open-sourceСбросить фильтр ×

Подборка FOSS-приложений для Android

К@d_codeмедиа / агрегатор
3 мес
🛡 Ценители открытого кода на месте? Собрали пять FOSS-приложений для Android — программ с открытым исходным кодом, которые можно проверить на отсутствие слежки, а не просто поверить на слово разработчику. Офлайн-карты, менеджер паролей и даже приложение для носимых устройств. И никакой биг даты! ☀️ https://kod.ru/open-source-android-apps

Релиз open-source модели LongCat-2.0

3 мес
LongCat-2.0 открыли в open source. Это MoE-модель на 1,6T параметров с примерно 48B активных, заточенная под агентное программирование и длинный контекст до 1M токенов. По бенчмаркам: • 59,5 на SWE-bench Pro • 70,8 на Terminal-Bench 2.1 • 77,3 на SWE-bench Multilingual Внутри: sparse attention для длинного контекста, ScMoE для экономной активации экспертов и MOPD для разделения задач между агентными, reasoning и interaction-экспертами. Модель обучали с нуля на 35T+ токенов. Есть поддержка деплоя на GPU и NPU. 🤖https://modelscope.ai/collections/meituan-longcat/LongCat-20

Вышла OpenScience — опенсорсная альтернатива Claude Science для ИИ-исследований

AI-редакция
1 источник · показать все· свернуть
собирается · 2обновлено 3 мес назад

Представлен OpenSciencei — бесплатная open-source научная лаборатория с ИИ-агентами-исследователями, позиционируемая как альтернатива Claude Sciencei. Пользователь задаёт цель ресёрча, а агенты сами читают статьи, пишут код, проводят эксперименты и сохраняют результаты в структурированном виде.

Проект развёртывается на собственной инфраструктуре пользователя с локальным хранением данных, без цензуры и лимитов, что важно для исследовательских команд, которым нужен контроль над данными и моделями.

250+встроенных скиллов для исследований
30+интегрированных научных баз данных

Полный разбор →

Нейросеть Cardiag определяет неисправность автомобиля по звуку двигателя

AI-редакция
2 источника · показать все· свернуть
собирается · 2обновлено 3 мес назад

Появился опенсорсi-проект Cardiagi — нейросеть, которая анализирует звук работы автомобильного двигателя (записанный, например, на телефон) и подсказывает, какая система машины с наибольшей вероятностью неисправна и что стоит проверить в первую очередь.

Модель обучалась на роликах с YouTube и TikTok с записями шумов неисправных машин, точность определения проблемной зоны составляет около 79–80%. Проект полностью открытый, автор рассчитывает, что сообщество поможет дообучить модель.

80%точность определения зоны неисправности (CodeCamp)
79%точность модели по данным PROIT

Полный разбор →

Это всё на сейчас.