Nvidia договорилась со стартапом Poolside (создатель серии моделей Laguna для кодинга) о сделке по схеме, похожей на историю с Groq: компания платит $6 млрд за нексклюзивную лицензию на технологии Poolside, деньги идут инвесторам стартапа, а 109 сотрудников, занимавшихся разработкой моделей, получают офферы на переход в Nvidia. Ещё $1 млрд Nvidia вкладывает напрямую в Poolside как инвестицию — стартап оценивался в $12 млрд до сделки.

Главная цель Nvidia — усилить свою линейку открытых моделей Nemotroni с помощью технологий и людей Poolside, чтобы конкурировать с китайскими open-weighti моделями DeepSeek и Kimi/Moonshot, а в перспективе — и с закрытыми моделями OpenAI и Anthropic. Это разворот для компании, которая зарабатывает на продаже GPU крупнейшим лабораториям, но теперь сама инвестирует в открытую альтернативу их закрытым продуктам.

Полный разбор →

Автор doopidooi после серии экспериментов вернулся к своему первоначальному стилю — по мнению наблюдателей, это лучшая форма его творчества. Работы вновь напомнили каналам стиль Cyriaki в его расцвете.

История короткая: два канала (CGIT_Vines и Neural Shit) практически идентичным текстом отметили это возвращение, при этом Neural Shit указал источник — CGIT_Vines.

Полный разбор →

Обанкротившийся 1 мая крупнейший американский лоукостер Spirit Airlines стал источником нового вида актива: его внутренние корпоративные данные — письма, чаты, финансы, код — были проданы на банкротном аукционе. Победителем стал Google, предложивший $10 млн; данные пойдут на разработку продуктов и обучение ИИ-моделей.

Случай показывает, что рынок ИИ-данных переходит от бесплатного скрапинга публичного интернета и лицензирования качественного контента (как у News Corp или Financial Times) к покупке операционных данных умерших компаний — переписки, регламентов, истории решений. Это нужно, чтобы учить не просто отвечающие модели, а ИИ-агентов, способных управлять реальными бизнес-процессами.

Полный разбор →

Исследователи из Zhejiang University, Robbyant, Ant Group и HKUST представили открытый фреймворк 4DAnyone, который строит объёмную 4D-модель движущегося человека по обычному видео с одной камеры — без рига, калибровки и штатива. Раньше для такой реконструкции требовалась студия с десятками синхронных камер.

Фреймворк генерирует 16 согласованных между собой ракурсов, которых камера не снимала, и собирает их в сцену формата 4D Gaussian Splattingi — объёмное представление, меняющееся во времени. Готовую модель можно осматривать с любой точки в VR, вставлять в игры, AR-сцены или использовать как обучающие данные для роботов.

Полный разбор →

Вышло второе поколение DFlash — техники спекулятивного декодирования для ускорения инференса больших языковых моделей. Первое поколение DFlash уже стало отраслевым стандартом, набрав 3,5 млн загрузок на Hugging Face. Суть подхода: маленькая модель быстро предсказывает кусок текста, а большая проверяет его одним проходом вместо того, чтобы генерировать по слову — итоговый текст полностью идентичен оригиналу, но выдаётся быстрее.

На практике это уже проверили с моделью Qwen3.8-27B: на ноутбуке она выдаёт 70 токенов/с вместо обычных ~15–20, а ускорение достигает 2.7–4.6 раз в зависимости от модели и настроек.

Полный разбор →