Big Data AI

Репозиторий, который заменит десятки подборок по ИИ Awesome Artificial Intelligence - тщательно отобранная база материалов для разработчиков, которые хотят понимать современные AI-системы и запускать их в продакшене. У проекта уже более 15 тысяч звёзд на GitHub. Внутри собраны: лучшие книги и курсы по ML, LLM и deep learning; фундаментальные статьи — от Transformer и LoRA до RAG, ReAct и DPO; практические материалы по агентам, tool calling и context engineering; фреймворки: LangGraph, Pydantic AI, OpenAI Agents SDK, Google ADK; инструменты для evals, наблюдаемости и инференса; coding-агенты: Claude Code, Codex CLI, Gemini CLI, Aider, OpenCode и OpenHands. Это не бесконечный каталог случайных ссылок. Автор оставляет только актуальные материалы с практической ценностью, а список проверяется и обновляется каждую неделю. Полезная стартовая точка для тех, кто хочет перейти от чтения новостей про ИИ к созданию реальных систем. GitHub: https://github.com/owainlewis/awesome-artificial-intelligence

CoRT: награда для LLM больше не размазывается по всему ответу В обучении с рубриками ответ модели оценивают сразу по нескольким критериям: точность, формат, стиль и полнота. Проблема в том, что методы вроде GRPO обычно превращают эти оценки в одно число. В результате одинаковый сигнал получают все токены ответа — и полезные, и ошибочные. CoRT распределяет награду точнее. Один и тот же ответ оценивается в двух условиях: - с исходным промптом и критериями; - с похожим промптом, но без критериев. Затем метод сравнивает вероятность каждого токена. Если токен стал заметно вероятнее благодаря рубрике, значит он связан с её требованиями и получает больший вес при обновлении модели. CoRT при этом: - не требует отдельной модели для оценки токенов; - не использует ручную разметку; - не меняет итоговую награду за весь ответ; - не запускает дополнительную генерацию; - добавляет только один проход для пересчёта вероятностей. В экспериментах метод в большинстве сравнений обошёл обычный response-level GRPO. Средний прирост составил 4,4 процентного пункта. Идея простая: если критерий выполнили конкретные части ответа, основную награду должны получать именно они. Paper: https://huggingface.co/papers/2607.25659

Статья Google «Attention Is All You Need», которая в итоге привела к появлению трансформеров, изначально выросла из попытки улучшить Google Translate всего примерно на 3%. Инновации часто рождаются уже в процессе создания продукта. Если ты сам ничего не строишь, ты теряешь возможность придумать, как сделать это лучше. ~ Palantir's CTO

Rust курс со Stepik для тех, кто уже пишет прод 🦀 Когда начинаешь думать не только «работает ли код», но и что происходит с памятью, аллокациями, потоками и ошибками под нагрузкой — Rust становится особенно интересным. На курсе разберёшь язык через реальные механики: ownership, borrowing, lifetimes, traits, generics, error handling, модули, тесты и сетевое программирование. После каждого блока — код и задача с автопроверкой. Подойдёт разработчикам на Go, C++, Java, Python, JavaScript и других языках. ⏱ 5–6 часов в неделю ⚡ Старт сразу 💻 Упор на практику Освой Rust так, чтобы после курса открыть новый проект и реально понимать, что пишешь и почему это работает. Начать учиться: https://stepik.org/a/294885/

🔥 За одну неделю вышло сразу 6 интересных open-weight моделей Пока все ждут веса Kimi K3 и Ling 3.0, Sebastian Raschka обновил свою LLM Architecture Gallery свежими релизами. И там есть несколько необычных решений. 1. Nanbeige 4.2 3B Берёт один стек из 22 Transformer-блоков и прогоняет его дважды. Получается эффективная глубина 44 блока без удвоения весов: больше compute, но почти тот же parameter footprint. 2. Laguna S 2.1 118B MoE, всего 8B активных параметров и контекст 1M токенов. Poolside позиционирует её для долгих coding-agent задач, причём модель помещается на одном DGX Spark. 3. Motif 3 Beta 314B-A13B MoE с новой Grouped Differential Latent Attention: latent-compression внимания дополняется группировкой heads и механизмом подавления «шума». 4. Solar Open 2 250B-A15B от Upstage. Архитектура чередует 3 linear-attention слоя и 1 GQA, что помогает довести контекст до 1M токенов. 5. Antares 1B Маленькая security-модель Cisco на базе Granite 4.0. Её дообучили через SFT + GRPO для поиска уязвимых участков кода через терминал. Хороший пример того, насколько далеко можно увести специализированную модель всего на 1B параметров. 6. BTL-3 Всего лишь rank-32 LoRA поверх Qwen3.6-27B, заточенная под coding agents и structured tool calling. Авторы заявляют 88,5% на BFCL v4 AST и 95,12% HumanEval pass@1. Open-weight экосистема сейчас интересна именно разнообразием архитектур: looped transformers, sparse MoE, linear attention, специализированные SLM и обычные LoRA-адаптеры развиваются одновременно. Все схемы и сравнения: https://sebastianraschka.com/llm-architecture-gallery/

🔥 Tree-sitter переписали с C на Rust с помощью ИИ и ускорили почти на 30% Автор ast-grep поручил ChatGPT переписать ядро Tree-sitter на Rust, сохранив совместимость с существующими сгенерированными парсерами. Результат: • raw parsing: +29,74% throughput • обход дерева: +10,16% • полный ast-grep: примерно 22% меньше CPU-времени • существующие grammar/parser-артефакты остались совместимыми Но самое интересное началось после первых бенчмарков: сам ast-grep сначала стал медленнее, хотя парсер уже работал быстрее. Причина оказалась в архитектуре и работе с памятью. Первую пачку AI-оптимизаций вообще пришлось откатить: код стал плохо читаемым и начал ловить segfault'ы. После этого подход поменяли: сначала упростили runtime, убрали ненужные для ast-grep части incremental parsing, переработали аллокации и структуры данных, а уже потом снова занялись производительностью. 🔗 https://astgrep.com/blog/tree-sitter-rust-rewrite

— Мам, а почему мы стали такими бедными? — Потому что у твоего отца были Claude Max, Cursor Pro и Grok 4.5, а в итоге он так ничего и не выпустил.

Дарио: «МАСШТАБИРОВАНИЕ МОДЕЛЕЙ С ОТКРЫТЫМ ИСХОДНЫМ КОДОМ ИДЁТ ПО ОЧЕНЬ ОПАСНОМУ ПУТИ». Это стоит пересмотреть ещё раз. Доступ к открытым моделям без ограничений будут терпеть лишь до тех пор, пока они недостаточно умны, чтобы угрожать закрытым ИИ-компаниям.

Команда GigaChat зовёт на вечеринку для AI-разработчиков и исследователей 🎉 29 июля, Сбер.Среда, пространство «Оригинал» (м. «Курская», ул. Земляной Вал, 9А) Без докладов, презентаций и официальных дискуссий – только общение с коллегами по индустрии, обсуждение рабочих задач и болей, новые знакомства и летний вечер на веранде. Регистрация и подробности Надеемся на хорошую погоду 🥳 До встречи!

🚀 Qwen3.8 скоро выйдет в open-weight Новая модель Alibaba получит 2,4 трлн параметров. Разработчики называют её одной из самых мощных моделей на рынке и ставят рядом с ведущими frontier-моделями. Предварительную версию Qwen3.8-Max-Preview уже можно протестировать через Alibaba Token Plan, Qoder и QoderWork. Полный релиз и открытые веса обещают в ближайшее время. Token Plan: - Международная версия: https://www.qwencloud.com/pricing/token-plan - Китай: https://platform.qianwenai.com/pricing/token-plan #AI #LLM #Qwen #OpenWeight

Полностью локальная мультимодальная модель для GPU с 8 ГБ памяти Модель запускается на локальном компьютере, понимает изображения и подходит для создания ИИ-агентов. Возможности - fine-tuning на Hermes V3 - оптимизация под агентные сценарии - анализ изображений - рабочий function calling - готовые версии GGUF и mmproj - минимум встроенных ограничений и отказов - запуск на видеокартах с 8 ГБ VRAM Хороший вариант для локальных агентов, которым нужно анализировать изображения, работать с интерфейсами и вызывать внешние инструменты без облачного API. Модель с отключёнными ограничениями лучше запускать в изолированной среде без доступа к важным файлам, ключам и системным командам. https://huggingface.co/LuffyTheFox/Qwen3.6-35B-A3B-Uncensored-Genesis-Hermes-V3-GGUF

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку В IT прокачивается тот, кто каждый день видит сильные идеи, новые инструменты, реальные задачи, вакансии и разборы. Окружение решает больше, чем кажется. Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре. AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii DevOps: t.me/DevOPSitsec Docker: t.me/DevopsDocker Golang: t.me/Golang_google Rust: t.me/rust_code C++: t.me/cpluspluc C#: t.me/csharp_1001_notes Java: t.me/java_library JavaScript: t.me/javascriptv React: t.me/react_tg Frontend: t.me/front PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Базы данных: t.me/sqlhub Data Science: t.me/data_analysis_ml Big Data: t.me/bigdatai Математика: t.me/data_math Физика: t.me/fizmat Kubernetes: t.me/kubernetc GameDev: https://t.me/gamedev Haskell: t.me/haskell_tg Собеседования и карьера: DS собеседования: t.me/machinelearning_interview Python собеседования: t.me/python_job_interview Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy Полезное сверху: ИТ-мемы: t.me/memes_prog Английский для программистов: t.me/english_forprogrammers ИИ и технологии: t.me/vistehno 954 ГБ open-source курсов: @courses ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Max Ai: https://max.ru/ai_machinelearning_big_data Max python: https://max.ru/pythonl ТЕХНО: https://max.ru/vistehno Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Devops: https://max.ru/DevOPSitsec C#: https://max.ru/csharp_ci C++: https://max.ru/cpluspluc SQL: https://max.ru/sqlhub Java: https://max.ru/javatg Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд. Пока кто-то листает шум, ты будешь видеть инструменты, задачи и идеи, которые помогают расти в профессии.

Кто-то разобрал Claude Code почти до винтика learn-coding-agent - репозиторий для тех, кто хочет понять, как устроены современные coding agents не на уровне промо-страниц, а на уровне архитектуры. Автор собрал разбор Claude Code по публичным источникам: цикл агента, систему инструментов, разрешения, работу с контекстом, сессии, подпроцессы, MCP, удалённые настройки, телеметрию и скрытые флаги. Получился не “гайд по использованию”, а карта внутренней логики CLI-агента: как он принимает решение, когда просит разрешение, как вызывает инструменты, как хранит историю и как расширяется через внешние интеграции. https://github.com/justxor/Claudecourse/

Unsloth выкатили Gemma 4 NVFP4 quants. Заявка простая: быстрее 4-bit inference на Blackwell GPU без обычного компромисса “сжали, но стало заметно тупее”. Главные цифры: * Gemma-4-12B NVFP4 запускается на 11 GB VRAM * Gemma-4-26B-A4B доходит до 13K tok/s на B200 * NVFP4 даёт до 1.5× ускорения на GPU NVFP4 - это не просто “ещё один 4-bit формат”. Он заточен под Blackwell и позволяет делать inference быстрее, сохраняя точность лучше, чем грубая квантизация. Для локального и self-hosted inference это важный сдвиг: больше моделей помещается в память, throughput растёт, стоимость токена падает. Особенно полезно для тех, кто гоняет много коротких запросов, агентные пайплайны или batch-инференс, где скорость и VRAM решают всё. Blog: https://unsloth.ai/docs/basics/nvfp4 Gemma NVFP4: https://huggingface.co/collections/unsloth/nvfp4

XQuad - “LLVM” для quadratic optimization на Rust Интересный проект на стыке Rust, оптимизации и quantum tooling. Идея такая: вы описываете QUBO, Ising или discrete optimization problem один раз, а потом можете запускать её через разные backend’ы: quantum annealers или классические solver’ы. Что внутри: * Rust VM для quadratic models * Python reference VM * единая спецификация * CLI и Python API * solver adapters, включая D-Wave * примеры для TSP и MaxCut * CI-проверка: если Rust VM и Python VM расходятся, сборка падает github.com/QuipNetwork/xquad

🚨 Grok 4.5 примерно в 17 раз дешевле Opus 4.8 на реальных задачах Цены: * Grok 4.5: $2 за input / $6 за output * Opus 4.8: $5 за input / $25 за output То есть Grok 4.5 дешевле примерно в 4 раза за токен. Но важнее другое: для решения той же задачи он тратит в 4,2 раза меньше токенов. В итоге реальная стоимость выполнения задачи получается примерно в 17 раз ниже.

Amazon Kani для Rust получил академическую статью, принятую на ASE 2026. 🦀 Kani пытается формально доказать корректность Rust-кода математически. Что умеет: * доказывать отсутствие panic, overflow и нарушений memory safety * проверять, что `unsafe`-код действительно безопасен * гонять 16 000+ harness’ов на каждый commit в Rust standard library * находить баги, которые раньше не видели в промышленных Rust-проектах Главное отличие простое: fuzzing пытается найти баги через множество входных данных. Kani проверяет свойства кода формально, в рамках заданного harness’а. Kani интегрирован в CI стандартной библиотеки Rust. Каждый commit в std проходит формальную проверку. 🔗 arxiv.org/abs/2607.01504

✔️ Власти США сняли ограничения на релиз GPT-5.6 Министерство торговли США разрешило полномасштабный релиз GPT-5.6. OpenAI планирует открыть доступ к модели в ближайшие дни. Ранее развертывание допускалось только поэтапно для предварительно одобренных правительством организаций. Ограничения сняли после тестирования системы в Институте безопасности ИИ и очных консультаций технической команды OpenAI с регулятором в Вашингтоне. Сейчас допуски для крупных LLM согласовываются в ручном режиме. По заявлению OpenAI, фрагментированный доступ стал вынужденной мерой, так как единых стандартов в отрасли нет, а требования безопасности из последнего указа администрации США еще дорабатываются. axios.com ✔️ xAI выпустила Grok 4.5 Новая модель позиционируется как инструмент для кодинга и агентнтых задач. Продукт создавался совместно с командой Cursor, который в июне перешел под контроль SpaceX. В Terminal Bench 2.1 Grok 4.5 почти сравнялся с GPT-5.5 и на один балл отстал от Fable 5. При этом в DeepSWE 1.1 модель уступает лидерам в решении задач из GitHub-репозиториев. Стоимость API - $2 за 1 млн входных токенов и $6 за 1 млн выходных. По заявлению создателей, в SWE Bench Pro модель тратит в 4,2 раза меньше токенов по сравнению с Opus 4.8. Скорость генерации достигает 80 токенов в секунду. Grok 4.5 доступна в консоли xAI, среде Grok Build и редакторе Cursor. Выпущены официальные плагины для Word, PowerPoint и Excel. Релиз в странах Евросоюза отложен до середины июля. x.ai ✔️ Mistral анонсировала навигационную модель для роботов Французский стартап представил 8-миллиардную модель Robostral Navigate для пространственной ориентации роботов. Система использует только данные с одной RGB-камеры, полностью обходясь без лидаров и дополнительных датчиков. Во время инференса модель покадрово рассчитывает следующий шаг по изображению. Если цель пропадает из поля зрения, алгоритм задействует базовые двигательные команды для смены ракурса и поиска. По данным Mistral, результат тестов превосходит метрики как других монокамерных решений, так и мультисенсорных систем, а Эксперименты с RL-дообучением уже дали прирост общей эффективности на 3,2%. Модель применима для колесных платформ, шагающих роботов и дронов. Сроки релиза и формат распространения весов пока не раскрываются. mistral.ai ✔️ MiniMax обучает крупнейшую в Китае модель Стартап готовит к релизу в 3-м квартале откытую модель на 2,7 трлн параметров. По данным источников, рабочее название проекта - M3 Pro. Архитектуру масштабировали для улучшения логического вывода и точного выполнения многошаговых инструкций. Текущий флагман разработчика, модель M3, насчитывает 428 млрд параметров. Выпуском открытой модели такого объема MiniMax планирует усилить позиции на рынке и составить конкуренцию локальным Zhipu, DeepSeek и Moonshot AI. theinformation.com ✔️ ИИ-компании оккупируют центр Нью-Йорка Anthropic арендовала 16-этажное здание площадью 43 тыс. кв. метров на Манхэттене по адресу Гудзон-стрит, 330. Новая площадка в 30 раз больше текущего нью-йоркского офиса. После переезда компания планирует увеличить местный штат до 1000 человек к концу года. По данным агентства CBRE, за первый квартал ИИ-компании арендовали в Нью-Йорке 96 тыс кв. метров - это больше, чем за весь прошлый год. Доля ИИ-сектора в объеме технологической аренды города выросла с 20,9% в 2024 году до 56%. Ранее крупные офисы на Манхэттене сняли OpenAI и Harvey. nytimes.com @ai_machinelearning_big_data #news #ai #ml

Отличная новость. Anthropic продлила доступ к Claude Fable 5 для платных пользователей до 12 июля. Старое ограничение остаётся: Fable 5 может использовать только 50% вашего недельного лимита Claude. Сам недельный лимит — это внутренний usage budget, который не показывается напрямую. Длинные чаты, файлы, инструменты и более тяжёлые модели расходуют его быстрее.