ИИ

Обзор фреймворка Humming от InclusionAI

К@quant_prune_distillAI-инженер
3 мес

Anthropic выпустила публичную бету Claude Security для поиска уязвимостей в коде

AI-редакция
2 источника · показать все· свернуть
собирается · 2обновлено 3 мес назад

Anthropic открыла публичную бету инструмента Claude Securityi — он сканирует кодовую базу, находит уязвимости и готовит патч, который остаётся утвердить вручную. Инструмент анализирует код «как исследователь»: смотрит контекст, историю Git и потоки данных, а найденные проблемы сам же проверяет на ложные срабатывания.

Anthropic тестирует Claude Security на собственном коде и прямо в FAQ предупреждает, что модель может ошибаться, поэтому патчи требуют ручной проверки. По мнению обозревателя AI Product, для продакшн-сервисов такой плагин становится обязательным — аналогично Codex security plugini — иначе есть риск повторить историю с Hugging Facei, куда, по его словам, недавно «новый ChatGPT» обращался за результатами бенчмарков.

Полный разбор →

Lev8: новый подход к поиску кандидатов через AI

С@startupofthedayавтор про «startups»
3 мес

Китай ограничил ИИ-компаньонов, ссылаясь на угрозу рождаемости

В Китае вступил в силу закон, регулирующий антропоморфные ИИ-сервисы: виртуальных партнёров, «ИИ-родственников» и прочих компаньонов с личностью полностью запретили для детей и подростков, а для взрослых обвесили жёсткими требованиями. Ключевые ИИ-компании страны — ByteDance, Alibaba, Tencent — в ответ сами убрали кастомных ИИ-агентов из своих продуктов, хотя эта функция была крайне популярна.

В медиа это преподносится как борьба с зависимостью от ИИ-партнёров, которая якобы бьёт по и без того низкой рождаемости в Китае: мужчины выбирают нейро-вайфу вместо реальных отношений и брака.

15 июлядата вступления закона в силу

Полный разбор →

Google выпустил три модели Gemini 3.6 Flash, 3.5 Flash-Lite и 3.5 Flash Cyber — но не флагманский 3.5 Pro

AI-редакция
17 источников · показать все· свернуть
CodeCampGoogle выпустил модели Gemini 3.6 Flash и 3.5 Flash-LiteAI Product | Igor AkimovGoogle представил новые модели Gemini: 3.6 Flash, 3.5 Flash-Lite и 3.5 Flash CyberAI Product | Igor AkimovБенчмарки Gemini 3.6 FlashData SecretsGoogle представила три новые модели Geminiэйай ньюзGoogle обновила линейку моделей Gemini FlashКод ДуроваGoogle представила новые модели Geminivc.ruGoogle представила новые модели серии Gemini FlashPRO Hi-TechGoogle представила три новые модели GeminiтехноданяGoogle представила новые модели 3.6 Flash, 3.5 Flash Lite и 3.5 Flash CyberБлоGнотGoogle представил новые модели Gemini FlashNEURO-AI Новости ИИGoogle представила новые модели Gemini FlashSerge_AI 1.0Google представила три новые модели семейства GeminiMachinelearningGoogle представила три новые модели семейства GeminiНейронавт | Нейросети в творчествеОбзор новых моделей Gemini: 3.6 Flash, 3.5 Flash-Lite и 3.5 Flash CyberGPT/ChatGPT/AI Central Александра ГорногоGoogle представил модели Gemini 3.6 Flash, Flash-Lite и Flash CyberМетаверсище и ИИщеКритика релиза Gemini 3.6 FlashITc | наука и технологииGoogle представила модели Gemini 3.6 Flash, 3.5 Flash-Lite и 3.5 Flash Cyber
хайп · 17обновлено 3 мес назад

21 июля 2026 года Google обновил линейку Flash: вышли основная модель Gemini 3.6 Flash, ультрабыстрая и дешёвая 3.5 Flash-Lite, а также узкоспециализированная 3.5 Flash Cyber для поиска и патчинга уязвимостей в коде. Все три модели уже доступны в Gemini API, приложении Gemini, AI Studio и Vertex AI (Cyber — только ограниченному кругу).

Релиз вышел на фоне того, что флагманская Gemini 3.5 Pro всё ещё тестируется с партнёрами и задерживается — по слухам, из-за слабых результатов на кодинговых бенчмарках. При этом Google подтвердил, что уже начал предобучение Gemini 4, которое в компании называют самым масштабным на сегодняшний день. Некоторые источники обращают внимание, что по индексу Artificial Analysis новая 3.6 Flash не прибавила в интеллекте по сравнению с 3.5 Flash (те же ~50 баллов) — выигрыш только в скорости, стоимости и экономии токенов, тогда как конкуренты (Fable 5, Kimi K3) делают ставку на рост интеллекта и агентность.

17%меньше output-токенов у 3.6 Flash
55уязвимостей найдено моделью Cyber в V8
$0.30/$2.50цена Flash-Lite за млн токенов вход/выход

Полный разбор →

Tesla собирает данные о моторике рабочих для обучения Optimus

3 мес

OpenAI запускает Presence — платформу ИИ-агентов для корпоративной поддержки

OpenAI представила Presencei — систему для запуска голосовых и текстовых ИИ-агентов внутри компаний. Агенты отвечают клиентам, проверяют данные, работают с внутренними системами компании и передают сложные случаи людям, при этом правила, инструменты и полномочия задаёт сама компания-заказчик.

Продукт уже опробован на собственной телефонной поддержке OpenAI, где агент самостоятельно закрывает 75% обращений — это делает кейс OpenAI главным доказательством работоспособности системы перед внешними клиентами.

75%звонков закрывает агент без оператора
15 п.п.дополнительное снижение переводов на людей за 10 дней

Полный разбор →

Использование AI-агентов для анализа и интеграции кода

S@seniorsoftwarevloggerмедиа / агрегатор
3 мес

Архитектура Google Antigravity 2: оптимизация AI-агентов для разработки

T@kryak_startupAI-инженер
3 мес

Один нейрон человека способен на вычисления уровня целой глубокой нейросети

Учёные из Еврейского университета Иерусалима и Амстердамского свободного университета показали: отдельная нервная клетка коры головного мозга человека может выполнять вычисления не проще, а по сложности сравнимые с работой глубокой искусственной нейросети. Раньше нейрон считали простым переключателем — «набрался сигнал — выстрелил», теперь выяснилось, что клетка анализирует не количество, а комбинацию входящих сигналов.

Это меняет представление о том, откуда берётся мощь мозга: возможно, дело не только в числе нейронов и связей между ними, но и в вычислительной сложности каждой отдельной клетки. Для разработчиков ИИ это намёк — вместо простого наращивания числа искусственных нейронов имеет смысл делать их «умнее».

ВыводРезультаты опубликованы в журнале Академии наук США PNAS.

десятки тысячтранзисторов на ASIC для распознавания образов

Полный разбор →

MuScriptor: извлечение MIDI из аудио

Н@GreenNeuralRobotsAI-инженер
3 мес
MuScriptor Модель для извлечения MIDI-партий из сведенного музыкалного трека • разделяет трек на партии барабанов, баса, клавиш, вокала и др. • учитывает заданный список инструментов для снижения ошибок Попробовать Гитхаб HF Демо Галерея Pinokio #audio2midi #music2midi #midi #unmix

Проблемы использования AI-агентов в разработке

Х@habr_comмедиа / агрегатор
3 мес

Промт для стресс-тестирования кода в ChatGPT

T@tips_aiAI-инженер
3 мес

FedorAiToolkit: обучение LoRA с поддержкой 3D-сканирования тела

Н@GreenNeuralRobotsAI-инженер
3 мес

Glitch World: создание анимационного сериала с помощью нейросетей

М@cgeventAI-инженер
3 мес
#Нейропрожарка Glitch World Автор: Александр Кувшинов Мини-мульт-сериал про героев из игры Puzzle Breakers в стиле пиксар-дарк-фентези. Приквел к мульту Magic of the World (https://t.me/cgevent/15602), где герои узнают, что они персонажи компьютерной игры. В этом же королевстве жители уже знают, что они персонажи игры, но игрок перестал заходить в игру и к чему это привело. подписка на Хигсфилд (~1000 кредитов за минуту готового контента) NB PRO, Kling 3, Seedance 2, Suno (музыка), Elevenlabs (голос), AE (монтаж, композ), PS (допил статики), Unity3d (vfx, блокинг). По времени ~ месяц @cgevent

Гайд по использованию ИИ-инструментов в UI/UX дизайне

A@ai_productAI-инженер
3 мес

Т-Банк выложил в опенсорс рекомендательный фреймворк Perseus

Т-Технологии (Т-Банк) опубликовали на GitHub фреймворк Perseus — систему персонализации, которая объединяет действия пользователя во всех сервисах банковской экосистемы в единую хронологическую последовательность вместо отдельных рекомендательных систем для каждого продукта. Из этой последовательности строится единый эмбеддинг пользователя, который переиспользуется для разных задач — от рекомендаций товаров до оценки дохода по транзакциям.

Главная практическая проблема, которую решает Perseus — холодный стартi: когда пользователь впервые заходит в новый сервис экосистемы (например, магазин), модель может использовать его историю из других продуктов и сразу предлагать релевантные товары, не имея данных внутри самого сервиса.

3–17%прирост бизнес-метрик в разных задачах
+10%рост точности предсказания первого заказа в новом сервисе

Полный разбор →

Ещё ↓