Machinelearning

⚡️OpenAI выпустила GPT-6 Sol и GPT-6 Luna Семейство GPT-6 расширилось сразу двумя новыми моделями — Sol и Luna. Обе построены на наработках GPT-6 Astra, но рассчитаны на более быстрые и дешёвые сценарии работы в масштабе. Главное: - GPT-6 Sol — более мощная рабочая модель для сложных задач. - GPT-6 Luna — более быстрая и экономичная версия для массовых запросов и автоматизаций. - OpenAI отдельно оптимизировала кэширование и inference. - API для Sol и Luna стал на 50% дешевле по сравнению с промо-ценами GPT-5.6. - На AutomationBench новые модели заметно улучшают соотношение качество / стоимость относительно GPT-5.6. Теперь линейка выглядит так: GPT-6 Astra — максимум возможностей GPT-6 Sol — сильная модель для серьёзной повседневной работы GPT-6 Luna — скорость, масштаб и низкая стоимость Главный сдвиг здесь даже не в самих моделях, а в цене: OpenAI явно хочет сделать агентов и автоматизации заметно дешевле для продакшена. https://openai.com/index/introducing-gpt-6-sol-and-luna/

🚀 Anthropic представила Claude Opus 5.5 Новая флагманская модель стала сильнее Opus 5, при этом работает быстрее и дешевле. Что изменилось: - сильнее в агентном программировании, computer use и knowledge work - лучше справляется с длинными задачами и большими кодовыми базами - ответы стали короче и естественнее - улучшена устойчивость к prompt injection - Anthropic заявляет примерно на 40% более низкую стоимость на типичных задачах и более чем на 30% более быструю генерацию Из примеров: - один из ранних тестеров провёл миграцию 680 000 строк кода менее чем за день - в тесте Anthropic модель переписала HAProxy с C на Rust за 9,5 часа Цена API: - $4 / 1M входных токенов - $20 / 1M выходных токенов - $0,20 / 1M токенов при чтении кеша Бенчмарки: - Terminal-Bench 4.0 — 66,4% - FrontierCode v1.1 — 54,4% - Humanity’s Last Exam — 67,7% с инструментами Также Anthropic подтвердила, что Claude Sonnet 5.5 и Haiku 5.5 выйдут в ближайшие недели. https://www.anthropic.com/claude-opus-5-5

🌟 Samsone: открытые аудиоязыковые модели для смартфонов Samsung опубликовали Samsone - семейство из трёх небольших аудиоязыковых моделей для работы на мобильных устройствах: Samsone-99M, Samsone-134M и Samsone-356M.

Проект будет участвовать в конференции Interspeech 2026, которая пройдет с 27 сентября по 1 октября в Сиднее.

Модели принимают один или несколько аудиофрагментов вместе с текстовым запросом и отвечают текстом: описывают звук, отвечают на вопросы о записи, сравнивают клипы между собой. Заявлено понимание речи, музыки и звуки окружения. Отвечают модели только по-английски и строчными буквами - ради экономии параметров оставили в обучающих текстах только строчные символы ASCII и вычистили из словаря редкие токены. Авторы предупреждают, что после дообучения на аудиовопросах модели теряют общие языковые навыки, так что это точечный инструмент, а не полноценный собеседник. 🟡Архитектура Аудиоэнкодер Whisper-Tiny на 9 млн параметров, нелинейный проектор в пространство текстовых эмбеддингов и языковая модель SmolLM2 от Hugging Face на 135 или 360 млн параметров. Каждый клип усредняется до 50 аудиотокенов, а разделитель SEP отделяет клипы друг от друга и от текста, поэтому аудио можно вставлять в любое место запроса. 🟡Тесты На MMAU (10 тысяч вопросов о звуках, музыке и речи) Samsone-134M набирает 61,33% против 53,34% у прежнего лидера среди малых моделей Mellow на 167 млн параметров.

Это выше Qwen2-Audio-Instruct на 8,4 млрд параметров (57,4%) и на уровне Audio Flamingo 2 на 3 млрд (61,06%).

На речевой части результаты хуже. В более сложном MMAU-Pro расзница с Mellow составляет 10 пп (37,57% против 27,5%), здесь впереди Qwen2-Audio (45,41%) и GPT-4o Audio (52,5%). На Galaxy S25 Ultra без аппаратных оптимизаций Samsone-99M генерирует 125 токенов в секунду, Samsone-134M - 87, Samsone-356M - 39. Обработка аудио перед генерацией занимает от 0,7 до 1,1 секунды. Веса для PyTorch, код обучения и экспорта, а также Android-приложение под Android 12 и новее выложены в репозитории проекта. 🟡Веса 🟡Arxiv 🖥GitHub @ai_machinelearning_big_data #AI #ML #SALM #Samsone #Samsung

🙂 Яндекс открыл LLM, обученную с нуля: модель обгоняет решение NVIDIA в коде Alice AI Foundation LLM обучена на данных Яндекса без инициализации чужими открытыми весами. Претрейн распространяется под лицензией Apache 2.0, что позволяет использовать решение в коммерческих и исследовательских целях, дообучая под свои задачи. Модель — экспериментальная ступень на пути к единой рассуждающей модели (ЕРМ): на ней Яндекс проверяет архитектурные решения, а сама ЕРМ станет основой агентных возможностей Алисы AI. 🟡 Архитектура Модель построена на MoE: из 80 млрд параметров в моменте активны только 3 млрд. Она уже прошла основной этап обучения, поэтому её можно использовать как основу для собственных проектов. 🟡 Качество По данным тестов: 🟢 в написании кода модель обгоняет решение от NVIDIA; 🟢 в олимпиадных задачах по математике делит лидерство с моделью от Alibaba; 🟢 при меньшем размере превосходит DeepSeek в задачах, требующих широких фактических знаний. С предыдущей моделью компании, Alice AI LLM 235B, новая версия выигрывает в 75% случаев на фактологических вопросах, хотя у той втрое больше параметров и всемеро больше активных. С длинными текстами до 128K токенов модель работает на уровне лидеров рынка, разделяя первенство с DeepSeek. 🟡 Бенчмарки Чтобы проверять знания, важные именно для русскоязычной аудитории, компания подготовила два собственных набора: WikiWebFacts построен на Википедии, HardMultiQA — на данных запросов пользователей к Алисе AI. Вместе с задачами опубликованы эталонные ответы и протокол оценки. 🟡 Обучение Команда добилась, чтобы видеокарты не простаивали в ожидании данных, и один из этапов обучения стал быстрее примерно вдвое. Оптимизация хранения промежуточных данных втрое снизила потребление видеопамяти. Раньше отбор обучающих текстов обходился более чем в 200 тыс. часов работы видеокарт. Теперь документы сначала проходят через предварительные фильтры, и до ресурсоёмкой проверки доходят уже отобранные. Вычислений требуется в десятки раз меньше, а полезных документов сохраняется около 95%. Ещё один вывод касается масштабирования: насколько точно удаётся предсказать, какая модель окажется лучше, зависит от того, на каких данных их сравнивать. На случайном наборе точность такого прогноза 42%, на специально подобранном — 87–94%. Модель, технические отчёты и бенчмарки доступны на Hugging Face, техрепорт опубликован на Хабре. @ai_machinelearning_big_data #news #ai #ml

✔️ США предложили Китаю горячую линию для инцидентов с ИИ Министр финансов США обсудил с вице-премьером Китая создание диалога по ИИ и механизма взаимного оповещения. Стороны будут предупреждать друг друга об инцидентах с ИИ, которые угрожают национальной безопасности. Что именно считать таким инцидентом, пока не ясно. Агентство Синьхуа подтвердило, что вопросы ИИ обсуждались, но не сообщило, принял ли Пекин предложение. Тему дополнительно разовьют президент США и Председатель КНР на саммите в Вашингтоне на этой неделе. apnews.com ✔️ Anthropic, OpenAI, Google и SpaceXAI обвинили в картельном сговоре Подписчики ИИ-сервисов подали коллективный иск против четырёх компаний в федеральный суд Калифорнии. Поводом стало эссе гендиректора Anthropic Дарио Амодеи с призывом ограничить темпы неконтролируемого развития ИИ. Идею поддержали основатель Илон Маск, Сэм Альтман и Демис Хассабис. Истцы считают это сговором конкурентов в нарушение первой статьи закона Шермана: пользователи платят прежнюю цену за продукты, которые улучшаются медленнее, чем при свободной конкуренции. Они просят придать иску статус коллективного, запретить координацию и признать её незаконной. bloomberglaw.com ✔️ SpaceXAI выпустила Grok 4.7 Новинка построена на более крупной базовой архитектуре, лучше проверяет собственные решения и удерживает длинный контекст, а также обучена работать в обвязке Grok Bot. На CursorBench 4.0 модель лучше чем Grok 4.6, GPT-5.6 Sol, но не дотягивает до Fable 5.1. Защитные механизмы переписаны заново - снижено количество ложных отказов при работе с кодом, усилена защита от джейлбрейков в сферах биобезопасности и кибербезопасности. Grok 4.7 доступна в Cursor, Grok Build, через API и сторонние платформы. Цена как у Grok 4.6: 2 доллара за млн входных и 6 долларов за млн выходных токенов. Вариант с вдвое более быстрой генерацией стоит вдвое дороже. x.ai ✔️ ByteDance запустила платформу для производства коротких сериалов BytePlus, корпоративное подразделение ByteDance, анонсировала Dramagic. Платформа ведёт проект от разбора сценария и настройки персонажей и локаций до раскадровки и превью видео. Облик героев и окружения сохраняется между сценами, а над проектом может работать команда. Доступ открыт по запросу. Тариф Basic стоит 600 долларов в год и даёт 60 тысяч баллов на год, это около 44 минут видео в 720p. BytePlus в X ✔️ Reve закрывает генератор изображений Стартап отключит 27 сентября возможность создания изображений и видео в своем сервисе reve.com. Регистрацию и оформление подписок остановили в четверг на прошлой неделе. Скачать созданное можно до 31 октября, деньги за сентябрь платным подписчикам вернут к середине октября. Ранее Reve объявила об инвестициях от OpenAI. Часть команды стартапа переходит в OpenAI работать над мультимодальными моделями, сама Reve остаётся независимой. Сооснователь Reve Кристиан Кантрелл объяснил, что студия уходит от креативных инструментов к другим ИИ-сценариям автоматизации. reve.com @ai_machinelearning_big_data #news #ai #ml

Почему одни ИИ-агенты помогают разработчикам экономить время, а другие требуют постоянной доработки? При создании агентных систем важно не только подключить LLM, но и правильно организовать логику работы агентов. На открытом уроке 1 октября в 20:00 МСК разберем, как навыки агента (agent skills) помогают ускорить создание ИИ-агентов, стандартизировать их логику и повторно использовать готовые решения. Вы узнаете, какие ИИ-инструменты помогают разработчикам быстрее собирать агентные системы и как применять эти подходы на практике. Урок пройдет в преддверие старта курса «Разработка ИИ-агентов». Занятие подойдет разработчикам, ИИ-инженерам и техническим специалистам, которые создают агентные решения и хотят повысить скорость и качество разработки. Научитесь создавать более предсказуемые ИИ-агенты и тратить меньше времени на рутинную реализацию: https://otus.pw/mJsM/?erid=2W5zFJZtwNH Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🌟 Jina AI улучшила DeepSeek-OCR jina-ocr-v1 - 3B модель для разбора документов на английском и китайском языках, рассчитанная под локальный запуск на недорогих системах. Модель принимает скан, фотографию или PDF и на выходе выдаёт Markdown с поддержкой LaTeX. Кроме полной транскрипции она распознаёт отдельные таблицы и формулы, подписывает изображения, отвечает на вопросы по документу и извлекает ключевые поля. 🟡Архитектура DeepSeek-OCR с визуальным энкодером DeepEncoder на 380 млн параметров, который сжимает страницу до 256 визуальных токенов и при необходимости добавляет до девяти фрагментов по 100 токенов. Декодер - смесь экспертов на 3 млрд общих и 570 млн активных параметров. Вклад Jina - спекулятивное декодирование FastMTP, где один общий блок предлагает три токена вперёд, а декодер принимает самую длинную часть, совпадающую с его собственным выбором. 🟡Тесты На olmOCR-Bench модель набрала 83,4 балла - на 7,4 больше DeepSeek-OCR и выше olmOCR-2 с 8B параметров (82,4), но ниже chandra-ocr-2 (85,8) и dots.mocr (83,9). На OmniDocBench v1.6 результат 91,14 против 90,25 у DeepSeek-OCR-2, но хуже более компактных PaddleOCR-VL-1.6 (96,34) и HunyuanOCR-1.5 (94,74). По пропускной способности модель первая среди 14 систем - 2,57 страницы в секунду на одной A100 при 32 параллельных запросах. На L4 FastMTP ускоряет генерацию в 1,95 раза в обычном режиме, но с CUDA-графами прирост падает до 1,17 раза.

⚠️ FastMTP работает только в vLLM 0.21 и новее

Без установки модель доступна через Jina Reader и онлайн-песочницу по ключу API Jina. 📌Лицензирование: CC BY-NC 4.0 🟡Блогпост 🟡Веса 🟡Arxiv 🟡Демо @ai_machinelearning_big_data #AI #ML #OCR #Deepsek #JinaOCRv1 #JinaAI

🌟 Prism ML собрала тернарную версию Qwen3.8-27B Bonsai 2 27B - сжатая Qwen3.8-27B, которая занимает 5,9 ГБ против примерно 54 ГБ у исходной модели в FP16 и сохраняет 98,2% её среднего результата на бенчмарках.

Prism ML - американский стартап из команды Калтеха, вышедший из стелс-ркжима весной 2026 года с анонсом первой версии моделей Bonsai. Основатель и руководитель - профессор Калтеха Бабак Хассиби, специалист по теории сжатия. Среди инвесторов стартапа Cerberus, Google и Samsung.

Модель рассчитана на локальный запуск на потребительском оборудовании, имеет контекст в 262 тысячи токенов и может обрабатывать изображения и вызывать инструменты. Целевые сценарии - агенты в редакторе кода, работа с компьютером, разбор документов без отправки их в облако.

Вес в тернарном квантовании хранится не числом, а одним из трёх знаков: минус, ноль или плюс. Сами величины задаются отдельно - веса разбиты на группы по 128, и у каждой группы один общий множитель в FP16. В пересчёте на один вес это 1,72 бита против 16 у исходной модели. Перед сжатием веса каждой матрицы разворачивают фиксированным преобразованием Адамара, сам разворот вписан в веса, но при работе его нужно повторить на входных данных, иначе модель выдаёт бессмыслицу.

Распознавание картинок сжатие не проходило, лежит отдельным файлом на 0,6 ГБ и подгружается только тогда, когда на вход пришло изображение, так что текстовые задачи его не задействуют. 🟡В релизе три варианта 🟢GGUF в двух упаковках: PTQ1_0 (1,75 бита, 5,95 ГБ, быстрее на картах Ada и L4) и PQ2_0 (2,13 бита, 7,21 ГБ, быстрее на H100 и Blackwell); 🟢сборка под MLX на 8,60 ГБ вместе со зрением; 🟠тестовая упаковка Q2_0 для доработки ядер. Для GGUF нужен специальный форк llama.cpp от Prism ML, для MLX - загрузчик из самого пакета. 🟡Бенчмарки Замеры Prism ML считали через EvalScope и vLLM на H100, в режиме рассуждения, всего провели 14 тестов. Сравнивали со сборки той же Qwen3.8-27B в квантованиях UD-Q4_K_XL и IQ2_XXS. Среднее по всем тестам: 84,78 против 86,32 у FP16 и 72,59 у IQ2_XXS. До четырёхбитной сборки не хватило 0,4 пункта при втрое меньшем размере. AIME26: 95,83 против 94,58 у FP16 и 57,50 у IQ2_XXS. LiveCodeBench: 90,07 против 90,05 и 56,40 соответственно. BFCL v3 (вызов инструментов): 74,92 против 76,74 у FP16. MMMU-Pro: 75,49 против 81,73.

Скорость генерации на RTX 5090 примерно 129 токенов в секунду, на ноутбучном M5 Pro - 28 токенов в секунду.

📌Лицензирование: Apache 2.0 🟡Блогпост 🟡Веса 🟡Техотчет 🟡Демо на WebGPU 🟡Сообщество в Discord 🖥GitHub @ai_machinelearning_big_data #AI #ML #LLM #Bonsai #PrizmML

Один вечер — много возможностей! ⚡️ 25 сентября у тебя будет шанс познакомиться сразу с четырьмя технологическими командами, которые строят GigaChat изнутри: от данных и поиска до платформы AI-агентов и backend-сервисов массового продукта. Ты сможешь заглянуть в текущие проекты Сбера, понетворкать, а еще — обменяться контактами с лидерами ключевых backend-команд GigaChat Регистрируйся по ссылке — встречаемся 25 сентября в 19:00 по адресу: Москва, «Оригинал», Земляной Вал, 9А!

🌟 Xiaomi выпустила MiMo-V2.6 Pro и Flash Xiaomi закончила обучение серии MiMo-V2.6 и опубликовала веса флагманской Pro и облегчённой Flash.

Обе модели омнимодальные, то есть принимают текст, изображения, видео и аудио.

Рассчитаны на агентные задачи, кодинг, автоматизацию рабочих процессов, управление компьютером, кибербезопасность, генерацию 3D-объектов, воплощенное моделирование, создание музыки, научные и математические исследования. 🟡Архитектура У Pro 1,02 трлн параметров, из них 42 млрд активных, и 384 эксперта. У Flash 309 млрд параметров, 15 млрд активных и 256 экспертов. На каждый токен в обеих моделях работают восемь экспертов. Большая часть слоёв использует внимание со скользящим окном в 128 токенов, остальные – глобальное внимание: у Pro так устроены 60 слоёв из 70, у Flash 39 из 48. Визуальный энкодер на 681 млн параметров и два аудиоэнкодера на 308 и 127 млн у моделей одинаковые. Вывод ускоряет пятислойный спекулятивный декодер - за один проход он предлагает семь следующих токенов, основная модель проверяет их параллельно. Контекст – 1 млн токенов 🟡Бенчмарки По замерам самой Xiaomi Pro близка к закрытым флагманам в агентных тестах, но отстаёт в эксплуатации уязвимостей: DeepSWE v1.1: Pro – 71,9, Flash – 67,9, Claude Opus 5 – 74,0, GPT-5.6 Sol – 73,0; AutomationBench: Pro – 53,1, выше Opus 5 (50,3) и GPT-5.6 Sol (45,8); Terminal-Bench 4.0: Pro – 34,9 против 49,0 у Opus 5 и 42,4 у Claude Fable 5; ExploitBench: Pro – 47,9, Flash – 25,3 против 78,5 у GPT-5.6 Sol и 78,0 у Fable 5. Модели также доступны в AI Studio, MiMo Code, приложении MiMo Desktop, через API Xiaomi MiMo Open Platform и на OpenRouter. 📌Лицензирование: MIT 🟡Блогпост 🟡Веса 🟡Техотчет @ai_machinelearning_big_data #AI #ML #MMLM #MiMO #Xiaomi

💊 Больше ИИ в больницах - ниже смертность? На графике медицинские учреждения с более активным использованием ИИ показывают меньшую смертность. Но здесь важно не путать корреляцию с причинностью. Возможно, дело не только в технологиях. Лучше финансируемые клиники обычно имеют больше сотрудников, современное оборудование и одновременно чаще внедряют ИИ. На результат также могут влиять диагнозы, возраст и тяжесть состояния пациентов. Чтобы говорить о реальном эффекте ИИ, исследование должно учитывать все эти различия. Врачи тратят огромное количество времени на документацию и бюрократию. ИИ-агенты могут заполнять документы, структурировать историю болезни, готовить выписки и проверять данные. Возможно, первая медицинская революция ИИ произойдёт в освобождении врачей от рутины. https://x.com/Hedgeye/status/2101658383971762407

⚡️ StepFun анонсировала флагманскую модель Step 5 Preview Модель построена на архитектуре MoE и спроектирована как инструмент для длительных агентских задач, разработки ПО и сложной аналитики. На борту 600 млрд параметров (активных 27 млрд), контекстное окно 1 миллион токенов и поддержка мультимодальности. StepFun заверяет, что модель способна непрерывно выполнять автономные задачи на протяжении 24 часов, используя обратную связь для итераций и может выполнять весь спектр кодинг-задач - от создания веб-приложений до оптимизации GPU-ядер и работы с аппаратным обеспечением. Помимо кодинга, модель компетентна в финансовом и корпоративном анализе, где критически важна верификация фактов и формул: Step 5 умеет агрегировать массивы данных из сотен сетевых источников и формировать детализированные отчеты со строгой структурой. Модель уже можно протестировать на платформе StepFun, веса обещают открыть 15 октября. @ai_machinelearning_big_data #news #ai #ml

🎨 Qwen открыла веса Qwen-Image-2.1: новой модели для генерации и редактирования изображений Модель построена на 7B-архитектуре и объединяет генерацию и редактирование в одном пайплайне. Что умеет: • работает сразу с несколькими референсами - до 10 изображений • поддерживает точечное редактирование с сохранением лица, объекта или продукта • нативно генерирует и редактирует RGBA с прозрачностью • подходит для инфографики, панорам, virtual try-on и продуктовых изображений • улучшена работа с текстом и типографикой • ускорен inference, особенно для задач с несколькими входными изображениями Qwen позиционирует Qwen-Image-2.1 как наиболее сбалансированную модель серии по качеству, скорости и стоимости. https://huggingface.co/Qwen/Qwen-Image-2.1

📌Goldman Sachs повысил прогноз по развитию физического ИИ Финансовый конгломерат обновил свой прогноз по динамике развития воплощенного ИИ, предположив, что к 2035 году в мире будет выпущено 6,5 миллиона человекоподобных роботов, а рыночная стоимость этого сегмента составит 138 миллиардов долларов. Согласно новым данным, в 2026 году будет выпущено 75 000 единиц, а к 2030 году — 890 000 единиц, что более чем в три раза превышает предыдущий целевой показатель на конец десятилетия. Ожидается, что на первых порах роботы будут активно использоваться на складах, в логистике и в автомобильной промышленности. Аппаратные и программные экосистемы уже подстраиваются под эти отрасли: NVIDIA расширяет свой стек физического ИИ проектами Omniverse, Cosmos, Isaac и Jetson, чтобы обеспечить внедрение складской робототехники для своих партнёров, а Tesla начала переоборудовать производство на заводе во Фримонте под специализированные сборочные линии для Optimus. Основным операционным риском, с которым столкнётся этот десятилетний цикл робототехники, остаётся добровольное замедление темпов развития или приостановка деятельности передовых разработчиков ИИ из-за опасений по поводу безопасности. @ai_machinelearning_big_data #news #ai #ml

🌟 Prism ML собрала тернарную версию Qwen3.8-27B Bonsai 2 27B - сжатая Qwen3.8-27B, которая занимает 5,9 ГБ против примерно 54 ГБ у исходной модели в FP16 и сохраняет 98,2% её среднего результата на бенчмарках.

Prism ML - американский стартап из команды Калтеха, вышедший из стелс-ркжима весной 2026 года с анонсом первой версии моделей Bonsai. Основатель и руководитель - профессор Калтеха Бабак Хассиби, специалист по теории сжатия. Среди инвесторов стартапа Cerberus, Google и Samsung.

Модель рассчитана на локальный запуск на потребительском оборудовании, имеет контекст в 262 тысячи токенов и может обрабатывать изображения и вызывать инструменты. Целевые сценарии - агенты в редакторе кода, работа с компьютером, разбор документов без отправки их в облако.

Вес в тернарном квантовании хранится не числом, а одним из трёх знаков: минус, ноль или плюс. Сами величины задаются отдельно - веса разбиты на группы по 128, и у каждой группы один общий множитель в FP16. В пересчёте на один вес это 1,72 бита против 16 у исходной модели. Перед сжатием веса каждой матрицы разворачивают фиксированным преобразованием Адамара, сам разворот вписан в веса, но при работе его нужно повторить на входных данных, иначе модель выдаёт бессмыслицу.

Распознавание картинок сжатие не проходило, лежит отдельным файлом на 0,6 ГБ и подгружается только тогда, когда на вход пришло изображение, так что текстовые задачи его не задействуют. 🟡В релизе три варианта 🟢GGUF в двух упаковках: PTQ1_0 (1,75 бита, 5,95 ГБ, быстрее на картах Ada и L4) и PQ2_0 (2,13 бита, 7,21 ГБ, быстрее на H100 и Blackwell); 🟢сборка под MLX на 8,60 ГБ вместе со зрением; 🟠тестовая упаковка Q2_0 для доработки ядер. Для GGUF нужен специальный форк llama.cpp от Prism ML, для MLX - загрузчик из самого пакета. 🟡Бенчмарки Замеры Prism ML считали через EvalScope и vLLM на H100, в режиме рассуждения, всего провели 14 тестов. Сравнивали со сборки той же Qwen3.8-27B в квантованиях UD-Q4_K_XL и IQ2_XXS. Среднее по всем тестам: 84,78 против 86,32 у FP16 и 72,59 у IQ2_XXS. До четырёхбитной сборки не хватило 0,4 пункта при втрое меньшем размере. AIME26: 95,83 против 94,58 у FP16 и 57,50 у IQ2_XXS. LiveCodeBench: 90,07 против 90,05 и 56,40 соответственно. BFCL v3 (вызов инструментов): 74,92 против 76,74 у FP16. MMMU-Pro: 75,49 против 81,73.

Скорость генерации на RTX 5090 примерно 129 токенов в секунду, на ноутбучном M5 Pro - 28 токенов в секунду.

📌Лицензирование: Apache 2.0 🟡Блогпост 🟡Веса 🟡Техотчет 🟡Демо на WebGPU 🟡Сообщество в Discord 🖥GitHub @ai_machinelearning_big_data #AI #ML #LLM #Bonsai #PrizmML

Мы уже писали о курсе Дмитрия Баранчука из Школы анализа данных по генеративным моделям в компьютерном зрении. Теперь есть повод к нему вернуться: Дмитрий получил за курс Yandex ML Prize — премию для преподавателей и руководителей образовательных программ по ИИ. Курс рассказывает о диффузионных и гибридных моделях, авторегрессионной, мультимодальной и 3D-генерации. Всё на свежих статьях — домашки построены на техниках, которые публиковали буквально за последние пару лет. Подойдёт тем, кто уже прошёл базу по генеративным моделям и хочет понять, куда движется направление.  Все материалы Дмитрий выкладывает на GitHub. И это, кстати, уже часть тренда: среди других лауреатов Yandex ML Prize тоже есть преподаватели, которые открывают свои курсы и материалы для всех желающих. Всего в этом году премию получили восемь человек из НИУ ВШЭ, МФТИ, МГУ, ИТМО и НГУ. Так что поздравляем Дмитрия! @ai_machinelearning_big_data #news #ai #ml #образование #ии

✔️ OpenAI представила Astra for Law для юристов Инструмент построен на GPT-6 Astra, которая подключена к поисковому индексу по законодательству США из более чем 230 млн документов: прецеденты, законы, подзаконные акты, решения административных органов. Он автоматизирует due diligence, аудит договоров и подготовку документов к IPO. По замерам OpenAI на Vals AI Legal Research Bench инструмент показал точность 54% против 38,7% у базовой модели с веб-поиском и извлёк на 54% больше релевантных цитат из судебных решений. OpenAI также открыла 26 плагинов для отраслевого ПО (iManage, Relativity, Clio, Thomson Reuters) и выпустила надстройку ChatGPT для Microsoft Word. Доступ дают избранным фирмам через Trusted Access в ChatGPT и Codex, API обещают позднее. openai.com ✔️ Claude ведёт 26% исследовательских и инженерных задач в Anthropic Anthropic опубликовала внутренние метрики автоматизации R&D и контроля за агентами. По данным компании в 26% задач Claude – ведущий исполнитель, в 90% процессов работает как ассистент, а полной автономности пока не достиг. В компании работают около 30 000 агентов под двухуровневым мониторингом, который передаёт инженерам до 50 инцидентов в неделю. На задачи безопасности уходит 6% всех вычислительных ресурсов R&D и 12% ресурсов, занятых автономными агентами.  anthropic.com ✔️ Huawei представила вычислительную архитектуру Peerium Архитектура рассчитана на работу миллиона процессоров и заменяет иерархию master-slave равноправным соединением узлов. В основе – вложенный параллелизм, единое адресное пространство памяти и сквозная децентрализация: по замыслу Huawei, кластер должен работать как одна машина. Компоненты связывает шина на открытом протоколе: она напрямую соединяет в одноранговую сеть CPU, NPU, RAM, SSD, сетевые адаптеры и коммутаторы. Первая аппаратная реализация – суперузел Atlas 950 и кластеры на их основе. По словам Huawei, кластер на 256 тысяч карт уже развёртывается, Atlas 960 на оптике ближнего размещения проходит тесты.  huawei.com ✔️ Google Labs обновила экспериментального агента CC Ассистент теперь работает с группами до шести человек и получил собственный верифицированный Google-аккаунт с изолированными правами доступа. Каждый агент развёрнут на выделенной облачной машине и работает на Google Antigravity и моделях Gemini. Память гибридная: общие групповые шаблоны хранятся отдельно от индивидуальных параметров участников. Агенту можно открывать файлы из Google Drive, пересылать письма вручную или поручить следить за входящими в Gmail от заданных отправителей. По этим данным CC составляет сводку дня, заполняет Google Календарь и ведёт списки задач. Обновлённый CC доступен пользователям из США, новые участники записываются в список ожидания.  blog.google ✔️ Генеративный ИИ используют 85% японских игровых студий Ассоциация CESA, организатор Tokyo Game Show, представила на выставке предварительные данные отраслевого отчёта за 2026 год: 63% опрошенных применяют генеративные модели ежедневно, ещё 22,8% – время от времени. Годом ранее ИИ пользовались около 51%. Главным выигрышем респонденты назвали рост эффективности, затем сокращение сроков и издержек, а среди необходимых мер предосторожности – всё еще обязательную проверку результата людьми. automaton-media.com @ai_machinelearning_big_data #news #ai #ml

💥 ИИ выдумал ядерный груз на китайском судне - США начали готовить его перехват. По сообщению CNN, американский аналитик использовал чат-бот для разбора грузового манифеста. Модель ошибочно заявила, что судно перевозит компоненты для ядерного оружия. Эти сведения попали в разведывательный отчёт и стали основанием для подготовки военной операции. Ошибку обнаружили до перехвата, операцию остановили. Источник CNN назвал отчёт «полностью ложным» и заявил, что он «чуть не начал войну»: действия против китайского судна могли привести к вооружённому столкновению. По словам одного из собеседников издания, подобные галлюцинации ИИ в американском разведсообществе - уже не единичный случай. https://edition.cnn.com/2026/09/18/politics/us-military-ai-false-intelligence-china-ship @ai_machinelearning_big_data

✔️ GPT-5.5 будет отключена 14 октября OpenAI объявила о том, что GPT-5.5 будет отключена 14 октября 2026 года на всех платформах и во всех программах, включая ChatGPT, ChatGPT Work и Codex. Тем, кто ещё используют GPT-5.5 в Codex, рекомендуется перейти на GPT-5.6 Sol или GPT-6 Astra. @ai_machinelearning_big_data #news #ai #ml

🌟 LimiX-2: базовая модель для табличных данных Stable AI выложила веса LimiX-2, второго поколения своей линейки моделей для структурированных данных. До этого были LimiX-16M и облегчённая LimiX-2M.

Разработчик - китайская компания, основанная в 2024 году командой профессора Цуй Пэна с факультета информатики Университета Цинхуа. LimiX у компании единственный продукт, его продают промышленности, медицине и финансам. Модель проверяли более чем в двадцати отраслях и сотне сценариев.

Модель на 400 млн параметров закрывает классификацию, регрессию и заполнение пропусков за один прямой проход. На вход подаётся таблица с известными ответами и строки, для которых ответ нужен, и модель отвечает, опираясь на поданные примеры. На выходе - вероятности классов, предсказания в исходной шкале цели либо восстановленная матрица признаков. LimiX-2 построена по уникальной парадигме Contextual Mechanism Network. Обучение в контексте здесь перестроено - вместо предсказания одной целевой колонки по остальным модель оценивает совместное распределение всех признаков и цели, то есть описывает механизм, породивший таблицу целиком. Отсюда второе её свойство: внимание по признакам фиксирует, какие столбцы напрямую влияют друг на друга, и по этим весам восстанавливается скелет причинного графа - набор связей без указания направлений. 🟡Бенчмарки

LimiX-2 шла в базовой конфигурации. Elo здесь - рейтинг по парным сравнениям на наборах теста, где случайный лес принят за 1000.

TabArena: Elo 1935 против 1818 у TabFM+. На подмножестве классификации (38 наборов) доля побед 94,5%, на регрессии (13 наборов) - 96,9%. TALENT: Elo 1506 против 1471 у TabFM, 1438 у AutoGluon 1.6 и 1094 у CatBoost. BCCO (собственный бенч Stable AI): Elo 1432 против 1376 у AutoGluon 1.6, 1230 у прошлой LimiX-16M и 1140 у CatBoost. 📌Лицензирование: исследования, обучение, замеры и некоммерческие соревнования - бесплатно, всё остальное - только по отдельному договору со Stable AI. 🟡Страница проекта 🟡Веса 🟡Arxiv 🖥GitHub @ai_machinelearning_big_data #AI #ML #LDM #StructuredData #LimiX #StableAi