Open Manager для ComfyUI: новый инструмент управления


Руководитель Yandex Cloud Григорий Атрепьев в интервью «Ведомостям» рассказал, что рынок ИИ смещается от отдельных ML-инструментов к horizontal AIi — универсальным агентам, способным выполнять цепочки задач сразу в разработке, аналитике, маркетинге и других функциях. Ключевым фактором, позволяющим масштабировать такие сценарии, стала резко упавшая стоимость инференсiа: несмотря на рост цен на серверное оборудование, оптимизация моделей и инфраструктуры сделала использование ИИ намного дешевле.
Это уже меняет экономику ИИ-проектов: задачи, автоматизация которых раньше не окупалась, теперь могут стать рентабельными. Аналитик Kantor.AI призывает бизнес пересчитать ранее отклонённые из-за стоимости AI-проекты, поскольку цена токена по факту реально используемых моделей упала кратно за год.
Новая статья показывает, что языковые модели (LLM) устроены даже более «линейно», чем считалось ранее: если просто усреднить входные эмбеддинги двух разных текстов и подать это на вход модели, она в ответе продолжает оба текста одновременно, разделяя их смыслы.
Это означает, что модель способна параллельно обрабатывать две несвязанные мысли внутри одних и тех же усреднённых активаций и затем «распутывать» их на выходе — прямое следствие линейности внутренних репрезентаций LLM.
ВыводМетод: берутся входные эмбеддинги двух разных текстов, они усредняются, и результат подаётся модели как единый вход

Павел Комаровский (канал RationalAnswer) в поисках подкаста об AI safetyi, который можно смело показывать «нормисам», нашёл, по его мнению, идеальный вариант — выпуск The Diary Of A CEOi с дебатами между Нейтом Соаресом, Романом Ямпольским, Эдом Зитроном и Эндрю МакАфи. Ролик длится 2,5 часа, доступен на YouTube (можно включить русскую озвучку), и автор говорит, что чем дальше — тем интереснее.
Главный вывод автора: спорящие стороны сильно разнятся по глубине погружения в тему. Сторонники серьёзного отношения к ИИ-рискам изучают вопрос 10+ лет и уже разобрали все контраргументы, тогда как громкие критики темы («это всё научная фантастика») выглядят так, будто задумались об этом впервые неделю назад.

Стартап Skild AI, разрабатывающий «общий робо-интеллект», провёл эксперимент по обучению гуманоида футболу с помощью self-playi — техники, похожей на ту, что Google использовала для AlphaGo. Их foundation-модель S1 отыграла 140 виртуальных лет в NVIDIA Isaac Simi против собственных предыдущих версий, получая награду только за забитые голы, без отдельного программирования конкретных приёмов.
В результате робот сам освоил дриблинг, обводку защитников, отбор и защиту мяча корпусом, новые удары и умение подниматься после падений. Затем обученную политику перенесли из симуляции на реального робота Unitree G1, который теперь играет в футбол против человека. Авторы считают, что подход можно масштабировать на любые другие задачи, где есть чёткая цель и симулятор — например, манипуляции и производство.
ВыводS1 — модель, представленная Skild AI месяц назад; её главная особенность — способность дообучаться без файнтюнинга, по нескольким демонстрациям (по данным Data Secrets)