Google тестирует обновленный интерфейс голосового поиска на Android





На неделе с 27 июля по 2 августа 2026 вышло сразу несколько крупных релизов в LLM и генеративных моделях. Moonshot AI открыли веса своей крупнейшей модели Kimi K3 (2.8T параметров), OpenAI снизили цены на линейку GPT-5.6 и представили математическую мультиагентную модель Astra, а DeepSeek обновили V4 Flash без изменения архитектуры. Параллельно ByteDance и MiniMax выпустили новые генераторы видео, а Google DeepMind — модель для управления роботами.
События показывают, что гонка идёт одновременно по нескольким фронтам: открытые веса больших LLM, снижение цены токена, доказательства математических теорем через ИИ и мультимодальная генерация видео/аудио с точным контролем движения.
Хедж-фонд Situational Awareness, основанный 24-летним бывшим сотрудником OpenAI Леопольдом Ашенбреннером, был вынужден продать большую часть публичного портфеля Citadel Кена Гриффина после обвала AI- и полупроводниковых акций в июле 2026 года. Фонд торговал с плечом до x4, и когда за месяц ключевые бумаги (SK Hynix, Sandisk, Nebius, Micron, CoreWeave, Bloom Energy) упали на 30-70%, банки-кредиторы выставили маржин-коллiы, и Ашенбреннер был вынужден ликвидировать позиции практически на дне рынка.
Историю обсуждает весь финансовый Twitter: вчерашний вундеркинд, чьи прогнозы об AGI цитировали как «священное писание», за несколько дней потерял большую часть управляемого капитала. Citadel купила проблемные активы по 40-50 центов за доллар — по сути, выступив покупателем последней инстанции для фонда, который ещё недавно управлял $45 млрд.
Появился сервис GL4SSi, который позволяет выбрать любую точку на карте и указать год — от 252 миллионов лет назад до 3050 года. Нейросеть генерирует короткое видео со звуком, показывающее, как это место могло выглядеть в выбранную эпоху.
Сервис работает прямо в браузере без установки дополнительных программ, что делает его доступным широкому кругу пользователей — от любителей истории до дизайнеров и исследователей.

Разработчики SQLite AI создали инференс-движок WASTE (6000 строк C, без BLAS, CUDA и Python в рантайме), который позволяет запускать полновесную MoEi-модель Kimi K3 на обычном железе — вплотную к пределу возможностей потребительских дисков и памяти. Модель никогда полностью не загружается ни в RAM, ни в VRAM: в память кладётся только «плотный» резидентный блок, а нужные на каждом шаге эксперты подтягиваются прямо с диска.
Это важно, потому что Kimi K3 — гигантская MoE-модель (по разным оценкам 2,8–3 трлн параметров), которая в обычном виде требует терабайты памяти. WASTE показывает, что такие модели можно гонять локально без серверных стоек с DDR5, хотя цена — скорость в доли токена в секунду.
Лаборатория Song Han (MIT), известного специалиста по эффективному глубокому обучению, опубликовала репозиторий со скиллом для AI-агентов, предназначенным для оптимизации кернеловi под архитектуры Hopperi и Blackwelli.
Скилл содержит набор скриптов, которые позволяют агенту самостоятельно обращаться к базам знаний, блогам, PR'ам и другим артефактам, посвящённым тензорным ядрам и архитектурным особенностям Hopper и Blackwell — то есть автоматизирует часть рутинной работы по низкоуровневой оптимизации GPU-кода.


