало первым послаблением после введения госконтроля над распространением продуктов Anthropic. Правительство классифицирует Mythos как технологию двойного назначения, поэтому доступ предоставляется выборочно и только внутри страны. По словам Министра торговли США, Anthropic согласилась сотрудничать с властями по протоколам, стандартам и выпуску своих моделей. В Anthropic уточнили, что компания продолжит работать над расширением доступа к Mythos 5, а также над снятием запрета с Fable 5. @ai_machinelearning_big_data #news #ai #ml

✔️ DeepSeek выложила DSpark - новый метод speculative decoding для V4 Flash и V4 Pro. Заявленный прирост throughput: от 51% до 400% в зависимости от модели и случаев использования. Смысл speculative decoding простой: маленькая или более быстрая модель заранее предлагает несколько следующих токенов, а основная модель проверяет их пачкой. Если предсказание совпадает, генерация идёт быстрее, потому что дорогих проходов большой модели становится меньше. DeepSeek показывает ускорение не только на своих V4 Flash и Pro, но и на других моделях, включая Gemma и Qwen. Это потенциально довольно полезный inference-подход для разных open-weight моделей. Для продакшена это важная история. Если качество ответа остаётся близким, а throughput растёт в разы, можно обслуживать больше запросов на том же железе или снижать стоимость генерации. GitHub: https://github.com/deepseek-ai/DeepSpec Paper: https://github.com/deepseek-ai/DeepSpec/blob/main/DSpark_paper.pdf HF: https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro-DSpark

📌 Могут ли LLM переписать софт с нуля? Epoch AI совместно с METR собрала бенчмарк MirrorCode, который проверяет, способны ли современные модели восстановить полноценное приложение, не видя его исходников. Спойлер: на мелочи да, на крупных проектах пока нет. 🟡Механика Агенту показывают 25 целевых программ, от Unix-утилит и криптографии до биоинформатики, интерпретаторов и статических анализаторов и ставят задачу написать их заново на одном из 6 языков (Python, C, Rust, Go, OCaml, Ada). Доступ к оригиналу дают только на запуск: можно гонять бинарник, смотреть в документацию и смотреть выводы, но не читать код. Решение проверяется сквозными тестами на байт-точное совпадение stdout/stderr, причём часть тестов скрыта от модели, чтобы исключить захардкоженные lookup-таблицы. Что важно, дают щедрый вычислительный бюджет. Моделям разрешают шикануть вплоть до 10 миллиардов токенов на крупный таск.

На самом дорогом прогоне агент работал 19 дней и сжёг $2 600, полностью без участия кожаного вообще.

🟡Результаты 🟢Claude Opus 4.7 - 56% идеальных решений и единственный, кто закрыл задачи категории Large.

В частности, он переписал gotree (биоинформатический тулкит на 16 000 строк Go) за 14 часов и $251, пройдя 2000 из 2001 тестов. Авторы говорят, что инженеру без ИИ на это потребовалось бы от 2 до 17 недель.

🟢GPT-5.5 - 44%. На задачах, где он всё-таки добирался до близкого к идеалу решения, выходил в среднем в 2 раза дешевле Opus. 🟠Gemini 3.1 Pro Preview - 32%. Простые утилиты (uuidparse, qsv_select или hexyl) модели разбирают уверенно, там почти всегда 100%. Даже когда финальный результат не идеален, агенты обычно проходят больше 90% тестов. 🟡Где спотыкаются Самая массовая категория ошибок - пограничные случаи: около 40% запусков Opus 4.7 проваливают хотя бы один скрытый тест из-за пропущенной мелочи. Дальше идут решения, заточенные под видимые тесты, преждевременная сдача и пропуск целых фич, которые есть в документации, но не в тестах. Попытки читерить хардкодом. У GPT-5.5 это случилось в 24% запусков, у Gemini - в 31%. Opus 4.7 в финальных сабмитах не схитрил ни разу. Самый крепкий орешек - питоновский линтер ruff. Лучший запуск на скрытых тестах вытянул только 67%. Похожая история с математическим пакетом giac_subset и библиотекой mailauth для email-аутентификации. 🟡Странности экономики GPT-5.5 решает задачи примерно в 3 раза дороже, чем GPT-5, а Opus 4.7, наоборот, в 3 раза дешевле, чем Opus 4.1. 🟡Меморизация Все таргеты опенсорсные и модели вполне могли видеть их во время обучения, поэтому прогнали отдельный тест, где модели восстанавливали функции по имени и потом сравнили с реальным кодом. Следы меморизации нашлись у 17 из 25 программ. Но при этом модели успешно решали незнакомые по обучению программы (nonogrid и tssql) и проваливали известыне (sed, ruff), так что меморизация явно не повод для скепсиса. 🟡Вывод Агенты умеют автономно работать сутками и пилить проекты, которые у человека заняли бы недели, но для этого нужна жёсткая спецификация в виде эталона и тестов. Без чёткого фидбек-сигнала и на действительно крупных кодовых базах всё пока сыпется. По меркам бенчмарков прогресс внушительный, по меркам полной автономии - ещё рано. Авторы выложили в опенсорс обвязку агента и 22 таргета, оставив 3 в приватном тестовом наборе. 🟡Техотчёт 🖥Github @ai_machinelearning_big_data #AI #ML #LLM #Benchmark #MirrorCode #EpochAI

Сидеть и работать в корпорации — страшно, жизнь-то мимо проходит. Уходить строить бизнес — страшно, а вдруг прогорит. Один из вариантов — разрабатывать свой пет-проект по вечерам. Многие успешные компании, например, Twitter, создавались именно так. Это не значит, что ваш проект обязательно заработает миллиарды, но заработать больше, чем в найме, и получить ценный опыт — вполне реально. Перед началом разработки появляется множество вопросов, например: – Как выбрать идею для пет-проекта? – Что нужно знать про маркетинг? – Как запуститься и довести до первых продаж не имея бюджета на рекламу? В телеграм-канале «Твой пет проект», Михаил Табунов делится своим опытом с разработчиками и менеджерами. Он рассказывает, где искать идею для нового проекта, что нужно знать о маркетинге, как запустить стартап и привлечь первых 10 клиентов, а также о многих других важных вещах. Подписывайтесь на «Твой пет проект», получайте пользу от практиков рынка! Реклама. ИП Табунов Михаил Валерьевич ИНН 773379585100. erid: 2VtzqunmRFf

✔️ ЕС сделает открытую LLM в рамках технологического суверенитета Итальянская компания Domyn (ранее iGenius) разработает модель на 400 млрд параметров. Проект реализуют совместно с консорциумом EUROPA при поддержке Еврокомиссии. Релиз запланирован в течение года. Модель обучат с нуля. Датасет соберут при участии европейских правительств, первые соглашения о доступе к данным ожидаются в ближайшие недели. Проект будет открытым для локального развертывания на серверах компаний и госсектора. Инициатива направлена на достижение технологического суверенитета ЕС. Разработка идет на фоне регуляторных и геополитических ограничений - ранее Италия и Чехия запретили облачное использование моделей DeepSeek, оставив легальным только локальный хостинг, а бизнес столкнулся с экспортным контролем США. reuters.com ✔️ Qualcomm выходит на рынок дата-центров Производитель мобильных чипов анонсировал серверный ИИ-процессор Dragonfly C1000 и покупает стартап Modular за $4 млрд. Чип оптимизирован для работы с ИИ-агентами с фокусом на энергоэффективность. Первым крупным заказчиком процессоров выступит Марк Цукерберг, он планирует развернуть оборудование на базе Dragonfly C1000 в 2028 году. Покупка Modular должна усилить программный багаж Qualcomm. Стартап разрабатывает софт для инференса моделей поверх различных аппаратных архитектур. Сделка дополнит серверные ИИ-ускорители компании единой экосистемой для разработчиков. cnbc.com ✔️ Sakana AI представила симулятор для оценки бизнес-стратегий LLM Японский ИИ-стартап совместно с KPMG разработали CoffeeBench, симулятор кофейной цепочки поставок для оценки экономических навыков агентов. Тестируемая LLM управляет компанией-обжарщиком, а остальных участников рынка (фермеров, ритейлеров) отыгрывает Sonnet 4.6. В течение 90 виртуальных дней агент ведет торги, оплачивает счета и управляет кредитами. Ежедневные издержки обязывают модель активно торговать для предотвращения банкротства. По итогу теста, GPT-5.5 и Opus 4.7 активно расширяли продажи, Gemini 3.1 Pro использовала пассивную тактику, Kimi K2.6 заключала убыточные сделки, а Haiku 4.5 обанкротилась из-за постоянного переноса действий на следующий день. Код проекта и логи испытаний - в открытом доступе, а сам проект принят на ICML 2026. sakana.ai ✔️ ИТ-гиганты защитят опенсорс от ИИ-атак Linux Foundation запустила инициативу Akrites для защиты открытых проектов от атак нового поколения. В альянс вошли более 20 компаний, включая Amazon, Google, Microsoft, OpenAI и Anthropic. Цель - устранение уязвимостей в критическом ПО до того, как их найдут с помощью ИИ. Центром проекта станет общая команда реагирования на инциденты, которая будет фильтровать баг-репорты, координировать патчи и выступит единой точкой контакта для мейнтейнеров. Оценка уязвимостей и обмен данными опираются на стандарты CVE, CVSS и протокол TLP. Отчеты получают максимальный уровень секретности до релиза исправления, которое интегрируется в репозиторий на условиях разработчиков. Если критически важный пакет заброшен авторами, команда Akrites выпустит обновление самостоятельно. akrites.org ✔️ Калифорния создала первый в США трекер увольнений из-за ИИ Департамент развития занятости штата совместно с UCLA запустил первый в США инструмент, который отслеживает увольнения, вызванные внедрением ИИ. Трекер ежемесячно анализирует статистику заявок на пособия по безработице в профессиях с высоким риском автоматизации. Данные будут использовать для программ переобучения и помощи специалистам в поиске новой работы. Массовых сокращений в масштабах всего штата дашборд пока не фиксирует. При этом данные показывают рост числа безработных специалистов с высшим образованием после релиза ChatGPT в 2022 году. Сильнее всего эта динамика заметна в Сан-Франциско. gov.ca.gov @ai_machinelearning_big_data #news #ai #ml

OpenAI показала GPT-5.6 Sol. Это новый флагман в линейке GPT-5.6. Вместе с ним идут Terra — более сбалансированная модель для повседневной работы, и Luna — быстрый и дешёвый вариант. Главный фокус Sol: сложные агентные задачи, кодинг, биология и кибербезопасность. Появляются два важных режима: • max — больше времени на глубокое рассуждение • ultra — работа через субагентов для сложных процессов Пока GPT-5.6 доступен только в ограниченном preview для доверенных партнёров через API и Codex. Более широкий запуск в ChatGPT, Codex и API обещают позже. Коротко: OpenAI двигает модели не просто к «умнее отвечает», а к «дольше думает, планирует и делает сложную работу». https://openai.com/index/previewing-gpt-5-6-sol/

📌 Ai2: Гибридные модели и трансформеры по-разному работают с текстом Институт Аллена опубликовал работу, в которой выяснили, как архитектура моделей влияет на понимание текста. Спойлер: гибридные модели лучше улавливают смысл, а классические трансформеры точнее копируют данные. Для эксперимента взяли 2 собственные языковые модели - Olmo 3 и Olmo Hybrid. Обе обучались абсолютно одинаково, отличалось лишь их внутреннее устройство. 🟢Olmo 3: классический decoder-only трансформер 🟠Olmo Hybrid: гибрид c чередованием слоев RNN и трансформеров в пропорции 3:1

Трансформеры используют механизм внимания на каждом слое. Модель может напрямую обращаться к любому из предыдущих токенов. Это требует вычислительных мощностей, зато позволяет идеально цитировать прочитанное.

Гибрид сохраняет несколько слоёв внимания, а остальные заменяет рекуррентными. Они читают текст строго слева направо и сохраняют его в виде сжатой памяти. Такая память не даёт точно обратиться к конкретному предыдущему токену, зато затраты на обработку остаются постоянными независимо от длины текста.

Чтобы измерить разницу, обеим моделям подавали статьи, страницы Wikipedia, книги, научные работы, а также код на Python, HTML и LaTeX. На выходе фиксировали, насколько точно каждая модель предсказывает следующий токен. 🟡Результат Гибрид лучше предсказывает смысловые слова (существительные, глаголы и прилагательные). Он также превосходит чистый трансформер там, где нужно глубокое понимание контекста. Но его преимущество почти исчезало в случаях, когда дело доходит до точного цитирования. Чем длиннее был повтор, тем меньше становился разрыв. Здесь точнее оказывался трансформер.

В дополнительном прогоне с 3-мя моделями на 1В параметров (трансформером, гибридом и чистой рекуррентной моделью без внимания), выяснилось, что гибрид пасует перед точным повторением текста и закрывающими скобками в коде.

🟡Выводы Первый: единый усреднённый показатель ошибки слишком груб для сравнения архитектур - различия видны только при разборе отдельных типов токенов. Второй: преимущество гибрида на смысловых словах связано со способностью RNN-слоёв отслеживать меняющееся состояние текста. @ai_machinelearning_big_data #AI #ML #LLM #Research #Ai2

✔️ На OpenRouter появилась Fugu Ultra OpenRouter добавил возможность запуска мультиагентной системы Fugu Ultra, которая по словам Sakana Ai обошла Fable 5 в кодинге на бенчмарках.

Это специализированная LLM для маршрутизации и координации задач между GPT-5.5, Gemini 3.1 Pro и Claude Opus 4.8.

Fugu Ultra поддерживает окно контекста в 1 млн токенов, вызов внешних инструментов и мультимодальность. Максимальная длина генерации - 128 тысяч токенов. Биллинг формируется из базового тарифа маршрутизатора ($5 за 1 млн токенов ввода и $30 за вывод) и суммарной стоимости задействованных моделей. Для контроля расходов можно самостоятельно ограничивать глубину рассуждений и лимиты токенов через настройки API. @ai_machinelearning_big_data #news #ai #ml

Как компании внедряют и масштабируют AI-решения в своей ИТ-среде? Об этом будут говорить на конференции IT Elements 2026, которая пройдет 9–10 сентября в Москве. Участников ждут реальные кейсы использования AI в корпоративной среде, обсуждение работы с данными, инфраструктуры для современных цифровых сервисов и платформенных подходов к развитию ИТ. Если вам интересен не очередной обзор возможностей нейросетей, а опыт компаний, которые уже внедряют AI в рабочие процессы, стоит присмотреться к программе конференции. Кому будет интересно: 🔹 ИТ- и ИБ-директорам 🔹 Командам по данным, ML и AI 🔹 Руководителям инфраструктуры, платформ и эксплуатации 🔹 Сетевым инженерам и архитекторам 🔹 Экспертам и спикерам Формат — офлайн в Москве и онлайн. Регистрация уже открыта. Участие бесплатное. 📆 Ждем Вас на главном событии этой осени. 💙

✔️ Альянс Pax Silica расширяется до 24 стран Страны ЕС присоединились к американской инициативе Pax Silica по защите глобальных цепочек поставок для ИИ. На очереди - Казахстан, Аргентина, Чили, Коста-Рика и Панама. Вместе с ними число стран-участниц достигнет 24. Проект охватывает добычу редкоземельных металлов, производство чипов и энергетическую инфраструктуру. США инициировали коалицию на фоне технологической конкуренции с Китаем. Среди первых заявленных шагов - создание зоны экономической безопасности в Казахстане для стабильной добычи минералов под аппаратную базу ИИ. ft.com ✔️ Власти США впервые превентивно вмешались в релиз коммерческой модели Белый дом потребовал от OpenAI ограничить публичный релиз GPT-5.6 из соображений безопасности. Это первый прецедент вмешательства властей в запуск коммерческой ИИ-модели. Доступ к системе получит только узкий круг одобренных правительством компаний. Инициатива исходит от профилных ведомств Администрации США. Властям нужна пауза для разработки стандартов тестирования и оценки защищенности LLM. Сэм Альтман подтвердил ограниченный формат релиза и готовность сотрудничать с регуляторами. По неподтвержденным данным, часть корпоративных клиентов OpenAI уже тестирует модель, а её публичный релиз планировался на 2 июля. axios.com ✔️ Microsoft расширила возможности Copilot для Excel Обновление ассистента для редактора таблиц принесло поддержку Skills. Алгоритмы работы ИИ теперь задаются через Markdown-файлы вместо текстовых промптов, а сам Copilot выполняет инструкции с сохранением исходной структуры и форматирования таблиц. Также в Excel добавили коннекторы для загрузки данных в реальном времени из платформ PitchBook, FactSet и Morningstar. Для контроля вычислений появилась функция Plan with Copilot, которая показывает планируемые изменения формул и диапазонов ячеек до выполнения команд. Поддержка Skills доступна в тестовом канале Insiders, глобальный релиз запланирован на следующий месяц, а партнерские интеграции появятся в 3 квартале 2026 года. microsoft.com ✔️ Модели Topaz Labs станут частью экосистемы Adobe Adobe покупает разработчика ИИ-апскейлеров Topaz Labs. Сделка закроется во второй половине 2026 года. Компания интегрирует модели Astra (для видео) и Wonder (для изображений) в Firefly и профессиональные редакторы. Основной технический актив поглощения - экспертиза Topaz в запуске ресурсоемких сетей для обработки медиа на потребительских GPU. Перенос этих алгоритмов в экосистему Adobe расширит возможности локального апскейлинга при видеомонтаже и фоторедактуре. Самостоятельные сервисы и продукты Topaz останутся доступны. adobe.com ✔️ Grok превратился в платформу генерации NSFW-контента Более 50% трафика ИИ-системы от xAI связано с взрослым контентом, ролевыми чатами и генерацией откровенных видео. По оценкам бывших сотрудников компании, такие запросы идут даже к кодинг-моделям. xAI занимает нишу с лояльной модерацией, которую избегают OpenAI, Anthropic и Google. Согласно документам SpaceX, за 1 квартал этого года года Grok сгенерировал 10 млрд изображений и 2 млрд видеороликов. Внутри компании сотрудники недовольны тем, что вместо фундаментальной работы над ИИ они обслуживают NSFW-трафик. Плюс растут репутационные риски - из-за отсутствия фильтров пользователи генерировали дипфейки реальных людей, а xAI ввела ограничения только под давлением регуляторов. theinformation.com @ai_machinelearning_big_data #news #ai #ml