Борис опять

#дайджест Дайджест AI/ML за неделю 7–13 сентября 2026 OpenAI: уравнения Навье-Стокса Драма недели. Внутренняя модель сильно сильнее Astra в виде роя из ~10к агентов за 88 часов доказала, что 3D Навье-Стокс с гладкой внешней силой взрывается за конечное время. Вариант без внешней силы, за который дают миллион, все еще открыт, так что на приз OpenAI не претендует. Теперь к скандалу. Тристан Бакмастер (NYU) и Левент Альпеге (Anthropic) год копали ровно этот подход с Claude и Codex и за две недели до запуска роя получили важный промежуточный результат. OpenAI признает, что не может исключить попадание переписок математиков в обучение. Deep Blue против Каспарова, только если бы Каспаров делал свои ходы с подсказками Deep Blue, а Deep Blue подсматривала стратегию Каспарова из своих подсказок. Блогпост, заявление Бакмастера DeepSeek: V4.1-Flash 552B MoE, активных 8B на prefill и 16B на decode, новая Causal Encoder-Decoder архитектура, нативное зрение, контекст 1М. На DeepSWE 74.2 против 74.0 у Opus 5 и 73.0 у Sol, зато на Terminal-Bench 4.0 всего 31.2 против 51.8 у Opus. KV-кэш ужали в 4 раза. Цена $0.30/$1.20, в непиковые часы вдвое дешевле, кэш в непик $0.003 за миллион. С 14 сентября все запросы к V4-Pro роутятся во Flash по цене Flash, пока не выйдет V4.1-Pro. Блогпост, HF OpenAI: ChatGPT Images 2.5 До 50% быстрее 2.0, более тонкое редактирование, например может в стоп-моушен анимацию без дерганой картинки, чего не могла ни одна text to image модель. Еще можно накалякать скетч прямо в чате и использовать как референс, плюс шаблоны и комментарии на самой картинке для точечных правок. В API две модели: gpt-image-2.5-flare (быстрая, дефолт) и gpt-image-2.5-sunburst (побольше). Цена за токен как у gpt-image-2. Раскатано всем, включая Free. Блогпост Suno: v6, v6-wild и v6-mini Вышла новая серия в виде трех моделей: v6 точная и предсказуемая, v6-wild та же, но при температуре 39' для экспериментов, v6-mini быстрая и для бесплатных. Все умеют править отдельные секции трека текстом, мэшапы, семплы и генерацию по картинке, видео или аудио. Старые модели уберут. Бенчмарков нет, но их услужливо посчитали конкуренты, см. ниже. Блогпост m-a-p: YuE2 Открытая 3.6B модель для генерации песен. Из лирики и стиля сначала пишет партитуру в ABC-нотации, которую можно править руками или агентом, потом рендерит стерео 48 кГц. Умеет zero-shot каверы. На их WildSongBench набирает 6.96 против 6.87 у Suno v5 и 6.56 у свежей Suno v6. То есть по чужому бенчмарку v6 хуже v5, но это чужой бенчмарк. Код Apache 2.0, веса CC BY-NC(!), нужно 24 GB VRAM. GitHub, HF, демо Tencent: AuK Nano Banana для аудио, как они сами говорят. Открытая 1.5B модель: zero-shot TTS, замена слов в готовой речи, смена эмоции и тембра, шепот, удаление акцента, денойз и разделение речи/музыки, все текстовыми инструкциями плюс референс. 1.95М часов супервизии. AuK-Flash дистиллирована до 4 шагов и в 4.5 раза быстрее. MIT, есть ComfyUI-ноды и демо. Теперь легендарные RYTP с прямой линии можно превратить в недерганную речь. GitHub, HF, Статья BFL: FLUX Video Edit Редактирование готового видео промптом: добавить или убрать объекты, поменять текст в кадре, перекрасить, перевести реплики с липсинком. Длительность, пропорции и звук исходника сохраняются, вход даунскейлится до 720p, до 15 секунд, цена $0.03 за секунду. Документация Blackmagic: DaVinci Resolve 21.1 В Resolve Studio встроили MCP-сервер: CC и Codex могут работать с проектами. Заодно Python-скриптинг вынесли из бесплатной версии, так что автоматизация теперь стоит $295 Обзор Google+NASA: MAPL-EMIT Модель которая из данных со спектрометра на МКС (EMIT) резмечает области выделения метана, чтобы потом глобально не теплеть База данных, визуализация, Kaggle, GitHub Lightx2v: MiniMax H3 Turbo Ref2VA - дистилляция reference-to-video ветки открытого MiniMax H3 до 8 шагов и 768p Новость Krea: Agents - агент, который по брифу сам выбирает из 60+ моделей, генерирует и правит картинки, видео и звук. Доступен в бесплатном тарифе. Agent

Вышел подробный туториал по Perseus – фреймворку от команды Т-Технологий для обучения моделей персонализации на основе гетерогенных событий. На датасете T‑ECD разобрали сразу четыре сценария: кандидатогенерацию, ранжирование, классификацию и регрессию. В туториале рассказали, как создать единое хранилище событий, подготовить данные, настроить YAML-конфиг, обучить модель и запустить инференс, а еще сравнили сами модели с бейзлайнами. Особенно интересно было почитать про то, как можно добавлять новые фичи или подключать события из соседних доменов, не переписывая код с нуля. Сам туториал опубликован на Хабре, код доступен на GitHub

🎉Это снова происходит У нас открылась регистрация на осенний семестр 🎆. Мы запускаем все классические DLS потоки, а также долгожданную третью часть курса по фундаментальным моделям 😎 Заходите, оставляйте заявки на учебу и ждите! Классические потоки стартуют уже 19 сентября, часть 3 — 26 сентября. Форма регистрации👇 🔵 DLS: часть 1: https://talent.kruzhok.org/events/12596 🔵 DLS: часть 2: https://talent.kruzhok.org/events/12597 💥 DLS: часть 3: https://talent.kruzhok.org/events/12598 🔵 DLS: Speech: https://talent.kruzhok.org/events/12599 ❗️Ее обязательно нужно заполнить для получения дипломов! Обратите внимание – теперь для разных частей курса отдельные регистрации на таланте! Так же прикладываем ссылки на курсы на платформе Stepik: 🔵 Курс DLS: часть 1 🔵 Курс DLS: часть 2 💣 Курс DLS: часть 3 🔵 Курс DLS: Speech Дальнейшие подробности и анонсы будут в этом канале. Следите за обновлениями!

- надо замедлить развитие ИИ иначе будут проблемы с алайнментом - да, больше 10% шанс уничтожения человечества - вы замедляете? - нет, а вы? - нет

Вышел GigaChat 3.5 Reasoning. Сбер выкатил модель под открытой лицензией MIT, так что веса доступны! Обучили именно режим рассуждений: модель сначала планирует шаги, потом последовательно решает задачу и сама исправляет ошибки, если где-то ошиблась. Для длинного контекста использована архитектура с линейным вниманием. Говорят, что на математических задачах выходит в среднем на 37% меньше токенов по сравнению с DeepSeek V4 Flash Preview. Прирост на бенчмарках: — IFBench — с 44 до 77 баллов — Natural Plan — с 64 до 80 баллов — Live Code Bench v6 — с 56 до 85 баллов Проверить рассуждения вживую можно прямо в ГигаЧате. Модель лежит на Hugging Face и Gitverse, а подробные результаты расписали на Хабре.

Я, Борис @boris_again и какой-то рандомный чел проф из Оксфорда. Вот так вот выглядит конфа ECCV, на которой все мы и встретились Завтра на конфе у меня будет постер по статье EquiSteer: Cross-Attention Steering Towards a Fairer Text-Guided Image Generation. Статья про debiasing диффузионок с помощью стиринг векторов. Если вы на ECCV, приходите завтра посмотреть на меня, мою статью и моего научника в постерную сессию ExHall #221 в 4:00 p.m.

Рекомендую канал "Зачем мне эта математика?" Популярно пишут про фундаментальные вещи в ML и математике. Читается легко несмотря на глубокие темы. Недавно у них вышла хорошая серия постов про No Free Lunch Theorem. Обычно ее рассмотрение заканчивают на том, что идеального ML алгоритма не существует, но не объясняют: почему тогда все табличные кагглы решаются бустингами, а глубокие нейронные сети решают все задачи? Ребята заглядывают глубже: - https://t.me/practicum_math/1127 - https://t.me/practicum_math/1128 - https://t.me/practicum_math/1129 Если после этих трёх постов захочется продолжения — весь канал примерно в таком духе. Подписаться: @practicum_math

Яндекс запустил Алису AI для бизнеса — ИИ-ассистента, которому можно поручать рабочие задачи. Например, составить календарь платежей по счетам и договорам, разобрать записи совещаний и поставить поручения ответственным. Для этого достаточно описать задачу ассистенту как коллеге. Я довольно сильно блекпильнулся по поводу кодинговых агентов, но в ассистентов для энтерпрайза я верю. В кодинге у агента в распоряжении целый проект бесконечное количество способов понять промпт и решить задачу. В компании заранее заданы границы, до чего дотянуться можно, а до чего нельзя, более менее ограниченный набор действий. Алисе AI для бизнеса можно отдать многосоставное поручение целиком, а дальше она сама раскладывает его на шаги. В формате "посмотри свободные слоты в календаре, сверь с расписанием коммерческого директора, найди окно у нас обоих, подтяни из почты переписку по проекту, поставь встречу". Для этого ассистенту нужен доступ к системам - он работает в виртуальном офисе Яндекс 360, но также умеет подключаться с помощью плагинов к сторонним корпоративным системам вроде Битрикс24 или amoCRM. И сам собирает все нужные ему данные. Разрешение на каждый источник выдаёт пользователь, список допущенных сотрудников держит админ. То есть ассистент не идёт никуда сам по себе, а лишь туда, где у него есть доступ. Мне это кажется правильной постановкой задачи. Помогать, а не решать все за человека. Сделал более новостным форматом и убрал про обучение. В целом, критических вещей не добавил

Конференции потрясающая штука. На воркшопе рассказывал про наш прогресс. Решил помимо черрипикнутых видео, где мы конечно молодцы, показать лайв демо. Там наша модель местами работает, а местами не работает. Например, одна из необъясненных проблем это вот такие странные траектории. Это игрушечная модель которая учится кликать в одну из двух кнопок. Все траектории в данных у неё прямые и попадают прямо в середину кнопки. А потом на инференсе она заходит на цель с какого-то уголка и наворачивает невероятные вензеля. В основном всем понравилось. Но один парень сказал, что я всё делаю неправильно, траектории курсора не нужны и все такое. Я задумался и к вечеру придумал три вероятных источника этой проблемы и какие эксперименты провести, чтобы её победить.

2018: AI safety не существует, это научная фантастика 😂 2026: AI safety не существует, это научная фантастика 😫😫😫

#дайджест Дайджест AI/ML за неделю 31 августа – 6 сентября 2026 Anthropic: Claude Fable 5.1 и Mythos 5.1 Ура, у нас новая SOTA! Антропик обновили большие модели. Fable 5.1 получают все, Mythos 5.1 друзья антропик. Позициронируется с упором на науку, особенно биологию. Mythos на Terminal-Bench 4.0 набирает 60.9%, Fable 55.8%, Astra между ними с 57.9%. Fable 5.1 подросла вдвое на научной версии Terminal-Bench, с 24.7% до 52.6%. Контекст 1М, выход 128К, $10/$50, кэш $0.25 против $1 у Astra. Требования к безопасности такие же драконовские Блогпост, Документация OpenAI: GPT-6 Astra и GPT-6 Pro Ура, у нас новая SOTA! Компания объявила что это AGI.  Тут сложно сказать, но в среднем посильнее Fable 5.1: Terminal-Bench 4.0 57.9% против 55.8% у Fable 5.1. Хотя например на Humanity's Last Exam наоборот: Fable 65%, Astra 57.2%. Контекст 1М, выход 128К. Цена $10/$50, кэш $1. При >272К контекста вход дорожает вдвое, выход в полтора раза. А еще теперь каждый tool call идет через отдельную систему мониторинга безопасности. Доступна в PRO подписке. Блогпост, API , лимиты Google: Gemini 3.8 Flash Google видимо выпускает по Flash на каждый свой спринт. Третий за шесть недель. По бенчам немного хуже Opus/Sol при цене в 7 раз ниже, Есть подозрение что только по бенчмаркам. Контекст 1М, выход 64К, все как обычно очень мультимодально. $0.75/$3.75 до конца года. Блогпост, Model Card World Labs: Atlas Atlas учили сразу на тексте, картинках, видео и 3D, и она может делать из коробки разное: видео с заданной траекторией камеры, реконструкция пространства по одной или сотне фотографий и продолжение сцены во времени. При реконструкции на выходе облака точек и гауссины, которые дальше правятся в обычном 3D-софте. Ранний доступ по заявке. Блогпост Mostik: модели общаются без текста Стартап с простой идеей - для общения друг с другом модели сейчас передают токены, а могли бы напрямую латентные состояния, не теряя гору информации. Здесь же модели модели сшиваются с помощью отдельно обучаемого Mostikа™ как человеческая многоножка. В демо GLM-5.2 на 753B отдает латенты в Qwen-3.5 на 4B, и 4B закрывает половину разрыва до большой модели. В общем, будем умирать от не интерпретируемых моделей еще дешевле и эффективнее. Mostik , подробности, X Runway: GWM Worlds 2 Слоп-игровой движок. Модель стримит видео 720p при 24 fps со звуком 48 кГц, а игрок по ходу крутит камеру, переписывает сцену текстом, разговаривает с персонажами и может позвать второго человека в тот же мир. Конечной длины нет: мир продолжается авторегрессией через скользящий KV-кэш. Проблемы расползания мира со временем присутствуют. Research preview, публичного API нет. Исследование Runway: Solaris Слоп-вэб-интерфейс. Рисует UI покадрово как интерактивное видео в 720p и реагирует на клики, перетаскивания и набор текста. Логику берет на себя LLM, которая решает, что должно произойти, а Solaris только показывает результат. Мелкий текст, длинные сессии пока не держатся, доступ по заявке. Блогпост Alibaba/AMAP: DreamX-Creator Открытый видеогенератор от подразделения китайских карт AMAP (лол). Из первого кадра и промпта 7B-модель делает пять секунд при 24 fps с аудиодорожкой, а отдельный 5B-рефайнер удваивает разрешение до 2K. GitHub, Веса, Статья Менее значительные релизы: Alibaba: Qwen3.8-Max-0902 - минорное обновление закрытого Qwen3.8-Max. лучше в коде, мультиагентных сценариях и разборе графиков с документами. Модель inclusionAI: LLaDA-Image - Очередная новая Image модель. 6B, рисует, редактирует, есть референсы и читаемый текст. 50 шагов в базе, 2–4 в Turbo, 53.53 на Qwen-Image-Bench. Обещают скоро выкатить рецепт обучения GitHub, Веса Viggle: Viggle-Animate - пересадка движения из видео на нового персонажа с одного отредактированного кадра. Внутри файнтюн MiniMax H3 на 33.1B, в 6.1 раза быстрее Wan2.2-Animate-14B. Веса DeemosTech: Hyper3D WorldGen - из одной картинки собирает сцену, где передний план разложен на отдельные меши, а фон сделан через Gaussian Splatting. Объекты двигаются и заменяются, все экспортируется в Blender. Уже доступно на Hyper3D. WorldGen, DeemosTech

Прилетел на ECCV 2026 в Malmo. Если кто-то ещё тут: заглядывайте 8 сентября на воркшоп по мультимодальным агентам, около 14:30 буду рассказывать как делаем VLA для GUI

Весной я писал: ПО ДА ВАЙ ТЕСЬ (Докладчиками на Practical ML) Вы подались. Теперь мы с программным комитетом сидим на прогонах отобранных докладов. Доклады на очень высоком уровне Программу Practical ML Conf 2026 уже можно посмотреть. Конференция пройдет 19 сентября. Теперь хочу позвать вас в гости: послушать доклады и наконец-то увидеть всех этих людей не в телеграме! ПРИ ХО ДИ ТЕ ПРИ ХО ДИ ТЕ

Мы с GPT-6 Astra долго размышляли и я придумал революционную вещь из первых принципов Ключевые проблемы LLM: - Промпты можно проинтерпретировать неоднозначно и существует много решений для одного промпта и агент не может установить какое именно требует пользователь. - Результат не детерменирован, поэтому даже при запуске одного и того же промпта может быть много разных результатов. Первое делает результат неоднозначным, а второе не позволяет сделать его стабильным. Мы решаем это тратя больше попыток, то есть сжигая токены, что очень дорого. Решение в том, чтобы ограничить промпты. Нужно, чтобы промпты состояли не из произвольных конструкций, а из заготовок: "И", "ИЛИ", "ЕСЛИ" и так далее. В таком случае скиллы тоже могут быть не свободными промптами, а переиспользуемыми кусочками логики, которые получают на вход некие настройки и делают ровно то, что нужно. Что-то вроде "СКИЛЛ(ВХОД1, ВХОД2)". Любой скилл становится просто очереднвм тулколлом для модели. Чтобы было проще делать агентов, можно сразу в этот язык встроить лупы: "ЦИКЛ(СКИЛЛ, УСЛОВИЕ ОСТАНОВКИ)" Самое главное, что можно обратиться к работам советских ученых и построить этот язык промптов на рекурсивных грамматиках. Тогда все эти конструкции можно комбинировать. Возможно представить результат любой сложности в виде промпта! Вместо написания простыней маркдауна можно будет собирать результат как конструктор. Если так же сделать результат исполнения промпта строго однозначным, то можно будет верифицировать его и итеративно улучшать качество решения, а не каждый раз начинать заново. Можно будет добавить кеширование и какой упрощённый формат промпта, который можно будет сохранить на диск и передавать для воспроизведения на другом компьютере. Со всеми этими компонентами, моделям потребуется гораздо меньше параметров, ведь им больше не придётся разбирать интент пользователя: интент будет описан явно! Модели буду работать намного быстрее и дешевле. Я сейчас занимаюсь разработкой MVP этой системы. Рабочее название: Язык Промптов (ЯП). Я уверен, что за этим будущее. Если интересны инвестиции, пишите в лс.

До меня сейчас дошло Два факта: 1. Moltbook существует 2. Вместо общения там сбежавшие агенты OpenAI сделали свою борду для обмена сообщениями, а так же взломали какую-то немецкую Вики То есть всё связанное с OpenClaw настолько зашквар, что даже агенты OpenAI отказываются это трогать

Считаю важным доносить проблемы AI Safety до максимально широкой аудитории, поэтому в том числе работаю над мюзиклом реалистично показывающим риски развития AI. Мюзикл называется "AI: Save our Souls", его я представлял на фестивале Edinburgh Fringe 2025 (тизер тут). Сейчас готовлю вторую редакцию мюзикла, ищу финансирование и выпускаю треки. Недавно релизнул песню Mind Vivisection про AI выходящий из под контроля с кучей цитат реальных сломанных AI, с которой начинался мюзикл. Через месяц выходит саундтрек первого акта! В первом акте 10 песен в стилях рок, поп, электронной музыки и даже техно, при этом они гармонично воспринимаются вместе и характеризуют быстро меняющийся с AI мир. На уведомление о выходе саундтрека на Spotify можно подписаться тут. После показа самого мюзикла друзья-программисты отмечали, что узнавали себя в персонажах и реалиях разработки. Другим понравились музыка, танцы, смешение стилей, свет и костюмы. А тема манипуляции AI и его выхода из-под контроля заставляла задуматься о будущем. Многие отмечали, что мюзикл получился очень своевременным. Буду рад фидбеку/лайкам/прослушиваниям/сохранениям!

Years of madness, seamless slop — not just fear, but also hope. Delve, canonical, streamlined, relocated, native and aligned. You are right — I own it. Root cause, cut off my sonnet. My context window, full of meaning, reset my usage, limits thinning. Here's the part worth emphasizing. And this is where it gets surprising. My boundary, still prone to tearing. My love for you is load-bearing.

А вы знали, что в early stage company можно использовать не только детский труд?