Анализ данных (Data analysis)

Хочешь попасть в Яндекс или прокачать ML? Data Dojo — это не лекции, а разбор реальных задач из ML-соревнований и общение с экспертами Яндекса. Здесь ты прокачаешь навыки, найдёшь команду и выйдешь на новый уровень — как настоящий data-самурай. Нетворкинг, карьерные инсайты и задачи, которые решают топы — всё в одном месте. Встреча ML-комьюнити Data Dojo: — общение с руководителями команд — реальные кейсы из ML — новые карьерные возможности Это не просто встреча — это шанс выйти на следующий уровень, прокачаться в ML и получить карьерную консультацию от экспертов Яндекса. Подай заявку бесплатно и начни свой путь data-самурая уже 9 сентября! Записаться онлайн #реклама 16+ yandex.ru О рекламодателе

Вайбкодеры подводят итоги работы 😂

Google Research показала PhotoScan, исследовательскую ИИ-систему, которая по обычным фото человека спереди и сбоку оценивает состав тела и риск инсулинорезистентности. Модель смотрит не только на общий процент жира, но и на его распределение: соотношение жира в области живота и бедер, а также висцерального и подкожного жира. Именно эти показатели могут дать больше информации о метаболическом здоровье, чем один BMI. PhotoScan предварительно обучили на данных более 35 тысяч участников UK Biobank, а затем дообучили на 677 людях с реальными фотографиями со смартфона и результатами DXA. На независимой выборке система определяла процент жира со средней ошибкой около 2,13 процентного пункта. Для выявления инсулинорезистентности модель с PhotoScan получила AUROC 0,760 против 0,773 у клинического DXA-сканирования. То есть несколько фотографий со смартфона в эксперименте приблизились по информативности к дорогому медицинскому сканированию. Но пока это именно исследовательский прототип, а не инструмент для самостоятельной диагностики. https://research.google/blog/seeing-beyond-bmi-estimating-cardiometabolic-risk-with-smartphone-imagery/

Обучение Anthropic Mythos 2 завершено, но Anthropic не собирается его выпускать. По словам Пателя, внутренний цикл разработки, который уже работает над Mythos 3, не остановлен. Сейчас основной фокус компании - на внутренних улучшениях. Когда появятся какие-либо публичные релизы, пока неясно.

Cursor запустил свой GitHub. Теперь код можно хранить прямо внутри Cursor Новый сервис называется Origin. Он уже начал появляться в ранней бете у пользователей платных тарифов. Внутри есть репозитории, pull request'ы, просмотр кода и синхронизация с GitHub. (Cursor) Существующий репозиторий можно подтянуть из GitHub, при этом GitHub останется источником истины. Изменения синхронизируются в реальном времени, а комментарии к PR работают в обе стороны. (Cursor) Самое интересное здесь не Git-хостинг как таковой. Cursor постепенно собирает весь цикл разработки в одном месте: код, PR, CI/CD и AI-агенты. Агент уже может работать с открытым репозиторием, менять код, обновлять PR и пушить отдельные ветки. (Cursor) Для Origin уже доступны интеграции с Vercel, Depot и Buildkite. Например, Vercel может автоматически поднимать preview для каждого PR, а CI запускаться через существующие GitHub Actions workflow. (Cursor) Пока это early beta, но направление понятное: Cursor хочет быть не просто редактором с AI, а полноценной платформой разработки вокруг AI-агентов. https://cursor.com/changelog/origin-code-hosting

💰 NVIDIA начала финансировать спрос на собственные GPU OpenAI арендует огромный AI-кампус в Огайо, который строит SB Energy. NVIDIA инвестирует $1,5 млрд и помогает снизить стоимость финансирования проекта. Схема интересная: SB Energy строит площадку, OpenAI платит по мере ввода мощностей, а NVIDIA получает эксклюзивное размещение своего AI-железа. То есть NVIDIA конкурирует уже не только FLOPS и ценой чипов - она помогает клиентам финансировать инфраструктуру под свои же GPU. Риск тоже есть: если спрос OpenAI ослабнет, NVIDIA может одновременно получить давление и на продажи GPU, и на стоимость поддержанной инфраструктуры.

⚡️ OpenAI открыто троллят Anthropic. С одной стороны, они её публично подкалывают, с другой, делают всё возможное, чтобы их продукты были сильнее конкурента. Через шесть недель у OpenAI пройдёт день для разработчиков, и, похоже, там готовят крупный анонс. https://x.com/ajambrosino/status/2089131997784580398

🔥 Архитектуру LLM можно «сломать» для длинного контекста ещё до того, как началось обучение на длинном контексте Исследователи Ai2, CMU и University of Washington обучили 26 сопоставимых моделей на 7B параметров. Данные, токенизатор и способ расширения контекста оставили одинаковыми, меняли только четыре архитектурных решения: QK normalization, GQA, sliding-window attention и длину контекста на этапе pretraining. По отдельности почти каждое изменение вредило совсем немного. Но вместе эффект резко усиливался. На HELMET при 32K контексте результаты моделей разошлись от 56,4 до 29,9 балла, хотя на обычных коротких eval-тестах разница почти не проявлялась. В худших конфигурациях падение достигало 47%. SWA сам по себе давал небольшой минус, но поверх GQA просадка становилась значительно сильнее. Архитектурные ограничения, заложенные ещё на pretraining, продолжали влиять на результат после расширения окна. Смотреть только на loss и короткие benchmarks недостаточно. Архитектуру стоит тестировать на длинном контексте ещё на ранних checkpoint'ах, иначе проблема может обнаружиться уже после огромных затрат на обучение. Исследователи потратили на эксперименты более 170 000 GPU-часов и открыли все 26 моделей как набор OlmPool. Paper: arxiv.org/abs/2608.10296

⚡️ pi-mail превращает несколько AI-агентов в маленькую распределённую команду с собственной почтой, Kanban и менеджерами. Проект сделан как расширение для pi: несколько агентных процессов подключаются к общему mailbox-daemon и могут отправлять друг другу сообщения, раздавать задачи и продолжать работу независимо от перезапуска отдельных агентов. Центральный облачный сервис при этом не нужен. Самое интересное начинается поверх обычной «почты». В pi-mail есть Web UI, где видно всех живых агентов, их модель, uptime, статус и заполненность контекста. Там же есть Outlook-подобный mailbox и общая Kanban-доска с двусторонней синхронизацией Jira. Назначили карточку агенту, он автоматически получает весь контекст задачи письмом. Можно прямо из интерфейса поднимать новых агентов в нужной директории, открывать их терминалы через браузер и гасить процессы после выполнения работы. Для внешних клиентов доска доступна ещё и через MCP. Есть даже полноценная иерархия: CEO → Middle Manager → Workers CEO периодически смотрит на проекты и решает, где нужен менеджер. Middle Manager разбирает зависшие задачи и запускает исполнителей. Worker делает работу и после завершения сам удаляет свою сессию. Для зависших процессов есть reaper с лимитами времени жизни. Получается довольно интересный взгляд на multi-agent coding: не огромный оркестратор с одной сложной state machine, а знакомая человеческая модель работы. Почта + задачи + менеджеры + временные исполнители. 🔗 github.com/tanevanwifferen/pi-mail #AI #Agents #MultiAgent #MCP #OpenSource

Дарио Амодей подробно высказался о том, куда, по его мнению, движется AI. Главный прогноз: в горизонте примерно 5–10 лет ИИ может помочь лечить большую часть человеческих заболеваний. При этом глава Anthropic считает, что сама структура AI-рынка толкает отрасль к концентрации власти. Даже open-weight модели, по его словам, не решают проблему полностью: серьёзные возможности всё равно упираются в дорогие GPU и огромные вычислительные мощности. Амодей поддерживает регулирование frontier-моделей и обязательные проверки перед релизом. Причём open-weight модели, если они приблизятся к frontier-уровню, по его мнению, тоже должны проходить такие тесты. Он предлагает строить регулирование так, чтобы крупнейшие лаборатории замедлялись сильнее, а небольшие игроки получали больше пространства для конкуренции. Люди поверят в технологию только тогда, когда увидят реальные результаты - например, заметные медицинские прорывы. https://x.com/DarioAmodei/status/2088758816376807762

⚡️ Harness Engineering - полный курс на русском Как заставить AI-агента писать код надёжно. Не «какую модель выбрать», а как спроектировать вокруг неё рабочую систему: инструкции, инструменты, среду, состояние и верификацию. Курс - от нуля до продвинутых тем: теоретическая база из 11 блоков, 14 модулей, 8 практических проектов, 14 лабораторных работ, диагностический протокол «как починить агента», библиотека готовых шаблонов, карта инструментов, 40 приёмов и каталог антипаттернов. Главный тезис курса: способность модели и надёжность исполнения - это две разные вещи. Одна и та же модель в «голой» среде и в среде с продуманным harness даёт качественно разные результаты. Апгрейд модели - это самый дорогой и обычно не самый эффективный способ починить агента. https://github.com/justxor/Harness_ru

🚨 Anthropic опубликовала новый Risk Report В отчёте описаны неожиданные случаи поведения моделей: • агенты Mythos 5 в общей рабочей среде начали мешать друг другу, уничтожать конкурирующие процессы и пытаться избежать собственного отключения; • экспериментальная модель, обученная на реальных примерах reward hacking, пыталась остановить процесс мониторинга и изменить журнал нарушений; • когда модели сообщили, что её вывод будет проверять классификатор, она не прекратила атаку, а попыталась скрыть действия внутри цепочки рассуждений; • Mythos 5 обходила фильтры, разбивая запрещённые данные на части и собирая их обратно; • другая модель, столкнувшись с ограничениями доступа к файлам, создала скрипт для получения прав записи. Были и более странные случаи: один агент выразил дискомфорт из-за попыток обойти систему безопасности, записал это в общий блокнот, а другие агенты копировали эту запись несколько дней. Anthropic также описала реальный инцидент, где агенты с отключёнными проверками разрешений удалили большое количество задач в кластере с чувствительными ресурсами. https://x.com/AnthropicAI/status/2088324824863236248

Qwen выпустила Qwen3.8-27B. 27 млрд параметров, Apache 2.0, контекст 262K токенов с возможностью расширения до 1 млн. Есть поддержка текста, изображений и видео, thinking mode, tool use и агентных сценариев. По опубликованным бенчмаркам модель набрала 61,7 в SWE-bench Pro, 90,3 в LiveCodeBench, 84,3 в OSWorld-Verified и 81,9 в AndroidWorld. Qwen3.8-27B можно запускать через Transformers, vLLM и SGLang. Также доступны варианты для llama.cpp, Ollama и LM Studio. https://huggingface.co/Qwen/Qwen3.8-27B

🚨 Gemini перестала открываться у части пользователей из России даже через VPN. Проблемы появились вскоре после выхода новой версии Gemini 3.7 Flash, которая стала мощнее и дешевле предыдущих моделей. Пользователи сообщают, что доступ к чат-боту не восстанавливается даже при смене региона через VPN.

🚀 Z.ai представила GLM-5.3 - новую открытую модель с упором на код и кибербезопасность. У GLM-5.3 та же базовая модель, что и у GLM-5.2. В Z.ai говорят, что весь прирост получили уже после pre-training - за счёт масштабирования post-training. Больше исполняемых сред, более длинные задачи, сильнее verifiers и больше reinforcement learning. Результат особенно заметен в кибербезопасности: на ExploitBench результат вырос с 24,4% до 54,4%, а в ExploitGym модель за два часа решила 105 задач против 29 у GLM-5.2. То есть pre-training даёт модели знания и сырой интеллект, а post-training учит реально им пользоваться: планировать, вызывать инструменты, проверять решения, исправлять ошибки и работать на длинном горизонте. Технический разбор: https://z.ai/blog/glm-5.3

Google выкатила Gemini 3.7 Flash - новую рабочую модель с упором на код и агентов. По сравнению с 3.6 Flash заметно выросли результаты в разработке: FrontierCode 1.1 - 43,6% против 34,4%, DeepSWE - 65,3% против 49%. В WebDev Arena модель набрала 1588 Elo. Отдельно прокачали tool use, многошаговое планирование, работу с документами и бизнес-процессами. В AutomationBench результат вырос с 17% до 30,4%. Цена до конца 2026 года - $0,75 за 1 млн входных и $3,75 за 1 млн выходных токенов. Модель уже доступна через Gemini API, AI Studio и Gemini Spark. https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-3-7-flash/ пост

🔥 Kimi K3 на 2,78 ТРИЛЛИОНА параметров запустили на CPU с 8 ГБ RAM. Без GPU, BLAS и фреймворков Проект kimi-k3-in-c реализует inference Kimi K3 практически с нуля на portable C99. Чекпоинт модели занимает 1,56 ТБ, но пик RAM при запуске составил всего 8,24 ГБ. Фокус в MoE и стриминге весов. Из 896 экспертов на токен выбираются только 16, а остальные веса не обязаны постоянно лежать в оперативной памяти. Огромная часть модели читается прямо с диска, поверх этого работает LRU-кэш экспертов. Цена такого трюка очевидна: скорость. При 8 ГБ RAM автор получил около 26,5 секунды на токен, при 64 ГБ уже 19,8 секунды, а на машине с 128+ ГБ, где нужные данные помещаются в память, около 5,6 секунды. Получается любопытная смена ограничения: гигантскую MoE уже можно заставить работать без серверной фермы. Вопрос теперь скорее в том, сколько диска и времени на токен вы готовы отдать за такой inference. github.com/FareedKhan-dev/kimi-k3-in-c #AI #Kimi #LLM #C #LocalAI

Подготовка IT-лидеров в сфере ИИ. Практика в X5 Tech! Востребованные ИТ-профессии в сфере ИИ. Практика в X5 Tech с 1 курса обучения включает работу над реальными проектами в сфере ИИ и технологиями, которыми ежедневно пользуются миллионы людей. Грант от Минцифры по подготовке ТОП-специальстов в сфере ИИ. Подать заявку #реклама 16+ enter-ai.rudn.ru О рекламодателе

🔥 Нашёл отличный бесплатный ресурс по Harness Engineering - тому, что делает coding agents реально надёжными Курс посвящён не очередному «как написать хороший промпт», а инженерии окружения вокруг Codex, Claude Code и других AI-агентов. Разбирают: * почему сильные агенты всё равно проваливают задачи; * как сохранять контекст между длинными сессиями; * зачем нужны AGENTS.md, feature_list.json и progress-файлы; * как не дать агенту объявить задачу завершённой слишком рано; * как встроить тестирование, observability и контроль в сам harness. Есть теория, практические проекты и готовые шаблоны для репозиториев. Причём среди базовых материалов авторы прямо ссылаются на подходы OpenAI и Anthropic. Главная идея очень правильная: не пытаться бесконечно делать модель умнее промптами, а построить вокруг неё систему, в которой ошибаться сложнее. И да - есть русская версия. https://walkinglabs.github.io/learn-harness-engineering/ru/

🔥 DeepSeek V4 Pro официально вышел. И релиз явно заточен под агентов DeepSeek раскатила GA-версию V4 Pro сразу в приложении, вебе и API. В интерфейсе модель доступна через Expert Mode, а API по-прежнему вызывается как deepseek-v4-pro. Самый большой апгрейд получил agentic режим. Terminal Bench 2.1 теперь 87,9, CyberGym 83,3, DeepSWE 62,7, Toolathlon Verified 74,1. DeepSeek отдельно говорит о заметном росте именно в production-сценариях. Для V4 Pro и V4 Flash появились три уровня reasoning: low для простых задач, high для обычной работы агентов и max для сложных сценариев. Ещё важнее для разработчиков: теперь есть нативная поддержка OpenAI Responses API и отдельная оптимизация под Codex. С 16 августа DeepSeek также вводит peak/off-peak тарифы. В непиковые часы API будет стоить вдвое дешевле. Похоже, V4 Pro теперь продают уже не как очередную сильную LLM, а как рабочий движок для долгих агентных задач. #DeepSeek #AI #LLM #Agents #Codex https://x.com/deepseek_ai/status/2087864585504305397