🚨 Китайская Z.AI привлекла $5 млрд - и 60% средств направит на следующее поколение GLM и систему Fully Self-Training. Финансирование состоит примерно из $2 млрд через размещение акций и $3 млрд через конвертируемые облигации. Z.AI развивает подход, при котором каждая новая версия GLM всё больше участвует в создании среды, данных и инфраструктуры для обучения следующего поколения модели. Компания прямо связывает это направление с Recursive Self-Improvement - RSI. GLM → строит среду и данные → обучает следующую GLM → цикл повторяется Пока в этом процессе всё ещё много инженеров, но цель Z.AI - максимально замкнуть этот контур. И теперь на эту идею у компании есть ещё несколько миллиардов долларов.

Американские стартапы: RSI это очень опасно, давайте тормозить ИИ Китайские стартапы: RSI это клево, давайте потратим на него 30 миллиардов долларов! Z.AI подали на Гонконгскую биржу официальный документ, в котором заявляют, что планируют привлечь 50 миллиардов долларов. И самое интересное, что они расписали, куда пойдут деньги. Около 60% собираются потратить на обучение следующей GLM и то, что в документе значится под названием Fully Self Training. Z.ai хотят, чтобы «Следующее поколение GLM обучалось в среде, созданной предыдущим поколением GLM, формируя замкнутый цикл Recursive Self-Improvement». В это определение входит: самогенерация данных для обучения, генерация задач и сред, включая алгоритмы оценки, а также оптимизация инфраструктуры. В видении Z.ai такая система должна работать полностью автономно, оценивая результаты и принимая решения в основном без участия человека ☕️

Мне для клиента нужно запустить мощную модель, с гарантией, что его данные никуда никому не утекут. Оказалось, что сделать это не так уж и просто. Когда отправляешь запросы в API chatGPT или клода, то у них есть возможность включить так называемый ZDR, Zero Data Retention. То есть, они обещают не хранить запросы и контекст, который ты в них отправил. Но там есть «звездочка», что если если классификатор решает, что мы делаем что-то плохое, то тогда данные могут храниться до двух лет. Это вариант нам не подходит. Мы прогнали все крупные модели на синтетических данных (то есть специально сгенерированных примерах) и из открытых китайских нам лучше всего подошла GLM-5.3. Чтобы запустить её полноценно на своем собственном железе, нужно 8 видеокарт H-200. Купить себе такое довольно трудно, но даже если вы их достанете, стоимость будет под полмиллиона долларов + 5 тысяч долларов в месяц на электричество. Арендовать подобную тачку на сегодняшний день тоже непросто: у моих любимых Runpod они в теории есть, и стоят всего 30 долларов в час, но на практике всё занято. Из десятков облачных провайдеров, в наличии они есть только у одних индусов Lium. Зато в OpenRouter’е нашлись несколько провайдеров (Fireworks и Venice), которые поддерживают настоящий ZDR, без всяких оговорок. Платишь за токены, получается даже выгоднее своего железа, пока объемы небольшие. А там уж думаю или ишак научится говорить, или падишах...

📹 GLM 5.3 Flash на личных автоматизациях Два дня работы на GLM 5.3 Flash — и я готов вынести вердикт. Сначала я на неё забил, потом понял, что она обходится мне как компании в полтора-два раза дешевле 5.3, работает быстрее — и решил начать на ней экономить. В этом ролике тестирую её не на игрушечных задачках, а на реальной автоматизации своего YouTube-продакшна: приложение, которое само нарезает исходники из OBS, генерит прокси для DaVinci Resolve, вытаскивает таймкоды и подключает всё это к проекту. Цель — записать видео, нажать одну кнопку, уйти домой, а утром получить готовый проект для монтажа. Что в ролике: 🔹 Моя кухня продакшна: OBS, 8 мониторов, мультикам в DaVinci, прокси-файлы (100 ГБ → 4 ГБ) 🔹 Как GLM 5.3 Flash писал FFmpeg-скрипты нарезки — кадр в кадр, без рассинхрона звука 🔹 Работа через скиллы: task-creator готовит ТЗ, task-solver реализует по одной задаче 🔹 Electron-приложение: экстрактор таймкодов, прогресс-бар конвертации, подключение к DaVinci 🔹 Честные фейлы: зависания, 5 заброшенных копий приложения и 12 минут мучений с багом Видео по ссылкам тут: 📹 YouTube | VK | Rutube | Dzen 📹