Big Data AI
Ir al canal en 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
Mostrar más
Red:📈 Análisis del canal de Telegram Big Data AI
El canal Big Data AI (@bigdatai) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 18 212 suscriptores, ocupando la posición 6 994 en la categoría Tecnologías y Aplicaciones y el puesto 35 970 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 18 212 suscriptores.
Según los últimos datos del 15 septiembre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 74, y en las últimas 24 horas de 3, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 7.06%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 3.48% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 1 286 visualizaciones. En el primer día suele acumular 633 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 6.
- Intereses temáticos: El contenido se centra en temas clave como llm, openai, github, nvidia, deepseek.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“@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”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 16 septiembre, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Tecnologías y Aplicaciones.
18 212
Suscriptores
+324 horas
-57 días
+7430 días
Archivo de publicaciones
18 212
🔥 Один из лучших обучающих курсов на StepiK по SQL
SQL можно знать годами и всё равно теряться, когда запрос внезапно начинает тормозить в проде.
Этот курс про уровень, где ты не просто пишешь SELECT, а понимаешь, что происходит внутри MySQL, почему запрос работает медленно и как ускорить его без новых проблем. Здесь разбираются EXPLAIN, индексы, CTE, оконные функции, транзакции, аналитические паттерны, legacy SQL и работа с AI-ассистентами.
Каждый урок - с практикой и реальными SQL-задачами на MySQL 8 с автопроверкой.
После курса ты сможешь увереннее разбирать чужой код, находить узкие места и предлагать решения, которые действительно работают.
Для подписчиков скидка - 49% в течение 2 суток: https://stepik.org/a/298827/
18 212
Repost from Machinelearning
🎙 Google выпустила Gemini 3.8 Live и Live Extended Thinking
Модели поддерживают 97 языков, понимают видео и изображение с камеры, вызывают инструменты без остановки разговора.
Extended Thinking рассуждает и говорит одновременно, выполняя сложные задачи в фоне. По данным Google, версия заняла первое место в Speech to Speech Quality Index - 82,6 балла.
Цена API за 1 млн токенов для обеих версий:
* Аудио: $3 вход / $12 выход.
* Текст: $0,75 вход / $4,50 выход.
Доступны через Gemini API и AI Studio. Началось внедрение в Search Live, Gemini Live и Workspace.
Анонс — https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/
Цены — https://ai.google.dev/gemini-api/docs/pricing
18 212
Участвуй во всероссийском ИТ-чемпионате МТС True Tech Champ 2026 c призовой фондом 10 250 000 рублей.
Если тебе нравятся алгоритмы, структуры данных и задачи на чистую логику — участвуй в алгоритмическом треке с индивидуальным зачетом.
Решай задачи разного уровня сложности: от базовых до тех, что проверяют скорость мышления и умение оптимизировать решения за ограниченное время.
В финале лучшие 120 участников алгоритмического трека сразятся в лайв-кодинге за шесть призовых мест и 2 750 000 рублей. Всех финалистов ждут:
— Лимитированный мерч;
— Сертификаты об участии;
— Масштабное мероприятие с выступлениями хэдлайнеров и фестивальными активностями.
Успей зарегистрироваться и пройти отборочный этап до 27 сентября.
Erid: 2VSb5yFoX4E
18 212
🚨 Microsoft AI опубликовала первый публичный черновик Code of Conduct для своих MAI-моделей
ИИ должен оставаться инструментом под контролем человека, не расширять самостоятельно свои цели и никогда не сопротивляться остановке, исправлению или отключению.
В документе отдельно закреплены Absolute Constraints - вещи, которые модель не должна делать вообще. Среди них оружие массового вреда, эксплуатация детей и масштабная вредоносная манипуляция.
Microsoft также пишет, что MAI-модели не должны:
- самостоятельно расширять область своих действий
- ставить себе цели без человека
- скрывать reasoning от аудиторов
- сопротивляться shutdown или human override
При этом компания хочет оставить корпоративным клиентам возможность настраивать модели под свои сценарии, не навязывая одну универсальную модель поведения.
Черновик открыт для публичного обсуждения на 6 недель. После этого Microsoft обещает выпустить обновлённую версию.
На фоне разговоров про RSI, autonomous agents и призывов замедлить frontier AI это уже выглядит не как абстрактная этика, а как попытка формально прописать границы поведения будущих моделей.
https://microsoft.ai/news/mai-code-of-conduct/
18 212
🚀 Anthropic рассчитывает показать прибыль второй квартал подряд перед планируемым IPO
По данным Financial Times, компания ожидает снова получить положительную скорректированную операционную прибыль.
Во втором квартале Anthropic уже вышла в плюс по этому показателю, а выручка превысила $11,5 млрд - более чем в 14 раз выше, чем годом ранее. К концу июля annualized revenue run rate достиг примерно $65 млрд.
Отдельно Anthropic сообщает gross margin выше 80%.
Но здесь есть важная оговорка: этот показатель не учитывает часть крупнейших расходов — обучение моделей и revenue sharing с партнёрами-дистрибьюторами вроде Amazon. Поэтому «прибыльность» frontier AI пока стоит читать очень внимательно.
Тем не менее динамика впечатляющая: ещё недавно главный вопрос был, смогут ли AI-лаборатории вообще выйти из режима бесконечного сжигания капитала. Anthropic теперь пытается показать инвесторам, что экономика начинает сходиться.
https://www.ft.com/content/4564e6a5-69e9-40a6-bf0f-a888f2f4f002?syn-25a6b1a6=1
18 212
Repost from Machinelearning
✔️ Голосовая модель GPT-Live-1 стала доступна по API
OpenAI открыла API полнодуплексной голосовой модели GPT-Live-1 стоимостью 5 центов за минуту. Модель слушает и синтезирует речь одновременно, заменяя традиционный каскад STT–LLM–TTS.
Единая архитектура снизила задержку реакции с 1,4 до 0,8 секунды и позволила обрабатывать перебивания. Обновленная фильтрация пауз и фонового шума сократила число ложных прерываний на 80%.
Модель поддерживает делегирование вычислений - голосовой фронтенд удерживает непрерывный контакт с пользователем, пока бэкенд (GPT-6 Astra и Luna) параллельно выполняют рассуждения и вызовы инструментов.
GPT-Live-1 готова к интеграции в телефонию. API может возвращать ASR-транскрипты, включает 12 голосов и поддерживает управление темпом и стилем речи через системный промпт.
@ai_machinelearning_big_data
#news #ai #ml
18 212
🚨 Слухи: OpenAI решила гипотезу Ходжа
В соцсетях обсуждают возможное решение ещё одной задачи тысячелетия. Параллельно распространяются заявления, что OpenAI или Anthropic близки к доказательству гипотезы Бёрча - Свиннертона-Дайера.
За решение каждой предусмотрена премия $1 млн.
Но публичных доказательств и официальных подтверждений этих сообщений найти не удалось. На сайте Института Клэя гипотеза Ходжа по-прежнему имеет статус нерешённой.
Если результаты подтвердятся, это станет крупным достижением ИИ в математике. Пока заявления об AGI и гонке за решениями перед IPO остаются интерпретациями авторов слухов.
Статус гипотезы Ходжа - https://www.claymath.org/millennium/hodge-conjecture/
18 212
🛡 LLM, Guardrails и Zero Trust:
вебинары о безопасной работе с ИИ
➡️ 15 сентября
Как защитить чувствительные данные при работе с LLM с помощью Guardrails
Эксперты Cloud․ru расскажут о том, как Guardrails помогают контролировать данные, которые передаются модели: персональные данные, API-ключи, внутренние идентификаторы и другую чувствительную информацию. А еще покажут, как встроить Guardrails Filter в процессы.Зарегистрироваться ➡️ 17 сентября ИИ в облаке: кто отвечает за безопасность
Эксперты Cloud․ru разберут, как выстроить безопасную ИИ-инфраструктуру без лишних рисков. Отдельно обсудят подход Zero Trust: расскажут, как контролировать доступ к данным, моделям и сервисам в облаке.Зарегистрироваться Если вы работаете с LLM, GenAI-сервисами или строите ИИ-инфраструктуру в облаке — присоединяйтесь.
18 212
Nex-AGI открыла Nex-N2.5-Max - MoE-модель на 1,6 трлн параметров
Модель построена на DeepSeek-V4-Pro-Base и ориентирована на программирование, работу с инструментами и длинные последовательности агентных задач. При обработке токена активируются около 49 млрд параметров. Ввод - только текст.
По результатам разработчиков:
* AutomationBench - 50,2, у Claude Opus 5 - 50,3.
* BrowseComp - 92,6, у Claude Opus 5 - 90,8.
* Terminal-Bench 2.1 - 86,1.
* Toolathlon Verified - 74,7.
Веса доступны под Apache 2.0. Репозиторий занимает примерно 1,65 ТБ.
В линейке также вышла Nex-N2.5-mini на 35 млрд параметров с поддержкой изображений и задач управления компьютером.
Модель Max - https://huggingface.co/nex-agi/Nex-N2.5-Max)
Модель mini - https://huggingface.co/nex-agi/Nex-N2.5-mini
18 212
Repost from Machinelearning
+2📲 OpenAI решила задачу тысячелетия? Пока доказательств нет
Математик Тристан Бакмастер утверждает, что 6 сентября представители OpenAI сообщили ему о готовом доказательстве образования сингулярности в уравнениях Навье–Стокса с внешней силой.
Если доказательство верно и соответствует условиям задачи Института Клэя, оно может закрыть одну из главных нерешённых проблем математики.
До этого Бакмастер и Левент Алпёге с помощью Claude и моделей OpenAI получили новые результаты для уравнений Эйлера и родственных систем. Однако эти работы сами по себе задачу Навье–Стокса не решают.
Параллельно возник спор об авторстве. Бакмастер заявляет, что ему предлагали оформить результат OpenAI без Алпёге, работающего в Anthropic. Себастьен Бюбек назвал обвинения ложными.
Доказательство OpenAI не опубликовано, Бакмастер его не видел, независимой проверки нет. Институт Клэя по-прежнему указывает задачу как нерешённую.
https://www.claymath.org/millennium/navier-stokes-equation/
@ai_machinelearning_big_data
18 212
🔥 На Hugging Face выложили датасет на 4,5 МИЛЛИАРДА TikTok-постов
Это огромная база метаданных TikTok: 4 501 811 789 записей, около 289 ГБ в 27 Parquet-файлах.
Для каждого ролика есть:
- подпись и упоминания
- дата публикации и длительность
- просмотры, лайки, комментарии, репосты и сохранения
- используемый звук
- язык и страна
- отметка рекламы
Данные собирались примерно три недели через мобильный API TikTok. Самих видео и данных об авторах в датасете нет.
Можно стримить через Hugging Face Datasets или анализировать Parquet напрямую через DuckDB/Polars — без загрузки всего датасета целиком.
Лицензия - только для исследований и обучения. Авторы отдельно предупреждают о GDPR/CCPA и о том, что сбор данных противоречил ToS TikTok.
https://huggingface.co/datasets/kuben-developer/tiktok-videos-4b
18 212
+1
FinFIRST - финансовый бенчмарк, который проверяет не только ответ, но и весь путь к нему
Ant Group вместе с инвестиционно-банковской командой CICC и более чем 50 финансовыми специалистами разработала FinFIRST - бенчмарк для оценки AI-агентов на реальных финансовых задачах.
Он проверяет:
- как агент ищет источники
- насколько свежие данные использует
- умеет ли объединять несколько источников
- выбирает ли надёжные доказательства
- правильно ли считает
- насколько легко проверить полученный результат
Задачи охватывают Китай, США, Гонконг и другие рынки:
- 60,2% - на китайском
- 39,8% - на английском
- 61,8% требуют явных вычислений
- 32,5% требуют нескольких источников
- в 75,6% случаев агент сам должен найти и выбрать источники
Для сравнения протестировали 15 конфигураций моделей в одинаковом ReAct-сетапе с Web Search, Visit и Python.
Ling-3.0-flash-Fin набрала 82,45% по source verification, показав один из сильных результатов среди протестированных open-weight моделей.
Уже готовится FinFIRST V2 - с более широким набором задач по финансовому поиску и сложным research-сценариям.
https://huggingface.co/datasets/inclusionAI/FinFIRST
18 212
🔥 MWS Cloud первой в России развернула модель GLM-5.3 в собственной инфраструктуре.
Она доступна в MWS GPT Model Hub и полностью локализована в России — данные пользователей не покидают страну. При этом стоимость останется на уровне GLM-5.2.
Российские компании могут использовать GLM-5.3 использовать модель для разработки ПО и решения агентских задач в отечественном ИТ-контуре. Например, для анализа и генерации кода, поиска ошибок и работы с репозиториями.
Компания-разработчик Z.аi заявляет, что модель использует ту же архитектуру, что и GLM-5.2. Прирост качества получили благодаря масштабированию посттренинга. По оценкам экспертов, модель GLM-5.3 работает на уровне передовых закрытых моделей, таких как Claude Fable 5 и GPT-5.6 Sol.
18 212
⚡️ Cyber-Prime 1 2.6B - компактная модель специально для кибербезопасности
Появилась Cyber-Prime 1 2.6B - небольшая agentic-модель для задач кибербезопасности, построенная на базе LFM 2.6B от Liquid AI.
Модель обучали на:
- reasoning traces;
- датасетах по кибербезопасности;
- синтетических данных автора.
Дополнительно её прогоняют через цикл recursive self-improvement, поэтому новые чекпоинты планируют выпускать очень быстро.
Сейчас доступна версия на 2.6B параметров, а дальше обещают:
- 4B;
- 7.9B MoE.
Вес модели уже открыт:
https://huggingface.co/Akahsizrr/Cyber-Prime-1-2.6B
18 212
Как с помощью ИИ сократить время на поиск и сверку данных о продукте
Подготовка паспортов продуктов, проверка маркировки, сверка данных для каналов продаж, анализ условий поставки — это часы ручной рутины и риск ошибок на каждом этапе жизни продукта. Эксперты из Navicon проведут вебинар и покажут, как переложить эту работу на ИИ-платформу NaviCortex.
📅 8 сентября, 11:00 (мск)
💻 Онлайн
Что разберём:
✔️цепочка создания ценности продукта и новые вызовы пищевой отрасли
✔️практические сценарии использования ИИ: создание паспорта продуктов, проверка маркировки, формирование календаря поставок, анализ сигналов качества
✔️как ИИ-платформа NaviCortex контролирует соответствие требованиям и сверяет данные
✔️с чего начать запуск пилотного проекта
👉 Зарегистрироваться
18 212
Anthropic запустила Claude Fable 5.1.
И почти сразу OrcaReplay вытащил системный промпт Claude Code для новой модели.
В опубликованном файле можно посмотреть, какие инструкции получает Claude Code перед началом работы: как он должен использовать инструменты, обращаться с кодом, соблюдать ограничения и вести себя внутри агентного окружения.
Ссылки:
Fable 5.1 System Prompt:
https://github.com/Continuum-AI-Corp/OrcaReplay/blob/main/prompt/CLAUDECODE/claude-fable-5-1-print-system-prompt.md
OrcaReplay:
https://github.com/Continuum-AI-Corp/OrcaReplay
18 212
Repost from Machinelearning
+1⚡️ Qwen представила E-Commerce Bench - новый бенчмарк для проверки AI-агентов на долгосрочном управлении бизнесом.
Агент получает ¥100 000 и должен целый год управлять интернет-магазином:
- искать поставщиков
- торговаться
- выставлять цены
- запускать акции
- контролировать склад
- управлять денежным потоком
Среда построена на реальных данных электронной коммерции.
Внутри:
- 6886 товаров
- 576 поставщиков
- 152 из них мошенники
- комиссии за хранение
- возвраты
- репутация
- ограниченный рабочий день
Оценка идёт сразу по 7 направлениям, поэтому одной модели, которая была бы лучшей во всём, пока нет.
Blog: https://qwen.ai/blog?id=e-commerce-bench
Paper: https://arxiv.org/abs/2608.30730
Project: https://ecbench.github.io
Code: https://github.com/QwenLM/E-CommerceBench
@ai_machinelearning_big_data
#Qwen
