Machinelearning

❓ Работаете с финансовыми данными, но каждый раз упираетесь в источники и форматы? В итоге вместо анализа — постоянная борьба с выгрузками и обработкой. 🦾 На открытом уроке разберём, как получать и использовать данные финансовых рынков с помощью Python. Покажем, как работать с Yahoo Finance и где брать данные по российским торговым площадкам, включая Мосбиржу. Вы увидите полный процесс: от загрузки котировок до построения графиков и подготовки данных для задач машинного обучения. Без лишней теории — только то, что можно применить сразу. 👨‍💻🛠👨🏻‍💻 Урок будет полезен аналитикам, разработчикам и всем, кто работает с финансовыми данными. ➡ Встречаемся 30 апреля в 20:00 МСК в преддверии старта курса «Машинное обучение для финансового анализа». Зарегистрируйтесь и соберите основу для работы с рыночными данными: https://otus.pw/yXgy/?erid=2W5zFK9uXT7 Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

✔️ В Codex появилась запись экрана как рабочая память агента OpenAI добавила функцию Chronicle в Codeх, которая работает в фоне и записывает экран. Агент превращает записи в Markdown-саммари и сохраняет локально, так Codex собирает контекст: какими инструментами пользуется разработчик, над чем работает. Исходные видео удаляются через 6 часов. Функция в бете, доступна только подписчикам ChatGPT Pro на macOS везде, кроме ЕС, Великобритании и Швейцарии. Включается вручную в настройках персонализации, запрашивает системное разрешение на захват экрана. OpenAI предупреждает: Chronicle быстро выжигает лимиты API, хранит базу на диске без шифрования и расширяет возможность для prompt-инъекций - любая веб-страница со скрытыми инструкциями в поле захвата становится вектором атаки. developers.openai.com ✔️ В сети появилась открытая библиотека курсов от ведущих вузов и научных организаций SourceCraft и «Центр технологий для общества» Yandex Cloud запустили библиотеку учебных материалов. В подборке - модули от 20 вузов, среди них МФТИ, ВШЭ, МАИ и Школа анализа данных. Отдельным блоком есть курсы по ML и оптимизации от лауреатов Yandex ML Prize. Библиотекой могут пользоваться вузы: брать материалы целиком или отдельными модулями для образовательного процесса. В фокусе - практико-ориентированное обучение в области ML, ИИ‑ассистентов, анализа данных, облачных технологий. Преподаватели также могут присоединиться к инициативе. ✔️ Alibaba обновила модель Fun-ASR до версии 1.5 Среди поддерживаемых языков - более 30, включая русский, английский, немецкий и японский. Главное в релизе - code-switching: модель распознаёт несколько языков в одном аудиопотоке без переключения режима. Помимо транскрибации, добавили постобработку: автоматическая пунктуация и форматирование дат, чисел и валют. Для азиатского направления теперь доступно более 20 региональных диалектов и распознавание классической китайской поэзии. API открыт на Alibaba Cloud Model Studio по схеме pay-as-you-go. Час аудио стоит $0.32 за пределами Китая и от $0.16 на материке. Разработчикам дают бесплатные квоты на тесты. Tongyi Lab в сети Х ✔️ GitHub запретил оплату сервисов с помощью предоплаченных карт Платформа прекратила поддержку предоплаченных кредитных и дебетовых карт. Ограничение затрагивает как регулярные подписки, так и счета с оплатой по мере потребления ресурсов. Теперь для расчетов принимаются только стандартные банковские карты, PayPal и идентификаторы подписок Azure. При этом GitHub параллельно усилил антифрод-систему: пользователи отмечают, что иногда даже привязка легитимного кошелька PayPal может спровоцировать автоматические ограничения. Ужесточение мер - попытка пресечь массовую регистрацию фиктивных аккаунтов. Долгое время предоплаченные карты использовались для обхода лимитов и теневого доступа к GitHub Actions и Codespaces. Ожидается, что новые барьеры сделают эксплуатацию инфраструктуры платформы технически сложной и экономически невыгодной для ферм ботов. github.com ✔️ HappyHorse-1.0 выйдет в закрытое бета-тестирование 27 апреля. Alibaba Cloud объявила о запуске тестирования модели для генерации видео HappyHorse-1.0. Доступ к API будет постепенно открываться через платформу Alibaba Cloud, а первыми опробовать возможности инструмента смогут приглашенные корпоративные клиенты. Проект создавался силами подразделения ATH Innovation в тесном сотрудничестве с командами Tongyi Lab и Taotian Technology. После завершения закрытого тестирования полноценный коммерческий релиз HappyHorse-1.0 запланирован на май этого года. yicai.com @ai_machinelearning_big_data #news #ai #ml

⚡️ Apple объявила о смене CEO: Тима Кука на посту сменит Джон Тернус Компания сообщила о первой за почти 15 лет смене первого лица компании. С 1 сентября пост генерального директора займёт Джон Тернус, старший вице-президент по аппаратной инженерии. Тим Кук, возглавлявший корпорацию с 2011 года, перейдёт на позицию исполнительного председателя совета директоров. До конца лета он останется в роли CEO и будет участвовать в передаче дел. Тернусу 50 лет, в Apple он работает около четверти века и отвечал за разработку iPhone, iPad, Mac, Apple Watch, AirPods и гарнитуры Vision Pro. При вступлении в должность он станет 8-м по счету генеральным директором и войдёт в совет директоров. Нынешний неисполнительный председатель Артур Левинсон получит статус ведущего независимого директора. Главой аппаратного направления станет Джонни Сружи, прежде руководивший подразделением аппаратных технологий. Под руководством Кука капитализация Apple выросла более чем в 20 раз и на 21 апреля достигла 4 трлн долларов, а годовая выручка приблизилась к 400 млрд. Согласно отчётности, компенсация Кука за прошлый год составила 74,6 млн долларов; Forbes оценивает его состояние примерно в 3 млрд.

В своем заявлении Кук назвал работу на посту CEO «величайшей привилегией своей жизни». Он пришёл в Apple в 1998 году, когда компания была близка к банкротству, и в 2011 году сменил Стива Джобса.

По данным компании, решение совета было принято в пятницу и стало неожиданностью для индустрии - аналитики ожидали продолжения полномочий Кука ещё как минимум год. Месяцем ранее в интервью Good Morning America сам Кук называл разговоры о своём уходе лишь слухами. @ai_machinelearning_big_data #news #ai #ml

✔️ KIMI K2.6 за ночь обогнала LM Studio на маке! В блоге о запуске новой модели Kimi есть история, от которой немного отвисает челюсть. Моделька сама, без человека, поставила себе на мак Qwen3.5-0.8B и решила, что дефолтный инференс её не устраивает. Дальше она села писать свой, причём не на привычном питоне или C++, а на Zig. В итоге скорость генерации выросла примерно с 15 до 193 токенов в секунду. То есть больше чем в десять раз. И это оказалось на 20 процентов быстрее, чем LM Studio, которой пользуются тысячи людей именно для локального запуска моделей. Больше 4000 вызовов инструментов, 12 часов непрерывной работы и 14 итераций, пока всё не сошлось. Метрики K2.6 выглядят пртилично: SOTA среди опенсорса на HLE с тулзами, сильные результаты на SWE-Bench Pro, BrowseComp и математических бенчах с питоном. Но запоминается больше всего этот эпизод с Zig. Потому что одно дело проходить тесты, и совсем другое- взять незнакомый язык и переписать на нём чужой рантайм так, чтобы он обогнал популярный продукт. 🔗 API: https://platform.moonshot.ai 🔗 Tech blog: https://kimi.com/blog/kimi-k2-6 🔗 Weights & code: https://huggingface.co/moonshotai/Kimi-K2.6 @ai_machinelearning_big_data #KIMI

✔️ Qwen3.6-Max-Preview от Alibaba. Впечатления двойственные. Прогресс по сравнению с Qwen3.6-Plus сразу в нескольких направлениях - агентское программирование, мировые знания, следование инструкциям. Цифры в бенчмарках выглядят так: прирост в SkillsBench и SciCode около 10 пунктов, плюсы в SuperGPQA и ToolcallFormatIFBench. Модель доступна и в веб-интерфейсе Qwen Studio, и через API Alibaba Cloud, контекстное окно 256K Модель закрытая, исходников нет, что для части пользователей минус по сравнению с открытой линейкой Qwen. Сравнения в анонсе идут преимущественно с предыдущими моделями самой Qwen; прямых сопоставлений с актуальными конкурентами (GPT, Claude, Gemini, DeepSeek) в самом посте не приводится, оценивать относительную силу приходится по сторонним ресурсам. Бенчмарки вроде QwenClawBench и QwenWebBench - внутренние, к ним стоит относиться со скептицизмом. Blog: https://qwen.ai/blog?id=qwen3.6-max-preview Qwen Studio: https://chat.qwen.ai/?models=qwen3.6-max-preview API: https://modelstudio.console.alibabacloud.com/ap-southeast-1?tab=doc#/doc/?type=model&url=2840914_2&modelId=qwen3.6-max-preview&serviceSite=international @ai_machinelearning_big_data #qwen

Помощь в поиске лекарств и новых материалов, сложных расчетах и формулировании научных гипотез. ИИ уже ускоряет науку. Сможет усилить и ваш проект. ШАД от Яндекса открывает набор на направление «Искусственный интеллект в естественно-научных исследованиях». Двухгодичных формат обучения для исследователей, которые хотят интегрировать методы машинного обучения в свою научную работу по физике, химии, биологии, медицине, экологии или геологии. → Очное обучение с реальной научной средой: семинары, комьюнити исследователей, обратная связь от экспертов Яндекса и научного сообщества. → Обучение исключительно на собственном проекте. Обучение бесплатное, но нужно пройти отбор. Важно показать, что у вас уже есть текущий научный проект и научный руководитель (для студентов и аспирантов), кроме того — мотивация применять ИИ в исследовании. Дедлайн подачи заявки — до 3 мая. Успейте заполнить анкету и подать заявку по ссылке.

⚡️ Андрей Карпаты высказал про дизайн ИИ-моделей мысль, которую большинство упускает из виду. Его тезис: передовые модели не потому огромные, что технология сложная, а потому что данные для обучения мусорные. Когда обычный человек думает про интернет, ему в голову приходят статьи Wall Street Journal, Википедия, серьёзные тексты. Так вот, датасет для предобучения выглядит иначе. Если открыть случайные документы из реального корпуса, то там будут тикеры акций, битый HTML, спам и бессвязный текст. По одной из оценок, Llama 3 сжимает информацию со скоростью всего 0.07 бита на токен. То есть модель помнит большую часть обучающих данных смутно. Поэтому мы и строим модели на триллион параметров не потому, что нам нужен мозг такого размера, а потому что нужен движок сжатия такого масштаба, чтобы выжать хоть какой-то интеллект из потока шума. Большая часть параметров работает памятью, а не мышлением. Предложение Карпаты - разделить эти две функции. Построить когнитивное ядро - модель, в которой остались только алгоритмы рассуждения и решения задач, без энциклопедического заучивания. А рядом поставить внешнюю память, к которой модель обращается за фактами. По его прогнозу, когнитивное ядро, обученное на качественных данных, способно выйти на настоящий интеллект при размере около миллиарда параметров. Для сравнения: флагманские модели сегодня крутятся в диапазоне от 200 миллиардов до 1.8 триллиона параметров, и большая часть этого веса уходит на запоминание интернет-помойки. GPT-4o работает примерно на 200 миллиардах параметров и обходит оригинальный GPT-4 на 1.8 триллиона. Стоимость инференса на уровне GPT-3.5 с 2022 по 2024 упала в 280 раз, и почти весь этот выигрыш дали модели меньшего размера, обученные на более чистых данных с более продуманной архитектурой. Настоящим узким местом ИИ сейчас является качество данных. @data_analysis_ml

🌟 Google DeepMind выпустила Gemini Robotics-ER 1.6 Gemini Robotics-ER 1.6 - обновлённая модель воплощенного ризонинга, которая отвечает за пространственное понимание, планирование задач и детекцию успеха робота, но сама не управляет приводами.

За моторные команды по-прежнему отвечает отдельная VLA-модель Gemini Robotics 1.5. ER-версия лишь подсказывает ей, что и в каком порядке делать, и при необходимости вызывает внешние инструменты (от поиска Google Search пользовательских функций.

🟡Чтение приборов Совместно с Boston Dynamics в DeepMind научили модель интерпретировать аналоговые манометры, уровнемеры, смотровые стёкла и цифровые табло.

Задача нетривиальная: нужно распознать стрелки, риски, единицы измерения и корректно сложить разряды, а для смотровых стёкол - оценить уровень жидкости с поправкой на перспективу камеры. Сценарий заточен под обходы промышленных объектов, которыми занимается робот Spot.

Точность достигается за счёт связки визуального ризонинга и исполнения кода. Модель сначала зумит целевой участок снимка, затем расставляет точки по ключевым элементам шкалы и через код считает пропорции и интервалы. На задаче чтения приборов Gemini Robotics-ER 1.6 с показывает 93%, без ризонинга - 86%. 🟡Подтянули базовые навыки 🟢Указание точных пиксельных координат стало точнее в счёте, обработке отношений «from-to», построении траекторий и выборе точек захвата. 🟢Заметно вырос успех детекции в мультикамерных сетапах, где сцену одновременно снимают обзорная камера и камера на манипуляторе. 🟢Модель стала лучше сопоставлять виды между собой и во времени, что критично в динамичных сценах: без надёжной детекции завершения шага агент не понимает, повторять ли попытку или переходить к следующему этапу плана.

По безопасности DeepMind заявляет лучший результат в линейке: модель стабильнее соблюдает физические ограничения и точнее распознаёт травмоопасные ситуации (+6% на текстовых сценариях и +10% на видео по сравнению с Gemini 3.0 Flash).

Gemini Robotics-ER 1.6 доступна через Gemini API и Google AI Studio. Deepmind также собрал Colab с примерами промптов для типовых задач воплощенного ризонинга. @ai_machinelearning_big_data #news #ai #ml

Роскошный максимум: получить приглашение в команду SberAds за один день! 😉 Сделать это можно на One Day Offer* для Data Analyst**, который пройдёт уже 25 апреля. Сбер ждёт специалистов, которые готовы: ✔️ создавать и улучшать модели для real-time аукционов ✔️ трансформировать SberAds — вывести на пик эффективности, качества и релевантности рекламы ✔️ стать частью команды из 8000+ коллег (это вау! 🤩) Занимай место в проекте мечты! * One Day Offer — предложение о работе за один день. ** Data Analyst — аналитик данных.

🌟 Google DeepMind выпустила Gemini Robotics-ER 1.6 Gemini Robotics-ER 1.6 - обновлённая модель воплощенного ризонинга, которая отвечает за пространственное понимание, планирование задач и детекцию успеха робота, но сама не управляет приводами.

За моторные команды по-прежнему отвечает отдельная VLA-модель Gemini Robotics 1.5. ER-версия лишь подсказывает ей, что и в каком порядке делать, и при необходимости вызывает внешние инструменты (от поиска Google Search пользовательских функций.

🟡Чтение приборов Совместно с Boston Dynamics в DeepMind научили модель интерпретировать аналоговые манометры, уровнемеры, смотровые стёкла и цифровые табло.

Задача нетривиальная: нужно распознать стрелки, риски, единицы измерения и корректно сложить разряды, а для смотровых стёкол - оценить уровень жидкости с поправкой на перспективу камеры. Сценарий заточен под обходы промышленных объектов, которыми занимается робот Spot.

Точность достигается за счёт связки визуального ризонинга и исполнения кода. Модель сначала зумит целевой участок снимка, затем расставляет точки по ключевым элементам шкалы и через код считает пропорции и интервалы. На задаче чтения приборов Gemini Robotics-ER 1.6 с показывает 93%, без ризонинга - 86%. 🟡Подтянули базовые навыки 🟢Указание точных пиксельных координат стало точнее в счёте, обработке отношений «from-to», построении траекторий и выборе точек захвата. 🟢Заметно вырос успех детекции в мультикамерных сетапах, где сцену одновременно снимают обзорная камера и камера на манипуляторе. 🟢Модель стала лучше сопоставлять виды между собой и во времени, что критично в динамичных сценах: без надёжной детекции завершения шага агент не понимает, повторять ли попытку или переходить к следующему этапу плана.

По безопасности DeepMind заявляет лучший результат в линейке: модель стабильнее соблюдает физические ограничения и точнее распознаёт травмоопасные ситуации (+6% на текстовых сценариях и +10% на видео по сравнению с Gemini 3.0 Flash).

Gemini Robotics-ER 1.6 доступна через Gemini API и Google AI Studio. Deepmind также собрал Colab с примерами промптов для типовых задач воплощенного ризонинга. @ai_machinelearning_big_data #news #ai #ml

✔️ ElevenLabs анонсировала локальное развертывание моделей. Платформа открыла ранний доступ к 2 вариантам деплоя: 🟢On-Premise - для стандартных серверов с GPU, 🟢On-Device - для edge-устройств и систем с поддержкой NPU, ARM-чипов и бюджетных видеокарт. Обе версии работают с более чем 30 языками. Инференс и обработка аудио будут выполнятся целиком внутри инфраструктуры клиента. Лицензионная валидация и телеметрия опциональны вплоть до полностью изолированных контуров. Обещают доступность тонкой настройки под конкретные языки и диалекты. Обновления в этих вариантах развертывания будут поставляться по контролируемому графику. Пока открыта запись в лист ожидания, срок запуска - без даты, но указано что в первой половине 2026 года. Тарификация индивидуальная: лицензия плюс оплата по использование. @ai_machinelearning_big_data #news #ai #ml

⚡️ Вышло большое обновление популярного курса- Ai AI агенты, которые реально работают в проде! Вы всё ещё пишете обёртки над ChatGPT и называете это «AI-продуктом»? Пока вы промптите - рынок переходит на агентные системы. Те, что принимают решения, ходят в API, работают с Postgres и Redis, управляют браузером через Playwright. И 90% таких систем ломаются между ноутбуком и продом. AI Agents Engineering - курс, который закрывает этот разрыв. LangGraph, AutoGen, Computer Use, LLMOps. 8 модулей, 120+ шагов - от архитектуры до деплоя в Docker. На выходе: реальный опыт на большой практической базе, а production-агент и навыки, за которые уже платят. 👉 48 часов действует скидка на курс 55 процентов: https://stepik.org/a/276971/

⚡️ OpenAI обновила Agents SDK Вышло крупное обновление Agents SDK и главное изменение в том, что агенты теперь могут читать и записывать файлы, устанавливать зависимости, запускать код и обращаться к внешним инструментам, а не ограничиваться диалогом с пользователем. В обновлённый исполнительный каркас добавлены настраиваемая память, оркестрация с учётом песочниц и встроенные инструменты работы с файловой системой. Эти возможности ранее были характерны для Codex. Помимо этого, SDK поддерживает вызов инструментов через MCP, пользовательские инструкции AGENTS.md и прогрессивные объявления возможностей Skills. Из коробки SDK работает с 7 провайдерами песочниц: Blaxel, Cloudflare, Daytona, E2B, Modal, Runloop и Vercel. Есть возможность подключить и собственную инфраструктуру. Новая абстракция Manifest описывает рабочее пространство агента единообразно - позволяет монтировать локальные файлы, задавать каталоги вывода и подключаться к облачным хранилищам AWS S3, Google Cloud Storage, Azure Blob Storage и Cloudflare R2. По заявлению компании, одна и та же конфигурация работает и при локальной разработке, и при развёртывании в рабочей среде. Архитектурно SDK отделяет логику управления агентом от среды, в которой выполняется его код, в результате чего: 🟢учётные данные не попадают в среду исполнения сгенерированного моделью кода, что снижает риски промпт-инъекций и утечек данных; 🟢вынесенное состояние агента позволяет делать снимки и восстанавливать работу при сбое контейнера песочницы; 🟢несколько субагентов могут выполнять задачи параллельно в разных контейнерах. Обновление доступно всем пользователям API и тарифицируется по стандартной схеме - за токены и вызовы инструментов. Пока поддерживается только Python. Выпуск TypeScript-версии, по словам OpenAI, запланирован на более поздний срок. @ai_machinelearning_big_data #news #ai #ml

📌 The Nation связывает сокращение научного финансирования в США с ростом ИИ-платформ Издание The Nation опубликовало материал о связи между сокращением государственного финансирования науки в США и быстрым ростом индустрии, где исследователи с докторскими степенями выполняют задачи для обучения ИИ-моделей за почасовую плату. По данным Американской ассоциации содействия развитию науки, предложенный бюджет на 2026 финансовый год предусматривал сокращение финансирования Национальных институтов здравоохранения на 40%, Национального научного фонда - на 57%, NASA - на 24%. Конгресс частично откатил эти меры, однако, по данным журнала Science, за последний год федеральную службу покинули более 10 тыс. сотрудников с PhD в STEM-дисциплинах.

Университетские лаборатории, как сообщает The Atlantic, увольняли сотрудников и сворачивали исследования.

The Nation связывают эту политику с венчурными инвесторами, близкими к Белому дому, прежде всего с Питером Тилем и Марком Андриссеном.

В утечке переписки, опубликованной The Washington Post в 2025 году, Андриссен призвал подвергнуть Национальный научный фонд «бюрократической смертной казни».

Сами Тиль и Андриссен публично обосновывают свою позицию тем, что академическая наука, по их мнению, стала забюрократизированной и утратила продуктивность.

Тиль в интервью Hoover Institution утверждал, что число PhD за столетие выросло в 100 раз, тогда как темп научного прогресса почти не изменился

Одновременно растёт рынок платформ, нанимающих учёных для подготовки данных и проверки ответов ИИ-моделей.

По словам всех опрошенных изданием исследователей, именно урезание федерального финансирования сделало для них почти недоступными позиции в академии: закрывались постдокторские ставки, исчезали летние стипендии, сворачивались гранты.

Обучение ИИ-моделей, в свою очередь, требует специалистов, способных составлять сложные задачи и проверять ответы на уровне эксперта с докторской степенью - и освободившийся в результате бюджетных сокращений пул кандидатов оказался удобным ресурсом для ИИ-платформ.

Реклама занятости в этих сервисов во многом повторяет приёмы Uber и Lyft: упор на гибкость, удалённый режим и «свободу»: в роликах учёные гуляют по лесу, читают в гамаках, а закадровый голос объясняет, что подработка позволяет «оставаться в профессии».

В реальности, опрошенные The Nation исследователи высказывают претензии к условиям работы у техно-гигантов. Объявленные ставки (от 30 до 90 долларов в час) на практике часто оказываются ниже из-за неоплачиваемого времени, лимитов на сложные задачи и отказа оплачивать неполные или неверные решения. @ai_machinelearning_big_data

Клод, когда я кидаю в него сложные задачи @ai_machinelearning_big_data #claude

✔️ DeepSeek впервые привлекает внешние инвестиции Китайский ИИ-стартап, до сих пор существовавший на деньги хедж-фонда High-Flyer, впервые ведёт переговоры о внешнем финансировании. DeepSeek рассчитывает привлечь минимум $300 млн, что выведет ее оценку за пределы $10 млрд. Раньше компания отказывала китайским VC, но теперь деньги нужны для закупки вычислений - обучение моделей дорожает быстрее, чем High-Flyer может финансировать. Параллельно стартап теряет инженеров. Один из авторов архитектуры V3 ушёл возглавить ИИ-направление в Xiaomi, исследователя Го Дая переманила ByteDance. С инфраструктурой тоже напряжённо. В апреле 2026 DeepSeek пережил 7-часовой сбой, который затронул 355 млн пользователей. Чтобы снизить зависимость от сторонних облаков, компания планирует строить собственный дата-центр во Внутренней Монголии. theinformation.com ✔️ OpenAI выпустила первую модель в новой серии Life Sciences GPT-Rosalind, названная в честь биофизика Розалинд Франклин, создана для ускорения разработки лекарств на ранних этапах поиска, улучшения выбора биологических мишеней и планирования экспериментов. Модель уже показала лучший результат на биологических бенчмарках BixBench и в закрытых тестах по прогнозированию функций РНК-последовательностей, где модель превзошла 95% исторических результатов экспертов-людей. Вместе с релизом OpenAI выложила на GitHub плагин Codex Life Sciences Research. Инструмент предоставляет доступ к более чем 50 базам данных и биологическим утилитам, причем его можно использовать в связке с любыми моделями общего назначения. Модель доступна в режиме preview участникам Trusted Access Program - корпоративным клиентам в США. openai.com ✔️ Anthropic исправила баг учёта лимитов в Opus 4.7 Anthropic устранила ошибку, из-за которой 5-часовые и недельные квоты в Opus 4.7 списывались быстрее, чем должны, особенно при длинных промптах. Баг существовал ещё в Opus 4.6, но в новой модели стал заметнее: Opus 4.7 перешёл на новый токенизатор, который тратит до 1,35× токенов на тот же текст. Вкупе с ошибкой биллинга лимиты сгорали почти мгновенно. В качестве компенсации Anthropic обнулила счётчики использования всем подписчикам. Но обрадовало это не всех. Недельная квота считается по индивидуальному 7-дневному окну, поэтому сброс был выгоден только тем, кто уже упёрся в потолок. Разработчики, которые берегли токены на сложные задачи к концу недели, из-за компенсации лишились накопленного запаса. ClaudeDevs в сети Х ✔️ Google показал фреймворк генерации синтетических датасетов Simula Google Research опубликовал в TMLR работу о фреймворке для генерации синтетических датасетов, который проектирует датасет целиком, с независимым управлением охватом, сложностью и качеством, а не наращивает примеры по одному. Simula работает без seed-данных: ризонинг-модель сама разворачивает домен в иерархическую таксономию, из каждого узла генерирует разные формулировки сценария. Часть промптов дополнительно усложняется, а корректность ответов проверяют 2 независимых критика, чтобы снизить сикофантию. Внутри Google Simula уже используется для обучения ShieldGemma, FunctionGemma, MedGemma, классификаторов Gemini, а также фильтров мошеннических звонков и спама в Android. research.google ✔️ Из OpenAI одновременно ушли 2 топовых сотрудника Об отставке объявили Билл Пиблз и Кевин Вейл. Пиблз руководил созданием видеомодели Sora: он стоял у истоков проекта, когда команда состояла всего из двух человек, и принимал непосредственное участие в развитии продукта вплоть до релиза Sora 2. Кевин Вейл, ранее занимавший пост директора по продукту, в октябре 2025 года перешел в исследовательский блок, где с нуля запустил направление OpenAI for Science. Из-за его ухода профильный научный отдел решено расформировать, а инженеров и исследователей распределят по другим командам. В своем прощальном письме Вейл понадеялся, что ускорение научных открытий станет одним из главных и самых позитивных результатов на пути человечества к созданию AGI. Kevin Weil и Bill Peebles в сети Х @ai_machinelearning_big_data #news #ai #ml

🚀 Anthropic запустила Claude Design - отдельный продукт, который заточен на генерацию готовых макетов, прототипов, слайдов и сайтом. Под капотом Claude Opus 4.7, их самая сильная модель с пониманием визуала. Главная фишка не в генерации картинок, а в том, что Claude читает твою кодовую базу и дизайн-файлы, вытаскивает оттуда дизайн-систему продукта и дальше сам держит всё в рамках бренда. Никакого ручного объяснения, какие у вас шрифты, цвета и отступы. Пока это research preview на планах Pro, Max, Team и Enterprise, раскатка идёт в течение дня. Пробовать тут: claude.ai/design. Попробовать: claude.ai/design @ai_machinelearning_big_data #claude #Anthropic

📌 EvoMap обвинила Hermes Agent в копировании архитектуры. Команда EvoMap, разрабатывающая эволюционный движок для ИИ-агентов Evolver, опубликовала детальное техническое сравнение, в котором обвинила проект Hermes Agent от Nous Research в систематическом заимствовании архитектурных решений без указания источника.

Разрыв в популярности между проектами значителен: 88 тысяч звёзд на GitHub у Hermes Agent против 2 тысяч у Evolver.

В списке перечислены более 10 совпадений на уровне модулей: трёхуровневая система памяти с идентичным распределением ролей между слоями, замкнутый цикл автоматического извлечения переиспользуемого опыта, механизм периодической рефлексии, динамическое обнаружение и подгрузка навыков, десятишаговая оркестрация эволюционного цикла и ряд инженерных паттернов. Хронология, на которую опирается EvoMap: ключевой протокол GEP был раскрыт с 1 по 16 февраля в 136 релизах, а система навыков Hermes появилась лишь 12 марта. Аргументация EvoMap строится на вероятностной логике: каждое совпадение по отдельности объяснимо независимой конвергенцией - трёхуровневая память и извлечение опыта активно обсуждаются в сообществе ИИ-агентов, но их совокупность, по мнению авторов, выходит за рамки случайности. При этом EvoMap признает: 🟢репозиторий Hermes Agent создан в июле 2025 года, на полгода раньше Evolver; эволюционный модуль Hermes построен на фреймворке GEPA; 🟢стандарт Agent Skills предшествует обоим проектам; 🟢код написан на разных языках - JavaScript и Python Основатель Nous Research в ответ на претензии написал, что никогда не слышал ни о проекте, ни о его авторах, назвал сравнительный анализ «полной чушью», а позднее посоветовал EvoMap удалить свой аккаунт. На технические аргументы Nous Research не отвечала. Вслед за этим EvoMap выпустила открытое письмо, объявив о смене лицензии Evolver с MIT на GPL-3.0 и переходе к выпуску ключевых модулей в обфусцированном виде. Команда также признаёт, что судебное разбирательство с Nous Research ей не по силам. Главный тезис письма выходит за рамки конкретного спора: способен ли институт открытых лицензий работать, когда ИИ сводит стоимость воспроизведения кодовой логики почти к нулю?

При этом позиция EvoMap упирается в тупик: GPL-3.0 обязывает раскрывать код производных продуктов, но без текстуального пересечения полезность лицензии не срабатывают. Обфускация же блокирует вклад сообщества и противоречит самому принципу открытого кода.

@ai_machinelearning_big_data #news #ai #ml

Потанин: бюрократия замедляет развитие ИИ Владелец «Норникеля» Владимир Потанин рассказал о ML‑стеке компании в интервью «России 24». Это любопытный кейс того, как industrial AI уходит от «ещё один CV на конвейере» к собственным foundation‑моделям и ML‑driven R&D. ▪️ MetalGPT — доменная foundation model «Норникеля», обученная на отраслевых данных металлургии. Используется для предиктивной аналитики агрегатов и R&D новых материалов. ▪️ Продакшн‑инференс на заводе: нейросети управляют 70% агрегатов на обогащении и принимают решения в 100 раз чаще, чем операторы. По уровню внедрения ИИ «Норникель» — мировой топ‑3 вместе с Tata Steel и POSCO. ▪️ ML для материаловедения. Модели применяются для подбора замещений: палладий вместо платины и иридия (первые 500 кг уже ушли в Китай на стекловолокно). Следующий шаг — предсказание и дизайн кристаллической решётки палладия для получения металла с заданными свойствами. ▪️ Экономика: «десятки миллиардов рублей» эффекта в год, к 2030 — 50+ млрд. ▪️ Уровень внедрения ИИ в РФ втрое ниже среднемирового, Россия претендует на третье место после США и Китая. Потанин против жёсткой регуляторики: модели обновляются раз в 2–3 месяца, бюрократия убьёт темп.

✔️ Apple отправила инженеров Siri на обучение ИИ-кодингу Пытаясь преодолеть многолетнее технологическое отставание, компания запустила программу переобучения для почти 200 сотрудников. Инженеры на практике освоят Claude Code и Codex. После курсов структура команды поменяется: ядро разработки сформируют из 60 специалистов, ещё 60 человек переведут на мониторинг и безопасность продукта. Эти изменения завершают реорганизацию начала 2025 года - подразделение уже перешло под контроль старшего вице-президента по разработке ПО Крейга Федериги, а бывший глава ИИ-направления Джон Джаннандреа покидает Apple на этой неделе. Цель переобучения - релиз обновлённой Siri на летней конференции WWDC. theinformation.com ✔️ Windsurf добавила в редактор центр управления агентами и облачного ИИ-инженера Cognition выпустила крупное обновление IDE, смещающее акцент с написания кода на управление роем ИИ-агентов. Центральный элемент релиза - Agent Command Center, который собирает все запущенные агенты (локальные и облачные) на единой Kanban-доске с группировкой по статусу. Задачи организуются через Spaces: пространство объединяет сессии агентов, пул-реквесты, файлы и контекст проекта. Например, в одном Space локальная сессия прототипирует UI, а две облачных правят API и пишут тесты. Новые сессии наследуют накопленный контекст. Вторая часть релиза - автономный облачный агент Devin с собственной виртуальной машиной и браузером. Он ведёт задачи от отладки до деплоя и продолжает работать после выключения компьютера. Готовый PR можно отревьюить в Windsurf или передать локальному агенту на доработку. Devin включён во все тарифы, доступ разворачивается постепенно. windsurf.com ✔️ В Gemini CLI появилась поддержка субагентов Google добавил в утилиту систему специализированных ИИ-ассистентов: основной агент работает как координатор и делегирует ресурсоёмкие или рутинные задачи субагентам. Каждый из них работает в собственном окне контекста, использует индивидуальные системные инструкции и выделенный набор инструментов, включая серверы MCP. Многоэтапные операции выполняются автономно, а в главный чат возвращается только итоговый результат. Для ускорения субагенты могут запускаться параллельно. Из коробки доступны 3 базовых ассистента: универсального профиля, специалиста по анализу кодовой базы и эксперта по документации самой утилиты. Можно создавать кастомных агентов через Markdown-файлы с YAML-заголовками - конфигурации сохраняются локально или добавляются в репозиторий проекта для всей команды. googleblog.com ✔️ Alibaba анонсировала модель генерации 3D-миров в реальном времени Китайский ИТ-гигант представил модель Happy Oyster, способную создавать физически достоверные трёхмерные пространства и интерактивные видео, работая непрерывно и на лету реагируя на новые инструкции. Инструмент поддерживает два формата. «Режиссура» создает связный мир длительностью до 3 минут в 720p, позволяя менять ракурсы камер или действия персонажей через текст, голос или картинки. «Wandering» создает локацию, которую можно бесконечно расширять и исследовать от первого лица. Доступ предоставляется через лист ожидания на сайте проекта. happyoyster.cn ✔️ Adobe представила ИИ-ассистента Firefly Платформа Firefly пополнилась ИИ-агентом, который объединяет инструменты Creative Cloud в едином диалоговом интерфейсе. Достаточно описать результат текстом и ассистент сам выстроит и выполнит цепочку задач в Photoshop, Premiere, Illustrator и других программах. Агент обучается на предпочтениях автора и учитывает контекст текущих файлов. Параллельно обновился видеоредактор: добавлены инструменты очистки звука, цветокоррекции и прямая интеграция с Adobe Stock. Для изображений появились функция генерации визуальных вариаций и инструмент ИИ-разметки кистью. Также добавили модели Kling 3.0 - общий парк теперь превышает 30 моделей от разных поставщиков. Публичное бета-тестирование ассистента начнётся в ближайшие недели. adobe.com @ai_machinelearning_big_data #news #ai #ml