Machinelearning

Главный вопрос вокруг ИИ сегодня уже не «использовать или нет», а «как его интегрировать в процессы с максимальной пользой». При этом единых стандартов пока нет: каждая компания сама определяет, где ИИ действительно может приносить эффект. Яндекс анонсировал внутреннюю программу 75/75/75, которая должна сделать использование ИИ новым стандартом разработки. К концу 2026 года планируется, что регулярно применять ИИ при написании кода будут не менее 75% разработчиков, на уровне всей компании ИИ будет участвовать в подготовке не менее 75% изменений, а в каждом таком изменении — генерировать не менее 75% кода. При этом принятие важных решений и контроль качества остаются за разработчиками. Подход уже применяется в сервисах: команда Яндекс Еды с помощью ИИ сократила время разработки ИИ-хостес более чем в два раза, а в Яндекс Браузере с помощью ИИ за два дня вместо двух-трех недель было создано около 80% кода для новой архитектуры технологии в переводе видео. Помимо этого, компания создает собственных ИИ-агентов для внутренних процессов. Например, агент Стефания помогает сотрудникам с аналитикой и поиском информации во внутренней сети. Эти же принципы масштабируются и вовне через SourceCraft и Yandex AI Studio, которые дают возможность внедрять ИИ в процессы разработки и ускорять создание новых продуктов.

🔥 ChatGPT приближается к 1 млрд пользователей в неделю, но давление на OpenAI растёт По данным The Information: • цель достигнута на семь месяцев позже плана • у ChatGPT уже более 50 млн платных пользователей • enterprise приносит свыше 40% выручки • прогноз выручки на год - около $25 млрд • ожидаемый cash burn - примерно те же $25 млрд • Anthropic могла обогнать OpenAI по выручке благодаря корпоративным клиентам Миллиард пользователей - исторический масштаб. https://www.theinformation.com/articles/openais-chatgpt-nears-1-billion-weekly-active-users-seven-months-target

📌Mythos нашла математические слабости в криптографических алгоритмах Anthropic опубликовала отчёт подразделения Frontier Red Team. По его данным, Mythos улучшила атаку на постквантовую схему цифровой подписи HAWK и нашла новый способ атаковать упрощённую версию шифра AES.

HAWK - кандидат в новый стандарт. В 2022 году американский институт стандартов NIST объявил конкурс на подписи, устойчивые к будущим квантовым компьютерам - HAWK дошёл до третьего раунда, и специалисты разбирали его 2 года.

По утверждению Anthropic, Mythos за 60 часов обнаружила в математической решётке, на которой держится стойкость схемы, ранее незамеченную симметрию. Эффективная длина ключа сокращается вдвое - для варианта HAWK-256 оценка стоимости взлома падает с 2 в 64-й степени операций до 2 в 38-й. Атака остаётся экспоненциальной и на другие постквантовые кандидаты NIST не переносится, но чтобы вернуть прежний запас прочности, ключи HAWK пришлось бы удвоить, а тогда схема теряет свои главные преимущества. 🟡AES-128 Полная версия шифра делает 10 раундов преобразований, атака работает против урезанной, семираундовой (такие варианты криптографы изучают специально, чтобы оценивать надёжность целого шифра). Модель предложила метод, который назвала "мостом Мёбиуса" - он убирает один из перебираемых атакующим параметров и ускоряет лучшую известную атаку до 800 раз. 🟡Человек в тесты взлома почти не вмешивался В кейсе HAWK участвовал исследователь без специализации в решётчатой криптографии, и занимался он в основном организацией процесса. Атаку на AES модель нашла почти сама - сначала она от задачи отказывалась, написав, что "AES-128 r5/r6 трудная задача", и взялась за поиск только после нескольких подбадривающих сообщений. За 3 дня она выдала несколько сотен миллионов токенов, получив всего 3 подсказки.

Каждая из двух работ обошлась примерно в 100 тысяч долларов оплаты API.

В отчёте упомянуты и другие результаты - атаки на укороченные версии шифров LEA и Serpent-128, небольшие улучшения против Salsa20, Poseidon и SHA-1. Подробности компания обещает позже. Anthropic выложила статью и демонстрационный код атаки на HAWK, цепочку рассуждений Mythos в момент находки по AES и сообщила, что консультировалась с криптографами, передала находку авторам HAWK и синхронизировала раскрытие с публичной рассылкой NIST. Также, вместе с ETH Zurich, Тель-Авивским университетом и Университетом Хайфы Anthropic выпустила набор тестов CryptanalysisBench, чтобы криптоаналитические способности языковых моделей могли измерять и другие. @ai_machinelearning_big_data #AI #ML #Research #Cybersecurity #Mythos #Anthropic

🧠 Чем живёт ML-индустрия? Чтобы найти ответ на вопрос, разработчик из ML-инфраструктуры Яндекса Даша отправилась в Сеул на конференцию ICML — одну из главных мировых конференций по машинному обучению. На ней она вместе с коллегами представила свою статью об ускорении графовых нейронных сетей. В видео Даша рассказывает, о чём ее статья, как выглядят подобные ML-события и в чём ценность участия в них. ↘ Присоединяйтесь к команде Яндекса и решайте самые интересные задачи. Подписывайтесь 〰️ @yandex

✔️ OpenAI, Anthropic, Google и Microsoft обновили рекорды расходов на лоббирование В первой половине этого года ИИ-компании увеличили бюджеты на лоббирование в правительстве США. Бизнес пытается повлиять на правила строительства дата-центров, стандарты аудита своих моделей и смягчить нормативные ограничения. Расходы OpenAI выросли почти вдвое в годовом исчислении и составили $2,22 млн. Anthropic увеличила бюджет втрое - до $3,53 млн. Траты Google и Microsoft обновили максимумы с 2020 года, лоббистскую активность также нарастили Scale AI и Tencent. Компании продвигают разные подходы к регулированию. Anthropic настаивает на жестком контроле открытых моделей, тогда как Microsoft выступает против подобных ограничений. Google фокусируется на законах, закрепляющих технологическое лидерство США. ft.com ✔️ Amazon останавливает развитие моделей Nova AWS сворачивает разработку линейки Nova, представленной в декабре 2024 года. Заморозка коснется флагманских Premier и Omni, видеогенератора Reel и генератора изображений Canvas. Клиенты сохранят доступ к API в режиме базовой поддержки, но дальнейших обновлений весов не будет. Решение принято на фоне закрытия профильной лаборатории и увольнений в подразделении AGI. Высвободившиеся ресурсы перенаправлены в группу Frontier Model Research под руководством Питера Аббила, перешедшего в Amazon после покупки робототехнического стартапа Covariant. Команда Аббила работает над новой фундаментальной моделью, презентация которой запланирована на осень в рамках конференции re:Invent. businessinsider.com ✔️ Personal Computer от Perplexity пришёл на Windows ИИ-поисковик выпустил версию агента Personal Computer для Windows 10 и 11. Инструмент получил доступ к локальным файлам и установленному ПО для автономного выполнения задач. В мае Perplexity интегрировали агента в облачные версии Microsoft 365. Представленное десктопное приложение открывает доступ к корпоративным данным, которые хранятся локально и недоступны облачным сервисам. Теперь управление файлами на устройстве, Office 365 и веб-ресурсами происходит в едином окне. Инструмент развертывается для подписчиков тарифов Pro, Max и Enterprise. Перед выполнением критических действий система запрашивает подтверждение владельца ПК. PerplexityAI в сети Х ✔️ Экс-глава Uber запустил индустриальный ИИ-холдинг Atoms Робототехнический стартап Atoms Трэвиса Каланика привлек $1,7 млрд акционерного и заемного капитала. Лид-инвестором раунда выступил фонд a16z. Новая структура объединит предыдущий проект Каланика CloudKitchens и разработчика автономного транспорта Pronto, поглощенного в марте. Atoms будет выпускать аппаратно-программные ИИ-комплексы для горнодобывающей отрасли, строительства, тяжелых грузоперевозок и производства продуктов питания. Компания отказывается от создания универсальных роботов-гуманоидов в пользу узкоспециализированной автоматизации традиционной промышленности. По заявлению Бена Горовица из a16z, инвестиции направлены на разработку систем, способных полностью взять на себя задачи по созданию, перемещению и хранению физических объектов. atoms.co ✔️ Маркетплейсы биометрии в Китае продают права на внешность для генерации контента Китайские платформы запустили биржи прав на внешность реальных людей для генерации ИИ-видео. Основной потребитель - индустрия микросериалов. За право на использование лица пользователи получают от $15 до $700. Лицензирование биометрии снижает затраты продакшена на кастинг и рендеринг, решая проблему однообразия синтетических персонажей. В первом квартале 2026 года генерация применялись при создании 95% из 128 тысяч выпущенных в Китае микросериалов. Платформы называют такие маркетплейсы способом борьбы с нелегальными дипфейками. restofworld.org @ai_machinelearning_big_data #news #ai #ml

📌 Теренс Тао: в математике кризис из-за ИИ На Международном конгрессе математиков в Филадельфии Теренс Тао (медаль Филдса 2006 года) прочитал лекцию "Математика в эпоху ИИ".

Его тезис: сообщество входит в период, сопоставимый с кризисом оснований 1900-1930 годов, когда парадокс Рассела и теоремы Гёделя заставили математиков пересмотреть базовые допущения.

Только пересматривать теперь придётся не логику, а ценности и правила профессии. Публичные свидетельства о возможностях моделей Тао оценил сдержанно - собраны в основном вне контролируемых условий, подвержены смещению в отчётности и коммерческим стимулам, часть издержек и переменных не раскрывается. Исключением он считает проект First Proof - независимую проверку, где 28 мая 2026 года 4 системы получили 10 новых исследовательских задач, а решения рецензировали эксперты. По итогам 7 задач из 10 хотя бы одна из систем решила на уровне, пригодном для публикации. Стоимость вычислений составила от 10 до 1000 долларов на задачу. Тао разложил работу математика на 5 стадий: получение доказательства, его проверка, внятное изложение, принятие сообществом через публикацию, и наконец канонизация - попадание в учебники. ИИ хорошо справляется с первой стадией и заметно продвинулся на второй, остальные, по его словам, остаются человеческими и идут медленно. Отсюда переход от "дефицита к избытку" - доказательства копятся в очереди на проверку, проверенные ждут читаемого изложения, а рецензирование не справляется с потоком. Признаки этого видны уже сейчас. На сайте задач Эрдёша скопились десятки присланных ИИ доказательств, которые никто не взялся подтвердить, причём часть отправителей заявили, что сами не в состоянии их проверить.

Возможна ситуация, допускает Тао, когда формально верное доказательство важного результата не сможет объяснить ни один человек.

🟡Рекомендации Нормализовать открытое признание того, что при работе использовался ИИ - хуже всего скрытое применение из страха перед коллегами. Снизить престиж "решил первым" и поднять цену изложения, публикации и включения результата в общее знание. Если авторы не могут внятно, на экспертном уровне и с корректными ссылками рассказать о собственном результате, публиковать его не следует. Конгресс, который проходит раз в 4 года и вернулся в США впервые с 1986 года, работает до 30 июля.

Медали Филдса, самую престижную награду в математике, в этом году получили Дэн Юй, Джон Пардон, Джейкоб Цимерман и Ван Хун - за результаты, полученные без участия ИИ.

Презентацию лекции Тао выложил сам, запись обещана позже. @ai_machinelearning_big_data #news #ai #ml

🦾 Как развернуть модель машинного обучения через Docker Практика и ваши вопросы в прямом эфире Открытый урок курса «Машинное обучение. Экспертный уровень» 6 августа, 18:00 Для разработчиков, инженеров по данным, инженеров машинного обучения и MLOps, которые хотят полный цикл развертывания модели машинного обучения: от исследовательского кода до работающего контейнера с оркестрацией. На вебинаре мы пошагово разберём: - запуск и управление контейнерами, работа с их состоянием; - написание Dockerfile для модели с учётом зависимостей; - сборка образа и тестирование модели внутри контейнера; - построение многокомпонентной системы через docker-compose. Каждый шаг объясняется и демонстрируется в реальном времени. Вы увидите не только команды, но и логику принятия решений — как правильно структурировать контейнер, какие настройки важны для промышленного использования. ➡ Участвовать бесплатно https://tglink.io/a63131474758ce?erid=2W5zFJxYZCV Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

📈 AI-лихорадка в одном IPO: производитель памяти за день подорожал до $500 млрд Китайский производитель памяти CXMT вышел на биржу и в первый день акции взлетели примерно на 465%. Капитализация выросла с $85,5 млрд при IPO до почти $500 млрд, временно сделав компанию самой дорогой на биржах материкового Китая. CXMT выпускает DRAM для смартфонов, ПК и серверов. Инвесторы рассчитывают, что дефицит памяти и рост AI-инфраструктуры помогут компании приблизиться к Samsung, SK Hynix и Micron. Сейчас её долю мирового рынка оценивают примерно в 8%. Скачок усилила и механика размещения: в свободное обращение поступило лишь около 6,7% акций, поэтому ограниченное предложение резко разогнало цену. CXMT находится в санкционном списке Пентагона, но Apple, по данным FT, уже добивается разрешения на закупку её памяти. Производитель ОЗУ за один день становится дороже банков и IT-гигантов, состояние AI-рынка объяснять больше не нужно.

✔️ Андрей Карпати опроверг слухи о своем уходе из Anthropic Поводом для спекуляций стало внезапное исчезновение упоминания Anthropic из профиля в сети Х. Это породило тряску волну слухов о том, что сооснователь OpenAI покинул команду предварительного обучения всего через 68 дней после трудоустройства к разработчику Claude. Андрей объяснил пропажу статуса странной ошибкой платформы и подтвердил, что продолжает работать в Anthropic. @ai_machinelearning_big_data #news #ai #ml

Пока всё работает, о хорошей инженерной работе обычно не говорят. Именно поэтому в рамках IT Elements 2026 пройдет первая профессиональная премия «Инженерное искусство» — для тех, кто создает, защищает и развивает корпоративное ИТ и ИБ. 💙 Организаторы отмечают, что здесь не про громкие должности, а про реальные инженерные проекты, практические решения и вклад в устойчивость критически важных систем. Для кого эта премия: 🔹 архитекторы и системные инженеры; 🔹 специалисты по инфраструктуре, сетям и ИБ; 🔹 команды эксплуатации, SRE, SOC/NOC; 🔹 специалисты по резервированию и аварийному восстановлению; 🔹 руководители инженерных команд. Если за вашим проектом стоят решения, которые сделали ИТ и ИБ надежнее, устойчивее или безопаснее, расскажите о них профессиональному сообществу. ✨ Профессиональное признание начинается с истории, которой стоит поделиться. 📌 Прием заявок уже открыт.

✔️ В ChatGPT люди все чаще решают задачи вне основной профессии OpenAI проанализировала 800 тысяч промптов к ChatGPT и выявила эффект пересечения задач. В 43,5% случаев пользователи делегируют модели задачи вне своей основной специальности. Чаще всего пересечение затрагивает инженерию и маркетинг. Сотрудники непрофильных отделов с помощью LLM анализируют данные, ревьюят контракты и ищут баги в коде. Эффект наиболее заметен в небольших компаниях без выделенных команд узких специалистов. Для классификации запросов исследователи использовали американскую базу профессий O*NET. Из выборки исключили генерацию текстов, саммаризацию и планирование. openai.com ✔️ Microsoft представила security-модель MAI-Cyber-1-Flash Корпорация выпустила компактную модель MAI-Cyber-1-Flash для поиска уязвимостей в коде. В составе мультиагентной системы MDASH она показала точность 96% на бенчмарке CyberGym, опередив Mythos на 12 пунктов и превзойдя актуальные версии моделей OpenAI и Google. Архитектура новинки базируется на линейке MAI-Thinking-1. Модель самостоятельно обрабатывает 90% задач, а сложные случаи пересылает на GPT-5.4. По оценкам компании, такой подход снижает затраты на безопасность в 2 раза. Одновременно запущена агентная система мониторинга и нейтрализации угроз Perception. Она обрабатывает 100 трлн сигналов ежедневно, используя телеметрию 1,6 млн клиентов. MAI-Cyber-1-Flash не выйдет в open-source и не будет доступна через API. Модель останется эксклюзивным компонентом коммерческих платформ MDASH и Perception. microsoft.ai ✔️ Чаты Claude попали в поисковую выдачу Публичные ссылки на диалоги в Claude попали в выдачу поисковиков из-за отсутствия тега noindex. Поисковые роботы проиндексировали сгенерированные страницы с API-ключами, персональными данными и корпоративными документами. Anthropic пока не отреагировала, Google превентивно скрыл ссылки на Claude из поисковой выдачи, а вот алгоритмы Bing и Brave продолжают их индексировать. До решения проблемы необходимо вручную удалять публичные диалоги с чувствительной информацией через раздел Shared Conversations в настройках профиля. Аналогичная проблема с ChatGPT произошла год назад - тогда OpenAI оперативно закрыла индексацию. reddit.com ✔️ Nvidia расширяет партнерство со стартапом Ильи Суцкевера Чипмейкер увеличил инвестиции в стартап SSI Ильи Суцкевера и договорилась о поставках ускорителей следующего поколения на архитектуре Rubin. Оборудование увеличит вычислительные мощности SSI примерно в 10 раз. Сумма допвложений не раскрывается. Ранее SSI преимущественно использовала Google TPU. По условиям нового партнерства, инженеры Nvidia и SSI займутся совместной оптимизацией текущих и будущих вычислительных платформ под задачи стартапа. SSI основан в 2024 году для разработки ASI и пока не выпускал публичных моделей и продуктов. Решение об увеличении финансирования и выделении квот на железо руководство Nvidia приняло после оценки закрытых промежуточных результатов исследований команды Суцкевера. wsj.com ✔️ ИИ заставляет ВУЗы менять подход к обучению По данным исследования ассоциации ACM, IT-преподаватели меняют учебные программы из-за влияния ChatGPT и GitHub Copilot. Из 763 опрошенных педагогов 69% заявили, что ИИ изменил базовый набор навыков для разработки ПО. Вектор обучения смещается с написания программ с нуля на чтение чужого кода, дебаггинг, проектирование архитектуры и промпт-инжиниринг. 68% респондентов скорректировали форматы оценки знаний. Из-за риска плагиата (72%) и зависимости студентов от ИИ (87%) университеты снижают значимость домашних заданий, возвращаясь к очным экзаменам, тестам на бумаге и устной защите кода. Единых стандартов использования LLM в вузах нет - правила варьируются от полных запретов до легальной работы с ИИ при условии строгого логирования промптов. Половина участников опроса называет главным барьером нехватку методик преподавания и тестирования в условиях доступности генеративных нейросетей. acm.org @ai_machinelearning_big_data #news #ai #ml

📌 Moonshot AI опубликовала техотчёт Kimi K3

Если коротко - от K2 архитектура K3 отличается почти во всём.

🟡Внимание В K2 все слои (61) работали на одном механизме, MLA. В K3 слоёв 93, и собраны они блоками - 3 слоя KDA и один глобальный MLA, суммарно 69 и 24. KDA сжимает предыдущий текст в состояние фиксированного размера, поэтому длина диалога перестаёт раздувать кэш. Явных позиционных меток в модели нет, и она растягивается до миллиона токенов без привычных приёмов вроде перенастройки RoPE. 🟡Residual connections Обычно слой получает всё накопленное предыдущими слоями одной суммой. Attention Residuals позволяют каждому слою выбирать, из каких ранних блоков брать информацию. 93 слоя K3 разбиты на 8 блоков по 12. 🟡MoE Маршрутизируемых экспертов теперь 896 против 384 у K2, на токен активируются 16 вместо 8, общих экспертов стало 2 вместо одного. Считают они во вдвое более узком латент спэйсе, чем основной, а результат возвращают в общий поток. Функцию активации SwiGLU заменили на SiTU-GLU, схему балансировки нагрузки - на Quantile Balancing. Общий профит Moonshot оценивает примерно в 2,5 раза по эффективности масштабирования. 🟡Агентские способности Тут сыграло роль не столько железо, сколько дообучение. 3 специализации (общие задачи, агенты, код) обучали отдельно, каждую на трёх уровнях ризонинга, а 9 получившихся моделей слили в одну. Отдельные тренировочные эпизоды доходят до тысяч вызовов инструментов, причём состояние файлов, приложений и виртуальных машин сохраняется между шагами. 🖥Github @ai_machinelearning_big_data #AI #ML #LLM #KimiK3 #MoonshotAI

🚨 Moonshot AI выложила Kimi K3 на Hugging Face — 2,8 ТРИЛЛИОНА параметров в открытых весах. Это первая open-weight модель класса ~3T. При этом благодаря MoE на каждом токене активируется 104 млрд параметров: 16 экспертов из 896. (Hugging Face) Что внутри: — контекст 1 048 576 токенов — нативная работа с текстом и изображениями — новая Kimi Delta Attention (KDA) — Attention Residuals — 93 слоя: 69 KDA + 24 Gated MLA — MXFP4-веса + MXFP8-активации — заявлено примерно 2,5× более эффективное масштабирование, чем у Kimi K2. (Hugging Face) K3 заточена под долгие агентные задачи: работу с огромными репозиториями, терминалом, исследования, оптимизацию GPU-ядер, компиляторы и другие многошаговые инженерные сценарии. (Hugging Face) Moonshot действительно опубликовала полные веса модели, а не ограничилась API. (Hugging Face) https://huggingface.co/moonshotai/Kimi-K3

✔️ Vals-Smith: оценивайте модели на своей кодовой базе Независимая бенчмарк-платформа Vals представила Vals-Smith - инструмент для автоматической генерации кастомных бенчмарков на основе кодовой базы пользователя. Vals-Smith позволяет тестировать модели и агентов на специфике собственных проектов, не полагаясь на публичные лидерборды. Инструмент поддерживает открытые и приватные репозитории. Система анализирует GitHub-репозитории и извлекает задачи из принятых PR. Каждое задание включает описание проблемы, скрытые проверки и воспроизводимую среду. Модель получает код до внесения правок (сам патч скрыт). Для успешного решения испытуемая должна пройти скрытые тесты и не нарушить существующую логику приложения. Доступ к платформе выдается по заявкам. Есть демо-результаты тестирования популярных моделей на задачах из исходников Linux, Next.js, SGLang и Spark. @ai_machinelearning_big_data #news #ai #ml

Эндрю Уайлс 7 лет тайно решал задачу, которую не могли решить 358 лет Последнюю теорему Ферма он увидел ещё в 10 лет. В 1986 году, уже будучи профессором Принстона, Уайлс начал работать над ней почти в полной изоляции. О его настоящей цели знала только жена. Чтобы никто не понял, чем он занят, он почти перестал публиковаться и постепенно выпускал старые результаты. В июне 1993 года Уайлс представил доказательство на трёх лекциях в Кембридже. Мир решил, что одна из самых известных задач математики наконец закрыта. Но затем рецензент нашёл серьёзную ошибку. Следующие 14 месяцев Уайлс пытался спасти доказательство уже под вниманием всего математического сообщества. В какой-то момент он был готов сдаться. Решение пришло в сентябре 1994 года. Позже Уайлс рассказывал, что около 20 минут просто смотрел на исправление, не веря, что оно работает. Когда BBC попросила его вспомнить этот момент, он не смог договорить и отвернулся от камеры в слезах. Семь лет в тайне, год после почти полного краха и задача, которая ждала решения больше трёх веков. @data_analysis_ml

🫶 Программируй и решай задачи эффективнее - nordrouter.com Это единый API-хаб ИИ-моделей по доступным ценам, наши преимущества: 1. 67+ ИИ моделей (в том числе передовые Opus 5 и GPT 5.6 Sol) 2. 100+ Медиа-моделей (Seedream, GPT Image, Nano Banana, etc) 3. Автоматический кэш, который экономит до ~80% расходов Модели легко интегрируются в любой редактор кода и программы: OpenCode, Cline, Claude Code, Codex, Zed Чаты и ролеплей: SillyTavern, Janitor AI, RikkaHub API и автоматизация: n8n, Make и другие Не вериться? Ознакомьтесь с отзывами на наш сервис на сторонних площадках (указаны на сайте) nordrouter.com

Выбор очевиден 😂

✔️ Microsoft выпустила 2 новых модели семейства MAI AI-подразделение корпорации представило модели MAI-Image-2.5-Pro для генерации изображений и MAI-Voice-2-Flash для синтеза речи. Обе доступны в Azure AI Foundry, попробовать - в песочнице MAI Playground. Image-2.5-Pro называют самой качественной из своих графических моделей для задач, где нужна детализация и точная отрисовка текста внутри картинки.

Цены: 5 долларов за миллион входных текстовых токенов, 8 долларов за миллион входных токенов изображений и 106 долларов за миллион выходных.

Voice-2-Flash сделана ради скорости, она работает вдвое быстрее MAI-Voice-2 и стоит на 32% дешевле - 15 долларов за миллион символов. Попутно Microsoft рассказала как меняет сторонние модели на свои в собственных сервисах: 🟢Bing Image Creator теперь целиком работает на MAI-Image-2.5; 🟢В PowerPoint она же отвечает за редактирование изображений и это снизило расходы на вычисления до 84% по сравнению с GPT-Image-2; 🟢В OneDrive доля сохранённых пользователями результатов выросла на 26%, а задержка ответа сократилась примерно на четверть; 🟢Голосовая Flash подключёна к Dynamics 365 Contact Center, экономия на вычислениях там заявлена до 89%. 🟢Модель MAI-Transcribe-1.5 заменила прежнюю в сервисе Dragon Copilot, где для большинства из 58 поддерживаемых языков ошибки распознавания и определения языка сократились вдвое. @ai_machinelearning_big_data #news #ai #ml

⚡️ MoonshotAI откроет веса Kimi K3 27 июля Китайский стартап запустил обратный отсчет до публикации весов своей флагманской модели Kimi K3/ На официальном аккаунте в Hugging Face появилась страница проекта - релиз запланирован на 27 июля, а пока можно оформить подписку на уведомления. @ai_machinelearning_big_data #news #ai #ml

🌟 SenseNova-Vision: CV-комбайн в едином генеративном интерфейсе SenseTime открыла веса единой модели зрения SenseNova-Vision. Обычно под каждую задачу (найти объекты, выделить их контуры, оценить глубину сцены) строят отдельную систему или встраивают в модель специальный модуль. Здесь от этого отказались - все задачи модель решает как генерацию текста, картинки или их смеси.

Компания основана в 2014 году и выросла из университетской лаборатории MMLab - оттуда вышла заметная часть китайских специалистов по компьютерному зрению. Известность пришла в 2015-м, когда алгоритм распознавания лиц SenseTime обошёл по точности человеческий глаз. В 2026 году Gartner назвала компанию визионером в генеративном CV.

🟡Механика Рамки объектов и распознанный текст модель выдаёт текстом с координатами, карты глубины и нормалей поверхностей - картинками, а сложную сегментацию - смешанным ответом, где текстовая легенда задаёт цвета маски.

Авторы сравнивают подход с тем, что GPT сделал для текста: вместо зоопарка специализированных систем - один генеративный интерфейс.

Под капотом - открытая мультимодальная модель Bagel-7B-MoT от ByteDance, дообученная без изменений архитектуры. MoT - это смесь трансформеров. Внутри модели живут 2 эксперта с собственными весами - один отвечает за понимание текста и изображений, второй за генерацию картинок, а внимание у них общее, так что оба смотрят на один контекст. Токены распределяются между экспертами жёстко, по типу данных, а не обучаемым маршрутизатором, как в MoE. Для SenseNova-Vision такое устройство пришлось кстати - модель чередует текстовые ответы вроде координат и картиночные вроде масок, и у каждой ветки свой набор весов. 🟡Тесты SenseNova-Vision лидирует среди сопоставимых систем там, где ответ - структурированный текст (детекция, в том числе в плотных сценах с десятками объектов, локализация текста на изображении, ключевые точки). В оценке глубины и нормалей она близка к лучшим генеративным методам, в сегментации держится на уровне конкурентов.

Слабые места тоже есть. В многовидовой 3D-геометрии модель отстаёт от специализированных VGGT и Depth Anything 3, а текст на русском распознаёт заметно хуже, чем на английском.

Вместе с моделью опубликован корпус SN-VC-50M - 50 млн обучающих примеров из открытых наборов: 18,9 млн кадров для структурного понимания, 17,3 млн для плотной геометрии, 12,5 млн для многовидовой геометрии и 1,3 млн для сегментации. 📌Лицензирование: CC-BY-NC-4.0 🟡Модель 🟡Arxiv 🟡Датасет 🟡Демо 🖥GitHub @ai_machinelearning_big_data #AI #ML #СV #MoT #SenseNovaVision #SenseTime