Технологии не делают себя сами. За продуктами всегда стоят люди: пишут код, спорят об архитектуре, чинят прод ночью, а потом выпускают крутые статьи, чтобы другие переняли их опыт. Команде Яндекса — поддержка и пожелание сил. Мы на Хабре много лет читаем ваши тексты и знаем, сколько за ними работы. Если давно не заглядывали в блог Яндекса, начните с этих материалов: ▫️ Стажёр Вася и его истории об идемпотентности API ▫️ Что ты такое, dhclient? ▫️ Как Яндекс распознаёт музыку с микрофона ▫️ Спидран в реальности: история робота, который быстрее всех в мире собирает кубик Рубика ▫️ Старикам здесь не место? Программируем после тридцати пяти ▫️ Открываем AliceAI-Foundation-80B-A3B-Base — новую языковую модель Яндекса, обученную с нуля ▫️ Как мы приучили коллег брать вещи без спроса 🫶

JEV-35B: быстрая decision-модель на базе Qwen3.5, активирует всего 3B параметров из 35B AutoTrust Labs выпустила JEV-35B, модель для быстрых решений в духе System 1. Она построена на Qwen3.5-35B-A3B и за счёт MoE-архитектуры активирует на токен лишь около 3B из своих 35B параметров. Лицензия Apache 2.0. Главная идея в том, чтобы не гонять полноценное рассуждение там, где нужно просто быстро выбрать лучший вариант. За один проход модель сравнивает до 256 текстовых или графических опций и возвращает откалиброванные вероятности. Медианная задержка одиночного запроса в их тестах около 204 мс. По метрикам JEV-35B обходит прошлую JEV-27B-VL на публичном наборе Decision Index, сохраняя при этом конкурентное качество на визуальных решениях. Отдельно порадует возможность запустить локально. Версия в NVFP4 весит всего 25,6 ГБ и занимает под веса около 23 ГиБ, так что помещается на одну видеокарту на 32-48 ГБ. При этом квантизация сохраняет 96,6% решений исходной BF16-модели почти без потерь по скорости и с небольшой просадкой на бенчмарках. Запускается через приложенный скрипт для vLLM. Эндпоинт /v1/decide отвечает за быстрые решения System 1, а OpenAI-совместимые эндпоинты за более медленное рассуждение System 2. 🤖 https://modelscope.ai/collections/AutoTrust-Labs/JEV-35B

Как в GPT не попадать на лимиты использования? Возможно вы в курсе, но для меня это было открытием. Когда создаем в GPT новый чат там сверху есть два режима Chat и Work (Чат и Работа). 🤯Оказалось: Режим «Работа» тратит токены и при серьезных задачах заканчиваются лимиты часовые или недельные. Нужно ждать. Режим «Чат» Не тратит лимиты и можно работать условно бесконечно. На минимальном тарифе Plus бесконечно генерить фотки, небольшие видео, работать с векторной графикой. Все то, что раньше считал работой тратящей лимиты. 🥸 Замечание 1 При старте нового чата можно (и нужно) выставлять усилие на максимум и все равно останешься в режиме Чат. Но если изменить название модели, то чат автоматом переходит в режим Work. 🥸 Замечание 2 Если этот безлимитный чат сначала справлялся с задачами, а потом начал ошибаться, скорее всего он начал захлебываться в учете всего что было проработано выше. Лучше создать новый и продолжить в нем.

S-Space Исследование MirroS: у мультимодальных моделей внутри есть «3D-карта». В промежуточных активациях нашли 3D линейное подпространство, где объекты лежат с координатами по горизонтали, вертикали и глубине. • Кодирует непрерывные позиции объектов (X, Y, расстояние) • Персистентно между промптами и ракурсами • Объединяет визуальное и языковое, включая объекты за пределами видимого • Можно каузально менять, чтобы управлять пространственными оценками • Прямое чтение подпространства работает точнее нативной рассуждалки модели • Испробовано на Molmo2-ER, MolmoAct2, Qwen3.5-4B, Qwen3.6-27B Полезно и для диагностики: показывает, где и как модель проваливается в «принятии перспективы». Подсказывает путь к надежным пространственным рассуждениям и действиям github.com/mirros-lab/s-space #research #reasoning MAX

McKinsey и гуманитарии Наткнулся на цитаты из январского интервью Боба Стернфелса, главы McKinsey, для HBR IdeaCast. Заголовки вышли про гуманитариев: фирме снова нужны историки и музыканты. Но в том же интервью есть цифра, которая всё объясняет: в McKinsey 40 тысяч сотрудников и 20 тысяч AI-агентов, и агентов Стернфелс считает в составе рабочей силы, через запятую с людьми. Линейный анализ и поиск закономерностей модели уже делают хорошо. Ровно этим аналитик занимался первые три года в фирме, и под это затачивали фильтр на входе: кейсы, средний балл, структурное мышление. Теперь этого недостаточно. Остаются суждение, амбициозная цель и нелинейные ходы. Про суждение как единственный навык, который не обесценится, я писал ещё тут, теперь то же говорит глава McKinsey. Под это фирма подняла 20 лет данных по найму и переписала критерии: - как человек вставал после провалов, а не только средний балл - опыт с людьми, которые тебе не подчиняются: командный спорт, работа в ритейле - способность учиться там, где не на что опереться Гуманитариев никто не признал умнее. Просто структурный анализ перестал быть главным критерием, потому что эту работу теперь делает агент. В апреле я писал, что McKinsey набирает инженеров вместо классических консультантов. Теперь к инженерам добавились историки. Оба раза под ударом оказывается один и тот же профиль: выпускник с идеальным средним баллом, который хорошо считает и красиво раскладывает всё по буллетам. Конкурирует он теперь с подпиской за $200. Клиент платит за человека, который принесёт рекомендацию, выдержит, когда её разнесут на совете директоров, и ответит за результат. Договариваться с людьми и держать удар учат проигранные матчи и смены за кассой, кейсы тут мало помогают. Есть проблема, о которой Стернфелс не говорит. Суждение в консалтинге раньше выращивали внутри: три года ты делаешь презентации, которые партнёры несут на встречи, и только потом тебя подпускают к клиенту. Теперь эти три года делает агент, поэтому суждение приходится искать на входе - отсюда спорт, провалы и ритейл в резюме. Похоже на признание, что фирма больше не умеет выращивать его сама. Этот вопрос стоит задать любой сервисной компании: если черновую работу у джуниоров забрали, где они теперь научатся? У McKinsey ответ пока - это искать уже готовых. Долго так не получится: готовых мало, а внутри их больше никто не растит. Как учить суждению без трёх лет черновой работы, пока не знает никто, включая McKinsey. Полное интервью тут @maxvotek | linkedin | substack

Sakana Chat — Fugu Max для всех Sakana открыла в чате свой оркестратор Fugu Max (раньше был только через API). Он связывает пул разнообразных открытых моделей и отправляет каждый промпт той, что подходит лучше всего, давая результат уровня frontier без опоры на одну модель. • Оркестрация: под задачу сам выбирает модель с выгодным расходом бюджета • Произвольные цели — кодинг, документы, анализ • Плюс память: роль, стиль и предпочтения переносятся в следующие диалоги • Код-раннинг, прикрепление картинок и документов В чате две модели: Namazu (диалога по японским документам) и Fugu Max (универсальная с оркестрацией). Под капотом — открытые и специализированные модели, точно среди них Nvidia Nemotron после августовского партнерства Sakana. Бесплатно, зарубежный IP не нужен chat.sakana.ai #orchestrator #harness MAX

Фонд Somersault Ventures под управлением Александра Невинского и Алекса Турбанова инвестировал в финский стартап Comparables.ai. Раунд на $6 млн  возглавили Pragmatech Venture Capital и Araya Ventures при участии Purple Ventures, Gorilla Capital и hi5 Ventures. Comparables ai был образован в 2023 году. Стартап предоставляет корпоративным командам, фондам прямых инвестиций, консультантам по M&A и инвестбанкам ИИ-платформу для поиска и анализа перспективных проектов. Она объединяет данные о более чем 370 млн действующих компаний, включая их финансовые показатели, структуру владения, оценку стоимости, сделки по поглощению и подтвержденные контакты. Платформой пользуются более 50 тыс. специалистов в 30 с лишним странах.  Somersault Ventures был создан в 2022 году. Его GP являются Алекс Турбанов и Александр Невинский. Фонд инвестирует в компании на ранних стадиях развития, которые работают в таких сферах, как SaaS, EdTech, FinTech, развлечения и e-commerce. @rusven

ByteDance готовится бахнуть world models.  И пара утечек. Перед тем как выйдет Cиданский 3.0, скорее всего будет промежуточная модель 2.х. И она будет в этом году. Может даже в ноябре. А вчера Байтденский показал свою новую модель мира.  Система получает текстовое описание и создаёт окружение, по которому можно перемещаться, управляя камерой и персонажем. В демо было: Из текстового промпта создаётся комната глазами человека. Персонаж летает по комнате на бумажном самолётике. Можно свободно менять ракурс и взаимодействовать с окружением. Команда "Добавь ложку рядом с чашкой" создаёт новый объект, по которому затем можно карабкаться. Порталы соединяют совершенно разные пространства. Показана предварительная постановка кинокадров, в том числе на примере "Короля комедии" Стивена Чоу. Я покопалсо за пределами презентации. В сентябре ByteDance уже засветила исследовательскую модель ENUMA в бенчмарке WBench. Она заняла третье место по навигационным задачам с результатом 81.7 балла.  Ускоренная авторегрессионная версия там использует всего четыре шага генерации. В описании ENUMA байтдэнские прямо говорят об объединении управления камерой, текстовых команд и визуальных референсов в одной world model.  Есть и другая разработка ByteDance - ActWorld, модель с памятью о действиях и объектах, ориентированная не только на перемещение по миру, но и на манипуляции с предметами. Ещё в сентябре Bloomberg сообщало, что основатель ByteDance Чжан Имин лично курирует разработку интерактивной world model на базе технологий Seedance. Среди предполагаемых применений - игры, интерактивное видео и VR-гарнитуры Pico(!). Ну и конечно VR-порно. Куда без него и Сиданского. Официальное выступление Beijing TV 7 минут: https://weibo.com/2/detail/5352937104609511 ENU​MA - страница исследователя ByteDance: https://song630.github.io/yizhisong.github.io/ ActWorld - исследовательский проект: https://interactwm.github.io/ActWorld/ Bloomberg: https://www.bloomberg.com/news/articles/2026-09-07/bytedance-founder-joins-ai-elite-in-race-to-perfect-world-models @cgevent

Не заставляйте меня думать Claude раньше на стартовом экране выводил текстовое поле с заголовком «Опишите, что создадим сегодня». Предполагалось, я расскажу — ИИшка сделает за меня. За 2 года ни разу не воспользовался этой функцией. А сегодня наткнулся на исследование: ребята показали три разных версии стартовых страниц 10.000 пользователей. На первой было текстовое поле с заголовком «Объясните, что хотите получить, и наш ИИ-агент сделает это»; на второй — кнопка «Зарегистрироваться с Google»; третьей — ссылка «Зарегистрируйся бесплатно». Остальное было одинаково. Победил вариант с кнопкой Google; а проиграл (причем по всем показателям — регистрациям, активациям, покупкам) — вариант с ИИ. Казалось, объясни и получишь результат. Но нет — думать неохота, а вот нажать кнопку — легко.

Это сильно менее залипательно, чем предыдущий пост с mediapipe, но гораздо сложнее технически – эту штуку я в прошлой жизни так и не осилил сделать в разумные сроки Короче, проблема mediapipe в том, что эта штука детектит части нашего тела чисто по одной камере. И даже в глубину умеет. Но очень посредственно – как человек с одним глазом – как бы по общей геометрии примерно понятно, что ближе, что дальше, но полноценное определение расстояний работает только с двумя глазами

Если прям душнить, то у нас есть биологический механизм, который позволяет по-честному определять расстояния даже одним глазом, просто он изначально не для этого нужен и работает достаточно медленно и не точно. Респект тому, кто догадается какой

Так вот, на видео слева внизу как раз это заметно – при повороте кистей или сжатии кулака рука почему-то куда-то уезжает. Так никакую систему проверки корректности движений для качалок не построишь (когда-то в ковидные годы я с этой идеей даже подавался в стартап-акселератор) Нужна вторая камера А как только появляется вторая камера, сразу нужно учится их калибровать – определять положение относительно друг друга. А потом еще химичить отображение самой сцены – просто проекциями не решается, т.к. сцена – не линия, и на каждой камере имеет свою геометрию. И понеслаааась Короче, в открытом доступе ничего нормально работающего я не нашел, тем более в браузере. Но теперь есть opus-5.5 Спустя пару промптов из серии "...триангуляция...блаблабла...автоматическая рекалибровка...блаблабла...межзрачковое расстояние как референс...блаблабла...протести на открытых датасетах...блаблабла...не дергай меня, сделай сам..." ... я получаю офигенный результат (справа внизу на видео): стабильная сцена, честное расстояние в сантиметрах и устойчивость к сдвигу камер. И все это просто по вебке макбука + iphone (в continuity режиме). Минут 5 наверное сидел довольный, махал руками перед экраном Ноль идей где и как это можно использовать, но зато закрыл свой старый гештальт по настоящему трехмерному pose estimation 🤷‍♂️