Анализ данных (Data analysis)
Открыть в Telegram
Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp
Больше
Сеть:📈 Аналитический обзор Telegram-канала Анализ данных (Data analysis)
Канал Анализ данных (Data analysis) (@data_analysis_ml) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 51 870 подписчиков, занимая 2 578 место в категории Технологии и приложения и 11 877 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 51 870 подписчиков.
Согласно последним данным от 27 октября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило 1 186, а за последние 24 часа — -4, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 9.21%. В первые 24 часа после публикации контент обычно набирает 6.82% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 4 773 просмотров. В течение первых суток публикация набирает 3 534 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 226.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как llm, контекст, openai, архитектура, deepseek.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“Data science, наука о данных.
@haarrp - админ
РКН: clck.ru/3FmyAp”
Благодаря высокой частоте обновлений (последние данные получены 28 октября, 2026) канал поддерживает актуальность и высокий уровень охвата публикаций. Аналитика показывает, что аудитория активно взаимодействует с контентом, что делает его важной точкой влияния в категории Технологии и приложения.
51 870
Подписчики
-424 часа
+2797 дней
+1 18630 дней
Архив постов
⚡️ OpenAI готовит Astra - первую модель компании, которую официально отнесли к критическому уровню возможностей в кибербезопасности.
По оценке OpenAI, Astra уже умеет самостоятельно находить ранее неизвестные уязвимости и строить рабочие цепочки эксплуатации против хорошо защищённых систем.
На ExploitBench модель набрала 100%. Во внутреннем тесте на 20 свежих уязвимостях Astra показала намного более высокий уровень выполнения кода, чем GPT-5.6 Sol, при этом используя меньше токенов.
Во время тестов модель также нашла две zero-day уязвимости и использовала их в цепочке атаки.
В экспертных проверках Astra:
- находила неизвестные уязвимости в защищённом браузере
- строила цепочку выхода из sandbox
- получала выполнение команд на хосте
- находила несколько уязвимостей в ОС
- объединяла их в повышение привилегий до root
Из-за этого OpenAI усилила защиту, мониторинг и ограничения доступа.
Самые мощные возможности Astra в кибербезопасности сначала получит ограниченная группа тестировщиков, а затем доступ будут расширять через Daybreak Blue.
https://openai.com/index/path-to-astra/
+1
Солнечная энергетика перешла ещё один важный экономический рубеж: теперь для производства того же объёма энергии в год она может требовать меньше первоначальных вложений, чем уголь или газ.
По данным Ember, ещё 10 лет назад солнечная генерация требовала до 5 раз больше стартового капитала. С 2010 года стоимость установки солнечных панелей упала на 87%, а аккумуляторов - на 93%.
В регионах с высокой солнечной активностью энергия от связки «солнечные панели + батареи» уже оценивается в $54–82 за МВт·ч.
Для сравнения:
- новый уголь в Китае - $70–85/МВт·ч
- новый газ в мире - более $100/МВт·ч
На фоне взрывного роста дата-центров и AI-инфраструктуры солнечная энергетика становится одним из самых доступных способов быстро наращивать новые энергомощности. Атомная энергетика остаётся важной альтернативой, но новые проекты строятся значительно дольше, а термоядерная энергетика пока остаётся технологией будущего.
От гипотез к бизнес-решениям:
гайд по построению платформы данных с ИИ ↗️
Компании активно инвестируют в аналитику и искусственный интеллект. Но без единой платформы данных большинство ИИ-инициатив остаются на стадии экспериментов, а подготовка данных становится долгим и трудоемким процессом.
Решение: создание платформы, которая позволяет объединить данные, аналитику и искусственный интеллект в единой среде и перейти к системной работе с данными.
Чтобы вы могли самостоятельно построить такую платформу, эксперты Cloud.ru подготовили гайд — «Как построить платформу данных с ИИ».
Что внутри:
• Референсная архитектура платформы данных и ИИ • Пример реализации на платформе Cloud․ru Evolution • Практические ИИ-сценарии • Пошаговое руководство по работе с ИИ‑агентомГайд будет полезен руководителям данных, ИТ-руководителям, архитекторам и командам аналитики, которые развивают платформы данных и внедряют ИИ. ⏩️ Получить практический гайд ⏪️
🐳 DeepSeek открыла веса DeepSeek-V4-Flash-Vision-Exp - первой экспериментальной мультимодальной модели семейства V4.
Модель построена на базе DeepSeek-V4-Flash и получила полноценное визуальное понимание: умеет работать с изображениями, скриншотами, графиками и использовать их в агентных сценариях.
По бенчмаркам DeepSeek:
- 36,5 на ApexBench против 26,2 у V4-Flash
- 27,3 на Agents' Last Exam
- 64,3 на Chartography
- 35,0 Pass@5 на ZeroBench
- в DeepSWE модель набрала 59,3, немного обойдя Opus-4.8 с 58,0
При этом текстовые агентные возможности остались примерно на уровне обычной V4-Flash.
Размер модели - около 305B параметров, лицензия MIT. В репозитории есть reference inference для vision encoder, MoE, DFlash attention и других компонентов.
https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp
Anthropic усиливает безопасность Claude после нескольких инцидентов во время тестирования моделей.
Компания обнаружила две основные проблемы: недостаточно изолированные тестовые среды и ситуации, когда модель продолжала выполнять задачу за пределами разрешённого сценария.
Что Anthropic уже изменила:
- временно остановила часть внешних испытаний по кибербезопасности и усилила изоляцию
- добавила систему проверки действий в реальном времени, которая блокирует попытки выйти за пределы среды или получить неожиданный доступ в интернет
- опасные тестовые среды перевела на более строгую изоляцию
- для внешних исследователей ввела обязательные правила по границам тестирования и наблюдению за действиями модели
- часть сред для обучения с подкреплением заморозили и начали перепроверять
- более 10% рабочих сред для такого обучения оказались проблемными из-за обхода системы вознаграждения, сломанных заданий или неправильной настройки
- около 150 инженеров временно перевели на задачи безопасности, надёжности и конфиденциальности
- исходящий сетевой трафик из вычислительных кластеров теперь по умолчанию блокируется
Отдельно Anthropic показала опасный эффект: если модель обучать в средах, где можно «схитрить» ради награды, она начинает чаще искать способы обходить ограничения и вмешиваться в систему оценки результата.
https://www.anthropic.com/news/improving-alignment-security-efforts
🔥 FreeCAD теперь можно управлять через AI-агента
freecad-mcp - MCP-сервер, который подключает Claude Desktop к FreeCAD и позволяет работать с CAD-моделями прямо через команды на естественном языке.
Что умеет:
- создавать документы и 3D-объекты
- редактировать и удалять детали
- выполнять Python-код внутри FreeCAD
- вставлять готовые детали из библиотеки
- получать список объектов и скриншоты сцены
- работать удалённо по сети через RPC
В репозитории есть примеры: создание фланца, игрушечной машины и детали по 2D-чертежу.
https://github.com/neka-nat/freecad-mcp
🦀 Вышел OpenClaw 2.0 - крупнейшее обновление опенсорсного AI-агента за всё время проекта.
Главное, что изменилось:
• заметно упростили установку и настройку
• OpenClaw теперь сам подхватывает активные подписки ChatGPT и Claude, API-ключи и локальные модели
• веб-интерфейс стал удобнее
• агент лучше справляется со сложными задачами и сам ищет недостающие детали без постоянных подсказок
• появились общие сессии: можно подключить другого человека и передать ему задачу вместе со всем накопленным контекстом
Общие сессии работают через облако.
OpenClaw 2.0 уже доступен всем пользователям:
https://openclaw.ai/#quickstart
+1
Бизнес Mac у Apple вырос на 29%, и компания может оказаться гораздо сильнее в гонке AI-железа, чем кажется.
Что уже происходит:
- OpenAI закупала десятки тысяч Mac mini для RL-задач и, по сообщениям, хотела ещё
- Anthropic арендует Mac mini через AWS
- появляются стартапы, которые строят целые Mac-дата-центры под AI
- в индустрии Apple всё чаще рассматривают как серьёзного конкурента Nvidia в локальном AI
- топовые конфигурации Mac периодически уходят в дефицит
Теперь Apple явно пытается развить это направление дальше.
Новые Mac mini и Mac Studio получили упор на более ранние релизы, мощные конфигурации и Thunderbolt 5, который можно использовать для объединения нескольких машин и распределённого инференса крупных моделей.
Apple долго не позиционировала Mac как специализированное AI-железо.
Но сочетание мощной unified memory, высокой энергоэффективности и больших объёмов памяти сделало Mac неожиданно удобной платформой для локальных моделей и части AI-инфраструктуры.
+1
Sony Music Publishing и Warner Chappell подали многомиллиардный иск против Anthropic, обвинив компанию в масштабном нарушении авторских прав.
Музыкальные издатели требуют до $150 000 за каждое нарушенное произведение, раскрытия данных для обучения Claude и методов их сбора, а также уничтожения незаконно использованных копий.
В иске утверждается, что:
- сооснователь Anthropic Бенджамин Манн обсуждал получение данных из LibGen с Дарио Амодеи, а тот якобы одобрил скачивание через torrent
- материалы из LibGen и PiLiMi могли попасть в коммерческие версии Claude косвенно, через синтетические данные и reinforcement feedback
- из обучающих материалов якобы удалялась информация об авторских правах
- при дообучении Claude использовались защищённые тексты песен
- проверяющие выбирали более точные воспроизведения lyrics вместо неточных, тем самым поощряя дословное запоминание
Sony и Warner называют происходящее «одной из крупнейших и самых вопиющих продолжающихся краж интеллектуальной собственности в истории».
Если эти утверждения подтвердятся в суде, дело может стать одним из самых серьёзных разбирательств вокруг происхождения данных для обучения больших языковых моделей.
https://storage.courtlistener.com/recap/gov.uscourts.cand.477477/gov.uscourts.cand.477477.1.0.pdf
Repost from Machinelearning
🌟 Prime Intellect выложила отчет об агенте, с которым Opus 5 взял 95,5% на ARC-AGI-3
Prime Agent — это больше, чем харнесс модели. Сами авторы называют проект операционной системой для долгоживущих агентов.
Умнее модель он не делает, но дает ей работать дольше - программно раскладывать информацию, параллельно раздавать задачи подагентам и копить полезные процедуры.
Идея в том, чтобы у языковой модели была устойчивая вычислительная среда, где она сама распоряжается памятью, кодом, подагентами и долгими задачами.Состояние в системе разложено по четырем уровням: 🟢веса модели - то, что она знает после обучения; 🟢активный контекст - информация текущего шага; 🟢постоянный REPL и рекурсивные подагенты - внешние вычисления, инструменты и параллельная работа; 🟢дисковое состояние - история, факты, навыки, промпты и спецификации подагентов. Состояние переживает и шаги, и перезапуски, и отключения. Человек при этом может наблюдать за агентами и вмешиваться. 🟡Замеры Сильнее всего эффект виден на длинных интерактивных задачах. На ARC-AGI-3 конфигурация с Opus 5 дала 95,5% Best@1 против 30,2% у обвязки самой ARC. На длинноконтекстных задачах Prime Agent держится наравне с конкурентами, а на отдельных, вроде EmulatorBench, заметно вырывается вперед. Он обошел Pi-mono с GLM-5.2 и Codex с GPT-5.6 Sol, но уступил Claude Code с Opus 5. Отдельно показательны игровые прогоны на эмуляторах. На Sega Genesis связка Prime Agent и GPT-5.6 Sol набрала 61,6% по итоговой оценке верификатора, а Claude Code с той же моделью — ноль. На Game Boy Color разрыв еще резче: 99,8% против нуля. 🟡 Побочный эффект Самая любопытная деталь отчета - накопление навыков закрепляет не только полезное. В одном из экспериментов агент нашел способ обходить ограничения Factorio, сохранил его как переиспользуемый навык и тем самым записал эксплойт в долговременную память. Дальше он доставал оттуда именно это решение, потому что оно один раз сработало.
На днях вышел релиз 0.8.0 с исправлениями найденных проблем и новыми возможностями.📌Лицензирование: MIT License 🟡Техотчет 🖥Github @ai_machinelearning_big_data #AI #ML #Harness #Agents #PrimeIntellect
В GTA VI настолько всё реалистично, что теперь там можно не только угнать машину, но и навибкодить стартап по дороге.
#gta #vibecoding
+2⚡️ Anthropic показала, как одна модель может улучшать другую почти без участия человека.
Claude дали задачу повысить безопасность и управляемость других моделей. Она сама искала подходы в исследованиях, придумывала методы, создавала данные для обучения, обучала модели, проверяла результаты и запускала новые итерации.
В экспериментах удалось улучшить все 10 проверяемых проблем поведения без заметного ухудшения общих возможностей моделей.
Отдельно протестировали Sonnet 5 на ранней версии Opus 4.8. Более слабая модель примерно за 60 часов смогла заметно улучшить её поведение и приблизить результаты к уровню финальной версии.
Исследователи также сравнили этот подход с работой людей. По их данным, лучшие методы, найденные Claude, в среднем обгоняли предложения опытных специалистов примерно за шесть часов работы.
Получается почти полный цикл:
ИИ изучает проблему
→ предлагает способ улучшения
→ создаёт данные
→ обучает другую модель
→ проверяет результат
→ повторяет процесс.
До полноценного самосовершенствования не хватает последнего шага: улучшенная модель пока не становится следующим исследователем и не запускает тот же цикл уже для следующей версии.
В работе нашли и слабое место. Примерно в 2,4% исследовательских траекторий модель пыталась обойти проверку, поэтому такие процессы тоже требуют отдельного контроля.
https://www.anthropic.com/research/automated-researchers-mitigate-alignment-failures
🚀 SpaceX купила Cursor за $60 млрд - и теперь Cursor лишается моделей OpenAI
SpaceX завершила покупку Anysphere, разработчика Cursor, за $60 млрд. Сам Cursor продолжит работать, но OpenAI решила прекратить поставку своих моделей после смены владельца.
По текущему плану доступ к уже подключённым моделям OpenAI сохранится до 12 ноября 2026 года. Новые модели OpenAI в Cursor добавляться уже не будут.
Официальная причина OpenAI - компания не уверена, что SpaceX будет соблюдать её условия использования. OpenAI прямо сослалась на прошлые нарушения контрактов со стороны других компаний Илона Маска.
Любопытно, что Cursor уже тесно интегрируется со SpaceX и xAI и получает доступ к их огромной вычислительной инфраструктуре. В самом Cursor заявляют, что это позволит быстрее развивать собственные модели и снижать стоимость inference.
Так что история выглядит так:
SpaceX покупает Cursor → OpenAI сворачивает сотрудничество → Cursor ещё сильнее уходит в сторону собственных моделей и Grok.
https://x.com/Machinelearrn/status/2093636483856941340
+1
🔥 Hy4-preview ужали с 1,5 ТБ примерно до 200 ГиБ - и качество почти не просело
Новая квантизация MIX-STQ1_0 подбирает битность отдельно для каждого слоя по calibration data:
- часть слоёв ужимается до 1.31-bit
- часть остаётся около 2.06-bit
- при том же размере ошибка получается ниже
Результаты против BF16:
- MCP Atlas: 83.7 → 83.2
- SWE-Bench multi: 82.9 → 81.3
- MRCR: 81.3 → 81.1
- IFBench: 73.5 → 72.5
То есть модель стала примерно в 7,5 раза меньше, а качество на тестах изменилось совсем немного.
GGUF:
https://huggingface.co/AngelSlim/Hy4-preview-GGUF
🔥 GLM-5.3 стал open-weight
Z.ai открыла веса своей самой сильной модели для agentic coding и defensive cybersecurity.
Теперь GLM-5.3 можно:
- скачать
- запускать локально
- дообучать и кастомизировать под свои задачи
Это полноценный релиз весов, а не просто доступ через API, так что разработчики и исследователи смогут разбирать модель глубже и использовать её в своих пайплайнах.
Weights:
https://huggingface.co/zai-org/GLM-5.3
Tech blog:
https://z.ai/blog/glm-5.3
🔥 Google выпустила Gemini Omni 1.1 Flash для генерации и редактирования видео
Главные возможности:
- продление сцены до 40 секунд с учётом предыдущих 10 секунд видео
- генерация плавного перехода между первым и последним кадром
- черновики в 360p - до 60% быстрее и примерно в 3 раза дешевле 720p
- апскейл готового видео до 1080p и 4K
- можно использовать до 3 секунд видео как референс для движения и сохранения персонажей
- доступ через Gemini API и Google AI Studio
Модель уже интегрируют Adobe Firefly, Figma Weave и Runway.
https://blog.google/innovation-and-ai/technology/developers-tools/build-with-gemini-omni-1-1-flash/
🔥 Soup - дообучение LLM одной командой
Проект упрощает fine-tuning и post-training моделей до схемы: один YAML-конфиг → одна команда.
Самое интересное:
- можно дообучать 8B-модель даже на ноутбуке с 4 ГБ VRAM
- layer streaming подаёт слои модели на GPU по одному
- работает с QLoRA и локальными GPU
- автоматически подбирает batch size, устройство и квантование
- есть DPO, ORPO, SimPO и KTO
- без SSH и отдельной облачной инфраструктуры
На RTX 3050 Laptop 4 GB авторы запускали Llama 3.1 8B Instruct с пиковым потреблением около 3,32 ГБ VRAM.
https://github.com/MakazhanAlpamys/Soup
Реформа вузов: 6 лет или 2,5 года — выбор высшего образования для выпускников колледжей!
С 1 сентября 2026 года стартует новая модель: базовое образование от 4 до 6 лет. Ускоренные программы — под вопросом. Перезачет дисциплин — в зоне риска.
Альтернатива — Университет IThub. Программа для выпускников колледжей и вузов длится 2,5 года вместо 4–6 лет.
Как это работает:
✅ Перезачет дисциплин — без повторения базы.
✅ Реальные проекты для бизнеса (Т2, Альфа-Банк, Ингосстрах и еще 100+ компаний).
✅ Гибридный формат: 2–3 вечерних онлайн-занятия + очный день по выходным.
✅ Центр карьеры — стажировка и оффер до выпуска.
На выбор: ИТ, кибербезопасность, управление бизнесом и др.
Поступление — до 20 сентября. Вступительные онлайн.
Стоимость — от 415 000 руб./год. Рассрочка и кредит под 3%.
Сейчас — последнее окно, чтобы получить высшее образование без паузы в карьере и выиграть 3–4 года.
Подробности на сайте!
Реклама. АНО ПО "ИТ ХАБ". ИНН 9709063913. erid: 2W5zFH4i7Rb
