Наконец дошли руки поковырять Qwen 3.8-27b Как говорится, мое увожение. На мои 16гб комфортно влез Qwen3.8-27B-UD-Q3_K_XL от unsloth --ctx-size 100535 -ngl 99 -fa on --cache-type-k q4_0 --cache-type-v q4_0 --jinja --reasoning-effort medium --no-context-shift --cache-reuse 256 --spec-type draft-mtp --spec-draft-n-max 1 -b 2048 -ub 512 --temp 1.0 --top-p 0.95 --top-k 20 --min-p 0.0 --tools all выдает 36.77 t/s с контекстом 100535 Еще есть интересный дистилл Qwen3.8-2.4T-A95B -> Qwen 3.5 9b С Qwen3.8-9B-Q8_0 и конфигом --ctx-size 262144 -ngl 99 -fa on --cache-type-k q8_0 --cache-type-v q8_0 --jinja --reasoning-effort low --no-context-shift --cache-reuse 256 --spec-type draft-mtp --spec-draft-n-max 3 -b 2048 -ub 512 --temp 1.0 --top-p 0.95 --top-k 20 --min-p 0.0 --tools all выдает 85+ t/s с контекстом 262144 В llama.cpp ui / aider ваншотят игры вроде scorched earth, но 9b модель чаще спотыкается. Можно гонять и через claude code/codex, но codex использует новый более сырой апи и одним своим системным промтом сжирает 20к+ токенов :D llama.cpp тут

Роботы, которые летают на звуке Инженеры швейцарской EPFL собрали машины без единого мотора, батарейки и шестерёнки. Двигает их звук — точнее, обычные звуковые волны, превращённые в направленную тягу. Физика тут та, с которой все знакомы на бытовом уровне. Подуйте в горлышко пустой бутылки — получите низкий гул. Это резонанс Гельмгольца: воздух внутри полости начинает колебаться. Команда лаборатории MICROBS взяла этот эффект и заставила работать на движение. Внутри 3D-напечатанной полой полости звук раскачивает воздух так, что тот втягивается рассеянно, а выбрасывается наружу узкой быстрой струёй. Возникает дисбаланс, а вместе с ним тяга. Никакой электроники, деталь целиком пассивная. Прототипы сделали в двух размерах. Сантиметровые лодочки бегают по воде от слышимых частот, причём поворачивать ими можно, включая отдельные полости — что-то вроде рулевых дюз. А микроскопические летуны работают на ультразвуке: микро-ракета весом 150 микрограмм уходит вертикально вверх, а другой вариант раскручивает крошечные лопасти до 13 000 оборотов в минуту и летит по-вертолётному. Ключевое отличие от привычной акустической левитации в том, что устройства не толкают снаружи. Их резонаторы настроены на конкретные частоты и генерируют тягу сами. Печатать такие полости можно из обычного пластика, резиноподобных полимеров или стекла. Дальше в планах вживить несколько по-разному настроенных полостей в мягкий гибкий материал. @vselennayaplus

Китай выигрывает не ИИ-гонку с США, а гонку за автоматизацию телеги Автоматизация рутины и прорывной ИИ – это две разные цели Bloomberg в августе 2026-го подводит итог полугода: эпоха абсолютного доминирования США в ИИ закончилась, бренд "Made in USA" больше не единственная гарантия качества. Заголовок звучит убедительно, но за ним стоит подмена масштаба. За эти месяцы Китай не догнал Америку в разработке передового ИИ. Он выигрывает другую войну: за то, кто дешевле построит сайт кофейни, ответит клиенту по почте и напишет скрипт поддержки – сегодняшнюю «телегу» ИИ-экономики. Победа реальная и измеримая в долларах. И почти ничего не говорящая о том, кто победит там, где рутины нет.   Доказательства этой – узкой, но настоящей – победы у Bloomberg есть. Тест Brewberg от Vals AI: несколько моделей делали один и тот же сайт кофейни с одинаковой функциональностью. Claude Fable 5 закрыл задачу за $48,99 – модель непрерывно уточняла, тестировала, переделывала. Китайские конкуренты обошлись в разы дешевле за счет меньшей "тревожности" в рассуждениях. По словам профессора Руслана Салахутдинова, одного из научных руководителей основателя Moonshot в аспирантуре Carnegie Mellon, ни одна лаборатория не удержит лидерство навсегда.   Цена – главное оружие Пекина. Такую гонку цен в Китае называют "инволюцией", и там ее боятся – она давит на экономику дефляцией. Остальному же миру это только на руку: DeepSeek V4-Pro стоит около $4 за миллион токенов против $50 у Fable 5 – разница не в разы, а на порядок. Бизнес голосует кошельком. В июле доля китайских моделей на OpenRouter впервые перевалила за 60%. Основатель Polsia Бен Сера тратил на ИИ $1 млн в месяц и был на грани банкротства – переход на шанхайский MiniMax сократил расходы до $100 тыс. Основатель Lindy Фло Кривелло формулирует логику короче: "Вам не нужен Господь Бог, чтобы писать электронные письма".   Второе оружие – открытые веса. Пока Anthropic и OpenAI держат модели за платным API, семейство Alibaba стало самым скачиваемым в мире – больше 3 млрд загрузок за полгода, обогнав Meta и Google. Открытую модель, однажды запущенную локально, извне уже не отключить: экспортный контроль здесь бессилен.   Есть и обратная сторона: США обвиняют китайские лаборатории в дистилляции – обучении на ответах американских моделей, которое экономит годы исследований. Пока санкции сдерживают Китай, вычислительная мощь США примерно в 10 раз выше китайской, и это по-прежнему главный козырь Кремниевой долины. Китай методично закрывает и другие бреши: 2 трлн юаней на дата-центры, дешевая возобновляемая энергия и инженеры втрое дешевле американских (от $70 тыс. против $360 тыс. у OpenAI).   Но вернемся к подмене масштаба. Первые двигатели внутреннего сгорания тоже можно было оценивать как тягловую силу для телег и карет: по этому критерию лошадь еще долго побеждала бы по цене и надежности. Двигатель менял не скорость перевозки грузов на старых дорогах – он создавал автомобиль, авиацию, целую индустрию, которой раньше не существовало. С ИИ – та же ловушка. В кибербезопасности и военных применениях 5% превышения показателей лучшей модели над второй по бенчмаркам – это разница между щитом и мечом в конкретном противостоянии: кто первым найдет уязвимость или первым ее закроет. Та же логика – в прорывных открытиях: новый материал, новое лекарство, новая технология либо найдены, либо нет, и здесь важна не средняя эффективность, а верхняя граница возможностей лучшей из существующих моделей. И в бизнесе главная ставка ИИ – не в автоматизации того, что уже есть, а в бизнес-моделях, которых пока не существует. Тест Brewberg меряет, кто дешевле построит витрину для кофейни. Он не мерит, кто первым построит бизнес, для которого витрины вообще не нужны.

Китай выиграл гонку за автоматизацию телеги. Гонка за автомобиль только началась. И выиграет в ней тот, кто первым создаст то, чего пока не существует, а не тот, кто дешевле воспроизведет то, что уже есть.

  #ИИгонка  #Китай  #США

Если в вашей организации ИИ в разработке всё еще сводится к промптам на сайте ChatGPT, вы немного отстаёте от трендов. Сейчас уже массово внедряются целые экосистемы с ИИ-агентами. Правда, есть нюансы. Вот что пишет Eugene Saturov (AI Product & Engineering Lead):

На днях закрыли позицию Agent Engineer. Отсмотрели 113 человек, чтобы нанять одного! По этому случаю – немного аналитики на коленке про рынок разработчиков AI-агентов в России в августе 2026 года. 1. Главный источник кадров – бигтех. Агентов делают уже вообще все: Сбер, Яндекс, ВТБ, Ozon, Wildberries, Т-Банк. Компании второго эшелона тоже подтягиваются, разнообразие огромно. 2. Довольно часто кандидаты готовы к смене работы, потому что не уверены в будущем агентского направления внутри своей компании. То ли общий кризис сказывается, то ли все бросились делать агентов чуть раньше, чем поняли, зачем они им нужны. 3. Почти все делают агентов для автоматизации саппорта. Людей, которые запускали в прод автономных real-time агентов, исчезающе мало. Про голосовых я вообще молчу. Повально делают оркестраторы, RAG и простые линейные воркфлоу по перекладыванию данных из одной корзинки в другую. CRUD нового времени. 4. Как и в любой молодой отрасли, здесь полно свитчеров. Экс-MLщиков ожидаемо много, а вот выходцев из мобильной разработки — неожиданно много. Хотя чему удивляться: эти ребята всегда первыми реагировали на тренды.

Думаю, тренд сохранится, агенты нужны в производственных процессах. Устаканятся подходы и практики. Усложнятся системы. Многие научатся с этим работать и пойдут по рынку внедрять дальше. Но изучать тему нужно уже сейчас, иначе не попасть в те 113 претендентов. #ai

Прохожу новый курс Начал проходить Стэнфордский курс Language Modeling from Scratch Моя цель - проходить по два курса в год. Зимой я проходил курс по программированию на CUDA, теперь вот учусь обучать LLM с нуля. ➡️ Мысль за этим следующая. Во-первых, чтобы хорошо делать свою работу, нужно иметь знания на 1-2 уровня глубже чем используешь в повседневной деятельности. Во-вторых, в части задач я все-таки рассчитываю, что мы начнем использовать легкие зафайнтюненные LLM-ки. Чтобы сэкономить, снизить лейтенси и главное - быть менее зависимыми от внешних API. Но тут хз, непонятно, что будет с областью через пару лет 🤷‍♂️ Прикольный курс. Я пока не смотрю лекции, только делаю домашки. Лекции буду смотреть по факту, когда сделаю. То, что ты не трогаешь руками - не откладывается. На этом курсе абсолютно шикарные домашки с хорошими тестами. Курс рассчитан в том числе и на самостоятельное прохождение. Уже написал и обучил токенизатор с нуля, сейчас пишу компоненты LLM на торче. ➡️ Из интересного, с домашками идут настройки Клода и Кодекса, которые не дают агенту напрямую писать код за студента, но дают отвечать на вопросы и помогать искать ошибки. Супер полезно. Буду делиться впечатлениями!

🔁🌐 TRANSLATED REPOST ➖➖➖ Свобода интернета продолжает падать, и IoT ощущает это первым Блокировки и цензура · 21.08.2026 Интернет вещей построен на допущении, что интернет свободен и связывает всё со всем. Интернет вещей построен на допущении, что интернет свободен и связывает всё со всем. Датчики умного города отправляют данные на дашборды, медицинские устройства передают показания пациентов, промышленный IoT координирует логистику в реальном времени. А затем вмешивается государство и говорит: не сегодня. Отчёт Freedom House Freedom on the Net 2025 фиксирует 15-й год подряд снижения свободы интернета. Из 72 обследованных стран условия ухудшились в 28 и улучшились лишь в 17. Китай уже более десяти лет удерживает первое место как худшая среда для свободы интернета. Наиболее системное ухудшение за все 15 лет наблюдений — государственное манипулирование онлайн-информацией. Для IoT это не абстрактный политический спор — это конкретная инженерная проблема. Блокировки, фильтрация трафика и отключения интернета бьют прямо по инфраструктуре, от которой зависят подключённые устройства. Светофоры, датчики окружающей среды, парковочные системы — всё это существует на допущении, что данные могут свободно перемещаться. Отключите сеть — и умная инфраструктура просто перестаёт работать, утягивая за собой системы экстренного оповещения. Россия неоднократно отключала мобильный интернет в целых регионах, ударяя по цифровым платежам и торговле, связанным с IoT. Яркая демонстрация того, как быстро отсутствие связи может парализовать цифровую экономику. Цензура и слежка часто работают на одной и той же инфраструктуре: технологии, используемые для блокировок (глубокая инспекция пакетов, подмена DNS), требуют перехвата и анализа трафика — что делает их столь же пригодными для слежки. Умные камеры для управления трафиком начинают отслеживать людей, счётчики коммунальных услуг показывают, кто дома, а кого нет. IoT создаёт беспрецедентную поверхность для слежки — геолокацию, показатели здоровья, поведенческие паттерны — и в странах со слабой защитой приватности всё это легко присваивается государством. Блокировки подталкивают пользователей к прокси и VPN, и каждый новый узел в сети — это потенциальная новая уязвимость, особенно учитывая, насколько шаткой уже является безопасность IoT-устройств с их паролями по умолчанию и непропатченными прошивками. По сути, государственный перехват трафика — это то же самое, что атака «человек посередине», только на уровне провайдера. VPN решает конкретную задачу: он шифрует трафик и направляет его через серверы за пределами заблокированной зоны, позволяя устройствам достучаться до нужных им облачных API. Но согласно EFF Surveillance Self-Defense, эффективность зависит от политики логирования, юрисдикции провайдера, стойкости шифрования и устойчивости к DPI — не все VPN одинаково надёжны. В некоторых местах сам VPN-трафик блокируется, что требует использования мостов Tor или domain fronting. А возрастные ограничения или блокировки на уровне приложений VPN не обходит вовсе. Для тех, кто проектирует IoT-системы, такие инструменты, как симулятор цензуры от Proton, позволяют заранее проверить, какие сервисы заблокированы в конкретной стране, — и с самого начала заложить в архитектуру устойчивость к сбоям связи, а не латать её постфактум. Источник: https://www.iotforall.com/internet-censorship-iot ➖➖➖ 🔁🌐 Repost & Translated from: Brandmauer Report

У кого эссе длиннее. Техноманифесты от фаундеров технологических компаний на 45 тыс знаков, кто их вообще читает?✍️ Доброе утро субботы — самое время, чтобы в тишине за чашкой кофе и без чатов и зумов почитать что-то длинное. Не знаю, как у вас, но мое медиапотребление принта, книг и длинных текстов работает именно так. И вот сегодня с утра я добралась до огромного манифеста Марка Цукерберга с его размышлениями о том, как сделать так, чтобы богатство и возможности, которые дает AI, были доступны всем — в том числе скептикам. Например — жителям районов, где строятся дата-центры. По понятным причинам они не очень в восторге от развития ИИ. По объему этот текст — примерно десятая часть среднего романа. Поверьте человеку, который только закончил писать в соавторстве одну книгу, а теперь пишет вторую, считая авторские листы. Но этот текст еще и в десять раз длиннее статьи Цукерберга о персональном суперинтеллекте, которую он написал год назад. В этом графоманстве Цукерберг далеко не одинок. Рекорд в жанре пока принадлежит CEO Anthropic Дарио Амодеи: в 2024 году он выпустил огромное эссе Machines of Loving Grace объемом 13 тысяч слов. Такие масштабные тексты пишет и глава Nvidia Дженсен Хуанг, а также другие руководители ИИ-компаний. Официальное объяснение звучит красиво — пока Уолл-стрит пристально следит за десятками миллиардов долларов, которые технологические компании тратят на ИИ, а конкурирующие лаборатории ведут гонку за лидерство, их основатели хотят подробно объяснить свое видение будущего — инвесторам, регуляторам и обществу. Как говорит профессор Columbia Business School Дэн Ван: «Им приходится заранее обозначать, чем ИИ может быть полезен, еще до того, как они начинают продавать свои продукты». Но есть и менее лестное объяснение. В беседе с Fortune специалист по коммуникациям Патрик Риккардс говорит: «CEO, особенно руководители технологических компаний, считают свои слова чем-то вроде Священного Писания». Такие эссе — по сути способ застолбить территорию и обозначить собственную позицию: «Пять или шесть технологических CEO пытаются показать, у кого… скажем так, эссе больше». В эпоху, когда мы все смотрим рилсы, шортсы и читаем посты в тг и X, справедливо встает вопрос, а читает ли вообще кто-нибудь эти тексты, кроме самих титанов ИИ? И если нет, зачем тогда их писать? И здесь можно вспомнить человека, который в совершенстве освоил этот жанр. И это Уоррен Баффет. Он писал длинные ежегодные письма акционерам Berkshire Hathaway — нередко объемом более 10 тысяч слов. В них он одробно разбирал итоги года, результаты компании и извлеченные уроки, перемежая их житейскими наблюдениями и характерной для него простой мудростью. Но Баффет следовал каноническому правилу публицистики — пиши так, чтобы тебя мог понять любой человек. Представь, будто объясняешь бизнес кому-то близкому — умному человеку, который не разбирается в твоей сфере. Люди читали Баффета не потому, что он писал много. Они читали его потому, что за десятилетия выдающихся результатов он заслужил право быть услышанным и говорил максимально просто. Баффет прекрасно понимал, для кого пишет. А вот Цукерберг, Амодеи и остальные, похоже, пишут прежде всего друг для друга. Получается замкнутый круг из основателей технологических компаний, инвесторов и журналистов, которые за ними следят. Классический вопрос для любой коммуникации — та ли аудитория читает эти тексты, которую им действительно нужно убедить? Цукерберга очень сильно критикуют в последнее время и вряд ли манифесты по 45 тыс знаков тут помогут. Как будто вести коммуникацию надо с другой аудиторией и другими способами. @karpovaventures✍️

Математики до сих пор не уверены, как быстрее всего перемножать числа Умножать столбиком нас учат в начальной школе, и тысячи лет математики считали этот способ пределом скорости. В 1960 году Колмогоров превратил догадку в формальную гипотезу и объявил её на семинаре в МГУ. Неделю спустя 23-летний Анатолий Карацуба, студент из той же аудитории, вернулся и показал, что великий математик ошибался. Колмогоров был ошеломлён настолько, что сам написал доказательство и отправил его в печать, указав студента ведущим автором. Тот узнал о собственной статье, только получив репринты по почте. Весь фокус Карацубы держится на одном контринтуитивном ходе. Чтобы перемножить числа быстрее, часть умножений он заменил сложениями цифр внутри самих чисел. Разберёмся, как эта странная перестановка ускорила то, на чём сегодня стоит вся работа кремниевых чипов.

⚡️Машина, но она приносит больше энергии, чем тратит Выглядит она… своеобразно. Угловатый ящик на колёсах, рядом с которым Cybertruck кажется обтекаемым. Прототип построили аспиранты Университета Клемсона в Южной Каролине при поддержке BMW. Работа заняла два года. Кузов копирует рыбу-коробку — та при всей своей плоскогранной внешности отлично держится в потоке воды. Плоские грани дают минимальное сопротивление и максимум площади под “солнечную кожу”. В кузов вживили больше 1700 фотоэлементов, причём не жёсткие панели, а гибкую фотовольтаическую кожу, устойчивую к затенению — её делали вместе с немецким Институтом Фраунгофера по солнечным энергосистемам. А весит это чудо, всего 550 килограммов вместе с батареей. Добились такого скелетным шасси с напечатанными на 3D-принтере металлическими узлами и лёгкими композитными панелями. По расчётам, поездка на 20 километров в день съедает около 1,6 кВт·ч. А машина, простоявшая день на солнце, собирает до 5,7 кВт·ч. То есть за сутки на парковке набегает лишних 50 километров хода. Правда, это всё это симуляции, а не замеры. Ни батарею, ни запас хода, ни скорость не раскрыли. Расчёт держится на идеальной погоде и открытой парковке. Про краш-тесты и комфорт речи вообще не идёт. Правда если солнечная кожа однажды доедет до крыш серийных BMW, свою задачу гадкий утёнок выполнил. @droidergram

Есть тезис, который команды произносят с гордостью: стратегию не пишем, вместо этого быстро проверяем гипотезы. То есть между стратегией и скоростью выбрали скорость, потому что стратегия в этой картине мира что-то долгое и тяжёлое, что мешает бежать. Выбор мнимый. Хорошая стратегия вообще не про то, сколько её строили и сколько нужно строить. Она про то, понимаешь ли ты систему, в которой работаешь: какие в ней причинно-следственные связи, где узкие места, в какой точке небольшое усилие даёт непропорционально большой эффект. Такое понимание можно собрать за неделю, если знаешь, куда смотреть. Можно не собрать и за год. Я уже писал, что гипотеза в научном смысле описывает наблюдаемый феномен и требует экспериментальной проверки, а «сделаем X, получим Y» — это идея. В бэклоге команд, гордящихся скоростью, чаще лежит именно второе. Поэтому если этого самого понимания системы нет, быстрая проверка гипотез превращается в брутфорс идей в надежде, что какая-то стрельнёт. Скорость тут не спасает, ибо пространство вариантов огромное, а выигрышных в нём единицы. И даже когда идея стреляет, на следующем шаге это почти ничего не даёт. Гипотеза в стратегии живёт внутри связанного плана, где несколько линий бьют в один рычаг, поэтому её проверка даёт больше, чем ответ на один вопрос. Подтвердилась или нет, картина системы обновилась целиком. Соседние гипотезы стали сильнее или потеряли смысл. Появились новые данные, которые теперь надо объяснять, и следующий шаг выбирается уже из обновленный картины мира. Идея же ничего не объясняет. Проверил, получил плюс два процента к метрике, порадовался и пошёл к следующему, никак не связанному пункту бэклога. Почему сработало и куда копать дальше, непонятно. Знание не накапливается, и даже десяток удачных идей даёт десять локальных улучшений, которые не складываются в одно большое. Проверять нужно, но без понимания системы проверять нечего, остаётся перебирать идеи и гордо называть это «культурой экспериментов».

Китайские дети тупеют от AI (ваши, возможно, тоже) Свежее исследование 27 тысяч китайских школьников (возраст 12–18 лет) за 2023–2025. 80% из них активно юзали при обучении всякие ДипСики, 20% учились «по-олдскульному». Нейрослопщики тратили на домашнее задание почти в полтора раза меньше времени и получали за него на 20% более высокие оценки. Правда, когда дело дошло до экзамена, средний балл у AI kids вышел в обратную сторону – на 20% ниже, чем у школуддитов (в основном за счет того, что появился длинный левый хвост детей, которые по факту ничего толком не выучили). Причем, те ученики, которые использовали искусственный интеллект, но при этом не сокращали объем потраченного на ДЗ времени, – сдавали экзамен не хуже контрольной группы.

Мораль: с AI или без AI – а для обучения всё равно нужны насиженные за предметом жопочасы. Если ваш ребенок использует ИИ как «личного репетитора», чтобы сделать процесс обучения более интересным и глубоким – то это круто! А вот если он просто списывает у ЧатаГПТ домашку – то у вас вырастет Недоросль Фонвизина, увы.