Анализ данных (Data analysis)
رفتن به کانال در Telegram
Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp
نمایش بیشتر
شبکه:📈 تحلیل کانال تلگرام Анализ данных (Data analysis)
کانال Анализ данных (Data analysis) (@data_analysis_ml) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 50 183 مشترک است و جایگاه 2 651 را در دسته فناوری و برنامهها و رتبه 12 442 را در منطقه روسيا دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 50 183 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 13 ژوئیه, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 38 و در ۲۴ ساعت گذشته برابر -3 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 11.17% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 6.45% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 5 608 بازدید دریافت میکند. در اولین روز معمولاً 3 238 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 22 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند llm, контекст, openai, архитектура, deepseek تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاههای شخصی توصیف میکند:
“Data science, наука о данных.
@haarrp - админ
РКН: clck.ru/3FmyAp”
به لطف بهروزرسانیهای پرتکرار (آخرین داده در تاریخ 14 ژوئیه, 2026)، کانال همواره بهروز و دارای دسترسی بالاست. تحلیلها نشان میدهد مخاطبان بهطور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته فناوری و برنامهها تبدیل کردهاند.
50 183
مشترکین
-324 ساعت
-677 روز
+3830 روز
در حال بارگیری داده...
کانالهای مشابه
![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dx&w=256&q=75)
ابر برچسبها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
ژوئیه '26
ژوئیه '26
+118
در 6 کانالها
ژوئن '26
+435
در 15 کانالها
Get PRO
مه '26
+361
در 20 کانالها
Get PRO
آوریل '26
+545
در 30 کانالها
Get PRO
مارس '26
+424
در 33 کانالها
Get PRO
فوریه '26
+5 597
در 63 کانالها
Get PRO
ژانویه '26
+2 202
در 125 کانالها
Get PRO
دسامبر '25
+381
در 19 کانالها
Get PRO
نوامبر '25
+637
در 27 کانالها
Get PRO
اکتبر '25
+473
در 34 کانالها
Get PRO
سپتامبر '25
+844
در 39 کانالها
Get PRO
اوت '25
+498
در 30 کانالها
Get PRO
ژوئیه '25
+1 004
در 91 کانالها
Get PRO
ژوئن '25
+835
در 114 کانالها
Get PRO
مه '25
+345
در 12 کانالها
Get PRO
آوریل '25
+485
در 38 کانالها
Get PRO
مارس '25
+602
در 17 کانالها
Get PRO
فوریه '25
+778
در 50 کانالها
Get PRO
ژانویه '25
+792
در 50 کانالها
Get PRO
دسامبر '24
+1 063
در 62 کانالها
Get PRO
نوامبر '24
+1 921
در 184 کانالها
Get PRO
اکتبر '24
+2 266
در 74 کانالها
Get PRO
سپتامبر '24
+1 544
در 207 کانالها
Get PRO
اوت '24
+1 329
در 48 کانالها
Get PRO
ژوئیه '24
+1 449
در 57 کانالها
Get PRO
ژوئن '24
+2 129
در 64 کانالها
Get PRO
مه '24
+1 558
در 46 کانالها
Get PRO
آوریل '24
+1 838
در 60 کانالها
Get PRO
مارس '24
+1 814
در 32 کانالها
Get PRO
فوریه '24
+1 919
در 13 کانالها
Get PRO
ژانویه '24
+2 481
در 48 کانالها
Get PRO
دسامبر '23
+1 305
در 41 کانالها
Get PRO
نوامبر '23
+5 619
در 82 کانالها
Get PRO
اکتبر '23
+1 810
در 21 کانالها
Get PRO
سپتامبر '23
+1 669
در 0 کانالها
Get PRO
اوت '23
+1 481
در 0 کانالها
Get PRO
ژوئیه '23
+1 093
در 1 کانالها
Get PRO
ژوئن '23
+1 229
در 0 کانالها
Get PRO
مه '23
+1 932
در 0 کانالها
Get PRO
آوریل '23
+460
در 0 کانالها
Get PRO
مارس '23
+643
در 0 کانالها
Get PRO
فوریه '23
+1 030
در 0 کانالها
Get PRO
ژانویه '23
+1 205
در 0 کانالها
Get PRO
دسامبر '22
+541
در 0 کانالها
Get PRO
نوامبر '22
+932
در 0 کانالها
Get PRO
اکتبر '22
+1 431
در 0 کانالها
Get PRO
سپتامبر '22
+1 017
در 0 کانالها
Get PRO
اوت '22
+1 141
در 0 کانالها
Get PRO
ژوئیه '22
+3 205
در 0 کانالها
Get PRO
ژوئن '22
+6 354
در 0 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 14 ژوئیه | +5 | |||
| 13 ژوئیه | +8 | |||
| 12 ژوئیه | +3 | |||
| 11 ژوئیه | +7 | |||
| 10 ژوئیه | +9 | |||
| 09 ژوئیه | +7 | |||
| 08 ژوئیه | +8 | |||
| 07 ژوئیه | +4 | |||
| 06 ژوئیه | +13 | |||
| 05 ژوئیه | +7 | |||
| 04 ژوئیه | +12 | |||
| 03 ژوئیه | +9 | |||
| 02 ژوئیه | +6 | |||
| 01 ژوئیه | +20 |
پستهای کانال
DeepSeek собрали гайд по подключению своих моделей к coding tools
Полезная находка для тех, кто хочет использовать DeepSeek не в отдельном чате, а прямо внутри привычных инструментов.
В репозитории есть инструкции для:
* Claude Code
* Cline
* Codex
* GitHub Copilot
* Cherry Studio
* Crush
* OpenCode
* Qwen Code
* DeepSeek-TUI
* других agent/coding-assistant инструментов
Каждый гайд проходит базовый путь: установка, конфиг, первый запуск.
Идея простая: можно быстро подключить DeepSeek-V4-Pro или V4-Flash к своему рабочему процессу и проверить, насколько хорошо они тянут агентное кодинг-окружение.
github.com/deepseek-ai/awesome-deepseek-agent
| 2 |  ⚡️ Демис Хассабис обычно не из тех, кто разгоняет хайп вокруг AGI.
Он годами был скорее умеренным голосом в индустрии: осторожные прогнозы, меньше громких обещаний, больше науки и проверки результатов. Поэтому его новый текст звучит особенно сильно.
Хассабис пишет, что AGI нельзя сравнивать с интернетом или смартфонами. По масштабу это ближе к электричеству или огню. Технология, которая меняет не отдельную индустрию, а саму логику развития цивилизации.
По его оценке, эффект может быть в десять раз больше промышленной революции и пройти в десять раз быстрее.
Да, AGI может резко ускорить медицину, физику, биологию, материалы, энергетику. Но Хассабис прямо говорит и о другой стороне: киберриски уже реальны, дальше могут появиться угрозы в био- и других чувствительных областях, а отдельная проблема - агентные системы, которые становятся всё автономнее.
Гонка за возможностями идёт быстрее, чем наше понимание того, как это безопасно контролировать.
Когда человек уровня Хассабиса говорит, что нужна серьёзная регуляторная инфраструктура уже в ближайшие годы, это звучит совсем иначе, чем очередной пост про сингулярность.
https://x.com/Machinelearrn/status/2076985021752082689 | 3 143 |
| 3 |  🐠 Sakana AI показали интересный переход от красивых симуляций к физическому прототипу распределённого интеллекта.
В работе Smart Cellular Bricks используются простые кубические модули. В каждом модуле работает одна и та же небольшая нейросетевая клеточная модель. У блока нет координат, нет общей карты конструкции и нет центрального управляющего узла. Он обменивается сигналами только с соседними блоками, к которым подключён физически.
За счёт этих локальных обменов вся конструкция постепенно определяет, какую форму она образует, где находится повреждение и каких блоков не хватает для восстановления.
Авторы задаются вопросом - можно ли обученные локальные правила перенести из симуляции в реальное железо. В симуляторе связь идеальная, модули не отваливаются, задержки контролируемые. В физическом прототипе всё в разы сложнее: шум, сбои контактов, ограничения электроники, неполная информация и ошибки передачи.
Одна и та же модель внутри каждого блока позволяет системе получать глобальное поведение без глобального наблюдателя. Отдельный модуль ничего не “понимает” про всю фигуру, но сеть модулей в целом сходится к правильной интерпретации формы.
Такие системы могут быть полезны в модульной робототехнике, самодиагностирующихся конструкциях, адаптивных материалах и инфраструктуре, где централизованный контроль слишком дорогой или ненадёжный.
Работа пока исследовательская, но направление выглядит сильным. ИИ здесь живёт не в одном большом агенте, а распределяется по множеству простых физических элементов, которые вместе начинают вести себя как единая адаптивная система.
Blog: https://sakana.ai/smart-cellular-bricks
Paper: https://nature.com/articles/s41467-026-75166-7 | 2 856 |
| 4 |  Qwythos-9B-v2 вышел, и это скорее не апгрейд ради бенчмарков, а фикс главной боли
У модели оставили глубокое reasoning-поведение, но почистили самый неприятный баг: зацикливание при greedy decoding упало с 6.7% до 0%.
Также вернули MTP head, поправили identity-behavior и сохранили 1M context через YaRN.
По сути, v2 - это более стабильный Qwythos: не «новая магия», а hygiene release, где модель меньше ломается в реальном использовании.
Из заметного:
- MMLU CoT - 83.8%
- GSM8K - 93.6%
- ARC-Challenge - 96.4%
- GPQA-diamond - 49.0%
- HumanEval pass@1 - 77.4%
Лицензия - Apache-2.0.
Модель построена вокруг Qwen3.5-9B и рассчитана на long-context reasoning, код, анализ и локальные эксперименты.
https://huggingface.co/empero-ai/Qwythos-9B-v2 | 2 824 |
| 5 |  Сегодня заканчивается доступ к Fable 5 в подписочном плане, вероятно, на довольно долгий срок.
Anthropic дала понять, что в будущем планирует вернуть Fable в подписку, но конкретную дату не назвала.
Пока хорошей альтернативой выглядит GPT-5.6 Sol, хотя между ними, конечно, есть заметные различия. Но, как я уже несколько раз говорил, лимиты у 5.6 огромные, поэтому сейчас использовать его всё равно получается не так свободно.
В любом случае 5.6 стал крупным релизом и явно дал OpenAI серьёзный рывок относительно Anthropic.
Теперь вопрос в том, как ответит Anthropic. Моя догадка такая:
они очень скоро выпустят Opus 5 как более дешёвую альтернативу Fable 5, надеясь этим успокоить пользователей. | 3 516 |
| 6 |  +1⚡️ Полезный список лучших инструментов, чтобы запускать мощные LLM полностью бесплатно и локально на своём ноутбуке. Сейчас это №1 в трендах GitHub.
1. AnythingLLM
All-in-one workspace для чата с документами и создания агентов
http://github.com/Mintplex-Labs/anything-llm
2. KoboldCpp
Лёгкий инструмент, особенно хорош для creative writing и сценариев с персонажами
http://github.com/LostRuins/koboldcpp
3. llama.cpp
Базовый движок. Очень эффективный и запускается почти на любом железе
http://github.com/ggml-org/llama.cpp
4. Open WebUI
Удобный веб-интерфейс в стиле ChatGPT, отлично работает с Ollama
http://github.com/open-webui/open-webui
5. GPT4All
Простое desktop-приложение со встроенным чатом по документам
http://github.com/nomic-ai/gpt4all
6. LocalAI
OpenAI-compatible API, который работает на разном железе и поддерживает много backend’ов
http://github.com/mudler/LocalAI
7. vLLM
Быстрый inference engine, когда нужны более быстрые ответы и работа в масштабе
http://github.com/vllm-project/vllm | 4 417 |
| 7 |  VLM уже умеют искать «интересное». Но пока плохо умеют уходить от того, что уже нашли.
Sakana AI вместе с MIT и NYU проверили, можно ли повторить PicBreeder на агентах с визуально-языковыми моделями.
В оригинальном PicBreeder не было целевой картинки. Люди просто выбирали изображения, которые казались им перспективными, и передавали их дальше. Через много поколений из случайных форм появлялись лица, животные, машины, черепа и другие неожиданные структуры.
Это важная идея из книги Кеннета Стэнли «Иллюзия целей»: сильные открытия часто рождаются не из оптимизации метрики, а из открытого поиска.
В новом эксперименте VLM-агенты работали похожим образом:
- смотрели общий архив изображений
- выбирали то, что считают интересным
- развивали выбранные варианты
- публиковали новые изображения
- оценивали работы других агентов
Им не давали целевую картинку. Не давали функцию прогресса. Не говорили, к чему надо прийти.
VLM-агенты действительно находят визуальные и семантические зацепки. Если добавить агентов с разными «личностями», архив становится заметно шире и по разнообразию приближается к человеческому.
Но главный провал тоже виден: модели слишком быстро фиксируются на найденном мотиве. Вместо резкого смещения в новую область они часто начинают улучшать уже знакомую форму, стиль или смысл.
Человек в PicBreeder может увидеть случайную странность и превратить её в новое направление. VLM чаще видит паттерн и начинает его эксплуатировать.
Похоже, для open-ended discovery мало уметь распознавать novelty. Нужно ещё уметь менять собственный критерий интересного, бросать локально удачную ветку и сохранять слабые сигналы, которые пока не выглядят полезными.
Блог: pub.sakana.ai/picbreeder-vlm
Статья: arxiv.org/abs/2605.23908 | 3 517 |
| 8 |  Всё, что вы всегда хотели знать о математике* (*Но даже не знали, о чём спрашивать)
Путешествие с гидом по миру абстрактной математики, теорем и написания доказательств в 698 страниц!
https://www.math.cmu.edu/~jmackey/151_128/bws_book.pdf | 3 677 |
| 9 |  Если надоело писать в стол, то вот повод проверить свои знания на практике: Ozon Tech завершает регистрацию на онлайн-хакатон «Робозон» - призовой фонд 15 млн ₽.
Отличная возможность для тех, кто работает с компьютерным зрением, робототехникой и системами автоматической сортировки.
Почему это интересно:
«Интеллектуальная роботизированная система сортировки товаров» - это детекция и классификация объектов, трекинг на конвейере, планирование захвата, управление роборуками и интеграция CV+ROS.
Здесь можно применить Python, OpenCV, PyTorch/Detectron2, ROS/ROS2, симуляторы (Isaac Gym, CoppeliaSim), а также системы реального времени для управляющего ПО.
Задача предполагает и софт, и механику - отличный кейс для портфолио и практики с реальными данными.
Коротко о формате и задачах:
Даты: Робозон пройдёт с 2 июля по 12 сентября.
Формат: два этапа. Первый (отборочный) - три задачи по автоматизации сортировочных процессов в онлайне в течение двух месяцев. Второй - финал на конференции E-CODE: защита проектов и награждение; дорога и проживание финалистов оплачиваются Ozon Tech.
Темы задач: имитационное моделирование движения товаров; конструкция автоматизированного сортировщика; интеллектуальная роботизированная система сортировки товаров.
Участие: индивидуально или команда до 7 человек.
Регистрация до 11 июля по ссылке. | 3 286 |
| 10 |  ⚡️ OpenAI закроет браузер Atlas 9 августа
Это первый случай, когда OpenAI отказывается от самостоятельного продукта ради унификации своей экосистемы.
Теперь возможности Atlas станут частью десктопных версий ChatGPT и Codex. Обновленное приложение ChatGPT уже получило встроенный инструмент для веб-серфинга, а ИИ-агенты научились напрямую взаимодействовать с элементами страниц.
Автоматического переноса пользовательских данных не будет. До закрытия сервиса всю историю, закладки и важные вкладки придется экспортировать вручную.
@ai_machinelearning_big_data
#news #ai #ml | 3 359 |
| 11 |  Google показала SensorFM — foundation model для данных с носимых устройств.
Обучение: 1+ трлн минут сигналов от 5 млн пользователей Fitbit и Pixel Watch.
Модель работает с пульсом, сном, SpO₂, HRV, движением, температурой кожи и другими метриками.
Главное: одна базовая модель переносится на 35 задач по здоровью и в 34 из 35 случаев обходит baseline на ручных признаках.
По сути, часы становятся интерфейсом к персональной модели здоровья.
https://research.google/blog/sensorfm-towards-a-general-intelligence-and-interface-for-wearable-health-data/ | 3 636 |
| 12 |  Лайвстрим OpenAI: **
Заголовок - «Представляем следующую главу ChatGPT»**
https://openai.com/ru-RU/live/ | 3 729 |
| 13 |  Claude получил функцию **Reflect** — своего рода “Wrapped” для того, как вы используете AI.
В настройках Claude теперь можно посмотреть отчёт за 1, 3, 6 или 12 месяцев:
* о чём вы чаще всего говорили с Claude
* какие задачи делегировали
* когда чаще всего работали
* как именно вы используете AI в жизни и работе
Reflect помогает понять, где Claude реально усиливает мышление, а где вы, возможно, слишком часто отдаёте ему задачи, которые лучше оставить себе.
Внутри также можно настроить quiet hours и напоминания сделать перерыв.
Функция пока в beta, доступна Free, Pro и Max пользователям с включённой Memory.
Инкогнито-чаты и файлы из подключённых инструментов в отчёт не попадают.
https://claude.ai/settings/reflect | 4 322 |
| 14 |  🖥 GPT-5.6, судя по всему, тестировали уже два месяца.
Из-за этого слухи о выходе GPT-6 в ближайшие 4–6 недель выглядят заметно правдоподобнее.
Если GPT-5.6 действительно несколько месяцев был в early access и уже завершил обучение, то логичный вывод такой: OpenAI могла использовать это время для разработки новой модели уровня Mythos через новое pre-training поколение.
Именно этой моделью может стать GPT-6.
GPT-5.6 уже давно в использовании, а GPT-6, похоже, приближается.
https://x.com/timneutkens/status/2074887239562113069 | 4 028 |
| 15 |  🗞️ В статье Google DeepMind “Intelligent AI Delegation” есть хороший разбор того, как правильно отдавать задачи AI.
Речь не о том, чтобы просто написать модели «сделай это» и надеяться на удачу.
Авторы предлагают смотреть на делегирование как на цепочку решений:
стоит ли вообще отдавать задачу AI, как её объяснить, какой уровень полномочий дать и как потом проверить результат.
Сейчас многие системы держатся на жёстких правилах, которые ломаются при неожиданных сбоях. Исследователи предлагают более гибкий подход: динамический рынок, где агенты могут «торговаться» за задачи через smart contracts.
Чтобы это работало безопасно, нужны строгий мониторинг и криптографические доказательства: система должна подтверждать корректность работы, не раскрывая приватные данные.
Вместо простых рейтингов агенты смогут использовать проверяемые цифровые сертификаты, которые показывают их реальные навыки.
Делегирование должно быть живым процессом- полномочия и ответственность могут меняться по ходу работы. Если ситуация изменилась или агент ошибся, система должна не разваливаться, а уметь передать задачу дальше, откатиться или включить запасной сценарий.
Отдельно важна тема доверия.
Фреймворк оценивает сложность задачи и прошлые результаты агента. Это помогает избежать двух ошибок:
* over-delegating - когда AI дают задачу, к которой он ещё не готов
* under-delegating, когда человек делает всё сам, хотя AI мог спокойно справиться
Результат тоже нельзя принимать на веру.
Система должна проверять ответ, учитывать уверенность агента и заранее иметь план, если он ошибётся. Для реальных рабочих процессов это критично: одна слепо принятая ошибка может потянуть за собой цепочку проблем.
Авторы также разбирают сценарий, где один AI-агент передаёт задачу другому. В таком случае система должна отслеживать, кто отвечает за результат, какие полномочия переданы и где находится контроль.
arxiv.org/abs/2602.11865 | 4 457 |
| 16 |  +1Yandex Cloud даёт 50% скидку на сертификацию для инженеров данных
🔵🟦🔵 даёт 50% скидку на сертификацию для инженеров данных
Если вы работаете с загрузкой, хранением, обработкой данных и ETL/ELT-процессами, можно подтвердить навыки официальной сертификацией Yandex Cloud.
Доступны два экзамена:
1⃣ Yandex Cloud Certified Data Engineer
Для инженеров данных, которые используют платформу Yandex Cloud. Экзамен проверяет работу с загрузкой и приёмом данных, хранением, обработкой, качеством данных, оркестрацией, метаданными, мониторингом, безопасностью и управлением ресурсами.
⏩Ссылка
2⃣ Yandex Cloud Certified Lakehouse Data Engineer
Для специалистов, которые проектируют и разворачивают Lakehouse-решения в Yandex Cloud. В фокусе архитектура Lakehouse, трансформация данных, пайплайны, хранение, обработка, метаданные, мониторинг и безопасность.
⏩Ссылка
До 25 сентября 2026 включительно можно зарегистрироваться на сертификацию со скидкой 50%.
Экзамен проходит онлайн с прокторингом: запись с камеры и автоматическая фиксация возможных нарушений помогают подтвердить, чтобы все было честно.
Хороший способ проверить себя, закрыть пробелы и получить понятное подтверждение навыков работы с data-инфраструктурой в Yandex Cloud ✅ | 3 827 |
| 17 |  MiniMax готовит открытую модель на 2,7 трлн параметров, релиз может состояться уже в III квартале.
Она станет крупнейшей среди китайских ИИ-моделей и будет более чем в 6 раз больше текущей модели MiniMax M3.
Волна открытых ИИ-моделей из Китая только набирает обороты. Похоже, самое интересное ещё впереди.
https://www.theinformation.com/briefings/exclusive-chinas-minimax-plans-launch-2-7-trillion-parameter-model | 9 672 |
| 18 |  Лилиан Венг из Thinking Machines Lab выпустила большой обзор про harness engineering: слой вокруг модели, который отвечает за инструменты, память, оркестрацию, контекст, проверки, циклы обратной связи и выполнение задач.
Менять веса модели дорого, рискованно и медленно. А вот харнесс можно улучшать быстрее: добавлять инструменты, менять workflow, усиливать память, запускать sub-agent’ов, проверять гипотезы и сразу мерить результат.
Отсюда рождается более реалистичный путь к self-improvement: модель не переписывает себя напрямую, а улучшает систему, в которой работает.
Венг разбирает авто-исследование, эволюцию программ и self-improving agents: от The AI Scientist до ShinkaEvolve и Darwin Gödel Machine. Общая логика в том, что агент предлагает изменение, запускает эксперимент, получает оценку и оставляет то, что реально улучшает результат.
Но слабые места тоже есть: плохие evals, схлопывание разнообразия, reward hacking и риск, что агент научится ломать метрику, а не решать задачу.
Ближайший RSI может быть не «модель сама переписала мозг», а «модель научилась улучшать свой рабочий станок».
・The AI Scientist (Nature 2026)： https://nature.com/articles/s41586-026-10265-5
・ShinkaEvolve： https://sakana.ai/shinka-evolve/ | 4 640 |
| 19 |  Anthropic запустила программу Claude for Open Source.
Теперь разработчики и мейнтейнеры open source-проектов могут получить Claude Max 20x бесплатно на 6 месяцев.
Что дают:
- Claude Max 20x без оплаты на полгода
- доступ к Claude Code и самым мощным моделям Claude
- программа рассчитана на активных мейнтейнеров и ключевых участников open source
Anthropic планирует принять до 10 000 участников. Подать заявку могут разработчики, которые активно поддерживают или развивают значимые open source-проекты. (Claude)
https://claude.com/contact-sales/claude-for-oss | 4 297 |
| 20 |  Стоп. Китай теперь делает с США то же самое, что Anthropic, только в обратную сторону?
То есть закрывает американским компаниям доступ к китайским frontier-моделям?
Похоже, уверенность Китая растёт с каждым днём.
Судя по всему, там считают, что больше не нуждаются в дистилляции западных моделей в таких масштабах, чтобы развивать передовой ИИ.
Теперь их больше беспокоит обратное: что США могут украсть уже их интеллект.
https://finance.yahoo.com/technology/ai/articles/exclusive-beijing-looking-curbing-overseas-101644780.html | 4 205 |
