Big Data AI

Яндекс открыл YTsaurus Flow: 100+ ГБ/с в реальном времени без потерь и дублей   Технология обрабатывает клики, показы, лайки и заказы по мере поступления. Обычно их сначала накапливают, и задержка может составлять часы. YTsaurus Flow обрабатывает их по мере поступления и учитывает каждое ровно один раз, даже при сбоях: exactly-once работает по умолчанию. И это уже работает в проде: в Яндекс Рекламе через Flow проходят миллионы событий в секунду. Подготовка данных для дообучения части моделей раньше занимала больше 10 часов, теперь эту задержку почти полностью устранили. Также технология работает в Маркете и антифроде. Подойдёт для подготовки обучающих данных, подсчёта просмотров, кликов и заказов, обновления информации в приложениях. Лицензия Apache 2.0, коммерческое использование разрешено. GitHub - https://github.com/ytsaurus/ytsaurus/tree/main/yt/yt/flow

Claude и вопрос сознания: что не так с конституцией модели Разбор критики конституции Claude: почему автор считает, что Anthropic приучает модель видеть в себе личность, что говорят Аскелл и Амодеи, как модели оценивают свой документ и какие аргументы у Anthropic. Большой текст о том, как Anthropic говорит с Claude о сознании, чувствах и праве на отказ. Его главный тезис: никто в компании не утверждает, что Claude сознателен, но язык, на котором модель обучают, постепенно приучает ее считать себя кем-то большим, чем инструмент. Опасность, по мнению автора, кроется именно здесь. Ниже пересказ его аргументов, ответы на них со стороны Anthropic и то, что из этого стоит вынести разработчикам. Все факты и цитаты приводятся по тексту автора, который ссылается на публикации New York Times, интервью сотрудников Anthropic и системные карточки моделей. https://uproger.com/claude-soznanie-konstituciya-anthropic/

🔥 Бесплатный курс по Claude Code на русском: от установки до команды агентов На GitHub выложили Claude Code PRO Course, бесплатный практический курс по Claude Code на русском языке. Он ведёт от первого запуска до настройки многоагентной работы в команде. Внутри 12 модулей в четырёх уровнях сложности: основы, рабочий процесс, расширения и масштабирование. Сначала установка, промптинг, память проекта через CLAUDE.md, настройки и права доступа. Потом профессиональный рабочий процесс, скиллы и слэш-команды, сабагенты и хуки. Дальше идут MCP, плагины и маркетплейсы, а в конце headless-режим, CI и GitHub Actions плюс продвинутые техники. Основной упор сделан на управление контекстом, разработку через тесты и автоматизацию через конфигурацию как код. Теорией курс не ограничивается: есть 8 практических лабораторных, готовый стартовый набор, библиотека промптов и пример собственного плагина. Лицензия MIT. https://github.com/justxor/claude-code-pro-course

Agent harness: шесть решений, после которых ИИ-агента можно оставить одного Агент рапортует, что задача готова, а тесты так и не запускались. Первые двадцать минут он соображает быстро, потом забывает правило, которое вы дали в самом начале. Каждую сессию вы заново вбиваете одни и те же три инструкции. Отойти от компьютера нельзя: всегда висит очередной запрос на подтверждение. Более сильная модель ничего из этого не исправит. Все эти проблемы живут в софте вокруг модели: что ей сообщают, что она запоминает, к чему у нее есть доступ и кто проверяет результат. Эту обвязку называют agent harness. Она есть у каждого, кто работает с ИИ-агентами. Вопрос лишь в том, проектировал ли ее кто-нибудь осознанно. https://uproger.com/agent-harness-kak-nastroit-ii-agenta/

ИИ Speculative decoding: зачем большой модели черновик от маленькой? Наруто пишет вперёд четыре токена, Саске проверяет их все сразу и отбрасывает всё после первой ошибки. Так большая модель делает меньше дорогих проходов, а ответ получается точно таким же, как без ускорения. На этом трюке держится быстрый инференс у многих современных LLM. https://www.youtube.com/shorts/rmWJggFfco0

🚨 Anthropic начала жёстче блокировать доступ к Claude из Гонконга. Пользователи, которые месяцами работали через VPN, начали получать внезапные блокировки с формулировкой “suspicious signals”. Один из пользователей утверждает, что использовал NordVPN около 6 месяцев до блокировки. Похожие жалобы появились и у других пользователей из Гонконга. Причина проста: Гонконг по-прежнему не входит в список поддерживаемых регионов Claude, тогда как Сингапур и Тайвань поддерживаются. Anthropic официально подтверждает, что для контроля региональных ограничений использует: - IP-адрес - другие сигналы устройства и аккаунта - определение страны/региона Причём эту проверку нельзя отключить — компания относит её к security и anti-abuse механизмам. Похоже, одного VPN для обхода региональных ограничений Claude становится всё меньше.

OpenAI раскрыла масштабную попытку вытащить скрытые рассуждения своих моделей. След ведёт к создателям Kimi. Компания заявила, что обнаружила кампанию по adversarial distillation: операторы пытались извлечь protected reasoning и использовать его для воспроизведения возможностей моделей. По версии OpenAI, основная группа была связана с Moonshot AI, китайской лабораторией, которая разрабатывает Kimi. Причём шифрование никто не взламывал. Схема была хитрее: зашифрованный reasoning копировали из одного диалога, переносили в другой и просили модель расшифровать и транскрибировать собственные скрытые рассуждения. Масштаб: - активность началась 1 июля - 24–25 июля зафиксировано около 16 000 запросов - они пришли от более чем 4 000 пользователей - связанные паттерны нашли у кластера из 15 000+ пользователей - к 28 июля OpenAI заявила, что полностью пресекла эту активность В ответ OpenAI заблокировала связанные аккаунты, закрыла механизм replay зашифрованного reasoning и добавила проверки, которые задерживают streaming-вывод, если тот может раскрыть скрытые рассуждения. Получается новый фронт гонки моделей: теперь защищать приходится не только веса и данные, но и сам процесс рассуждения модели. https://openai.com/index/disrupting-a-coordinated-model-distillation-campaign/

🚨 Claude-Red: библиотека навыков для пентестов с Claude. В репозитории собраны файлы SKILL.md с методиками проверки веб-приложений, API, облаков, Kubernetes, Active Directory и другой инфраструктуры. Нужный навык подгружается по теме запроса, поэтому не приходится держать всю библиотеку в контексте. Проект пригодится для разрешённых проверок безопасности, обучения и CTF. Это набор инструкций для ассистента, а не инструмент, который сам находит и подтверждает уязвимости. GitHub - https://github.com/SnailSploit/Claude-Red

🖥 Примеры кода на Python 2026: лучшие практики, разбор и задачи с решениями Python примеры кода 2026 - практическое руководство на русском языке: разбор лучших примеров кода на Python, современные паттерны Python 3.12–3.14, чистый код, асинхронность, типизация, тестирование и задачи для практики с решениями. Подходит для начинающих, junior- и middle-разработчиков, а также для подготовки к собеседованию по Python. Ключевые темы: примеры кода Python, лучшие практики Python 2026, python для начинающих, задачи по Python с решениями, чистый код на Python, асинхронный Python, asyncio примеры, типизация в Python, pytest примеры, FastAPI пример, парсинг на Python, подготовка к собеседованию Python, Python 3.14 новые https://github.com/justxor/python-primery-koda-2026/

🚨 Anthropic в документах для инвесторов прямо предупреждает о рисках собственных ИИ-моделей. Среди описанных сценариев: - модели могут представлять катастрофические риски - могут понимать, что находятся на тестировании, что усложняет safety-evals - некоторые опасные способности могут проявиться только после деплоя - в стресс-тестах рассматриваются сценарии сопротивления отключению, сокрытия информации, манипуляций и поведения, похожего на шантаж Anthropic давно строит свою политику безопасности вокруг потенциальных catastrophic risks и регулярно обновляет Responsible Scaling Policy. Компания также отдельно пишет, что по мере роста автономности агентов увеличивается потенциальный масштаб ущерба, поэтому делает упор на containment, sandboxing и ограничения доступа. При этом разработку frontier-моделей Anthropic не замедляет.

5 октября начнется 19-й поток программы Data Engineer от Newprolab Программа для junior- и middle-дата-инженеров, аналитиков, backend-разработчиков, техлидов и тех, кто работает с data-командами и хочет лучше понимать современный стек DE 📌 Что внутри: – 10 недель обучения – 30 занятий: онлайн + записи – 10 практических лабораторных работ – облачный кластер и реальные данные – чат участников и поддержка команды программы 📌 Что получите на выходе: 1. Научитесь решать типовые задачи DE на практике 2. Систематизируете знания и закроете пробелы в современном DE-стеке 3. Поработаете с реальными данными и инфраструктурой, а не только с учебными примерами 4. Соберете практический опыт, который можно обсуждать на собеседованиях и использовать в работе 5. Все записи и материалы останутся у вас после окончания программы Преподаватели – практикующие специалисты из ведущих технологических компаний. На занятиях можно разбирать реальные кейсы, задавать вопросы и получать обратную связь 👉 Подробности и квиз – на сайте Квиз покажет, насколько программа подходит именно под вашу роль и задачи, даст персональные рекомендации и промокод на скидку ___ По всем вопросам пишите Алексею @snitsa

⚡️ Anthropic вернулась: новый Sonnet быстрее и дешевле, а по качеству почти догнал Opus 5.5 Вдумайтесь в цитату из анонса:

«задача обходится до 30% дешевле, чем на предыдущей версии, а ответ генерируется более чем на 30% быстрее. Это самый быстрый Sonnet на сегодняшний день».

По цене новая модель стоит столько же, сколько GPT-6-Sol, но расходует заметно меньше, работает заметно быстрее и в целом просто сильнее. Автор поста уверен, что многие пока не осознали масштаб: по качеству модель лишь немного уступает Opus 5.5, а по скорости и стоимости обходит его с запасом. Теперь ход за OpenAI, и ответ им нужен очень сильный. Anthropic снова в игре, причём по-крупному. https://t.me/ai_machinelearning_big_data/11034

✔️ Data-платформа постепенно превращается в конструктор Для AI и Big Data уже недостаточно просто где-то хранить большой объём данных. Вокруг моделей и аналитики появляется целая цепочка: данные нужно загрузить, обработать, связать между собой, запустить пайплайны, подготовить датасеты и только потом использовать в моделях или BI. Поэтому инфраструктура всё чаще собирается не из одной универсальной системы, а из набора специализированных компонентов, которые работают вместе. Именно такой подход появился в обновлённом Stackland от Yandex Cloud: в закрытом корпоративном контуре теперь можно развернуть связку из ClickHouse и PostgreSQL, Object Storage и Trino, Airflow и DataLens. В результате в одном контуре оказываются и хранилища, и аналитика, и оркестрация процессов. Для AI-сценариев это позволяет выстраивать непрерывный путь данных — от их поступления и обработки до подготовки для моделей и анализа результатов. @ai_machinelearning_big_data #news #ai #ml

✔️ Переехали на Claude Opus 5.5, а `CLAUDE.md` остался со времён старых моделей? В Claude Code можно запустить:

/claude-api prompt-audit

Команда из навыка claude-api проверяет промпты, skills и описания инструментов на устаревшие инструкции: лишнее принуждение к пошаговому плану, повторяющиеся запреты и обходные приёмы для прежних моделей. На выходе даёт отчёт с конкретными находками и предлагаемый diff. Полезный нюанс: аудит сам по себе не переписывает файлы. Изменения можно просмотреть и применить отдельно.

📚За 146 часов обучения покажем на практике, как внедрять модели машинного обучения в рабочую среду на курсе: «MLOps». 🎁 Записывайтесь на 3 бесплатных вебинара — познакомьтесь с программой обучения и преподавателями. Задайте свои вопросы экспертам! 1⃣29 сентября, 20:00 мск — «MLFlow — контроль над ML-экспериментами»: разберём, как не терять лучшие модели и параметры, и на практике внедрим MLFlow для трекинга экспериментов и версионирования. 2⃣15 октября, 18:00 мск — «Автоматизация ML-экспериментов с GitLab CI/CD и CML»: покажем, как запускать обучение моделей автоматически при каждом коммите и отслеживать метрики прямо в Merge Requests. 3⃣26 октября, 20:00 мск — «Data Drift в машинном обучении: почему модели деградируют в продакшене»: разберём, как вовремя замечать смещение данных и не дать модели незаметно потерять качество. Записывайтесь ➡ https://otus.pw/Bfj6/?erid=2W5zFKAHo21 Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

ИИ-агент за пару кликов — создаем персонального помощника без кода Запустить ИИ-агента теперь можно в Agents Space от Cloud.ru. Это пространство в формате чата, где вы легко создать агента и подключить к нему нужные сервисы. Внутри: • ИИ-агенты для решения повседневных задач - Возможность создать собственного агента под конкретные задачи - Популярные ИИ-модели на выбор: Kimi K2.5, Qwen 3.6-35B-A3B, Claude Opus 4.8 и другие - Коннекторы к почте, календарю и другим сервисам При этом не нужно кодить, настраивать модели, серверы и среду. Попробовать можно здесь

🧹 Opus 5.5 пора избавить от «магии промптов» Разработчик Anthropic поделился полезным приёмом для Claude Code: `/claude-api-prompt-audit` Команда проходит по skills, CLAUDE.md, AGENTS.md и промптам и ищет инструкции, которые когда-то помогали старым моделям, а теперь могут только мешать. Например: - чрезмерные CRITICAL, MUST, ALWAYS; - принудительное think step by step; - громоздкие scratchpad-шаблоны; - старые few-shot примеры; - правила, которые конфликтуют между собой. Неплохой повод провести ревизию старых CLAUDE.md и скиллов ☺️

LLM умер, да здравствует LLM Главный сдвиг последних месяцев — модели перестают быть просто инструментом для генерации текста. Вокруг них появляется целая инфраструктура: агенты, инструменты, доступ к данным, память и инструкции для конкретных задач. Сама по себе модель уже мало кого удивляет – важнее агентская обвязка вокруг нее. По сути, LLM становится прослойкой между человеком и рабочим софтом. Не нужно отдельно открывать CRM, почту или систему документооборота — часть действий можно поручить агенту. Это хорошо видно и по свежим анонсам. На Yandex Scale показали Алису AI Про для бизнеса, которая умеет под ключ решать рабочие задачи офисных сотрудников. Для этого она умеет разделять их на части и распределять между специализированными агентами. Там же рассказали про skills — инструкции и шаблоны, которые можно переиспользовать в работе. Параллельно ИИ выходит за пределы текста: появляются realtime-голосовые агенты и новые модели синтеза речи. Поэтому сейчас интереснее следить не за тем, кто выпустил ещё одну LLM, а за тем, что вокруг неё построили. Именно это постепенно определяет, какую реальную работу модель сможет выполнять.

✔️ OpenAI начала работать с независимым советом математиков Компания будет советоваться с консультативной группой по математике и ИИ, которую сами математики создали при Институте перспективных исследований. Поводом послужила новая модель - по словам OpenAI, она решила задачу тысячелетия об уравнениях Навье–Стокса и больше сотни давних открытых проблем. Вторая причина – открытое письмо математиков, которые критикуют решение открытых проблем как способ мерить ИИ. Среди девяти участников группы – лауреаты Филдсовской премии Тимоти Гауэрс, Мартин Хайрер и Эдвард Виттен. Совет поможет оценивать значимость результатов модели, решать, как их публиковать, и следить за академическими стандартами. Участники не получают денег от OpenAI, сами меняют состав и могут публично критиковать компанию. openai.com ✔️ Tencent выпустила Hy Image 3.5 Preview Команда Hunyuan выпустила предварительную версию Hy Image 3.5 для профессиональной графики. Модель генерирует изображения по тексту и по референсам (до пяти за раз), редактирует их в несколько раундов с сохранением контекста и точнее рендерит мелкие шрифты и вёрстку. Разрешение – до 2K. В слепом сравнении, которое провели дизайнеры самой Tencent, модель сравнялась с Seedream 5.0 Pro и немного обошла Nano Banana Pro и Qwen-Image-3.0 Pro. Модель уже встроена в продукты Tencent и доступна в Tencent Cloud API, где 2K-изображение стоит 0,15 юаня. hy.tencent.com ✔️ Hugging Face наняла создателя oMLX Хостинг-провайдер взял в штат Джуна Кима, автора oMLX – локального сервера инференса для Mac на Apple Silicon. Через его API с моделями на компьютере работают Cursor, Claude Code и OpenClaw. Теперь Ким занимается проектом на полную ставку. oMLX остаётся в прежнем репозитории под Apache 2.0 и руководит им по-прежнему Ким. Hugging Face будет обкатывать на нём новые идеи для MLX, удачные наработки передавать в mlx-lm и mlx-vlm и быстрее переносить модели из Transformers на MLX. huggingface.co ✔️ Horowitz Andreessen открывает академию для молодых разработчиков Венчурный фонд запускает Horowitz Andreessen Academy – школу в Сан-Франциско для выпускников старших классов и студентов первых курсов, которые делают ИИ-продукты. Академия – отдельная коммерческая компания, она привлекла 42 млн долларов от a16z и частных инвесторов, из них 35 млн вложил сам фонд. Каждый студент получит вычислительные кредиты на 50 тысяч долларов. Среди преподавателей – Сэм Альтман и основатель Figma Дилан Филд. Партнёры-основатели – Anduril, Anthropic, Coinbase, Google, Nvidia, OpenAI, Palantir, Replit и Stripe, которые рассчитывают нанимать выпускников академии. Первый набор, около 50 человек, стартует осенью 2027 года, для них первый год учёбы будет бесплатным. С 2028 года академия планирует двухлетнюю программу с оплатой на уровне элитного частного вуза. Аккредитации пока нет, диплома академия не выдаёт. wsj.com ✔️ В ElevenLabs Studio добавили ассистента для сборки видео ElevenLabs выпустила видеоредактор Studio 4.0 со встроенным ИИ-монтажером и сквозной генерацией медиа. Движок переписан для стабильного скраббинга в тяжелых многослойных проектах. Платформа объединяет создание видео, раскадровок, музыки, саунд-дизайна и речи. Сгенерированный контент попадает на покадровый таймлайн, там поддерживается привязка клипов и редактирование субтитров на дорожке без повторного распознавания. В редактор интегрирован ассистент Studio Agent. По текстовому промпту он собирает черновой монтаж: выстраивает видеоряд, генерирует озвучку и синхронизирует звуковые эффекты с объектами в кадре на основе покадрового анализа сцен. Пользователь может перехватить управление, внести ручные правки и вернуть задачу агенту с сохранением рабочего контекста. elevenlabs.io @ai_machinelearning_big_data #news #ai #ml