Нейродайджест за неделю (#126) LLM - Muse Code и Spark 1.2 — Meta выкатили своего агента и новую модель. За счет разрешения обучаться на данных пользователя цена снижена до $0,1/$0,2 за миллион токенов. - Qwen 3.8-Max — Alibaba выпустила мультимодальную модель на 2.4T параметров (95B активных). Отлично справляется с визуальными agentic задачами и автономным кодингом, стоит $2/$6. Обещают выпустить веса уже на этой неделе. - Первая модель SSI — По слухам, стартап Ильи Суцкевера планирует релиз первой модели уже в августе, не дожидаясь заявленного сверхинтеллекта. Генеративные модели - Lift4D — Фреймворк для 4D-реконструкции динамических объектов и их текстур из обычного видео с камеры. - Grok Video 1.5 — xAI выкатила минорное обновление своего видеогенератора. - FLUX 3 Video — Видеомодель от BFL вышла в API (до 20 сек со звуком и липсинком). Появился черновой режим (Draft Mode), базовая цена от $0.17 за секунду в 720p. - SeedRealtime — ByteDance представила нативную full-duplex модель. Ассистент непрерывно смотрит видеопоток, слушает и может инициировать диалог без задержек. - Wan 3.0 — Alibaba запустила публичную бету. Модель генерирует видео до 30 секунд в 1080p, позволяя смешивать текст, фото, видео и аудио для точного переноса внешности и стиля. - Wan Animate 2 — Альтернатива pose-control для motion transfer по видео-референсу без скелетов. Выложили веса и ноды для ComfyUI. - Grok Imagine Image 2.0 — xAI сильно прокачали генератор картинок: добавили Magic Wand, точное редактирование областей, удаление фона и мультиреференс до 5 изображений. Прочее - Gemini Robotics 2 — Google DeepMind обновили VLA-модель: теперь она управляет всем телом гуманоида (включая мелкую моторику), координирует рой роботов и имеет on-device версию для быстрой адаптации. - Перестановки в Google — Демис Хассабис покинул пост CEO DeepMind (перешел на роль Chair и Chief Scientist Alphabet), а Джефф Дин ушел из компании после 27 лет работы делать стартап Discovery Loop. > Читать дайджест #125 #дайджест @ai_newz

Учёные составили карту щекотки Наша непостоянная рубрика «Безумные эксперименты» пополнилась свежим исследованием. Двое нейробиологов из Университета Радбауд собрали 448 человек с тремя разными культурными бэкграундами: голландским, греческим и китайским. Каждый заполнял анкету про свой опыт щекотки, а потом закрашивал на компьютерной модели тела зоны, где ему щекотно. Затем то же самое — для боли и для приятных прикосновений, чтобы было с чем сравнивать. Результат: шея, подмышки, живот и ступни. Одинаково у всех, независимо от культуры. Причём сильнее всего щекотка бьёт по участкам, к которым в обычной жизни редко прикасаются. Опыт тоже оказался почти всеобщим — 98,4% участников кто-то когда-то щекотал, 95,8% щекотали сами. Казалось бы, очевидный результат. Но нет: прикосновения, которые мозг обрабатывает эмоционально, те же объятия — люди из разных культур считывают по-разному. У щекотки такого разброса не нашлось. Самое интересное — сравнение карт. Зоны щекотки не совпали ни с картой боли, ни с картой приятного касания. По словам первого автора работы, щекотка «похоже, представляет собственный класс — и физиологически, и психологически», а не побочный продукт других ощущений. Тут важно различать два разных явления. Гаргалезис — та самая щекотка от сильных повторяющихся нажатий, от которой смеются и извиваются. Книсмезис — лёгкое пёрышко по коже, смеха не вызывает. Её изучали активно, потому что она похожа на зуд, а зуд сопровождает кучу болезней. А вот гаргалезис, по словам нейробиолога Михаэля Брехта из Берлина, до сих пор остаётся «очень плохо понятым ощущением». Хотя явление куда древнее нас. Человекообразные обезьяны щекочут друг друга, крысы и сурикаты реагируют на щекотку от человека — значит, ощущение пережило миллионы лет эволюции. @vselennayaplus

Пять лет спустя я понимаю, почему меня не брали на работу 😂 Мне тут прислали резюме, и я внезапно узнала себя пятилетней давности. Именно с таким резюме я когда-то искала работу в США. И даже интервью практически не получала. И дело было не только в том, что я плохо понимала американский рынок или у меня не было local experience. Мое резюме буквально кричало: Я МОГУ ВСЁ. ВООБЩЕ ВСЁ. Marketing strategy? Могу. Product marketing? Могу. Content? Конечно. Analytics? Давайте. GTM? Да. Events? Да. Sales enablement? Тоже я. Growth? Почему бы и нет. Команду построить? Сейчас построим. Мне казалось: чем больше всего я умею, тем привлекательнее я как кандидат. Но в США это часто работает наоборот! Работодатель обычно нанимает вас не за весь ваш жизненный опыт. Он покупает довольно конкретное решение довольно конкретной проблемы. Что я теперь стараюсь убирать из резюме: 👉🏻5 разных профессиональных идентичностей. Вы не должны одновременно продаваться как Product Marketing + Growth + Operations + Content + Strategy + Analytics одним резюме. 👉🏻Всё, что вы когда-либо делали. Резюме не трудовая книжка и не архив вашей карьеры. 👉🏻Навыки только потому, что они у вас есть. Если они не помогают продать вас на эту конкретную позицию: они создают шум. 👉🏻Достижения из разных профессий без единой логики. Каждый bullet может быть прекрасным сам по себе, но вместе они должны отвечать на один вопрос: почему именно этого человека нужно нанять на ЭТУ роль? 👉🏻Слишком широкий Summary. Если после первых 4–5 строк я могу отправить вас одновременно на пять совершенно разных типов вакансий: позиционирования, скорее всего, нет. 👉🏻Попытку показать максимальную seniority через максимальное количество функций. Senior — это не «делал всё». Senior — это масштаб, сложность задач, ownership, влияние и результат. И вот что я поняла только спустя несколько лет: Хорошее резюме показывает не всё, что вы умеете. Оно показывает именно то, за что конкретный работодатель готов вам заплатить. Остальное можно оставить для интервью. И да. Теперь, когда мне присылают резюме «я и маркетолог, и продакт, и аналитик, и немножко sales», я прекрасно понимаю, откуда оно берётся. Я сама была этим резюме 😂 #сша #карьера

KDD’26, день третий. 1. Keynote от Джеффа Дина. Это один из гигантов области ИИ, стоящий у истоков большого числа различных исследований и разработок Гугла, которыми мы все с вами пользуемся. Он буквально придумал MapReduce, TPU, tensorflow, был соавтором word2vec, mixture of experts, knowledge дистилляции; делал первый нейросетевой машинный перевод. В последние годы лидил разработку Gemini. У него 426490 цитирований на google scholar. Пока текущий кейноут не залили на ютуб, можете посмотреть как в 2014 году он выступал на ACM RecSys с кейноутом Large Scale Machine Learning for Predictive Tasks. На сегодняшнем кейноуте сначала был экскурс в его основные околонейросетевые работы, про которые писал выше. А еще: * оказалось, в своем диссере из 90-х он уже занимался нейросетями — скейлил обучение до 32-х процессоров. Потом продолжил тем же самым заниматься в Гугле :) * забавный факт — статью про knowledge distillation (ту самую, с Хинтоном в соавторах) — реджектнули на Neurips со словами “это никому не понадобится”)) Затем рассказывал про свой уход из Гугла — как объявлял на всю компанию что уходит; что очень много людей пришли на прощальную вечеринку, все не поместились в Гугл кафешке; что было очень много прощальных писем, он пытался на них все ответить, но не получалось, но он пытался, но не получалось... Сходил на йогу, поиграл в футбол, возможно всплакнул. И, наконец, рассказал про свою новую компанию Discovery Loop: * jсновная идея — автоматизация типичного экспериментального пайплайна “propose experiment -> implement and run -> evaluate” * К вопросу подходят масштабно — предполагается, что запускаться будет очень большое количество экспериментов, их результаты (и отрицательные, и положительные) будут использоваться агентами на следующей итерации экспериментов. Ожидается, что при должном масштабировании это приведет к большому количеству научных прорывов * Сначала фокусируются на digital областях, в которых эксперименты не требуют доступа к физическому миру * Приводил как пример масштабного запуска экспериментов разработку Gemini, в которой одновременно принимали участие тысячи людей, и мерджили результаты экспериментов в единую модель Еще было немного про кодинг: * сейчас происходит следующий, еще больше верхнеуровневый этап программирования: ассемблер, C++, Python, а теперь — делегирование задач агентам * по мнению Джеффа, агенты нас не заменят, а сделают продуктивней (ага, ага) 2. Вообще, сегодня я хорошенько прочувствовал, что агенты становятся основным трендом в рекомендательных технологиях. Семантические айдишники и генеративные рекомендации, конечно, это все еще очень горячая тема, про которую большие компании трубят из каждого угла; но уже появилось четкое ощущение, что самые передовые ребята занимаются агентами, а большие компании просто как всегда не поспевают за прогрессом. Чуть более конкретно: * пообщался с Derek Chang (руководителем команды в Google DeepMind, в которой придумали DCN-v2). Раньше его команда помогала различным сервисам Гугла (в первую очередь рекламе) делать рекомендательные технологии — придумывали архитектуры нейросетей, работали над эффективностью, etc. А теперь они делают агента, который их заменит)) Буквально занимаются посттрейнингом LLM * Артёму @nxt_item стажер из команды onerec-think/onereason Куайшоу сказал, что сейчас у них половина команды занимается проектом Агент X, суть которого буквально такая же — создать ИИ ресерчера, который их всех заменит В общем, тренды страшные. Мы все призадумались; на постерной сессии полчаса стояли в кружке и пытались осмыслить надвигающийся экзистенциальный кризис. Если еще посты Игоря @seeallochnaya про ситуацию с OpenAI агентами почитать, то совсем страшно. 3. Также сегодня была вторая постерная сессия (вчера industry track, сегодня research), ее я провел в основном возле статьи A Unified Language Model for Large Scale Search, Recommendation, and Reasoning от Spotify, про которую в этом году уже даже на лекциях рассказывал!) На этом всё. Следующий пост за меня будет писать уже агент

Роботы достигли 90% точности в сложных задачах, просмотрев 1 млн часов видео с людьми Стартап Dyna Robotics представил базовую ИИ-модель для роботов DYNA-2, обученную на 1 млн часов видеозаписей действий человека от первого лица. Разработчики утверждают, что использование доступного видео с людьми вместо дорогостоящих данных с самих роботов увеличило точность выполнения сложных задач с 20% до 90% и в 1,55 раза превзошло результаты прошлого поколения системы. Заявленная эффективность требует независимой проверки, но компания уже привлекла $143,5 млн инвестиций. https://hightech.plus/2026/08/11/roboti-dostigli-90-tochnosti-v-slozhnih-zadachah-prosmotrev-1-mln-chasov-video-s-lyudmi

Открытие дня. Все же знают dependabot, который обновляет зависимости всего и вся на гитхабе? Причем речь не только про пакетные менеджеры всех языков, но и например github actions и даже версии образов в Dockerfile. Так вот есть такое же решение, не привязанное к вендору. Небольшая предыстория. Помимо гитхаба у нас есть свой гитлаб с большим количеством реп, в котором так же находится инфраструктура запуска практик Хекслета. В нее входит репа с кучей Dockerfile под разные экосистемы, которые мы используем как базовые образы для практик запускающихся в браузере. В этой репе есть просто все что только можно себе представить: версии образов, версии дев тулов, версии зависимостей, причем часто указываемые напрямую в Dockerfile. Обновлять все это добро раньше было отдельным приключением. С иишкой стало проще, но один фиг это процедура, которой надо заниматься. А на днях делая очередное обновление, я подумал какого хрена, по-любому должно же что-то быть. Попросил клод найти и он нашел. Оказалось что есть такая штука как Rennovate, которая очень похожа на dependabot, но работает еще круче. Мало того, что она может обновлять все версии в стандартных случаях, так эта фигня умеет обновлять версии, которые заданы числами в разных местах за счет спец разметки:

# renovate: datasource=maven packageName=org.apache.maven:maven
ARG MAVEN_VERSION=4.0.0-rc-6
# renovate: datasource=java-version packageName=java-jdk
ARG JAVA_VERSION=25

Все это расставил сам клод и написал мне такую таску:

make deps-check 
images/base/Dockerfile            setuptools       83.0.0  -> 84.0.0
images/java-base/Dockerfile       java-jdk       25      -> 25.0.4+7.0.LTS
images/multi-language/Dockerfile  java-jdk   25      -> 25.0.4+7.0.LTS

Ну и все это добро отлично подключается к ci и шлет пулреквесты с обновками. Пользуйтесь

🤔Мысли вслух Наверное вы слышали, что игроки в Rust прямо сейчас идёт война буквально за фекалии. Почему? Потому что их оставила японская витуберша Kizuna Ai. Она стримила Rust, а фанаты нашли её на сервере и попросили подарок — го*но. Теперь сервер превратился в поле боя: десятки «растовчан» рейдят базы друг друга ради трофея от витуберши. И какие же мысли у меня на этот счёт... Еба*утые фандомы портят игры. Как вы думаете? Просто лично у меня лет десять нет желания прикасаться к великой франшизе про ежа Соника после тех прекрасных историй, которые связаны с его фанатами. Хотя в детстве я обожал мульт. Сейчас я регулярно останавливаю себя перед тем, как зайти в Undertale, а теперь ещё явно не пойду в Rust, потому что тамошний контингент себя дискредитировал. Как будто стоит разделять свои фетиши и не приносить в игру, которая привлекает не только ваш кружок. А может я не прав... Возможно, это всё просто рофл, к которому я подхожу слишком серьёзно. Что думаете? 😏Подписаться на IGM

Я стал меньше ругаться на чужие бизнесы Часто пользуешься каким-нибудь сервисом, видишь косяки и думаешь: ну неужели не очевидно, что это надо исправить или сделать вот так? Тебе же как клиенту лучше видно, как правильно делать чужой бизнес и какие советы раздавать. Примерно как в футболе. А потом вспоминаешь, сколько в твоем собственном вещей, за которые самому иногда стыдно бывает. Поэтому периодически полезно ломать собственную систему и процессы в компании, чтобы посомтреть на них не через дашборды или репорты команды. Позвонить в свой отдел продаж, написать в поддержку, отключить интернет, телефонию или какой-нибудь сервис, а может и просто сервак выдернуть из розетки, чтобы посмотреть, как быстро команда отреагирует и есть ли какой-то план или хотя бы бесперебойник. А еще полезно протестировать вынимание из системы самого себя. Что произойдет с процессами, если пропасть на несколько дней без связи, например. Пробовали что-то подобное?

Во многих знаниях многие печали Друг сегодня мимоходом рассказал о поразительном научном прорыве, радикальный переворот в медицине. – Claude, это правда? – [шуршание моторчиков] Нет, ничего подобного, даже четверть шага не сделано. Я сам увидел прикольную аналитику. На одном очень большом и интересном рынке раньше была стагнация, а теперь каждый год заметный рост. – Claude, как это объясняют? – [шуршание моторчиков] Основная причина – измеритель изменил методику. Если смотреть на сравнимые ряды – всё всегда росло примерно одинаково. Правда и раньше была доступна, но теперь в один клик. К сожалению, правда почти всегда оказывается скучной. #простомысли #ai