ИИ

В tech-СМИ сейчас хайпит штука под названием ACTx486 - "новая технология" которая позволяет болтать с видосом в режиме лайв. На демке мадам берёт тот самый легендарный выпуск с Маском-паровозом и общается с ним. Спрашивает, куда сходить в Лос-Анджелесе, и Илон присылает ей подборку на телефон (да, персонаж не только отвечает голосом с экрана, но и в другие каналы умеет стучаться). Просит его ответить на итальянском - он отвечает. А в какой-то момент говорит "Слушай, не кури бяку вот эту, ну", и Маск такой "Ну ок, ладно, не буду", и убирает свой *запрещено в РФ* (не то что обычно запрещено, а вот другое запрещённое, ну вы поняли). Выглядит всё это нереально хайпово, жирно, сочно и вообще пушка-гонка. Но на самом деле это не магическая магия, а просто очень грамотно упакованная цепочка агентов и генераций. Устроено примерно так: 1. Вопрос юзера обрабатывается и роутится: система решает, кому из персонажей он адресован. По умолчанию - тому, кто сейчас в кадре. Сейчас у сервиса два хоста - Маск и Роган, роутить несложно. Ещё ИИшка решает, что с вопросом вообще делать - ответить словами, нарисовать схему, отправить карточку на телефон и т.д. 2. Отдельный агент идёт искать факты в открытых источниках. Например, свежие цифры по выручке Tesla и SpaceX он подтягивал из реальных квартальных отчётов. 3. Пишут ответ для персонажа. С ограничениями "что можно говорить от имени живого человека". На личные и политические вопросы "Маск" отвечать отказывается. 4. В итоге генерится видео с синтетическим лицом, голосом, взглядом и таймингом. Если нужно - в кадр добавляют объект или вообще включают новую сцену. И всё это вклеивается в реальные кадры так, чтобы оригинальный разговор продолжился как будто так и было. При этом, если Маска переодели или (например) перенесли на Марс, то штука это учитывает при генерации. НО ЕСТЬ НЮАНС. Между вопросом и ответом всё-таки проходит несколько минут (а не моментально, как в демке). Законы физики всё-таки не обманешь. Авторы это честно пишут и говорят, что целятся в задержку 6 секунд, но пока до этого далеко. А то что показали в демке - это просто кино. Ответы сгенерили заранее, потом сняли актрису с агентством, оператором и монтажёром (и они кстати все честно указаны в титрах). Тем не менее, штука реально взрывает мозг и выглядит как научная фантастика. И сделали её не абы кто: - Карина Нгуен - одна из первых сотрудниц Anthropic, потом в OpenAI делала Canvas и Tasks. - И Якуб Зегзулька (фамилия однозначный топ) - интерфейсник, который до этого работал на Apple и на Цукерберга. Единственное, хотелось бы, чтоб штука передавала ещё и интеллект, убеждения и общий моральный облик человека в кадре (и ещё вайб). Чтобы от общения с "учёными" реально умнеть, а через полчаса "разговора" с Канье Вестом уверенно заезжать в 🏠😡. Дизраптор

ICLR submittions be like (Из твиттера) Одна из этих мусорок будет моей)) Сейчас причешу ещё чуть получше и повешу ленточку (читай: сделаю красивую картинку с методом), и гордо отправлю вниз по течению. Вообще, если честно, уже мало понимаю, есть ли смысл в AI конференциях, и можно ли всё ещё считать публикацию на А/А* знаком качества. Сабмитов — тонна, сделать хорошо выглядящую статью с AI агентами уже довольно просто, и при этом половину анализов и выводов в статье автор может просто не понимать (мне кажется, в одной из статей, которую я ревьюила на NeurIPS, так и было). Ревью процесс тоже оочень такой себе, и очень часто тоже делается агентами, что, мне кажется, делает его ещё более рандомным, чем это было раньше При этом делать хороший качественный рисерч всё ещё можно, конечно. Но не уверена, что связка "принято на ICLR/ICML/... -> достаточно хорошее" всё ещё верна

✔️ OpenAI обновила голосовой режим ChatGPT Голосовой интерфейс ChatGPT перевели на новую линейку моделей GPT-6 (Astra, Sol и Luna). Главное изменение - подключение голосового ядра к внешним плагинам и API. Теперь система выполняет сквозные действия без текстового ввода. Пользователи могут голосом проверять календарь, отправлять письма, работать со Slack, отменять списания в финансовых сервисах и генерировать сайты. Голосовой движок также интегрирован в корпоративную среду ChatGPT Work в веб-версии и мобильных приложениях. Инструмент позволяет создавать документы, презентации и таблицы в ходе устного диалога с ассистентом. Обновление доступно глобально в актуальных сборках приложения. @ai_machinelearning_big_data #news #ai #ml

Очень прикольно следить за интонациями автора статьи. С одной стороны, ощущается обида, что Китай вообще не пытается подхватить истерику "остановите ИИ, иначе он нас убьет”. С другой — надо же придумать этому вескую причину, и на роль такой причины назначают якобы настроения времен холодной войны, царящие в китайском руководстве. Их желание развивать ИИ напрямую сравнивают с желанием иметь достойный ядерный арсенал. Хотя в общем-то оба желания логичны.

Polls indicate that the country is among the nations most excited about the prospects of AI, and doomers are tough to find.

Ну и, конечно, население просто оболванено госпропагандой и имеет несчастье думать, что ИИ сделает жизнь лучше. Хуже того, китайцы считают призывы притормозить развитие ИИ лицемерием со стороны руководителей фронтирных штатовских лаб.

“The country views itself as already being held back by the very export controls Amodei endorses.”

Но не все так плохо, у китайцев еще есть шанс впасть в панику наподобие американской, надеется автор.

As China catches up, the country’s tech scene might face similar moments of panic.

А к финалу грусть наполняет сердце журналистки: а что, если в итоге и Америка решит, что тормозить незачем? Удивительные все же люди эти журналисты. https://www.theatlantic.com/technology/2026/09/china-ai-panic-doomerism/688761/

Нейродайджест за неделю (#131) LLM - Siri AI — Apple запустила англоязычную бету с личным контекстом, пониманием экрана и действиями между приложениями. - Gemini 3.8 Live — две голосовые модели с визуальным контекстом и фоновыми tool calls. Extended Thinking умеет рассуждать и говорить одновременно. - Qwen3.8-Omni-Flash — принимает текст, изображения, аудио и видео, имеет контекст 1M и возвращает текст. Есть thinking, function calling и веб-поиск. - Jev — модель TypeSafe вместо текста выдаёт типизированные решения с вероятностями. Заявленная задержка 70–500 мс, доступ пока ранний. Генеративные модели - Qwen-Image 2.1 — единая 7B-модель для генерации и редактирования в 2K. Поддерживает RGBA, до 10 референсов и локальные маски; веса доступны по research-лицензии. - Vidu S2 — 720p-аватары и редактирование входящего видеопотока в реальном времени: замена персонажа, одежды, фона и стиля. - Boreal — модель Creatify для рекламных text-to-video и image-to-video, дообученная на открытой LTX-2.5. Заявленная цена через fal — около $0,01 за секунду, но она ещё ждёт финального подтверждения. - HiDream O1 Video — image-to-video модель с асинхронным API: принимает один референс и промпт, а длительность определяет сама либо фиксирует на 10 секундах. - Enhance Frame Rate — инструмент Runway для готовых роликов: работает с видео до 4K, повышает частоту до 120 fps и сохраняет исходное разрешение. Агенты и продукты - Claude собрали воедино — чат, Cowork и Design объединяются; появились редактируемые Docs и Slides с экспортом в PDF и PowerPoint. - ChatGPT в Office — один add-in работает в Word, Excel и PowerPoint, умеет править открытый файл и подтягивать контекст из подключённых приложений. - Astra for Law — GPT-6 Astra получила юридический поиск по праву США и 26 интеграций. Доступ пока дают выбранным американским юрфирмам. - Агенты в DaVinci — Resolve Studio 21.1 добавил интеграцию AI-ассистентов для работы с медиатекой, монтажом и рендером. Безопасность и исследования - Claude помог взломать OpenAI — Hacktron с помощью Opus построили эксплойт, а цепочка из RCE и ошибки SSO дала доступ к аккаунту сотрудника и внутреннему репозиторию. Уязвимости уже закрыты. - Оценщик внутри Anthropic — Accenture — международная консалтинговая и технологическая компания, которая внедряет ИИ для бизнеса и государства. Её специализированное AI-подразделение Faculty получит доступ уровня сотрудника для red teaming и проверки safeguards; работу напрямую финансирует Anthropic. > Читать дайджест #130 #дайджест @ai_newz

#нейропрожарка ШАПОЧКА Автор: Дмитрий Кочубеев Впервые заехал на MyFilm48 (тема: Москва 2050). Все стандартно: видео до 3 минут за 96 часов. Идея: Хотелось снять маленькое кино не про технологии и роботов, а про обычных живых людей. Про их взгляды, чувства и эмоции. Хотелось давно. Конкурс стал хорошим поводом. Сценарий: Загнал ТЗ в разные ЛЛМ-ки и получил кучу синопсисов. Ни один из них не понравился. Кстати, некоторые из них просматривались в других работах конкурса. Видимо, ЛЛМ-ки ленятся и на один и тот же запрос выдают всем одно и то же. В итоге решил писать сценарий сам. На его роды ушло часов пять. Герои и озвучка: Не хотелось дефолтных ИИшных лиц, поэтому искал нужные типажи с уникальной харизмой. Потом подбирал под эти лица голоса. И тут произошла забавная вещь. Изначально имен у них не было, но как только герои заговорили, стало совершенно ясно: это Саша и Лиза. Другие варианты просто отпали. Более того, по сценарию героиня планировалась с длинными волосами. Но в процессе генерации появилась Лиза, которую они только портили. Такое ощущение, что персонажи зажили своей жизнью, не спрашивая автора: сами выбрали себе и имена, и внешность. Проработка кадра: Случайных вещей здесь мало. Дольше всего провозился с дроном-доставщиком, потратив на него больше часа, добиваясь нужного концепта. Дурацкий перфекционизм... Саундтрек: Тут повезло. На мой взгляд, хорошо вписался трек, который я сделал еще год назад, а слова к нему были написаны вообще в 2024-м. Монтаж: Уже утром, после ночи без сна, в день дедлайна возник жесткий выбор: делать монтаж без спешки или поехать проводить супругу на вокзал. Я выбрал второе. В итоге собирал всё в диком темпе и работу отправлял за 30 минут до кареты-в-тыкву. Инструменты: SD 2.5, MJ 8.2, Banana, GPT2, Suno 4.5, LANDR, Topaz, FL Studio, Premiere, Photoshop, Opus 5, 11labs. Итог: 3 ночи без сна и море эндорфинов. Спасибо за внимание. Буду рад конструктиву и общению в комментариях. @cgevent

Агент знает твою цену Google знает, что ты искал, Amazon что купил, банк - сколько потратил. Но никто из них не знает, сколько ты был готов заплатить. Но агент, который торгуется за тебя, это знает. В посте про экономику лени я писал, что агенты убирают ренту, которую бизнес собирал на нашей лени, но сама рента не исчезает, она переезжает к тому, кто владеет агентом. Продолжу эту мысль. Напрямую данные никто продавать не будет. Google и Meta двадцать лет на них живут и не продают: продают доступ к человеку, а данные держат внутри как moat. Владелец агента будет делать так же. Только у него в руках то, чего не было ни у кого: он видел, где ты сломался - тут согласился доплатить, тут ушёл. Экономисты называют это reservation price, то есть максимальная цена, которую ты готов отдать. Ритейл давно пытается её угадывать: Orbitz показывал владельцам Mac более дорогие отели, Staples менял цены по почтовому индексу. Получалось грубо, а агент знает её точно. Монетизировать это можно на трёх уровнях. Невинный - обезличенная панель для фондов и брендов, как Mastercard SpendingPulse. В ней видно каждую покупку и отмену 100 млн человек в реальном времени. Полезный - агент раскрывает данные в твою пользу: «три года истории, низкий риск, дай скидку». Так работает Tesla Insurance, где данные о вождении снижают цену полиса. Опасный - продавец платит за доступ к твоей reservation price. Четыре ренты Citrini из прошлого поста были трением на пути к лучшей цене. Здесь под ударом уже сама цена. Самая сильная позиция у того, кто держит агентов с обеих сторон и знает, сколько готов заплатить покупатель и какая маржа у продавца. Это маркет-мейкер, который видит всю книгу заявок. Amazon за использование данных сторонних продавцов уже получил антимонопольные претензии в ЕС и США. В финансах десять лет воевали за fiduciary rule: брокер продаёт то, что подходит, а советник обязан продать то, что лучше для клиента. AI-агентов ждёт та же война, только ставки выше: советник распоряжался сбережениями, а агент видит всю твою жизнь. Главное здесь, кому принадлежат эти данные. Если тебе, агент раскрывает их, когда это выгодно тебе. Если платформе, ты каждый раз платишь максимум, который готов заплатить. Какой из этих миров наступит, решит битва за потребителя. @maxvotek | linkedin | substack