Анализ данных (Data analysis)

🖥 Manim — это мощная библиотека на Python для создания анимаций математических и научных концепций! 💡 Она позволяет визуализировать сложные идеи с высокой точностью и гибкостью, используя код для определения сцен, объектов и их взаимодействия. Manim широко используется в образовательных целях и для создания объясняющих видео. Библиотека поддерживает анимацию графиков, формул, геометрических фигур и других визуальных элементов. 🔐 Лицензия: MIT 🖥 Github @pythonl

🧠 FlexAttention — простой способ писать любое внимание на PyTorch Зачем городить сложные CUDA-ядра, если можно использовать понятный и мощный абстрактный подход? FlexAttention — это новая модель программирования, которая позволяет реализовать большинство вариантов attention (внимания) всего в *нескольких строках кода на PyTorch*. ⚙️ Работает на базе компилятора — автоматически оптимизирует вычисления 🚀 Производительность на уровне кастомных ядер (hand-written kernels) 📌 Что даёт FlexAttention: • Унифицированный способ писать self-, cross-, local-, sparse-attention • Без кастомных CUDA/CPP — всё на чистом PyTorch • Гибкость и читаемость для исследований и прототипов 🎥 Смотреть

💥 Очередной удар по Microsoft: OpenAI переходит на TPU от Google вместо Nvidia-серверов Microsoft По информации инсайдеров, OpenAI впервые серьёзно полагается на TPU-чипы Google, а не на Nvidia-инфраструктуру от Microsoft. 🔻 Что это значит: • Эксклюзивность Microsoft как партнёра OpenAI — под угрозой • Microsoft отстаёт с выпуском собственных AI-чипов • Google отвоёвывает ключевую часть ИИ-инфраструктуры будущего ⚠️ Когда даже OpenAI ищет альтернативу своему главному инвестору, вопрос не только в «железе». Это битва за контроль над вычислительными платформами, от которых будет зависеть весь рынок ИИ. ⚙️ TPU от Google — не только альтернатива Nvidia, а ещё и рычаг влияния в AI-гонке. @data_analysis_ml

✔️Qwen VLo — новый мультимодальный ИИ от Alibaba, который заточен на понимание и генерацию изображений 📌Как работает: Модель поэтапно строит изображение слева направо и сверху вниз, уточняя детали на каждом шаге. Это делает итоговую картинку качественной, естественной и согласованной. Например, можно написать запрос: «Сделай картинку милого кота» — и она появится. А можно загрузить фото кота и попросить: «Добавь коту шапку» — и модель отредактирует изображение. 🎯 Что умеет Qwen VLo: • Точная генерация: не путает объекты, сохраняет структуру, меняет, например, цвет машины на фото без искажений • Редактирование по команде: «Сделай фото в стиле Ван Гога» или «добавь солнечное небо» — всё выполняется по инструкции • Глубокое понимание: может обрабатывать сложные задачи — выделение объектов, сегментация, редактирование текста и фона • Мультиязычность: понимает запросы на английском, китайском и других языках — просто опишите, что нужно 🧪 Сейчас Qwen VLo доступна в виде превью через Qwen Chat. 👉 Попробовать: https://chat.qwen.ai 👉 Детали: https://qwenlm.github.io/blog/qwen-vlo/ @ai_machinelearning_big_data #Qwen #Alibaba #ai #genai #ml

🖥 Создание Telegram‑бота‑репетитора на Python для подготовки к сертификациям 🎓 В этом гайде мы создадим Telegram-бота-репетитора на Python, который проводит адаптивные мини-экзамены по темам Python, Data Science, AI и ML. Бот сохраняет результаты в SQLite и даёт рекомендации по обучению. Развернём его в облаке immers.cloud — сервисе с GPU-серверами для задач от 3D и гейминга до машинного обучения и генерации контента. Почему мы выбрали immers.cloud: - Быстрый старт: нужный сервер поднимается за пару минут. - Посекундная тарификация — платишь только за время работы сервера - Большой ассортимент GPU: 11 моделей NVIDIA RTX и Tesla, включая высокопроизводительные модели, H100 (мой фаворит) и A100 с 80 ГБ видеопамяти с поддержкой GPUDirect и NVLink технологий. - Образы с предустановленным окружением для ML задач, чтобы не тратить время на настройку. - Поддержка 24/7 и стабильная производительность 🔍 Что делает бот: - Проводит адаптивные мини‑экзамены по темам: Python, Data Science, AI, ML. - Подстраивает уровень сложности вопросов под уровень пользователя. - Сохраняет и анализирует результаты обучения. 🛠️ Технологии и подход: - Написано на Python с использованием библиотеки для Telegram‑ботов. - Используется БД для хранения прогресса и статистики. - Простой архитектурный шаблон: команда → вопрос → ответ → оценка. 🚀 Цели проекта: - Практическая подготовка к IT‑сертификациям. - Обратная связь и отслеживание прогресса. - Возможность добавить новые темы и адаптивную логику. 📌 Кому будет полезен: - Тем, кто готовится к сертификациям (например, Python, ML). - Тем, кто хочет автоматизировать обучение через чат. - Программистам, желающим усилить навыки работы с Telegram‑ботами. 📌 Подробнее

🧠 FLUX.1 Kontext-Dev: текстовое редактирование изображений на новом уровне Проект [FLUX.1 Kontext-Dev](https://huggingface.co/spaces/black-forest-labs/FLUX.1-Kontext-Dev) от Black Forest Labs — это экспериментальная AI-модель, которая позволяет редактировать изображения по текстовой инструкции, сохраняя структуру, стиль и контекст. Всё работает прямо в браузере или локально через Diffusers. 📦 Что умеет FLUX.1 Kontext: • 🎨 Менять фон, стиль, объекты на изображении по описанию • 🔁 Поддерживать итеративные изменения — можно вносить правки шаг за шагом • 🧍‍♂️ Сохранять форму и позу персонажей даже после множественных трансформаций • ⚡️ Работает на основе rectified flow transformers и guidance distillation — быстрее и компактнее аналогов 🛠 Как пользоваться: 1. Открыть демо: [huggingface.co/spaces/black-forest-labs/FLUX.1-Kontext-Dev](https://huggingface.co/spaces/black-forest-labs/FLUX.1-Kontext-Dev) 2. Загрузить своё изображение 3. Ввести текстовую инструкцию, например: make it sunset, add snow, make character look older 4. Получить новое изображение — и при необходимости продолжить редактирование 🔌 Интеграции: • Поддержка Diffusers, ComfyUI, API через bfl.ai и Replicate • Модель доступна под некоммерческой лицензией • Подходит для локального запуска на GPU (`torch_dtype=torch.bfloat16`) 🎯 Кому это полезно: • Дизайнерам и художникам — быстрый визуальный прототипинг • AI-разработчикам — для создания RAG-интерфейсов с визуальной обратной связью • Исследователям — для тестирования новых подходов к in-context image editing 🚨 Про безопасность: Модель включает базовые фильтры генерации. Для продакшена рекомендованы расширенные фильтры (например, Hive) и собственные слои модерации. 📌 Вывод: FLUX.1 Kontext-Dev — это не просто генератор, а полноценный AI-инструмент для интерактивного и контролируемого редактирования изображений. Идеален для творческих задач, UX-прототипов и изучения мультимодальных AI-сценариев. #ai #diffusers #imageediting #flux1 #huggingface 📌Код 📌 Веса @data_analysis_ml

📱 Google представила Gemma 3n — открытую AI-модель нового поколения для edge-устройств 🆕 Gemma 3n — это свежая модель из семейства Gemma, спроектированная специально для высокопроизводительного оффлайн-ИИ на телефонах, ноутбуках и планшетах. Поддерживает мультимодальность: изображение, аудио, видео и текст — прямо на устройстве. 🚀 Особенности: • Новая архитектура, заточенная под edge-девайсы • Работа без интернета и задержек • Полноценная мультимодальность • Реакции и вывод в реальном времени 📊 Вершина производительности: Версия Gemma 3n E4B стала первой моделью <10B параметров, набравшей 1300+ на LMArena — раньше такое было только у облачных гигантов. 💡 Для разработчиков: 📚 Гайд: https://developers.googleblog.com/en/introducing-gemma-3n-developer-guide 🏆 Конкурс: https://kaggle.com/competitions/google- 🛠 Google запускает челлендж для создания приложений на основе Gemma 3n с фокусом на социальную пользу: здравоохранение, образование, устойчивое развитие, инклюзия и помощь в кризисах.

📌 State of Foundation Models 2025 — краткое изложение отчёта Innovation Endeavors Венчурный фонд Innovation Endeavors, основанный бывшим CEO Google Эриком Шмидтом, выпустил 126-страничный обзор о состоянии и тенденциях фундаментальных ИИ-моделей в 2025 году. 🟢 2025 — год, когда генеративный ИИ стал по-настоящему массовым. Каждый восьмой работник на планете использует ИИ-инструменты хотя бы раз в месяц, а 90 % прироста аудитории произошло за последние полгода. Многие «ИИ-приложения» уже приносят индустрии миллиарды долларов в год, охватывая инженерию, дизайн, бухгалтерию, юриспруденцию и другие сферы. 🟠LLM уже обходят людей на сложных тестах. Современные языковые модели превосходят врачей по целому ряду диагностических задач и решают олимпиадную геометрию лучше, чем 99 % людей.

Самое неожиданное: если дать небольшой модели время подумать, то она может обойти гораздо более крупную – эксперименты показали, что 3B-модель с reasoning-механизмом обойдет 70B-модель.

🟠По всем техническим метрикам масштаб моделей растет экспоненциально. Производительность, интеллект и окна контекста увеличиваются более чем в 10× каждый год. Например, окна контекста выросли примерно с 8 тысяч до миллиона токенов, а стоимость генерации одного токена на крупных моделях упала почти в 1000 раз за пару лет. Средняя «длительность» задачи, которую модель может завершить сама, удваивается примерно каждые 7 месяцев. 🟠 Эксперты резюмируют: «умные модели сначала думают, потом говорят». Модели рассуждения, обученные через CoT, дают новый путь к масштабированию и требуют активного посттренинга (RL с reward-моделями). Возможно, скоро именно дообучение станет важнее предобучения. 🟠 Экономика фундаментальных моделей запутана. Крупнейшие игроки генерируют сотни миллионов выручки, но обучение топ-моделей дороже: LLaMA 4 ≳ $300 млн, GPT-4 ≈ $100 млн, а совокупные расходы OpenAI на обучение и данные достигают ~$3 млрд в год. Новая модель устаревает за три недели — конкуренция так высока, что open-source почти сравнялся с закрытыми платформами. 🟠Структура команд меняется под давлением ИИ. Выяснилось, что функции «узких» специалистов часто уходят к универсалам с ИИ-ассистентам, а профессии уровня "middle management" вымирают. 🟠 MCP становится стандартом интеграции. Model Context Protocol соединяет модели с почтой, дизайном, чатами и другими сервисами, а «клиентом» всё чаще выступает другой ИИ: крупные CRM и базы данных само-настраиваются через агентов. 🟠 Железо не отстаёт. В ИИ-облаках важнее продавать «сырые» GPU-часы, чем комплексное ПО; допвремя на GPU обычно выгоднее оптимизаций. NVIDIA остаётся безусловным лидером: отчёт Q1 зафиксировал 10× генерации токенов на инференсе за год. Появилась волна стартапов с трансформер-чипами — теперь переписывать ИИ-ПО под новое железо оправдано: вычислительные затраты многократно превышают зарплаты инженеров. 🟠 Капитал хлынул в ИИ. Доля венчура выросла с 10% в 2024 до 50+% в 2025. Компании вроде Anthropic показывают $2 млрд годового дохода с двукратным ростом, но их оценивают в 30 годовых выручек, что вызывает опасения перегрева. Некоторые стартапы привлекают инвестиции ещё на этапе идеи, без MVP, усиливая риски "пузыря". 🟠 Осторожнее с трендами: 75 % ИИ-фото-приложений потеряли основную выручку всего за полгода после пика, напоминая, что не каждое модное направление = устойчивый бизнес, тем более когда модели устаревают с космической скоростью. ⏩Полный отчёт ⏩Видео @ai_machinelearning_big_data #news #ai #ml

DeepSeek R2 задерживается из-за ограничений и проблем с качеством ● Запуск AI-модели R2 отложен из-за американских экспортных контролей на чипы Nvidia H20 ● Чипы H20 были ключевыми для успеха предыдущей модели R1 в Китае; без них инфраструктура для R2 не готова ● CEO Лян Вэньфэн недоволен качеством текущей версии R2 и требует дополнительной доработки ● Облачные провайдеры опасаются, что спрос на H20 превысит доступные запасы ● Альтернативные чипы (например, Huawei) технически менее подходят для R2 @data_analysis_ml

🔥 Fireplexity — открытый аналог Perplexity Простой движок вопросов и ответов на базе ИИ. Работает через два основных эндпоинта: • /search — выполняет поиск по интернету • /scrape — извлекает текст со страниц Ответы ИИ формируются на основе найденной информации и включают ссылки на источники. Можно использовать как готовый сервис или собрать свою версию — код открыт. Подходит для интеграции в чат-ботов, ассистентов и внутренних инструментов. git clone https://github.com/mendableai/fireplexity.git cd fireplexity npm install 📌 Github @data_analysis_ml

✔️ Nano‑vLLM — реализация vLLM, написанная с нуля1 Это минималистичный, но быстрый движок для офлайн-инференса LLM. Отлично подойдёт для локальных экспериментов и кастомных решений. 📌 Ключевые фичи: 🚀 Быстрый офлайн-инференс — почти как у vLLM 📖 Простой и читаемый код — всего ~1200 строк на Python ⚡ Оптимизации: prefix caching, Torch compilation, CUDA Graph и др. 📦 Установка: pip install git+https://github.com/GeeeekExplorer/nano-vllm.git 📌 Быстрый старт: Примеры использования — в example.py. API максимально похож на vLLM, за исключением метода LLM.generate. 📊 Бенчмарк (на RTX 4070 + модель Qwen3-0.6B): • Запросов: 256 • Вход: от 100 до 1024 токенов • Выход: от 100 до 1024 токенов Результаты: | Движок | Время (с) | Скорость (токенов/с) | |--------------|-----------|----------------------| | vLLM | 98.95 | 1353.86 | | **Nano-vLLM**| 101.90 | **1314.65** | 💡 Nano‑vLLM показывает почти ту же производительность, что и оригинал, но с компактным и понятным кодом. Идеален для изучения и локальных LLM-проектов. 📌 Github

🕹️ Вы можете читать новости о сфере и тестить сервисы для души, а можете перейти в аналитику данных и влиять на бизнес-результаты уже через полгода — со средним доходом 167 000+ рублей Карьерный трек займёт 6 месяцев: вы плавно погрузитесь в Excel, SQL, базовый Python, маркетинговую аналитику, Power BI и нейросети на курсе «Аналитик данных» от Академии Eduson. Получите полный скиллсет аналитика, а ещё: ✔ Опыт экспертов из «Сбера», «Работа.ру» и «Авито». Они запускали десятки проектов и знают, какие задачи вы будете решать в реальной работе. ✔ Много практики на бизнес-кейсах, тренажёрах и заданиях — научитесь мыслить как аналитик, а не делать по шаблонуа. ✔ Поддержку личного куратора целый год — никаких чатов на сотни учеников, только индивидуальный подход. ✔ Гибкий график обучения и вечный доступ к программе и обновлениям — сможете проходить курс в своём темпе. На выходе вы получите удостоверение о повышении квалификации и диплом Eduson, верифицированный «Сколково». Вместе с этими документами, портфолио и помощью карьерного центра Eduson шансы найти работу будут высоки. А если не получится, деньги за обучение вернут — это прописано в договоре. По промокоду DATA — скидка 65% + второй курс в подарок. Записывайтесь по ссылке Реклама. ООО "Эдюсон", ИНН 7729779476, erid: 2W5zFGoyEd6

🧬AlphaGenome от DeepMind — AI для глубокого понимания генома 🔬 Что это? Новая унифицированная модель , способная предсказывать, как одиночные мутации в ДНК влияют на регуляцию генов и различные биомолекулярные процессы . Как работает: 1. Принимает на вход до 1 000 000 «букв» ДНК (base-pairs) и выдаёт тысячи предсказаний по разным свойствам: - Начало и конец генов в разных клетках - Уровень сплайсинга и экспрессии РНК - Доступность нуклеотидов и связывание с белками 2. Архитектура: - Свёрточные слои для поиска локальных паттернов - Трансформеры для обмена информацией по всей последовательности - Финальные слои для предсказаний по каждому «букве» Самое интересное: - **Длинный контекст *: анализ до 1 000 000 букв с точностью до одной позиции - Мультизадачность: единственная модель одновременно прогнозирует десятки регуляторных свойств (модальностей), от сплайсинга до хроматиновой доступности . - Быстрое оценивание вариантов: сравнивает «дикую» и мутантную последовательности и за секунду выдаёт полный отчёт по влиянию мутации . - Новые возможности в сплайсинге: впервые модель прямо предсказывает расположение и уровень сплайс-джанкшенов, что важно для редких генетических заболеваний . - Превосходство на бенчмарках: лидер по точности на 22 из 24 задач по предсказанию свойств и на 24 из 26 задач по эффектам вариаций . Для чего это нужно: • Ускорить исследование генетических причин болезней и найти новые терапевтические мишени • Помочь в дизайне синтетической ДНК для заданных функций • Глубже понять функции некодирующих участков генома Доступ: — Preview-версия API для некоммерческих исследований: https://github.com/deepmind/alphagenome-api — Полная модель будет опубликована позже.

3 июля в 18:00 МСК OTUS проводит открытый урок «Как правильно готовить данные для ML‑моделей?». ✔️ Мы разберём, почему чистый датасет решает половину задачи, покажем EDA‑приёмы и соберём полный pipeline предобработки на Python. Всё на живых примерах, которыми делятся практикующие ML‑инженеры. 📖 Участники поймут, как избежать «мусорных» ошибок, упростить обучение моделей и ускорить вывод решений в production. Спикер Мария Тихонова – PhD Computer Science, Senior Data Scientist и преподаватель одного из крупнейших университетов России. ➡️ Мероприятие проходит в преддверие старта курса «Специализация Machine Learning», участники получат скидку на обучение. Оставьте заявку прямо сейчас: https://tglink.io/b7e79dc13581?erid=2W5zFJuJnU8 #реклама О рекламодателе

🆕OpenAI готовит выпуск мощной open-source модели для локального запуска ● OpenAI планирует выпустить поразительно мощную open-source модель, которую можно будет запускать на собственном оборудовании ● По словам Сэма Альтмана, мы находимся в исключительном моменте: производительность новых моделей (например, o3) резко выросла, но продукты на их основе ещё не догнали ● Даже без дальнейшего роста возможностей моделей существует огромный «продуктовый профицит» — множество идей ждут воплощения ● Резонантные модели открыли новую клетку в «периодической таблице» AI, и разработчики только начинают её исследовать Обещанного 3 года ждут, как говорится

Поступи в магистратуру с грантом до 1,2 млн рублей Современная магистратура – это не пары для галочки, а возможность продвинуть карьеру и стать сильным специалистом. Центральный университет ведет набор на пять программ магистратуры по популярным ИТ-направлениям. Партнеры – ведущие компании на рынке РФ: ВТБ, Сбер, Т-Банк, Яндекс, Avito, Ozon, Х5 Tech и другие. 62% магистрантов ЦУ находят новую работу с ростом зарплаты в 1,6 раза уже на первом курсе. Средняя зарплата – 195 тысяч рублей. Обучение можно совмещать с работой, а поступить – уже с третьего курса. Стань частью новой волны специалистов и получи грант на обучение до 1,2 млн рублей. И подавай заявку на поступление уже сейчас. Реклама. АНО ВО "Центральный университет", ИНН 7743418023, erid:2RanykoZm7w

✔️ Microsoft разработала компактную языковую модель Mu для Windows Settings. Microsoft представила мини-модель Mu с 330 млн. параметров для локальной работы на NPU в Windows Settings. На чипах Qualcomm модель показывает в 4,7 раза быстрее генерацию токенов, чем аналоги. Mu адаптировали под особенности NPU: настроили размеры слоев, применили квантование весов до 8-16 бит и уменьшили потребление памяти. Mu уже используется в агенте Settings, который преобразует запросы вроде «увеличь яркость» в системные команды. Модель обучали на 3,6 млн примеров, добавили синтетические данные и шум, чтобы повысить точность. Результат: ответы за 500 мс даже на сложных задачах. При этом Mu в 10 раз меньше Phi-3.5-mini, но сохраняет конкурентную производительность. blogs.windows.com ✔️ SYNTHETIC-2: децентрализированный проект генерации логических данных. Prime Intellect запустила SYNTHETIC-2, децентрализованную систему генерации для обучения ИИ. Проект позволяет любым GPU, от бытовых до промышленных, присоединиться к генерации данных. Управляет процессом TOPLOC v2, технология, которая проверяет корректность вычислений через хэширование активаций и распределяет награды за успешные результаты. Датасет включает более 20 задач: математика, генерация JSON и неформальные задания для разнообразия данных. Верификация работает через сравнение ответов разных моделей (Qwen3, DeepSeek и др.). Все данные доступны на HuggingFace. Присоединиться может любой желающий, арендовав ресурсы через Prime Intellect или подключив собственные GPU. Цель проекта - ускорить развитие открытой суперинтеллектуальной системы, где контроль распределен, а технологии общедоступны. primeintellect.ai ✔️ DIY-устройство для превращения снов в фильмы с помощью ИИ. «The Dream Recorder», открытый DIY-гаджет от компании Modem Works, превращающий воспоминания о снах в короткие фильмы с помощью ИИ. Устройство использует Raspberry Pi, микрофон и экран, а его стоимость сборки составляет около $310. После пробуждения пользователь рассказывает сон, который транскрибируется и отправляется в ChatGPT, а затем в Luma AI для генерации видео. Итоговый ролик сохраняется в цифровой дневник. Проект сочетает DIY-культуру и доступные технологии, демонстрируя, как ИИ может визуализировать субъективный опыт. Все схемы и исходники доступны на GitHub, включая 3D-модели для печати. Примерная стоимость записи одного сна составляет $0.15, что делает эксперименты с памятью и сознанием доступными. И это не прототип, а рабочее решение, которое можно собрать самостоятельно. dreamrecorder.ai ✔️ Мини-движок nano-vLLM. Исследователь Синькай Ю из DeepSeek разработал nano-vLLM, облегченный движок для работы с LLM. Он написан на Python вручную, объемом всего 1,2 тыс. строк кода, и воспроизводит основные функции оригинального vLLM. nano-vLLM поддерживает кэширование префиксов, тензорный параллелизм, компиляцию с torch.compile и CUDA Graphs. Это позволяет достичь скорости, близкой к vLLM, но без сложных алгоритмов планирования задач или динамического батчинга. Зато разработчики получают четкую архитектуру в одном месте: токенизатор, управление кэшем и механизм выборки токенов. Проект подойдет для исследований, обучения или небольших систем, где важна простота. github.com ✔️ OpenAI готовит ChatGPT к конкуренции с Google Workspace и Office 365. По данным источников, OpenAI разрабатывает продвинутые функции для ChatGPT, превращая его в платформу для командной работы. Пользователи смогут группировать чаты, загружать файлы, использовать голосовой ввод и сохранять контекст диалогов. Все это позиционируется как альтернатива офисным пакетам. Мобильное приложение получит поддержку загрузок и переключения моделей на лету. Этот проект, задуманный в 2024 году, активно развивается сейчас и OpenAI видит в ChatGPT «операционную систему для жизни», интегрируемую в рабочие процессы. Microsoft, поддерживающий стартап, теперь рискует стать конкурентом самому себе, а Google получает нового серьезного оппонента. theinformation.com @ai_machinelearning_big_data #news #ai #ml

✔️ Microsoft разработала компактную языковую модель Mu для Windows Settings. Microsoft представила мини-модель Mu с 330 млн. параметров для локальной работы на NPU в Windows Settings. На чипах Qualcomm модель показывает в 4,7 раза быстрее генерацию токенов, чем аналоги. Mu адаптировали под особенности NPU: настроили размеры слоев, применили квантование весов до 8-16 бит и уменьшили потребление памяти. Mu уже используется в агенте Settings, который преобразует запросы вроде «увеличь яркость» в системные команды. Модель обучали на 3,6 млн примеров, добавили синтетические данные и шум, чтобы повысить точность. Результат: ответы за 500 мс даже на сложных задачах. При этом Mu в 10 раз меньше Phi-3.5-mini, но сохраняет конкурентную производительность. blogs.windows.com ✔️ SYNTHETIC-2: децентрализированный проект генерации логических данных. Prime Intellect запустила SYNTHETIC-2, децентрализованную систему генерации для обучения ИИ. Проект позволяет любым GPU, от бытовых до промышленных, присоединиться к генерации данных. Управляет процессом TOPLOC v2, технология, которая проверяет корректность вычислений через хэширование активаций и распределяет награды за успешные результаты. Датасет включает более 20 задач: математика, генерация JSON и неформальные задания для разнообразия данных. Верификация работает через сравнение ответов разных моделей (Qwen3, DeepSeek и др.). Все данные доступны на HuggingFace. Присоединиться может любой желающий, арендовав ресурсы через Prime Intellect или подключив собственные GPU. Цель проекта - ускорить развитие открытой суперинтеллектуальной системы, где контроль распределен, а технологии общедоступны. primeintellect.ai ✔️ DIY-устройство для превращения снов в фильмы с помощью ИИ. «The Dream Recorder», открытый DIY-гаджет от компании Modem Works, превращающий воспоминания о снах в короткие фильмы с помощью ИИ. Устройство использует Raspberry Pi, микрофон и экран, а его стоимость сборки составляет около $310. После пробуждения пользователь рассказывает сон, который транскрибируется и отправляется в ChatGPT, а затем в Luma AI для генерации видео. Итоговый ролик сохраняется в цифровой дневник. Проект сочетает DIY-культуру и доступные технологии, демонстрируя, как ИИ может визуализировать субъективный опыт. Все схемы и исходники доступны на GitHub, включая 3D-модели для печати. Примерная стоимость записи одного сна составляет $0.15, что делает эксперименты с памятью и сознанием доступными. И это не прототип, а рабочее решение, которое можно собрать самостоятельно. dreamrecorder.ai ✔️ Мини-движок nano-vLLM. Исследователь Синькай Ю из DeepSeek разработал nano-vLLM, облегченный движок для работы с LLM. Он написан на Python вручную, объемом всего 1,2 тыс. строк кода, и воспроизводит основные функции оригинального vLLM. nano-vLLM поддерживает кэширование префиксов, тензорный параллелизм, компиляцию с torch.compile и CUDA Graphs. Это позволяет достичь скорости, близкой к vLLM, но без сложных алгоритмов планирования задач или динамического батчинга. Зато разработчики получают четкую архитектуру в одном месте: токенизатор, управление кэшем и механизм выборки токенов. Проект подойдет для исследований, обучения или небольших систем, где важна простота. github.com ✔️ OpenAI готовит ChatGPT к конкуренции с Google Workspace и Office 365. По данным источников, OpenAI разрабатывает продвинутые функции для ChatGPT, превращая его в платформу для командной работы. Пользователи смогут группировать чаты, загружать файлы, использовать голосовой ввод и сохранять контекст диалогов. Все это позиционируется как альтернатива офисным пакетам. Мобильное приложение получит поддержку загрузок и переключения моделей на лету. Этот проект, задуманный в 2024 году, активно развивается сейчас и OpenAI видит в ChatGPT «операционную систему для жизни», интегрируемую в рабочие процессы. Microsoft, поддерживающий стартап, теперь рискует стать конкурентом самому себе, а Google получает нового серьезного оппонента. theinformation.com @ai_machinelearning_big_data #news #ai #ml

⚡ OmniGen2 Что умеет: • Генерация и редактирование изображений по текстовому описанию • Поддержка разрешения до 1024×1024 • Полностью open-source: модель, код и веса • Лицензия Apache 2.0 • Можно вызвать модель через MCP — просто запусти с .launch(mcp_server=True) 📌 Тестим здесь: https://huggingface.co/spaces/OmniGen2/OmniGen2 @data_analysis_ml

🆕 Новые подробности: суд опубликовал документы о совместной разработке OpenAI их ИИ-устройства Иск Google-backed стартапа iyO по товарному знаку раскрыл внутренние материалы OpenAI и io: ● За последний год OpenAI протестировали и проанализировали свыше 30 моделей наушников для изучения эргономики и технических возможностей ● VP продуктов OpenAI Питер Велиндер и CTO io Tang Tan лично испытывали прототипы, которые разработала компания,но они были нестабильны ● Сам Альтман подчеркнул, что устройство не будет ни внутриушным, ни обычным носимым гаджетом: готовая версия либо поместится в кармане или станет настольным аксессуаром ● Разрабатываются разные форм-факторы: стационарные и портативные, проводные и беспроводные решения ● К проекту подключились дизайнер Джони Айв и команда бывших инженеров Apple, работая вместе с OpenAI Официальный анонс и начало продаж ожидаются не ранее чем через год. ➡️ Читать #openai #news