Big Data AI
Open in Telegram
@haarrp - админ Вопросы с собеседований по Machine Learning, Data Science, Deep Learning и Нейроннным сетям @data_analysis_ml - анализ данных @ai_machinelearning_big_data @itchannels_telegram - важное для программиста РКН: clck.ru/3Fmqxe
Show more
Network:📈 Analytical overview of Telegram channel Big Data AI
Channel Big Data AI (@bigdatai) in the Russian language segment is an active participant. Currently, the community unites 18 194 subscribers, ranking 7 184 in the Technologies & Applications category and 36 702 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 18 194 subscribers.
According to the latest data from 29 July, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -273 over the last 30 days and by -3 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 7.79%. Within the first 24 hours after publication, content typically collects 4.18% reactions from the total number of subscribers.
- Post reach: On average, each post receives 1 418 views. Within the first day, a publication typically gains 760 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 6.
- Thematic interests: Content is focused on key topics such as llm, openai, github, nvidia, deepseek.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“@haarrp - админ
Вопросы с собеседований по Machine Learning, Data Science, Deep Learning и Нейроннным сетям
@data_analysis_ml - анализ данных
@ai_machinelearning_big_data
@itchannels_telegram - важное для программиста
РКН: clck.ru/3Fmqxe”
Thanks to the high frequency of updates (latest data received on 30 July, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.
18 194
Subscribers
-324 hours
-47 days
-27330 days
Data loading in progress...
Similar Channels
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
July '26
July '26
+72
in 43 channels
June '26
+51
in 0 channels
Get PRO
May '26
+54
in 1 channels
Get PRO
April '26
+245
in 2 channels
Get PRO
March '26
+1 786
in 3 channels
Get PRO
February '26
+683
in 4 channels
Get PRO
January '26
+145
in 0 channels
Get PRO
December '25
+114
in 2 channels
Get PRO
November '25
+339
in 44 channels
Get PRO
October '25
+158
in 14 channels
Get PRO
September '25
+231
in 36 channels
Get PRO
August '25
+148
in 3 channels
Get PRO
July '25
+389
in 52 channels
Get PRO
June '25
+237
in 37 channels
Get PRO
May '25
+136
in 3 channels
Get PRO
April '25
+217
in 27 channels
Get PRO
March '25
+471
in 4 channels
Get PRO
February '25
+264
in 41 channels
Get PRO
January '25
+402
in 44 channels
Get PRO
December '24
+557
in 39 channels
Get PRO
November '24
+463
in 54 channels
Get PRO
October '24
+620
in 57 channels
Get PRO
September '24
+709
in 199 channels
Get PRO
August '24
+581
in 40 channels
Get PRO
July '24
+692
in 50 channels
Get PRO
June '24
+747
in 57 channels
Get PRO
May '24
+671
in 36 channels
Get PRO
April '24
+679
in 46 channels
Get PRO
March '24
+779
in 22 channels
Get PRO
February '24
+1 165
in 4 channels
Get PRO
January '24
+1 256
in 44 channels
Get PRO
December '23
+593
in 40 channels
Get PRO
November '23
+297
in 30 channels
Get PRO
October '23
+782
in 1 channels
Get PRO
September '23
+717
in 0 channels
Get PRO
August '23
+893
in 0 channels
Get PRO
July '23
+570
in 0 channels
Get PRO
June '23
+635
in 0 channels
Get PRO
May '23
+859
in 0 channels
Get PRO
April '23
+430
in 0 channels
Get PRO
March '23
+146
in 0 channels
Get PRO
February '23
+164
in 0 channels
Get PRO
January '23
+289
in 0 channels
Get PRO
December '22
+700
in 0 channels
Get PRO
November '22
+6 074
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 30 July | 0 | |||
| 29 July | +1 | |||
| 28 July | 0 | |||
| 27 July | +4 | |||
| 26 July | +4 | |||
| 25 July | +1 | |||
| 24 July | +5 | |||
| 23 July | +2 | |||
| 22 July | +6 | |||
| 21 July | +10 | |||
| 20 July | +7 | |||
| 19 July | 0 | |||
| 18 July | +17 | |||
| 17 July | +1 | |||
| 16 July | +1 | |||
| 15 July | 0 | |||
| 14 July | 0 | |||
| 13 July | 0 | |||
| 12 July | +2 | |||
| 11 July | 0 | |||
| 10 July | +3 | |||
| 09 July | 0 | |||
| 08 July | 0 | |||
| 07 July | 0 | |||
| 06 July | +1 | |||
| 05 July | +3 | |||
| 04 July | +2 | |||
| 03 July | 0 | |||
| 02 July | +2 | |||
| 01 July | 0 |
Channel Posts
Статья Google «Attention Is All You Need», которая в итоге привела к появлению трансформеров, изначально выросла из попытки улучшить Google Translate всего примерно на 3%.
Инновации часто рождаются уже в процессе создания продукта.
Если ты сам ничего не строишь, ты теряешь возможность придумать, как сделать это лучше.
~ Palantir's CTO
| 2 |  Rust курс со Stepik для тех, кто уже пишет прод 🦀
Когда начинаешь думать не только «работает ли код», но и что происходит с памятью, аллокациями, потоками и ошибками под нагрузкой — Rust становится особенно интересным.
На курсе разберёшь язык через реальные механики:
ownership, borrowing, lifetimes, traits, generics, error handling, модули, тесты и сетевое программирование.
После каждого блока — код и задача с автопроверкой.
Подойдёт разработчикам на Go, C++, Java, Python, JavaScript и других языках.
⏱ 5–6 часов в неделю
⚡ Старт сразу
💻 Упор на практику
Освой Rust так, чтобы после курса открыть новый проект и реально понимать, что пишешь и почему это работает.
Начать учиться: https://stepik.org/a/294885/ | 843 |
| 3 |  🔥 За одну неделю вышло сразу 6 интересных open-weight моделей
Пока все ждут веса Kimi K3 и Ling 3.0, Sebastian Raschka обновил свою LLM Architecture Gallery свежими релизами. И там есть несколько необычных решений.
1. Nanbeige 4.2 3B
Берёт один стек из 22 Transformer-блоков и прогоняет его дважды. Получается эффективная глубина 44 блока без удвоения весов: больше compute, но почти тот же parameter footprint.
2. Laguna S 2.1
118B MoE, всего 8B активных параметров и контекст 1M токенов. Poolside позиционирует её для долгих coding-agent задач, причём модель помещается на одном DGX Spark.
3. Motif 3 Beta
314B-A13B MoE с новой Grouped Differential Latent Attention: latent-compression внимания дополняется группировкой heads и механизмом подавления «шума».
4. Solar Open 2
250B-A15B от Upstage. Архитектура чередует 3 linear-attention слоя и 1 GQA, что помогает довести контекст до 1M токенов.
5. Antares 1B
Маленькая security-модель Cisco на базе Granite 4.0. Её дообучили через SFT + GRPO для поиска уязвимых участков кода через терминал. Хороший пример того, насколько далеко можно увести специализированную модель всего на 1B параметров.
6. BTL-3
Всего лишь rank-32 LoRA поверх Qwen3.6-27B, заточенная под coding agents и structured tool calling. Авторы заявляют 88,5% на BFCL v4 AST и 95,12% HumanEval pass@1.
Open-weight экосистема сейчас интересна именно разнообразием архитектур: looped transformers, sparse MoE, linear attention, специализированные SLM и обычные LoRA-адаптеры развиваются одновременно.
Все схемы и сравнения:
https://sebastianraschka.com/llm-architecture-gallery/ | 2 471 |
| 4 |  🔥 Tree-sitter переписали с C на Rust с помощью ИИ и ускорили почти на 30%
Автор ast-grep поручил ChatGPT переписать ядро Tree-sitter на Rust, сохранив совместимость с существующими сгенерированными парсерами.
Результат:
• raw parsing: +29,74% throughput
• обход дерева: +10,16%
• полный ast-grep: примерно 22% меньше CPU-времени
• существующие grammar/parser-артефакты остались совместимыми
Но самое интересное началось после первых бенчмарков: сам ast-grep сначала стал медленнее, хотя парсер уже работал быстрее.
Причина оказалась в архитектуре и работе с памятью. Первую пачку AI-оптимизаций вообще пришлось откатить: код стал плохо читаемым и начал ловить segfault'ы.
После этого подход поменяли: сначала упростили runtime, убрали ненужные для ast-grep части incremental parsing, переработали аллокации и структуры данных, а уже потом снова занялись производительностью.
🔗 https://astgrep.com/blog/tree-sitter-rust-rewrite | 901 |
| 5 |  — Мам, а почему мы стали такими бедными?
— Потому что у твоего отца были Claude Max, Cursor Pro и Grok 4.5, а в итоге он так ничего и не выпустил. | 1 564 |
| 6 |  Дарио: «МАСШТАБИРОВАНИЕ МОДЕЛЕЙ С ОТКРЫТЫМ ИСХОДНЫМ КОДОМ ИДЁТ ПО ОЧЕНЬ ОПАСНОМУ ПУТИ».
Это стоит пересмотреть ещё раз.
Доступ к открытым моделям без ограничений будут терпеть лишь до тех пор, пока они недостаточно умны, чтобы угрожать закрытым ИИ-компаниям. | 1 631 |
| 7 |  Команда GigaChat зовёт на вечеринку для AI-разработчиков и исследователей 🎉
29 июля, Сбер.Среда, пространство «Оригинал» (м. «Курская», ул. Земляной Вал, 9А)
Без докладов, презентаций и официальных дискуссий – только общение с коллегами по индустрии, обсуждение рабочих задач и болей, новые знакомства и летний вечер на веранде.
Регистрация и подробности
Надеемся на хорошую погоду 🥳
До встречи! | 1 520 |
| 8 | 🚀 Qwen3.8 скоро выйдет в open-weight
Новая модель Alibaba получит 2,4 трлн параметров. Разработчики называют её одной из самых мощных моделей на рынке и ставят рядом с ведущими frontier-моделями.
Предварительную версию Qwen3.8-Max-Preview уже можно протестировать через Alibaba Token Plan, Qoder и QoderWork.
Полный релиз и открытые веса обещают в ближайшее время.
Token Plan:
- Международная версия: https://www.qwencloud.com/pricing/token-plan
- Китай: https://platform.qianwenai.com/pricing/token-plan
#AI #LLM #Qwen #OpenWeight | 1 234 |
| 9 |  Полностью локальная мультимодальная модель для GPU с 8 ГБ памяти
Модель запускается на локальном компьютере, понимает изображения и подходит для создания ИИ-агентов.
Возможности
- fine-tuning на Hermes V3
- оптимизация под агентные сценарии
- анализ изображений
- рабочий function calling
- готовые версии GGUF и mmproj
- минимум встроенных ограничений и отказов
- запуск на видеокартах с 8 ГБ VRAM
Хороший вариант для локальных агентов, которым нужно анализировать изображения, работать с интерфейсами и вызывать внешние инструменты без облачного API.
Модель с отключёнными ограничениями лучше запускать в изолированной среде без доступа к важным файлам, ключам и системным командам.
https://huggingface.co/LuffyTheFox/Qwen3.6-35B-A3B-Uncensored-Genesis-Hermes-V3-GGUF | 1 538 |
| 10 |  🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку
В IT прокачивается тот, кто каждый день видит сильные идеи, новые инструменты, реальные задачи, вакансии и разборы.
Окружение решает больше, чем кажется.
Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре.
AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
DevOps: t.me/DevOPSitsec
Docker: t.me/DevopsDocker
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
C#: t.me/csharp_1001_notes
Java: t.me/java_library
JavaScript: t.me/javascriptv
React: t.me/react_tg
Frontend: t.me/front
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
Big Data: t.me/bigdatai
Математика: t.me/data_math
Физика: t.me/fizmat
Kubernetes: t.me/kubernetc
GameDev: https://t.me/gamedev
Haskell: t.me/haskell_tg
Собеседования и карьера:
DS собеседования: t.me/machinelearning_interview
Python собеседования: t.me/python_job_interview
Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy
Полезное сверху:
ИТ-мемы: t.me/memes_prog
Английский для программистов: t.me/english_forprogrammers
ИИ и технологии: t.me/vistehno
954 ГБ open-source курсов: @courses
ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy
Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg
Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.
Пока кто-то листает шум, ты будешь видеть инструменты, задачи и идеи, которые помогают расти в профессии. | 1 107 |
| 11 |  Кто-то разобрал Claude Code почти до винтика
learn-coding-agent - репозиторий для тех, кто хочет понять, как устроены современные coding agents не на уровне промо-страниц, а на уровне архитектуры.
Автор собрал разбор Claude Code по публичным источникам: цикл агента, систему инструментов, разрешения, работу с контекстом, сессии, подпроцессы, MCP, удалённые настройки, телеметрию и скрытые флаги.
Получился не “гайд по использованию”, а карта внутренней логики CLI-агента: как он принимает решение, когда просит разрешение, как вызывает инструменты, как хранит историю и как расширяется через внешние интеграции.
https://github.com/justxor/Claudecourse/ | 1 312 |
| 12 |  Unsloth выкатили Gemma 4 NVFP4 quants.
Заявка простая: быстрее 4-bit inference на Blackwell GPU без обычного компромисса “сжали, но стало заметно тупее”.
Главные цифры:
* Gemma-4-12B NVFP4 запускается на 11 GB VRAM
* Gemma-4-26B-A4B доходит до 13K tok/s на B200
* NVFP4 даёт до 1.5× ускорения на GPU
NVFP4 - это не просто “ещё один 4-bit формат”. Он заточен под Blackwell и позволяет делать inference быстрее, сохраняя точность лучше, чем грубая квантизация.
Для локального и self-hosted inference это важный сдвиг: больше моделей помещается в память, throughput растёт, стоимость токена падает.
Особенно полезно для тех, кто гоняет много коротких запросов, агентные пайплайны или batch-инференс, где скорость и VRAM решают всё.
Blog: https://unsloth.ai/docs/basics/nvfp4
Gemma NVFP4: https://huggingface.co/collections/unsloth/nvfp4 | 1 427 |
| 13 |  XQuad - “LLVM” для quadratic optimization на Rust
Интересный проект на стыке Rust, оптимизации и quantum tooling.
Идея такая: вы описываете QUBO, Ising или discrete optimization problem один раз, а потом можете запускать её через разные backend’ы: quantum annealers или классические solver’ы.
Что внутри:
* Rust VM для quadratic models
* Python reference VM
* единая спецификация
* CLI и Python API
* solver adapters, включая D-Wave
* примеры для TSP и MaxCut
* CI-проверка: если Rust VM и Python VM расходятся, сборка падает
github.com/QuipNetwork/xquad | 1 537 |
| 14 |  +1🚨 Grok 4.5 примерно в 17 раз дешевле Opus 4.8 на реальных задачах
Цены:
* Grok 4.5: $2 за input / $6 за output
* Opus 4.8: $5 за input / $25 за output
То есть Grok 4.5 дешевле примерно в 4 раза за токен.
Но важнее другое: для решения той же задачи он тратит в 4,2 раза меньше токенов.
В итоге реальная стоимость выполнения задачи получается примерно в 17 раз ниже. | 1 698 |
| 15 |  Amazon Kani для Rust получил академическую статью, принятую на ASE 2026. 🦀
Kani пытается формально доказать корректность Rust-кода математически.
Что умеет:
* доказывать отсутствие panic, overflow и нарушений memory safety
* проверять, что `unsafe`-код действительно безопасен
* гонять 16 000+ harness’ов на каждый commit в Rust standard library
* находить баги, которые раньше не видели в промышленных Rust-проектах
Главное отличие простое:
fuzzing пытается найти баги через множество входных данных.
Kani проверяет свойства кода формально, в рамках заданного harness’а.
Kani интегрирован в CI стандартной библиотеки Rust.
Каждый commit в std проходит формальную проверку.
🔗 arxiv.org/abs/2607.01504 | 1 655 |
| 16 |  ✔️ Власти США сняли ограничения на релиз GPT-5.6
Министерство торговли США разрешило полномасштабный релиз GPT-5.6. OpenAI планирует открыть доступ к модели в ближайшие дни. Ранее развертывание допускалось только поэтапно для предварительно одобренных правительством организаций.
Ограничения сняли после тестирования системы в Институте безопасности ИИ и очных консультаций технической команды OpenAI с регулятором в Вашингтоне.
Сейчас допуски для крупных LLM согласовываются в ручном режиме. По заявлению OpenAI, фрагментированный доступ стал вынужденной мерой, так как единых стандартов в отрасли нет, а требования безопасности из последнего указа администрации США еще дорабатываются.
axios.com
✔️ xAI выпустила Grok 4.5
Новая модель позиционируется как инструмент для кодинга и агентнтых задач. Продукт создавался совместно с командой Cursor, который в июне перешел под контроль SpaceX.
В Terminal Bench 2.1 Grok 4.5 почти сравнялся с GPT-5.5 и на один балл отстал от Fable 5. При этом в DeepSWE 1.1 модель уступает лидерам в решении задач из GitHub-репозиториев.
Стоимость API - $2 за 1 млн входных токенов и $6 за 1 млн выходных. По заявлению создателей, в SWE Bench Pro модель тратит в 4,2 раза меньше токенов по сравнению с Opus 4.8. Скорость генерации достигает 80 токенов в секунду.
Grok 4.5 доступна в консоли xAI, среде Grok Build и редакторе Cursor. Выпущены официальные плагины для Word, PowerPoint и Excel. Релиз в странах Евросоюза отложен до середины июля.
x.ai
✔️ Mistral анонсировала навигационную модель для роботов
Французский стартап представил 8-миллиардную модель Robostral Navigate для пространственной ориентации роботов. Система использует только данные с одной RGB-камеры, полностью обходясь без лидаров и дополнительных датчиков.
Во время инференса модель покадрово рассчитывает следующий шаг по изображению. Если цель пропадает из поля зрения, алгоритм задействует базовые двигательные команды для смены ракурса и поиска.
По данным Mistral, результат тестов превосходит метрики как других монокамерных решений, так и мультисенсорных систем, а Эксперименты с RL-дообучением уже дали прирост общей эффективности на 3,2%.
Модель применима для колесных платформ, шагающих роботов и дронов. Сроки релиза и формат распространения весов пока не раскрываются.
mistral.ai
✔️ MiniMax обучает крупнейшую в Китае модель
Стартап готовит к релизу в 3-м квартале откытую модель на 2,7 трлн параметров. По данным источников, рабочее название проекта - M3 Pro.
Архитектуру масштабировали для улучшения логического вывода и точного выполнения многошаговых инструкций. Текущий флагман разработчика, модель M3, насчитывает 428 млрд параметров.
Выпуском открытой модели такого объема MiniMax планирует усилить позиции на рынке и составить конкуренцию локальным Zhipu, DeepSeek и Moonshot AI.
theinformation.com
✔️ ИИ-компании оккупируют центр Нью-Йорка
Anthropic арендовала 16-этажное здание площадью 43 тыс. кв. метров на Манхэттене по адресу Гудзон-стрит, 330. Новая площадка в 30 раз больше текущего нью-йоркского офиса. После переезда компания планирует увеличить местный штат до 1000 человек к концу года.
По данным агентства CBRE, за первый квартал ИИ-компании арендовали в Нью-Йорке 96 тыс кв. метров - это больше, чем за весь прошлый год. Доля ИИ-сектора в объеме технологической аренды города выросла с 20,9% в 2024 году до 56%.
Ранее крупные офисы на Манхэттене сняли OpenAI и Harvey.
nytimes.com
@ai_machinelearning_big_data
#news #ai #ml | 1 122 |
| 17 |  Отличная новость.
Anthropic продлила доступ к Claude Fable 5 для платных пользователей до 12 июля.
Старое ограничение остаётся: Fable 5 может использовать только 50% вашего недельного лимита Claude.
Сам недельный лимит — это внутренний usage budget, который не показывается напрямую. Длинные чаты, файлы, инструменты и более тяжёлые модели расходуют его быстрее. | 1 163 |
| 18 |  Microsoft подняла точность ChatGPT с 41% до 80%, не меняя ни одного параметра модели.
Система называется SkillOpt.
Обычно все думают, что AI-агенты становятся лучше через промпты или fine-tuning.
Но fine-tuning дорогой, медленный и жёсткий.
А “prompt engineering” часто превращается в угадайку.
Подход Microsoft другой: они оптимизируют не модель, а skill-документ.
То есть текстовую инструкцию, которая объясняет агенту, как решать задачу.
SkillOpt делает этот документ живым: он учится на ошибках агента.
Как это работает:
1. Агент выполняет задачи и собирает успешные и провальные попытки.
2. Отдельная маленькая модель анализирует результаты и точечно меняет skill-документ: добавить, удалить или заменить фрагмент.
3. Новая версия принимается только если реально улучшает результат на отдельном наборе задач.
По сути, это что-то вроде градиентного спуска для естественного языка.
Результаты сильные:
на шести крупных бенчмарках SkillOpt обошёл и человеческие skills, и одноразовые LLM-подходы.
На ALFWorld одна модель выросла с 70% до 85% точности.
В чат-сценариях прирост был больше 23 пунктов.
Главный плюс: нет лишней нагрузки во время инференса.
Ты один раз тратишь compute на оптимизацию skill-документа, а потом агент работает с уже улучшенной инструкцией.
Идея мощная: агент становится лучше не потому, что ты переписываешь код или дообучаешь модель.
А потому что его “плейбук” сам улучшается через обратную связь.
arxiv.org/pdf/2605.23904 | 1 552 |
| 19 |  Восточная горнорудная компания сделала AI-платформу, которая в реальном времени балансирует парк из 350 карьерных самосвалов.
А теперь с тем же подходом: «сначала продукт, потом вакансия», компания меняет представления о найме в тяжелой индустрии. Проект «Дивизион Марс» выглядит как серия трейлеров к фантастическому фильму. Но это реальная работа.
Без привычного «требуется специалист с опытом от 3 лет». Сначала — концепт и масштаб задачи, конкретные направления и позиции — чуть позже.
Сейчас можно оставить заявку на интерес первым по ссылке. | 1 220 |
| 20 |  🇨🇳 Плохие новости для open-source AI: доступ к frontier-моделям может перестать быть глобальным.
Китай готовит ограничения для иностранных пользователей на свои самые сильные AI-модели. Это может поднять стоимость AI по всему миру и расколоть рынок моделей по национальному признаку.
Пекин уже обсуждал этот вопрос с Alibaba, ByteDance и Z.ai. Речь идёт о том, чтобы удерживать продвинутые китайские модели внутри страны, включая те, которые ещё даже не вышли.
Обсуждения вело Министерство коммерции Китая, а также участвовало государственное агентство по планированию. Это больше похоже не на обычное регулирование платформ, а на будущий экспортный контроль.
Под ограничения могут попасть не только закрытые модели, но и open-weight системы. То есть проблема не только в API-доступе, но и в возможности скачивать сильные модели.
Китайские чиновники также обсуждали идею считать утечки или кражу проприетарного AI вопросом национальной безопасности, а не просто спором об интеллектуальной собственности.
Ещё один слой — возможные ограничения на то, кто сможет финансировать китайские AI-стартапы. Так Пекин может одновременно контролировать капитал, таланты и доступ к моделям.
Для зарубежных компаний это риск: они могут потерять доступ к дешёвым китайским моделям как раз в момент, когда эти модели стали достаточно сильными для реального production.
США уже ограничивают доступ к продвинутым американским моделям по соображениям безопасности. Китай теперь тоже опасается, что модели вроде Mythos могут искать уязвимости в софте и использоваться против китайских интересов.
Обе стороны всё чаще относятся к AI как к стратегической инфраструктуре.
Пекин также проверял китайские AI-стартапы, которые переезжали за границу, и, по данным Reuters, давил на Meta, чтобы та свернула сделку с Manus на $2 млрд.
Вероятный сценарий - многоуровневый контроль: базовые open tools проходят регистрацию, более сильные системы идут на проверку, а frontier-модели остаются внутри страны.
Для открытого AI это серьёзный удар. Прогресс моделей может больше не распространяться просто через качество продукта и цену.
Reuters | 1 366 |
