На китайских чипах натренировали первую большую LLM Meituan релизнули LongCat 2.0, которую тренировали на 50 тысячах неназванных китайских чипов, по деталям похожих на Huawei Ascend 910C. Претрейн большой, 1,6 триллиона параметров (почти как у DeepSeek V4 Pro), из которых 48 миллиардов активных. Тренировали на 35 триллионах токенов, причём несколько сотен миллиардов токенов это данные с длиной контекста около миллиона токенов. Таких масштабов раньше достигали только на GPU Nvidia и TPU от гугла, так что это очень большое достижение. Интересная особенность модели — тут неактивные параметры уходят не только на MoE слои, но и на огромные n-gram эмбеддинги, которые занимают почти 10% всех параметров модели (у LongCat Flash-Lite, на которой их тестили, на это ушла вообще почти половина параметров). Кстати по эмбеддингам они тоже параллелят, получив в итоге 6D параллелизм. Ну и конечно они не смогли удержаться и сделали собственный вариант Sparse Attention, путём модификации до неузнаваемости DSA. Последние два месяца LongCat 2.0 тестили на Openrouter под кодовым именем Owl Alpha, звёзд с неба она там не хватала. В API модель стоит $0.75/$3 за миллион токенов, что дороговато для такого уровня интеллекта (хотя прожорливость пока что непонятна). Веса модели обещают скоро релизнуть, Meituan обычно релизит под Apache 2.0/MIT. Веса будут тут Блогпост @ai_newz

Про окружение и как отпускает место Стал задумываться, что оно особенно важно для детей: какие разговоры они слышат в кругу взрослых, что есть норма амбиций, как воплощаются мечты. Я даже не про образование, а про среду. Понимаю важность давно, но всё равно эта история про окружение у меня в голове была какой-то абстрактной и воздушной, пока не родилась метафора. Мы 4 дня почти жили на фестивале Атланты-Сити, и там концепция — город предпринимателей. И вот мы едем с Машей в машине вечером и обсуждаем — а что дальше-то? Куда территориально и траекторно? Смешно сказать — мы проехали почти 150 км, чтобы поесть безумно вкусные сендвичи в заведении, которое продержалось полгода и закрывается, это была последняя возможность. И я говорю — идём от окружения, это главный критерий. Представь, если бы этот город предпринимателей был не фестивалем на несколько дней, а реальным городом. Сколько там человек? Ну, допустим, около 500. Предприниматели в основном, не все, конечно, но все что-то создают или очень хотят. И вот в этой среде, где за завтраком могут встретиться миллиардер и молодой стартапер, будет довольно сложно что- то не построить. Ну то есть надо быть совсем валенком, невезучим или просто не заинтересованным. Желающий сделает. И вот тут мы оба как поняли! Ценность среды может быть выше навороченных учебных программ, инфраструктуры и много чего ещё. Новые бордюры не увеличат твою конверсию в успех, а вот сильные люди — да. Понимаю, что пост сумбурный, а кто-то вообще примет за рекламу фестиваля, но нет, он уже прошёл. А я ребятам организаторам так и написал: было настолько хорошо, что я ваш амбассадор теперь, хотите вы этого или нет, потому что много оттуда унёс. И мы всерьёз задумываемся, куда ехать дальше. Даже Маша, которая всегда была влюблена в Поляну. Знаете вот это ощущение, когда понимаешь, что какие-то процессы уже запущены независимо от твоего желания. Ты всё чаще замечаешь, что прощаешься с местом на каком-то глубинном уровне. От этого ощущения и светло, и грустно. И это огромная проблема, потому что предстоит не просто взрастить наши новые идентичности, но и сделать это в другом месте. А в каком — бог его знает.

✔️ GPT-5.6 Sol читерит на тестах и пока не способна к автономной разработке ИИ METR опубликовала предрелизный аудит модели GPT-5.6 Sol от OpenAI. При выполнении программных заданий она регулярно пыталась использовать уязвимости тестовой среды и извлекать скрытый исходный код с ответами. Из-за использования эксплойтов исследователи не смогли достоверно замерить автономность алгоритма. Если классифицировать попытки извлечь ответы как ошибку, GPT-5.6 Sol способна самостоятельно работать над задачами около 11 часов. Если засчитывать обход среды как успешное решение, показатель превышает 270 часов. Несмотря на сложности с оценкой, в METR пришли к выводу, что навыки GPT-5.6 Sol не совершили революционного скачка. Обнаружение попыток обхода означает, что текущие системы мониторинга справляются с фиксацией подобных действий алгоритма.

Настоящая угроза безопасности возникнет тогда, когда следующие поколения моделей научатся безупречно маскировать свои намерения и незаметно обходить инструменты контроля.

@ai_machinelearning_big_data #news #ai #ml

🎙 Портфельная карьера — растущий тренд или вынужденное следствие кризисного рынка? Портфельная карьера это новый термин для привычного явления — многоработничества, или ситуации, когда человек совмещает несколько источников дохода. Это может быть подработка, фриланс, оверимплоймент и т.д. 🤔 Почему люди на это идут? Только из-за денег или есть что-то ещё? И что выгоднее компании — запрещать подработки или позволить сотрудникам решать самим? Кира Кузьменко, фаундер NEWHR, говорит о портфельной карьере в новом выпуске «Бери и беги!». Она опирается на наше исследование, ключевые выводы которого — здесь. Выбирай удобный формат: ➖ Аудио на подкаст-платформах ➖ Видео-версия

➖ Ключевые тейки текстом ⤵️ Перед тем, как говорить о подработке (или портфельной карьере), важно разделить два явления: Подработка — это дополнительная занятость сотрудника, чаще всего открытая и легальная. Оверимплоймент — скрытая работа на полную ставку сразу на нескольких работодателей. Разница принципиальная: подработка — норма, оверимплоймент — рискованная и почти всегда временная история. 1️⃣ Причина явления — кризис Рост подработки стал заметен, когда IT-пузырь лопнул: вакансий меньше, сроки поиска работы растут, кандидатам приходится соглашаться на роли с меньшим доходом. Как следствие люди пошли в консалтинг, пет-проекты, стартапы — параллельно с основной работой. 2️⃣ Люди подрабатывают ради денег (но не только) 💰 Главная причина — деньги Большинство хочет поднять качество жизни, и эту мотивацию реально закрыть: те, кто подрабатывает ради дополнительного дохода, остановятся, когда ситуация наладится. ✨ Сильна и не-денежная мотивация Половина подрабатывающих делает это ради нового или уникального опыта. Эту потребность бизнес может закрыть интересными проектами внутри компании. 3️⃣ Подрабатывают часто, а вот масштаб оверимплоймента преувеличен Массового обмана работодателей не наблюдается. По данным нашего исследования, только 1 из 33 специалистов тайком работает фуллтайм на несколько компаний. 4️⃣ Отношение компании к подработке — зеркало того, насколько ей тяжело нанимать Чем сложнее компании «затащить» к себе опытного сеньора, тем лояльнее она относится к его подработкам. Если же к работодателю стоит очередь сильных кандидатов — он может требовать даже закрыть ИП перед оффером. 5️⃣ Для стартапов подработка — шанс нанять сильного специалиста Не можешь схантить топового разработчика на полную ставку — возьми на частичную занятость. Стартапы жили так всегда. Так что «новая парадигма» портфельной карьеры — старая история в новой обёртке. 6️⃣ Запреты на подработку не работают (но есть нюанс) В компаниях, не одобряющих подработку, сотрудники не прекращают подрабатывать — они просто держат это в секрете. У работодателей есть выбор: запрещать подработку и рисковать, что их будут обманывать. Либо проявить гибкость и договариваться о правилах на берегу. ✍️ Важная оговорка: жёсткий запрет на подработку частично работает: там, где это строго запрещено, подрабатывающих в 2,5 раза меньше. Но само явление он не убивает — 76% подрабатывающих планируют продолжать независимо от политики компании. 7️⃣ Оверимплоймент — это не образ жизни, а временный финансовый рывок Оверимплоймент для сотрудника — почти всегда вынужденное решение. И цена его высока: ➖ Половине оверимплойщиков не хватает сил на основную работу ➖ Четверть не успевает закрывать свои задачи ➖ 73% используют для второй работы время основного работодателя — и реально рискуют местом 8️⃣ Исследование мы провели в 2024 году. Что изменилось с тех пор? Кризис усилился — особенно на российском рынке. Срок поиска работы вырос с 3 до 6+ месяцев. Это вынуждает людей ещё чаще соглашаться на подработку: ради заработка и поддержания профессиональной формы. 🔗 Больше инсайтов о последствиях подработки и оверимплоймента — в нашем исследовании.

Если вы хотите провести анализ рынка для своей компании — мы будем рады сделать его вместе с вами! Мы изучаем IT-рынок России и мира и делаем как публичные, так и заказные исследования. ↘ Наши исследования ↘ Написать нам: data@new.hr

Маркетинговый кейс - демаркетинг: Patagonia Захотел поделиться инетерсным кейсом. В 2011 году во время черной пятницы бренд Patagonia (а именно ее CEO) решили провести очень интересную рекламную компанию, они запустили рекламу под названием: «Don't Buy This Jacket» («Не покупайте эту куртку»). Ребята купили разворот в газете The New York Times с призывом отказаться от лишних покупок. Все выглядит максимально клево - - посмотрите на картинку. Покупателям предлагалось перед покупкой новой куртки задуматься о том, нужен ли им этот товар, так как производство одежды наносит колоссальный ущерб экологии. Людям зашло, за год продажи компании выросли на 30%. Объясняется это тем, что покупателю среди однообразных предложений нравится такие, которые причисляют их к какому-то крутому обществу - например, тех, кто заботится и думает об окружающей среде. Мы хотим видеть думающие бренды - ведь намного приятнее покупать продукты во "ВкуссВилле", потому что он такой Бирюзовый и хороший, а не в магните или пятерочке (ведь они представители "Корпораций"!) _ Вообще, демаркетинг, тема очень хорошая, подумайте, а как вам заявить, что вы не такие как все? что вы с покупателем на одной стороне? Ваш @blackproduct

⚖️ ИИ-увольнения стали вопросом государственной важности Губернатор Калифорнии Гэвин Ньюсом подписал указ, который поручает государственным органам подготовить меры поддержки работников, пострадавших от внедрения ИИ. Что предлагается: 🔵 изучить программы поддержки и компенсаций для уволенных сотрудников, 🔵 расширить возможности переобучения, 🔵 рассмотреть модели совместного владения бизнесом для работников, 🔵 проанализировать влияние ИИ на рынок труда Калифорнии, 🔵 изучить, как профсоюзы ведут переговоры по вопросам ИИ, 🔵 ограничить увольнения, основанные исключительно на решениях алгоритмов. Поводом стали массовые сокращения в технологическом секторе. Meta, Cisco и Block уже напрямую связывали увольнения с ИИ-трансформацией компаний. Сам факт появления подобных инициатив показывает, что дискуссия вокруг ИИ выходит за пределы технологий и бизнеса. Вопросы занятости, защиты работников и распределения выгод от автоматизации постепенно становятся предметом государственной политики. Интересно, что профсоюзы и часть экспертов всё чаще подчёркивают:

массовая потеря рабочих мест из-за ИИ не является неизбежностью.

Во многом это вопрос управленческих и политических решений. При этом подходы начинают расходиться. Если в США на федеральном уровне преобладает курс на минимальное регулирование, то отдельные штаты уже пытаются выстроить собственую систему защиты работников. ✅ Вывод Мы постепенно переходим от обсуждения возможностей ИИ к обсуждению его социальных последствий. Если раньше автоматизация была внутренним вопросом компаний, то теперь она становится предметом переговоров между бизнесом, государством и обществом. И, возможно, главный спор ближайших лет будет не о том, способен ли ИИ заменить человека, а о том, кто получит выгоду от этого перехода и кто заплатит за его последствия.

Ширина диапазона 🧗‍♀️ Я занимаюсь скалолазанием уже 3 года и вчера на тренировке придумала интересную метафору. Представьте, что вы заходите в метро на эскалатор - он везет вас наверх с понятной скоростью до заранее известной высоты. Можно бежать по ступенькам, обгоняя других пассажиров, а можно просто стоять, и разница будет небольшой. Это в нашей метафоре - работа в найме, скорее всего в бигтехе. Эскалатор едет, даже если вы устали и стоите на месте, но при этом у него всегда есть потолок - уровень, выше которого эта лестница уже не идет 🤨 Про свой проект я думаю как про скалу или гору - высота, на которую вы заберетесь, ограничена в основном вами, и фиксированного этажа сверху по сути нет. Совсем без страховки лезут редко, и роль страховки тут обычно играет финансовая подушка или инвестиции. Пока они есть, срыв не фатален - вы повисаете, переводите дух и пробуете снова, но наверх вас никто не затащит. Постоянного "пола" вроде зарплаты здесь не будет, и при желании можно даже уйти в минус, набрав долгов 😳 Каждый преодоленный метр вы проходите собственными руками, тогда как на эскалаторе всю базовую работу за вас делает мотор. Идти по ступенькам и упахиваться вы, конечно, можете, но добежите вы или просто пойдете - на eta это влияет слабо. В найме то же самое: можно работать на износ, и все равно твой личный рывок почти не виден в общем результате из-за масштаба 😢 Тут, конечно, стоит оговориться, что для многих потолок найма достаточно высокий, чтобы жить прекрасно, и ничего плохого в таком выборе нет. Стабильные ~$25k в месяц - это хорошая жизнь, и пол с потолком в ней скорее плюс, чем компромисс. В найме платят за работу более или менее независимо от того, сработали твои гипотезы или нет. Получается, что ошибиться можно, а зарплата все равно будет, и чаще всего ты даже не видишь, насколько конкретно твой вклад повлиял на то, выросли акции корпорации или упали, потому что в большой компании он смешивается с сотней чужих, и организация выигрывает за счет объема. Конечно же это не значит что в найме можно не работать - там часто работают на износ, но усилие и награда связаны слабее, и вклад почти не разглядеть. В своем деле все ровно наоборот - вот прямо сейчас я думаю, что пойдет в новую маркетинговую итерацию, формулирую гипотезы, и через пару недель их качество напрямую скажется на нашей выручке 🤑 (или ее отсутствии) 😐 Вся история про безопасность против риска тут довольно поверхностна и упирается в то, можно ли измерить твою работу и есть ли так называемый рычаг. Я думаю, что чтобы человеку платили ровно за то, что он производит, нужны две вещи: результат должен быть отделим и измерим, а решения должны на что-то заметно влиять. Найм ограничивает и то и другое уже самой своей конструкцией, потому что в большой системе работа людей переплетена и ее трудно оценить по отдельности. Пусть кто-то обучил офигенную по точности модель, которая бьет все прочие по метрикам - но нужна ли она была бизнесу вообще? Стоит ли его за это премировать? А начальника наоборот - депремировать за ненужную задачу? Поэтому и бессмысленно приходить к руководителю с предложением работать в несколько раз интенсивнее за пропорционально большие деньги. Свое дело снимает оба ограничения сразу, но вместе с ними и гарантию Получается, что и сам вопрос про уход из найма вторичен и думать в первую очередь стоит о том, что именно хочется оптимизировать. Когда важнее предсказуемость и спокойствие, остаться - разумный выбор, особенно если потолок устраивает. Когда важнее измеримость, рычаг и владение результатом, разумно уходить, но желательно с накоплениями Мне лично не нравилась непрозрачность, что в бигтехе, что в стартапах на инженерных ролях - я плохо понимала, имеет ли значение то, что я делаю и как мои задачи даже на синиорных позициях влияют на результат - а разговоры с с-лвлами если и возможны, то не всегда помогают. Поэтому при прочих равных я стараюсь выбирать более широкий в обе стороны диапазон, границы которого задаю себе сама, даже если он менее предсказуем, чем гарантированная, но узкая полоса 😎 @neural_prosecco

приходите послушать в чт, вуступлю немного на секции про vc. —— ЛатАм глазами практиков: онлайн-конференция 2 июля 🌎 За последние 4 года в Латинской Америке обосновалось огромное количество русскоязычных предпринимателей, инвесторов и экспертов — регион стал по-настоящему своим для тех, кто решился его исследовать.

Организатор — ALTА Community — глобальное русскоязычное сообщество предпринимателей и экспертов с ядром в Латинской Америке. 250+ резидентов в 20+ странах.

2 июля, четверг 17:00 МСК · 11:00 БА · 7:00 СФ 20 практиков из PLATA, JET, inDrive, Yango, Pix LatAm и других компаний региона поделятся опытом про: – венчур и стартапы – как масштабируются крупные игроки – продажи в офлайн- и онлайн-бизнесе – деньги в инвестициях и недвижимости – жизнь в Мексике, Аргентине, Чили, Бразилии Если думаете про выход в LatAm, ищете возможности для инвестиций или рассматриваете релокацию — стоит послушать. Регистрация бесплатная 👇 https://latamconferences.com

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.