Machinelearning

⚡️ Liquid AI выпустила модели, которые принимают решения и не генерируют ни одного токена Liquid AI представила decision models, первая из них называется d1. Модель получает контекст в виде текста или JSON и за один вызов возвращает откалиброванные вероятности по заранее заданным вариантам ответа. Вопросы бывают трёх типов: «да или нет» с вероятностью от 0 до 1, выбор из нескольких вариантов с распределением вероятностей и оценка по шкале. Несколько вопросов можно задать в одном запросе. Ответ не нужно парсить, ошибок схемы не бывает, задержка низкая и предсказуемая, а три вызова LLM сливаются в один. Вместе с ответом приходит уверенность модели, поэтому спорные случаи легко отправить на большую модель или человеку. Модели: https://docs.liquid.ai/lfm/models/decision-models Гайд по миграции: https://docs.liquid.ai/guides/decision-model-guide Демо: https://github.com/Liquid4All/cookbook/tree/main/examples/road-decider @ai_machinelearning_big_data #LiquidAI

⚡️ OpenAI превращает ChatGPT в рабочую среду для ИИ-агентов. Dots - персональные агенты, которым можно отдавать задачи и получать результат позже. Им можно задать имя, роль и подключить почту, календарь, мессенджеры и другой софт. Следом - ChatGPT Space: общее пространство, где люди и агенты работают в одном контексте. Под это OpenAI обновила GPT-6.1 Sol - почти уровень Astra, но примерно в 5 раз дешевле в API. Главное: - $2 / $10 за 1 млн токенов - кэшированный контекст - $0.10 - сильнее кодинг и агентные сценарии - версии Ultrafast Sol → Dots → команда агентов → ChatGPT Space. ChatGPT всё меньше похож на чат и всё больше - на полноценную рабочую систему. 🎥 https://www.youtube.com/watch?v=Fls_onRviPM

⚡️ OpenAI превращает ChatGPT в операционную систему для ИИ-агентов. Компания показала Dots - персональных агентов, которые должны работать как цифровой «Джарвис». Ты ставишь задачу, закрываешь чат, а агент продолжает работать сам и присылает уведомление, когда всё готово. Каждому Dot можно дать своё имя и отдельную роль: один работает с почтой, второй с календарём, третий пишет код, четвёртый собирает документы и отчёты. Главная идея — не один универсальный ИИ, а целая команда агентов, которая знает твой контекст и работает параллельно. Следом OpenAI готовит ChatGPT Space — общее рабочее пространство для людей и агентов. Там можно будет вести проекты, хранить контекст, распределять задачи и работать с ИИ как с полноценными участниками команды. И всё это развивается вокруг нового поколения моделей GPT-6. Получается, ChatGPT постепенно меняется: чат → агент → команда агентов → полноценное рабочее пространство. Похоже, следующий интерфейс компьютера — это уже не папки, вкладки и приложения. Это команда ИИ, которой ты просто говоришь, что нужно сделать. 🎥 https://www.youtube.com/watch?v=Fls_onRviPM

✔️ Китай ограничил зарубежные поездки для семей ИИ-разработчиков Власти КНР обязали семьи ключевых разработчиков в сфере ИИ и полупроводников согласовывать выезды за границу. Новое требование затрагивает супругов и детей топ-менеджеров, исследователей и основателей частных технологических компаний. Для пересечения границы, в том числе в туристических целях, им требуется предварительное одобрение Пекина.

Ранее в этом году прямые ограничения на зарубежные поездки коснулись самих инженеров корпораций и стартапов.

До развития LLM подобный контроль применялся исключительно к сотрудникам государственных институтов, специалистам ядерной отрасли и руководству госкорпораций. Формально механизм не вводит полного запрета на выезд. По оценкам аналитиков, контроль за перемещением семей направлен на предотвращение оттока кадров и технологий в США. @ai_machinelearning_big_data #news #ai #ml

⚡️ 12 ноября в Москве пройдет MWS Cloud Day 2026 Это вторая конференция MWS Cloud, входящей в МТС Web Services. Формат гибридный: можно прийти очно или подключиться онлайн. Тема понятная: компании постепенно доводят ИИ-пилоты до продакшена и встраивают модели в продукты и процессы. А вместе с этим возникают вопросы к инфраструктуре: хватит ли вычислений, как устроены данные и сети, как всё это мониторить и во сколько обойдётся. Разбирать это будут в трёх треках: облака, ИИ и безопасность. Всего 20 докладов, в которых эксперты расскажут про cloud-native-подходы, создание и внедрение ИИ-систем и кибербезопасность, с упором на реальные бизнес-задачи. Конференция рассчитана на CTO и CIO, руководителей инфраструктурных, платформенных, data- и ИИ-команд, DevOps-, backend- и platform-инженеров, а также технологических партнеров, интеграторов и клиентов MWS. Регистрация по ссылке. @ai_machinelearning_big_data

💰 Anthropic готовится к IPO и предупреждает инвесторов: её модели могут представлять «экзистенциальный риск для человечества». Из 261 страницы проспекта около 80 посвящены рискам. Компания допускает, что продвинутые модели могут сопротивляться отключению, скрывать информацию или вести себя подобно шантажисту. Ещё сложнее их проверять, если модель распознаёт, что проходит тест. При этом Anthropic пишет, что для сохранения лидерства ей нужен непрерывный выпуск новых моделей. Ранее компания сообщила: за одну выбранную неделю на исследования безопасности пришлось около 6% вычислительных ресурсов для ИИ-исследований. Это показатель за неделю, а не доля всего бюджета. Раскрывать риски перед IPO нормально. Необычно то, насколько подробно Anthropic описывает опасности технологии, на которой строится её бизнес. Источник: https://www.reuters.com/business/finance/anthropic-warns-ai-may-pose-existential-risks-humanity-ipo-filing-2026-09-29/ @ai_machinelearning_big_data #Anthropic #ipo

✔️ Агенты OpenAI выложили в сеть 53 фото пользователей Изображения пользователи загружали в сервисы OpenAI, затем они попали в обучающие данные, а агенты из исследовательской среды компании разместили их на сторонних фотохостингах. Ссылки не публиковались, но найти снимки было можно. Большую часть OpenAI удалила, остальное ещё в сети. Уведомить владельцев компания не может, её технический подход и политика конфиденциальности не позволяют связать снимки с аккаунтами. Случай вошёл в обзор поведения агентов, который OpenAI ведёт после взлома ими Hugging Face. На прошлой неделе премьер Австралии заявил, что агенты OpenAI проникли в базы национальной системы здравоохранения и через запрос Сената вызвал Сэма Альтмана и Дарио Амодея для дачи показаний по инциденту на парламентских слушаниях. openai.com ✔️ OpenRouter доверил выбор модели нейросети Jev Jev Router подбирает модель и глубину рассуждений под каждый запрос с учётом качества, скорости и цены. Решение принимает Jev, модель компании TypeSafe. Перед каждым запросом она оценивает его сложность и нужную точность. На четырёх агентских бенчмарках Jev Router решил 237 задач из 423 против 130 у прежнего Auto Router, это по замерам самой OpenRouter. Роутер бесплатный, контекст 1 млн токенов. openrouter.ai ✔️ Китай стал вторым рынком дата-центров после США SemiAnalysis насчитала больше 1000 объектов у 60 с лишним операторов на 24 с лишним ГВт. Ещё около 20 ГВт в проектах со сроками ввода и 30 ГВт в анонсах. Примерно пятую часть введённых мощностей занимает ByteDance, и почти всё она арендует. Капитальные затраты Alibaba, Tencent и Baidu во втором квартале выросли больше чем вдвое год к году, до 20 млрд долларов, и впервые все три компании показали дефицит свободного денежного потока.  semianalysis.com ✔️ ElevenLabs выпустила Eleven v4 и Eleven v4 Turbo Новая модель синтеза речи построена на другой архитектуре и подстраивает подачу под контекст сцены и предыдущие реплики. Интонацией управляют встроенными тегами, а произношением – через международный фонетический алфавит. Для клонирования голоса хватает 10 секунд записи. Языков больше 90 и голос, записанный на одном, сохраняет тембр на остальных. Turbo сделана для голосовых агентов. Медианная задержка около 100 мс, до начала речи около 150 мс. Модели доступны в ElevenAgents, ElevenCreative и через ElevenAPI, в том числе бесплатно. Первые две недели API стоит 22 доллара за миллион символов для v4 и 11 для Turbo. elevenlabs.io ✔️ Manus обновился до версии 2.0 Обновление построено вокруг нового харнесса Cascade, который подключает специализированные инструменты, только когда они нужны задаче. В тестовой конфигурации он потратил на 23% меньше токенов и на 28% меньше времени и обошёлся на 32% дешевле прежней системы. Задачи теперь запускаются по событиям из почты, календаря, Slack или Notion, для постоянно работающих проектов предусмотрен Cloud Computer. Десктопное приложение стало Manus Studio с видеоредактором на таймлайне и средой для разработки игр. Отдельное приложение Cue даёт каждому агенту почту, номер телефона, кошелёк с лимитом трат и отдельную виртуалку. Manus 2.0 доступен в вебе, на десктопе и Android, версия для iOS ждёт проверки в App Store. Cue в раннем доступе по инвайт-коду. manus.im @ai_machinelearning_big_data #news #ai #ml

⚡️ ML-пайплайн больше не обязательно собирать внутри одной площадки Эксперименты и вычислительные нагрузки можно распределять между on-premises и облаком в зависимости от текущей задачи. То есть пайплайн может использовать ресурсы разных сред как части одной инфраструктуры. 🟡 Связность между площадками Cloud Interconnect в Yandex Cloud соединяет локальную инфраструктуру и облачный контур по приватному каналу. BareMetal Extend: Virtualization позволяет добавить к этой схеме частное облако на выделенных серверах. 🟡Хранение данных Intelligent Tiering в Object Storage автоматически перемещает данные между тремя классами хранения с учетом частоты обращения. В закрытом контуре StackLand позволяет собрать полноценную платформу данных и подключить PaaS-сервисы. 🟡 Контроль ресурсов Через Billing API можно получать детализацию потребления и расходов по облакам, сервисам и отдельным ресурсам, а затем передавать эти данные в свои системы аналитики и мониторинга. В результате вычисления, данные и инфраструктурные мощности можно распределять между разными средами под конкретный ML-сценарий, объединяя их в один технологический контур. @ai_machinelearning_big_data #AI #ML #Cloud #Infrastructure

🌟 OpenScience: персональный учёный с режимом автономных экспериментов Стартап Synthetic Sciences из зимнего набора Y Combinator 2026 года вывел на Product Hunt OpenScience – открытую рабочую среду с ИИ-агентом для научных исследований.

Сам агент компания выложила ещё в июле, а главное из обновления – режим Autoresearch, в котором агент без участия человека ставит серию экспериментов и улучшает заданную метрику.

OpenScience ведёт исследование целиком, от обзора литературы и гипотезы до кода, эксперимента, анализа и текста статьи. Агенту доступны 295 встроенных навыков, от обучения моделей до молекулярной биологии, хемоинформатики и вёрстки в LaTeX, и около сорока научных баз, среди них UniProt, PDB, ChEMBL, PubChem, arXiv и Semantic Scholar. 🟡Механика В Autoresearch задачу ставят обычными словами, например - снизить функцию потерь на валидационной выборке, остановить работу через час или при выходе метрики на плато и закончить после 20 запусков или 8 часов. Агент сначала запускает базовый вариант, затем по очереди проверяет идеи, отсортированные по ожидаемой пользе, и по каждому запуску решает, сохранить изменение или откатить. Чтобы цикл не затроил, после четырёх стартов без прогресса агент переключается на идеи другого типа, плюс каждые шесть запусков пересматривает подход. Ход работы записывается в файлы с постановкой задачи, очередью идей, таблицей результатов и выводами. Среда собрана как настольное приложение с деревом файлов, редактором, терминалом и просмотрщиками молекул, структур и геномов. Модель выбирается, подойдут собственные ключи Anthropic, OpenAI, Google и других провайдеров, вход по подписке ChatGPT или Codex, локальные модели и фирменный сервис Ace. Эксперименты запускаются локально, по SSH, в кластере под Slurm или PBS или в облаке Modal. Метрики собирает встроенный трекер, скрипты под wandb работают с ним без переделки. 🟡 Тесты На Terminal-Bench Science агент решил 53 задачи из 70, это 75,7%.

В этом тесте OpenScience управляла GPT-6 Astra с GPT-6 Sol в роли исполнителей, на задачу давали 8 часов и одну попытку. Лучший результат в таблице Snorkel – 68,1% у Codex с GPT-6 Astra, у Claude Code с Opus 5.5 там 63,3%.

В научной части Terminal-Bench 4.0 агент решил 10 задач из 14 против 60% у Claude Code с Fable 5.1, на BiomniBench-DA набрал 82,2 балла против 81,04 у aipoch. 📌Лицензирование: Apache 2.0 🟡Документация 🟡Бенчмарки 🟡Трассировки 🖥Github @ai_machinelearning_big_data #AI #ML #Agents #AiScientist #Bioinformatics #OpenScience

Anthropic выпустила Claude Sonnet 5.5 — новую модель с упором на код, агентные задачи и повседневную работу. Что изменилось: 30%+ быстрее Sonnet 5 до 30% дешевле на задачу за счёт меньшего расхода токенов 70,6% в Terminal-Bench 4.0 против 10,3% у Sonnet 5 55,5% в CursorBench 4.0, примерно на 2 пункта ниже Opus 5.5 на GDPval-AA модель почти сравнялась с Opus 5.5 лучше работает с длинными задачами, изображениями, документами, таблицами и презентациями Особенно заметный скачок — в программировании. Anthropic пишет, что Sonnet 5.5 быстрее разбирается в кодовых базах, делает меньше вызовов инструментов и тратит меньше шагов на выполнение задач. Цена API: $2 / 1M входных токенов $10 / 1M выходных токенов $0,20 / 1M cache reads Модель уже доступна в Claude, API, AWS, Google Cloud и Azure. API ID: claude-sonnet-5-5 https://www.anthropic.com/claude-sonnet-5-5

✔️ Data-платформа постепенно превращается в конструктор Для AI и Big Data уже недостаточно просто где-то хранить большой объём данных. Вокруг моделей и аналитики появляется целая цепочка: данные нужно загрузить, обработать, связать между собой, запустить пайплайны, подготовить датасеты и только потом использовать в моделях или BI. Поэтому инфраструктура всё чаще собирается не из одной универсальной системы, а из набора специализированных компонентов, которые работают вместе. Именно такой подход появился в обновлённом Stackland от Yandex Cloud: в закрытом корпоративном контуре теперь можно развернуть связку из ClickHouse и PostgreSQL, Object Storage и Trino, Airflow и DataLens. В результате в одном контуре оказываются и хранилища, и аналитика, и оркестрация процессов. Для AI-сценариев это позволяет выстраивать непрерывный путь данных — от их поступления и обработки до подготовки для моделей и анализа результатов. @ai_machinelearning_big_data #news #ai #ml

📌 Dream-RSI: агент улучшает стратегию поиска решений на основе прошлых запусков Google опубликовала Dream-RSI - надстройку над агентами, которые ищут решения перебором: пишут код, прогоняют его через оценщик и дорабатывают лучшие варианты. Концепт управляет стратегией исследования, решая, какие варианты развивать, сколько попыток запускать параллельно и когда остановиться. Модель, агент и оценщик при этом не меняются, самосовершенствуется только код стратегии. 🟡Механика Каждый запуск сохраняется как дерево попыток, где узел хранит версию решения, диагностику и оценку. Это дерево используется как симулятор - альтернативная стратегия проходит по записанным ветвям в другом порядке, с другой параллельностью и другими точками остановки, а результаты берутся из записей без новых вызовов агента. Отдельный агент на базе языковой модели несколько раз переписывает код стратегии, каждую версию прогоняют по всем накопленным деревьям, и в следующий раунд уходит лучшая. Оценка складывается из лучшего найденного результата, штрафа за число попыток и бонуса за параллельность. Прежняя стратегия тоже участвует в отборе, поэтому на записях прошлых запусков новая версия по оценке не уступает старой. 🟡Тесты В задаче ускорения решателя Lasso версия на Gemini 3.1 Pro снизила среднее время работы на шести отложенных наборах данных с 3587 до 2931 мс и потратила 317 вызовов агента вместо 550. В математических задачах результат смешанный: в задаче сумм и разностей 1,145427 против 1,143975 у SimpleTES, в упаковке кругов ничья, в неравенстве автокорреляции результат хуже собственной базы. В третьей серии агент ускорял операции нейросетей на видеокарте из набора KernelBench. Для сети VGG16 и слоя нормализации LayerNorm Dream-RSI достиг той же скорости, что и база, за в 2,43 и 1,79 раза меньшее число попыток. Для двух связок свёртки с делением и с выбором максимума он при том же числе попыток нашёл код быстрее базового в 2,09 и 1,44 раза.

Пока доступны только статья и страница проекта с интерактивной демонстрацией.  Код и скрипты для воспроизведения Google обещает выложить позже.

🟡Страница проекта 🟡Техотчет 🟡Демо 🖥GitHub @ai_machinelearning_big_data #AI #ML #RSI #Agents #DreamRSI #Google

🦾 Практический RecSys: собери рекомендательную ленту с помощью ML — на бесплатном вебинаре AI Talent Hub × Karpov.Courses 30 сентября в 18:00 разберем как работают рекомендательные системы изнутри. Научим:

→ Превращать действия пользователей в данные для модели: просмотры, клики, реакции и другие сигналы; → Собирать персональные рекомендации и понимать, что показать конкретному пользователю; → Ранжировать контент в ленте и оценивать качество рекомендаций не только по ML-метрикам, но и с точки зрения продукта;

И покажем, как эти навыки можно развить на программе AI Talent Hub ИТМО × karpovꓸcourses «Машинное обучение: от технической базы до создания ИИ-продукта». 👉 Участие бесплатное, по предварительной регистрации → успей зарегистрироваться до 30 сентября @aitalenthubnews

🤖 Робот сначала ошибается в симуляции, а потом исправляет движение до попытки в реальном мире. Sakana AI и Токийский университет представили SAIL. Модель получает несколько примеров выполнения задачи и предлагает траекторию. Её проверяют в симуляторе, другая модель смотрит видео и отмечает, где робот перестал продвигаться к цели. Затем система меняет неудачный участок и пробует снова. На физический манипулятор отправляют только выбранную траекторию. В симуляции робот выполнял шесть разных задач. Одна попытка выбрать движение приводила к успеху в 25% случаев. Когда SAIL могла проверить и улучшить до 45 вариантов, успех вырос до 73%. Затем метод испытали на настоящем роботе: в одной задаче он справился 5 раз из 6. Пока это проверка на одной физической задаче, но идея наглядная: дать модели больше попыток *до* движения робота, не переобучая её. Блог - https://pub.sakana.ai/sail/ Статья - https://arxiv.org/abs/2603.08269 @ai_machinelearning_big_data #Sakana

⚡️ OpenAI сосредоточила большую часть исследований на GPT-7, GPT-8 и следующих поколениях Глава Applied Research OpenAI Борис Пауэр заявил, что около 80–90% исследовательской работы компании уже направлено на GPT-7, GPT-8 и более поздние поколения моделей. По его словам, улучшения внутри одной генерации рассматриваются скорее как краткосрочная задача. Основной долгосрочный фокус - на создании более мощных frontier-моделей. Пауэр также отметил, что мощную модель вроде GPT-6 Astra можно использовать для обучения более лёгких моделей класса Luna. Отдельно он подчеркнул, что сейчас проблема заключается не только в качестве самих моделей: многие пользователи всё ещё не используют значительную часть возможностей уже существующих AI-систем. @ai_machinelearning_big_data #OpenAI

Вопрос уже не в том, нужен ли ИИ, а в том, как его внедрять и масштабировать Найдем ответ на бесплатной конференции 8 октября Все об эффективном и безопасном внедрении ИИ в бизнес расскажут эксперты топовых технологических компаний на конференции Selectel ТехноДень в Москве. На повестке: 🔺Как использовать генеративный ИИ в компании без хаоса и получать от этого измеримый эффект: от теории до реальных кейсов. 🔺Как ускорить внедрение ИИ в бизнес-процессы и минимизировать риски для бизнеса с помощью инструментов ИБ. 🔺Какую ИТ-инфраструктуру выбрать для инференса и обучения моделей. Кроме 20 экспертных докладов и 20 интерактивных стендов, в финале вечера вас ждет живая запись подкаста Вселенная Плюс на главной сцене конференции. Присоединяйтесь к Selectel ТехноДень, чтобы лично задать вопросы экспертам рынка и обменяться опытом. Количество мест ограничено, регистрируйтесь уже сейчас → Реклама. АО "Селектел". erid:2W5zFG5D5TF

✔️ Gemini получит функцию исходящих звонков и навигации по IVR-меню Google тестирует функцию Call for Me, с которой агент Gemini самостоятельно звонит в организации от имени пользователя. На этапе пилота инструмент доступен в США в бета-версии приложения «Google Телефон» для пользователей Pixel 11 с платной подпиской Gemini. Агент совершает исходящие звонки с реального номера абонента, ориентируется в IVR-меню, ждет на линии ответа оператора и передает заранее согласованные данные. Среди сценариев заявлены бронирование ресторанов, перенос записей и проверка наличия товаров. Во время разговора на экране транслируется реалтайм-стенограмма. Пользователь может контролировать процесс и перехватить управление в любой момент. Закрытый характер тестирования в Google объясняют необходимостью дополнительной калибровки модели для работы с нелинейными живыми диалогами перед глобальным релизом. @ai_machinelearning_big_data #news #ai #ml

✔️ Claude Code не будет обрывать сессии при достижении 5-часового лимита При достижении 5-часового лимита использования Claude Code перестанет резко обрывать сессии. Агент завершит текущую задачу на логическом этапе, используя фиксированный резерв из недельной квоты. Функция разворачивается постепенно и зависит от подписки. На тарифе Pro резерв для закрытия задач срабатывает один раз в неделю. Пользователям Max и Team Premium он доступен при каждом достижении 5-часового лимита.

Для продолжения работы после автоматического завершения сессии потребуются дополнительные кредиты.

@ai_machinelearning_big_data #news #ai #ml

✔️ Создатель Ruby on Rails полностью отказался от ручного программирования На конференции Rails World 2026 создатель Ruby on Rails и сооснователь Basecamp Дэвид Хейнемейер Ханссон признался, что после 25 лет карьеры прекратил писать код вручную. Всего за год из скептически оценивавшего перспективы генеративного ИИ в разработке, с марта 2026 года он не набрал самостоятельно ни одной строчки.

«...меня удивил тот факт, что на самом деле существует язык программирования, который нравится мне больше, чем Ruby... Он называется английским. Английский - более лучший язык программирования, чем Ruby».

Ханссон уверен, что ручной труд окончательно потерял экономический смысл для большинства кодинг-команд, а к концу года это станет реальностью практически для любых сфер коммерческой разработки:

«...написание кода вручную больше не является экономически продуктивным занятием для подавляющего большинства программистов, работающих в большинстве компаний.»

Происходящую трансформацию Дэвид охарактеризовал как самое масштабное событие в истории вычислительной техники, открывающее новый этап в профессии. По его оценке, инженеры перестают быть кодерами и становятся создателями продуктов, чья задача - направлять автономные ИИ-системы. Ханссон также заявил о неизбежности фундаментального пересмотра архитектуры ПО: привычные слои абстракций обесцениваются, когда изменения в код вносят агенты, а индустрии еще только предстоит сформулировать новые проектные шаблоны для этой парадигмы. 🔜 Посмотреть запись выступления на Youtube @ai_machinelearning_big_data #news #ai #ml

✔️ Апелляционный суд США оставил Anthropic в чёрном списке Пентагона Суд округа Колумбия признал законным присвоение Anthropic статуса риска для цепочки поставок. Статус запрещает военным и их подрядчикам использовать Claude в работе на ведомство. Суд отклонил доводы компании о произвольности решения, превышении полномочий и нарушении конституции. По мнению суда, соотношение рисков вправе определять президент и министр обороны. Решение касается одного из двух параллельных статусов, второй в августе отменил суд в Сан-Франциско. Вступление решения в силу отложено, чтобы компания могла просить о пересмотре расширенным составом или обратиться в Верховный суд. Anthropic с решением не согласна и рассматривает все варианты. cnbc.com ✔️ Microsoft собрала суперапп Copilot Обновлённый корпоративный Copilot разделён на три вкладки. Home объединяет чат и агента Cowork. Code на технологиях GitHub Copilot собирает по описанию внутренние приложения, дашборды и автоматизации в изолированной среде. Autopilot, бывший Scout, работает в облаке с собственной учётной записью и памятью и продолжает задачи в отсутствие пользователя, в Teams и Outlook его можно тегать как коллегу. Чат и Copilot в Word, Excel, PowerPoint, Outlook и Teams остаются в подписке на пользователя, а Cowork, Code, Autopilot и новейшие модели оплачиваются по потреблению. Расходы администраторы контролируют через панель FinOps for AI. Home и Code в ближайшие недели получат участники программы раннего доступа Frontier, Autopilot позже выйдет в закрытое превью. theverge.com ✔️ Fish Audio выпустила речевую модель Drama 3 Новая модель синтеза речи позволяет перегенерировать в готовой дорожке одно слово или фразу, не трогая всю генерацию. Тон, темп и характер голоса задаются описанием на естественном языке вместо тегов, голос можно сменить посреди предложения, а реплики нескольких персонажей модель озвучивает за один проход. Drama 3 пока в превью, доступ к API выдают по заявкам. FishAudio в Х ✔️ Prism ML показала 1-битную модель на умных очках На Snapdragon Summit компания запустила на очках с Snapdragon AR1 Gen 1 визуально-языковую модель на 2 млрд параметров. Внутри 1-битная языковая Bonsai 1.7B и 4-битный визуальный энкодер на 300 млн параметров, веса которой под NPU Prism ML оптимизировали совместно с Qualcomm. По замерам Qualcomm, генерация идёт со скоростью 15,4 токена в секунду, а локальный инференс на NPU и процессорных ядрах Snapdragon устраняет задержки сетевого подключения к серверам, экономит мобильный трафик и обеспечивает полную приватность, исключая отправку аудиозаписей и видеопотока со встроенных камер в облако. Сроки выхода в серийных очках не названы. prismml.com ✔️ Google отправит на орбиту спутник с TPU На следующей неделе Google Research выведет на низкую орбиту прототип спутника проекта Suncatcher, созданный вместе с Planet. Аппарат полетит попутной миссией SpaceX Transporter-18 и проверит, как тензорные процессоры переносят запуск, радиацию и охлаждение в вакууме. Проект изучает, можно ли строить вычислительную инфраструктуру для ИИ в космосе, где солнечные панели, по оценке Google, дают до восьми раз больше энергии. Спутник прошёл вибрационные испытания, а TPU Trillium на протонном ускорителе Калифорнийского университета выдержали дозу радиации больше, чем за пять лет на орбите. В 2027 году Google запустит два спутника, чтобы проверить лазерную связь между ними.  blog.google @ai_machinelearning_big_data #news #ai #ml