Data Secrets

Будущее уже взлетело. Ты с нами? ИИ меняет привычные инструменты, Python остаётся в основе цифровых продуктов, а новые профессии появляются быстрее, чем успеваешь обновить резюме. В «Школе 21» можно не смотреть на всё это со стороны, а попробовать самому: Python, ИИ, реальные задачи и 7 цифровых профессий за 14 дней. Обучение бесплатное. Пока будущее набирает высоту — самое время набрать скорость. Записаться на «бассейн» → 21-school.ru

Вышли открытые веса Mistral Large 4. За три недели после анонса модель дополнительно обучили, заметно улучшив результаты в кодинге и кибербезопасности. Заодно снизили стоимость API до $0.70 за миллион входных и $2.10 за миллион выходных токенов. https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B

Google потеряла почти $500 млрд за один день После публикации квартального отчета акции Alphabet обвалились на 12,6%. Несмотря на рост выручки на 25%, инвесторов обеспокоили огромные расходы на ИИ и замедление рекламного бизнеса Google. За третий квартал компания потратила $51,4 млрд на капитальные вложения, преимущественно на серверы и дата-центры. Свободный денежный поток оказался отрицательным (−$9,1 млрд). На весь 2026 год запланировано $195–205 млрд инвестиций, а в 2027 году расходы вырастут еще сильнее. При этом выручка Google Cloud удвоилась до $30,7 млрд. Однако рост доходов от поиска замедлился до 12%, а Google признала, что запросы в AI Mode пока монетизируются хуже традиционного поиска. Параллельно в Финляндии власти приостановили подготовительные работы на двух площадках Google под новые ЦОД из-за незавершенной экологической оценки. 🫧🫧🫧 🪡

ИИ-агент самостоятельно провел операцию на мозге мыши Эксперимент провели исследователи из Exin Therapeutics. Агенту Sonnet 5 выдали таблицу с векторами для генной терапии, мышь с моделью эпилепсии и доступ к моторизованной хирургической установке с камерами. Цель была снизить количество приступов. Никто не говорил агенту, что именно вводить и куда. Он сам разобрал механизм, вызывающий приступы в этой модели, выбрал метод терапии и область мозга, рассчитав координаты из трех научных статей. А затем, управляя стереотаксическими манипуляторами и ориентируясь по камерам, ввел иглу в мозг и впрыснул нужный препарат. За процессом наблюдал ветеринар, который подтверждал все шаги, но в остальном агент работал автономно. Интересно, что изначально операцию должен был проводить Opus 5.5, но он сразу отказался, когда распознал медицинскую задачу. Opus 5 прошел всю репетицию на воде и миллиметровой бумаге, но на настоящей операции тоже остановился. Модель объяснила это тем, что боится ошибиться на полпути проведения процедуры на живом пациенте. В итоге операцию провел Sonnet 5. По словам авторов, мышка хорошо восстановилась 🧀

VK сократил запуск новой рекомендательной вертикали с недель до одного дня Команда AI VK рассказала, что изменилось в Discovery-платформе за последние месяцы. Это единый инфраструктурный слой для рекомендаций, поиска и рекламы во всех продуктах компании. Около 90% задач ранжирования там решаются конфигурацией, без нового кода. Итак, что сделали: — Быстрый запуск. Вертикаль описывают в конфиге (каталог объектов, источники кандидатов, профиль, цели оптимизации), а платформа сама разворачивает сервисы, потоки данных, мониторинги и A/B-контур. Раньше эта рутина занимала недели. Так появилось 15 новых вертикалей, в том числе для небольших сценариев вроде ранжирования комментариев. — Discovery Portal. Единая точка управления конфигами, топологией сервисов и мониторингом. Изменения валидируются до применения, раскатываются поэтапно со сравнением метрик и откатываются при просадке. Откат на предыдущую версию делается в один шаг. Порталом пользуются все разработчики AI VK, через него проходят десятки изменений в день. — GPU в ранжировании. В контуре с задержками в миллисекунды команда внедрила динамический батчинг, контроль хвостов задержек и запасной путь на простую модель на случай отказа GPU-парка. Нейросетевую модель теперь включают конфигурацией (а не отдельным проектом на квартал, как это обычно бывает). — Экономия железа. Перенос части вычислений на GPU, переиспользование признаков между продуктами, кэширование кандидатов и оптимизация горячего пути запроса высвободили 70 тысяч CPU-ядер. В отдельных продуктах эффект доходил до 30%. После внедрения всех изменений в рекомендациях время в ленте ВКонтакте выросло на 11%, а добавления друзей из рекомендаций почти в 2,7 раза. В VK Клипах время просмотра увеличилось на 22%. На главной VK Видео время просмотра выросло на 20%. В рекламе после переезда на платформу конверсия показа в целевое действие для сообщений в сообщество выросла на 46%, а цена целевого действия снизилась на 13%. В CPC-рекламе сайтов целевых действий стало на 56% больше, а их цена снизилась на 24%. Следующим шагом команда планирует полный перенос поиска на Discovery. Подробнее на Хабр.

OpenAI удвоили все лимиты для Pro 100/200 и 500 Ну как удвоили. Отменили решение порезать их вдвое 🤩

Claude теперь сам жалуется на вас Сразу после ответа модель получает скрытую инструкцию и коротко оценивает, был ли в разговоре потенциально вредный запрос. Метод уже работает во всех моделях начиная с Fable 5 на большей части трафика, кроме клиентов с нулевым хранением данных. Сам по себе он ничего не блокирует, а только помечает диалоги. https://safeguards.anthropic.com/2026/self-assessment/

В MIT научили ИИ-агентов обмениваться KV-кешем вместо текста В мультиагентных системах постоянно приходится передавать контекст между моделями. Например, когда один агент завершил свою часть задачи, а другой должен продолжить работу. Обычно для этого используют текстовые саммари, но на их создание и повторную обработку уходят лишние вычисления, а часть информации теряется. Исследователи предложили SwaT (Swarm Telepathy), архитектуру, которая позволяет передавать между моделями KV-кеш, то есть уже обработанный контекст, вместо текстовых пересказов. Причем работает даже между разными семействами моделей. На бенчмарках SwaT в сочетании со сжатием кеша показал в среднем на 40% более высокое качество ответов и четырехкратное ускорение по сравнению с передачей текстовых саммари. Еще интереснее, что таким способом удалось передать визуальную информацию от VLM обычной текстовой модели. https://arxiv.org/abs/2610.15095

Министр здравоохранения Республики Татарстан Альмир Абашев сегодня на Kazan Digital Week: «Качество первичных данных – важнейший элемент качества медицинской помощи в целом. Особенно это актуально для операционных и реанимационных отделений, где используется большое количество следящей аппаратуры, а информация о состоянии пациента должна собираться часто, точно и объективно. Цифровые решения позволяют структурировать эти данные, оперативно получать информацию о состоянии пациента и использовать ее для оценки текущей ситуации и последующего анализа. На форуме прошла сессия, посвященная вопросам готовности российской медицины к внедрению ИИ Замгендиректора Т1 Михаил Книгин рассказал, что мешает собирать медицинские данные для дальнейшего применения ИИ. По его словам, некоторые производители до сих пор не предусматривают в медицинских устройствах даже интерфейсов для передачи данных. И это нужно учитывать еще на этапе планирования закупок. А больницам - выбирать оборудование, максимально адаптированное для сбора и передачи информации. Чтобы в перспективе эти данные можно было использовать в цифровых системах. Тут ни убавить, ни прибавить. Но есть уже реальные кейсы, когда автоматизация «подружилась» с данными с медицинского оборудования: «В рамках этапного развития цифровизации в области анестезиологии и реаниматологии, в Перинатальном центре ГКБ№7 им. М.Н.Садыкова  реализован  важный шаг в обеспечении цифровой зрелости  клиники и персонала. Внедрена система интеграции показателей медицинского оборудование отделения анестезиологии и реанимации в медицинскую информационную систему, что позволило автоматизировать не только электронный документооборот, но и повысить объективизацию медицинских данных в ЕГИС. Реализация данного проекта в короткие сроки продемонстрировала  улучшение  качества и безопасности  оказания специализированной медицинской помощи в службе анестезиологии и реаниматологии», – рассказал главный внештатный специалист Минздрава Татарстана по анестезиологии и реаниматологии, заместитель главного врача по анестезиологии и реанимации Городской клинической больницы №7 им. М.Н. Садыкова г. Казани Александр Ванюшин.

Думайте. Источник: https://timkellogg.me/threads/2025-11-21-two-views-from-anthropic-1-claude-skills-are-for/ ☕️

OpenAI теперь будет каждый месяц сыпать API-кредиты за оформление дорогих подписок Pro за $100 дает $100 в API, Pro за $200 дает $200, Pro за $500 – соответственно $500. То есть стоимость подписки по сути возвращается в виде API-кредитов. Кредиты уходят на одну привязанную API-организацию. Для получения нужно подать заявку. Ссылка с подробностями Такой маркетинг мы одобряем

11-12 ноября в онлайне пройдет конференция о новой реальности разработки с агентами Еще год назад мы посмеивались над тем, как модели ошибаются на уровне джунов, а многие компании считали, что в разработке ничего не меняется. Сказать, что на сегодняшний день все преобразилось – ничего не сказать. Разработку приходится буквально переизобретать. ИИ пишет код, ревьюит, тестирует и выкатывает его в прод, а человек в этой цепочке нужен в первую очередь затем, чтобы понимать, что происходит. Ночные агенты стали обыденностью, баг из поддержки превращается в готовый PR за час, а компании всерьез спрашивают себя, зачем делать UI, если приложением все равно будут пользоваться через Клода. Разговор давно вышел за рамки темы «AI в разработке». 11-12 ноября на конференции AI Dev спикеры помогут разобраться: — как выглядит новая реальность создания продуктов, где в ней автономные агенты, мультиагентные системы и люди, и как теперь работать в команде — как адаптировать компанию и процессы к ИИ — чему учиться, и кого и как нанимать в новых условиях В программе такие выступления, как: — Николай Шейко – Агентный сетап на осень 2026 — Данила Симонов – К 2027 готов: как компании перейти на агенто-центричные процессы и стать AI Native — Павел Комаровский – AI нас всех убьет? Давайте разбираться — Егор Толстой – Кому нужен Spec-Driven Development в brownfield-проектах — Родион Мостовой – Оркестрируем агентов для решения long-horizon задач И многие другие. Конференция проходит бесплатно с подпиской на спикеров (уверены, на многих вы уже подписаны). Подробная программа на сайте. До встречи на AI Dev 2026!

Классика: The Information (американское издание кстати) утверждает, что недавно выпущенная китайская Kimi K3.1 была дистиллирована из Astra То же самое они пишут и про новый чекпоинт DeepSeek V4.1 Flash

Там на китайских форумах считают, что разобрались, как работает блокировка аккаунтов Claude Пользователи утверждают, что у Anthropic действует балльная система. При регистрации аккаунт якобы получает стартовые баллы, а дальше за разные действия баллы начисляются или снимаются. Если счет падает ниже порога, следует бан. Например, важна чистота IP. Если вы прыгаете между устройствами или прокси, баллы снимают. Если вы оформили подписку (особенно Max) сразу после регистрации – опять минус баллы. Лимиты тоже лучше не выжигать до конца за один присест, иначе, ну вы поняли. Еще, из интересного, баллы снимают, если вы пользователь Linux, слишком активно используете Fable или пользуетесь только веб-версией. Старые аккаунты и аккаунты, зарегистрированные через мобильное приложение, считаются более надежными. Если аккаунт потерял много баллов, его возьмут на карандашик, и будет период наблюдения. На форумах говорят, что типичный признак этого – сброс логина. Если в периоде наблюдения баллы продолжат сниматься, пользователь получает бан.

Исследователи нашли способ тратить на 15% меньше вычислений на обучение LLM без потери качества На EMNLP 2026, – А*-конференции, проходящей сейчас в Венгрии, – рисерчеры из Т-Теха представили метод LIMe, который позволяет обучать языковые модели примерно на 15% дешевле по вычислениям без просадки в качестве. В трансформерах каждый слой опирается только на скрытое состояние предыдущего, и через него должен пройти весь контекст. Авторы показывают, что из-за этого возникает давление в сторону коллапса представлений. То есть токены становятся слишком похожими друг на друга, различия между ними теряются, а вместе с ними теряется и качество. LIMe (Layer-Integrated Memory) это легкое расширение механизма внимания. Оно использует key-value буферы, которые и так хранятся для каждого слоя, и добавляет к ним обучаемые веса маршрутизации, отдельные для каждой головы и каждого слоя. С их помощью голова внимания может забирать представления не только с предыдущего слоя, но и с более ранних, и смешивать их. Размер скрытого состояния при этом не растет, а уже выполненные вычисления используются повторно. В экспериментах на моделях примерно с миллиардом параметров LIMe достиг той же ошибки обучения, что и базовая LLaMA, при затратах на 15% ниже. На бенчмарках языкового моделирования и многошаговых рассуждений метод обошел другие подходы. Самый заметный выигрыш получили на синтетических арифметических задачах и в архитектурах с большим числом слоев. Еще авторы отмечают, что у LIMe выше энтропия value-векторов и лучше разделимость токенов, то есть главная проблема действительно смягчается. А по выученным весам маршрутизации видно, что модель системно переиспользует и локальные, и дальние признаки. Статья: https://arxiv.org/abs/2502.09245 Полная имплементация авторов: https://github.com/corl-team/lime

Anthropic купили стартап Mithril Medicine, состоящий из одного человека Компания разрабатывает лекарства от двух редких детских генетических болезней, LAMA2-связанной врожденной мышечной дистрофии и альфа-дистрогликанопатии. Эти две программы сейчас стали первыми внутренними лекарственными проектами Anthropic (их блогпост). Единственным штатным сотрудником Mithril Medicine был основатель Коди Транбаргер + как заявляет сам основатель, агенты Claude. Они делали все необходимые расчеты, писали код, разбирали почту, формировали нужные файлы, составляли планы экспериментов и так далее. Словом, брали на себя почти всю работу, кроме принятия решений и финальных планов исследований. Сумма сделки не раскрывается, но известно, что до этого Mithril Medicine уже удавалось привлекать небольшие раунды инвестиций. Сам Коди теперь будет возглавлять новый внутренний проект разработки лекарств в Anthropic. А ведь Альтман и Амодеи еще в 2024 предупреждали нас об эре one-person billion companies ☕️

Gemini 4 Carbon теперь новый #1 на Artificial Analysis Intelligence Index На Artificial Analysis Coding Agent Index уступает только Opus 5.5 Цена будет $4/$20, но пока модель доступна только ограниченной группе кибербезопасников

Вышла Gemini 4 Carbon https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/

Исследователи из Яндекса опубликовали на EMNLP две новые статьи про оценку LLM EMNLP 2026 — это одна из двух главных NLP-конференций вместе с ACL, и по масштабам она, кстати, заметно выросла (в этом году организаторы получили 17 669 заявок против 8 тысяч в прошлом). В этом году на EMNLP особенно актуальна тема бенчмарков. Старые насыщаются с огромной скоростью, и индустрия остро нуждается в свежих методах эвала LLM. Один из трендов – игровые бенчи. Игры дают то, чего статичным наборам не хватает, а именно: проверяют стратегическое мышление, удержание контекста и умение мыслить многошагово. MTGBench – это как раз игровой двуязычный бенчмарк, который состоит из семи многоходовых игр, каждая на английском и русском языках, куда входят Wordle, «Цепочка слов», «Данетки», «20 вопросов», «Поле чудес», «20 признаков» и «Алиас». Кроме наполнения, бенчмарк интересен тем, на все ходы модели можно объективно ответить. В четырех играх результат проверяет алгоритм, в трех остальных LLM-судья строго ограниченно следит за соблюдением правил. Сам судья отдельно независимо провалидирован. Лидерборд по 16 протестированным моделям наверху. Сильные ризонинг-модели догоняют или обгоняют собранный авторами человеческий бейзлайн за счет эффективной игры и получения отгадки за меньшее число ходов 😐 Вторая статья посвящена оценке машинного перевода. Его качество растет, но ошибки в передаче смысла и неестественные формулировки по-прежнему встречаются и не всегда заметны при первом чтении. Их поиск требует внимательной работы подготовленных экспертов, а такую разметку сложно масштабировать. Авторы исследовали, могут ли языковые модели оценивать перевод на экспертном уровне, и как должен быть устроен такой оценщик. Для исследования собрали 600 англо-русских переводов с тремя независимыми экспертными разметками каждого и последовательно проверили влияние инструкций, способов подготовки и отбора примеров, выбора моделей и объединения их отчетов. Итогом стало семейство оценщиков ORBIT. Лучшая конфигурация достигла экспертного уровня согласованности в поиске ошибок при стоимости примерно в 28 раз ниже одного прохода профессионального эксперта. Подход также проверили на пяти других языковых направлениях с независимой разметкой по протоколам MQM и ESA. Поздравляем исследователей с отличной работой и публикациями на EMNLP!

Очень ждем пока кто-нибудь запихнет сюда мозг мухи