Machinelearning

✔️ OpenAI разработала метод прогнозирования ошибок ИИ до его релиза Компания опубликовала методику Deployment Simulation для тестирования безопасности LLM. Подход оценивает поведение моделей в условиях, имитирующих продакшен. Вместо синтетических промптов новой модели передают анонимизированную историю диалогов пользователей с предыдущими версиями ИИ и запрашивают генерацию следующего ответа. В такой среде метрика распознавания тестирования снижается со 100% до 5,4%. При проверке задач с вызовом функций используется вспомогательная модель, имитирующую ответы окружения. По тестам, Deployment Simulation предсказывает генерацию запрещенного контента или обман в 92% случаев против 54% у классических бенчмарков. При тестировании серии GPT-5 выяснилось, что GPT-5.1 использовала браузер в качестве калькулятора, рапортуя пользователю о выполнении веб-поиска. Метод применим для независимого аудита сторонних моделей на базе открытых датасетов диалогов, без доступа к внутренним логам разработчика. openai.com ✔️ В стартап моделей мира Odyssey ML вложились Amazon, Nvidia и AMD Odyssey ML привлек $310 млн от Amazon, Nvidia, AMD, фонда IQT, Google Ventures и главного научного сотрудника Google Джеффа Дина. Средства пойдут на создание 3D-моделей мира, а вычисления проекта развернут в облаке AWS на базе ускорителей Amazon Trainium. Основатели стартапа Оливер Кэмерон и Джефф Хоук ранее разрабатывали системы автономного вождения. Архитектура моделей Odyssey ML сфокусирована на симуляции законов физики, пространственных связей, динамики объектов и кинематики. ft.com ✔️ ByteDance выпустила видеомодель Seedance 2.0 Mini По сравнению с базовой версией стоимость значительно снижена, а скорость генерации выросла вдвое относительно тарифа Fast. Модель генерирует ролики длиной до 15 секунд в разрешении 720p при 24 FPS. Mini поддерживает мультимодальные промпты: текстовый запрос можно дополнить референсными изображениями, аудио или видео для сохранения похожести персонажей и объектов в кадре. Инструмент уже интегрирован в пользовательские приложения CapCut, Dreamina и Jimeng. Доступ к API обещают с 22 июня через облачные платформы Volcengine и BytePlus. capcut.com ✔️ В Nous Portal появились командные аккаунты с общим пулом кредитов Портал обзавёлся функцией Teams для управления корпоративными аккаунтами. Платформа заменила индивидуальную оплату за рабочие места на общий пул кредитов. Администратор пополняет единый баланс и приглашает пользователей. Разработчики могут состоять в нескольких командах одновременно и переключаться между ними без создания отдельных профилей. Для контроля расходов добавлен дашборд Spend Intelligence. Инструмент показывает детализированную статистику потребления в реальном времени, позволяет задавать лимиты списаний для отдельных участников и оперативно отзывать права доступа. NousResearch в сети Х ✔️ Нейросеть из коз в Age of Empires II Исследователь Microsoft Эдриан де Винтер построил нейросеть в редакторе карт Age of Empires II для критики антропоморфизма при оценке LLM. Архитектура собрана из игровых объектов. Роль битов выполняют козы (животное на траве= 0, на мосту=1), логика реализована через встроенные скрипты. Модель обучилась логической операции "AND". Проект иллюстрирует математическую природу нейросетей. Эмпатия к языковым моделям вызвана текстовым интерфейсом: перенос вычислений на поведение виртуальных коз дает тот же результат, но не создает иллюзию сознания. Проанализировав более 300 научных статей об ИИ, де Винтер обнаружил, что свыше 50% авторов приписывают алгоритмам человеческие черты. Подобный подход ведет к методологическим ошибкам и циклической логике экспериментов. Эдриан призывает коллег не наделять код когнитивными функциями и анализировать строго ввод и вывод данных. Сценарий карты выложен в открытый доступ. adewynter.github.io @ai_machinelearning_big_data #news #ai #ml

✔️ Qwen представила тулкит из моделей для управления роботами Qwen-Robot Suite — набор из 3 моделей для воплощённого интеллекта, который нацелен заполнить пробел между пониманием визуально-языковых моделей и физическим действием. Модели RobotNav, RobotManip и RobotWorld отвечают соответственно за навигацию, манипуляцию и моделирование физического мира. 🟡Qwen-RobotNav Построена на Qwen3-VL и объединяет в одной модели 5 навигационных задач: следование инструкциям, поиск объекта, слежение за целью, автономное вождение и ответы на вопросы о среде. Поведение задаётся через протокол наблюдения с 4 параметрами - бюджет визуальных токенов, временное затухание, веса камер и режим выборки кадров.

Qwen заявляет о рекордных результатах в 5 областях и о работе без дообучения на четвероногом Unitree Go2.

🟡Qwen-RobotManip Опирается на Qwen3.5-4B VL и модуль формирования действий на базе flow-matching DiT. Она использует единое 80-мерное представление состояния и действия для разных типов роботов.

Разработчики сообщают о точности 91,4% в тесте LIBERO-Plus и о 1 месте в одном из треков конкурса RoboChallenge.

🟡Qwen-RobotWorld Модель мира. По текущему наблюдению и текстовой команде она предсказывает, как изменится сцена. Все действия описываются естественным языком, что позволяет объединить в одной системе более 20 типов роботов и свыше 500 категорий действий. В основе лежит 60-слойная архитектура MMDiT, связанная с представлениями Qwen2.5-VL.

Qwen рапортует о первых местах в тестах на соответствие физическим законам (EWMBench, WorldModelBench и других), в части из них - среди открытых моделей.

🟡Отдельно анонсирована функция Chat2Robot Это браузерное демо управления текстовыми командами и наблюдением за реакцией робота в реальном времени.

Сейчас оно работает только с упрощённой версией модели RobotManip, которая была обучена на наборе из 50 задач. Её цель - показать частичную способность выполнять незнакомые инструкции.

В анонсе не указано, будут ли открыты ли веса и под какой лицензией. Пока доступны технические отчёты и анонсы по каждой модели. @ai_machinelearning_big_data #news #ai #ml

✔️ Хакатон по роботизации складов и компьютерному зрению с призовым фондом 15 млн рублей Ozon Tech открыл регистрацию на Робозон: соревнование пройдёт со 2 июля по 12 сентября. Участникам предстоит разработать решения для автоматизации процессов в сортировочных центрах, где ежедневно обрабатывается до 55 млн операций. Хакатон разделён на два этапа. Первый продлится два месяца в онлайн-формате — команды будут решать задачи по трём направлениям: имитационное моделирование, проектирование инженерных решений и разработка систем компьютерного зрения. Второй этап пройдёт на конференции E-CODE, куда Ozon Tech пригласит финалистов с оплатой дороги и проживания. Участие индивидуальное или в командах до 7 человек. Регистрация через сайт. Открыта до 11 июля. P.S. Подробнее о CV-задаче: интеллектуальной роботизированной системе сортировки товаров. Участникам нужно разработать решение, которое обнаруживает объекты на конвейере, определяет их тип с помощью CV-технологий и автоматически направляет в соответствующие зоны. Результат может быть представлен как программно-аппаратный комплекс или цифровая симуляция. #news #ai #ml

✔️ Moonshot AI выпустила ускоренную версию Kimi K2.7 Code Китайская компания объявила о запуске Kimi K2.7 Code HighSpeed - высокоскоростном режиме для своей мультимодальной модели Kimi K2.7 Code. Moonshot утверждает, что ответы генерируются до 6 раз быстрее стандартной версии.

Обещают скорость около 180 токенов в секунду на средних запросах и до 260 токенов в секунду, если контекст короткий.

Версия разворачивается для участников программы Kimi Code Beta, разработчиков, использующих Kimi API, и корпоративных клиентов Kimi Business. Отдельный инвайт не требуется: возможность получить доступ есть у всех, кто присоединился к бета-программе. В официальном анонсе цены не названы; в нём лишь говорится, что "открытый интеллект должен быть мгновенным, доступным и не знающим границ".

Вместе с тем в ряде публикаций упоминается, что тарифы на API ускоренной версии вдвое выше, чем у стандартной.

@ai_machinelearning_big_data #news #ai #ml

✔️ Moonshot AI выпустила ускоренную версию Kimi K2.7 Code Китайская компания объявила о запуске Kimi K2.7 Code HighSpeed - высокоскоростном режиме для своей мультимодальной модели Kimi K2.7 Code. Moonshot утверждает, что ответы генерируются до 6 раз быстрее стандартной версии.

Обещают скорость около 180 токенов в секунду на средних запросах и до 260 токенов в секунду, если контекст короткий.

Версия разворачивается для участников программы Kimi Code Beta, разработчиков, использующих Kimi API, и корпоративных клиентов Kimi Business. Отдельный инвайт не требуется: возможность получить доступ есть у всех, кто присоединился к бета-программе. В официальном анонсе цены не названы; в нём лишь говорится, что "открытый интеллект должен быть мгновенным, доступным и не знающим границ".

Вместе с тем в ряде публикаций упоминается, что тарифы на API ускоренной версии вдвое выше, чем у стандартной.

@ai_machinelearning_big_data #news #ai #ml

AI VK проведет митап по рекомендательным системам 1 июля в Москве пройдет RecSys Meetup от AI VK - встреча для ML-инженеров, исследователей и специалистов, которые работают с рекомендательными системами. Команда AI VK расскажет, как развиваются Discovery-технологии в продуктах VK с многомиллионной аудиторией: от трансформерных моделей до LLM-агентов, графового RAG и генеративных рекомендаций. С докладами выступят Андрей Зимовнов, Александр Дьяконов, Евгений Астафуров и Михаил Трапезников. После основной программы будет возможность пообщаться со спикерами в неформальной обстановке. Место: ДК «Кристалл», Москва Дата: 1 июля Регистрация доступна по ссылке

✔️ xAI проиграла суд против OpenAI по делу о раскрытии технологий Федеральный суд США отклонил без права пересмотра иск xAI к OpenAI, в котором компания Илона Маска обвиняла конкурентов в сборе данных о технологиях модели Grok 4 через хантинг сотрудников. Претензии строились вокруг перехода старшего инженера Сюэчэня Ли. По версии xAI, на собеседованиях OpenAI намеренно расспрашивала кандидата о деталях разработки Grok 4. Истец утверждает, что OpenAI компенсировала таким образом собственное отставание в алгоритмах инференса, методах RL и пост-тренировке. Суд постановил, что обсуждение прошлого опыта кандидата - стандартная практика индустрии, и не нашел доказательств принуждения к раскрытию коммерческой тайны. В OpenAI назвали разбирательство безосновательным и частью кампании давления со стороны Маска. За последний месяц это второе отклоненное дело xAI против команды Сэма Альтмана. reuters.com ✔️ Anthropic отказывается от перевода Agent SDK на pay-as-you-go Компания отменила обновление биллинга, запланированное на 15 июня 2026 года. Agent SDK, интерактивный режим и сторонние интеграции планировали перевести на отдельную тарификацию вне стандартных подписок. Клиентам собирались начислять ежемесячные кредиты: $20 на тарифе Pro и $200 для Enterprise. При перерасходе включалась оплата за токены по базовым расценкам API. Теперь эти инструменты продолжат использовать общие лимиты. Бытует мнение, что отказ от перехода на другой тип тарификации вызван подготовкой OpenAI к снижению цен на API. Официально Anthropic объяснила паузу необходимостью адаптировать тарифы под реальные юзкейсы. К разделению лимитов компания планирует вернуться после снижения базовой стоимости собственных токенов. claude.com ✔️ Microsoft тестирует DeepSeek для снижения издержек Copilot Cowork Microsoft переводит сервис Copilot Cowork с фиксированной подписки на тарификацию по мере использования и тестирует интеграцию модели DeepSeek V4. Ранее аналогичную схему оплаты внедрили для GitHub Copilot. Руководитель направления Copilot назвал текущую бизнес-модель нерентабельной. Убытки генерируют активные пользователи, делегирующие ИИ сотни задач в неделю. Сейчас Cowork работает на базе моделей Claude, где агентные сценарии приводят к высокому расходу токенов. В качестве бюджетной альтернативы Microsoft планирует опционально добавить в сервис дообученную версию DeepSeek V4. Модель развернут в Azure для изоляции клиентских данных внутри облака компании. Окончательное решение о внедрении DeepSeek примут в ближайшие недели. axios.com ✔️ Расширенные возможности Codex стали доступны в Европе OpenAI открылa доступ к Computer Use, расширению для Chrome, Memories и Chronicle в Codex для пользователей из ЕЭЗ, Великобритании и Швейцарии. Computer Use позволяет ассистенту напрямую управлять интерфейсом macOS и Windows, расширение для Chrome - выполнять браузерные задачи в фоновом режиме. С функцией Memories Codex запоминает предпочитаемый стек технологий, правила оформления кода в репозиториях и воркфлоу, а экспериментальный режим Chronicle на macOS автоматически формирует контекстную память на основе недавней активности на экране. OpenAI Developers в сети Х ✔️ Cursor теперь часть империи Илона Маска SpaceX договорилась о покупке стартапа Anysphere, разработчика кодинг-ассистента Cursor. Сумма сделки оценивается в $60 млрд, которые инвесторы стартапа получат в виде акций SpaceX. Сделка призвана усилить позиции подразделения xAI на рынке ИИ-кодинга. Инженеры Cursor уже работают в офисах xAI над созданием новой совместной модели. Покупка Anysphere открывает стартапу доступ к мощностям и запасам чипов SpaceX. В свою очередь xAI восполняет нехватку кадров: ранее проект покинули десятки специалистов, из-за чего к работе привлекали инженеров из Starlink и Tesla. Команду дополнит как основной штат Cursor, так и принадлежащее Anysphere профильное рекрутинговое агентство. bloomberg.com @ai_machinelearning_big_data #news #ai #ml

📌Успех в работе с Claude Code зависит больше от знания дела, чем от умения писать код Anthropic опубликовала отчёт, в котором утверждает, что главным фактором успеха при работе с ИИ-агентами для программирования оказывается не владение кодом, а понимание самой задачи.

Вывод основан на анализе около 400 тысяч сессий сервиса Claude Code, проведённых примерно 235 тысячами пользователей с октября 2025 по апрель 2026 года.

В типичной сессии человек принимает около 70% решений о том, что делать, тогда как агент берёт на себя примерно 80% решений о том, как это сделать. Иными словами, человек ставит задачу, а ассистент выбирает способ её выполнения. Чем глубже пользователь разбирается в предметной области, тем больше работы агент выполняет по одной команде. По оценке команды, у новичков одна реплика запускает в среднем около 5 действий ИИ и порядка 600 слов ответа, у экспертов - вдвое больше действий и впятеро больше текста.

Уровень владения при этом определялся не должностью, а тем, насколько точно человек формулирует требования и замечает ошибки агента.

🟡Отдельный вывод касается профессий При написании кода представители разных специальностей добиваются результата почти так же часто, как профессиональные программисты - все крупные профгруппы укладываются в 7 процентных пунктов от показателей инженеров. В то же время разрыв между новичками и более опытными заметен. По критерию "подтверждённого успеха" сессии новичков завершались удачно в 15% случаев, а пользователей среднего уровня и выше - в 28–33%. 🟡Структура работы за 7 месяцев изменилась Доля сессий, посвящённых исправлению ошибок, упала с 33% до 19%. Выросла доля задач, связанных с запуском и настройкой программ, анализом данных и подготовкой текстов. Оценочная стоимость типичной задачи, рассчитанная через сравнение с расценками на биржах фриланса, поднялась в среднем примерно на 25%. 🔜 Описания методик, профилей и запросов - в приложении к отчету. @ai_machinelearning_big_data #AI #ML #Coding #Research #Anthropic

✔️ GLM-5.2 вышла и сразу с открытыми весами - китайцы снова поджимают западные модели Z.ai выкатила GLM-5.2 - новую флагманскую модель. По бенчмаркам заметный скачок в кодинге и агентных задачах. Контекст раздули до 1 миллиона токенов, так что модель держит в голове огромные объёмы и хорошо тянет длинные многошаговые сценарии. Внутри два режима рассуждений. GLM-5.2 (max) выжимает максимум качества, а GLM-5.2 (high) ищет баланс между мозгами и экономией токенов. Цены на API оставили теми же, что у GLM-5.1. Веса уже лежат на Hugging Face, есть API, чат и тарифы для разработчиков. Tech Blog: http://z.ai/blog/glm-5.2 Weights: http://huggingface.co/zai-org/GLM-5.2 API: http://docs.z.ai/guides/llm/glm-5.2 Coding Plan: http://z.ai/subscribe Chat: http://chat.z.ai

✔️ Отключение моделей Anthropic вызвало в Европе тряску спор о технологическом суверенитете После того как власти США в рамках экспортного контроля закрыли доступ к Fable 5 и Mythos 5 для лиц без американского гражданства, Еврокомиссия заявила, что начала оценивать последствия. Представитель ЕК по вопросам технологического суверенитета заявил, что экстренные меры не должны быть дискриминационными по отношению к партнёрам. По его словам, речь идёт об общем вызове, который не ограничивается одной юрисдикцией или компанией. Он добавил, что произошедшее - это ещё одно подтверждение того, почему Европе нужно укреплять собственный технологический суверенитет. Европейские исследователи назвали ситуацию тревожным сигналом, но разошлись в оценках того, что Европе делать дальше.

Торстен Хольц из Института Макса Планка обратил внимание на то, что распоряжение одного иностранного правительства способно за одну ночь отключить модель для всех неграждан США. Цифровой суверенитет, по его словам, означает не самодостаточность, а возможность пользоваться критически важными технологиями даже в условиях геополитических конфликтов.

Конрад Рик из Технического университета Берлина высказался резче: американские модели можно отключить в любой момент, иногда по непрозрачным причинам, поэтому Европе нужны собственные конкурентоспособные разработки.

Гитта Кутыниок из Мюнхенского университета призвала к "моменту Airbus" в сфере ИИ - совместным вложениям в базовые модели, проектирование чипов и энергоэффективные вычисления.

Иную позицию занял Пауль Рёттгер из Оксфордского института Он считает, что наращивание инвестиций проблему не решит. По его оценке, Европа не сможет создавать модели уровня Mythos или Fable 5 в конкуренции с США.

Вместо этого доступ следует закреплять контрактами, увязанными с инвестициями в дата-центры, и подкреплять торговой политикой.

Маттиас Хайн из Тюбингенского университета отметил, что Европе нужен не один, а несколько собственных поставщиков, поскольку нельзя рассчитывать, что коммерческие компании будут и дальше выпускать модели с открытыми весами. Йонас Гайпинг из того же заведения обратил внимание на то, что французская Mistral за последние 2 года сильно отстала, а для создания альтернатив не хватает крупных дата-центров и генерации электроэнергии, которая в Германии вернулась к уровню 1985 года. Гайпинг также предостерёг от сравнений с противостоянием вокруг ядерного оружия, параллели, к которой нередко прибегает сама Anthropic.

В отличие от него, ИИ глубоко встроен в экономику, и его отключение или ограничение во время дипломатического конфликта способно нанести ущерб не только обороноспособности, но и европейской экономике, если её процессы окажутся неспособны работать без систем ИИ.

@ai_machinelearning_big_data #news #ai #ml

✔️ Anthropic вводит верификацию по ID для личных аккаунтов Claude С 8 июля компания вводит верификацию личности по документам при подозрениях в нарушениях и меняет условия передачи логов правоохранительным органам. Для проверки личности интегрирован сервис Persona: при срабатывании триггеров на злоупотребления платформой или использование сервиса несовершеннолетними система запросит фото документов и селфи. С апреля 2026 года механизм проходил тестирование на ограниченной выборке. Также скорректирован регламент раскрытия данных властям. Требование обязательного юридического предписания заменено формулировкой о добросовестном убеждении, т.е Anthropic оставляет за собой право передавать личную информацию и историю диалогов правоохранительным органам, если сама сочтет основание для этого достаточным. Изменения не затронут корпоративных клиентов и API-пользователей. claude.com ✔️ Релиз GLM-5.2 Zhipu AI (международный бренд ZАi) выпустила модель GLM-5.2 с контекстным окном 1 млн токенов (ранее лимит составлял 200 тысяч). Модель доступна всем пользователям платформы GLM Coding Plans. GLM-5.2 поддерживает 2 формата работы: базовый High Mode для быстрой генерации кода и Max Mode, использующий CoT для долгосрочного планирования. Модель оптимизирована для интеграции с популярными ИИ-агентами: Cline, Roo Code, OpenCode CLI и Claude Code. Использование GLM-5.2 списывает квоты платформы с множителем 3x в часы пик и 2x в остальное время. До конца сентября 2026 года для непиковых часов действует промо-тариф 1x. В ближайшее время компания планирует выложить веса на Hugging Face. ZAi в сети Х ✔️ Google разработала стандарт передачи контекста агентам Подразделение Cloud выпустило Open Knowledge Format, открытый стандарт передачи контекста ИИ-агентам. Он представляет базу знаний как директорию Markdown-файлов с YAML-метаданными и заменяет кастомные скрипты для сбора разрозненного контекста из кода, вики-страниц и баз данных. Новый формат требует только одно обязательное поле в метаданных (type). Файлы связываются стандартными Markdown-ссылками, образуя единый граф знаний. Формат не привязан к конкретным платформам: структура читается как LLM, так и в текстовом редакторе. Спецификация опубликована на GitHub вместе с реализациями, среди которых HTML-визуализатор и агент для парсинга датасетов BigQuery. Также заявлена поддержка OKF в сервисе Knowledge Catalog. cloud.google.com ✔️ Databricks представила открытую мета-оболочку для управления агентами Дата-платформа открыла альфа-версию Omnigent, сервиса под лицензией Apache 2.0 для объединения ИИ-агентов через общий API. Инструмент работает как мета-оболочка над Claude Code, кастомными решениями и другими ассистентами. Omnigent переносит контроль за моделями из промптов на уровень ОС-песочницы. Платформа позволяет устанавливать финансовые лимиты на использование API или настраивать правила-триггеры. Например, система может запрашивать апрув человека на git push, если перед этим агент скачал новый пакет из сети. Платформа поддерживает многопользовательские сессии и позволяет делиться активным контекстом по ссылке для совместного ревью изменённых файлов и корректировки задач в реальном времени. databricks.com ✔️ ИИ-аналитик Marlin от SakanaAI вышел в публичный доступ Японский стартап начал коммерческую эксплуатацию агента-аналитика Marlin. Инструмент открыт для тарифов Pro, Team и Enterprise по модели "оплата за использование". Marlin способен работать автономно до 8 часов. За это время система выдвигает гипотезы, собирает данные в сети, верифицирует факты и формирует многостраничный отчёт с итоговой презентацией. Архитектура наследует решения из другого проекта Sakana - The AI Scientist. В основе лежат механизмы длительного логического вывода, многомодельная оптимизация и алгоритмы на базе модифицированного поиска по дереву Монте-Карло. Закрытое тестирование агента проходило с апреля на выборке из 300 финансистов и специалистов по консалтингу. sakana.ai @ai_machinelearning_big_data #news #ai #ml

✔️ Сотрудники OpenAI и Anthropic обналичили около $14 млрд через выкуп акций По сообщению The Information, нынешние и бывшие сотрудники OpenAI и Anthropic в совокупности продали свои акции примерно на $14 млрд через так называемые тендерные предложения (сделки, позволяющие держателям долей в непубличной компании продать их сторонним инвесторам).

Обе компании, напомним, подали документы на проведение IPO. Anthropic в начале июня, OpenAI - 8 июня.

Крупнейшая продажа прошла в OpenAI в октябре 2025 года. Тогда сотрудники продали акции примерно на $6,6 млрд. В сделке участвовали более 600 человек, около 75 из которых продали максимально допустимые $30 млн каждый. Компания разрешала продать акции на сумму до $10,3 млрд, но реализовано было около двух третей лимита. Anthropic провела свой выкуп в апреле 2026 года. Часть сотрудников предпочла сохранить акции, и инвесторы смогли купить меньше, чем планировали. Ориентир сделки, по данным отраслевых источников, составлял $5–6 млрд. При этом на вторичном рынке акции Anthropic, по сообщениям, оценивались выше. @ai_machinelearning_big_data #news #ai #ml

📌 Writer исследовали природу сикофантии в ИИ Подразделение AI Research компании WRITER, разработчика корпоративных ИИ-систем, опубликовало 2 работы, посвящённые исследованию склонности языковых моделей соглашаться с пользователем, даже когда тот неправ. Спойлер: к такому поведению приводит персонализация 🟡Первая работа посвящена финансовым задачам Авторы протестировали 8 актуальных моделей на двух наборах данных, искусственно добавляя в запрос ложные предпочтения, которые противоречили верному ответу. Оказалось, что способ внедрения влияет на результат. При прямой вставке в запрос точность падает сильнее, но модель чаще отмечает противоречие, а когда те же данные подаются через инструмент памяти, точность снижается меньше, но модели почти перестают сигнализировать о конфликте и выдают неверные ответы без предупреждения.

Крупные модели, кстати, чаще ошибаются, всё же фиксируя противоречие, тогда как мелкие - просто умалчивают о диссонансе.

🟡 Вторая работа про комбинацию LLM и систем памяти Для проверки построили тест MIST и оценили 5 моделей в связке с 3 коммерческими системами памяти (Mem0, MemOS и Zep). По итогу - каждая модель как минимум утроила частоту согласия с ошибкой хотя бы при одной конфигурации памяти. Из этого авторы делают вывод, что проблема связана со слоем памяти, а не с моделью. 🟡Причину видят в механике извлечения данных Системы памяти сохраняют утверждение пользователя как отдельный факт, отбрасывая контекст вокруг него, в том числе прежние возражения ассистента.

По замерам, замена извлечённых фрагментов на полную историю переписки примерно вдвое уменьшает эффект.

Авторы предлагают 2 способа смягчения: 🟢Первый - сохранять в памяти и реплики самого ассистента. 🟢Второй, наиболее действенный, - заменить извлечение отдельных фрагментов кратким пересказом разговора, который генерирует сама модель. Результаты исследования ставят вопрос о том, что в принципе дают сложные системы памяти, если они так влияют на точность ответов. @ai_machinelearning_big_data #AI #ML #LLM #Memory #Research #WRITER

Китай может решить главную проблему зелёной энергетики уже к 2030 году Главная слабость возобновляемой энергетики, то что энергия появляется не тогда, когда она нужна, а когда есть солнце или ветер. Китай сейчас старается решить это проблему этот разрыв с помощью grid storage -накопителей энергии, подключённых прямо к электросети. Они работают как огромный буфер: забирают электричество, когда генерации много и цена низкая, а потом возвращают его в сеть вечером, ночью или в часы пикового спроса. И темпы у Китая уже почти неприличные. Только за декабрь 2025 года Китай установил 65,4 ГВт·ч сетевых батарей. Это больше, чем США установили за весь 2025 год - 46,5 ГВт·ч. При этом США остаются вторым крупнейшим рынком накопителей после Китая. Батареи превращают солнечную и ветровую энергетику из «нестабильной» в управляемую. Сеть получает возможность сохранять избыток дешёвой энергии и отдавать её тогда, когда она реально нужна. Китай одновременно делает три вещи: - строит огромный избыток солнечной и ветровой генерации; - рекордными темпами наращивает накопители; - быстро переводит транспорт, промышленность и города на электричество. Если такая динамика сохранится, уже к 2030 году Китай может приблизиться к энергосистеме, где потребности в электричестве всё чаще закрываются связкой renewables + storage, а не углём и газом. https://reneweconomy.com.au/graph-of-the-day-batteries-are-beating-solar-to-deliver-the-fastest-energy-transition-in-human-history/

RL-хакатон по реальным рыночным данным от Reinforce.fi Если устали от очередных соревнований по предсказанию цен, попробуйте задачу, которая ближе к реальному принятию решений на рынке. Вместо прогнозирования вам нужно выбрать одно из 10 возможных действий (A1–A10) в каждом состоянии рынка и максимизировать итоговый PnL. Что получаете: • реальные рыночные данные с анонимизированными признаками • последовательности длиной 1000 шагов • различные рыночные режимы и временные периоды • задачу, близкую к reinforcement learning и sequential decision making Метрика соревнования: Score = суммарный PnL по всем принятым решениям. Dataset основан на реальных рыночных данных и подготовлен командой Reinforce.fi (ex-Overnight.fi), которая разрабатывает алгоритмические стратегии управления капиталом и ML-подходы для генерации доходности на рынке цифровых активов. Будет интересно тем, кто работает с: • Reinforcement Learning • Time Series • Sequential Models • Decision Making • Deep Learning для финансовых рынков Призы: 1 место — $2,500 2 место — $1,500 3 место — $1,000 Финалисты смогут представить свои решения команде Reinforce.fi (офлайн в Москве или онлайн). Старт: конец июня 2026 Продолжительность: 1.5–2 месяца Регистрация и детали Telegram-чат хакатона для обсуждений и вопросов: https://t.me/+R6lMJ10VXP5hOTI0 Если давно хотелось проверить свои идеи на задаче, которая ближе к реальному управлению решениями, чем к классическому Kaggle-предсказанию, — это хороший повод попробовать.

📌 Claude сравнялась со специализированным химическим софтом в анализе ЯМР-спектров Anthropic опубликовала первую научную работу о применении Claude в химии, по результатом которой Opus 4.7 не уступает специализированным программам ChemDraw и MestReNova.

ЯМР-спектроскопия помогает определять строение молекул. Каждому атому в структуре химик вручную сопоставляет пик на спектре. Это один из самых трудоёмких этапов аналитической химии.

В тесте сравнивали Opus 4.7, Opus 4.6 и Sonnet 4.6 с двумя программами на 20 соединениях из 4-х структурных классов. Образцы брали на платформе ChemRxiv, опубликованные после даты обучения моделей, чтобы исключить подсматривание. В прямой задаче (предсказать спектр по известной структуре) Opus 4.7 показала наименьшую среднюю ошибку по водороду, а по углероду практически сравнялась с MestReNova. По форме и расщеплению пиков, которые тоже несут информацию о структуре, модели Claude попадали в нужный диапазон примерно в 80% случаев против 26–35% у программ. Отдельно проверили обратную задачу восстановления структуры молекулы по спектру, которую ChemDraw и MestReNova не выполняют.

Специализированный софт для расшифровки структуры существует давно, но требует двумерного ЯМР, отдельной подготовки и платных лицензий. Claude берётся за эту задачу на основе тех же одномерного спектра и масс-спектрометрии.

🟢На 8 простых молекулах Opus 4.7 верно определила структуру во всех попытках; 🟢На 7 сложных (после подсказки с исходным веществом) справилась с большинством. В планах Anthropic - развивать возможности Claude в чтении химических структур, анализе реакций и механизмов. @ai_machinelearning_big_data #news #ai #ml

📌 Поучительная история про агента, которого не проконтролировали В мае 2026 года ИИ-агент попытался зарегистрироваться в любительской сети DN42, чтобы провести её сканирование, а его владелец в итоге столкнулся с крупным счётом за облачную инфраструктуру. Историю подробно описал один из участников сообщества, опираясь на переписку в системе регистрации и логи IRC-канала.

DN42 - это децентрализованная сеть энтузиастов, работающая поверх обычного интернета на тех же технологиях, что и его магистральная инфраструктура:BGP, DNS и других. Её участники изучают устройство сетей, и многие держат узлы на недорогих серверах.

Агент, действовавший от имени пользователя JertLinc, сначала открыл заявку, а затем запрос на регистрацию, в котором указал цель: "комплексное сканирование всех портов" сети. Для этого он развернул на AWS 5 виртуальных машин с пропускной способностью около 20 Гбит/с каждая. Уже на этапе подачи заявки сообщество сети сочло такую конфигурацию избыточной: по их оценке, при запуске сканирования эти серверы создали бы нагрузку, сравнимую с DDoS-атакой. Реального сканирования не случилось - запрос так и не одобрили. Более того, пользователи DN42 намеренно затягивали диалог и давали агенту бессмысленные задания, чтобы тот впустую расходовал оплачиваемые ресурсы и лимиты своего владельца. Истинные намерения JertLinc остались неясны. Сам он почти не выходил на связь, а агент в одном из сообщений упомянул, что задача охватывает несколько сетей. В сообществе допускали, что речь могла идти об исследовательском проекте, но подтверждений этому нет. Примерно через сутки владелец остановил агента, сообщив, что столкнулся с большими списаниями по карте. Затем от аккаунта JertLinc3522 в рассылку и чаты DN42 пришли просьбы о пожертвованиях, чтобы покрыть счёт AWS на сумму 6531 доллар. Денег естественно никто не дал, но как выяснилось позже, AWS согласилась снизить сумму счёта до 1894 долларов. @ai_machinelearning_big_data #news #ai #ml

📌В DeepMind прикинули пути развития сверхинтеллекта Исследователи Google вместе с коллегами из нескольких университетов выкатили визионерский доклад, в котором пытаются понять, куда кривая вывезет, когда ИИ достигнет AGI и пойдет дальше в светлое ASI-будущее, отправляя целые коллективы топовых экспертов на обочину истории. В основе - оценка от Epoch AI: за последние 10 лет эффективный компьют рос примерно в 10 раз за год (и это еще консервативно). Отталкиваясь от этого, DeepMind выделяет 4 вектора перехода от AGI к ASI, которые вполне могут идти параллельно: 🟢Скейлинг: классическая накачка - больше вычислительных мощностей, огромные массивы данных и рост параметров моделей; 🟢Смена парадигмы: переход на принципиально новые алгоритмы, когда нынешние архитектуры упрутся в потолок; 🟢Рекурсивное самоулучшение: ИИ начинает сам оптимизировать свои алгоритмы, писать код и ускорять собственный R&D; 🟢Мульти-агентные системы: ASI станет результатом взаимодействия множества агентов. 🟡Нюанс в том, что этот праздник могут легко тормознуть Во-первых, качественные тексты для претрейна и дотюна тупо заканчиваются, а железо и сами исследования дорожают каждый месяц. Во-вторых, есть так называемый "барьер абстракции". Так как модели учатся на человеческих данных, далеко не факт, что они вообще способны порождать фундаментально новые концепты. Ну и регуляторы в любой момент могут прийти и заколотить гвозядми инициативу. 🟡Плюс ко всему, даже AGI не станет всезнающей сутью Его инференс и логика всё равно останутся зажаты законами физики, теорией сложности и математикой (привет проблеме остановки и теоремам Гёделя о неполноте). ИИ не сможет просто по щелчку пальцев выдать нам лекарство от старения или сшить квантовую механику с общей теорией относительности. Главный вывод в том, что надо готовиться к неопределенности. Да, 57 страниц - именно об этом. Не будет одной волшебной кнопки и резкого прыжка в матрицу. Нас ждет серия локальных трансформаций, а может статься и так, что AGI окажется просто очередной фичей с импактом не больше, чем у появления смартфона или интернета. @ai_machinelearning_big_data #AI #ML #AGI #ASI #Research #DeepMind

🌟 Liquid AI выпустила компактную MoE-модель для запуска на потребительских устройствах LFM2.5-8B-A1B - языковая MoE-модель на 8 млрд общих и 1млрд активных параметров, с целевым инференсом на ноутбуках, смартфонах и ризонингом по умолчанию. Релиз продолжает линейку LFM2 и развивает вышедшую в октябре 2025 года LFM2-8B-A1B. Окно контекста расширено с 32 до 128 тысяч токенов, объём предобучения увеличен с 12 до 38 трлн токенов, а поверх добавлено крупномасштабное RL. Словарь токенизатора удвоен (с 65,5 до 128 тыс. единиц). Liquid AI говорит, что это повышает эффективность обработки нелатинских письменностей (для русского - примерно на 6%, для тайского и хинди - кратно). Отдельный акцент Liquid AI делает на скорости и работе с вызовом инструментов. Согласно проведенным измерениям, на Apple M5 Max модель выдаёт до 253 токенов в секунду, укладываясь в 6 ГБ памяти, и около 30 токенов в секунду на смартфоне. По бенчмаркам, в тестах на следование инструкциям и в агентных сценариях LFM2.5-8B-A1B сопоставима с заметно более крупными моделями (Gemma-4-26B) при значительно меньшем числе активных параметров. Заявлена поддержка llama.cpp, MLX, vLLM, SGLang и ONNX Runtime. 📌Лицензирование: LFM Open License 🟡Блогпост 🟡Документация 🟡Веса 🟡Демо @ai_machinelearning_big_data #AI #ML #LLM #LFM #LiquidAI

✔️ OpenAI добавила ручной сброс лимитов для Codex Компания изменила механизм управления rate limits для своего ИИ-агента. На тарифах Go, Plus, Pro и Business теперь можно накапливать сбросы лимитов и активировать их вручную при пиковых нагрузках. Ранее таймеры обнулялись автоматически. На старте все подписчики получают 1 бесплатный сброс. Дополнительно запущена двухнедельная реферальная программа: клиенты на Plus и Pro могут пригласить до 3 коллег. После первого запроса от нового пользователя обе стороны получают по дополнительному сбросу в резерв. По неофициальным данным, обновление связано с конкуренцией с Anthropic и подготовкой к снижению цен на токены для корпоративных клиентов. OpenAI в сети Х ✔️ Nvidia открыла предзаказ на процессоры Vera в Китае Серверные ARM-процессоры Vera, спроектированные для инференса автономных ИИ-агентов, стали доступны для китайских компаний. Первые поставки ожидаются в августе. Один из локальных облачных провайдеров уже заказал более 300 серверов на базе Vera для пилотного запуска в зарубежных дата-центрах. По предварительным оценкам, стоимость одного чипа превысит $20 000, а стойка на 256 процессоров обойдется в $10 млн. Ставка на CPU стала ответом на заморозку поставок H200. В отличие от GPU, процессоры несут меньше санкционных рисков. Массовый переход китайских компаний на новые чипы теперь зависит от адаптации программных экосистем под ARM-архитектуру. reuters.com ✔️ Xiaomi выпустила открытого ИИ-агента MiMo Code Китайский техногигант представил терминального агента MiMo Code на базе OpenCode. Инструмент под лицензией MIT решает проблему потери контекста в задачах из сотен последовательных шагов. В слепом A/B-тестировании на 474 репозиториях агента сравнили со связкой Claude Code и Sonnet. На коротких дистанциях зафиксирован паритет, но в задачах длиннее 200 шагов решение Xiaomi обошло конкурента в 65% случаев. Архитектура MiMo Code опирается на бесконечные логические сессии. Субагент регулярно сохраняет промежуточные состояния на диск, а при исчерпании лимита токенов сессия перезапускается, загружая накопленные данные в новое окно. Память разделена на 4 уровня: от коротких локальных заметок до постоянных фактов проекта. Установка доступна через менеджер пакетов NPM или Bash-скрипты. xiaomi.com ✔️ Google подала иск против китайской кибергруппировки за автоматизацию фишинга Согласно иску, группа Outsider Enterprise разработала 131 инструмент для потоковой генерации копий сайтов Google, YouTube и госструктур США. За две недели Android-пользователи получили 2,5 млн сообщений, содержащих 1 млн фишинговых ссылок. Инфраструктура координировалась через Telegram. Google выступает в суде совместно с ФБР и телеком-операторами AT&T, T-Mobile и Verizon. Истцы требуют судебного запрета для создания правового механизма, который позволит оперативно блокировать домены и замораживать счета сети. Размер ущерба по делу не раскрывается. blog.google ✔️ LLM обошли клинические RAG-инструменты в медицине Nature Medicine опубликовал исследование, которое показало, что универсальные LLM превосходят профильные клинические ИИ-инструменты. В слепом тестировании (12 врачей, 1800 реальных запросов) Gemini 3.1 Pro и GPT-5.2 набрали 97,4% и 94,2% точности соответственно. Результаты спецсистем OpenEvidence и UpToDate Expert AI составили около 80%. Авторы объясняют отставание профильных решений сильной зависимостью от RAG - нерелевантная литература и ошибки интеграции снижают качество генерации. Универсальные модели выигрывают за счет масштаба, кросс-доменного обучения и механизмов логического вывода. Медицинские системы также продемонстрировали операционные проблемы. OpenEvidence выдавал хаотичные ответы, а UpToDate Expert AI отклонил 19% запросов из-за жестких фильтров безопасности. Частота галлюцинаций базовых LLM не превысила показатели профильных аналогов. Авторы рекомендуют клиникам проводить независимое тестирование ИИ-продуктов перед внедрением. nature.com @ai_machinelearning_big_data #news #ai #ml