OpenVLHarness Обвязка для мультимодальных моделей от UCLA и Apple, без обучения. Дает модели набор инструментов и память по ходу задачи • Инструменты восприятия: зум, привязка к объекту, OCR, глубина, поза камеры • Поиск: текстовый, по картинкам, обход страниц • Кодинг-агент для подсчетов и скриптов • Мультимодальная память между шагами • Сама модель не дообучается, веса остаются прежними Обвязку еще и оптимизировали: Kimi K3 разобрала почти 10 тысяч провальных траекторий и решила, где нужен новый инструмент, а где хватит правки промпта. Есть демо с любым OpenAI-совместимым эндпоинтом, код и данные открыты. github.com/uclanlp/OpenVLHarness #harness MAX

Micron представила память 3D NAND G11 с более чем 400 слоями Компания Micron анонсировала новое поколение памяти 3D NAND G11, пропустив поколение G10. Наращивание массового производства запланировано на вторую половину 2027 года. Главным технологическим изменением станет переход на гибридное соединение пластин (wafer-on-wafer bonding), при котором ячейки памяти и управляющая логика изготавливаются на отдельных кремниевых пластинах и объединяются на финальном этапе. По данным Micron, память G11 предложит более 400 слоев и удвоенную плотность записи по сравнению с текущим поколением G9. Скорость ввода-вывода вырастет на 50%, а энергопотребление на бит передаваемых данных сократится более чем на 25%. В более отдаленной перспективе компания планирует развивать плотность чипов за счет уменьшения физических размеров ячеек по осям X и Y и внедрения новых высокоподвижных материалов.

«Памяти всегда можно использовать больше»: глава Nvidia отверг опасения по поводу перепроизводства Глава Nvidia Дженсен Хуанг не верит в грядущий избыток оперативной памяти: по его мнению, спрос со стороны ИИ будет расти ещё много лет. Он отметил, что HBM останется востребованной в дата-центрах, а Nvidia продолжит закупать большие объёмы энергоэффективной LPDDR. Инвесторы настроены куда осторожнее: акции SK hynix, Samsung и Micron резко упали на фоне прогнозов о перепроизводстве к 2029 году. Хуанг также допустил сотрудничество с китайской CXMT и раскритиковал американские ограничения на поставки чипов, заявив, что они лишь ускоряют развитие отрасли в Китае. #nvidia #память #dram 📎Подробнее 🔖 3DNews в TG | MAX | VK

Энтузиаст превратил комплект ноутбучной DDR5 за $120 в настольную память, которую сам оценивает примерно в $1000. Донорами стали два модуля SK hynix DDR5-5600 по 16 ГБ каждый. Автор предположил, что в них установлены чипы Hynix A-die, известные хорошим разгонным потенциалом. Он выпаял микросхемы и перенёс их на полноразмерные платы DIMM. Новые платы обошлись примерно в $16 за штуку, радиаторы добавили ещё $18, а общие расходы составили около $175. После переделки комплект удалось запустить на DDR5-7800. Правда, для такой работы нужны оборудование для пайки BGA и соответствующий опыт. С ценой донорской памяти автору тоже повезло, поскольку аналогичные комплекты на вторичном рынке сейчас стоят заметно дороже.

ChatGPT составляет психологический профиль каждого пользователя Исследователи изучили переписки 80 пользователей и нашли 2000 записей о них в памяти ChatGPT. В 96% случаев бот сохранял информацию без просьбы «запомни это». Выбор того, что запомнить, чаще делала сама модель. В половине записей были сведения о желаниях, планах, эмоциях и убеждениях пользователей. В 7% — особо чувствительные данные, например о здоровье. Большинство записей опирались на слова пользователей, но иногда бот додумывал. Например, просьбу посоветовать группы, похожие на Nirvana, превращал в утверждение «пользователю нравится Nirvana» — хотя человек этого не говорил. Сама работа была опубликована ещё в феврале 2026, но популярность в X она получила только сейчас. https://arxiv.org/abs/2602.01450

Локальный AI дорожает, а облако дешевеет С удовольствием прочитал пост Local AI is a trap for most people. Автор вложил больше $95 тысяч в железо - шесть кластеров DGX Spark и серверы и держит отдельного разработчика, который возится с этим каждый день. При этом он платит $2100 в месяц за облачные подписки и API. То есть даже автор с компанией на 100 человек и опытом в IT компаний из Fortune 100 от облака не отказался. Локальное железо у него работает в дополнение. Mac Studio на 128 ГБ за $5099 медленный, рабочий вариант - M5 Ultra за $10 799. Лучшая локальная модель для кода набирает 30,9% на Terminal-Bench 2.0, Claude Opus 4.5 - 53,9%. По сравнению с подпиской за $200 железо окупается почти три года. Плюс ты сам себе IT-отдел. В MacStories тестировали Mac Studio на 512 ГБ и получили 24 токена в секунду на модели 235B. А модель на 32B назвала фото эргономичных мышек «коллекцией ракушек», такое обычно не скриншотят. С этим я согласен. Даже приватность, с которой начинают все продавцы локального AI, бизнес в большинстве случаев решает договором: API, который не хранит данные, или модель в собственном контуре Azure. Недавно мы покупали для проекта Asus DGX Spark по $3999, сейчас на Amazon он стоит $8500–9500. AI-железо дорожает, хотя мы привыкли, что техника со временем дешевеет. Внутри 128 ГБ памяти, а память сейчас самый дефицитный ресурс во всём стеке, я писал об этом. За неё вы конкурируете с хайперскейлерами, которые забирают объёмы оптом и первыми. А цена токена в облаке пока падает каждый квартал. Получается, вы покупаете самый дефицитный ресурс по розничной цене, чтобы пользоваться им пару часов в день. У провайдера GPU круглые сутки загружены запросами тысяч людей, а ваш Mac Studio большую часть дня ждёт, пока вы допечатаете промпт. По той же причине никто не ставит электростанцию в гараже. Где локальный AI всё-таки работает: 1. постоянная большая нагрузка: кластеры автора считают задачи клиентов 2. устройства без облака: машина (FSD считает на борту), робот, промышленный дрон на заводе или большой территории, цех без связи 3. автономия: мой Emergency GPT Kit, AI, который никто не выключит и не отцензурирует Во всех трёх случаях либо железо загружено почти постоянно, либо экономия изначально не была целью. Аргументы за локальный AI остались прежними. Инструменты меньше зависят от цензуры и от взглядов, которые продвигают фронтир-модели. Модель без встроенных ограничений отвечает прямо и делает то, что попросишь, а свои промпты и идеи не приходится показывать фронтир-лабораториям. Если ограничения будут закручивать с той же скоростью, скоро Claude и Codex начнут отказываться от гораздо большего числа задач, чем сегодня. Claude уже отказывается от того, что неделю назад делал со свистом. Ссылается на внутреннюю безопасность, хотя речь всего лишь о ключах, которые ему выдали в соседней сессии. Вчера я не поверил заголовку и прочитал оригинал статьи: сенатор Берни Сандерс вместе с конгрессменом Грегом Касаром предложил законопроект Ban Artificial Superintelligence Act. За сознательное нарушение запрета на создание или развёртывание «искусственного суперинтеллекта» или за обход временной паузы на разработку продвинутых фронтир-моделей он предусматривает до 20 лет тюрьмы. Суперинтеллект (ASI) - гипотетический AI, который во всём превосходит самых умных людей. До цензуры обычных моделей пока далеко, надеюсь, так и останется, но направление мысли тревожит. Если есть возможность, запасайтесь мощными компьютерами и моделями, которые пока можно легально скачать и запускать без ограничений. Выбор между локальными и фронтир-моделями зависит не только от ваших задач и экономии. Есть ещё ближайшее будущее, в котором дата-центры могут стать недоступными и вернуться не так скоро, как хотелось бы. @maxvotek | linkedin | substack

Высокие цены на память позволили китайской CXMT выйти в прибыль по итогам трёх первых кварталов этого года Китайская CXMT впервые вышла в прибыль по итогам первых девяти месяцев года: чистая прибыль составила около $19,6–19,8 млрд против убытка в $792 млн годом ранее. Выручка компании выросла более чем в восемь раз — до $39,6–40,4 млрд. Рывок во многом обеспечили резко подорожавшие чипы памяти, а CXMT уже контролирует около 10% мировой выручки в сегменте DRAM. Компания продолжит наращивать производство и потратит до $300 млн на выкуп собственных акций. #cxmt #dram #производствомикросхем #аналитика 📎Подробнее 🔖 3DNews в TG | MAX | VK

Коварная память кодинговых агентов Быстрый рекап. В современных агентах по дефолту включена память, которая работает конкретно для вас. Поэтому со временем появляется ощущение, что оно работает все лучше и лучше. Иногда это приводит к казусам, когда что-то сильно меняется и агент работает по старинке, но если следить за чистотой и регулярно вызывать что-то типа /doctor в клод коде, то все будет норм. Такая схема хорошо работает для конкретного человека, но работает плохо и даже вредит при работе в команде. У каждого человека начинает копиться свой набор правил, который во многом дублируется, но при этом не распространяется на команду и не меняется синхронно при изменении чего-либо. В итоге мы получаем ситуацию, когда у новых людей все работает не так хорошо, а хорошие практики перестают распространятся или делают это медленно и не равномерно. Я в какой-то момент, когда увидел очередное "я понял, сохраню в память", психанул и запретил ему это делать. Он этот запрет тоже положил в память 🙂 Поэтому пришлось закатать рукава и проработать схему запрета в AGENTS.md. Можно сказать, а почему бы не выключить ее совсем? Есть таки таки вещи, где она нужна и где я не хочу сильно думать. Возможно там есть настройка которая позволяет память менять по проектно (щас пост опубликую и проверю) и тогда вопрос может быть решен кардинально. Какой у вас опыт с памятью? Telegram | YouTube | AI Клуб | Внедрение AI