Machinelearning

🌟 WildDet3D: открытая модель монокулярной 3D-детекции по одному снимку. Институт Аллена представил модель WildDet3D, которая по одному изображению строит 3D-рамки объектов: оценивает их положение, размер и ориентацию в метрических координатах. Модель принимает сразу несколько типов промптов: текстовый запрос, клик по точке или готовый 2D-бокс от внешнего детектора. 🟡Архитектура состоит из 3 блоков 2D-детектор построен на SAM3 и обрабатывает все типы запросов. Геометрическая ветка использует энкодер DINOv2 с обучаемым декодером глубины, учитывающим геометрию обзора: направления лучей камеры зашиваются через сферические гармоники, что снимает необходимость в отдельной калибровке. Третий компонент, 3D-head, объединяет через кросс-внимание 2D-детекции с признаками глубины и поднимает их в полноценные 3D-боксы. Если на инференсе доступны данные с LiDAR, ToF или стереокамеры, они подмешиваются в ту же геометрическую ветку без переобучения. 🟡Тесты На бенчмарке Omni3D модель показывает 34,2 AP с текстовыми промптами (это +5,8 пункта к прежнему лидеру 3D-MOOD). На zero-shot переносе на Argoverse 2 WildDet3D практически удваивает прежний результат: 40,3 ODS против 23,8. На редких категориях из собственного бенчмарка WildDet3D-Bench успехи, разумеется, еще лучше - 47,4 AP против 2,4 у 3D-MOOD. 🟡Вместе с моделью вышло демо-приложение для iOS. Оно использует видеопоток с камеры iPhone и данные LiDAR-сенсора, чтобы в реальном времени отрисовывать 3D-боксы поверх сцены как AR-оверлей. Это наглядная демонстрация того, как монокулярная модель усиливается, когда устройство умеет отдавать дополнительный сигнал глубины. 🟡Третья часть релиза - датасет WildDet3D-Data. Более 1 млн. изображений и 3,7 млн. верифицированных 3D-аннотаций, охватывающих свыше 13 тыс. категорий объектов. По сценам распределение получилось такое: 52% помещений, 32% городской среды и 15% природы. Он собран на основе 2D-наборов (COCO, LVIS, Objects365, V3Det): кандидаты в 3D-боксы генерировались 5 независимыми методами оценки геометрии, затем фильтровались, проверялись VLM и дополнительно отбирались людьми. 🟡Статья 🟡Модель 🟡Техотчет 🟡Demo 🖥GitHub @ai_machinelearning_big_data #AI #ML #CV #Detection #WildDet3D #Ai2

🚀 Qwen 3.6-Plus забрал все три первых места на OpenRouter. Одновременно. Alibaba выкатили новую модель, и она сразу заняла #1 в трех рейтингах OpenRouter: Daily, Weekly и Trending. Такого там раньше никто не делал. Модель уже вышла из триала и доступна в проде. По первым отзывам: латенси ниже, рассуждения на уровне топовых моделей, а цена за токен заметно приятнее конкурентов. Доступна через Qwen Cloud, Alibaba Cloud Model Studio, OpenRouter и Fireworks AI. Из коробки интегрируется с OpenClaw, Kilo Code, Cline, opencode и Qoder. Для тех, кто сейчас выбирает модель под продакшен, есть смысл погонять на своих задачах. Достижения на OpenRouter звучат красиво, но синтетические бенчмарки и реальные пайплайны - вещи разные. Интересно посмотреть, как она поведет себя на длинных контекстах и сложных мультистеповых цепочках. openrouter.ai/qwen/qwen3.6-plus fireworks.ai/models/fireworks/qwen3p6-plus @ai_machinelearning_big_data #qwen

✔️ Codex пробил отметку в 3 млн. активных пользователей в неделю. Об этом сообщил Сэм Альтман в сети Х. В честь достижения этой отметки лимиты использования Codex будут сброшены. Так будет каждый раз при достижении очередного миллиона, вплоть до 10 миллионов. Счастливого вам вайб-кодинга и пусть удача всегда будет с вами! (с) @ai_machinelearning_big_data #news #ai #ml

🎨 FLUX.2 Small Decoder: декодер ускорили в 1.4 раза, а вы и не заметите разницы Black Forest Labs выкатили новый компактный декодер для FLUX.2. Суть простая: это drop-in замена стандартного декодера, которая работает примерно в 1.4 раза быстрее и при этом потребляет заметно меньше VRAM. И никаких плясок с интеграцией. Декодер подключается к существующему пайплайну FLUX.2 из коробки. Поменял компонент, всё работает. Особенно это актуально для real-time сценариев и генерации в высоком разрешении, где каждая миллисекунда на счету. По бенчмаркам, например, декодирование ускоряется с 91.6 мс до 69.4 мс. Лицензия Apache 2.0, веса уже на HuggingFace. Для тех, кто гоняет FLUX в продакшене или строит на нём что-то интерактивное, обновление практически бесшовное и сразу дает ощутимый прирост. https://huggingface.co/black-forest-labs/FLUX.2-small-decoder @ai_machinelearning_big_data #FLUX

✔️ Anthropic расширяет партнерство с Google и Broadcom. Компания заключила крупное соглашение о поставке вычислительных мощностей нового поколения с запуском в 2027 году. Почти вся новая инфраструктура разместится в США. Масштабирование железа связано с ростом бизнеса: в 2026 году прогнозируемая годовая выручка Anthropic перешагнула $30 млрд., а число клиентов, тратящих на Claude более $1 млн в год, достигло 1000 компаний. Главным облачным провайдером остается Amazon, но Anthropic не привязывается к одному вендору: модели тренируются и запускаются на AWS Trainium, Google TPU и NVIDIA GPU. anthropic.com ✔️ ИИ-триада объединилась для защиты моделей от нелегальной дистилляции. OpenAI, Anthropic и Google начали использовать площадку Frontier Model Forum для совместного отслеживания попыток враждебной дистилляции. Эта практика нарушает условия использования и обходится лабораториям Кремниевой долины в миллиарды долларов упущенной выгоды ежегодно. Координация выстроена по аналогии с кибербезопасностью: компании делятся данными об атаках и тактиках злоумышленников, чтобы быстрее блокировать несанкционированный сбор результатов инференса. Полноценному обмену мешает американское антимонопольное законодательство. Разработчики опасаются обвинений в сговоре и ждут от правительства США правовых инструкций для легальной защиты технологий. bloomberg.com ✔️ OpenAI открыла набор на программу Safety Fellowship по безопасности ИИ. Пилотный проект ориентирован на специалистов по элайнменту. Приоритеты: оценка уязвимостей, снижение рисков, контроль над ИИ-агентами, защита приватности и предотвращение злоупотребления моделями. Программа пройдет с 14 сентября 2026 по 5 февраля 2027 года. Участники получат стипендию, менторов, вычислительные мощности и кредиты на API, но без доступа к внутренним системам OpenAI. Формат - удаленно или в центре Constellation. По итогам каждый должен представить статью, бенчмарк или датасет. OpenAI обещает, что опыт и технические навыки будут важнее дипломов. Заявки принимаются до 3 мая. openai.com ✔️ Китай развернул масштабную кампанию по краже тайваньских технологий. По данным спецслужб Тайваня, Пекин атакует ИИ-сектор и производителей чипов, чтобы преодолеть технологическую блокаду. На острове фиксируют всплеск промышленного шпионажа: китайские компании используют теневые каналы, нелегально хантят инженеров, похищают интеллектуальную собственность и закупают оборудование в обход экспортного контроля. Параллельно растет давление в киберпространстве. Только за первый квартал года ИТ-сети Тайваня зафиксировали свыше 170 млн попыток несанкционированного проникновения с целью сбора данных и слежки. reuters.com ✔️ Нейросимволический ИИ для робототехники снижает энергопотребление в 100 раз. Университет Тафтса опубликовал концепт гибридной VLA-модели для управления роботами. Метод использует архитектуру, объединяющую глубокое обучение с правилами символьной логики. Система заранее выстраивает абстрактный план, опираясь на свойства объектов, и не учится долгим путем проб и ошибок. На тестах с «Ханойской башней» модель показала радикальный прирост эффективности. Время обучения сократилось с полутора суток до 34 минут, затраты энергии на тренировку упали до 1% от стандартных VLA-систем. В инференсе потребление составило 5%. Точность выросла с 34% до 95%. В усложненной версии теста нейросимволический ИИ добился успеха в 78% случаев, а традиционные модели провалили все попытки. По мнению авторов, структурное мышление поможет решить проблему роста энергоаппетитов нейросетей. sciencedaily.com @ai_machinelearning_big_data #news #ai #ml

⚡️ Anthropic запустила проект Glasswing. Project Glasswing - инициатива по защите критической программной инфраструктуры с помощью ИИ. Поводом стали возможности разрабатываемой модели Claude Mythos Preview, которая, по оценке самой компании, превосходит почти всех специалистов по поиску и эксплуатации уязвимостей в коде. За несколько недель работы Mythos Preview обнаружила тысячи 0-day уязвимостей, в том числе во всех крупных операционных системах и браузерах. Среди раскрытых примеров: 🟢27-летняя ошибка в OpenBSD, позволяющая удаленно обрушить систему через одно подключение; 🟢16-летний баг в FFmpeg, который автотесты не замечали после 5 млн. прогонов; 🟢автономно собранная цепочка эксплойтов в ядре Linux, поднимающая права обычного пользователя до полного контроля над машиной.

Модель находила уязвимости и писала эксплойты без участия человека. Все упомянутые баги уже исправлены, для остальных Anthropic уже опубликовала криптографические хэши описаний и раскроет детали после выхода патчей.

🟡Mythos не выйдет в общий доступ. Партнеры Glasswing получат модель для оборонительных задач: локального поиска уязвимостей, тестирования бинарников, защиты конечных точек и пентестов. Доступ открыт более чем 40 организациям, поддерживающим критическую и open-source-инфраструктуру. К проекту присоединились AWS, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorganChase, Linux Foundation, Microsoft, NVIDIA и Palo Alto Networks. Anthropic выделяет до $100 млн. в кредитах на использование модели и $4 млн. прямых пожертвований: $2,5 млн в Alpha-Omega и OpenSSF через Linux Foundation и $1,5 млн. для Apache Software Foundation. После этапа превью, модель будет доступна участникам Glasswing по цене $25 за миллион входных и $125 за миллион выходных токенов через Claude API, Amazon Bedrock, Vertex AI и Microsoft Foundry. Защитные механизмы для моделей такого класса Anthropic планирует обкатать на ближайшем релизе Claude Opus, который не несет сопоставимых рисков. Anthropic уже обсуждает возможности Mythos Preview (как атакующие, так и защитные) с американскими госструктурами. Подробности о возможностях модели, ее свойствах и общих характеристиках доступны в Claude Mythos Preview system card. @ai_machinelearning_big_data #news #ai #ml

⚡️ Z ai выпустила GLM-5.1. Китайская лаборатория релизнула GLM-5.1 - флагманскую MoE-модель с 754B параметров нового поколения, ориентированную на агентную инженерию. Фокус релиза - на кодинг и долгие агентные сессии. 🟡Тесты 🟢На SWE-Bench Pro модель берет 58,4, обходя Claude Opus 4.6 (57,3), GPT-5.4 (57,7) и Gemini 3.1 Pro (54,2). 🟢На Terminal-Bench 2.0 результат 63,5, а в связке с Claude Code - 66,5. 🟢В CyberGym GLM-5.1 выбивает 68,7 против 48,3 у предыдущей GLM-5 🟢В BrowseComp - 68,0 без внешнего менеджера контекста. 🟠На бенчмарках HLE, AIME 2026 и GPQA-Diamond модель держится на уровне конкурентов, но не лидирует: здесь впереди Gemini 3.1 Pro и GPT-5.4. GLM-5.1 построена так, чтобы оставаться продуктивной на длинной дистанции: декомпозировать задачу, запускать эксперименты, читать результаты, находить блокеры и пересматривать стратегию. Z ai утверждает, что модель устойчиво оптимизирует решение на протяжении сотен итераций и тысяч вызовов инструментов, то есть результат тем заметнее, чем дольше она запускают. API доступен на платформе Z ai, веб-версия на chat.z.ai обещана в ближайшие дни. Веса опубликованы на Hugging Face под лицензией MIT.

Для локального развертывания уже готовы сборки под SGLang 0.5.10+, vLLM 0.19.0+, xLLM, KTransformers и свежую ветку Transformers.

@ai_machinelearning_big_data #news #ai #ml

🌟 VoxCPM2: открытая 2B TTS-модель на 30 языках. VoxCPM2 - крупное обновление открытой системы синтеза речи VoxCPM. Модель обучена на более 2 млн. часов мультиязычных аудиоданных и поддерживает 30 языков, включая русский, китайский, английский, японский, корейский, арабский и хинди (плюс 9 диалектов китайского).

За проектом стоит OpenBMB, структура при Университете Цинхуа, объединяющая академическую лабораторию THUNLP и коммерческую компанию ModelBest. THUNLP - одна из сильнейших академических групп по LLM в Азии, которой руководит легенда китайского NLP, профессор Maosong Sun. OpenBMB известна сериями CPM, MiniCPM, AgentCPM и фреймворками BMTrain и OpenPrompt.

🟡В второй версии VoxCPM отказались от дискретной токенизации аудио. В отличие современных TTS-систем, VoxCPM2 работает напрямую с непрерывными представлениями в латентном пространстве AudioVAE V2. Пайплайн состоит из 4 стадий: LocEnc, TSLM, RALM и LocDiT. На выходе - аудио с частотой 48 кГц студийного качества: асимметричная архитектура AudioVAE V2 принимает референс на 16 кГц и повышает разрешение без внешнего апсемплера. 🟡Обновление добавило 2 новые возможности. 🟢Voice Design создает голос по текстовому описанию: достаточно указать пол, возраст, тембр, эмоцию и темп - никакого референсного аудио не нужно. 🟢Controllable Voice Cloning клонирует голос по короткому аудиофрагменту и в довесок позволяет управлять стилем, эмоциями и скоростью речи, сохраняя оригинальный тембр. Из версии 1.5 перешел режим Ultimate Cloning: если передать вместе с референсом его точный транскрипт, модель воспроизводит ритм, интонации и манеру речи. 🟡Тесты На Seed-TTS-eval модель показывает WER 1.84% на английском и CER 0.97% на китайском при сходстве голоса (SIM) 75.3% и 79.5% соответственно. На мультиязычном Minimax-MLS-test система лидирует по SIM в подавляющем большинстве из 24 языков, опережая Minimax, ElevenLabs, FishAudio S2 и Qwen3-TTS. В задаче генерации голоса по описанию модель набирает лучшие баллы среди open-source решений на InstructTTSEval в английском языке. 🟡Модель потребляет около 8 ГБ VRAM. Скорость инференса по соотношению времени, затраченного моделью на генерацию аудио к длительности самого аудио - около 0.3 на NVIDIA RTX 4090. На движке Nano-vLLM этот показатель снижается до 0.13 (подходит для стриминга в реальном времени). Есть скрипты и гайд для SFT (добавления нового языка или домена) или LoRA для глубокой имитации конкретного спикера. LoRA потребует 5–10 минут аудио и 20 ГБ VRAM. Пример генерации аудио на демо-спейсе HF без клонирования и постобработке - в видеофайле поста. 📌Лицензирование: Apache 2.0 License. 🟡Страница проекта 🟡Документация 🟡Модель 🟡Demo 🖥GitHub @ai_machinelearning_big_data #AI #ML #TTS #VoxCPM2 #OpenBNB

🌟 ИИ-агенты на контентных платформах: два подхода к встраиванию в медиа. На русскоязычных медиа-площадках появились первые публичные интеграции ИИ-агентов непосредственно в пользовательский интерфейс. Два свежих кейса — Хабр и «Код Дурова» — демонстрируют разные архитектурные подходы к одной задаче: помочь читателю взаимодействовать с контентом. 🟡 Хабр: объяснение кода в статьях Хабр совместно с SourceCraft разработал фичу для объяснения кодовых сниппетов прямо в статьях. В блоках кода появилась кнопка «Объяснить код с SourceCraft» — при нажатии ИИ-помощник на базе Yandex AI Studio берёт в качестве контекста всю статью и конкретный блок кода, затем генерирует объяснение в оверлейном окне. Можно в один клик перейти в среду разработки с сохранением контекста статьи, чтобы продолжить работу с кодом. 🟡 «Код Дурова»: агент-помощник по всему сайту Издание запустило агента «Кодик» также на базе Yandex AI Studio — он работает как персональный помощник по всему контенту сайта. Архитектура задействует два компонента: нейросетевые модели для генерации ответов и AI Search для поиска релевантных материалов по сайту. Логика работы: агент сначала ищет по контенту площадки. Если релевантная информация найдена — формирует ответ с привязкой к конкретным публикациям. Если нет — фолбэчит на базовые знания модели, покрывая вопросы за пределами тематики сайта. Функционал шире: поиск материалов по запросу, рекомендации, объяснение терминов, краткий пересказ статей в реальном времени. 📌 В обоих случаях площадки выступают потребителями платформенных решений, а не строят инфраструктуру с нуля. @ai_machinelearning_big_data #news #ai #ml

🔥 Claude теперь воспитывают кнутом и пряником Сначала в сети завирусился badclaude - тулза, где ИИ буквально «подгоняют» командами быстрее после каждого фейла. Чистый треш, но многим зашло. Теперь появился антипод- goodclaude. Там всё наоборот: чем больше работаешь, тем больше Claude получает похвалы.

«У тебя всё отлично получается» «Я горжусь тобой» «Ты лучший кодер»

И да, звучит как шутка, но это реально используют. Суть простая: поведение модели сильно зависит от контекста и тона. Хочешь агрессивного исполнителя - дави. Хочешь аккуратного и стабильного - хвали. goodclaude лежит на GitHub https://github.com/ashley-ha/goodclaude badclaude тоже никуда не делся https://github.com/GitFrog1111/badclaude Что выберешь ты? @ai_machinelearning_big_data #claude

🔥 Милла Йовович теперь тоже Вайбкодер😱 Актриса выложила на GitHub опенсорс-инструмент MemPalace для работы с памятью ИИ-агентов. Делала его вместе с другом. Фишка в том, что все данные хранятся локально, а система сама решает, какие факты о пользователе подтягивать под конкретный запрос. По бенчмарку LongMemEval инструмент уже обгоняет и платные, и бесплатные решения. За сутки репозиторий набрал 2k+ звёзд. Настоящий обитель зла 💀 https://x.com/bensig/status/2041229266432733356 🎯Полезные Мл-ресурсы 🚀 Max @data_analysis_ml

✔️ Великобритания убеждает Anthropic масштабировать свой бизнес. Поводом стал недавний конфликт создателей Claude с Администрацией США. Воспользовавшись обострением, мэр Лондона предложил главе Anthropic сделать британскую столицу главной базой компании, гарантировав стабильную и открытую для инноваций юрисдикцию. Чиновники подготовили пакет предложений по расширению местного офиса и двойному листингу акций. Проект представят Амодею в конце мая. Сейчас в лондонском филиале Anthropic работают около 200 человек, из них 60 исследователей. На фоне отсутствия локальных компаний такого уровня Великобритания стремится стать главным европейским хабом для лидеров ИИ-рынка. ft.com ✔️ OpenAI представила концепцию экономики для эпохи AGI. В опубликованном документе OpenAI прогнозирует, что AGI обрушит традиционную экономику. Чтобы избежать дефицита бюджета, компания предлагает перенести налоговую нагрузку на сверхприбыли корпораций и ввести специальный сбор для бизнеса, где людей заменяют на ИИ-системы. Для защиты рынка труда - переход на 32-часовую рабочую неделю с сохранением оклада и соцпакеты, не привязанные к работодателю. Плюс создание государственного ИИ-фонда, который будет выплачивать дивиденды всем гражданам. Также OpenAI лоббирует закрепление базового права на ИИ и модернизацию энергосетей под дата-центры. Компания поддерживает курс США на минимальное внутреннее регулирование ради победы в технологической гонке с Китаем, призывая сфокусироваться лишь на контроле за безопасностью моделей. wsj.com ✔️ NVIDIA показала технологию нейросетевого сжатия текстур. Neural Texture Compression (NTC) использует компактные нейросети для распаковки текстур прямо во время рендеринга. Это уменьшает объем файлов на диске и кратно снижает потребление VRAM. На демонстрации активация NTC снизила потребление видеопамяти с 6,5 ГБ до 970 МБ, при этом разрешение текстур оказалось даже выше оригинала. Тот же подход применяется в технологии Neural Materials: алгоритм заменяет ресурсоемкие математические вычисления, самостоятельно определяя, как свет взаимодействует со слоями материалов. Скорость рендеринга вырастает до 7,7 раз. Все вычисления идут на тензорных ядрах, поэтому базовая производительность GPU не страдает. NTC не связана с генеративным ИИ: сети тренируются исключительно на ассетах конкретной игры, что исключает визуальные галлюцинации. Технология не останется эксклюзивом NVIDIA - Microsoft уже стандартизировала механику в DirectX под названием Cooperative Vectors. tomshardware.com ✔️ Anthropic раздает разовые кредиты подписчикам платных тарифов Claude. В честь запуска новых пакетов расширенных лимитов Anthropic начисляет бонусы для тарифов Pro, Max и Team. Сумма эквивалентна стоимости подписки (Pro - $20, Max 5x - $100, Max 20x и Team - $200). Средства можно потратить на дополнительные запросы во всей экосистеме, включая Claude Code, Cowork и сторонние интеграции. Для получения нужна активная подписка и включенная опция «Extra usage» в настройках. После этого бонус можно забрать кнопкой Claim на странице Usage. Срок акции - с 3 по 17 апреля. Средства сгорят через 90 дней после активации. Подписки Enterprise и API-аккаунты Console в акции не участвуют. support.claude.com ✔️ Спрос на программистов в 2026 году достиг трехлетнего максимума. По данным платформы TrueUp, отслеживающей вакансии в 9000 технологических компаний, сейчас открыто более 67 тыс. позиций для разработчиков (вдвое больше, чем в середине 2023 года). Только с начала этого года число предложений выросло на 30%. Статистика ломает нарратив о том, что ИИ отнимает работу у программистов. Напротив, гонка ИИ-технологий заставляет корпорации нанимать еще больше специалистов, а спрос в профильных ML-направлениях растет. Иллюзия схлопывания рынка, на которую жалуются джуниоры, возникает из-за резкого роста конкуренции. Профессия стала массовой, и хотя вакансии начального уровня никуда не исчезли, конкурс на них выше, чем 5 лет назад. businessinsider.com @ai_machinelearning_big_data #news #ai #ml

Митинг в ИТ-компании в 2026 году 🤣 @ai_machinelearning_big_data

🔥 Собери свой OpenClaw за вечер Репозиторий, в котором разобрано устройство OpenClaw по слоям. Это формат, которого не хватает большинству гайдов, пошаговая сборка системы, где каждый этап добавляет новый уровень сложности Сначала обычный чат. Потом подключаются инструменты. Затем навыки, работа с вебом, память, маршрутизация задач и мультиагентная логика. В какой-то момент начинаешь ловить себя на мысли, что уже думаешь как оркестратор, а не как пользователь модели В гайде хорошо видно, где заканчивается модель и начинается обвязка. Как строится цикл принятия решений, как агент выбирает инструменты и как вообще появляется ощущение «интеллекта» Дает неплохое понимание архитектуры клешни. https://github.com/czl9707/build-your-own-openclaw @ai_machinelearning_big_data #opensource #openclaw

🌟 PrismAudio: генерация звука по видео. Лаборатория Tongyi (Qwen) опубликовала практическую часть проекта PrismAudio, участника ICLR 2026. Это фреймворк для задачи Video-to-Audio, то есть синтеза звуковой дорожки по видео. Модель разделяет задачу генерации звука на 4 перцептивных измерения и работает с каждым отдельно через специализированные модули рассуждений и соответствующие им функции вознаграждения. Предшественник PrismAudio, модель ThinkSound, первой применила CoT для V2A: MMLM сначала описывала, какой звук нужен, а затем диффузионная модель его генерировала.

Это было громоздко. ThinkSound использовала единый, монолитный блок рассуждений для всех аспектов звука одновременно. Когда модель пыталась одновременно понять семантику сцены, выстроить тайминг, оценить эстетику и расположить звук в пространстве - качество каждого измерения страдало.

PrismAudio разбивает процесс рассуждения на 4 независимых CoT-модуля: 🟠Semantic CoT определяет, какие звуковые события соответствуют видеоряду; 🟠Temporal CoT выстраивает их последовательность и синхронизацию; 🟠Aesthetic CoT отвечает за естественность и качество звука; 🟠Spatial CoT — за пространственное позиционирование в стереопанораме. Каждому модулю назначена своя reward-функция: семантическое соответствие оценивает MS-CLAP от Microsoft, темпоральную синхронизацию Synchformer, эстетику Audiobox Aesthetics, пространственную точность StereoCRW. Такая архитектура позволяет обучать модель с подкреплением сразу по 4 осям, не жертвуя одним измерением ради другого. Для RL-обучения авторы предложили Fast-GRPO - модификацию, которая применяет SDE-сэмплирование только в небольшом случайном окне шагов, а остальную траекторию проходит детерминированно через ODE. По данным техотчета, Fast-GRPO достигает финального результата за 200 шагов обучения вместо 600 и при этом выходит на более высокий итоговый показатель. 🟡Тесты 🟢На VGGSound модель показала CLAP 0,47 против 0,43 у ThinkSound, DeSync 0,41 против 0,55, а ошибку пространственного позиционирования CRW снизила с 13,47 до 7,72. 🟢На внутреннем бенче AudioCanvas, который авторы создали для оценки сложных сцен разрыв еще заметнее: ThinkSound деградирует по темпоральной метрике до 0,80, а PrismAudio удерживает 0,36. 🟢Субъективные оценки MOS-Q и MOS-C также оказались наивысшими среди всех протестированных моделей. 🟢Опубликованная модель PrismAudio показывает самое быстрое время инференса: 0,63 секунды на 9-секундный фрагмент без учета извлечения признаков. 🟡Но вот с извлечением признаков есть нюанс.

По отзывам пользователей, извлечение признаков для 10-секундного видео требует около 43 ГБ видеопамяти.

📌Лицензирование: MIT License. 🟡Страница проекта 🟡Модель 🟡Demo 🖥GitHub @ai_machinelearning_big_data #AI #ML #V2A #PrismAudio #TongyiLab

📌Красивая история о том, как Anything вернула себя в Apple App Store. В конце марта Apple удалила из App Store приложение Anything - один из инструментов вайб-кодинга, который позволяет создавать приложения с помощью текстовых запросов к ИИ без навыков программирования. Компания сослалась на нарушение пункта 2.5.2 правил App Store: "приложения должны быть самодостаточными и не могут загружать или исполнять код, изменяющий их функциональность."

Anything основан выходцами из Google Дхрувом Амином и Маркусом Лоу. Они работают вместе с 2021 года: сначала запустили маркетплейс, затем в 2023-м свернули проект и переключились на ИИ-инструменты. В апреле 2025-го продукт вышел как low-code платформа для создания полноценных веб- и мобильных приложений с базами данных, хостингом и платежными системами. В сентябре 2025 года стартап привлёк $11 млн. при оценке $100 млн. За первые две недели Anything вышел на $2 млн. годового дохода.

Удаление стало частью масштабной зачистки. Еще в середине марта Apple заблокировала обновления приложений Replit и Vibecode, сославшись на те же правила. Представитель Apple так же дежурно прокомментировал эти действия не как запрет вайб-кодинга, а о соблюдении действующих норм. В сети обратили внимание на контекст: незадолго до этого Apple сама интегрировала в среду разработки Xcode ИИ-агенты на базе Claude и Codex - инструменты со сходной функциональностью, работающие только внутри экосистемы Apple. Дхрув Амин пытался урегулировать ситуацию. Он предложил обновление, при котором превью сгенерированных приложений открывались бы в браузере, а не внутри Anything. Apple отклонила обновление. В ответ команда Anything перенесла создание приложений в iMessage, штатную систему обмена сообщениями Apple, де-факто задействовав инфраструктуру самой Apple для обхода ее ограничений. Уже 3 апреля Apple без публичных комментариев вернула Anything в App Store. Приложение восстановлено с рядом изменений, но основная функция - генерация приложений по текстовым запросам сохранилась. Сам стартап объявил о проведении хакатона с призовым фондом $5 тыс. в честь возвращения. @ai_machinelearning_big_data #news #ai #ml

📌Прогноз Альтмана о «компании на миллиард с одним сотрудником» получил первого претендента. В 2024 году глава OpenAI заявил, что ИИ сделает возможным появление компании с выручкой в миллиард долларов и единственным сотрудником. На этой неделе Альман направил письмо в The New York Times: по его словам, он выиграл пари с друзьями из числа руководителей технологических компаний - и хотел бы лично познакомиться с человеком, который, как он считает, это доказал.

"In my little group chat with my tech CEO friends there's this betting pool for the first year that there is a one-person billion-dollar company, which would have been unimaginable without AI and now will happen."

🟡Этот человек - Мэттью Галлахер. В сентябре 2024 года 41-летний предприниматель из Лос-Анджелеса вложил $20 тысяч и за 2 месяца запустил Medvi, телемедицинскую платформу по продаже препаратов для снижения веса. Код создавался с помощью ChatGPT, Claude и Grok, рекламные креативы - через Midjourney и Runway, а за клиентскую поддержку отвечали ИИ-агенты. В штате компании два человека: сам Галлахер и его брат Эллиот. По данным NYT, выручка Medvi за 2025 год составила $401 млн. при чистой марже 16,2% (около $65 млн. прибыли). Прогноз по выручке на 2026 год - $1,8 млрд. Внешнего финансирования компания не привлекала.

Для сравнения: конкурент Hims & Hers при выручке $2,4 млрд. имеет штат свыше 2400 человек и маржу 5,5%. Следует оговориться: финансовые показатели Medvi не проходили независимого аудита, и NYT не приводит какую-либо стороннюю верификацию этой оценке.

Медицинскую инфраструктуру Галлахер не строил, она полностью арендованная. Консультации врачей консультации и рецепты обеспечивает CareValidate, аптечную логистику - OpenLoop Health. Medvi владеет только брендом, сайтом, рекламой и поддержкой. 🟡Безусловно, не обошлось без проблем. Чатбот Medvi выдумывал цены на препараты. Галлахеру, по его словам, пришлось выполнять такие заказы, пока это не починили. Бот генерировал описания препаратов, которых не существовало. Когда клиенты требовали разговора с живым человеком, звонки поступали на личный телефон основателя - всего таких звонков, по его оценке, было более 1000. Во время одного сбоя сайта чинить его было некому: Галлахер находился на прогулке и за это время компания потеряла около 200 клиентов. В марте этого года FDA, американский регулятор, направил предупреждения десяткам телемедицинских компаний, включая Medvi за вводящий в заблуждение маркетинг, так что окно для основы бизнеса Галлахера может закрыться. @ai_machinelearning_big_data #news #ai #ml

✔️ В Codex ввели pay-as-you-go тариф для команд с оплатой за токены и без лимитов на запросы. OpenAI изменила подход к ценообразованию: для профилей с доступом исключительно к Codex отменены ограничения на частоту запросов. Оплата теперь списывается только за израсходованные токены. Это делает стоимость прозрачной и позволяет точнее распределять бюджеты по проектам. Для тех, кому нужен комплексный доступ к чат-боту, сохраняется тариф ChatGPT Business. Codex в рамках этого плана остается лимитированным, но годовую подписку снизили с 25 до 20 долларов за рабочее место. Для стимулирования перехода OpenAI запустила промо-акцию: за каждого нового участника с доступом только к Codex на баланс рабочего пространства начисляется 100 бонусных долларов (до 500 долларов на команду). openai.com ✔️ Anthropic приобрела биотех-стартап Coefficient Bio. Компания закрыла сделку по поглощению Coefficient Bio - стартапа, разрабатывающего ИИ-решения для биологических исследований. Покупка оплачена акциями, сумма оценивается примерно в 400 млн. долларов. Приобретение усилит экспертизу Anthropic в сфере здравоохранения, продолжая стратегию экспансии после запуска Claude for Life Sciences. Coefficient Bio просуществовал в стэлс-режиме 8 месяцев. Основатели ранее занимались вычислительным дизайном медицинских препаратов в Genentech. Проект использовал ML для оптимизации поиска активных веществ и повышения эффективности биологических исследований. Вся команда стартапа из 10 специалистов вольется в профильное медицинское подразделение Anthropic. theinformation.com ✔️ World Labs выпустила модели Marble 1.1 и 1.1 Plus. Стартап Фэй-Фэй Ли, разрабатывающий ИИ для создания 3D-пространств из текста, обновил платформу. Базовой моделью по умолчанию стала Marble 1.1 с более высокой детализацией генерации при прежней стоимости в 1500 кредитов за сцену. Marble 1.1 Plus автоматически расширяет площадь 3D-мира, если того требует сцена, решая проблему пространственных лимитов предыдущих версий - крупные локации генерируются за один проход без ручного изменения границ. Оплата гибкая: 1500 кредитов плюс 300 за каждый дополнительный динамический куб. Платформа также получила обновление интерфейса: добавлен селектор моделей, страница ассетов показывает версию ИИ, инструменты редактирования вынесены в отдельное меню. Исправлен конфликт сессий при работе в разных вкладках и баг с видимостью дочерних узлов в Studio. worldlabs.ai ✔️ Deepseek v4 будет работать только на чипах Huawei. Deepseek v4 ожидается в ближайшие недели. Главная особенность - полный отказ от зарубежных ускорителей: модель будет запускаться целиком на оборудовании Huawei. Инженеры Deepseek совместно с Huawei и Cambricon потратили несколько месяцев на портирование модели под отечественные чипы. Nvidia не получила раннего доступа к v4, он был открыт только для китайских производителей полупроводников. Ставка на локальную инфраструктуру уже спровоцировала спрос на внутреннем рынке. Alibaba, ByteDance и Tencent суммарно заказали сотни тысяч ускорителей Huawei Ascend 950PR для развертывания v4 в своих облачных сервисах и продуктах. На фоне ажиотажа цены на чипы подскочили на 20%. theinformation.com ✔️ Microsoft называет Copilot инструментом для развлечений. Всплеск интереса к пользовательскому соглашению Copilot for Individuals вскрыл любопытную деталь: Microsoft заявляет, что ее ИИ-помощник предназначен «только для развлекательных целей». Хотя маркетинг корпорации активно продвигает ИИ как незаменимого ассистента, юридически Microsoft полностью снимает с себя ответственность за любые галлюцинации модели. Перестраховка типична и для других игроков индустрии. Европейское соглашение Anthropic для подписки Pro парадоксальным образом запрещает использовать сервис в коммерческих или деловых целях, исключая ответственность за возможные убытки бизнеса. theregister.com @ai_machinelearning_big_data #news #ai #ml

🚨 Anthropic убила «безлимит» для Claude-агентов С завтрашнего дня подписка Claude больше не работает с OpenClaw и другими сторонними агентами как раньше. Теперь всё, что идёт через OAuth, оплачивается отдельно поверх тарифа. По факту это конец схемы, когда за $200 в месяц прогоняли агентные пайплайны на тысячи долларов. Anthropic прямо сказала, что такие кейсы перегружают их инфраструктуру. Сам Claude никуда не делся. OpenClaw тоже не запретили. Просто экономика изменилась. Либо платишь за каждый запрос, либо идёшь через API. Чтобы сгладить удар, дают кредит на сумму подписки до 17 апреля и обещают скидки на доп. использование. Но это уже косметика. Главное изменение другое. Все инструменты, которые строились вокруг подписки Claude, резко становятся дороже. И теперь вопрос не в удобстве, а в юнит-экономике. Эра дешёвых агентных хакингов закончилась. https://x.com/bcherny/status/2040206440556826908 @ai_machinelearning_big_data #claude #ai #openclaw

🔥 Netflix выложили open-source модель для удаления объектов из видео с сохранением логики сцены Это не просто «удалить объект из видео». Модель удаляет объект и пересчитывает всю физику сцены. Удалил человека → гитара падает сама убрал домино → цепочка не падает убрал машину → аварии не происходит ИИ буквально отвечает на вопрос: «что было бы, если этого объекта не существовало» Под капотом: - diffusion + transformer (на базе CogVideoX) - анализ взаимодействий объектов - генерация новой реальности, а не просто замазка И это главное отличие от всего, что было раньше. Раньше: замазали объект → сцена ломается Теперь: удалили объект → сцена остаётся логичной Требования, правда, не слабые: GPU от ~40GB VRAM (A100) Репа: https://github.com/Netflix/void-model HF: https://huggingface.co/spaces/sam-motamed/VOID @ai_machinelearning_big_data #Netflix #ai #video