ИИ

✔️ Апдейт ChatGPT: изолированный контекст в Projects, тесты для проверки знаний и правки для Android У проектов появился переключатель контекста - модель может брать общую память или работать только с тем, что загружено внутрь проекта, игнорируя историю остальных чатов. Пересоздавать проект для этого не нужно. Проекты с общим доступом работают только во втором режиме. Пользователи платных тарифов стали видеть на стартовом экране персональные подсказки, которые собираются из прошлых чатов и истории использования инструментов. Бесплатным и образовательным аккаунтам добавили генерацию тестов для самопроверки. В приложении для Android починили сброс фокуса при подключении физической клавиатуры, а кнопка голосового ввода больше не пропадает после того, как прикрепишь файл. @ai_machinelearning_big_data #news #ai #ml

как выглядят вотермарки в ai gen контенте в 2026м году 🤔 Что картинки и видео включают в себя лейблы давно не новость. На прошлой неделе антропик (разработчик клода) включили невидимые вотермарки в текстах, а в начале августа suno анонсировали то же самое для музыки. Давайте разберемся как это работает и какие комментарии дают крупные игроки на этот счет. Итак, какие бывают вотермарки: 1️⃣ метаданные (они же c2pa) - подписанный паспорт внутри файла: чем сделано, когда, что редактировали. Проверить может кто угодно, ключи не нужны. Довольно ненадежная история, так как нет защиты от скриншота и слетает при сжатии в соцсетях 🧠 2️⃣невидимая метка в самом сигнале (например synthid от гугла) - находится в пикселях, звуке или выборе слов. В пикселях кстати ее довольно быстро нашли умельцы из твиттера. Скриншоты и сжатие переживает, но все что можно узнать - только сгенерировано или нет. Какой моделью, когда - эта информация не хранится. Кстати, в мае 2026го года таких файлов было уже больше 100 миллиардов 😮 Ожидаемый вопрос, а как это работает в текстах? 😂 Если у вас была версия, то скорее всего она правильная, потому что это вроде как единственный разумный вариант. Когда модель выбирает между равноценными словами, например "интересно" или "любопытно", выбор делается не случайно, а по криптографическому ключу. На смысл это не особо влияет, но статистика выборов становится узнаваемой. Ожидаемо это плохо работает на документах и коде, где нет творческой вариативности, но справедливости ради, как по мне так писать руками код в 2026м году это уже какое-то извращение 😠 По словам авторов, небольшие правки метку не убирают, а вот переписанный своими словами текст целиком - вполне зачем это все? 🐵 Увы, не из любви к человечеству и гневным коментаторам в тик токе, которых достал эйай. Антропик в июле подписали европейский кодекс по маркировке ии-контента, это новое требование ai act, которое кстати уже вступило в силу, а suno анонсировали вотермарки на фоне исков от universal и sony. Все упирается в авторские права и правовую плоскость Надя, а ты сама писала этот пост или ...? Щас проверим 😅 Ну почти, антропик анонсировал api проверки эйай/не эйай для сторонних разработчиков, но он еще не запущен, даты нет, в справке так и написано "детали будут в будущей документации". Как по мне это юридическая отмазка и точно не приоритет (пока) Кстати, youtube и X уже автоматически лейблят видео, читая и c2pa и synthid, причем независимо от того раскрыл автор или нет, частично замечала автометку на pinterest. Но в большинстве случаев раскрытие AI пока остается ручным. Текст платформы не проверяют - только картинки, видео и звук. Могут проверять массовость реплаев и искать агентов, которые ведут соц сети за вас (так недавно снесли 40 тыс аккаунтов в твиттере) 🎧 Есть ли официальные комментарии про охваты? Youtube при запуске отдельно сказали, что помеченные видео не режутся в рекомендациях и не теряют монетизацию. Но сам факт, что платформа теперь умеет отличать одно от другого автоматически и без вашего участия - это рычаг, которого раньше просто не было. Да и у части продуктов большие репутационные риски за использование ai контента, тот же гуччи с ai-визуалами к неделе моды в Милане, которых разнесли за "дешево и лениво". А aerie сделали ровно наоборот, выкатили кампанию с памелой андерсон и слоганом "you can't prompt this" и получили +23% к продажам в квартале. Это конечно не значит что эйай контент нельзя использовать, можно и нужно, но стоит изучать отношение вашей аудитории к этой теме, даже если платформы не урежут охваты 🤑 @neural_prosecco

Не меняйте уровень "размышления" модели посреди диалога! 🤷‍♂️ Оказывается, много кто так делает. Типа в начале диалога используют xHigh, чтобы получить лучший результат, а потом меняют на medium, чтобы сэконоить токены. 😬 Но это работает ровно наоборот! Вы тратите х2 токенов OpenAI кэширует контекст диалога, чтобы старые сообщения не нужно было каждый раз заново обрабатывать. Это в целом повсеместная практика, но работает это только в том случае если старые сообщения не менялись. А, как оказалось, уровень "размышления" прописывается в системном промпте (считай нулевое сообщение), а значит его изменение просто сбросит кэш и все сообщения придется обрабатывать заново. 🤷‍♂️ В общем, если начали уже вести диалог, то не меняйте настройки модели. Лучше начать новый диалог с нужными настройками, если это так необходимо 👌 Свята место | 10МДК | YHub

Китайские разработчики ИИ обходят санкции США через облачные сервисы в Азии Китайские ИИ-компании, включая Moonshot AI, ByteDance, Alibaba и Tencent, находят способы тренировать свои флагманские модели на запрещенных чипах NVIDIA (включая GB300). По данным источников CNBC, разработчики не покупают физические ускорители, а арендуют вычислительные мощности через зарубежные дата-центры в Таиланде, Малайзии, Индонезии и Японии. Юридически это не нарушает текущий режим экспортного контроля США, так как он регулирует только поставку оборудования, но не удаленный доступ к нему. Лазейку в законодательстве пытаются заблокировать с помощью нового американского законопроекта RASA (Remote Access Security Act), который уже одобрен Палатой представителей. Документ обяжет облачных провайдеров внедрять строгую систему верификации клиентов (KYC). Однако эксперты отмечают, что принятие закона задерживается в Сенате из-за сопротивления IT-отрасли, а разработка и внедрение рабочих механизмов контроля удаленного доступа могут затянуться на месяцы.

Ну, за барабанщиков. И аниматоров. Disney Research научили 3Д-пероснажа играть на барабанах слуiая обычную музыку. На вход подаётся аудио, а diffusion-модель генерирует полноценную 3D-анимацию барабанщика - движения корпуса, рук и палочек, причём удары должны попадать в нужный барабан в нужный момент. Это сложнее обычной music-to-motion: палочка движется быстро, промах даже на несколько сантиметров сразу ломает иллюзию. Поэтому авторы разделили обучение на две задачи: естественность скелетной анимации и отдельно точность палочек. В результате заявлена точность попаданий до сантиметрового уровня, при этом тело не превращается в механического робота. Что невыносимо круто - системе не нужен MIDI или заранее размеченный трек с нотами. Авторы собрали собственный датасет, придумали аугментации и добились работы с обычным аудио, которого модель не видела при обучении. Для проверки они даже ввели две отдельные метрики: расстояние между палочкой и целью в момент удара и корреляцию движения с аудио. В пользовательских тестах сгенерированную анимацию часто не могли отличить от настоящего motion capture. Еще раз: это уже не просто "персонаж двигается в ритм", а попытка восстановить из одной звуковой дорожки физически осмысленное исполнение на конкретном инструменте Может быть полезно для игр, виртуальныо-метаверсных музыкантов и ну и автоматической анимации персонажей. https://studios.disneyresearch.com/2026/08/18/generalized-audio-driven-synthesis-of-precise-drummer-motion @cgevent

https://artificialanalysis.ai/agents/search-api Нас (Keenable) сравнили в бенчмарке Artificial Analysis. Во-первых, я очень рад, что мы туда вообще попали. За это ребятам огромное спасибо. Во-вторых, с методологией бенча есть некоторые проблемы: 1. Fetch инструмент использовался один на все движки, и это был просто HTTP GET. То есть часть силы нашего индекса была помножена на ноль, потому что часть документов, которые мы возращаем обычным HTTP GET тупо не качается. 2. Две трети оценки складывается из старых публичных бенчмарков (BrowseComp и DeepSearchQA). Все наши конкуренты уже успели их забенчмаксить. Это очень хорошо видно на Parallel Turbo на приватном AA-Omniscience. Это мы поправим, добенчмаксим тоже.

https://artificialanalysis.ai/agents/search-api Нас (Keenable) сравнили в бенчмарке Artificial Analysis. Во-первых, я очень рад, что мы туда вообще попали. За это ребятам огромное спасибо. Во-вторых, с методологией бенча есть некоторые проблемы: 1. Fetch инструмент использовался один на все движки, и это был просто HTTP GET. То есть часть силы нашего индекса была помножена на ноль, потому что часть документов, которые мы возращаем обычным HTTP GET тупо не качается. 2. Две трети оценки складывается из старых публичных бенчмарков (BrowseComp и DeepSearchQA). Все наши конкуренты уже успели их забенчмаксить. Это очень хорошо видно на Parallel Turbo на приватном AA-Omniscience. Это мы поправим, добенчмаксим тоже.

Better MoE model inference with Warp Decode 🔗 Блогпост Ребята из Cursor не остановились на Mixture-of-Kittens и реализовали ещё одну примечательную оптимизацию MoE для low-batch-инференса под названием Warp Decode. Традиционные пайплайны инференса MoE expert-centric: они собирают токены для каждого эксперта, прогоняют вычисления и переставляют их обратно в исходном порядке. Операции перестановок занимают нетривиальное время и существенно замедляют инференс. Курсоровцы же предлагают параллелизовать не по экспертам, а по выходам. Каждый варп отвечает за одно выходное значение. Инференс реализован через два fused-кернела — gate+up и down. Варп достаёт в потоковом режиме нужную строчку из матрицы весов и проводит операции. ⚡ Так как варпы работают независимо, то всё выходит embarrassingly parallel: вообще не нужно париться по поводу банковских конфликтов, барьеров и синхронизаций. Все редукции выполняются через warp-level-инструкции вида __shfl_xor_sync. 🛠️ Ещё из полезных плюшек стоит отметить следующее: - 📐 Не нужно паддить до какой-то степени двойки (типа 128). - 🗂️ Можно избавиться от scatter и combine: токены последовательности раздаются экспертам, а потом всё собирается. Также исчезает необходимость в промежуточных буферах. 🚀 В итоге оно даёт ускорение порядка 1,8× на B200. 💡 А ещё они избавляются от MXFP8-квантизации, ибо и так всё работает достаточно быстро) 📈 На батче из 32 удаётся достичь до 58% максимально достижимой пропускной способности. Однако авторы утверждают, что их подход не полностью вытесняет expert-centric-исполнение, особенно в сценарии низкой загрузки. На больших батчах оверхеды от перестановок/перегруппировок токенов не так сильно болят.

🇫🇷Mistral запускает китайские модели и строит европейскую GPU-империю Французская Mistral AI резко меняет правила игры. Компания перестает быть просто создателем проприетарных и открытых моделей и превращается в полноценного инфраструктурного гиганта. 🔍Стартап открыл свою облачную платформу для сторонних ИИ - и первой ласточкой стала китайская GLM-5.2 с контекстом в 1 миллион токенов. ⚡️Для корпоративного сектора это тектонический сдвиг:

🟦Инфраструктура под ключ: Бизнесу больше не нужно метаться между серверами и настраивать стек с нуля. Mistral берет на себя хостинг, GPU-мощности, SLA 99,9% и корпоративную безопасность, отдавая открытую китайскую модель через собственный API без правок в весах.

🟦Региональная изоляция: Появились Regional Endpoints (ЕС и США) для жесткого контроля за тем, где физически крутятся вычисления, что критично под европейские регуляторные нормы.

🟦Амбиции на 1 ГВт: Mistral Compute метит в статус главного европейского суверенного облака.

Французы вовремя поняли: разработка языковых моделей - это бесконечная и дорогая гонка, где лидеры меняются каждый месяц. А вот контроль над железом, дата-центрами и трубами, по которым течет ИИ-трафик, гарантирует выживание и власть при любом исходе нейросетевой битвы. 🦔 CyberYozh

📌Qwen 3.8 решает юридические задачи лучше и дешевле Opus 4.8 Стартап Engram, который занимается памятью для ИИ-агентов, вместе с легалтех-компанией Harvey проверил, что будет, если агент заранее изучит рабочее пространство фирмы, а не будет каждый раз перечитывать документы. Для эксперимента собрали синтетическую юрфирму Calderwood & Harkness: 100 млн токенов, 9 286 файлов, 266 клиентских дел - от судебных споров до сделок M&A и раундов финансирования. Модель Qwen3.8-27B не просто получила этот массив на вход - она изучала его тысячами прогонов, сама генерировала себе обучающие данные и записывала заметки. Часть знаний осела в весах через LoRA, часть - в структурированных заметках, куда агент потом ходит поиском. Исходные 100 млн токенов ужались в 1 млн токенов заметок. 🟡Результаты Выше оказалась не абсолютная точность, а интеллект на токен. По этой метрике кастомная Qwen дает 190,8 балла на 100 тысяч токенов против 129,3 у Opus 4.8 и 104,2 при высоком уровне рассуждений. По доле полностью верных ответов модель тоже обошла Opus 4.8 - 30% против 25%, - и обошлась в 0,13 доллара за запрос против 1,32.

Это примерно десятикратная разница по ценам OpenRouter на август 2026.

Отдельно измерили, сколько модель усвоила в веса. Отвечая на вопросы о фирме вообще без инструментов и заметок, до изучения она была права в 4,7% случаев, после - в 72,6%. Поменялось и поведение. Обученная модель в 99,2% случаев начинает с точечного поиска, тогда как базовая в 94% случаев первым делом лезет открывать заметки. До нужного дела обученная доходит за 3,7 хода против 5,9.

Рабочее пространство в эксперименте статично, а в реальной компании документы меняются каждый день, и меняются сами вопросы. Как дешево и непрерывно обновлять память без переобучения - открытая задача, и Engram называет ее своим основным направлением.

@ai_machinelearning_big_data #news #ai #ml

ComfyOrg не выдержал конкуренции с Алексом Выпустили свой MCP сервер в опенсорс, можно использовать на локальном комфи, раньше был только облачный Ассистент видит твою локальную установку ComfyUI, кастомные ноды в том числе, все модели на диске - пишет и редактирует граф ComfyUI естественным языком - Управление моделями - Отладка воркфлоу - Пакетная генерация с перебором параметров (cfg, steps, sampler, seed) - Работает с Claude, ChatGPT, Gemini, Ollama (офлайн), OpenRouter - любая LLM - 178 MCP-инструментов, 36 скиллов, 55 установочных пакетов - Самоопределение ComfyUI: авто-детект порта и пути - macOS, Linux, Windows github.com/Comfy-Org/Comfy-mcp docs.comfy.org/agent-tools/mcp github.com/Comfy-Org/comfy-skills #comfyui #mcp VK | MAX