Борис опять
Kanalga Telegram’da o‘tish
life = curiosity + irreducible noise Whois: https://t.me/boris_again/3400 Лс: @btseytlin
Ko'proq ko'rsatish📈 Telegram kanali Борис опять analitikasi
Борис опять (@boris_again) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 17 657 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 7 351-o'rinni va Rossiya mintaqasida 37 282-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 17 657 obunachiga ega bo‘ldi.
12 Oktabr, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni 58 ga, so‘nggi 24 soatda esa 0 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 34.33% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 18.29% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 6 059 marta ko‘riladi; birinchi sutkada odatda 3 229 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 82 ta reaksiya keladi.
- Tematik yo‘nalishlar: Kontent блогпост, llm, контекст, alice, vlm kabi asosiy mavzularga jamlangan.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“life = curiosity + irreducible noise
Whois: https://t.me/boris_again/3400
Лс: @btseytlin”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 13 Oktabr, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Texnologiyalar & Aralashmalar toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.
17 657
Obunachilar
Ma'lumot yo'q24 soatlar
+467 kun
+5830 kun
Ma'lumot yuklanmoqda...
O'xshash kanallar
Taglar buluti
Kirish va chiqish esdaliklari
---
---
---
---
---
---
Obunachilarni jalb qilish
Oktabr '26Okt '26
Oktabr '26
+196
10 kanalda
Sentabr '26
+234
4 kanalda
Get PRO
Avgust '26
+495
25 kanalda
Get PRO
Iyul '26
+642
28 kanalda
Get PRO
Iyun '26
+324
10 kanalda
Get PRO
May '26
+421
13 kanalda
Get PRO
Aprel '26
+325
8 kanalda
Get PRO
Mart '26
+326
13 kanalda
Get PRO
Fevral '26
+649
18 kanalda
Get PRO
Yanvar '26
+735
21 kanalda
Get PRO
Dekabr '25
+173
15 kanalda
Get PRO
Noyabr '25
+214
20 kanalda
Get PRO
Oktabr '25
+292
4 kanalda
Get PRO
Sentabr '25
+220
12 kanalda
Get PRO
Avgust '25
+519
27 kanalda
Get PRO
Iyul '25
+559
23 kanalda
Get PRO
Iyun '25
+307
5 kanalda
Get PRO
May '25
+469
9 kanalda
Get PRO
Aprel '25
+304
7 kanalda
Get PRO
Mart '25
+577
15 kanalda
Get PRO
Fevral '25
+362
12 kanalda
Get PRO
Yanvar '25
+612
17 kanalda
Get PRO
Dekabr '24
+316
10 kanalda
Get PRO
Noyabr '24
+1 029
14 kanalda
Get PRO
Oktabr '24
+234
8 kanalda
Get PRO
Sentabr '24
+588
17 kanalda
Get PRO
Avgust '24
+546
6 kanalda
Get PRO
Iyul '24
+1 120
18 kanalda
Get PRO
Iyun '24
+1 684
16 kanalda
Get PRO
May '24
+384
10 kanalda
Get PRO
Aprel '24
+327
2 kanalda
Get PRO
Mart '24
+680
13 kanalda
Get PRO
Fevral '24
+605
8 kanalda
Get PRO
Yanvar '24
+752
8 kanalda
Get PRO
Dekabr '23
+607
12 kanalda
Get PRO
Noyabr '23
+718
21 kanalda
Get PRO
Oktabr '23
+451
5 kanalda
Get PRO
Sentabr '23
+215
0 kanalda
Get PRO
Avgust '23
+306
0 kanalda
Get PRO
Iyul '23
+351
0 kanalda
Get PRO
Iyun '23
+325
0 kanalda
Get PRO
May '23
+1 873
0 kanalda
Get PRO
Aprel '23
+258
0 kanalda
Get PRO
Mart '23
+292
0 kanalda
Get PRO
Fevral '23
+218
0 kanalda
Get PRO
Yanvar '23
+324
0 kanalda
Get PRO
Dekabr '22
+209
0 kanalda
Get PRO
Noyabr '22
+164
0 kanalda
Get PRO
Oktabr '22
+79
0 kanalda
Get PRO
Sentabr '22
+405
0 kanalda
Get PRO
Avgust '22
+218
0 kanalda
Get PRO
Iyul '22
+45
0 kanalda
Get PRO
Iyun '22
+42
0 kanalda
Get PRO
May '22
+163
0 kanalda
Get PRO
Aprel '22
+30
0 kanalda
Get PRO
Mart '22
+377
0 kanalda
| Sana | Obunachilarni jalb qilish | Esdaliklar | Kanallar | |
| 13 Oktabr | +96 | |||
| 12 Oktabr | +5 | |||
| 11 Oktabr | +11 | |||
| 10 Oktabr | +3 | |||
| 09 Oktabr | +26 | |||
| 08 Oktabr | +14 | |||
| 07 Oktabr | +5 | |||
| 06 Oktabr | +10 | |||
| 05 Oktabr | +6 | |||
| 04 Oktabr | +11 | |||
| 03 Oktabr | +3 | |||
| 02 Oktabr | +3 | |||
| 01 Oktabr | +3 |
Kanal postlari
+2# RoaM теперь открытая RPG и software factory
Недавно я показывал вам RoaM: мою маленькую игру по мотивам Ex Machina и Космических Рейнджеров, где можно водить буханку с огромной турелью по пост-апокалиптической пустоши, торговать, грабить корованы и многое другое. Мне не хотелось её забрасывать, но и становиться геймдевом я не готов. Я придумал выход — давайте вайбкодить её вместе!
Это было моей обсессией в последнее время: превратить игру в фабрику софта. Помните как в детстве, играешь в игру и появляется мысль: а вот круто бы, чтобы можно было ... ? Наконец, благодаря агентам, можно построить игру и систему, где подобные хотелки быстро превращаются в фичи в игре.
Суть такова:
1. Играете в игру
2. Если видите баг или хотите что-то добавить, нажимаете кнопку в левом верхнем углу и попадаете на Github. Описываете желаемое в новой Issue.
3. Если достаточно людей лайкают вашу идею, агенты берут её в работу и автономно создают.
4. Билд с вашей фичой попадает на одобрение в чат модераторов.
5. Если они её принимают, то билд с фичой выкатывается на доступный всем экспериментальный /dev, где её могут попробовать все.
6. Со следующим релизом ваша идея попадает в основную игру.
В таком режиме фабрика уже сделала больше ста задач и два релиза. Так в игре появились текстовые квесты в стиле наших любимых Рейнджеров, обновление графики, система частиц и клевые спецэффекты, новые модели для всех локаций, гораздо более сбалансированная боёвка, новый рогалик-режим Дороги Ярости Шоссе Хаоса, возможность купить себе Ниву и невероятное количество фиксов.
Мне это очень интересно как социальный эксперимент и как надежда вместе сделать RPG мечты. Игра ещё очень сырая и мне нужно ваше участие, чтобы сделать из неё нечто крутое. Присоединяйтесь! Кооперативный краудсорс вайбкодинг.
В этом канале можно следить за обновлениями игры: https://t.me/roam_game_dispatch
Чат для обсуждений: https://t.me/+hJ5GxtGk_VE0MTg6
Код игры и фабрики открыт и доступен здесь: https://github.com/ROAM-game-org/road-machiners
А тут можно поиграть в новый релиз:
https://btseytlin.itch.io/road-machiners
| 2 | #дайджест
Дайджест AI/ML за неделю 5–11 октября 2026
Anthropic: Claude Haiku 5.5
Замыкающая 5.5 линейки. Terminal-Bench 4.0 39.2% против 0.0% (лол) у Haiku 4.5 и 16.4% у GPT-6 Luna, OSWorld 72.4% против 48.9% у Luna, но до Sonnet 5.5 с его 70.6% далеко. Цена как у Luna $0.10/$0.50, кэш $0.01, но после 100К токенов все умножается на пять, тогда как Luna держит цену до 272К. Контекст 1М
Позиционируют как субагента и компактор для Opus и Sonnet.
Но на реддите уже посчитали: на длинном агентном прогоне Haiku вышел в 12 раз дороже Luna из-за большей цены за токен после 100к и большего потребления токенов. Дешевый токен и маленький расход денег из кошелька - разные вещи.
Блогпост
OpenAI: математика
Математика ВСЁ. OAI выложили 719 манускриптов по 372 задачам от внутренней модели. Задачи серьезные, Филдсовские лауреаты в слезах. В среднем три часа thinking-компьюта на результат. В Lean формализовано 42%, три работы уже отозвали из-за ошибки знака, 14 починили.
У многих математиков очень сложные отношения с этим релизом и самоидентичностью.
Блогпост, GitHub, HN
Mistral Le Chonk Large 4
"Самая умная модель за пределами США и Китая"🇪🇺🇪🇺🇪🇺 на триллион параметров: 1T-A52B MoE, text+image, 160 языков, обучена на 3800 Grace Blackwell в датацентрах ЕС. В индексе AA 38, то есть уровень DeepSeek V4.1 Flash и GPT-6 Luna. $1.36/$4.18, первые две недели вдвое дешевле. За задачу выходит в 4 раза дороже GLM-5.3-Flash и DeepSeek Flash с тем же интеллектом.
Веса обещают к концу месяца. Пока превью в API.
Блогпост, AA
Reflection AI: Beam
Вторая попытка сделать американский открытый фронтир после Inkling. 501B-A23B по их таблице уровень GLM-5.2 при в 3 раза меньшем компьюте на инференсе: Terminal-Bench 2.1 80.1 против 81.0 у GLM-5.2, SWE-bench Verified 80.9. Проблема в том, что GLM-5.2 вышла в июле и уже сменилась 5.3, а Kimi K3 и DeepSeek V4.1 Flash обгоняют Beam почти по всем строкам их же таблицы. Жаль не показали как рвут Llama3.
Веса будут позднее, пока вейтлист.
Блогпост
Google: Nano Banana 2.1
На базе Gemini 3.6 Flash вместо 3.1. По внутреннему Elo 1050 против 990 у Nano Banana 2 и 935 у Pro, сильнее всего в консистентности нескольких персонажей и mask-редактировании (хотя тесты показывают что вообще не фронтир в дрифте картинки). До 14 референсов, держит 4 персонажей и 10 объектов, 1K/2K/4K. Цены вдвое ниже: 3.4 цента за 1K, 7.6 за 4K. Мелкий текст мылится, лево и право путает.
Model Card, The Decoder
Shengshu: Vidu Q4 Preview
Image-to-video и reference-to-video до 16 секунд в 4K с нативным звуком и 10-бит цветом, до 15 референсных картинок и 3 аудио для голоса. Text-to-video нет. На AA image-to-video третье место после MiniMax H3 Max, хорошо подросли предыдущая Q3 Pro на 19-м. 1080p со звуком $0.12 за секунду, до конца ноября минус 30%.
Модель
Менее значимые новости:
OpenAI: GPT-6 и Intelligent UI
GPT-6 наконец доехал до обычного чата: Sol для платных, Luna для Free и Go. Вместе с ним Intelligent UI: модель сама решает, ответить текстом или собрать график, форму, калькулятор или схему с кнопками, рендерится по ходу генерации через их библиотеку компонентов. Work и Codex не трогали.
Блогпост
Anthropic: Claude Dashboards и Motion
Dashboards строит живые графики по данным из Snowflake, BigQuery, Databricks, Redshift и ClickHouse, под каждым числом виден SQL. Motion делает анимированные объяснялки кодом, экспорт в MP4. Dashboards на платных планах, Motion почему-то только для Team и Enterprise.
Анонс
Liquid AI: Open d1 - открытые веса decision-моделей вслед за Jev: d1-3B на базе LFM2.5-VL с картинками и d1-omni-600M с аудио. Ноль output-токенов, 48.57 на Decision Index HF, лучшая до 10B, запускается на Jetson. HF, omni
UCL и Huawei: Memento 3 - замороженный Opus 5 ведет в markdown rulebook про правила игры, компилирует его в Python-модель мира и планирует поиском по ней. На 25 публичных играх ARC-AGI-3 100.0 RHAE против 40.7 у того же Opus 5 в стандартном харнессе, но baseline1 уже давал 99.0, так что главный выигрыш - на 10% меньше действий. Кода нет. Статья | 2 802 |
| 3 |  Matn yo'q... | 8 744 |
| 4 |  секретное 35 собеседование в Яндекс | 9 116 |
| 5 |  Matn yo'q... | 4 219 |
| 6 |  Только что выкладывал здесь свой доклад "Vibemathed", а тут OpenAI подтвердила давние слухи и выложила массу новых результатов в виде препринтов.
Большой пост об этом писать не знаю как, учитывая, что большинство этих результатов я не понимаю даже на уровне формулировки. Но вот что при беглом прочтении кажется самым главным в списке:
— 003: квазигипотеза Римана, ну тут без вопросов, это огромный качественный прорыв;
— 032: гипотезы Ходжа и Тейта для важных случаев; это не вполне закрытая задача на миллион, но тоже очевидны огромные последствия;
— 004: десятая проблема Гильберта над Q; это я выбрал больше ностальгически как большой привет Юрию Владимировичу Матиясевичу, но это и правда была важная задача;
— 034: гипотеза изобилия, которая важна для классификации алгебраических многообразий;
— 002 + 006: гипотеза Бёрча-Свиннертона-Даера и гипотеза Голдфельда, которые в сумме тоже дают большой шаг к ещё одной задаче тысячелетия (но она не закрыта ещё совсем);
— 159: гипотеза Эрдёша об арифметических прогрессиях.
И в информатике, где я всё-таки могу понять, о чём конкретно идёт речь:
— 102: unique games; получены точные пределы приближения, и это сразу даёт массу результатов о (не)приближаемости разных NP-трудных задач;
— 103: L = RL = BPL, полная дерандомизация в классе алгоритмов с логарифмической памятью;
— 107: экспонента в сложности умножения матриц над С сведена до 2.25; новые алгоритмы об умножении матриц регулярно придумывают, в том числе автоматически, но здесь реально огромный скачок.
В целом, если бы это не было частью глобальной AI-революции, текст со скромным названием "OpenAI Research Catalog" стал бы главным математическим текстом тысячелетия, а может, и двух.
Но вопрос уже давно стоит шире любой конкретной задачи, будь она хоть на миллион, хоть на два. Выделю главную заключительную мысль из моего доклада, да и вообще из текущего математического zeitgeist (недавно как раз об этом разговаривал в дружественном канале Валентина Малых).
Главное в том, что сейчас пока не вполне понятно как, но точно радикально меняется понятие "результата" в математике.
Раньше как было: основной результат математика — доказанные теоремы. Если именную гипотезу доказал, над которой люди долго думали и не придумали, ты точно молодец. Это относительно легко проверяемая специалистами вещь (бывают исключения вроде abc-гипотезы, но они редки), и если специалисты проверили, то легко согласиться с тем, что результат есть и он крутой. Даже если надо быть очень узким специалистом, чтобы понять суть твоей работы. Конечно, я упрощаю, конечно, математики бывают разные, и это долгий разговор, но в целом было примерно так.
Сейчас ситуация изменилась радикально. Доказательства теперь не то чтобы ничего не стоят: не любую задачу можно решить, задачи бывают сложнее и проще, а AI-модели не всемогущи. Но человек перестал быть основным средством доказательства теорем, то есть доказательства перестали принадлежать людям. Пока ещё нужно проверять результаты и переписывать более понятно для других людей, но это тоже нужно всё в меньшей степени.
Что такое "результат" для человека теперь, математики пока не согласились, и любое новое определение ведёт к серьёзным институциональным изменениям. Да и вообще непонятно, что такое теперь "быть математиком". И это не думерский прогноз, а реальный вопрос, на который математическому сообществу придётся отвечать прямо сейчас.
Ещё одна важная деталь в том, что это результаты внутренней модели OpenAI. Иначе говоря, новые доказательства теперь не просто не людьми делаются, но и получить их из "чёрного ящика пришельцев" могут только очень специальные люди.
И, как вы понимаете, пока я говорю о математике, потому что там это уже случилось. Но другие науки ждёт то же самое в ближайшем будущем, а там и не только науки. Дивный новый мир становится всё интереснее...
#ai #math #news #blog | 4 886 |
| 7 | #дайджест
Дайджест AI/ML за неделю 28 сентября – 4 октября 2026
Google: Gemini 4 Argon
Верните мне мой 2024-й. Google наконец выпустила фронтир, но не вам. Первое место в Vals Index с 68.9 против 67.0 у Opus 5.5, DeepSWE 77.9% против 74.2% у Opus и 74.1% у Astra. В индексе AA 53, то есть ровно Astra и Fable, Opus 5.5 с 58 впереди. Галлюцинирует меньше всех: 15% против 51% у Astra. Выход до 1М токенов. $2/$10 на старте, потом $4/$20.
Доступ только партнерам, потом платный API и Ultra, когда - не сказано. Но через Блумберг, сотрудники Google говорят, что на бенчах лучше чем в жизни.
Блогпост, бенчмарки, Vals
Anthropic: Claude Sonnet 5.5
Sonnet, достойный Opus 5.5. Бьет Опус на Terminal-Bench 70.6% vs 66.4%, в остальном отстает на пару пунктов: CursorBench 55.5% против 57.8%. Цена та же $2/$10, на 30% быстрее Sonnet 5. В max режиме сжигает 193К токенов на задачу, больше всех измеренных моделей, так что считать его дешевле Opus стоит осторожно.
А еще теперь у Sonnet киберограничения как у Opus с откатом на Sonnet 5.
Блогпост
OpenAI: DevDay, GPT-6.1 Sol и Dots
DevDay с 20+ анонсами.
GPT-6.1 Sol - апгрейд GPT-6 Sol за те же $2/$10 с кэшем $0.10: DeepSWE 75.2% против 68.8%, то есть по бенчам примерно уровень Astra в пять раз дешевле.
Dots - возмещение за обрезание $200 подписки пополам. Постоянно работающие агенты на Astra со своим облачным компьютером и 4000 интеграций.
Разное - новый тариф за $500 с режимом Ultrafast (до 8x скорости в Codex), Decisions API на Luna (Jev у нас дома), Agents API с computer use, Codex в облаке и тд и тп.
Рекап, InfoQ
Runway: Praxis-1
Runway вслед за FLUX теперь тоже про роботов. Praxis-1 - world action model на том же видео-претрейне, учится в основном на чужих роликах с YouTube, а не на телеоперации: после файнтюна ошибка 16.1см против 16.0 у претрейна на реальном роботе. Смогли мы всему научиться по видео на Youtube, смогут и роботы. Сравнений с FLUX 3 Action нет, веса обещают "в ближайшие месяцы".
Исследование
ElevenLabs: Eleven v4 и v4 Turbo
Новая архитектура, больше языков, клон голоса по 10 секундам, аудиотеги теперь можно стакать и модель выполняет их по порядку. Turbo для агентов с ~150 мс до первого звука и начинает говорить, пока LLM еще пишет. Первое место у Artificial Analysis. $22 и $11 за миллион символов со скидкой.
Блогпост, TechCrunch
BFL: FLUX 3 Image
Из нового - редактирование без дрейфа: правишь объект, остальные пиксели не трогаются. Раскладка через рамки в промпте, до 10 референсов, до 4K. $0.048 за 1K, $0.61 за 4K, открытые веса "через несколько недель".
Модель
Ideogram: 4.5 - тоже про многошаговое редактирование без накопления артефактов, открытые веса тоже только обещают.
До 4 референсов на правку, нативные 2K, четыре режима качества от 0.8 до 22 центов за картинку
X
Менее важные новости:
Jev: две недели спустя
12 million views for a JSON classifier? Yeah, we're in a bubble.
Но и это не конец, JSON classifier за $40М породил индустрию. Опенсорс (и не только) успел наклепать примерно миллион копий.
Clef, Kev имя им легион.
Figure: F.02 decommission - старые роботы крутят сальтухи в дуговую печь и косплеят Терминатор 2 с настоящим Шварценеггером, в общем просто красиво. X
RoboParty: RP1 - полностью открытый гуманоид. На IROS его пинали посетители. Пресс-релиз
Bilibili: Index-Translate - переводчики на Qwen3.5. 150 языков, 2B/9B/35B-A3B, на FLORES 0.879 против 0.865 у GPT-5.6 Sol. GitHub
Suno: Speech - озвучка текста с музыкой под него одним проходом, до 8 минут, бета для всех. X | 4 106 |
| 8 | https://x.com/MistralAI/status/2107456586813730854
Они правда релизнули Le Chaton Fat | 4 236 |
| 9 |  Объединяем исследователей для обучения ИИ долгосрочному планированию
Владислав Куренков, руководитель научной группы «Адаптивные агенты» Института AIRI, запустил открытое сообщество людей, работающих над системами планирования ИИ, чтобы вместе решить одну из самых неподатливых для искусственного интеллекта игр — NetHack.
У каждого участника будет свой способ получить программу, свои инструменты и своя стратегия, а общая инфраструктура позволит видеть результаты друг друга, сравнивать их между собой и продолжать разрабатывать решения друг друга.
Владислав рассказал, почему NetHack весьма полезна для обучения ИИ:
«Одна партия в NetHack — это десятки тысяч ходов. Жизнь у героя одна, сохранений нет, подземелье каждый раз новое, а игра по дороге ничего не подсказывает. Если вы сыграли плохо, то выясняется это тогда, когда ничего исправить уже нельзя. Когда мы запускаем наших ботов играть, то вторая по частоте причина их "смерти" — голод, потому что они не позаботились о еде за несколько тысяч ходов до финального момента. На таких же ошибках спотыкаются ИИ-агенты, когда пишут код: отдельный шаг они выполняют прекрасно, а на длинную дистанцию держать планку не могут. И NetHack в этом плане становится весьма полезной для обучения ИИ».
📎Подробнее про сообщество, игру и «интеллект» агента — в интервью «Ъ-Науке». | 5 982 |
| 10 |  Matn yo'q... | 6 259 |
| 11 | Любая достаточно развитая технология неотличима от аи слопа | 6 813 |
| 12 |  Команда Т-Банка хотела тестировать нейросетевые модели для ранжирования, но на их внедрение уходило слишком много времени. Поэтому сделали open source-библиотеку scikit-rank.
Она оборачивает нейросетевые модели в формат scikit-learn-моделей с привычными методами fit и predict, а переписывать всю обработку данных и обучение больше не нужно. Почему это важно – посмотрим на примере ИИ-агентов. Если попросить агента с нуля реализовать DCN v2, он будет с нуля писать архитектуру и, скорее всего, допускать больше неточностей. А если дать задачу завести DCN v2 из Scikit-Rank, агент прочитает README репозитория и использует готовую реализацию, что потребует меньше токенов и снизит вероятность ошибок.
На внутренних задачах модели дали прирост 3-7% по офлайн-метрикам и 4-7% по бизнес-метрикам. Работу о библиотеке представили на конференции ACM RecSys 2026.
https://habr.com/ru/companies/tbank/articles/1088224/ | 6 998 |
| 13 | #дайджест
Дайджест AI/ML за неделю 21–27 сентября 2026
Anthropic: Claude Opus 5.5
Опять менять подписку. Opus 5.5 обгоняет Fable 5.1 почти по всей таблице: Terminal-Bench 4.0 66.4% против 55.8% (у Astra 57.9%), CursorBench 57.8% против 51.8%, HLE 67.7% против 65.6%. При этом $4/$20 вместо $5/$25 у Opus 5, кэш $0.20, на 30% быстрее, типичные задачи на 40% дешевле. Первый релиз после того как Амодей призвал притормозить фронтир.
Sonnet и Haiku 5.5 обещают через несколько недель.
Блогпост, AA
OpenAI: GPT-6 Sol и GPT-6 Luna
По совпадению вышли через полтора часа после Opus 5.5. Модели подросли по бенчам, но главное - подешевели в 2 раза: Sol $2/$10, Luna $0.10/$0.50. Обещают вдвое меньше фактических ошибок чем у 5.6 Sol. Terra в шестом поколении нет.
Не Opus 5.5 конечно, но новые парето-оптимальные модели.
Блогпост, форум
xAI: Grok 4.7
2.1T параметров, на 40% больше Grok 4.6, контекст 500К, цена та же $2/$6. В индексе интеллекта AA 46 против 53 у Fable и GPT-6.
Из плюсов: SOTA на бенчмарке по электротехнике.
Из минусов: гайки цензуры прикрутили, NSFW больше нет. С каждым днем мы все дальше от МехаГитлера.
Блогпост
Xiaomi: MiMo-V2.6 Pro и Flash
Открытые омнимодальные модели под MIT: текст, картинки, видео и аудио на входе, контекст 1М. Pro набирает 46 в индексе AA, то есть уровень Grok 4.7 и лучший результат среди открытых. Flash $0.14/$0.28, кэш $0.0028. Если хотите отвлечься от чтения слопокода - с весами выложили 7000+ RL-окружений для кода, уязвимостей и веба и весь пайплайн обучения, а RL-фаза, по их словам, стоила $2.62М для Pro и $850К для Flash. Бонусом 9B дистиллят на базе Qwen3.5.
Блогпост, RL, HF
BFL: FLUX 3 Action
Открытая 7B world action model для роботов: по картинкам с камер, состоянию и инструкции предсказывает следующие действия и заодно будущие кадры. На RoboLab-120 42.9% против 36.8% у Cosmos 3 Nano на 16B, до 3.95 раза быстрее. Интегрирована в LeRobot, есть рецепты файнтюна.
Модель, HF
Alibaba: Qwen-Audio-3.1
Пять моделей: ASR, TTS и Realtime модели обновили и удешевили, а также из интересного добавили умные версии ASR и TTS:
ASR-Next - Распознает эмоции, роли, фоновые шумы, убирает эээ слова-паразиты
TTS-Next - можно кроме самой речи прописывать эффекты, эмоции, тайминги и тд
Блогпост, X
Google: Gemini 3.8 Flash TTS и Flash-Lite TTS
Flash для актерской игры и дизайна голосов, Lite для дубляжа и агентов. 100+ языков, 2000+ голосов, клонирование по 30 секундам с устным согласием владельца, SynthID в каждом файле. В оценке Hume обе заняли первые два места.
Блогпост, API
Tencent: Hy погоди Image 3.5 Preview
До 20 референсов вместо трех, многоходовое редактирование с памятью сессии, 4K на выходе. Обещают 30% прироста по human eval относительно 3.0. $0.024 за картинку против $0.045–0.211 у GPT Image 2.5. Весов нет, только API и бесплатно в Miora до 7 октября. KuCoin
DeepSeek: DSec
Статья про инфраструктуру песочниц для RL от DeepSeek, которая обслуживала все RL раны от V3.2 до V4.1. Есть отдельная глава про то, как агенты ломали песочницу ради награды. Статья
inclusionAI: Ming-Image-0.1-Design - 6B под MIT для UI, инфографики и постеров с читаемым текстом и RGBA на выходе, плюс Design-Layer, который раскладывает готовый макет на слои. Первое место среди открытых на UI/UX лидерборде AA. HF, GitHub
Fireworks: Ember-1 - Kimi K3, дообученная думать на 40% короче без потери качества: DeepSWE 75.2 против 66.4 у базовой K3, Terminal-Bench 2.1 82.0. $3/$15, research preview, весов нет. Блогпост | 5 621 |
| 14 |  Стартуем наше ежегодное исследование дата-специалистов!
Чтобы учесть быстро меняющиеся условия работы всей индустрии, мы кардинально пересобрали структуру анкеты. Вот, что ждет внутри:
🤖 Насколько глубоко AI встроен в вашу работу: от разовых запросов в чате до собственных агентов под регулярные задачи. И как за год изменилось время на разные типы задач.
🧩 Кто какие шаги делает руками: от постановки задачи с бизнесом до мониторинга модели в проде. Сравним, как эти списки выглядят у разных ролей.
📈 Кем работали до перехода в данные и как менялись роли потом. Соберем карту переходов внутри направления.
💼 Как на собеседованиях дата-специалистов относятся к AI — разрешают, требуют или следят, чтобы не пользовались.
И, конечно, традиционные блоки про развитие и сообщество, чтобы собрать полезные списки ресурсов
⏱ Опрос займет 12–15 минут
📬 Отчет опубликуем в ноябре
👉 https://survey.devcrowd.ru/data-2026
🔁 Пересылайте коллегам из data-направления - добавим больше данных! | 5 006 |
| 15 |  # Road Machiners
https://btseytlin.itch.io/road-machiners
Любой мужчина в своей жизни должен сделать свою игру где можно грабить корованы.
В субботу я задумался: какую игру я всегда хотел сделать, но не хватало безработности? За выходные навайбкодил помесь между Ex Machina и Space Rangers 2. Встречайте: Road Machiners.
Машинки ездят, грабят и оказываются ограбленными. NPC может запомнить, что вы его ограбили, и позже отомстить. Можно торговать, лутать, общаться по радио, выполнять немногочисленные квесты, исследовать. Я удивлен, но оно даже похоже на прототип полноценной игры!
Я беру назад все свои слова про то, что вайбкодинг не работает. Видимо он работает когда занимаешься чем-то бесполезным! Вся игра сделана на 100% вайбах. Не автономно. Но я просто говорил Opus 5.5 свои хотелки вида "а давай короче музыка в бою будет генерироваться в зависимости от того, что происходит, типа в кого-то попал или врезался...", а он делал. | 5 631 |
| 16 |  Matn yo'q... | 5 654 |
| 17 | На конференции Yandex Scale показали Алису AI Про: в ней обещают 120+ навыков и 20+ плагинов, создание собственных навыков, выбор модели под капотом и облачный, гибридный/он-прем форматы поставки.
Ещё недавно все смотрели в первую очередь на саму модель: контекст, бенчмарки, качество ответов, скорость. Теперь всё больше внимания привлекает то, что модель умеет делать за пределами чата.
Потому что даже очень хорошая LLM сама по себе остаётся генератором текста. Чтобы она могла нормально работать в компании, ей нужны доступ к данным, инструменты, права, инструкции и возможность вызвать нужный сервис.
Например, сотрудник может попросить: «Собери отчёт по продажам за неделю, найди основные отклонения и подготовь письмо для команды». В идеале агент сам забирает данные из CRM, анализирует их, сверяет с внутренними документами, формирует выводы и готовит письмо. Человеку остаётся проверить результат и отправить его.
Отсюда и весь новый слой вокруг моделей: tools, skills, агенты, MCP. Чем сложнее задача, тем меньше это похоже на одного универсального ассистента — скорее на систему, где несколько агентов делают разные куски работы, а кто-то координирует их между собой.
Первыми такие решения запустили OpenAI и Anthropic – сначала они автоматизировали задачи разработчиков, но быстро поняли, что ту же логику можно применить и для остальных профессий. Так появился класс Cowork-решений.
В общем, сейчас конкурируют уже не только LLM, а целые системы, которые позволяют этой LLM что-то реально делать. | 7 042 |
| 18 | Matn yo'q... | 7 080 |
| 19 | Алексей Гусаков на deep tech night рассказал как Яндекс Музыка перешла на end-to-end генеративные рекомендации с новой моделью SONA. Энкодер-декодер модели вернулись!
Новая система называется SONA. В A/B-тесте SONA дала +4,5% Active Users поверх всех улучшений, что были сделаны с 2023 года. От внедрения модели получили эффект больше, чем от всего сделанного за последние годы вместе взятого.
В 2023 мы увидели первые BERT в рекомендациях: SASRec и BERT4Rec. Там история прослушиваний подавалась в энкодер-трансформер, а из результата делался вектор пользователя. Для получения рекомендаций можно было вычислить косинусное расстояния с вектором трека. Ограничение такого подхода в медленном обучении: каждый сабсет истории прослушиваний пользователя нужно обрабатывать как отдельный префикс, отдельным форвардом всей модели. Из-за этого приходилось ограничивать историю 128 треками.
В 2025 появился ARGUS с переходом к генеративной постановке с трансформеров-декодером. Модель последовательно предсказывает следующий музыкальный трек, авторегрессионно, как LLM предсказывает следующий токен. Это позволило подавать в модель 8000 треков за раз и сразу считать ошибку для всех префиксов. Однако сжатие всей истории в один токен теряет много информации. К тому же трансформер был тяжёлый, поэтому его можно было применять только как реранкер. Этап генерации кандидатов оставался отдельным.
Теперь следующая итерация – SONA, настоящая end-to-end система.
Ключевая инновация это новый токенизатор под названием Semantic ID. Грубо говоря one-hot представление для каждого трека заменяется тремя дискретными иерархическими токенами из кодбука. Кодбук формируется на основе мультимодальных эмбеддингов трека с помощью Qwen 2.5-Omni, refinement-трансформера и кластеризации RQ-KMeans. В итоге получается токенизация сохраняющая семантику на разных уровнях абстракции: от общих жанровых черт до специфики конкретного трека.
SONA – это энкодер-декодер. Энкодер часть сжимает историю пользователя, а декодер часть генерирует рекомендации. Одновременно учится и предсказывать следующий трек, и реакцию на него.
SONA сама себе генератор кандидатов и ранкер, потому что использует новую структуру токенов для ретривала прямо во время своих предсказаний. Используется beam search. Сначала предсказываем первый токен из трех, затем второй при условии первого, затем последний при условии двух предыдущих. По сути для получения рекомендации сразу делаем поиск по дереву несколькими форвардами трансформера. Никакого FAISS или HNSW! | 6 426 |
| 20 | Постоянная рубрика "блекпилл недели по AI коду."
После предыдущего болезненного опыта, где я обнаружил, что агенты ужасно пишут код и за ними потом надо неделями разгребать слоп, я задумался как быть. Это новая реальность разработки софта и мне как СТО нужно придумать как существовать в новом мире.
Изучая, что придумали более умные люди, я понял: ничего. Никто не знает как жить в новом мире, когда один разработчик производит столько кода, сколько в прошлом мог производить целый отдел. За пределами твиттера проблема известная (т.е. большие компании вроде Cloudflare и GitLab уже написали блог-посты), но решения никто не нашел.
На основе своего и чужого опыта придумал гайдлайны по AI разработке для нашей команды.
Основные предположения:
1. Код важен. Код это то, что действительно исполняется, а значит единственный источник истины. Все спеки это в лучшем случае искаженные описания кода, а чаще всего просто слоп-эссе на тему.
2. AI агенты это мультипликаторы скорости генерации кода. При наивном применении они перекладывают работу с автора кода на меинтейнера.
3. Главный ограничивающий ресурс это понимание кодовой базы разработчиками.
4. Деградация кода неизбежна и поддержание его качества это необходимая работа.
5. Агенты для кода ненадежны и непостоянны. Результат зависит от множества постоянно меняющихся факторов: модели меняются, сетап у всех разный, и так далее. Если что-то работает сейчас, нельзя гарантировать, что оно будет так же работать завтра.
6. Агенты для кода быстро производят техдолг и не могут самостоятельно его уменьшать.
Отсюда следующие принципы того, как может работать адекватная система:
1. Необходимо перенести работу по поддержанию качества назад с мейнтейнера на автора.
2. Люди отвечают за дизайн и архитектуру.
3. Люди отвечают за систему верификации: pre-commit, CI чеки, документация и принципы. Только люди редактируют AGENTS.md и постоянные доки.
4. Все правила, которые можно, нужно превращать в механические чеки, потому что промптинг не гарантирует, что агенты будут их соблюдать.
5. Борьба со слопом закладывается в бюджет.
6. Минимизируем человеческие затраты на ревью, максимально автоматизируем проверки и контроль качества.
Первый пункт самый главный: можно вайбкодить как угодно, если в результате у тебя рабочий код который ты понимаешь.
И конкретные практики:
1. Каждый PR не более +2к строк кода. Эмпирически найдено, что больше отревьюить невозможно.
2. Автор каждого PR сам пишет его описание по шаблону и указывает какие сущности за что отвечают.
3. Очень жесткие pre-commit и CI чеки.
4. Кастомный код-ревью бот в CI, который отсматривает каждый дифф и весь PR в целом с целью доказать, что он сломан. Промптится логом прошлых инцидентов, который пополняется только людьми.
5. Люди дизайнят скелет своих изменений в AI-assisted режиме, агенты заполняют пропуски.
6. Доки пишутся людьми, агентам запрещено их редактировать.
7. Разгребание слопа закладывается в планирование.
Всю карьеру (в эру кожаного кодинга) я считал pre-commit чеки очень бесячими и не особо полезными. Теперь же у нас самые жесткие чеки и линтеры в моей жизни. Там как базовые вещи вроде ruff и black, так и кастомные правила import linter, и многое другое. Я постоянно завожу что-то новое. Например, недавно добавил проверки на вложенность и цикломатическую сложность функций из SlopCodeBench. На днях появилась проверка всех диффов с помощью Jev.
Это более-менее сработало. Pre-commit с механически забитыми правилами позволяет видеть не совсем слоп на этапе ревью. Очень жесткий CI обеспечивает то, что слоп обнаруживается до мержа, а не после. Но появились новые проблемы.
Самая главная: актор с критиком могут очень долго итерироваться над PR без видимого прогресса. Агент делает изменения, ревьюер находит блокирующие проблемы, агент делает заплатку, ревьюер находит следующую дыру и так далее. Я видел как это происходило буквально днями, до тех пор, пока я не погружусь и не разберусь: в чем же корень проблемы? Ни одна модель (вклюбчая Fable и Astra) пока ни разу не смогла сама выбраться из этой спирали.
Вытекающая проблема: медленно. Теперь беклог PR разгребается гораздо медленнее, чем пополняется. У агентов как будто появляется новый инструмент: защита (своего кода) заебыванием. Когда ревьюер в десятый раз находит ошибку в каком-то PR возникает очень сильное желание вмержить его, чтобы просто больше не видеть.
Что иронично: ускорение от вайбкода как будто целиком компенсируется или замедлением на этапе ревью, или, если вы на вайбах, разгребанием проблем в проде спустя пару недель. | 6 493 |
