Когда рынок перегрет, в любую отрасль приходят люди, которым всё равно, чем торговать Нефть, медицинские маски, айтишка — настоящий коммерс не привязан к продукту, он привязан к запаху денег. В середине десятых этот запах в ИТ стоял такой, что коммерсы ломились через любую щель: кто сразу на позицию главного продавца, кто с низов, но обгоняя менеджеров «с остановки» играючи. Программисты стали «производством» и «телами», на собраниях заговорили про реализацию и финрез, а шкала вклада сместилась до абсурда. Клиент принёс 50 млн — слава менеджеру, проект провалился — виновата команда. А потом пришёл ИИ, и коммерсы потёрли руки: вот она, новая Большая Деньга. Технология, про которую все слышали. Только вот средний завод не знает, зачем ему это нужно, и молчит как рыба об лёд.

🔧 Метод Параллельный драфтинг хорош тем, что он действительно параллелен, но не учитывает последовательную зависимость между токенами. А авторегрессионную модель нужно гонять каждый раз для каждого токена. Отсюда предлагают гибридное решение — такую же параллельную тушку, как в DFlash, поверх которой обучают легковесный авторегрессионный модуль. Рассматривают два варианта: * 🔹 Простая линейная марковская голова (с малоранговым боттлнеком), которая принимает на вход прошлый токен. * 🔹 Небольшая RNN. Далее, основываясь на народной мудрости и опыте, делают два важных замечания: * 📈 Acceptance length сильно разнится между областями. У кода следующие токены более предсказуемы, и она больше; в диалогах — меньше. * 📦 Чем больше размер батча, тем меньше выигрыш от использования спекдека и тем более заметно ощущается стоимость верификации. Отсюда возникает идея обучить дополнительную голову, которая будет предсказывать, будет ли токен отринут или нет. За счет этого можно не утруждать таргет проверкой того, что наверняка не примется. Так как предсказания классификатора выдают уверенность выше, чем надо (overconfidence), полученные вероятности дополнительно калибруют на некоторой выборке. Оптимальные длины драфтов подбирают при помощи некоего жадного алгоритма. На вход подаются текущий размер батча, текущие длины драфтов и предсказанные уверенности, а на выходе — оптимальные длины, достигающие максимального throughput. 🧮 Лосс-функция состоит из трех членов: * 📌 Стандартная кросс-энтропия. * 📌 Total Variation между драфтом и таргетом. * 📌 Confidence Loss (бинарная кросс-энтропия). Итоговый лосс является взвешенной суммой всего перечисленного. 📊 Эксперименты Сначала тестируют предложенный подход на Qwen3-{4B, 8B, 14B} и Gemma4-12B против DFlash и EAGLE-3 в качестве бейзлайнов. DFlash и DSpark используют один и тот же параллельный бэкбон. Все модели обучаются на одних и тех же данных. ✅ У DSpark консистентно выше acceptance length (примерно на 16–18%). Далее авторы исследуют acceptance в зависимости от позиции и замечают, что DFlash более уверенно предсказывает первые токены по сравнению с EAGLE-3 благодаря более мощной модели, но acceptance rate токена падает с глубиной. У EAGLE-3 он может даже расти, но из-за меньшей точности на первых токенах драфта итоговая acceptance length оказывается меньше. DSpark же имеет хороший acceptance в начале, который еще и практически не убывает. Уже 2 слоя DSpark якобы не хуже 5 слоев DFlash. В качестве авторегрессионной части пробуют марковскую голову и RNN. RNN дает чуть больший acceptance, но имеет больший оверхед и сложнее в реализации, поэтому останавливаются на марковской голове. 📈 Повышение порога confidence (стоит ли вообще верифицировать данный токен) увеличивает acceptance length. Потом авторы масштабируют историю на DeepSeek-V4, и DSpark выдает заметно лучшее соотношение throughput/latency по сравнению с MTP-бейзлайном. ⚙️ Из технических сложностей стоит отметить невозможность работать с CUDA-графами из-за динамических размеров входов и сложности с Zero-Overhead Scheduling. Чтобы решить вторую проблему, используют verification capacity с двух шагов назад (ZOS требует знания размера батча заранее). 💡 Выводы Результат и наблюдения, безусловно, ценные — как любят и умеют делать ребята из DeepSeek. В основе метода все еще лежит DFlash, так что не стоит утверждать, что это принципиально новая парадигма. И у DFlash не так много ручек, которые нужно крутить, чтобы выжать максимальный перф.

DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation 📄 Статья 💻 Код (DeepSpec) С начала текущего года вышел ряд работ (DFlash и follow-up research), предлагающих различные варианты параллельного драфтинга, когда драфт-модель предсказывает несколько токенов за один раз. Такие подходы позволяют использовать более сильную модель в качестве черновой и могут выдавать acceptance на уровне или даже лучше, чем SOTA AR-методы спекдека. Но будто бы потенциал для дальнейшего улучшения все еще есть. Ребята из DeepSeek проделали кропотливую инженерную работу, внесли определенные архитектурные изменения, а заодно предложили динамически подбирать длину драфта, чтобы оптимизировать производительность под разные типы запросов и текущую нагрузку.

🔧 Метод Параллельный драфтинг хорош тем, что он действительно параллелен, но не учитывает последовательную зависимость между токенами. А авторегрессионную модель нужно гонять каждый раз для каждого токена. Отсюда предлагают гибридное решение — такую же параллельную тушку, как в DFlash, поверх которой обучают легковесный авторегрессионный модуль. Рассматривают два варианта: * 🔹 Простая линейная марковская голова (с малоранговым боттлнеком), которая принимает на вход прошлый токен. * 🔹 Небольшая RNN. Далее, основываясь на народной мудрости и опыте, делают два важных замечания: * 📈 Acceptance length сильно разнится между областями. У кода следующие токены более предсказуемы, и она больше; в диалогах — меньше. * 📦 Чем больше размер батча, тем меньше выигрыш от использования спекдека и тем более заметно ощущается стоимость верификации. Отсюда возникает идея обучить дополнительную голову, которая будет предсказывать, будет ли токен отринут или нет. За счет этого можно не утруждать таргет проверкой того, что наверняка не примется. Так как предсказания классификатора выдают уверенность выше, чем надо (overconfidence), полученные вероятности дополнительно калибруют на некоторой выборке. Оптимальные длины драфтов подбирают при помощи некоего жадного алгоритма. На вход подаются текущий размер батча, текущие длины драфтов и предсказанные уверенности, а на выходе — оптимальные длины, достигающие максимального throughput. 🧮 Лосс-функция состоит из трех членов: * 📌 Стандартная кросс-энтропия. * 📌 Total Variation между драфтом и таргетом. * 📌 Confidence Loss (бинарная кросс-энтропия). Итоговый лосс является взвешенной суммой всего перечисленного. 📊 Эксперименты Сначала тестируют предложенный подход на Qwen3-{4B, 8B, 14B} и Gemma4-12B против DFlash и EAGLE-3 в качестве бейзлайнов. DFlash и DSpark используют один и тот же параллельный бэкбон. Все модели обучаются на одних и тех же данных. ✅ У DSpark консистентно выше acceptance length (примерно на 16–18% по сравнению с DFlash). Далее авторы исследуют acceptance в зависимости от позиции и замечают, что DFlash более уверенно предсказывает первые токены по сравнению с EAGLE-3 благодаря более мощной модели, но acceptance rate токена падает с глубиной. У EAGLE-3 он может даже расти, но из-за меньшей точности на первых токенах драфта итоговая acceptance length оказывается меньше. DSpark же имеет хороший acceptance в начале, который еще и практически не убывает. Уже 2 слоя DSpark якобы не хуже 5 слоев DFlash. В качестве авторегрессионной части пробуют марковскую голову и RNN. RNN дает чуть больший acceptance, но имеет больший оверхед и сложнее в реализации, поэтому останавливаются на марковской голове. 📈 Повышение порога confidence (стоит ли вообще верифицировать данный токен) увеличивает acceptance length. Потом авторы масштабируют историю на DeepSeek-V4, и DSpark выдает заметно лучшее соотношение throughput/latency по сравнению с MTP-бейзлайном. ⚙️ Из технических сложностей стоит отметить невозможность работать с CUDA-графами из-за динамических размеров входов и сложности с Zero-Overhead Scheduling. Чтобы решить вторую проблему, используют verification capacity с двух шагов назад (ZOS требует знания размера батча заранее). 💡 Выводы Результат и наблюдения, безусловно, ценные — как любят и умеют делать ребята из DeepSeek. В основе метода все еще лежит DFlash, так что не стоит утверждать, что это принципиально новая парадигма. И у DFlash не так много ручек, которые нужно крутить, чтобы выжать максимальный перф.

Почитал это [ https://t.me/ventureStuff/2292 ] и подумал себе (не в первый раз), что в России терм-шиты писать вообще смысла не имеет, потому что не имеет смысла инвестировать в России в стартапы. Дело даже не в деловой культуре и состоянии экономики, и даже не в фактической ликвидации ограниченной ответственности (судебная практика последних лет уже не то что миноритариев, и публичный оборот щадить перестала, одни трудовые права еще держатся иногда). Дело в фундаментальном корпоративном и гражданском праве. В котором нет нормального разделения собственности и управления. Почему? Да потому что у нас нет структуры, эквивалентной C-Corp. Есть OOO - это схема для семейного бизнеса по юридической сути. Там "акций" нет, есть "доли". Для прокладок внутри холдинга тоже годятся. Но запускать в ООО совладельца, который не участвует в бизнесе - такая роль не предусматривается. А АО в наших условиях - тяжеловесная схема, которая даже и членам Форбс-500 не всегда комфортна. Была еще когда-то ЗАО, у которой были некоторые преимущества (но далеко не С-Corp) - но ее давно ликвидировали. Оттого все, кто что-то куда-то инвестируют, до сих пор, даже после всех еврофинреформ, на Кипр перебираются. Гадость, но ничего лучше нет.

Rodin 3D флексят новыми фичами Any guesses what we’re building next? Интересно наблюдать, что пока взрослые 3Д-софты медленно поднимают веки , шустрые 3Д-генераторы обрастают фичами из 3Д-софтов. Этакое движение навстречу друг другу. Но разрыв между стартаперскими веб-интерфейсами и вековыми традициями 3Д-мамонтов с сотнями пунктов меню и фич столь велик, что они никогда не встретятся посередине. Думаю, что Блендор быстрее всех обрастет интеграцией с генераторами всех цветов и размеров. Хотя освоить интерфейс Блендора дано не каждому. А вот в толковый риг (с покраской скининга, констрейнами и HumanIK) в веб-интерфейсе я не очень верю. Хотя.. Покойный Фабле на раз писал симуляторы ткани, частиц, волос для веба. Может и Миксамо напишет. Когда воскреснет. @cgevent

Год назад я говорил: «Никогда не доверю ИИ подключать платежную систему в моем проекте» Тем временем Opus 4.8 в Claude Code подключает Юкассу в один промпт уже во второй проект. Я перепроверял его несколько раз в новых сессиях, гонял разные секьюрити скиллы, чтобы убедится что мне никто не выкрутит баланс, и ничего, отличное рабочее решение. Да, в Lovarus теперь официально можно пополнять баланс российской картой и без VPN. Официальный релиз планируется 6 июля. В честь запуска будет стрим, на котором создам в Lovarus приложение для проведения розыгрышей, и с помощью этого приложения подарю 3 Telegram Premium, тем кто будет на эфире. Следите за анонсами.

Undergrounded / Monopoly: Star Wars Heroes vs. Villains / Календарь релизов — 29 июня – 5 июля 🖥️ YouTube 📺 VK 🎥 Дзен 📽️ Rutube На стыке июня и июля громких релизов немного, зато хватает интересных обновлений и переизданий. Легендарные Дальнобойщики 2 добрались до Steam, Sonic Frontiers получил Definitive Edition, а Diablo IV запускает уже 14-й сезон. Кроме того, игроков ждут новое издание Monopoly: Star Wars, крупный патч для Slay the Spire 2 и глобальные обновления сразу для нескольких известных проектов. Если пропустили новости недели — собрали всё самое важное в одном ролике. ⏱ Список игр: 00:00 — Вангеры — глобальное обновление 00:43 — King's Bounty: The Legend — обновление 01:18 — Sonic Frontiers Definitive Edition 01:32 — Дальнобойщики 2 02:00 — Slay the Spire 2 — патч 0.107.1 02:27 — Monopoly: Star Wars Heroes vs. Villains 02:58 — Diablo IV — 14-й сезон «Сезон пробуждения Смерти» 03:37 — Undergrounded 04:15 — 🎶 в Spotify и Я.Музыке #3dnews #gamesblender #игры #календарь 🔖 Подпишись на 3DNews в TG | MAX | VK | RT | ДЗ

Интересное в мире хай-тек 29 июня 2026 Кратко о событиях за прошедший день 💻 Microsoft отказалась от ИИ-поиска по истории в Edge. Функция, позволявшая искать посещённые сайты запросами на естественном языке, начала внедряться с версии 138, но теперь её развитие прекращено. Причины не раскрываются. Пользователи критиковали нововведение из-за опасений по поводу приватности и сомнительной пользы. 😃 Nintendo продолжает повышать цены на Switch 2. С 1 сентября в Южной Корее консоль подорожает с $460 до $540 — почти на 17 %. Компания объяснила решение изменением рыночной ситуации и пересмотром глобальной бизнес-стратегии. Ранее аналогичное повышение цен анонсировали и для США — с $450 до $500. 🙃 На фоне новой волны сокращений в Microsoft сотрудники Xbox объединились для защиты рабочих мест. Профсоюз CWA, представляющий более 3500 работников Microsoft и Xbox, потребовал заранее предупреждать об увольнениях, приостанавливать внешний найм и давать сотрудникам возможность перейти на открытые вакансии внутри компании. ❗️ Российские сервисы начали предупреждать об отключении входа через Apple ID и Google с 6 июля. Причина — новые требования закона №149-ФЗ: сервисы должны перейти на российские способы авторизации (номер телефона, «Госуслуги» и др.). Штрафы для компаний достигают 700 тыс. руб. Пользователей просят заранее привязать альтернативные методы входа. #хайтекзадень

Я посмотрел полнометражный ИИ-фильм в кинотеатре. Ниже мои впечатления.

Дисклеймер. 90-минутный фильм называется Hell Grind, сделали его мастера дерзкого маркетинга Higgsfield, между прочим первый казахстанский единорог (оценка >$1,3 млрд). Режиссер и сценарист: Айторе Жолдаскали и Адильхан Ержанов (двукратный участник основной программы Каннского фестиваля так-то). Весь продакшн занял 14 дней, бюджет 500K долларов.

В субботу в московском кинотеатре Октябрь Higgsfield AI собрали студентов и выпускников киношкол, различных ИИ-спецов, чтобы буквально захантить их на работу в новый ИИ-Голливуд. И показали им (нам), как тот будет выглядеть. Теперь к впечатлениям в коротких заметках. Впечатления: 1️⃣. Фильм повествует о лучших друзьях-грабителях, выросших в одном детском доме. Чуть Arcane вайбы. 2️⃣. Сразу бросается в глаза, что женские персонажи более дженериковые и искусственные. Главная босиха мутантов — скучная версия Шарлиз Терон, хотя две родинки над губой, это прекрасная деталь. 3️⃣. Лучшая сцена, как ни удивительно, это комедийный экшн в Тибете, где герои получают люлей от малышей-монахов; взрывают статую Будды, перед этим извинившись перед ней; сражаются с огромным каменным титаном: в эти моменты забываешь, что это нейронка — будто бы смотришь Uncharted или любой другой легкий стриминговый блокбастер. 4️⃣. Боевая сцена на минут 15 в конце — тоже супер, главный герой (спрятавшись в красные доспехи) отбивается от армии зомби. Увлекательно, даже боевая хореография имеется. 5️⃣. Сценарий, конечно, полная шляпа. Но, при этом, после просмотра эссе Патрика Виллемса Why Is Every Streaming Blockbuster So Bad?, у меня нет ощущения, что это шляпа из-за ИИ. Ощущение, что это буквально фильм формата Electric State, Bright, Fountain of Youth, Red Notice — то есть запредельно дорогих максимально продюсерских приключенческих фильмов от Netflix. 6️⃣. Только вот задача у Hell Grind другая — кроме того, что, как и в Netflix-экшнах, тут надо постоянно развлекать зрителя, у нейрокино от Higgsfield задача показать полный спектр — за 90 минут мы видим фэнтези, драму с мелодрамой, киберпанк в Гонконге, хоррор в японском лесу, эпический экшн в заснеженном поле. Короче, это буквально — смотрите, что мы умеем. Сценарий — это промо стартапа. 7️⃣. Интересно, как одновременно это нейрокино похоже на Netflix своей дженериковостью — идеальными персонажами, комфортным ритмом, универсальным приключено-боевиковым жанром, и в то же время на японское и корейское кино — демоны, жестокость, преувеличенные эмоции. 8️⃣. Главный вопрос: работают ли эмоции? На уровне — грустные дети-сироты или воспоминания главного героя — вообще, да. Абсолютно никаких вопросов. На уровне — главный герой убивает своих друзей — вообще никак. Но, что становится ясно, дело — в сценарии. 9️⃣. А какие тут шикарные финальные титры. Вывод. Я увидел средний Netflix-блокбастер. И это, если честно, меня абсолютно убедило в том, что ИИ-кино на подходе. Вообще никаких сомнений. Вопросы у меня были не к картинке, не к эмоциям персонажей, а конкретно и только к сценарию. Нет абсолютно никаких проблем сделать качественное кино с помощью нейросетей и оно точно будет. Это возможно. Да, конечно, я и так это понимал, но сейчас увидел своими глазами. Я выходил из кинозала и ощущал будущее кинематографа. Так что ждем. 2027 — будет годом не одного и не двух нейроблокбастеров (и нескольких инди-проектов или драм тоже). И, скорее всего, стриминги, как только смогут, подхватят эту возможность. Потратить 300 миллионов долларов или 5 миллионов, из которых на продакшн уйдет 500к? Ответ очевиден. P.S. А в воскресенье мы с женой Сашей посмотрели «Танцующие под дождем» 1952 года — мюзикл о появлении звукового кино: страхах индустрии, падении актеров немого кино, большой революции в Голливуде. Не планировали, так совпало. P.P.S. Higgsfield также выложили 20-минутный перемонтированный кусочек фильма, посмотреть можно тут, но мои пиратские экранки передают то самое ощущение из кинозала (жаль, тибетскую сцену со статуей Будды не снял).

Исследователи из запрещенной Meta опубликовали подчеркнуто академическую работу в которой экспериментально показали возможность ИИ-расшифровки магнитоэнцефалограмм людей, набирающих текст в уме. Хотя это пока чисто исследовательская работа, даже не упоминающая возможности практического применения или сроки воплощения, она служит очень веским доказательством важного тезиса: перевод мозговой активности в текст со вполне приемлемым уровнем точности возможен без использования каких-либо инвазивных технологий типа Neuralink (или многочисленных аналогов, каждый из которых требует нейрохирургического вмешательства в той или иной степени). Хочется верить, что полученные результаты приближают появление (пусть и далеко не завтра) потенциально массовых интерфейсов мозг-компьютер — потому что в массовое согласие здоровых людей на нейрохирургию ради улучшения связи с цифровым миром я не верю совсем. https://www.nature.com/articles/s41593-026-02303-2

Ваш сайт не открывается из РФ? Привет привет❤️! Сорри что пропал - последние 2 месяца супер жестко кранчу рекрутерскую часть hirify.me, было не до постов. Но завтра (30) у меня день рождения, а сегодня я выпил пива, так что расскажу как я боролся с РКН. (пока писал пост, ДР уже наступил в моей таймзоне, так что с днём рождения меня и hirify! Его первый публичный релиз случился ровно год назад!🎉) Примерно в конце марта мне начали жаловаться, что ХФ как то нестабильно открывается из РФ. Хостился он на Timeweb в Нидерландах. А у них мало того что своего идиотизма хватает (то DDOS, то DNS отваливается, то сервак зависает), так ещё и РКН начал душить интернет. Параллельно с этим, ХФ вырос настолько, что 8/16 сервак за 70$ физически не справлялся держать нагрузку в момент когда оркестратор запускал очереди на парсинг (дело скорее в том что там дикая каннибализация CPU) В общем ждать было нельзя и я начал выбирать куда переезжать. У меня уже давно часть некритической инфры была на Hetzner, поэтому я знал, какие у них крутые серваки и низкие цены. Выбор оказался очевиден - я взял мощнейший Dedicated сервак с 20 CPU и 64 RAM всего за 54$. Полностью свой сервак без соседей, за меньшие деньги чем убогий Shared в таймвебе 🤯 Вместе с этим, я уже знал что Hetzner полностью заблочен в РФ, и нужна было, чтобы хостилось всё там, но при этом работало из РФ (30-40% трафика у меня оттуда). Было непросто, но через кучу экспериментов я нашел отлично работающую схему! ——— Глобально, идея крайне простая. Нужно сделать так, чтобы РФ юзер видел хостинг в РФ, а все остальные - нормальный основной хостинг. 1. Основной элемент схемы - GeoDNS провайдер. Это обычный DNS хостинг, который умеет в геороутинг. Например AWS, BunnyDNS, Gcore, ClouDNS (мусор + говно, даже не смотрите) и мб кто то ещё. Cloudflare к сожалению так не умеет, а ещё он заблочен в РФ. (В комментах пришли ребята с https://taucloud.ru, если бы я знал про них тогда, пошел бы не думая. Это буквально то что нужно в 1 клик!) Я выбрал Bunny за самую приятную админку и адекватные цены (это стоит 0$-10$). На выбранный хостинг переносятся DNS записи. Потом создается DNS скрипт по примеру из доки и подключается как особый тип DNS записи. (пока не выполнен шаг 2, лучше отдавать один и тот же IP) На случай если придёт идея спрятаться за CDN, вместо этой схемы - я пробовал, это не работает надёжно. Cloudflare заблочен полностью, у Bunny работает 50/50, в зависимости от того, какую ноду выдаст юзеру, рандом короче. 2. Вторая важная часть - прокси сервак. Берете в РФ у любого хостера базовую VPS за минимальные деньги, ставите SSH ключ, чтобы из локального терминала был доступ и кидаете промпт из комментариев в своего ИИ агента. На этом же шаге можно попросить поднять .ru алиас который будет так же проксировать на основной сервак. 3. Прописываете айпишник, который отдал агент в Geo-скрипте. 4. Защита от РКН ботов - бонусный пункт! Если вы хотите увеличить шансы, что РКН вас не заметит, попросите агента интегрировать в оба сервера вот этот репозиторий - https://github.com/freemedia-tech/nginx-rugov-block. Несмотря на давние коммиты, блеклисты апдейтятся. Всё, вы великолепны 🎉, а ваш сайт доступен из РФ и при этом для всего мира вы не выглядите как РФный сайт!

Исследование: половина функций защиты детей в соцсетях не работает Ученые из Нью-Йоркского и Северо-Восточного университетов проверили 86 инструментов безопасности в Instagram*, Snapchat, TikTok и YouTube. По данным отчета Heat Initiative и Cybersafety Research Center, на каждой площадке не менее 50% механизмов защиты не справляются со своими задачами — например, не блокируют сообщения от незнакомцев или вредные материалы. Для проверки авторы создали фейковые профили детей и взрослых. Настройки признавали неэффективными, если они вообще отсутствовали, не срабатывали на практике или были спрятаны слишком глубоко в меню. Во время тестов аккаунты взрослых в Snapchat свободно находили детей и писали им. В Instagram* профиль подростка смог отправить сообщение взрослому без предупреждений системы, а алгоритмы TikTok предлагали несовершеннолетним опасный для здоровья контент на тему анорексии. В Snap, Meta* и YouTube эти выводы отвергли, хотя журналисты New York Times заявили, что смогли самостоятельно повторить результаты экспериментов. * Принадлежит Meta. Meta признана экстремистской организацией в России, её деятельность запрещена.