Machinelearning

💡 Джек Кларк, сооснователь Anthropic, о современном ИИ «Мы похожи на детей в тёмной комнате. А то, что мы замечаем в темноте, — это мощные и непредсказуемые ИИ-системы. Кто-то утверждает, что ИИ — всего лишь инструмент, просто куча одежды на стуле. Но если убеждать себя, что “существо не настоящее”, проигрыш неизбежен». @ai_machinelearning_big_data

10 декабря — код, архитектура, AI в деле Сбер открывает двери в мир AI: 10 декабря — в Москве и онлайн. Что вас ждет? ⬩На сцене — доклады о развитии нейросетевых моделей GigaChat и Kandinsky, о ключевых этапах их разработки, практических достижениях и дальнейших перспективах развития; ⬩Гига Город — демо-стенды, постеры, инженерные споры, вопросы и тестирование архитектур; ⬩Воркшопы — повторяем решения инженеров, разбираем пайплайны и инструменты; ⬩Карьерный блок — разговоры с командами и открытые роли в AI-направлениях Сбера. Зачем идти? Чтобы увидеть, как строят AI-системы, задать вопросы инженерам и понять, куда движется AI в Сбере — и найти свое место в этом движении. Регистрируйтесь и проверьте AI-технологии в деле. Реклама. ПАО Сбербанк. ИНН 7707083893

✔️ Метаданные пользователей OpenAI API утекли через сервис Mixpanel. OpenAI раскрыла детали инцидента безопасности, произошедшего на стороне подрядчика — платформы аналитики Mixpanel. Злоумышленники получили доступ к системам вендора и экспортировали метаданные пользователей, работающих с API. В утечку попали имена, адреса электронной почты, User ID, ID организаций, сведения об используемых браузерах и ОС, а также примерная геолокация. OpenAI говорит, что критически важные данные остались в безопасности: пароли, сами API-ключи, платежная информация и промпты не скомпрометированы. Пользователей ChatGPT инцидент также не затронул. В ответ на нарушение периметра безопасности OpenAI отключила Mixpanel от своих продуктов и полностью прекратила сотрудничество. openai.com ✔️ Китайский бигтех переносит обучение ИИ за границу. Alibaba и ByteDance начали массово переводить обучение LLM в Юго-Восточную Азию. Цель миграции в Сингапур и Малайзию — получить легальный доступ к ускорителям Nvidia, прямые поставки которых в КНР заблокированы. Арена мощностей у зарубежных ЦОД формально не нарушает санкционный режим. Этот обходной путь стал безопасным после того, как администрация США отменила «правило распространения». Исключением остается DeepSeek, который продолжает тренировать модели внутри Китая, используя запасы карт Nvidia и сотрудничая с инженерами Huawei. В индустрии формируется гибридная архитектура: обучение выносится на зарубежные кластеры, а инференс все чаще переводится на локальные китайские чипы. ft.com ✔️ Alibaba представила умные очки Quark. Китайский техногигант запустил продажи смарт-очков Quark. Устройство, внешне неотличимое от стандартной оправы, работает под управлением модели Qwen. Стартовая цена гаджета составляет около $268. Инженеры сделали ставку на автономность и интеграцию с экосистемой: девайс оснащен сменными аккумуляторами, двойной оптикой и системой профессиональной съемки. Очки глубоко связаны с сервисами компании — пользователи могут использовать визуальный ассистент для мгновенного перевода, оплаты через Alipay и распознавания товаров для поиска цен на Taobao. reuters.com ✔️ Apple создает альтернативу диффузионным нейросетям. Apple опубликовала работу, предлагающую новый подход к генерации видео, способный потеснить диффузионные модели. Система STARFlow-V построена на архитектуре потоковой нормализации и обучается как единая модель для работы с текстом, картинками и видео. В отличие от диффузии, требующей множества итераций для денойза, STARFlow-V использует однократное обратимое отображение и строгую причинно-следственную логику. Глобальный блок модели работает авторегрессионно: генерация каждого нового латента зависит исключительно от предыдущих данных. Для оптимизации скорости вычислений применяется параллельные обновления Якоби, что дает качество уровня SOTA при более высокой стабильности генерации. starflow-v.github.io ✔️ AdvancedIF: жёсткий бенчмарк проверки LLM на следование сложным инструкциям. Лаборатория Марка Цукерберга разработала AdvancedIF - инструмент для выявления реальных пределов LLM в выполнении директив. Бенчмарк фокусируется на сценариях с высокой когнитивной нагрузкой: набор данных включает более 1600 промптов, каждый из которых содержит 6 одновременных условий: от требований к формату и стилю до негативных ограничений и перекрестных логических зависимостей. Помимо разовых запросов, AdvancedIF тестирует управляемость моделей через системные промпты и способность удерживать контекст в сложных диалогах. В качестве арбитра используется o3-mini, которая сверяет ответы модели с критериями, разработанными экспертами-людьми. Инструментарий поддерживает пакетную обработку, а сам датасет можно найти на Hugging Face. github.com @ai_machinelearning_big_data #news #ai #ml

📌This Is How We Are Going to Build AGI: CAIA Google рассказал о состоянии ИИ. Логан Килпатрик из команды DeepMind беседует с Кораем Кавукчуоглу, CTO DeepMind и по совместительству новым главным архитектором Google по искусственному интеллекту. Корай Кавукчуоглу рассказал о своих взглядах на текущее состояние ИИ, архитектуру Gemini и стратегию Google по достижению AGI. Он считает, что это «новая эра», где технологии стремительно меняются, и что ближайшие 6 месяцев обещают быть такими же захватывающими, как и предыдущие. Основные темы интервью: 🟡Успех Gemini 3 и подход к AGI Недавний запуск Gemini 3 получился суперпозитивным. Но прогресс не замедляется, и Gemini 3, подобно 2.5, снова «отодвинула рубеж по ряду измерений». Центральная философия Google в том, что AGI будет «совместно создаваться с нашими клиентами». Это не чисто исследовательская работа, проводимая в изоляции, а совместное усилие с миром, требующее инженерного мышления. 🟡Новый взгляд на прогресс и бенчмарки Несмотря на то, что модели Google достигают лидирующих позиций на бенчмарках, истинное мерило прогресса в реальном применении. Старые бенчмарки перестают определять текущий рубеж, и новая мера успеха — это предоставление большей ценности в реальном мире, где модели используют ученые, студенты, юристы и инженеры. 🟡Планы на будущее Приоритеты для улучшения в будущих версиях Gemini Pro: 🟢Следование инструкциям: Модель должна уметь понимать и выполнять запрос пользователя, а не просто отвечать так, как считает нужным. 🟢Интернационализация: Google сосредоточен на языках, где исторически производительность была невысокой. 🟢Функциональные и инструментальные вызовы: Это критически важные технические области, поскольку они позволяют моделям естественно использовать существующие инструменты. 🟢Код и агентские действия : Код - это база для создания чего угодно в цифровом мире. Корай считает, что агентские действия и код — это наиболее перспективные области роста, в которых еще есть много возможностей для совершенствования. 🟡Интеграция с продуктами и инновации Интеграция- важная тема для сбора фидбэка от пользователей, который необходим для понимания того, как нужно улучшать модели. Риск для Gemini заключается не в отсутствии масштабирования, а в исчерпании инноваций. Поэтому Google DeepMind и Google Research должны постоянно заниматься исследованиями, чтобы находить новые идеи, которые будут питать «двигатель ИИ» Google. 🟡Единство моделей и генеративные медиа Генеративные медиа-модели сходятся с текстовыми моделями. Яркий пример - Nano Banana Pro, которая показала, как слияние понимания мира из текста с пониманием из изображений позволяет модели создавать более детализированные и концептуально связные изображения, например, инфографику на основе сложных документов. Фоном идет история о личном пути Корая Кавукчуоглу : от исследователя Deep Learning в DeepMind в 2012 году до текущей руководящей роли. 🔜 Смотреть полное интервью на Youtube @ai_machinelearning_big_data #news #ai #ml

Анонсируем новый вебинар! 2 декабря расскажем про технологии против любых дипфейков: на изображениях, видео и аудио. ✨ Вы узнаете, как команда повышала точность детектора и какие проблемы приходилось решать при внедрении — глазами клиента и разработчиков. На вебинаре обсудим: ⚫️Трансформацию подходов к безопасности и коммуникациям ⚫️Когда голос обманывает: методы детекции аудиодипфейков ⚫️Как выявляют попытки обмана при онлайн‑идентификации А также эксперты MWS AI и MTC ID ответят на любые вопросы о дипфейках! Регистрируйтесь и приходите 🌨

INTELLECT-3 - новая мощная открытая модель от Prime Intellect Prime Intellect выкатили INTELLECT-3 - 106B Mixture-of-Experts модель, обученнfz на GLM-4.5 Air Base с двумя этапами: SFT и масштабным RL-дообучением. Это первая модель такого масштаба, где асинхронный RL - не эксперимент, а основа обучения. В результате модель демонстрирует сильный перформанс в математике, коде и reasoning. Фокус модели 0 это долгие цепочки действий и агентные задачи, а не просто генерация текста. Главное: - Модель показывает топ-результаты для своего размера в математике, коде и reasoning. - Обучение шло на 512×H200 в течение ~2 месяцев. - Использован собственный стек: PRIME-RL, Verifiers, Environments Hub и sandbox-инфра. - Всё открыто: код, среды, инструменты. 🟠Technical Report: https://storage.googleapis.com/intellect-3-paper/INTELLECT_3_Technical_Report.pdf 🟠Hugging Face: https://huggingface.co/PrimeIntellect/INTELLECT-3 🟠PRIME-RL: https://github.com/PrimeIntellect-ai/prime-rl 🟠Verifiers: https://github.com/PrimeIntellect-ai/verifiers 🟠Environments Hub: https://hub.primeintellect.ai @ai_machinelearning_big_data #ai #intellect3 #primeintellect #glm45

💡 Релиз Z-Image: быстрая 6B модель Команда Tongyi-MAI представила новую text-to-image архитектуру на 6 миллиардов параметров. Главное из отчета: * Оптимизация: Это дистиллированная модель, которой достаточно 8 шагов (NFE) для качественной генерации. * Скорость: Sub-second latency (менее 1 секунды) на H800. * Требования: Спокойно запускается на 16GB VRAM. Модель доступна для локального инференса на старших картах 3090/4080/4090. Моделька выделит высокий уровень фотореализма, точное следование инструкциям и рендеринг текста. 🔗 Демо: https://modelscope.cn/aigc/imageGeneration 🔗 Веса (Turbo): https://modelscope.cn/models/Tongyi-MAI/Z-Image-Turbo @ai_machinelearning_big_data #Tongyi #ai #genai #ml

🔥 Наши любимые петы: собственный инструмент для передачи файлов по Сети Когда-то интернет был другим. Возможно, более медленным и нестабильным, но куда более камерным и очаровательным. А его недостатки старались исправить разработчики-энтузиасты, которым было не всё равно. 👩‍⚕️ Александр Лукьянов, старший разработчик в Бригаде разработки функций и интеграций в Алисе и Умных устройствах, — один из таких первопроходцев. В 1996 году он начал работу над LFTP. Это прорывной для своего времени командно-строчный и скриптовый инструмент для передачи файлов по Сети. 🔶 Ссылка на гитхаб

Этим постом мы запускаем спецпроект «Наши любимые петы». В следующие недели мы продолжим рассказывать про личные проекты яндексоидов. Оставайтесь на связи!

🛎 А ещё мы открываем Call for Papers ваших петов. Если вы разрабатываете что-то для души и хотите поделиться этим с аудиторией Yandex for Developers — расскажите про ваш проект в этой форме. 📆 Мы будем собирать заявки до первой половины декабря, а после внимательно их прочитаем и выберем самые интересные и вдохновляющие петы. После Нового года мы свяжемся с их авторами и начнём публиковать посты про «питомцев» наших читателей. Подписывайтесь: 💬 @Yandex4Backend 📹 @YandexforBackend

🚀 DeepSeek Вернулись Компания выпустила DeepSeek Math V2 - прорывную модель для самопроверяемых математических рассуждений. Модель способна не просто решать задачи, а самостоятельно проверять корректность своих доказательств. Это шаг от генерации ответа к глубокому, надёжному и логически выверенному выводу. 📊 Результаты: - уровень золотой медали на IMO 2025 - почти идеальные результаты на CMO 2024 - 118 из 120 баллов на Putnam 2024 🔍 Главное отличие от предыдущих моделей: ИИ учится *мыслить строго*, пошагово формируя доказательство и сам проверяет логическую связность каждого шага. Модель остаётся компактной и может работать даже на одной GPU, без мощной инфраструктуры. Подходит как для автоматизированного решения задач, так и для обучения, генерации разборов и проверки решений. https://huggingface.co/deepseek-ai/DeepSeek-Math-V2 @ai_machinelearning_big_data #AI #DeepSeek #Math #LLM #MachineLearning #OpenSource #

⚡️ Qwen3-VL: выпустили технический отчёт по новой линейке VLM Опубликован tech report по Qwen3-VL - мультимодальным моделям, работающим с изображениями и текстом. Кратко : - Три модели собрали 1M+ загрузок за месяц. - Qwen3-VL-8B - более 2M скачиваний. - Линейка развивает идеи Qwen2.5-VL (2800+ цитирований). Что описано в отчёте: - Архитектура vision–language модели. - Процесс обучения: pretraining + post-training. - Источники данных и методы фильтрации. - Сравнения с другими VLM и ключевые метрики. 🔗 PDF: https://arxiv.org/pdf/2511.21631 🔗 Видео: https://www.youtube.com/watch?v=clwFmuJX_wQ @ai_machinelearning_big_data #Qwen #Qwen3 #QwenVL #Qwen3VL #LLM #AIModel

🍌 Awesome Nano Banana - лучшие промпты, стили, приёмы и полезные материалы для визуальных экспериментов. Всё собрано в одном репозиториит и аккуратно структурировано. Что внутри • промпты, которые реально дают сильные и выразительные результаты • коллекция визуальных стилей для разных задач • примеры, разборы и ресурсы, помогающие глубже понять механику Nano Banana • удобный набор ссылок, если хочешь расширять свой набор техник https://github.com/ZeroLu/awesome-nanobanana-pro @ai_machinelearning_big_data

Ноябрь — месяц One Day Offer в GigaChat и Kandinsky 📆 В ноябре команды двух топовых IT-продуктов Сбера планируют обрести новых классных коллег — DL Engineers и Researchers, чтобы вместе работать над GigaChat и Kandinsky: развивать, обучать и дообучать модели. Смотрите расписание One Day Offer и не упустите шанс присоединиться к крупнейшему AI-комьюнити. Целых восемь мероприятий, чтобы изменить свою карьеру и жизнь — выбирайте то, что подходит под навыки и цели, и регистрируйтесь!

✔️ Densing Law: эффективность LLM удваивается каждые 3,5 месяца. Университет Цинхуа опубликовал в Nature Machine Intelligence работу, декларирующую новый эмпирический закон развития ИИ - Densing Law. Согласно их данным, «плотность способностей» языковых моделей растет по экспоненте: количество параметров, необходимых для достижения фиксированного уровня качества, сокращается вдвое каждые 3,5 месяца. Как следствие, стоимость инференса падает в 2 раза каждые 2,6 месяца, что подтверждается рыночной динамикой цен на API (падение в 266 раз за неполные 2 года). Авторы прогнозируют скорый расцвет Edge AI: с учетом прогресса мобильных чипов, эффективная мощность моделей, способных работать локально на смартфонах и часах, теперь удваивается каждые 88 дней. nature.com ✔️ Власти Китая запретили ByteDance использовать чипы Nvidia. Администрация киберпространства Китая заблокировала возможность использования ускорителей Nvidia при развертывании новых вычислительных мощностей ByteDance. По данным The Information, материнская компания TikTok, ставшая в этом году крупнейшим закупщиком оборудования Nvidia в регионе, теперь располагает внушительными складскими запасами железа, которое невозможно пустить в дело из-за регуляторных ограничений. Этот запрет стал очередным шагом Пекина в кампании по снижению зависимости от американских технологий. Власти принудительно переориентируют техгигантов на использование отечественной продукции, продвигая решения от Huawei и Cambricon в качестве безальтернативной замены импортному кремнию. theinformation.com ✔️ Uber запустила в Абу-Даби сервис беспилотных такси. Столица ОАЭ стала четвертым городом в мире и первой локацией на Ближнем Востоке, где агрегатор начал массовую эксплуатацию роботакси. Технологическим партнером выступил китайский стартап WeRide: их автономные автомобили теперь курсируют в районе острова Яс и доступны для заказа в приложении через тарифы UberX и Uber Comfort. Хотя в США Uber уже возит пассажиров без водителей в Остине, Финиксе и Атланте, запуск в Абу-Даби знаменует начало масштабной глобальной экспансии. В ближайшие пять лет партнеры планируют вывести беспилотные авто WeRide на улицы еще 15 городов, включая европейский рынок. cnbc.com ✔️ LTX Studio представила инструмент для изменения сюжета внутри видео. Новая функция Retake в платформе LTX приносит точечный контроль в видео-продакшен, она умеет «переснимать» конкретные временные отрезки внутри ролика без потери общей целостности сцены. Технически это работает как темпоральный инпэйнт: модель перегенерирует выделенный фрагмент (от 2 до 16 секунд), жестко привязываясь к контексту соседних кадров для сохранения освещения, динамики и стиля. Это дает возможность менять реплики персонажей, корректировать актерскую игру или переписывать концовку сцены, оставляя остальной футаж нетронутым. Инструмент уже доступен всем пользователям платформы и через API. ltx.studio ✔️ Google DeepMind выложила в открытый доступ фильм-хронику создания AlphaFold. Google опубликовала на YouTube полную версию документальной ленты The Thinking Game. Картина, съемки которой заняли 5 лет, погружает зрителя во внутреннюю кухню лаборатории DeepMind и показывает эволюцию команды: от первых побед в стратегических играх до решения фундаментальной биологической проблемы с помощью AlphaFold. В центре сюжета не только технические прорывы, но и личная история сооснователя DeepMind Демиса Хассабиса, посвятившего жизнь созданию AGI. youtube.com @ai_machinelearning_big_data #news #ai #ml

🖥 Nvidia продает свои лопаты работягам @ai_machinelearning_big_data

⚡️ NVIDIA выложила DeepSeek V3.1 FP4 на Hugging Face Это квантованная версия DeepSeek V3.1, которая дает заметную экономию памяти и ускоряет работу при использовании TensorRT LLM. При этом модель сохраняет высокое качество генерации текста. https://huggingface.co/nvidia/DeepSeek-V3.1-NVFP4 @ai_machinelearning_big_data

«Я боюсь остаться без денег» Это всего лишь пшик. А реальный страх - прожить всю жизнь ниже уровня, которого точно можно было достичь И самым обидным может стать один простой ментальный затык, который просто нужно вовремя понять: 🧬🔑 Тревога как Трамплин - очень важное осознание для жизни и финансов P.S. Сильные идеи никого не ждут. Они просто выбирают других ;) @chiron

🌟 ZAYA1: первая MoE-модель, полностью обученная на стеке AMD. Есть устойчивое мнение, что серьезное обучение нейросетей возможно только на чипах одной известной компании. В Zyphra решили доказать обратное, и, в сотрудничестве с AMD и IBM провели эксперимент, который на практике доказал, что есть альтернатива. Стартап опубликовал техотчет и результат - модель ZAYA1. Это первая модель архитектуры MoE, обученная полностью на платформе AMD. Сеттинг проекта был действительно "красным": графические процессоры AMD Instinct, сетевые интерфейсы AMD Pensando и программный стек ROCm. ZAYA1 получилась довольно интересной. У неё 8.3 млрд. общих параметров, из которых активных всего 800 миллионов. Несмотря на компактность, в тестах она выглядит бодро. В ризонинге, математике и программирование ZAYA1 обошла Llama-3-8B и OLMoE. А по общим показателям встала в один ряд с Qwen3-4B и гугловской Gemma3-12B. Обучение проходило на кластере IBM Cloud, где модель переварила 14 трлн. токенов. Но дело не только в железе, в папйплайне использовали архитектурные инновации: 🟢Новый механизм внимания - Compressed Convolutional Attention. Он использует свертки внутри блока внимания, это снизило нагрузку на вычисления и память. 🟢Переделали маршрутизатор MoE. Вместо стандартного линейного роутера, ZAYA1 использует сложную последовательность операций, что заставляет "экспертов" внутри нейросети специализироваться гораздо лучше. 🟢Residual Scaling. Добавили обучаемые скалярные гейты в остаточный стрим на выходы каждого блока, чтобы модель контролировала степень забывания. ⚠️ Для запуска инференса потребуется ветка zaya форка transformers из репозитория Zyphra. 📌Лицензирование: Apache 2.0 License. 🟡Статья 🟡Модель 🟡Arxiv @ai_machinelearning_big_data #AI #ML #LLM #MoE #Zyphra

⚠️Что видит камера, когда за ней стоит нейросеть?  📌Узнайте на открытых вебинарах курса «Компьютерное зрение» —  мы подготовили 3 актуальные темы для 2026 года в компьютерном зрении, а преподаватели ответят на все ваши вопросы 💎Вебинар 1: Механика обучения: как нейросеть находит правильные веса ⏰3 декабря в 20:00 мск На вебинаре узнаете: • Как нейросеть «чувствует» ошибку и корректирует себя • Почему выбор функции потерь и оптимизатора критически влияет на результат обучения • Как устроено обучение в компьютерном зрении «на пальцах» 💎Вебинар 2: PyTorch с нуля: работа с тензорами и обучение нейросетей ⏰8 декабря в 20:00 мск На вебинаре узнаете: • Основы работы с тензорами: создание, преобразования, GPU-ускорение и взаимодействие с NumPy • Архитектуру простой нейросети в PyTorch • Полный пайплайн обучения на MNIST 💎Вебинар 3:  Следим и считаем людей на видео ⏰18 декабря в 20:00 мск На вебинаре узнаете: • Как применять современные нейросетевые трекеры для решения реальных задач, таких как обнаружение и отслеживание объектов на видео • Какую статистику и метрики можно вывести из трекинг-данных • Где и для чего применяется нейросетевой трекинг на практике, и для чего он нужен бизнесу Регистрация на вебинары ➡️ OTUS.RU #реклама О рекламодателе

📊 Google стала главным двигателем роста S&P 500 в 2025 году Alphabet в одиночку дала 19.4% всего роста S&P 500, это около $1.3 трлн рыночной капитализации. Nvidia добавила 16.0% еще $1.05 трлн, индекс теперь почти напрямую следует за AI гигантами. Broadcom и Microsoft внесли 7.8% и 5.7%, а остальные компании из топ 10 еще 10.6%. Итог: топ 10 компаний показывают 59.4% всего роста рынка тогда как остальные 490 лишь 40.6%. S&P 500 все меньше отражает состояние экономики и все больше коррелирует с узким сегментом крупнейших AI корпораций. https://x.com/KobeissiLetter/status/1993359777062436902 @ai_machinelearning_big_data

«Я боюсь остаться без денег» Это всего лишь пшик. А реальный страх - прожить всю жизнь ниже уровня, которого точно можно было достичь И самым обидным может стать один простой ментальный затык, который просто нужно вовремя понять: 🧬🔑 Тревога как Трамплин - очень важное осознание для жизни и финансов P.S. Сильные идеи никого не ждут. Они просто выбирают других ;) @chiron