Гибрид Xiaomi Skynomad N90 Max проехал в реальных условиях 1230 км без подзарядки Кроссовер Xiaomi Skynomad N90 Max преодолел 1230 км от Шанхая до Пекина на одном заряде батареи и полном баке топлива, а фактический запас хода с учётом остатка энергии составил 1284 км. Автомобиль относится к классу EREV — электромобилей с бензиновым генератором. Первые 323 км он проехал, используя только заряд батареи. Затем бензиновый двигатель начал вырабатывать электроэнергию для питания электромоторов. В электрическом режиме автомобиль в среднем расходовал 19,7 кВт·ч на 100 км. В Китае уже стартовали предзаказы на эту модель по цене 299 900 юаней (~$44 тыс.). https://hightech.plus/2026/08/31/gibrid-xiaomi-skynomad-n90-max-proehal-v-realnih-usloviyah-1230-km-bez-podzaryadki

👨‍🔬 Основатель edtech-проекта EBAC Александр Аврамов занялся физикой и лазерами Да, вот такой неожиданный поворот! Сооснователь EBAC Александр Аврамов объявил у себя в LinkedIn, что стал chief operating officer в компании SPhotonix. Она разрабатывает новый способ хранения данных — записывает их на кварцевое стекло с помощью сверхбыстрых лазеров. Аврамов был основателем Британской высшей школы дизайна в Москве. Потом в 2020-м он вместе с Андреем Анищенко и Павлом Алешиным запустил онлайн-школу EBAC (Escola Britânica de Artes Criativas) — сначала в Бразилии, а потом в Мексике. А в мае этот проект купила швейцарская компания Constructor Knowledge AG Сергея Белоусова. В своем посте Аврамов пишет, что новый проект очень отличается от всего, что он делал раньше. И у него были сомнения, но все же решил присоединиться. Почему? Верит в технологию и ее потенциал, а также в основателей. ➖ Основатели SPhotonix — Петр и Илья Казанские, отец и сын. Петр Казанский с 2001-го года является профессором в Университете Саутгемптона, а до этого занимался исследованиями в Институте общей физики в Москве. Он специализируется на оптоэлектронике и оптическом хранении данных. Собственно, разработки SPhotonix базируются на исследованиях Казанского. Его сын Илья Казанский — предприниматель. Он, например, был сооснователем и CTO в Geozilla, который переименовался в Applyft. Это приложение, чтобы отслеживать местоположение членов семьи. А еще он сооснователь разработчика софта Quontex.

«В 2010-х я инвестировал в его компанию и имел возможность лично увидеть, как он строит и масштабирует бизнес», — пишет Аврамов про Казанского-младшего.

➖ В чем фишка SPhotonix? Разрабатываемая ими технология позволяет очень компактно хранить большой объем данных — до 360 Тб на 5-дюймовой пластине из кварцевого стекла. И в эпоху AI с огромными массивами данных такая технология может быть актуальна. Подробнее можете почитать в интервью Казанского-старшего. Как пишет Аврамов, сейчас цель — довести технологию до полномасштабного внедрения через несколько лет. Для этого они собирают «сильных специалистов в области оптики и лазерных технологий» в швейцарском хабе. В своем интервью Казанский-старший говорил, что им нужно еще три-четыре года, чтобы довести технологию до стадии производства. Сама компания появилась в 2024-м и зарегистрирована в США. И даже успела уже привлечь инвестиции — $5,1 млн в ноябре прошлого года. Лид-инвесторами выступили Creator Fund и XTX Ventures. Вот такой вот семейный бизнес. @TheEdinorogBlog — тот самый канал про стартапы🦄

Я обычно отношусь к картам рынков как к жанру корпоративной живописи: логотипы в квадратиках, все молодцы, вопросов нет. Но тут случай другой. МИК и «Инк.» собрали 80+ компаний российского медиатеха и разложили их по четырём категориям - создание контента, дистрибуция, потребление, монетизация. Там и очевидные гиганты, которых вы и так знаете, и десятки компаний, про которых не пишут, потому что они делают железо и пайплайны, а не красивые картинки. Ценность не в логотипах, а в том, что впервые видно рельеф. Кто чем занимается, где густо, где пусто и кто с кем на стыке ниш. Кожаные из индустрии, посмотрите, нет ли вас там. Если нет - это, кажется, повод задуматься, а не обидеться. @cgevent

Huawei не может уменьшать чипы, поэтому будет их «складывать»: но  эксперты нашли слабые места LogicFolding Huawei хочет наращивать производительность чипов не за счёт уменьшения транзисторов, а через их вертикальную «складку» в рамках технологии LogicFolding. Такой подход может повысить плотность размещения на 55% и энергоэффективность на 41%, но эксперты нашли серьёзные минусы. Двухслойная конструкция хуже отводит тепло, даёт высокий процент брака и требует нового ПО, материалов и оборудования. Первый чип с LogicFolding — Kirin 9050 — ожидается этой осенью в Mate 90, а до ИИ-чипов Ascend технология доберётся лишь к 2030 году. #huawei #huaweitechnologies #полупроводники #производствомикросхем 📎Подробнее 🔖 3DNews в TG | MAX | VK

86% крупного бизнеса в РФ внедрили LLM, но споткнулись об автономных ИИ-агентов Больше половины российских компаниу уже вывели языковые модели в постоянный прод. Однако никаких шагов по передаче реальных полномочий полностью автономным ИИ-агентам не предпринимается. 🟦До реального продакшена агентные системы довели скромные 8% игроков.

Почти половина компаний не может пустить агентов в работу из-за незрелости внутренних процессов и кошмара с интеграцией в легаси-системы. Агенту нужен бесшовный доступ к базам данных и API, которые в большинстве корпораций до сих пор представляют собой разрозненные лоскутные одеяла.

Без фундаментальной перестройки внутренней цифровой архитектуры даже самый продвинутый ИИ-агент останется дорогой игрушкой. 🦔 CyberYozh

С августа 2026 все новые нейросети должны маркировать результаты своей работы фирменным знаком "Нейрослоп". Вы попалитесь! Самое главное: — Если вы попросите нейросеть отредактировать ваш текст, она вам налепит туда водяной знак нейрослопа. Но есть нюанс. — Если вы написали реферат/курсовую/отчёт моделью — это будет хорошо видно сразу. — Перефразирование другой моделью, перевод туда-обратно, обычная человеческая правка на достаточную глубину ослабляют защиту. Это AI Act Евросоюза. Там смысл такой, что если ваш текст, видео или картинку увидел гражданин Евросоюза, а маркировки нет, то компании штраф до 15 млн евро или 3% мирового оборота. С декабря 2026 маркировка обязательна для старых нейросетей, с августа — для всех выходящих новых. Главный стандарт — Code of Practice on Transparency of AI-Generated Content. Сейчас его подписали примерно 190 компаний, там все основные платформы. Маркировка многослойная: метаданные + водяной знак + логирование. В Китае есть похожий стандарт, и платформы (типа музыкальных сервисов или сайтов с картинками или видео про размножение человека) обязаны сами детектировать и доклеивать метки на загружаемый контент. В США похожий, но уже и для компаний от 1 миллиона пользователей в месяц. В европейском стандарте незначительные изменения — грамматика, форматирование, апскейл, цветокоррекция могут не помечаться водяным знаком, а вот перевод, суммаризация, существенное семантическое изменение — должны. Но в практической реализации C2PA и в китайских стандартах такого нет вообще, помечается на практике всё. В Индии вообще критерий "Примут ли за настоящее", поэтому избыточность маркировок точно будет. Звук детектится легче всего, потому что мы вообще-то не очень привередливые. Генерируется нам откровенное говно. Suno, Udio, MusicGen и т.п. не рисуют прямо волну, а собирают последовательность токенов и дальше кодируют. Транспонированные свёртки, Фурье и прочие умные слова — короче, швы между токенами (точнее, тем, что ими было) делает очень херовый сварщик. И закрашивать их можно только малярным валиком, а он больше, чем расстояние между швами. Поэтому по следам пьяного сварщика всегда видно нейросеть. Вот работа. А вот тестовый детектор. На слух вы не отличите, из 9 тысяч человек 97% не справились. Вся эта фигня переживает сжатие в MP3. Поверх этого сейчас накатывают ещё и водяные знаки. Операции, сдвигающие частоты (ресемплинг, питч-шифт) снижают качество детекции с 95+% до примерно 40%. Картинки — там такой же механизм, только JPEG настолько отвратителен, что способен затмить даже пьяного сварщика. Поэтому качество детекции падает. Апсемплинг просто не умеет воспроизводить спектральное распределение естественных изображений. Проблема в том, что артефакты в фурье-домене накапливаются в средне-высоких частотах, а их JPG выбрасывает нафиг первыми. Есть ещё 2 места с палевом, но если ресайз, плюс 2 сжатия (при сохранении и обычно при загрузке куда-то), 10 из 10 шакалов — то всё. Поэтому картинки маркируют активно дополняя данными: — Stable Signature — переживает разрезание на 10 частей. — Tree-Ring — знак кладут в начальный шум диффузии. В целом скриншот с сохранением в JPG снимает вопросы у большей части детекторов. Regeneration-атака снимает минимум 93% знаков даже у самых стойких. У видео сочетание двух предыдущих методов (звук + картинка) плюс динамические данные, часто спрятанные в волосах или небе. Ещё сейчас делают камеры, которые маркируют настоящий контент. Тоже подход. Текст. Тут всё и просто, и сложно. Слово "жопа" от модели ничем не отличается от слова "жопа", написанного человеком, апскейла и деконволюции нет. Пассивная детекция: — По перплексии, по слишком гладкому стилю. Так можно поймать и нейросеть, и тупого копирайтера, и бюрократа. — Больше половины эссе TOEFL, написанных неносителями английского, детекторы помечают как ИИ. В своё время отечественные нейросети тоже докопались до классики, если что. У Чехова уже был Fable, судя по всему. То есть пассивная детекция отличает на редкость плохие тексты, но не обязательно от моделей. Водяные знаки ставятся кодированием в выборе слов, в синонимах. Короче, в достаточно большой текст вплетается незаметный знак на уровне модели, он переносится при копировании и может пережить часть редактирования. Вот пост, где больше деталей именно про тексты. У кода синонимов почти нет, знак получается слабее и легко сносится форматтером или линтером. Доказано, что при явно сформулированных естественных предположениях сильная маркировка недостижима в принципе. Что ломает детекцию? Ну, парафраз. Прям возвращаемся в нулевые и вспоминаем попытки обмануть SEO-движки заменой синонимов ) Есть даже специальные плагины для снятия такой маркировки, но если вы их запускаете в том же Антропике, то их результат работы тоже должен быть маркирован. Если вы очень сильно редактируете текст и он перестаёт быть похожим на нейрослоп — вероятно, следы водяного знака пропадут. Но если оставляете абзацы целыми — их будет видно. И да, локальные модели обычно освобождены от таких недостатков. И достаточно лёгких для постобработки текста. -- Вступайте в ряды Фурье! | Лучшие посты Если на кровати стоит сапог, то это непорядок! А вот если на каждой кровати по сапогу — это порядок и единообразие!

Нейродайджест за две недели (#128) LLM - GLM 5.3 Flash — Бывшая Ox Alpha оказалась открытой мультимодальной моделью 320B-A18B. В API стоит $0,15/$0,5 за миллион токенов. - Qwen 3.8 Flash Next — 125B-A6B плюс 51B N-gram-параметров на архитектуре Qwen 4. Веса уже поддерживают vLLM и SGLang. - GigaEmbeddings — Три открытые MIT-модели от 480M до 10B для RAG и семантического поиска. - GPT 5.6 Sol подешевела — На три месяца цену снизили до $4/$20 за миллион токенов при контексте до 272K. Генеративные модели - MiniMax H3 Max от fal — Версия от fal генерирует пятисекундное видео примерно за три секунды и лидирует в рейтинге Artificial Analysis по image-to-video. - FLUX Video Upscale — Видеомодель нативно апскейлит ролики до 4K в точном или более креативном режиме. - Тест MAI-Image 2.6 — Четыре запуска дали почти одинаковых персонажей, а в половине кадров проблемы с пальцами. - MAI-Image 2.5 Pro — Microsoft вышли в лидеры t2i-арены, но генерация 1024×1024 стоит около $0,11. - MAGI-2 Preview — Открытая MoE-видеомодель 114B-A6B генерирует десятисекундные ролики сразу со звуком. - Gemini Omni 1.1 Flash — Релизная версия свежего омни-видео генератора от Гугл. Генерация до 10 секунд с продлением до 40ка с сохранением контекста последних 10-ти секунд. Железо - Чип Jalapeño — OpenAI показали первые замеры своего инференс-чипа: выше производительность на ватт и ниже задержка относительно систем из сравнения InferenceX. - Mac Studio с M5 Ultra — До 512 ГБ объединённой памяти с пропускной способностью 1,2 ТБ/с для локального запуска больших моделей. - Робо-утка за $399 — Hugging Face и Pollen Robotics открыли предзаказ на 25-сантиметрового двуногого Microduck. - Cerebras CS-4 — Сервер на трёх WSE-3 Turbo стал вдвое быстрее CS-3 и рассчитан на масштабирование до моделей на 10T параметров. - Разлоченные CMP 170HX — Патч возвращает майнинговым картам вычислительную мощность и открывает 40 или 64 ГБ HBM2e. Прочее - Агентный поиск Keenable — Стартап вышел из стелса и заявляет лучшее соотношение цены и качества, чем у Exa. - Скилл для ARC-AGI-3 — Исполняемая проверка рассуждений подняла результат Opus 5 с 30% до 100% и поставила полезность бенчмарка под вопрос. - Hugging Face ищет покупателя — По данным Business Insider, компания оценивала интерес к продаже примерно за $13 млрд. - Сделка Nvidia и Hugging Face — The Information сообщил о договорённости на $12,9 млрд, но публичного подтверждения от компаний пока нет. - Nvidia и Poolside — Nvidia заплатит $6 млрд за лицензию на технологии и предложила перейти более чем ста сотрудникам стартапа. > Читать дайджест #127 #дайджест @ai_newz