Уже доступно! Исследование Telegram 2025 — ключевые инсайты года 
Data Secrets
Открыть в Telegram
Главный по машинному обучению Сотрудничество: @veron_28 РКН: clck.ru/3FY3GN
Больше📈 Аналитический обзор Telegram-канала Data Secrets
Канал Data Secrets (@data_secrets) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 90 827 подписчиков, занимая 1 405 место в категории Технологии и приложения и 6 193 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 90 827 подписчиков.
Согласно последним данным от 30 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило 572, а за последние 24 часа — 8, при этом общий охват остаётся высоким.
- Статус верификации: Верифицирован (официально подтверждён Telegram)
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 26.18%. В первые 24 часа после публикации контент обычно набирает 19.14% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 23 775 просмотров. В течение первых суток публикация набирает 17 377 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 311.
- 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 01 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.
90 827
Подписчики
+824 часа
+1957 дней
+57230 день
Архив постов
90 828
+2
OpenMythos: известный инженер и создатель Swarms воссоздал предполагаемую архитектуру Claude Mythos и набрал уже 3.3к звезд на GitHub
https://github.com/kyegomez/OpenMythos
Дисклеймер: это именно предполагаемая архитекутра. Никаких сливов вокруг модели (вроде как) не было, а это – просто реализация гипотезы, основанной на открытых данных, статьях и мнениях авторитетных граждан соцсетей.
Автор утверждает, что модель построена на архитектуре Recurrent‑Depth Transformer (RDT) с MoE‑роутингом и адаптивным вычислением. Модель делится на три крупных блока:
1. Prelude – обычные слои трансформера, к которым мы привыкли в современных моделях. Они работают ровно один раз, обрабатывают входные данные и инициализируют скрытые состояния.
2. Recurrent Block. Вот тут уже начинается новизна. Это один и тот же блок слоев, который применяется по кругу N раз. То есть в такой модели глубина нейросети получается не за счет множества разных слоев, а за счет многократного прохождения одного блока. Надо сказать, что на каждом шаге еще учитываются LoRA‑адаптеры по глубине, так что каждый шаг цикла вычислительно уникальный, хотя базовые веса одни и те же.
3. Coda – заключительные слои, которые работают еще один раз после цикла, чтобы сформировать финальные логиты.
Это идея так называемого рекуррентного рассуждения в латентном пространстве. Мы уходим от привычного ризонинга chain‑of‑thought в токен‑пространстве к гибкому ризонингу в скрытых слоях. Если нужно думать дольше, модель не генерирует больше токенов, а наращивает количество внутренних прогонов, уточняя ответ.
Красивая гипотеза, конечно. Верить ей или нет, решать вам.
Весь код можно покрутить вот здесь. В исходной имплементации в модели всего 770M параметров, но другие разработчики уже начинают скейлить идею и проверять архитектуру на более крупных моделях. Интересно, что из этого выйдет.
90 828
«Сделано с ИИ»: Яндекс Практикум запускает премию для джунов и мидлов, которые используют нейросети в проектах
Яндекс Практикум открыл прием заявок на премию для специалистов с опытом до 5 лет, которые уже применяют нейросети в рабочих задачах так, чтобы они приносили измеримый результат для продукта или бизнеса.
Будет две основные номинации. В техно-продуктовой — проекты, где ИИ влияет на метрики: ускоряет процессы, снижает затраты или улучшает продукт. В креативной — кейсы с нестандартным использованием нейросетей, где они определяют формат и логику решения. Отдельно отметят участников в каждой номинации с опытом до двух лет— для них предусмотрен спецприз «Будущее за ним».
Из интересного: в Практикуме говорят, что спрос на ИИ-навыки уже хорошо виден по рынку. Например, популярность курсов по «Нейросети для…» разных задач за 2025 год выросла в 17 раз. То есть кейсы «сделано с ИИ» потенциально могут стать новой нормой рабочих процессов.
Победители получат до 500 тыс. рублей, гранты от Yandex AI Studio и другие призы.
Узнать подробнее и подать заявку
90 828
Исследователь из Google написал статью о том, почему ИИ никогда не сможет обладать сознанием
Он утверждает, что ни при какой мощности моделей, ни через 10, ни через 100 лет, в них не сможет зародиться сознание. ИИ может только идеально имитировать сознание.
Причина – в логической ошибке, которую автор обозвал Abstraction Fallacy (ошибка абстракции). Сейчас, в основном, считается, что если система ведет себя разумно, значит при достаточной сложности она может стать сознательной. Но это заблуждение, и вот краткий пересказ, почему ⬇️
Дело в том, что сознание – это физическое явление, а вычисления (ИИ) – это лишь его описание. В статье приводится хорошая аналогия с картой и реальными территориями. Сколь бы точка не была карта, из нее никогда не возникнет земли.
Вычисления работают так: есть физическое состояние (ток, напряжение, состояние транзистора и тд) и есть абстрактное состояние – смыслы, которые мы закладываем в вычисления. Человек (mapmaker) задает между этими двумя состояниями соответствие (mapping), которого не существует в природе самого по себе.
Без этого соответствия вычисления невозможны в принципе. То есть для ИИ смысл всегда приходит извне, система его не переживает, как реальный опыт. Компьютер, сколь бы "умным" он не был, не оперирует смыслами – он оперирует физикой, которую мы интерпретируем как смыслы.
Ждать сознания от алгоритма – все равно что ждать, что формула гравитации начнет притягивать объекты.Наконец-то кто-то это сформулировал deepmind.google/research/publications/231971/
90 828
Агентство национальной безопасности США использует Claude Mythos, несмотря на то, что Пентагон отменил Anthropic для гос. учреждений
Как вы помните, Anthropic уже пару месяцев как обладает статусом supply chain risk. Это значит, что все федеральные агентства должны были прекратить использовать их технологии.
Пентагон, кстати, продолжает судиться со стартапом. Но сейчас не про это.
Тут вскрылось, что NSA (National Security Agency) не просто не отказываются от продуктов Anthropic, но и активно используют новейший Claude Mythos Preview 😧
Источники сообщают, что NSA стала одной из 40 организаций, которым Anthropic предоставила ограниченный доступ к этой модели. Название агентства не было включено в публичный список, но в неофициальных условиях оно там есть.
Модель используется для поиска уязвимостей. Конечно, если откинуть контекст, использовать ее в госсекторе критически важно. По словам СМИ это делает не только NSA, но и другие госструктуры.
Вот только ирония в том, что Anthropic попала в черный список как раз из-за «угрозы национальной безопасности»
90 828
В Пекине прошел полумарафон для роботов-гуманоидов. Лучший результат оказался быстрее человеческого рекорда.
Робот Lightning от Honor пробежал дистанцию за 50 минут 26 секунд. Действующий человеческий мировой рекорд составляет 56 минут 42 секунды.
В этом году в марафоне участвовало более 300 роботов (в 5 раз больше, чем в 2025). Были две категории: автономные роботы и управляемые. Победитель, обратите внимание, работал в автономном режиме.
Когда там уже робо-олимпиада?
90 828
В OpenAI опять потери: из компании уходит Кевин Вейл и еще два лидера
Кевин был вице-президентом OpenAI по научным исследованиям и бывшим главным продуктовым директором. Вы его точно знаете, он постоянно появлялся на стримах и очень часто светился в Твиттере.
В последнее время он возглавлял инициативу OpenAI for Science, но компания решила свернуть побочные проекты и эту команду интегрировали в другие подразделения. Видимо, это и послужило причиной ухода.
Одновременно с Кевином стартап также покидает Билл Пиблз, глава подразделения Sora (ну тут понятно почему), и Сринивас Нараян, CTO по enterprise-приложениям.
90 828
OpenAI выпустили GPT-Rosalind – свою AlphaFold
Это модель для исследований в области естественных наук: разработка лекарств, биология, химия, геномика и тд. Название отсылает к Розалинд Франклин, чьи исследования помогли установить структуру ДНК.
Модель специально затюнена под домен и предназначена для ускорения исследований:
Разработка нового лекарства в США занимает в среднем 10-15 лет. Прогресс замедляется из-за сложности научных задач и разрозненных, трудоемких рабочих процессов. Мы верим, что ИИ может ускорить эти этапы, помогая анализировать данные, находить скрытые связи и формировать более точные гипотезы. В перспективе это позволит быстрее достигать прорывных открытий и повышать вероятность успеха в области естественных наук.Пока модель в превью и доступна только избранным enterprise-клиентам. В основном это крупный биотех. https://openai.com/index/introducing-gpt-rosalind/
90 828
Вся ваша вечерняя новостная лента в одном скрине
Opus 4.7 – это нечто. Он прекрасен, это другой взгляд на все привычное, что у нас было. Новый стандарт, несомненный знак новой эры. (Я его еще не попробовал)
90 828
Anthropic предложили автоматизировать элаймент моделей с помощью других моделей
TL;DR: схема следующая -> AI проверяет AI, который проверяет AI.
Anthropic начали исследовать, можно ли поручить элаймент самим моделям. Они утверждают, что скоро люди уже не смогут полноценно проверять ИИ на предмет опасности: слишком быстрое развитие и слишком широкий перебор.
Здесь рисерчеры специально сделали модель с изюминкой (вшили в нее скрытые опасные мотивы) и дали AI-агенту задачу исследовать ее на опасность. Ну и дальше он генерирует гипотезы, проводит тесты и ищет странное поведение.
Конечно, ту появляется опасность саботажа: например, агент может только притвориться, что тестирует подопытного, а на самом деле подтасовывать результаты.
Поэтому добавляется третий агент-наблюдатель, который следит за агентом-исследователем и проверяет его. В целом, так можно было добавлять агентов до бесконечности, но Anthropic решили остановиться на трех 😐
Исследователи сами признаются, что контролировать такой процесс довольно сложно, но в их случае агент действительно справился, провел полноценный аудит и обнаружил дефекты в большинстве запусков, обогнав даже людей.
Так что в перспективе это может быть рабочий подход. Элаймент может буквально выродиться в иерархию агентов, постоянно проверяющих друг друга.
https://www.anthropic.com/research/automated-alignment-researchers
90 828
Как вывести ваши научные исследования на новый уровень с ИИ
Если вы занимаетесь наукой – сейчас крайне важно научиться применять AI к своей задаче и встраивать его в исследовательский процесс.Сегодня ИИ становится ключевым фактором, который определяет уровень и скорость научных исследований: он помогает находить закономерности в сложных данных, ускорять эксперименты и получать результаты, которые раньше были недостижимы.
В ШАДе как раз стартовал набор на направление «ИИ в естественно-научных исследованиях». Это очная программа на 2 года в Москве, где дают базу по ML, но при этом не уводят в абстракцию: ключевая идея в том, что вы развиваете собственный научный проект, пробуя применять ИИ к своей задаче. Плюс – регулярные семинары и обсуждения с людьми из индустрии и академии.
Из требований: нужен свой исследовательский проект, понимание, как именно ИИ может его усилить, и научный руководитель (если нет степени). Смотрят на бэкграунд и публикации, но в целом это именно про внятную исследовательскую траекторию, а не только про формальные достижения.
Кому актуально – не пропустите, возможность редкая. Дедлайн подачи заяки – 3 мая, оставить заявку можно по ссылке
90 828
Дженсен Хуанг сказал, что США должны сотрудничать с Китаем, потому что те уже могут сделать свой собственный Claude Mythos
У Дваркеша Пателя вышло новое интервью с Дженсеном Хуангом. Советуем, кстати, посмотреть его полностью, там было много жарких интересных споров.
Основное, что подчеркивал Дженсен: гонка ИИ приобретает совсем другое значение, потому что Китай уже обладает достаточными вычислительными мощностями и энергетикой для обучения модели, аналогичной Claude Mythos. Поэтому США нельзя закрываться, и в то же время надо всеми силами удерживать технологическое лидерство.
Он сказал, что в текущей ситуации виноваты в первую очередь экспортные ограничения США. Ограничения поставок ускорили развитие китайского ИИ‑чипа и конкурентов вроде Huawei и SMIC. Вместо того, чтобы ослабить Китай, США своими ограничениями усилили его независимость.
В то же время в США аналогов Nvidia все еще нет, это иллюзия. Хуанг подчеркивает, что основной драйвер спроса на TPU и Trainium – это Anthropic. Дело в том, что на ранней стадии стартапа Amazon и Google вложились в Anthropic и получили сделки на компьют. Nvidia же инвестиций тогда не сделала, и Хуанг называет это упущением.
В итоге теперь Anthropic обязаны использовать TPU и Trainium, создавая на них искусственный спрос. Без такого крупного заказчика вся история с ASIC‑чипами была бы гораздо менее экономически обоснованной. По его словам, для США это плохо, потому что конкуренция должна строится на инноватике, а не на политике, и текущее положение подкашивает позиции Nvidia (а значит, и Америки) на мировом рынке.
90 828
Внезапно: новая Muse Spark от Meta демонстрирует самые высокие показатели evaluation awareness среди всех моделей
Она не просто понимает, что ее тестируют, но и называет имена тестирующих организаций (Apollo и METR) в своих цепочках мыслей, и обзывает сценарии тестирования «классическими ловушками» 😎
https://ai.meta.com/static-resource/muse-spark-safety-and-preparedness-report/
90 828
Google выпустили SOTA модель для генерации речи
Вышла Gemini 3.1 Flash TTS – новое поколение голосового движка в экосистеме Gemini.
Киллер-фича: суперточный контроль интонации. Возможно задавать стиль, темп, ударения и «атмосферу» речи через теги в тексте, почти как в режиссерских заметках для голоса.
Плюс модель может работать с многоголосием с сохранением стиля голоса каждого персонажа, так что ее можно использовать для озвучки целых фильмов.
Плюс скорость. По сравнению с более ранними TTS ускорение первого токена и общей задержки произошло на десятки процентов. Это уже близко к полноценным онлайн прод-сценариям.
Озвучка, переводы, ИИ-подкасты и голосовые агенты скоро выйдут на совсем новый уровень
blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-flash-tts/
90 828
GPT-5.4 Pro решила задачу Эрдеша номер 1196
Она была открыта с 1968, когда Эрдеш, Саркожи и Семереди поставили в своей работе вопрос о плотности так называемых примитивных множеств.
Джаред Дьюкер Лихтман – математик, который получил доказательство – сам работал над этой проблемой 7 лет. GPT-5.4 Pro же понадобилось 80 минут, чтобы собрать доказательство структурно, и еще 30 минут, чтобы перевести его в латех.
Самое интересное, что подход модели оказался крайне неовидным. В центре оказалась новая вероятностная точка зрения. Модель предложила рассматривать элементы примитивного множества через цепи Маркова, тогда как в прежней литературе использовали в основном жесткие аналитические оценки и комбинаторные разбиения.
Решение называют первым "Book proof" от ИИ (= красивое изящное доказательство, которое войдет в учебники) и даже сравнивают с ходом 37 AlphaGo в партии против Ли Седоля. Система тогда сделала крайне нестандартный ход, который эксперты сначала даже сочли ошибкой, но в итоге именно он перевернул ход партии. История, как видите, повторяется.
Вот что говорит по этому поводу Теренс Тао:
Я бы сказал, что это ИИ-сгенерированное доказательство невольно выявило более глубокую связь между двумя областями математики – структурой целых чисел и теорией марковских процессов – чем это ранее было явно представлено в литературе (хотя задним числом там можно найти намеки и предшествующие идеи). Это может оказаться существенным вкладом в понимание природы целых чисел, выходящим далеко за рамки решения этой конкретной задачи Эрдеша.https://www.erdosproblems.com/forum/thread/1196
90 828
Освоить создание ИИ-агентов теперь можно в «Академии Yandex AI Studio» — бесплатно и с практикой.
Если смотреть с позиции Big Data, речь про следующий слой работы с данными: не только про хранение и обработку, но и автоматизацию аналитики и процессов через AI-агентов. Обучение построено на практике — лабораторные проходят в dev-консоли и опираются на типовые сценарии: отчётность, исследования, работа с документами.
Порог входа низкий: базовые решения можно собрать без кода, а дальше — углубляться в более сложные сценарии. Для этого есть «кукбуки» с пошаговой логикой (например, мониторинг новостей или суммаризация встреч), которые можно адаптировать под свои пайплайны и источники данных.
Дополнительно в курсах разбираются вопросы оценки эффективности ИИ-продуктов, создания голосовых агентов и многое другое.
Фактически это движение к data-driven automation: когда поверх DWH и пайплайнов появляется слой AI-агентов, работающих с данными напрямую, при этом снижается порог входа в такие проекты для бизнеса.
Подробнее в статье.
90 828
Обувная компания Allbirds решила переквалифицироваться в… провайдера GPU
На обувном рынке они зарабатывали мало и не смогли выстроить стабильный прибыльный бизнес. У них росли убытки, падал спрос, сокращали магазины, и бренд постепенно утратил модный статус.
Короче, все шло к банкротству. Но на дворе 2026, и вместо того, чтобы банкротиться можно превратиться в ИИ-стартап 👍
В общем, теперь они распродают активы и привлекают 50 миллионов долларов на закупку GPU, которые планируют сдавать в аренду.
После новостей цена акций Allbirds взлетела уже на 350+ процентов.
90 828
NVIDIA выпустила первые в мире открытые ИИ-модели для квантовых вычислений
Семейство называется Ising, в честь математической модели, которая упростила описание сложных физических систем. Задача та же: закрыть два самых болезненных места в квантовых компьютерах – калибровку процессора и коррекцию ошибок.
По цифрам: Ising Decoding работает в 2.5 раза быстрее и в 3 раза точнее, чем pyMatching (нынешний стандарт). Ising Calibration сокращает время калибровки с дней до часов.
Модели открытые, можно запустить локально, интегрируются с CUDA-Q и аппаратным интерконнектом NVQLink. Уже доступны на Hugging Face.
https://nvidianews.nvidia.com/news/nvidia-launches-ising-the-worlds-first-open-ai-models-to-accelerate-the-path-to-useful-quantum-computers
90 828
Дата-инженер, пора на прокачку
Если хотите в 2026 не просто “поддерживать пайплайны”, а лучше понимать архитектуру, ускорять разработку и принимать более сильные технические решения — регистрируйтесь на серию вебинаров от команды Дата-сервисов VK Tech.
🦾 В одной серии — сразу 3 практических вебинара:
20 апреля — ClickHouse в 2026: сценарии, сильные стороны, лучшие практики
20 мая — Наш опыт построения Lakehouse: ошибки и выводы 2025
10 июня — Вайбкодинг в data engineering: как ускоряться, не ломая прод
🏆 Кому будет полезно:
Дата-инженерам, senior-аналитикам, архитекторам данных, руководителям дата-платформ и всем, кто строит или развивает контур аналитики, BI и ML.
💪 В чем можно прокачаться:
— понять, где ClickHouse реально силен, а где его не стоит ставить “по умолчанию”
— разобраться, как грамотно использовать ClickHouse в DWH и Lakehouse-архитектуре
— увидеть типовые ошибки при построении Lakehouse и не повторять их у себя
— лучше понять связку S3 + Iceberg + Trino / Spark / ClickHouse
— разобраться, где ИИ помогает в data engineering, а где создает риск для качества и прода
— ускорить разработку SQL, ETL/ELT и витрин без потери контроля
💸💸💸 Дополнительный мотив зарегистрироваться:
Получить бонусные рубли для тестирования ClickHouse и Lakehouse в VK Cloud.
📢 Спикер:
Алексей Белозерский, руководитель профессионального сервиса VK Data Platform, VK Tech.
Ведет Telegram-канал «Архитектор Данных» — там про архитектуру данных, внедрение ИИ, аналитику. Подписаться на канал Алексея.
✍️ Зарегистрироваться на вебинары:
ClickHouse
Lakehouse
Вайбкодинг
Подписаться, чтобы не пропускать новые материалы и анонсы:
👉 Данные на стероидах — Telegram-канал команды Дата сервисы VK Tech о практиках и подходах для извлечения максимальной пользы из работы с данными. Подписаться на канал.
