🔬ИИ перебрал 150 миллионов составов и нашёл два! Команда Сеульского национального университета взялась за задачу, на которую обычно уходят годы перебора: найти диэлектрик, который не плывёт при нагреве. Диэлектрики это изоляторы, которые ток не пропускают, но накапливают заряд. На них держатся многослойные керамические конденсаторы (MLCC), а их в смартфоне и электромобиле сотни. Чем выше диэлектрическая проницаемость, тем больше энергии хранит деталь того же размера. Беда в том, что при нагреве характеристики уезжают, а техника всё чаще работает в жаре: силовая электроника, электромобили, авиация и космос. Как всё это искали. Полезные измерения разбросаны по текстам, таблицам и графикам сотен статей, да ещё и получены в разных условиях. Большие языковые модели вытащили составы и режимы обработки из текста и таблиц, графики перевели в числа. Получилось 1202 записи из 448 работ, к которым добавили 22 физических дескриптора, чтобы данные стали сопоставимы. Дальше 30 независимо обученных моделей одновременно предсказывали три показателя и сверялись друг с другом — составы, где модели сходились, получали приоритет. Виртуальное пространство примерно в 150 миллионов составов ужалось до 37 кандидатов. Два синтезировали и проверили руками в лаборатории. Образцы с добавкой олова 1 и 2 мол% показали диэлектрическую проницаемость 3422 и 3307 при комнатной температуре. Оба уложились в международные стандарты X5R, X6R и X7R. Самое интересное тут даже не два материала, а метод — способ превратить знания, размазанные по сотням статей, в рабочий датасет. Авторы считают, что подход ляжет и на другие функциональные оксиды с тонкими плёнками. @droidergram

Gemini научился запоминать, куда пользователь положил вещи — искать ключи и документы теперь можно без трекеров Gemini теперь сможет запоминать, где пользователь оставил ключи, документы и другие вещи, а потом подсказывать это через ассистента или Find Hub. Функция заработает на Android 16 и новее в странах, где доступны оба сервиса, и позволит обходиться без Bluetooth-трекеров. Guided Vision с камерой и Gemini Live поможет читать мелкий текст, искать предметы и подсказывать, куда направить смартфон. Motion Assist будет снижать укачивание в транспорте с помощью движущихся по экрану точек. В «Google Сообщениях» появятся фоновые изображения для чатов и общие заметки Google Keep для списков покупок и планирования поездок. #android #google #findhub #приложениядлясмартфона 📎Подробнее 🔖 3DNews в TG | MAX | VK

Что творится внутри реактора: история радиационной разведки «Укрытия» 3 мая 1988-го одна из скважин наконец дошла до шахты 4-го блока. Первым делом решили потыкать, что там. Потыкали длинным щупом — и он вместо разрушенной кладки уткнулся в противоположную стенку. Пробурили новые скважины, просунули перископ с камерой. Шахта реактора была пуста. По расчётам внутри должно было остаться около 90% топлива. То есть где-то пропали 180 тонн ядерного топлива — и их предстояло срочно найти внутри разрушенного, зашкаливающего радиацией блока, куда до этого годами не могли даже заглянуть. Что там было раньше — измеряли термометрами на 220-метровой проволоке, трубами с датчиками на вертолётном тросе, роботами из детской игрушки. Один датчик показал 200000 Р/ч и упёрся в свой потолок. А топливо всё это время лежало не там, где его искали.

Так как я в отпуске, то было несколько проблем: 1. Лететь 9 часов, а почитать что-то хотелось. Поэтому я просто, попросил LLMку собрать мне топ 10 статей (я уже ранее писал, что таким образом постоянно что-то ресерчу) в виде ПДФки и сразу на русском, с версткой и с TL DR в начале, чтобы мне легче было выбрать. Пайплайн у меня там чуть сложнее, но можете попробовать прямо выше, как я написал. 2. Демыч книжки читает уже сам постоянно, а вот Тея любит, когда перед сном ей что-то читаю. Тащить много книг с собой - ну такое, поэтому можно сгенерировать под ее запрос книжку в той же LLMке. Удобно и просто, получается. Да и ребенку супер интересно.

Если вы давно в этом канале, то знаете, что я люблю делать диванные прогнозы на будущее. Один из новых прогнозов:

Скоро у openai появится модель с нативным audio инпутом как у gemini (ставлю на до конца года)

Что это будет значить для нас: Для всех, кто работает с генераторами музыки, диалоговыми аудио ботами, монтажем подкастов и т.д. – это огромное подспорье. Как нативное понимание image когда-то позволило сильно прокачать возможности агентов во фронтенде, дизайне и любом другом визуале – если агент "видит" результат работы, он сразу может найти косяки и исправить их. Тот самый feedback loop, где feedback – это сам результат работы Так же будет и с аудио. Сейчас я работаю с локальными генераторами аудио и voice cloning, и этого прям жестко не хватает. Поэтому приходится использовать самодельную версию агента с модельками gemini по API. Из альтернатив есть Antigravity – они добавили это к себе буквально через пару недель после моего эксперимента, причем сразу и с поддержкой видео (это, кстати, единственная причина использовать Antigravity, которую я знаю) Если кому интересно, на чем основывается предсказание про появление омни модельки от openai: Примерно месяц назад я расковырял новый коммит в codex-cli, который добавляет audio как валидный тип результата для tool_calls (наравне с text и image). Так же они добавляют это в поддержку MCP. И даже в dynamic_tools (это тулы, которые можно инжектить в codex-cli извне. Например, codex desktop, который под капотом запускает codex-cli инжектит туда тулы для управления встроенным браузером и соседними чатами. Короче, раз поддержка добавлена в харнес, то и модели должны быть на подходе Ваш диванный предсказатель, @ai_grably

Вещи, которые не стоит говорить в корпоративном сеттинге. На интервью ни в коем случае не стоит описывать руководителя через его пол: lady, girl, female boss и так далее. Я думала, что это очевидно. Оказалось, не очень. При мне сегодня кандидат на этом погорел. То же самое касается эмоционально окрашенных характеристик: She was a sweetheart. He was a strong man. She was a lovely lady. На интервью вы оцениваете человека как профессионала: She was a strong leader. He was a highly effective manager. She was supportive and gave me a lot of autonomy. Говорите о стиле управления, решениях, результатах и влиянии человека на вашу работу. Не о том, насколько он был «милой женщиной» или «сильным мужчиной». Пол и личное обаяние не являются профессиональными компетенциями. #карьера #culturefit #сша

«Спустя год разработки приложения для изучения иностранных слов — я наконец нащупал его главную концепцию» Идея казалась законченной: встречаешь незнакомое слово в фильме или статье, кидаешь в приложение, AI готовит перевод, примеры, произношение — и вот тебе тренировка. Никакого фиксированного курса, собираешь словарь из того, что реально попадается в твоей жизни. Автор сам так учил языки и почти год считал, что это и есть весь продукт. А потом полез учить сербский. И механика встала. На английском слова приходили сами — кино, статьи. На сербском в словаре месяцами висели тридцать слов, и добавлять было нечего. Тут и дошло: приложение отлично делало всё после того, как ты принёс слово. А самое трудное — где его взять и что вообще стоит учить — оставляло тебе. Понять, что построил не то, — полдела. Дальше начинается вопрос, каким должно быть приложение, которое само знает, что тебе учить завтра.

Нюансы Fable 5.1 в SWE задачах В системной карточке Fable 5.1 (которая аж на 212 страниц) как обычно можно найти множество интересных инсайтов. Вот что мне показалось интересным: * Нынче один самых важных вопросов - а какой reasoning effort оптимален? Тк мы видим из бенчей, что он напрямую влияет на цену, а значит и на то, как быстро будут уходить лимиты. Кроме того, на некоторых бенчах можно заметить, что более высокий effort ухудшает результаты моделей. Так, например, во FrontierCode (Main субсет) результаты Fable 5.1 после medium не становятся лучше. А если сравнивать medium vs max, то получим 50.9% vs 50.3%, при том, что medium почти в 5 раз дешевле max. Кроме того, в этом бенче Fable 5.1 medium даже вышел дешевле, чем Opus 5 medium, хоть и с чуть более скромным результатом (50.9 vs 53.4), что тоже слегка удивляет. А в карточке Антропик по этому поводу пишут, что на высоком ризонинге фейбл 5.1 начинает делать больше, чем ее просили. И пишут:

Если дополнительно попросить модель быть лаконичнее и не добавлять лишние комментарии или документацию, она реже вносит изменения вне заданного scope. Но опубликованные benchmark-результаты получены без такой дополнительной инструкции.

Напомню на всякий случай, что FrontierCode 1.1 от команды Devin - это один из немногих закрытых бенчмарков. * Результаты Fable 5.1 в DeepSWE v1.1: 67.4%. Но есть важный нюанс: Антропики рапортают, что Фейбл сделала часть задач даже тщательнее, чем того требовало задание, поэтому часть скрытых тестов завалились (стр. 168). * В DRACO (это бенчмарк на диприсерч от Perplexity), опус 5 почти на всех эффортах сильнее Fable 5.1 - вот и думайте) Любопытно, кстати, что у них там Opus 4.6 в кач-ве судьи над Опусом и другими - мб в этом дело. * И ресерчеры из METR говорят, Fable 5.1 особенно сильна, когда у задачи есть понятный фидбек. Но когда надо самому придумать, что проверять, куда копать дальше и как вообще выстроить исследование, всё заметно хуже. Вот вам и long-horzont tasks... Все равно, нужно четко критерии ставить и послеживать, чтобы не дрейфовала. Из забавного: на моей памяти впервые Антропик замерили свои модели на бенчмарке FrontierSWE (ага, еще один фронтир - он, к слову, старее всех остальных фронтиров), это бенчмаре на ультра-большие задачи на десятки а то и сотни тысяч LoC, тем самым как бы легализовав его. Получилось вот так: Fable 5.1 (0.57), Claude Opus 5 (0.52), Claude Fable 5 (0.48), GPT-5.6 Sol (0.32). Что забавного? 1. В первой версии их бенчмарка грок 4.5 как-то оказался выше опус 4.8, при том, что грок 4.5 - модель откровенно слабая. 2. Вторая версия бенчмарка пока недоступна нигде, а ссылка из System Card показыват 404. Видимо, ребята тормозят с релизом. И немаловажный нюанс: cutoff date Fable 5.1 июнь 2026, а Opus 5 май 2026. При этом, знания GPT 5.6 sol заканчиваются на фервале 2026. Что нам с этого? То, что всякие современные знания про разработку агентнов и агентную разработку из коробки будут актуальнее всего у Fable 5.1. А по моему опыту агенты очень плохо пишут других агентов (если они хоть немного нестандартные). Какой я для себя делаю вывод? Для большинства задач в Claude Code, видимо, продолжу использовать Opus medium, для планирования и второго мнения Fable 5.1 medium, а для чего-то особого сложного Fable 5.1 xhigh. @ai_drive