Анализ данных (Data analysis)

Готов к космическому разгону AI‑продукта?  Приходи на One Day Offer для Product Analysts! 🚀 20 июня команда GigaChat планирует найти будущего коллегу — продуктового аналитика, который поможет вывести LLM‑платформу на новую орбиту. Ты будешь: ✔️ анализировать поведение пользователей;   ✔️ проводить A/B‑тесты;  ✔️ создавать дашборды;  ✔️ работать с метриками.  А ещё ты станешь частью крупнейшего IT‑комьюнити. Хочешь влиять на продукт для миллионов? Регистрируйся на One Day Offer прямо сейчас!

Claude 5 Fable - кратко: - почти на всех проверенных бенчмарках модель показывает уровень SOTA - особенно сильна в разработке, работе со знаниями, vision-задачах и научных исследованиях - чем длиннее и сложнее задача, тем сильнее Fable 5 отрывается от других моделей Claude - модель эффективнее расходует токены, чем прошлые версии Claude - Fable 5 удерживает фокус на задачах длиной в миллионы токенов и улучшает результат, используя собственные заметки Fable 5 - это не просто «лучше бенчмарки». Она эффективнее, дольше работает без потери контекста, лучше управляет длинными задачами и даёт больше возможностей для сложных агентных сценариев. GPT-5.6 уже близко. Интересно, выпустит ли OpenAI свой аналог Mythos. Во время раннего тестирования Stripe заявила, что Fable 5 сжала месяцы инженерной работы до нескольких дней. В Ruby-кодовой базе на 50 млн строк модель за один день провела миграцию по всему репозиторию - работу, которая вручную заняла бы у целой команды больше двух месяцев. https://www.anthropic.com/news/claude-fable-5-mythos-5

TOXI$, Utopia Show, Тима ищет свет на фесте Яндекса! Приходи на фест Яндекса 25 июня, получи эксклюзивнный мерч Young Con и узнай, какие технологии реально нужны рынку прямо сейчас. В программе: баттл вузов, воркшопы от действующих разработчиков и выступления от Utopia Show, TRITIA, TOXI$, Ильи Куруча, Александра Пушного, Тимы ищет свет и Сергея Мезенцева. Зарядись нетворкингом и промокодами от Яндекса. Место: Москва, ул. Западная, 45, LIVE ARENA Дата: 25 июня Вход бесплатный, но нужна регистрация! Зарегистрироваться #реклама 16+ yandex.ru О рекламодателе

Что сегодня определяет сильную BI-платформу? Уже не только красивые дашборды. CNewsMarket опубликовал рейтинг российских BI-систем 2026 года. Аналитики сравнили решения более чем по 130 параметрам: от интеграции с источниками данных и возможностей визуализации до поддержки пользователей, партнерской экосистемы и инструментов self-service аналитики. Главный вывод исследования — рынок BI продолжает смещаться от отчетности к принятию решений. Компаниям важно не просто собирать данные, а быстро находить инсайты, проверять гипотезы, выявлять аномалии и делать аналитику доступной для бизнес-пользователей без постоянного участия ИТ-команд. Отдельное внимание в рейтинге уделено ИИ-функциям, работе с разнородными источниками данных и возможностям самостоятельного создания аналитики. По итогам исследования первое место занял DataLens, за ним расположились PIX BI и Luxms BI. Похоже, что в 2026 году конкуренция между BI-платформами идет уже не столько за количество функций, сколько за скорость получения ответа на бизнес-вопрос.

Что выбираете ?)

Tencent Hunyuan выкатили UniRL - инфраструктуру для RL-посттрейнинга мультимодальных моделей. Это попытка собрать один общий RL-цикл для разных семейств моделей: LLM, VLM, diffusion, flow matching и unified multimodal. Обычный пайплайн выглядит знакомо: - generate - score - advantage - update - sync UniRL пытается сделать этот цикл универсальным. Модель и алгоритм разведены как две независимые оси, поэтому можно комбинировать разные model families и RL-алгоритмы без жёстко зашитого сценария. Покрытие широкое: text-to-image, text/image-to-video, vision-language, text-only LLM, VLM, LLM-to-diffusion prompt enhancer, а также смешанная autoregressive + diffusion генерация вроде Hunyuan-Image 3 и Bagel. Есть pluggable rollout engines через единый typed contract: train-side, SGLang, vLLM-Omni. Для масштабирования заявлены FSDP2 sharding и несколько deployment-режимов, которые переключаются из одного конфига. Отдельно Tencent добавили два своих алгоритма: - Flow-DPPO - policy optimization для flow/diffusion моделей с trust-region masks на основе exact divergence - DRPO - RL для LLM со сглаженным advantage-weighted quadratic regularizer UniRL выглядит как шаг к нормальному post-training стеку для моделей, которые одновременно пишут, видят, генерируют и используют разные типы rollout-движков. Код: http://github.com/Tencent-Hunyuan/UniRL Статья: arxiv.org/abs/2606.09821

Google, похоже, даёт Intel Foundry самый важный шанс за последние годы. По данным The Information, Google выбрала Intel для производства 3 млн+ TPU в 2028 году. Для Intel это не просто крупный заказ, а редкий вход в цепочку поставок одного из главных конкурентов Nvidia в ИИ-железе. Почему это важно: - Intel становится потенциальной второй фабрикой для топовых ИИ-чипов - Google снижает зависимость от TSMC - рынок получает ещё одного крупного производителя advanced-node чипов - Nvidia, Apple, Tesla и другие тоже ищут способы не упереться в один производственный узел Сейчас TSMC фактически держит горлышко бутылки для ИИ-инфраструктуры. Спрос на ускорители растёт быстрее, чем доступные мощности, поэтому даже гигантам приходится искать запасные маршруты. Для Google это способ масштабировать TPU и меньше зависеть от Nvidia. Для Intel - проверка, сможет ли её foundry-бизнес наконец стать не презентацией для инвесторов, а реальной альтернативой TSMC. theinformation.com/articles/google-nvidia-consider-intel-backup-chip-manufacturer

Китайская UBTECH Robotics показала тизеры humanoid-роботов серии U1 для массового рынка. В линейке две бионические модели: - старшая версия - 183 см и 42 кг - младшая версия - 168 см и 35,2 кг - 88 степеней свободы - поддержка Wi-Fi - встроенный ИИ для обучения и взаимодействия с окружением - автономность до 4 часов Полная презентация запланирована на 30 июня, но предзаказы уже открыты. По данным компании, зарезервировано 1 943 устройства.

Google Research показали Agentic RAG для Gemini Enterprise Agent Platform - RAG, который не сдаётся после первого поиска. Обычный RAG часто ломается на корпоративных вопросах, где ответ лежит не в одном документе, а размазан по нескольким базам. Нашёл кусок про проект, увидел только ID сервера, но не пошёл дальше искать характеристики этого сервера в другой системе - и выдал неполный ответ. У Google идея такая: превратить RAG в многоагентный процесс. Что внутри: - Orchestrator понимает, что запрос не решается за один шаг - Planner разбивает задачу на маршруты поиска - Query Rewriter переписывает вопрос в несколько точных запросов - Search Fanout ищет по разным источникам - Sufficient Context Agent проверяет, хватает ли данных для ответа Модель проверяет: закрыты ли все части вопроса. Если данных не хватает, она явно пишет, чего именно не хватает, и отправляет систему искать дальше. На FramesQA такой подход дал до 34% прироста точности по сравнению со стандартным RAG. В cross-corpus сценарии, где нужно выбрать правильный источник из нескольких, система ответила правильно на 90.1% вопросов. По сути, Google двигает RAG от «поиска + генерации» к маленькому исследовательскому пайплайну, где есть планирование, маршрутизация, проверка контекста и повторный поиск. Для enterprise это важнее красивых демо: меньше галлюцинаций, больше трассируемости и понятнее, почему система дала именно такой ответ. research.google/blog/unlocking-dependable-responses-with-gemini-enterprise-agent-platforms-agentic-rag/

В Юте жители подали в суд из-за гигантского ИИ-дата-центра Stratos, который продвигает Кевин О’Лири. Проект изначально планировали как кампус на 40 000 акров в Box Elder County. Местные опасаются нагрузки на воду, энергию, экологию и фактически обхода нормального общественного обсуждения. Иск подали пять жителей и Alliance for a Better Utah: они оспаривают роль Military Installation Development Authority, структуры, которая получила слишком широкие полномочия по земле, налогам, безопасности и развитию территории. На фоне давления О’Лири уже согласился урезать проект почти вдвое и вывести часть земли из застройки, включая участки рядом с Locomotive Springs Waterfowl Management Area. Но даже после сокращения речь всё равно идёт примерно о 20 000 акров - это больше Манхэттена. История показательная: - дата-центры продают как вопрос национальной безопасности - местным обещают рабочие места и налоги - жители получают риски по воде, земле, шуму, энергии и экологии - решения часто двигаются быстрее, чем общество успевает понять масштаб https://www.nbcnews.com/tech/tech-news/utah-residents-sue-officials-kevin-oleary-data-center-plan-rcna348720

«Claude-Mythos-5» ненадолго засветился в API. Похоже, скоро релиз. Интересно, пойдут ли они с ценами из поста про Glasswing: $25 за миллион входных токенов и $125 за миллион выходных. Если да, это сделает Mythos примерно в 5 раз дороже Opus 4.8. https://x.com/Machinelearrn/status/2063246572914160053

Claude догнал профессиональный химический софт в анализе ЯМР - без дообучения под химию. Anthropic проверили Claude на ЯМР-спектрах - это метод, по которому химики понимают, какую молекулу они синтезировали. Взяли 20 соединений из свежих препринтов, вышедших уже после даты обучения моделей, и сравнили Claude с ChemDraw и MestReNova. Что получилось: - в задаче «предсказать спектр по структуре» Opus 4.7 оказался точнее всех по водороду - по углероду вышел примерно на уровень специализированного софта - по форме пиков заметно обошёл классические инструменты - расщепление пиков угадывал примерно в 80% случаев против 26–35% у обычных тулов Обратная задача ещё интереснее: восстановить структуру молекулы по спектру. Специализированный софт такое умеет, но обычно требует 2D-ЯМР, лицензий и человека, который понимает, как с этим работать. Claude же справляется по обычному списку пиков и масс-спектру - по сути, по данным, которые химик мог бы просто скинуть в чат. Результат: - 8 из 8 простых молекул восстановлены правильно - 4 из 7 сложных молекул восстановлены идеально Выборка пока маленькая, и авторы честно подают это как ориентир, а не финальный приговор химикам. 🔗 anthropic.com/research/making-claude-a-chemist

📌ИИ уже ускоряет разработку новых моделей Anthropic опубликовала аналитический материал, в котором утверждает, что системы искусственного интеллекта всё активнее участвуют в создании следующих поколений ИИ.

Материал подготовлен исследовательским подразделением Anthropic Institute. Его авторы - Марина Фаваро и сооснователь компании, глава отдела политики Джек Кларк.

Отрасль приближается к рекурсивному самоулучшению

Это состояние, когда ИИ способен самостоятельно проектировать и совершенствовать собственного преемника быстрее, чем к этому будут готовы правительства и институты.

При этом Anthropic оговаривается, что до полностью автономной разработки ещё далеко и что такой сценарий не является неизбежным, люди по-прежнему нужны. Они ставят цели, оценивают результаты и решают, какие направления важны. 🟡Внутренние данные На май 2026 года Claude написал более 80% кода, добавляемого в кодовую базу Anthropic.

До запуска Claude Code этот показатель измерялся единицами процентов.

Во втором квартале 2026 года типичный инженер вносил в проекты примерно в 8 раз больше кода в день, чем в 2024-м. 🟡Публичные тесты Время выполнения задач, которые модели способны надёжно решать без участия человека, удваивается примерно каждые 4 месяца.

В начале 2024 года Opus 3 справлялся с задачами длиной в несколько минут, годом позже Sonnet 3.7 примерно за полтора часа, а Opus 4.6 - до 12 часов.

На SWE-bench, проверяющем исправление реальных ошибок в коде, передовые модели за два года прошли путь от низких результатов до почти предельных. Джек Кларк говорит, что компания хочет, чтобы законодатели и институты понимали, что может произойти дальше.

По его словам, цель Anthropic - "заранее обозначить концепцию и дать людям представление о том, что приближается".

Прогресс ИИ, по его оценке, скорее ускоряется, чем замедляется, и может принести значительные результаты в медицине и науке, но требует инструментов для проверки и подтверждения работы, выполненной ИИ. Anthropic выступает за то, чтобы у мира оставалась возможность при необходимости замедлить или временно приостановить разработку передовых моделей, но понимает, что это потребует согласованных всех игроков индустрии в разных странах и механизмов взаимной проверки. В ближайшие месяцы компания обсудит эти вопросы с законодателями, исследователями и другими участниками отрасли. @ai_machinelearning_big_data #news #ai #ml

TRITIA, TOXI$, Илья Куруч и другие на Young Con 25 июня Приходи на фест Яндекса 25 июня, получи эксклюзивнный мерч Young Con и узнай, какие технологии реально нужны рынку прямо сейчас. В программе: баттл вузов, воркшопы от действующих разработчиков и выступления от Utopia Show, TRITIA, TOXI$, Ильи Куруча, Александра Пушного, Тимы ищет свет и Сергея Мезенцева. Зарядись нетворкингом и промокодами от Яндекса. Место: Москва, ул. Западная, 45, LIVE ARENA Дата: 25 июня Вход бесплатный, но нужна регистрация! Зарегистрироваться #реклама 16+ yandex.ru О рекламодателе

Глобальной паузы в развитии ИИ не будет — и причина простая. США открыто называют ИИ стратегической технологией, от которой зависит их мировое лидерство. Остановиться - значит дать Китаю шанс обогнать, тем более что китайские open-source модели отстают всего на 4–6 месяцев. Поэтому призывы к паузе - это скорее PR, жест доброй воли, а не реальная стратегия. Ставки слишком высоки, и никто добровольно не отдаст преимущество сопернику.

🖥 На stepik обновили курс Python в 2026 - рабочий инструмент для автоматизации, ботов, парсинга, API, данных и разработки с ИИ. Проблема новичков в том, что они учат Python кусками: синтаксис, пару задач, немного теории - и потом не понимают, как собрать из этого реальный проект. Этот курс закрывает именно этот разрыв. Здесь вы не просто смотрите уроки, а учитесь писать код, разбирать ошибки и собирать рабочие решения на практике. Внутри: - Python с нуля - много практики без сухой теории - реальные задачи и проекты - автоматизация рутины - работа с файлами, данными и API - понятная логика программирования - современная разработка с ИИ - отдельный блок по вайбкодингу Вайбкодинг это нормальный навык 2026 года и вас научат- правильно ставить задачу, проверять код, понимать результат и быстрее доводить проект до рабочего состояния. 48 часов скидка 60%: https://stepik.org/course/288218/

Tencent Hunyuan вместе с Gaoling School of Artificial Intelligence при Renmin University of China открыли PlanningBench - фреймворк для оценки и обучения навыков планирования у LLM. Внутри: - 30+ задач планирования из реальных сценариев - автоматическая проверка решений - поддержка не только оценки, но и обучения моделей Ресурсы: arXiv: https://arxiv.org/abs/2605.20873 GitHub: https://github.com/Tencent-Hunyuan/PlanningBench Hugging Face: https://huggingface.co/datasets/tencent/PlanningBench

DeepSeek всё чаще появляется в статьях расходах американских компаний. По данным Ramp, DeepSeek занял первое место в июньском списке trending software vendors. Компании реально начинают платить за более дешёвые альтернативы OpenAI и Anthropic. Когда ИИ переходит из пилотов в ежедневные процессы, цена токена внезапно становится не мелочью, а строкой бюджета. Особенно в агентных задачах, где один пользовательский запрос превращается в десятки вызовов модели, поиск, инструменты, повторные проверки и длинный контекст. С одной стороны, есть привычные OpenAI и Anthropic с сильным брендом, экосистемой и комплаенсом. С другой - DeepSeek и похожие игроки, которые давят ценой и заставляют пересчитывать экономику внедрения. Самое смешное, что рынок снова ведёт себя без идеологии. Если модель достаточно хороша, API доступен, а счёт в конце месяца заметно ниже, часть компаний начнёт тестировать её независимо от того, кто что говорит про геополитику. Nothing to see here.