ИИ

Зачем компаниям строить собственный AI и как это делать? Ответу на этот вопрос Sequoia Capital посвятила отдельное видео для фаундеров и AI-команд. Речь в нем о sovereign AI - подходе, при котором компания сама развивает AI под свой продукт, а не подключает его к внешним моделям (GPT/Claude). Как пример: берет открытую базовую модель и адаптирует ее под свои данные, задачи и контекст. Sequoia по шагам разбирает, кому и зачем нужен собственный AI, что стоит оставить внешним провайдерам, а что развивать внутри и как к этому подойти технически и организационно. Короткое, но очень полезное видео, если вы, вдруг, еще об этом не задумались! Перевели с командой все основные шаги и собрали в пошаговую инструкцию. Надеюсь вам будет полезно 🙂

Один «ИИ-мозг» на всех: представлена модель Fi0 для роботов любой конструкции Китайская компания Feagine Robotics разработала модель искусственного интеллекта Fi0, которая переносит навыки между роботами с принципиально разной конструкцией. В ходе испытаний на трех мягких манипуляторах модель доказала способность адаптировать траекторию движений под физическое строение машины — датчики, степени свободы и текущее состояние. Такой подход может упростить обучение роботов, особенно по мере распространения нестандартных и специализированных машин. https://hightech.plus/2026/08/17/odin-ii-mozg-na-vseh-predstavlena-model-fi0-dlya-robotov-lyuboi-konstrukcii

Половину вашей работы уже может делать нейросеть. Вопрос, когда это заметит клиент 🔵 В прошлом посте закончил на том, что повторных продаж в исследованиях мы так и не нашли. А гвоздь в крышку этого гроба забили нейросети... С появлением Клода делать кастдев стало гораздо проще. Список вопросов может подготовить Клод, причём нормальных вопросов. Интервью проведёт интервьюер, а он стоит недорого, тысячи две-три. Дальше сгружаешь это в Клод, и он делает неплохую аналитику. А раньше расшифровки кастдевов мы делали вручную, автотранскрибаторов ещё не было. Потом аналитик всё это вычитывал и разносил. Объёмная и трудоемкая работа, за которую мы брали дорого. С рыночными исследованиями та же история. Мы продавали их дорого, потому что надо было пройтись по всем росреестрам, собрать данные. Сейчас нейросеть собирает то же самое за час, ещё и с красивым отчётом)) Причём если на стороне клиента в продуктовом отделе есть какой-нибудь человек с мозгами, он справится и сам. Выделит день, полазит по интернетам, найдёт первоисточники, даст нейросети конкретные ссылки, где какие материалы искать. И результат будет космос.

Можно, кстати, сделать простую проверку для любой вашей услуги. Спросите себя, за что клиент на самом деле платит вам деньги. Если большая часть чека - это ручная работа по сбору и обработке данных (найти, выгрузить, расшифровать, свести в таблицу, оформить в отчёт и тд), то ваша услуга в зоне риска, и цена на неё будет падать.

В общем, спрос начал падать, продавать стало сложнее. И мы поняли, что надо что-то менять... В следующем посте расскажу, как мы искали новый продукт и почему нашли его совсем не там, где искали. А пока интересно послушать вас. Нейросети уже забрали часть какой-то вашей услуги? Что делаете с этим, адаптируетесь или уходите в другой продукт? Пишите в комментариях 👇

MiniMax H3 - длинные видосы. Для гиков. Сразу два проекта пытаются сделать очень ловкий продолжатор: H3 Motion Context и H3 Continuum. Оба пришли к одной правильной идее: хватит декодировать последний кадр в картинку, снова запихивать его через VAE и надеяться, что лицо, одежда, цвет и движение не поплывут. Вместо этого следующий кусок получает сырой video+audio latent предыдущего. Motion Context по умолчанию переносит последние 22 видеокадра и отдельно 24 кадра аудиоконтекста (ровно 1 с), после чего повторившийся кусок автоматически отрезается. Авторы особенно заморочились со звуком: аудио помещается именно в предыдущую часть таймлайна, а не подаётся как обычный reference. Motion Context - более компактный и типа более педантичный инструмент именно для бесшовного продолжения одного дубля. Уже есть Ref2VA, сохранение references и стресс-тест на 16 клипов / 4:34 видео на RTX 5070 Ti. Но автор советует не включать Spectrum: прогнозирование transformer steps может портить pinned latent context, особенно звук. Turbo тоже работает, но чем агрессивнее ускорение, тем хуже continuity. То есть идея здесь простая: сначала не сломать временную непрерыность, потом уже думать, как ее ускорять. H3 Continuum 3.3 идёт гораздо дальше и превращает эту идею в production-систему. Он автоматически генерирует до 16 связанных чанков, умеет T2VA/I2VA/FL2VA/Ref2VA, держит до трёх reference images, reference audio, отдельные prompts для каждого участка и Timeline Video conditioning. Есть автоматическое сохранение каждого raw AV latent, Resume после падения и "Regenerate From Chunk N", поэтому ради неудачного 40-го секунды не приходится пересчитывать всю минуту. Со Spectrum здесь, наоборот, все шиштяк: на каждом новом стыке первые два transformer evaluations обязательно считает настоящий H3, и только затем Spectrum начинает прогнозировать шаги. Поэтому рекомендуемый quality-режим - около 20 steps + Spectrum, speed-режим - Turbo 8-step без Spectrum. Turbo + Spectrum пока считается экспериментом. На итоге: Motion Context - для максимально чистого непрерывного дубля, особенно с речью или музыкой. Continuum - для производства длинных 30-80-секундных сцен, где нужны персонажи, references, таймлайн, восстановление после падения и нормальное управление десятком генераций. Ссылки: H3 Motion Context https://github.com/NikoDemon80/ComfyUI-H3-Motion-Context Motion Context MultiRef https://github.com/seitanism/ComfyUI-H3-Motion-Context-MultiRef H3 Continuum https://github.com/ukr8b3g-cmyk/ComfyUI-H3-Continuum Реддит тред Motion Context https://www.reddit.com/r/StableDiffusion/comments/1vhppmv/clip_chaining_for_minimax_h3_motion_and_audio/ Motion Context v0.2 / Ref2VA https://www.reddit.com/r/StableDiffusion/comments/1vjvx4l/h3_motion_context_v020_reference_mode_support_and/ @cgevent

Про современные облачные сервисы. Шуршит у меня парсер вакансий в PersMarket, и вот он нарыл интересный вариант. Вакансия нового поколения в сервисе нового поколения, можно сказать. Сам сервис, SaaS, занимается привлечением клиентов. Но делают это по-новому, ИИ-агентами. Пишут, что

клиент вводит свой сайт, дальше всё делают агенты: находят, кому продукт нужен, пишут этим людям, ведут переписку, пока не забукают демо.

В команде 7 человек, но код пишут весь через ИИ. На семерых у них 60 подписок Claude Max.

разработка в 70–90 параллельных тредах прямо в Slack: 200+ PR в неделю, 15–20 релизов в день

Также агенты закупают рекламу, назначают и разбирают юзер-интервью, формируют беклог, дизайн, A/B-тесты, саппорт и найм. Ну и собственно, кого ищут - AI-native Developer с продуктовым мышлением. Нужно уметь работать с агентами, строить свой харнесс, при этом понимать продуктовые метрики и закрывать зоны ответственности end-to-end. То есть простые программисты уже не нужны, нужен универсал, человек-швейцарский нож, усиленный ИИ. Ну и денег обещают за это $10–12k в месяц за фуллтайм на удаленке. #ai

Музыка MiniMax: открытые веса Music 3 Открытый генератор музыки длительностью до пяти минут. На выходе 32 кГц, 16-битное стерео. Модель принимает отдельно текст песни и подробное описание музыки, включая жанр, BPM, вокал, инструменты и развитие аранжировки. Полная версия помещается примерно в 24 ГБ VRAM, с выгрузкой слоев ее можно запустить даже на 8 ГБ. В общем, локальный Suno. Веса, Демо Suno: Studio 2.0 и монетизация кнопки Download Тем временем сам у самого Suno Suno Studio идет к тому чтобы стать AI First FL Studio. Появились импорт, запись и редактирование MIDI, встроенный wavetable-синтезатор, эффекты, автоматизация, улучшенное разделение на стемы и чат. Через чат можно генерировать инструменты, звуки и даже собственные плагины. Доступно только подписчикам Premier. Одновременно Suno объявила, что с 3 сентября вводит лимиты на скачивания: 7 файлов за все время на Free, 20 в месяц на Pro и 60 на Premier. Дополнительные скачивания будут продаваться отдельно. При этом экспорт из Studio для Premier остается безлимитным. Очевидно, массовый слоп вреден, пока не экспортируется через более дорогой интерфейс. Studio 2.0, Новые лимиты Pika: Pika Audio Pika внезапно стала еще и аудиокомпанией. Pika Music генерирует песни по описанию и тексту, умеет использовать референсный трек и образец голоса, а также делать cover исходного аудио. Длительность от 10 секунд до 6 минут, цена $0.015 за минуту. Вместе с ней выпустили Pika SFX для звуковых эффектов за $0.0002/сек, Pika Speech для TTS и клонирования голоса за $0.01/мин и Pika Soundtrack, который озвучивает готовое видео синхронно с происходящим за $0.005/сек. Все доступно через API. Видимо после видео Pika решила заодно стать Suno, ElevenLabs и саунд-дизайнером. Pika Audio, Pika Music Видео Sand AI: MAGI-2 Preview Новый видеогенератор! Большая MoE-модель для совместной генерации видео и звука: 114B параметров, из которых активируется 6B. Принимает текст или текст с первым кадром, генерирует десятисекундный ролик со звуком Дистиллированную версию с меньшим числом шагов обещают позже. GitHub, Веса Lightricks: LTX-2.5 LTX-2.5 заменил 2.3 в качестве рекомендуемой открытой аудиовидеомодели Lightricks. Это по-прежнему 22B, но теперь с дообученным Gemma 4 12B в роли текстового энкодера,и автоматическим выбором длительности ролика. Есть полная Dev-версия и дистиллированная, которая работает за 8 шагов на первом этапе и 4 на втором. Поддерживаются синхронная генерация видео и звука, keyframes, перегенерация отдельных фрагментов. Занимает 66 ГБ. GitHub, Веса

распишу детальнее позже про новый апгрейд + добрались до: <концепция Closed-Loop Reflexion (или RLAIF: Reinforcement Learning from AI Feedback)> -> таких closed loops было больше 100 за последние 12 часов без деградации / крашей / зависаний. -> пытаюсь понять как настраивать режимы для исследований и потом применений / реализаций Вот пример само эволюции в контуре зацикленном:

🔄 Lock-Screen Evolution | Cycle 64

💵 Бюджет сессии: $2.10 (Cycle Cost: $0.000)

💻 Compute Mode: ⚡ Zero-Cost Fast Path

💾 Prompt Caching: (Idle)

🌐 OSINT Searches (Perplexity): 0 (Total: 102)

💡 Найдено гипотез: 1 (Total: 136)

🔬 Протестировано (Real Script): 1 (Total: 89)

📉 Audit: 0 false / 17 audited (FPR 95% upper: 17.6%)

⚡ Control Plane: 2 active policies enforced

✅ Внедрено сейчас: DCMCTS-v4 [c64-h01]

📉 Текущий базовый TCO (Total Cost of Ownership): 0.0100

🏆 Последние 5 активных оптимизаций (Promotion Receipts):

⚙️ MICROBENCH_PASSED: SGP-v1 [c60-h01]

Target: Execution Graph

Impact: DAG Transpositions снижены на 29%, Latency -10ms

TCO: 0.0100 → 0.0100 (Δ -0.0006)

Time: mutation 0.03s / eval 0.0s

🤖 Council: Approved (Statistically significant Δ)

⚙️ MICROBENCH_PASSED: SMTA-v4 [c61-h01]

Target: Retrieval Embeddings

Impact: Hubness skew 4.5->2.5, Recall@10 82.8%->89.2%

TCO: 0.0100 → 0.0100 (Δ -0.0006)

Time: mutation 0.03s / eval 0.1s

🤖 Council: Approved (Statistically significant Δ)

⚙️ MICROBENCH_PASSED: SMTA-v3 [c62-h01]

Target: Retrieval Embeddings

Impact: Hubness skew 4.1->2.3, Recall@10 82.9%->92.5%

TCO: 0.0100 → 0.0100 (Δ -0.0015)

Time: mutation 0.03s / eval 0.0s

🤖 Council: Verified (No additivity illusions found)

⚙️ MICROBENCH_PASSED: JPC-v3 [c63-h01]

Target: OSINT Context

Impact: Effective Rank 304->420, Token usage -49%

TCO: 0.0100 → 0.0100 (Δ -0.0011)

Time: mutation 0.03s / eval 0.0s

🤖 Council: Approved (Metrics cross-checked with baseline)

⚙️ MICROBENCH_PASSED: DCMCTS-v4 [c64-h01]

Target: Rollback Trajectories

Impact: Rollback Recall вырос до 88.8%, Hallucinations -12.1%

TCO: 0.0100 → 0.0100 (Δ -0.0016)

Time: mutation 0.03s / eval 0.0s

🤖 Council: Approved (Metrics cross-checked with baseline)

🚀 Статус: Система работает в режиме РЕАЛЬНОГО ИСПОЛНЕНИЯ (V2).

Слух: Apple продолжает разработку ИИ-помощника в формате умной броши По данным инсайдера Маджина Бу, Apple продолжает разработку совершенно нового устройства в формате умной броши, крепящейся к одежде. По слухам, устройство получит несколько камер и микрофонов для ИИ-функций и общения с Siri. Все основные вычисления будут производится на iPhone, так как устройство имеет маломощный чип. Проект всё ещё на ранней стадии разработки, поэтому информации о дате релиза пока нет. Напомним, что ранее ходили слухи, что OpenAI вместе с Джони Айвом разрабатывает целую линейку умных устройств, включая такой же носимый девайс в виде броши. Apple уже подала судебный иск против OpenAI за использование конфиденциальной информации для разработки новых ИИ-устройств, что может косвенно подтверждать работу над подобным девайсом.

“Вот вам $6 миллионов. Идите и заберите”. С такими словами глава криптоплатформы BitGo Майк Белше обратился к ИИ-компании Anthropic. Он положил 100 биткоинов в кошелёк и публично предложил создателям Claude его взломать. Мол, хватит изображать из себя крутых хакеров – покажите себя в деле. В Anthropic последние месяцы усердно строят из себя опасных парней и повторяют, что их новая модель Mythos получилась слишком мощной для этого мира. Мол, находить дыры в безопасности она умеет с невиданной эффективностью и играючи щёлкает уязвимости нулевого дня. Всё это подаётся с флёром секретности: “Ой, вы что, такое нельзя выпускать на волю!”. Схема, кстати, не новая: подобный трюк еще в лохматом 2019-м провернула OpenAI со своей GPT-2 – моделью по нынешним меркам безобидной, как калькулятор. Не верите? Вот ссылка. Объявляешь продукт угрозой человечеству, захватываешь первые полосы газет, позиционируешь себя супер-ответственной компанией,.. а потом спокойно продаёшь урезанную версию по подписке. “Я злой и страшный серый волк!” – может быть эффективным маркетингом. Но ответочка в стиле “Ну на, попробуй съешь меня!” работает не хуже. И вот что занятно: если ИИ действительно вскроет кошелёк, рухнет вера во всю криптографию, а с ней – и, вероятно, стоимость биткоина. То есть трофей обесценится прямо в момент кражи. В общем, запасаемся попкорном.

TeraTTSv2 Локальный TTS от TeraSpace на ONNX Runtime Русский и английский работает на CPU, ничего в облако не уходит. Готовый движок с диффузионным синтезом и потоковой отдачей аудио. • Генерация речи на русском и английском с тегами [ru] и [en] в одном запросе • Автоматическая расстановка ударений в русском через RUAccent, ручные + приоритетнее • 10 готовых голосов, рекомендованные русские ru_f1 и ru_m5 • Потоковая отдача аудио чанками • Числа разворачиваются словами на нужном языке • 44.1 кГц, моно, float32 • Два сэмплера - distilled на 8 шагов или teacher с настраиваемым CFG • duration_scale меняет темп, режимы ударений full и dictionary • Голоса от supertonic-3 подходят к TeraTTSv2 - скрипт supertonic_json_to_teratts.py конвертит json в стиль. Их можно подбирать (и клонировать) через через supertonic3-voice-clone • Supertonic-Voice-Mixer - GUI, крутит латент стиля и миксует голоса • Английским голосом на русском - пробуйте duration_scale 0.8 Демо Клонирование Миксер Скрипт закину в коменты #tts #russian #voicecloning

Нейросеть, обученная на подлинниках Рафаэля, вынесла вердикт по «Мадонне делла Роза» из мадридского Прадо, заключив, что лицо святого Иосифа писал, скорее всего, не сам мастер. Алгоритм разработал профессор Хасан Угайл из Брэдфордского университета, и на заведомо подлинных работах он давал 98% точности. Систему натаскали через трансферное обучение, когда уже обученную на смежной задаче модель адаптируют под новую цель, плюс подключили обнаружение границ для разбора техники мазка. Картину написали около 1517 года, и авторство Иосифа искусствоведы «грызли» ещё с середины 1800-х. Тогда Иоганн Давид Пассавант первым усомнился, что тут работал один Рафаэль, а не его мастерская. Целое полотно машина не осилила и единого вывода не выдала. Команда из университетов Ноттингема, Брэдфорда и Стэнфорда разрезала картину на фрагменты и прогнала их по отдельности, и только тогда Иосиф выпал из стиля мастера. Знатоки и раньше отмечали, что Иосиф написан слабее остальных фигур, будто добавлен в мастерской второпланово. Кандидатом на авторство лица называют Джулио Романо, ученика Рафаэля, — того же, на кого думали эксперты задолго до ИИ. Сами исследователи при этом осекли энтузиазм и напомнили, что нейросеть тут лишь один инструмент рядом со спектроскопией и историей владения картиной. Результаты вышли в журнале Heritage Science в декабре 2023 года.

Айтишникам не нужно сидеть в универе четыре года. Двух вполне достаточно, считает Сэм Альтман. На встрече с тех-стажёрами глава OpenAI вспомнил, что сам проучился в Стэнфорде всего два года, и назвал этот срок почти оптимальным. По его мнению, после этого отдача от классического университетского образования начинает заметно снижаться. Альтман также отметил, что знает много людей, которые вообще не окончили колледж, но при этом построили очень успешную карьеру. Звучит красиво, хотя здесь сложно не вспомнить про ошибку выжившего: истории тех, кто бросил университет и стал миллиардером, мы знаем отлично. Истории тех, кому такой сценарий не помог, обычно никто не цитирует. Интереснее другое: сколько инженеров в самой OpenAI действительно работают без законченного высшего образования.

ИИ научили сопровождать детей с хроническими заболеваниями Ассоциация детских ревматологов совместно с Центром технологий для общества Яндекса внедрили ИИ-ассистента в систему дистанционного мониторинга пациентов с юношеским артритом и другими детскими ревматическими заболеваниями. Он помогает отвечать на типовые вопросы, напоминает о приеме препаратов, объясняет результаты анализов и собирает информацию перед консультацией. При этом все медицинские рекомендации перед отправкой пациенту обязательно проверяет врач. В будущем аналогичные решения планируют использовать и для сопровождения пациентов с сердечно-сосудистыми и онкологическими заболеваниями.

comfyui-mcp MCP-сервер для комфи от подписчика @Aleks_101 Подключает любого ИИ-агента к локальному ComfyUI. Не только через API, а напрямую к рабочему процессу, открытому во вкладке браузера. Официальный mcp от ComfyUI только облачный, аналоги завязаны на ключи и Copilot - тут всё своё, локально. • 45 инструментов для LLM: статус, воркфлоу, логи, канвас, запуск, скачивание моделей • Чтение и правка живого графа - виджеты, связи, лейблы, layout, undo • Запуск воркфлоу с прогрессом и отдачей результата • Скачивание моделей в нужные директории без ручной загрузки • Диагностика по логам ComfyUI и консоли браузера • Сборка воркфлоу с нуля или починка нерабочего графа • Перевод подписей графа на другой язык одним вызовом • Конфиги готовы под Claude Code, Cursor, Kilo Code, OpenCode, LM Studio, Cherry Studio, MiMo Code, OpenClaw, Hermes, Codex, llama.cpp • Белый список хостов для загрузки моделей #comfyui #mcp

🌟 Cohere Labs выложила компактную зрительно-языковую модель North Micro Vision Модель на 2,4 млрд параметров стала самой маленькой в линейке VLM компании. От большинства таких моделей она отличается тем, что работает с изображением в исходном разрешении.

Обычно картинку перед подачей в модель сжимают, и мелкий текст, разметка таблицы и подписи на графике при этом теряются. Здесь пропорции сохраняются, а верхняя планка соответствует странице A4, отсканированной при 200 dpi.

Отсюда и заявленная область применения - документы, таблицы, графики, скриншоты, формы. Компактный размер удобен для дообучения под свою предметную область, а квантованные сборки, по словам Cohere, пойдут не только на сервере, но и на ноутбуке или устройстве мобильного класса. 🟡Архитектура Зрительный энкодер на 400 млн параметров вырос из SigLIP 2 и держит исходное разрешение за счёт двумерного RoPE вместе с обученными одномерными позиционными эмбеддингами. Языковая часть - собственная North Micro LLM на 2 млрд параметров, повторяющая архитектуру Command A+: три слоя внимания со скользящим окном и RoPE чередуются с одним глобальным слоем, который работает вообще без позиционных эмбеддингов.

Получается разделение труда - окна с RoPE держат локальный контекст, глобальный слой смотрит на всё сразу и в разметке позиций не нуждается.

Между ними проектор, и здесь изюминка. Вместо того чтобы отдать языковой модели один готовый набор признаков, Cohere подмешивает эмбеддинги патчей с нескольких уровней зрительного энкодера в соответствующие ранние слои языковой модели. Так модель видит картинку сразу на разных степенях обобщения. Принцип взят из DeepStack. 🟡Тесты Замеры проводили через VLMEvalKit, сравнивая с восемью моделями размером от 1,6 до 5,1 млрд параметров. Сильнее всего North Micro Vision выглядит там, куда её и целили.

На DocVQA 0,921, на ChartQA 0,808, на AI2D 0,775, на RefCOCO 0,732 (втрое выше, чем у Ministral и Qwen3-VL).

Общий язык и рассуждение даются слабее.

На MMMU 0,329, худший результат в таблице; на MMLU и MMLU-Pro модель тоже уступает большинству соседей.

📌Лицензирование: Apache 2.0 License. 🟡Статья 🟡Модель 🟡Демо @ai_machinelearning_big_data #AI #ML #VLM #NorthMicroVision #Cohere