💡Пауэрбанк, который подрабатывает ночником Belkin выпустила в Китае BoostCharge Pro Power Bank 10K with Motion Sensing Light. Тот случай, когда к обычной батарейке прикрутили пару неочевидных, но приятных вещей. Начнём с необычного. Сбоку выдвигается LED-лампа с датчиком движения и сенсорным управлением яркостью. Можно поставить у кровати как ночник, можно подсветить лицо на видеозвонке или в съёмке, а можно врубить режим SOS — лампа замигает. Светодиоды едят мало, так что подсветка аккумулятор быстро не высадит. Ёмкость пауэрбанка 10 000 мА·ч. В корпус сбоку убирается встроенный кабель в оплётке, рядом живёт отдельный порт USB-C. И кабель, и порт выдают до 45 Вт, поддерживаются протоколы PD и PPS. Воткнёте два устройства разом — пауэрбанк сам поделит мощность: 30 Вт основному, 15 Вт второму. На лицевой стороне — небольшой дисплей с точным процентом заряда. Там же кнопки переключения режимов подсветки и датчика движения. 🔸Вес — 257 граммов 🔸Габариты — 118 x 60 x 32 мм 🔸Цвета — синий и оранжевый Защита от перегрева, перезаряда, повышенного напряжения и короткого замыкания на месте. Сертификация для перелётов — тоже. Цена — 330 юаней (~3800 рублей). @droidergram

Как-то плотно пошли новости в ЕС и других развитых странах об ужесточении правил приватности интернет-юзеров: 1️⃣ Идут жаркие бюрократические обсуждения Chat Control в ЕС, который частично принят. Это когда платформа может сканировать наши приватные (!) чаты, сигнализируя куда нужно о контенте и переписках, вредящих детям. Сейчас основной спор бюрократов в том, включать ли в chat control зашифрованные e2e сообщения (стандартная переписка в сигнале или вацапа, секретные чаты тг и др.) Если что, к обычной тг-переписке chat control уже применяется. Chat Control 2.0 пока в обсуждениях, там самые жесткие ограничения, например вместо права платформ сканировать переписка будет обязанность, включая e2e. 2️⃣ С этого года в Италии и Франции нужно явное согласие для отслеживания имейлов (т.н. трекинг-пиксели, которые используют почти все сервисы рассылок, crm, даже я по умолчанию всем отправляю письма с пикселем). Причем во Франции нельзя включать согласие в список других (вроде "согласен получать рассылку"), нужно именно отдельное явное, как куки. Не сомневаюсь, что такие правила появятся в других странах в ближайшие годы. И это ОЧЕНЬ сильно ударит по эффективности аутрича и любой имейл-коммуникации. 3️⃣ В разных странах быстро вводят age verification, пионером стала Австралия, ограничив доступ к соцсетям детям. Спустя полгода измерили результаты - дети конечно успешно обходят запрет. Еврокомиссия обсуждает аж инфраструктуру для ограничений, в этом году мы увидим первые инициативы. В США палата представителей пару недель назад приняла KIDS Act, который тоже является фундаментом будущих ограничений. Для верификации возраста платформу могут применять разные методы, но сканирование лица и загрузка документов там конечно точно есть. Инициативы age verification многие называют попыткой деанонимизировать интернет, с чем сложно не согласиться. Короче говоря, кажется больше не будет того интернета, который мы помним и любим. @kyrillic

SenseNova выпустила U1-Infographic-V3 - модель, которая делает инфографику в формате generate-and-edit, а не только «сгенерировал с нуля и молись». Это 8B-MoT модель на мультимодальной архитектуре NEO-unify. Главное отличие — она умеет не только создавать инфографику, но и нормально её редактировать. Поддерживаются 10 типов правок в четырёх группах: * локальное редактирование текста * локальное редактирование контента * смена глобального стиля * изменение глобального лэйаута По заявленным результатам, генеративная база унаследована от V2 и в их сравнении опережает Qwen-Image-2.0 и Z-Image на BizGenEval и IGenBench. Лицензия — Apache 2.0. Модель: https://modelscope.ai/models/SenseNova/SenseNova-U1-8B-MoT-Infographic-V3 Пейпер: https://modelscope.ai/papers/2605.12500

Почему топовейшие модели уходят в опенсорс? Фейбл пришлось убрать из открытого доступа по срочному звонку из то ли Белого Дома, то ли Пентагона, а сегодня аналогичная модель доступна за ~$30 в месяц и ее веса в открытом доступе. Прошло меньше двух месяцев. Услышал хорошую мысль про это: сами модели всегда доступны и не так уникальны в силу дистилляции, доступности данных и открытости рисерча, а вот инфраструктура нет. Реальный дефицит это электроэнергия, чипы, память, генерация, трансформаторы и турбины. По многим из этих вещей Китай в целом сильно впереди, поэтому баланс не так очевиден, как кажется многим. Да, США инвестирует пару триллионов в физическую инфраструктуру для ИИ, но производство той же инфры в Китае стоит раза в два дешевле.

MWS Cloud первой в России развернула GLM 5.2 в собственном облаке MWS Cloud расширила каталог сервиса MWS GPT Model Hub до 17 больших языковых моделей. Главным обновлением стала GLM 5.2 — опенсорс-модель от Z.AI, которую компания первой в России развернула на собственной облачной инфраструктуре. Модель ориентирована на сценарии, где важны качество рассуждений, глубокий анализ текстов и обработка многошаговых запросов. Теперь все запросы к GLM 5.2 обрабатываются на серверах MWS Cloud внутри страны. Это означает, что данные и вычисления не покидают юрисдикцию РФ и не зависят от зарубежных провайдеров. Помимо GLM 5.2, в каталоге появились Kimi K2.6 от Moonshot AI. Модель подходит для обработки сложных пользовательских запросов, анализа документов, генерации развёрнутых ответов и построения AI-ассистентов. Кроме того, в MWS GPT Model Hub появились Qwen3.6, Gemma 4, GPT OSS и другие модели. Сервис получил поддержку распознавания и синтеза речи, а также реранкеров, которые улучшают качество поиска и RAG-сценариев. Все 17 моделей доступны через единый OpenAI-совместимый API, что позволяет разработчикам быстрее тестировать и внедрять AI-функции в свои продукты без развёртывания собственной инфраструктуры. @ai_machinelearning_big_data #news

Неожиданная причина любви к понтам Психологи проанализировали несколько исследований с участием более четырёх тысяч человек и пришли к интересному выводу. Люди часто покупают дорогие машины, часы, брендовую одежду и другие символы успеха не столько ради удовольствия или чтобы выделиться среди окружающих. К статусным покупкам чаще оказались склонны те, кому не хватает в жизни близких людей и эмоционального контакта с ними. Чем сильнее человек чувствует, что его принимают и ценят, тем меньше ему нужно что-то доказывать себе и миру с помощью вещей. Конечно, дорогие вещи покупают по самым разным причинам и в этом ничего плохого. Наоборот. Если честно заработал, то трать как хочешь. Но у меня в голове сразу возникло несколько людей, которые идеально подтверждают неприятную закономерность и точно не вызывают желания выстраивать с ними отношения. Наверное, потому что покупка дорогих вещей у них редко обходится без показательного потребления этих самых вещей. Бедные люди, на самом то деле. Поэтому в следующий раз, когда увидите газующего на весь город пижона в брендах на дорогой спортивной тачке, не злитесь на него, а посочувствуйте.

Деньги надвигаются на тех, кто строит под агентов физическую инфраструктуру и обслуживает ее Суть нового бизнеса - предоставлять «ИИ под ключ» как инфраструктурную услугу. Осилить можно даже в одиночку при наличии соответствующих навыков. *с начала 26г. спрос на специалистов в аппаратной инженерии взлетел на 52% Провести аудит: что клиенту выгоднее с учетом его объемов использования ИИ. Подобрать и поставить железо, развернуть локальную модель, подключить её к корпоративным базам данных, настроить роутер с маршрутизацией (для распределения запросов) и все это взять на абонентское обслуживание Спрос на свою инфраструктуру растет, железо дорожает и тенденция минимум сохранится до 2028г. Акции IBM обвалились на 25% и их глава признал, что недооценил переориентацию клиентов с софта и консалтинга, в сторону железа. Теперь деньги идут прежде всего в физическое - чипы, память, охлаждение. Bank of America назвал это «переходом свободного денежного потока от одного поколения компаний к другому» ___ Из-за дефицита на рынке памяти страдает конечный потребитель компьютеров и смартфонов. В конце июня Apple подняла цены на Mac и iPad, сославшись на дефицит компонентов. К концу 2026 года DRAM и SSD подорожают примерно на 130%, поэтому средние цены на ПК могут вырасти на 17%, а на смартфоны на 13% Бизнес видит дефицит и старается заранее обеспечить себя вычислительными мощностями, закупая оборудование впрок. Корпоративный спрос на локальные системы можно наблюдать на заказах Dell. Dell за квартал получила 24,4 млрд долларов заказов на ИИ-серверы. Портфель невыполненных заказов достиг 51,3 млрд, число клиентов превысило 5000 Dell продаёт не просто сервер, а с гибридными системами охлаждения. Вы буквально привозите эту стойку, закатываете ее в обычную подсобку, подключаете к сети и всё А иногда достаточно одного Mac В малом бизнесе инфраструктура может быть ещё компактнее. Например, бизнес кейс IceRock Development. Поставили компании «Искра Телеком» один Mac Studio M3 Ultra, развернули Qwen и встроила локальный суммаризатор в рабочий трекер Похожий бизнес уже активно набирает популярность в США. Компания с одним сотрудником - покупает и настраивает Mac mini в офисах юристов и строителей с локальными моделями и берет на обслуживание

Я был на совершенно ошеломительном празднике! Мне посчастливилось попасть на день рождения Никиты @realnikitakuzmin, который проходил в формате огромной ролевой игры. И я остался под большим впечатлением до сих пор! Весь праздник воссоздавал эпоху начала XIX века: лето 1812 года, Наполеон (подробнее в посте у именинника). Более 160 гостей объединили в 20 семей, и у каждого человека была своя роль, свои задачи, цели семьи и свои сюжетные линии. Один только сценарий занял 400 страниц, а у каждого гостя было еще и свое описание роли. За семь часов игры каждый мог зарабатывать, договариваться, подставлять и обманывать. Я успел выполнить почти все свои цели, заработал денег, женился на Поле, был отравлен, отсидел в тюрьме, был вызван на дуэль, сам отравил (мы спланировали и сделали убийство) и даже сходил в бордель за опиумом 🙂 Масштаб подготовки я до сих пор не могу уложить в голове. Это что-то невероятное, и я теперь знаю, что так вообще бывает. Радует одно – кажется, в следующему году это снова повторится!

Тренды из мира бенчмарков на ICML 2026 [1/2] Работ о бенчмарках на ICML традиционно много. По сравнению с прошлым годом, в 2026 стало заметно больше бенчей для агентов. А ещё начали чаще встречаться работы из академии. Объяснение простое. Корпорации вкладывают много сил во внутренние бенчи: делают сами, покупают их у data-labeling-компаний (например, Surge, Mercor, Handshake AI, Toloka) — и, как следствие, такие бенчи редко опенсорсят. Остальные бенчмарки часто делаются ощутимо меньшими ресурсами. И, как следствие, страдают от типичных проблем: • мало человеческой верификации данных, • качество judge'ей-верификаторов редко полноценно исследуется, • плохо оценивается качество пар запрос + ground-truth-ответ, сгенерированных LLM, • редко проверяется контаминация, хотя бенчи собираются из открытых источников. Авторы постеров, вошедших в подборку, отметили, что подготовка одного бенча занимает в среднем 3–4 месяца фултайм-работы. τ²-Bench: Evaluating Conversational Agents in a Dual-Control Environment Команда τ-бенча продолжает свою работу. В этот раз получили spotlight. Предыдущие версии были single-control: то есть, тулы были доступны только агенту, а пользователь пассивно выдавал текстовый фидбек. В реальном мире пользователь, конечно, взаимодействует со средой. Новый бенчмарк сделали на примере телекома: у агента и у симулированного юзера свои БД и инструменты в общем мире. Валидация — не LLM-судьями, а ассертами на состояние мира. Получившийся бенч заметно сложнее предыдущих версий: Сlaude-3.7 выбивает только 49%. Авторы используют абляцию, когда всё управление переходит агенту или если агенту дают подробный план, как надо поступать. Один из тейков: для агента важен скилл координации с пользователем, который обычные специализированные бенчи не измеряют вообще. QEDBench: Quantifying the Alignment Gap in Automated Evaluation of University-Level Math Proofs Этот бенч фокусируется в первую очередь на оценке надёжности самих судей: насколько LLM judge вообще способен оценивать математические доказательства примерно институтской сложности. Авторы попросили экспертов переписать экзаменационные задачи из 10 математических дисциплин так, чтобы избежать контаминации. Также дополнили бенчмарк примерами из экзаменационных задач своего университета. Ответы фронтир-моделей оценивали: • кандидаты математических наук по заданной шкале, • LLM-судьи по рубрикам, заранее описанным людьми. Всего авторы собрали 1300+ доказательств и 1000 часов разметки. Ожидаемо, судьи пропускают заметно больше неправильных решений: 38% показал самый лучший judge на GPT-5.2 Pro. The Decrypto Benchmark for Multi-Agent Reasoning and Theory of Mind Бенчмарк на Theory of Mind, собранный на основе настолки Decrypto. Alice даёт словесные подсказки к четырём секретным словам так, чтобы код угадал её партнёр Bob, но не угадал перехватчик Eve. Сложность в том, чтобы подсказка была достаточно прозрачной для своего и непонятной для чужого — то есть, требует явно моделировать так, чтобы понял один и не распознал другой. Pass — исход игры. Преимущество по сравнению со старыми статическими ТоМ-бенчами в том, что можно менять ключевые слова и собирать их в миллиарды комбинаций, избегая переобучения. Авторы проделали довольно подробную работу: предлагают промпты-правила и методики валидации, а также провели валидационные игры между людьми и моделями. С игрой плохо справляются даже фронтир-модели: дают примитивные ассоциации (fire → flame, hat → cap), которые легко перехватить. С помощью отдельных тестов из области детской психологии, замерили representational change — понимает ли агент, что его собственное представление изменилось, когда пришла новая информация и изучили false belief — умение приписать ложное убеждение участнику дискуссии. Оба показателя составили менее 10%. Ризонинг не помогает: Llama 3.1-70B обходит и Claude 3.7, и o1. Исследовала для вас бенчмарки ❣ Ирина Барская #YaICML2026 Душный NLP