ИИ

ML Global Recap'H1: это 10 из 10✨ Вчера сходила на ML Global Recap'H1 2026 в Яндексе, большой митап с обзором ICML. Тот самый, который я две недели пиарила здесь в канале, а потом благополучно забыла зарегистрироваться сама. Вспомнила в последний момент, когда регистрацию уже закрыли. Выручили друзья по ШАДу и нашли для меня место, так что на самый разгар я все-таки успела. Что было полезного: ✔️Общий обзор конференции и трендов: куда движется область по итогам первого полугодия и что реально взлетело. ✔️Доклады про ризонинг, тема, вокруг которой сейчас крутится половина всего интересного. ✔️Доклад ровно по моей теме, про оценку моделей и тренды бенчмаркинга. Все никак не доходили руки разобраться, что там по статьям с ICML на эту тему, а тут готовая выжимка. Но главное на таких митапах, конечно, люди. От нашей команды собрался золотой состав AGI NLP, ребят из Sber AI было столько, что нас обогнали только местные яндексоиды. И отдельная история это встретить здесь вас. Каждый раз, когда на таком мероприятии ко мне подходят, просят сфоткаться и говорят, что читают канал, я не знаю, куда себя деть от смущения и радости одновременно. Спасибо вам, это правда очень вдохновляет и мотивирует писать дальше! Итог: 10 из 10. Полезно, интересно, вкусный кофе-брейк и отличная компания. @mashkka_ds #трудовыебудни #ml #icml #митап

#Нейропрожарка «Супер-Дружба» Автор:  @Sergei_108 Мульт про ёжика Соника в стиле Pixar. Делал специально ко дню рождения 7-милетних племянников, с их участием в мульте. Это был первый опыт создания видео с сюжетом и героями. Понимаю, что ролик далёк от идеала). Консистентность персонажей немного плывёт, но для детей это непринципиально) Делал в марте и начале апреля. В основном Клинг 2.5 Турбо, Сиданс в открытый доступ только вышел и две сложные сцены по 15 сек. хотел сделать через него, но он упорно не хотел генерить сцены с Соником, даже по текстовому описанию. Пришлось делать в Клинге и потом склеивать до 15 секунд сцены. Пайплайн: 0. Создание карт персонажей Соника, Сони и Никиты на основе их фото в Nano Banana 2. 1. Сценарий в Qwen. 2. Раскадровка Nano Banana 2. 3. Промпты для видео Claude Opus. 3. Анимация Kling 2.5 Turbo. 4. Голоса реальные, клонированные через kikivoice: мой, Соника (взял для клонирования голос самого популярного актёра, который дублировал Соника, Михаил Тихонов), племянников: Сони и Никиты, Др. Роботника. 5. Стихи для песни написал Gemini. 6. Песня и музыка в Suno 5.5. 7. Монтаж и фоновые звуки CapCut. Понимаю, что достаточно сыро и криво, но это был первый опыт. Родителям племянников зашло даже больше, а у племянников была неоднозначная реакция, когда им это показали в лоб без предварительного объяснения: они стали оценивать и сравнивать со своей внешностью, стали говорить: типа у меня не такие волосы, голос и тп. В итоге мальчик не смог принять, а девочка сказала, что ей понравилось. Стоимость: чуть больше 3тр на подписку Клинг и токенов в Syntx. Сроки: делал полтора месяца в свободное время. @cgevent

NVIDIA и LG заключили соглашение по развитию робототехники и ИИ-фабрик NVIDIA и LG объявили о масштабном сотрудничестве, в рамках которого LG представит двуногого робота-гуманоида в первом квартале 2027 года. Устройство будет работать под управлением модели NVIDIA Isaac GR00T и бортовой вычислительной платформы Jetson Thor, а аппаратную часть (сенсоры, батареи и приводы) обеспечат подразделения холдинга LG. Также компании обкатывают колесного робота CLOiD — его уже отправляют работать на завод LG по производству стиральных машин в Теннесси. Кроме роботов, партнеры строят вычислительную инфраструктуру. К 2027 году LG запустит ИИ-фабрику на базе платформ NVIDIA DSX и Vera Rubin, а к началу 2028 года откроет крупный дата-центр на 80 МВт в Чхонане. В автомобильном сегменте LG задействует платформу NVIDIA DRIVE Hyperion, где архитектура будет отвечать за работу мультимедиа, автопилота и софта в машинах формата AI-Defined Vehicles.

🛠 Инструменты • Meta представила Muse Code и Muse Spark 1.2 — Помощник для программирования. • NVIDIA выпустила голосовую AI-модель — NemotronLabs VoiceChat 11B. • Google DeepMind добавляет перевод жестового языка — Модель SL2T переводит ASL в английский текст в реальном времени на Pixel 11. • OpenAI представила ультрабыстрый API-тариф для GPT-5.6 Sol — Скорость 750 токенов в секунду, в 14 раз быстрее стандартного. • Google запускает Gemini 3.7 Flash со скидкой 50% — Скидка 50% на API. • Вышла Qwen3.8-2.4T-A95B — Улучшенные кодинг и агентное исполнение, поддержка SGLang и vLLM. • MAI-Image-2.6 на втором месте Arena — Модель Microsoft достигла второго места в text-to-image.

Провела внутренний мастер класс по ИИ для коллег. Показывала очень конкретные примеры того, как работаю с диском, таблицами и данными, превращаю их в дашборды. Несколько мыслей по итогу: 1. Всего полгода назад я не умела ничего из того, о чем сегодня не рассказывала. По внутренним ощущениям кажется, что я уже вечность с ИИ, но нет - продвинутое взаимодействие я начала в январе-феврале. А умную ИИ-систему построила всего месяц назад. 2. Вторая мысль грустнее. Я хотела, чтоб ребята ушли с ощущением - О! Я тоже так смогу! Но мне кажется, что все ушли с ощущением, что все это очень сложно. И далеко - недостижимо. И надо у кого-то долго и сложно учиться. И тут повторюсь, я полгода назад была в этой точке. Добежать до моего уровня можно очень быстро при желании. Но мне кажется, мне не поверили, что это реально просто можно освоить. 3. Работать с документами. таблицами и дашами через коннекторы и MCP - лучшее, что случилось в моей рабочей жизни. Сокращает недели, месяцы рутинного труда. Я тут совершенно точно не преувеличиваю оценку. 4. Такие воркшопы с обменом опытом - лучше всего продвигают в технике взаимодействия с ИИ. Видишь, как рабочую задачу решает коллега, пробуешь решить ее также = осваиваешь новую ступеньку. Просто надо делать это регулярно. Я почти каждый вечер и каждую субботу что-то «пилю» в своей ИИ-системе. Не считая того, что ежедневно активно использую в работе. 5. Мне говорили - ну что там готовиться? Придешь расскажешь как что делаешь. Кажется во мне ноль импровизации))) я упоролась: разработала структуру этого МК, превратила в интерактивный чек-лист, сделала раздатку про подключения, собрала в кучу все материалы для демонстрации. Часа два готовилась вчера ночью. А потом еще плохо спала: металась между «никто не придет» и «придет неуправляемо много людей». Рада, что провела. Но с моим уровнем ответственности это было вообще не легко. Надеюсь, ребятам будет полезно. В общем, как ваш ИИ-амбассадор, призываю - продолжайте пробовать и не бойтесь. Шаг за шагом все освоится. Любовь на удаленке | Оля Сохнева #ИИ_наудаленке

🚀 OpenAI приближается к $40 млрд годовой выручки. По данным Bloomberg, компания сейчас движется к annualized revenue run rate около $40 млрд - примерно в два раза больше, чем в конце 2025 года. Главный драйвер роста - не только ChatGPT, но и инструменты для разработчиков. Особенно быстро растёт Codex, который становится одним из самых сильных направлений бизнеса OpenAI. При этом Anthropic с Claude Code показывает агрессивную динамику и уже движется к очень высоким показателям выручки в корпоративном сегменте. AI-рынок всё больше превращается в гонку не только моделей, но и продуктов вокруг них: кто лучше встроится в рабочие процессы разработчиков и компаний, тот заберёт большую часть рынка.

Вышел технический репорт о Sona – модели, которая заменила весь рекомендательный стек Яндекс Музыки https://arxiv.org/abs/2608.11015 Эта модель – итог целого года работы. И это лучшее внедрение трансформеров в истории А/B-тестов в Яндекс Музыке. Но главное здесь, что Sona – это одна модель. До этого продакшн-каскад рекомендаций Яндекс Музыки включал в себя 15+ генераторов кандидатов плюс ранжирование на сотнях ручных фич. И это все заменили единой моделью, обучаемой end-to-end. Это даже звучит сложно, а на деле несет за собой еще больше проблем и нюансов, чем может показаться на первый взгляд. Вот три центральных момента: 1️⃣ Раньше, в подходах типа OneRec, ранжирование считала отдельная модель на ручных фичах. Sona же должна была стать единым рецептом обучения и инференса, то есть декодер (который генерирует кандидатов) и ранкер (который их ранжирует) должны использовать один и тот же энкодер user-эмбеддингов, которые рассчитываются один раз за запрос. А значит – надо обходиться без ручных фич. Но проблема в том, что явный сигнал (лайки, репиты) довольно редок, чтобы выучить ранжирование напрямую. Поэтому тут встроена дистилляция. Сначала обучали Teacher Ranker. Это большая, медленная, но очень умная модель, которую тренили аж на годе логов. Она не используется в проде и нужна для того, чтобы научить шустрый Ranking Module воспроизводить ее скоры. 2️⃣ Так как Sona – это encoder-decoder, обучаемый хронологически на Next Token Prediction, каждый трек нужно представить в виде токенов. Это называется Semantic ID. И тут кроется парадокс: чем больше растет словарь токенов, тем модель должна быть умнее, но на самом деле она просто не успевала эффективно использовать возросшее пространство и деградировала. Поэтому одной из самых сложных частей было сделать рецепт токенизации, который бы обеспечивал рост качества при росте словаря. Дьявол кроется в деталях. 3️⃣ Ну и, конечно же, инфраструктура. Переход на одну модель потребовал фактически нового движка рекомендаций, включая сложный online learning pipeline. Кроме того, авторегрессивная генерация с длинными историями – это дорого, и поэтому пришлось прорабатывать отдельные архитектурные трюки (History Compression, кастомные CUDA-кернелы, radix top-k), просто чтобы уложиться в приемлемую латентность. Ради чего была вся эта огромная работа? На этот вопрос хорошо отвечают метрики. Sona принесла: +4,53% Active Users, +6,30% Total Listening Time и +11,42% Likes. Причем это прирост поверх улучшений от предыдущих внедрений, которые оставались в контрольной выборке в продакшне. В планах у команды – масштабирование, добавление RL и, конечно, раскачивание Sona на полный трафик. Поздравляем ребят с грандиозными результатами!

Ну все, почти одновременно у меня случились не одна, а сразу две фабрики желаний. С одной стороны, после долгих уговоров друзей, я таки купил себе 3Д-принтер. Очень сложно объяснить другому человеку, зачем нужен 3Д-принтер. Все, кого я спрашивал, бубнили что-то очень невразумительное, типа му-хрю, крючочек вот распечатал. И показывали самые уродливые вещи, какие я только видел. Хотя и с большим энтузиазмом. Откуда энтузиазм, мне было непонятно. А потом я увидел, что принтеры теперь стоят очень небольших денег, и решил все-таки попробовать. И оказалось да, объяснить сложно. Дело в том, что ты закрываешь кучу очень узкоспецифичных проблем, которые существуют только в твоей жизни и никому со стороны даже не понятны. Подставка под очень конкретную клавиатуру. Колечко очень специфичных размеров на велозамок, чтобы он не дребезжал при езде. Дежралка под мяч на полку. Рельса для конкретной LED-ленты конкретно под твой шкаф. Коробка для чая — именно в том количестве и в той конфигурации, которые нужны лично тебе. Форма для печенья под конкретный день рождения. Ничего глобального. Переносимо ли это? Не особо. Интерьер ты напечатанными предметами тоже не обставишь. Но просто количество лично твоих конкретных проблем (небольших), умноженное на их небольшую полезность, в целом складываются в существенный такой буст качества жизни. Но, опять же, объяснить это кому-то — гиблое дело. А самое кайфовое — это вот это вот чувство, когда ты видишь проблему и думаешь: «вот бы была такая штука, вот такой вот формы, как раз бы сюда встала и все решила». А потом моделишь, печатаешь, и через пару часов уже держишь ее в руках. Ощущения полной магии. Бога, лепящего материю по своему вкусу. А еще необычное чувство, когда что-то из компьютера переходит в реальную жизнь. Обычно же наоборот — все, что попадает в компьютер, там и остается: фотки, документы, мысли. Друзья. А вторая фабрика желаний это ИИ. Agents are good now. Я все еще очень осторожно, но все более смело их прошу — а вот такую тулзу было бы неплохо мне иметь. И — минут через 5-10 у меня такая фигня есть в руках! А что, так можно было? Можно даже не сильно подробно объяснять, они сами решают проблемы, принимают неключевые решения, ставят разумные дефолты, короче, даже свечку уже держать не надо. Реально, хочу это — на, получи. Единственное ограничение это желания и мое внимание. Опять же, что-то из мира фантастики. И опять же, вряд ли это сильно переносимо — я решаю свои собственные проблемы, закрываю очень конкретные в моменте потребности. Другой человек увидит и непонимающе пожмет плечами. А для меня 30 минут работы закрывает долгое неудобство, которое я терпел и про которое думал месяцами. И, как и с 3Д-печатью, интерьер ты этим не обставишь. Делать продукт это все-таки куча работы, внимания, решений, коммуникации. Но это не значит, что мои агенты не сделают счастливым лично меня лично сейчас.