Data Secrets

История с Windsurf подходит к логическому завершению: компанию поглощает стартап Cognition Cognition – это разработчики ассистента для кодинга Devin, вы про него точно слышали. Так вот сегодня они объявили о том, что окончательно подписали сделку о покупке Windsurf (включая бренд, интеллектуальную собственность, торговую марку и команду). Любопытно, что произошло все максимально тихо и без слухов. Сколько было шума о том, что Windsurf собираются покупать Apple, OpenAI, Google. А тут – на тебе, Cognition Lab. Все сотрудники (возможно кроме тех, кто недавно ушел в Google) получат какую-то материальную выгоду от сделки. Это могут быть акции или просто выплата, при этом нет никакого vesting cliff (можешь получить свой долю и сразу уволиться, без отработки определенного обязательного срока). Но это все детали. Самое интересное, это то, что получится от слияния Windsurf и Devin. Следим

Цукерберг заявил, что исследователи уходят к нему вовсе не из-за денег Он говорит, что новости не совсем честно освещают, почему ученые их многих лабораторий охотно уходят в его новое подразделение MSL. Дело, мол, по большей степени не в деньгах, а в корпоративной структуре и количестве компьюта. Команды в MSL будут очень маленькие и подчиняться будут напрямую Марку, чтобы ученые тратили минимум времени на бюрократию, созвоны и согласования. Кроме того, в MSL будет самый большой объем компьюта на одного речерчера. Каждый получит в распоряжение сотни GPU, и количество доступных вычислений будет быстро увеличиваться. К 2026 компания построит кластер Prometheus на 1GW, а потом примется за строительство Hyperion, который будет масштабироваться до 5GW+. Для частной компании это просто невероятные мощности. Ну и да, сотни миллионов за переход – это так, приятное дополнение 👉

Белые хакеры из университета Торонто придумали новую атаку на GPU Те, кто увлекается кибербезом, точно знают, что такое Rowhammer. Это классическая аппаратная атака, которая заключается в многократном чтении (или записи) определённых строк памяти. Это вызывает электрические помехи и приводит к непреднамеренным изменениям (bit flip) в соседних ячейках памяти. Изначально Rowhammer была обнаружена для обычной оперативки, но теперь оказалось, что она может быть адаптирована и для видеопамяти (это назвали GPUHammer). Причем эффект может быть даже страшнее, потому что в случае ИИ всего один ошибочный бит в весах модели может привести к катастрофическому снижению точности. Прямо в статье это доказали на примере ImageNet: метрика скакнула с 80% до менее чем 1%. Уязвимы все системы с видеокартами NVIDIA на GDDR6 (например, A6000). Такие ооочень часто используются в дата-центрах. Причем существующие защиты вроде TRR, не сильно спасают. Nvidia порекомендовали включать ECC (Error-Correcting Code): он позволяет автоматически исправлять некоторые типы ошибок в памяти. Но есть нюанс: ECC роняет производительность на 10–50%. Так что в перспективе нвидии все-таки придется реагировать изменениями в архитектуре. В общем, спасибо ребятам за исследование, конечно, но не от всей души 🎧

Оказывается, там еще и пасхалка спрятана: из первых букв имен этой толпы ученых можно сложить фразу "GEMINI MODELS CAN THINK AND GET BACK TO YOU IN A FLASH", то есть "Gemini может подумать и ответить вам мгновенно" Ощущение, что даже с самим тех.отчетом они так не напрягались, как с этим списком

Кто создает будущее: исследователи или бизнес? Дискуссия с экспертами в области искусственного интеллекта: 🔶 Иван Оселедец, генеральный директор института AIRI 🔶 Андрей Рыбинцев, старший директор по ИИ в Авито Модератор: Анастасия Мануйлова, обозреватель «Коммерсантъ» — эксперт в сфере социально-экономических трансформаций общества. 📅 17 июля, 19:00 📍 офис Авито в Москве и онлайн ➡️ заявка на участие по ссылке Авито приглашает студентов и исследователей на дискуссию о развитии карьеры и выборе пути в сфере ИИ. А после паблик-тока — на неформальный вечер с экспертами, где участники смогут задать вопросы и наладить полезные контакты. Эксперты обсудят: - Что дает наука бизнесу и может ли современный технологический сектор развиваться без фундаментальных исследований? - Как происходит трансфер технологий в области ИИ из науки в коммерческий сектор и обратно? - Как начинающему специалисту выбрать между академической карьерой и работой в бизнесе? - Какие возможности открываются для молодых специалистов от сотрудничества науки и бизнеса? Приглашаем для полезного нетворкинга, новых знакомств и возможности получить ответы на ваши вопросы напрямую от экспертов рынка! Подать заявку на участие можно по ссылке – места ограничены, участники будут подтверждены исходя из темы дискуссии. Для подтверждения придет приглашение на почту. А все желающие смогут следить за трансляцией онлайн.

Австралийские ученые изобрели биологический искусственный интеллект Из система называется PROTEUS (PROTein Evolution Using Selection). Это платформа для направленной эволюции молекул прямо внутри живых клеток млекопитающих. Направленная эволюция – это когда эволюционные процессы белков или генов искусственно ускоряют и "направляют", чтобы получить молекулы с нужными свойствами. За ее изобретение в 2018 году Фрэнсис Х. Арнольд дали Нобелевку. Но тогда метод работал только для бактерий или дрожжей, то есть для единичных простых белков. А PROTEUS – первый метод, который делает directed evolution для клеток млекопитающих. Кратко, как это работает: ➖ Специальные вирусоподобные частицы (VLV) заносят нужный ген в клетку и делают в нём случайные мутации, как будто перемешивают «параметры» белка. ➖ Если мутировавший белок работает лучше (например, активирует нужный сигнал сильнее), клетка даёт сигнал, и именно этот вариант распространяется дальше – как награда в Reinforcement Learning. ➖ Лучшие гены снова мутируют, снова проходят отбор. Все это похоже на эволюционный поиск гиперпараметров, но внутри живых клеток. Буквально живой аналог AutoML. Авторы сами говорят, что вдохновлялись именно алгоритмами ИИ. И кстати, это уже работает на хомячках. Скоро будут тестировать и на людях, но там нужна дополнительная работа с иммунитетом. Если такое заработает массово и стабильно – последствия могут быть революционными. Лекарства, выработка антител, синтетическая биология… В такое будущее даже хочется.

Смотрите: это Ян Лекун и Леон Ботту с тем самым Amiga 1000, на котором они в 80-х годах писали первые нейросети На втором фото – как раз дискета с SN-1, опять же, та самая из 80-х. SN расшифровывается как Simple Network. После SN-1 потом появилась SN2 и SN3, а потом это превратилось в опенсорс систему Lush, которая вышла в 2001. Lush был самым ранним тензорным движком с Lisp-интерфейсом. На основе него потом сделали Torch7, ну а затем из всего этого получился PyTorch. Вот такая история. А в 1987 Лекун также использовал эту Amiga, чтобы написать свою PhD-диссертацию. Не удивляйтесь, кстати, что на компьютер эта штука совсем не похожа. Это как бы «все в одном» корпус: внизу спрятана клавиатура, а остальная коробка – это системный блок. ОС загружалась с дискеты. На деле это был один из самых продвинутых ПК того времени. Фото из Твиттера (источник)

Как уменьшить расходы на КХД в 7 раз и не отстать от AI гонки? Нужно использовать КХД на архитектуре Lakehouse. 74% западных корпораций уже мигрировали на архитектуру Lakehouse, которая объединяет сильные стороны DWH и Data Lake, а также служит фундаментом для быстрого внедрения AI-инициатив. Протестируйте VK Data Lakehouse — КХД нового поколения для уменьшения стоимости хранения данных и ускорения аналитики до 10 раз. → Дешевое хранение данных в S3-хранилище. Стоимость хранения 1 ГБ с репликацией в облаке уменьшается в 10 раз — с 30 до 3 рублей по сравнению с DWH. → Транзакционность для данных в S3-хранилище. Табличный формат поверх S3 обеспечивает ACID и полноценную работу в сценариях DWH. → Ускорение аналитики. MPP SQL-движок для параллельной работы с данными из разных источников без тяжелого ETL. → Уменьшение расходов за счет разделения compute и storage. Платите только за то, что используете. Нет затрат на простаивающие ресурсы. → Линейный рост затрат вместо экспоненциального при масштабировании. → Не нужно содержать отдельные команды под DWH и Data Lake. → Универсальное решение для работы с любым объемом данных. От гигабайт до сотен петабайт. Без сложного масштабирования и миграций. → Работа с ML становится быстрее без рисков уронить DWH. DS команда может экспериментировать с ad hoc запросами без опаски уронить DWH и BI. Чтобы получить до 150 000 бонусных рублей для тестирования VK Data Lakehouse в VK Cloud с поддержкой архитекторов: 👉Оставляйте заявку Будем рядом на всех этапах пилота и поможем довести MVP до результата.

Ничего необычного, просто у свежего техрепорта Gemini 2.5 3295 авторов на ArXiv 😎 Да, 3295, Карл: arxiv.org/abs/2507.06261 Два года назад, кстати, когда выходил первый техрепорт Gemini, их было примерно 1000

Kimi-K2 – новая звездная китайская модель, рвущая бенчмарки. Главное: ➖ Модель открытая и в ней 1 триллион параметров. Не пугайтесь: это MoE и активных из них всего 32В. Архитектура похожа на DeepSeek V3, в этом разработчики сами признаются в блогпосте. Выложили и Base, и Instruct. ➖ Не ризонинг, но с отличными агентскими способностями. Обучение использованию инструментов добавляли прямо в пайплайн с помощью интересного конвейера: в разных доменах стимулируются сотни сред с синтетическими и реальными инструментами, и агент учится в них действовать. Ну и, конечно, шлифуется все RL. ➖ Модель – SOTA в кодинге среди не-ризонинг моделей. Обходит даже GPT-4.1, Gemini 2.5 Flash и Sonnet 4 без thinking. Ну и цена на API, ожидаемо, в несколько раз ниже. В очередной раз респектуем китайскому опенсорсу и ждем ризонинг-версию Веса | Блогпост | Репа | Попробовать модель

У Маска снова какие-то финансовые махинации: SpaceX вложит 2 миллиарда в xAI Эти деньги станут большой частью раунда финансирования в 5 миллиардов, о которых xAI и Morgan Stanley объявили в прошлом месяце. И, к слову, это одна из крупнейших инвестиций SpaceX на сегодняшний день.

В эфире рубрика «невыдуманные истории» У McDonald’s есть занятный проект: они внедрили в свою систему найма чат-бота под названием McHire, который общается с кандидатами и закрывает какую-то HR-рутину. Например, проводит личностные тесты, задает вопросы про желаемый график работы и собирает персональную информацию. При этом этого чат-бота они делали не сами, а заказали на аутсорсе у стартапа Paradox.ai. Это проект под ключ, всем мониторингом тоже занимаются инженеры из Парадокса. Так вот на днях этим чат-ботом заинтересовались (блогпост) энтузиасты Иэн Кэрролл и Сэм Карри – белые хакеры. По их словам, им потребовалось пара часов, чтобы выяснить, что из системы буквально в две кнопки можно выкачать всю персональную информацию 64 миллионов кандидатов, включая домашний адрес, личный номер, емейл и историю разговоров в чат-ботом. Дело было в том, что… пароль и логин от админской учетки стоял такой: 123456 😆 Плюсом дыра во внутреннем API и как итог – каждый желающий мог получить личные данные миллионов людей. Сейчас, правда, этот аттракцион невиданной щедрости уже прикрыли. Paradox.ai написали, что все исправили. Сам McDonald’s ситуацию не комментировал. ИИ-рисерчеры в стартапах: упарываются по элайменту и всеми силами стараются сделать модели безопасными Тем временем кибербезопасники в стартапах:

Паша Дуров ерунды не посоветует:

«Если вы студент и выбираете, на чём сосредоточиться, выберите МАТЕМАТИКУ. Она научит вас полностью полагаться на собственный интеллект, мыслить логически, анализировать задачи и решать их шаг за шагом в правильной последовательности. Это ключевой навык, который понадобится вам для создания компаний и управления проектами»

https://t.me/durov/435

Открытая модель от OpenAI должна была выйти на следующей неделе, но Альтман решил продлить тестирование безопасности Да-да, вы не ослышались: OpenAI откладывает запуск продукта из-за безопасности. Обычно журналисты и бывшие сотрудники только и делают, что жалуются на дыры в элайменте и ускоренный выпуск моделей без надлежащего тестирования, а тут – такое.

Нам нужно время для проведения дополнительных испытаний на безопасность и проверки зон повышенного риска. Мы пока не знаем, сколько времени это займет. Мы верим, что сообщество сможет добиться больших успехов с помощью этой модели, но как только веса будут выложены, их уже нельзя будет изменить. Для нас это что-то новое, и мы хотим сделать все правильно.

Про что-то новое – это точно 😬

OpenAI профукали сделку с Windsurf, но Google оказался тут как тут Обо всем по порядку: ➖ Слухи о том, что OpenAI покупает вайб-кодинг стартап Windsurf, ходили еще с апреля, но сделку все никак не закрывали: скорее всего, из-за сложностей с Microsoft (подробно). За это время Windsurf даже успели поплатиться за то, что ведут дела с Альтманом – Anthropic отрубили им доступ к своим моделям, чтобы те не достались OpenAI. ➖ Сегодня стало известно, что время OpenAI ушло. Срок действия эксклюзивного предложения на покупку истек, и теперь Windsurf может свободно рассматривать другие офферы. ➖ Ну и долго ждать не пришлось, 2025 год все-таки. Google DeepMind тут же пришли и схантили CEO Варуна Мохана, ко-фаундера Дугласа Чена и многих ведущих рисерчеров стартапа. ➖ При этом Google даже близко не поглощает стартап. Они не выкупают долю в компании, а просто нанимают топовых специалистов и оформляют лицензию на некоторые продукты. Это называется reverse-acquihire, то есть обратное поглощение. У Google это уже не первая такая сделка, да и другие компании сейчас все чаще проворачивают подобное. ➖ Все это, кстати, обошлось Google дешевле, чем заплатили бы OpenAI: они откинули 2.4 миллиарда против 3, на которые Windsurf договаривались с Сэмом. В итоге OpenAI остались ни с чем, а у Google – куча новых ценных сотрудников и лицензия на хороший продукт. Надо было быстрее думать, Сэм…

Сколько платит Google своим инженерам? Это, конечно, не стартапы, поэтому средняя зарплата инженера чуть ниже и достигает 340 000$. Если смотреть более детальнее, то для специалистов из DS зарплатные предложения варьируются в следующих диапазонах: ⭐ Data Engineer: от 111 000$ до 175 000$ ⭐ Data Scientist: от 133 000$ до 260 000$ ⭐ Research Scientist: от 155 000$ до 303 000$ В последние месяцы Google не спешит вводить агрессивную политику в отношении найма сотрудников, чего не скажешь о ближайших конкурентах 😐 Любопытно, что пока конкуренты ведут политику пряника, предлагая высокие зарплаты и премии, Google, наоборот, используют кнут: призывают работать больше, урезают зарплаты или вовсе не дают трудоустроиться после увольнения.

Курс с углублённым изучением профессии аналитика данных. Станьте незаменимым специалистом на рынке труда с курсом от Нетологии. Преподаватели курса — эксперты из крупных компаний: Сбера, Яндекса, Gett, Работы.ру и других. Вы изучите: - продвинутые инструменты — A/B-тестирование, аналитику больших данных, SQL и Python; - современные российские BI-решения — AW BI и DataLens; - нейросети, которые можно использовать при анализе. А ещё все студенты получат доступ к профессиональному комьюнити с еженедельными офлайн и онлайн-митапами. На них разбираем актуальные инструменты и делимся опытом. До конца июля на курс действует сразу 2 скидки: летняя — 40%, и дополнительная — 10 000 рублей по промокоду DATA10. ➡️ Посмотреть программу курса Реклама. ООО "Нетология". ИНН 7726464125 Erid 2VSb5y6vPL4

Мем: в вопросах политики и мировоззрения Grok-4 пользуется твитами Маска, как референсом Твиттер прямо сейчас заполнен примерами того, как перед ответом модель шерстит посты миллиардера и пытается подстроить свой ответ под них. 😐😐😐

Grok-4 теперь еще и топ-1 на ARC-AGI и ARC-AGI-2 Вот что пишет про это сама команда ARC-AGI:

«Вчера нам позвонили из xAI и сказали, что они хотят протестировать Grok-4. Мы слышали слухи, что он хорош, но не знали, что он будет #1 на ARC-AGI. Сначала факты: Grok-4 теперь является самой сильной публично доступной моделью на ARC-AGI 1/2. Он даже превосходит специализированные решения с Kaggle. ARC-AGI-2 создан специально для современных моделей. Чтобы получить хорошие результаты, модели должны освоить мини-навык на серии обучающих примеров, а затем продемонстрировать его во время тестирования. Предыдущий максимальный результат был около 8% (Opus 4). Но все, что ниже 10% – это просто шум. Grok 4 демонстрирует результат 15.9%, преодолевая этот шумный барьер и демострируя настоящий ненулевой уровень гибкого интеллекта»

Результат действительно красивый. Особенно учитывая, что по стоимости Grok-4 остается на нормальном уровне Claude Opus.

Google продолжают экспериментировать к архитектурами: они выпустили T5Gemma Большинство современных LM – это decoder-only трансформеры. А T5, напротив, – полноценная encoder-decoder архитектура. Причем обучали ее не с нуля, а с помощью уже предобученной Gemma-2, которая как раз decoder-only. Веса сначала просто инициализировали с помощью Gemma-2, а затем адаптировали методом UL2. Интересна архитектура тем, что можно гибко подбирать размер модели. Взял энкодер на 9В и декодер на 2В – получил модель побольше, поменял энкодер – и сделал ее поменьше. Так же можно регулировать баланс между метриками и тяжеловесностью (см таблицу 2 и 3). Перформит на достойном уровне. Веса доступны тут, а вот блогпост