Data Secrets
Открыть в Telegram
Главный по машинному обучению Сотрудничество: @veron_28 РКН: clck.ru/3FY3GN
Больше
Сеть:📈 Аналитический обзор Telegram-канала Data Secrets
Канал Data Secrets (@data_secrets) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 91 455 подписчиков, занимая 1 354 место в категории Технологии и приложения и 6 160 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 91 455 подписчиков.
Согласно последним данным от 18 июля, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило 925, а за последние 24 часа — 2, при этом общий охват остаётся высоким.
- Статус верификации: Верифицирован (официально подтверждён Telegram)
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 24.70%. В первые 24 часа после публикации контент обычно набирает 18.18% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 22 586 просмотров. В течение первых суток публикация набирает 16 627 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 272.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как claude, openai, контекст, стартап, llm.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“Главный по машинному обучению
Сотрудничество: @veron_28
РКН: clck.ru/3FY3GN”
Благодаря высокой частоте обновлений (последние данные получены 19 июля, 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.
91 455
Подписчики
+224 часа
+2787 дней
+92530 день
Загрузка данных...
Похожие каналы
![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dx&w=256&q=75)
Облако тегов
Входящие и исходящие упоминания
---
---
---
---
---
---
Привлечение подписчиков
июль '26
июль '26
+924
в 48 каналах
июнь '26
+1 107
в 51 каналах
Get PRO
май '26
+1 132
в 49 каналах
Get PRO
апрель '26
+1 476
в 64 каналах
Get PRO
март '26
+1 511
в 52 каналах
Get PRO
февраль '26
+1 399
в 53 каналах
Get PRO
январь '26
+9 474
в 66 каналах
Get PRO
декабрь '25
+1 015
в 67 каналах
Get PRO
ноябрь '25
+1 050
в 59 каналах
Get PRO
октябрь '25
+1 226
в 58 каналах
Get PRO
сентябрь '25
+973
в 61 каналах
Get PRO
август '25
+1 178
в 68 каналах
Get PRO
июль '25
+5 861
в 74 каналах
Get PRO
июнь '25
+2 488
в 82 каналах
Get PRO
май '25
+10 800
в 256 каналах
Get PRO
апрель '25
+2 268
в 63 каналах
Get PRO
март '25
+1 338
в 55 каналах
Get PRO
февраль '25
+7 395
в 99 каналах
Get PRO
январь '25
+4 005
в 183 каналах
Get PRO
декабрь '24
+1 556
в 35 каналах
Get PRO
ноябрь '24
+7 029
в 216 каналах
Get PRO
октябрь '24
+993
в 32 каналах
Get PRO
сентябрь '24
+3 026
в 44 каналах
Get PRO
август '24
+640
в 33 каналах
Get PRO
июль '24
+759
в 29 каналах
Get PRO
июнь '24
+3 375
в 147 каналах
Get PRO
май '24
+2 725
в 23 каналах
Get PRO
апрель '24
+2 155
в 73 каналах
Get PRO
март '24
+533
в 13 каналах
Get PRO
февраль '24
+1 236
в 12 каналах
Get PRO
январь '24
+709
в 10 каналах
Get PRO
декабрь '23
+1 784
в 18 каналах
Get PRO
ноябрь '23
+2 145
в 45 каналах
Get PRO
октябрь '23
+551
в 8 каналах
Get PRO
сентябрь '23
+437
в 0 каналах
Get PRO
август '23
+306
в 0 каналах
Get PRO
июль '23
+417
в 0 каналах
Get PRO
июнь '23
+6 441
в 0 каналах
Get PRO
май '23
+1 723
в 0 каналах
Get PRO
апрель '23
+1 106
в 0 каналах
Get PRO
март '23
+95
в 0 каналах
Get PRO
февраль '23
+180
в 0 каналах
Get PRO
январь '23
+741
в 0 каналах
Get PRO
декабрь '22
+1 334
в 0 каналах
Get PRO
ноябрь '22
+5 294
в 0 каналах
Get PRO
октябрь '22
+2 911
в 0 каналах
| Дата | Привлечение подписчиков | Упоминания | Каналы | |
| 19 июля | +21 | |||
| 18 июля | +31 | |||
| 17 июля | +145 | |||
| 16 июля | +54 | |||
| 15 июля | +40 | |||
| 14 июля | +27 | |||
| 13 июля | +31 | |||
| 12 июля | +39 | |||
| 11 июля | +20 | |||
| 10 июля | +49 | |||
| 09 июля | +59 | |||
| 08 июля | +73 | |||
| 07 июля | +74 | |||
| 06 июля | +29 | |||
| 05 июля | +31 | |||
| 04 июля | +38 | |||
| 03 июля | +40 | |||
| 02 июля | +73 | |||
| 01 июля | +50 |
Посты канала
+1
Т-Технологии выпустили опенсорс-модель T-Search
Сегодня команда Data Secrets посещает ML Conf. Послушали доклад Анатолия Потапова, руководителя группы фундаментальных технологий LLM в Центре искусственного интеллекта Т-Банка, где как раз презентовали модель.
T-Search это первая открытая русскоязычная модель для Agentic RAG, заточенная на многошаговый поиск для бизнеса.
В отличие от классического RAG с одним запросом, T-Search – агент-ретривер: внутри ReAct-цикл с тремя инструментами – search_corpus, save_and_advance (сохранение чанков, новый раунд) и finalize_ranking (финальный ранжированный список). Ответ модель не генерирует, только отдает evidence-чанки, генерацию берет на себя любая LLM. Это сокращает стоимость инференса на 20–50%.
Агент работает раундами: внутри раунда каждого вот такой ReAct-loop с бюджетом ~32K токенов; при заполнении 75% окна поиск блокируется, и агент либо сохраняет память и переходит в новый раунд, либо финализирует результат. Между раундами передается не вся история вызовов, а сжатое состояние поиска, так контекст остается в разумных пределах даже при глубоком поиске.
Бюджетом поиска можно управлять гибко: один быстрый прогон или несколько параллельных роллаутов с RRF-объединением.
Модель построена на Qwen3.6-35B-A3B, для запуска хватает одной H100. По recall T-Search обходит более крупные открытые модели, включая Qwen3.5-397B, GLM-5.2 и Kimi-K2.6. Вместе с ней выложили два бенчмарка: собранный вручную русскоязычный TRuST и синтетический SynthComp.
Модель уже опубликована на Hugging Face под лицензией Apache 2.0
| 2 |  Fable 5 оставляют в подписке Max навсегда
На Pro пока привилегия не распространяется, их переводят на использование по кредитам. | 15 710 |
| 3 |  Hugging Face × alphaXiv запустили крутой челлендж
В качестве задачи разработчикам и исследователям предлагают взять любую интересующую научную работу и попытаться воспроизвести ее ключевые результаты с помощью агентов.
Цель проекта – создать публичную базу проверок научных работ, чтобы сделать их более прозрачными и воспроизводимыми. Особенно учитывая, что около 70% работ в ИИ не воспроизводятся.
Из приятного: организаторы предлагают GPU-кредиты на 4000$ + отдельные призы от OpenResearch. А сам челлендж закончится 2 августа, так что не упустите возможность поучаствовать. | 15 111 |
| 4 |  Тем временем разработчики из Moonshot уже намекают на Kimi K3.1, которая будет ближе или лучше Fable и Sol
Держитесь, Альтманы и Амодеи | 18 071 |
| 5 |  40% компаний в России уже используют ИИ — и специалистов, которые умеют его создавать, а не только применять, не хватает катастрофически.
В ИТМО не одна программа, а целая линейка:
🔹 Фундаментальные — глубокое обучение, LLM, генеративный ИИ
🔹 Прикладные — ИИ в финтехе, в промышленности, речевые технологии
🔹 Продуктовые — как выводить ИИ-решения на рынок
🔹 Онлайн-программы — по индивидуальному плану, без отрыва от работы
Плюс — безопасность ИИ-систем, если хочется защищать нейросети, а не только строить.
Бюджетные места, стажировки с первого семестра, поступление по портфолио или экзаменам — вариантов много.
Все программы по ИИ можно найти здесь.
Реклама. Университет ИТМО ИНН:7813045547 | 16 086 |
| 6 |  Список обещаний Илона Маска пополнился: он пообещал сделать X полностью опенсорсным
Речь не о рекомендательном или каком-то отдельном алгоритме, он имеет в виду буквально X целиком.
Кроме того, мы пригласим независимых экспертов для проверки системы, которая сейчас работает, чтобы подтвердить, что открытый исходный код соответствует тому, что действительно запущено.
Доверие через полную прозрачность – это единственное, чему стоит верить. | 17 060 |
| 7 |  В Шэньчжэне стартовал первый в мире MMA чемпионат среди роботов – Ultimate Robot Knock-out Legeng
Выглядит достаточно эпично. Главный приз – полтора миллиона долларов, кстати. | 52 605 |
| 8 | 🔥 Три разных человека. Три разных проекта. Один и тот же подход.
— Юра взял «скучную» нишу с готовым спросом → сначала печальные $100/мес, через год уже ~$10K/мес
— Денис сделал Telegram-игру в одиночку на основе AI → ~ $1500 за 1,5 месяца после запуска
— Аня без кода запустила AI-бота для изучения английского → первые ~$200 уже в 1 месяц
Разные результаты. Разный масштаб. Но общие правила:
1. не придумывать «гениальную идею», а брать существующий спрос
2. делать простой MVP и быстро запускаться
3. докручивать монетизацию и продукт по факту использования
Ребята сделали всё без команды, без инвестиций, а самое главное — без ожидания «идеального момента». Да, не у всех получается сразу. И не у всех выходит на $10K. Но если системно идти по схеме выше — появляется первый доход с продукта, а дальше уже есть что масштабировать.
В комьюнити разбираем такие кейсы регулярно: @its_capitan. Что сработало, что нет, и почему.
Реклама: ИП Зуев Игорь Владимирович, ИНН: 360408359441, Erid: 2VtzqukSh1k | 17 000 |
| 9 |  +2Про Kimi K3. В итоге модель уверенно бьет Opus 4.8, но до Fable и Sol дотягивает далеко не везде. Так или иначе, это новая открытая SOTA, и она как никогда близка к закрытым лидерам.
Из интересного также первое место на Frontend Code Arena, с достаточно большим отрывом от Fable и Sol.
А еще, помните то видео, которое Moonshot выпускали как тизер? Так вот его из 56 сырых видео полностью смонтировала сама K3. | 18 847 |
| 10 |  Kimi K3 здесь
2.8T параметров, 1М контекста. Официальных бенчмарков пока нет, но вроде как модель бьет Fable и Sol на BrowseCamp и выходит на 3 место на GDPval. | 19 696 |
| 11 |  +2Внезапно выяснилось, что сегодня в США празднуют Национальный День Искусственного Интеллекта
О как
IMB поздравили оригинально | 19 020 |
| 12 |  OpenAI выпустили миниатюрную клавиатуру специально под Codex
https://openai.com/supply/co-lab/work-louder/
Есть клавиши принять, отклонить, включить push-to-talk, начать новый чат и многое другое. Джойстик в углу отвечает за мгновенный запуск типичных сценариев типа отладки, ревью и рефакторинга. А в другом углу – это регулятор уровня рассуждений. | 18 819 |
| 13 |  Сертификат ответственной разработки ISO/IEC 42001 добрался до всей линейки Alice AI: что вообще можно проверять в нейросети
По ISO/IEC 42001 оценивают не саму модель, а процессы ее создания и внедрения. Хороший повод разобрать механику на примере генеративных моделей Яндекса – Alice AI VLM и Alice AI ART, которые прошли такой аудит вслед за языковой моделью, сертифицированной год назад. Аудиторов интересуют процессы: пайплайн данных от происхождения до ограничений использования, документация по целям и сценариям применения моделей, процедуры оценки правовых ограничений, мониторинг аномалий. Логика та же, что у ISO 27001 в инфобезе: стандарт не гарантирует, что модель никогда не ошибется, – он подтверждает, что весь жизненный цикл устроен по воспроизводимым и проверяемым процедурам.
Получить такой сертификат непросто: аудит требует раскрыть всю внутреннюю кухню разработки – от подготовки данных до обучения сотрудников. Далеко не каждая компания готова к такому уровню прозрачности. Среди тех, кто на это пошел, – Amazon, Anthropic, Microsoft и теперь Яндекс. | 18 062 |
| 14 |  Moonshot анонсировали Kimi K3
По слухам модель будет на уровне Fable | 18 330 |
| 15 |  SpaceXAI выложили исходный код своего агента Grok Build
Непонятно, было ли это решение запланированным, или на него повлиял недавний скандал с утечками целых репозиториев пользователей, но факт остается фактом: https://github.com/xai-org/grok-build.
В качестве бонуса сбросили лимиты всем пользователям.
По поводу утечек, к слову, ситуацию объяснили так:
С момента запуска пользователи всегда могли отключить загрузку данных в CLI, и этот выбор соблюдался. Однако в раннем бета-тестировании сохранение данных было включено по умолчанию для не-ZDR пользователей — по вашим отзывам мы это изменили. С 12 июля сохранение данных по умолчанию отключено для всех пользователей, а все ранее сохраненные данные удалены. | 17 960 |
| 16 | Первая модель от Миры Мурати уже доступна в нашем API-сервисе DS Lab
Теперь попробовать модель можно без VPN и иностранной карты. Цены:
– Основная модель:187р/1М input, 468р/1М output. https://dslab.tech/ai/models/llm/inkling
– С расширенным контекстным окном: 374р/1М input, 936р/1М output. https://dslab.tech/ai/models/llm/inkling-256k | 18 325 |
| 17 |  +2Стартап Миры Мурати релизнул свою первую модель Inkling
И сразу – в опенсорс. И сразу – огромную, на 975 миллиардов параметров (MoE 41B активных).
https://thinkingmachines.ai/news/introducing-inkling/ | 19 191 |
| 18 |  +1Впервые в истории люди оказываются дешевле софта
Аналитики из a16z свели данные по затратам на ИИ в компаниях и нарисовали вот такие интересные картинки. Если кратко, они посчитали, что в топ-1% компаниях распределения расходы на ИИ-токены в расчете на одного сотрудника практически сравнялись с средней годовой зарплатой инженера.
При этом за последнее время рост был экспоненциальным, так что при таком векторе развития к концу года инженеры уже будут сильно проигрывать LLMкам в зарплате. Забавно, правда? Нам-то обещали, что будет наоборот.
И это речь только про явные затраты. Если копнуть глубже, то оказывается, что помимо затрат на токены ИИ также генерирует множество новых рабочих мест: второй график показывает, что компании с высокой интенсивностью использования ИИ за 2 года после внедрения нарастили штат на +10,2%, тогда как компании с низкими расходами на ИИ остались практически на месте, штат почти не изменился. (Но это всего лишь корреляция, которая может объясняться и другими факторами.)
www.a16z.news/p/the-next-ai-goldrush-tokens-loops | 21 556 |
| 19 |  Fable 5 – новый Sunlight
* На Polymarket даже появилось голосование за то, продлят ли снова доступ к Fable 9 июля. Пока вероятность – примерно 40% 😏 | 19 583 |
| 20 |  +1Стартап PrismML анонсировал самую крупную модель в мире для запуска на смартфоне
В представленной модели Bonsai 27 миллиардов параметров. Обычно на телефоне такую модель не запустишь: в сыром 16-bit она будет занимать примерно 54GB, и даже если сжать ее до 4-bit, все равно будет около 18GB. На смартфон не поместится.
Bonsai же, при своем внушительном размере, оптимизирован именно под локальный запуск. Модель основана на Qwen3.6-27B, но разрабочики использовали не обычное округление весов, а технику Quantization-Aware Training.
Это значит, что веса не обрубали, а учили постепенно адаптироваться к дискретным значениям. Технически, на прямом проходе веса округляются до дискретных значений, и модель считает предсказание уже с ними, как в финальной сжатой версии. Но на обратном проходе градиенты вычисляются так, будто округления не было, и это позволяет модели получать осмысленный сигнал для обновления весов, несмотря на то что сами веса дискретны. То есть модель как бы сама подбирает, как масштабировать свои веса наилучшим образом.
Собственно, благодаря такой инженерии, модель сохраняет свыше 89–95% качества полноразмерной версии, и при этом занимает в 9–14 раз меньше памяти (см метрики в таблице). Для обычного квантования, которое съедает львиную долю качества, это просто феноменальные цифры.
Есть тернарный вариант (веса −1, 0 или +1, занимает ~5.9GB) и классический 1-bit (3.9GB). Второй легко укладывается в iPhone 17 Pro. Оба варианта мультимодальные. Контекст 262K токенов. Опенсорс под лицензией Apache 2.0, вот веса: huggingface.co/collections/prism-ml/bonsai-27b.
Кстати, CEO PrismML заявил, что ведет переговоры с Apple по поводу использования технологии стартапа в их устройствах. | 19 189 |
