ИИ

Как AI-помощник постепенно забрал работу email-маркетолога 12 проектов, рассылки почти каждый день и один человек, который должен собрать письмо, выбрать базу, проверить ссылки и UTM, отправить, а потом вернуться за статистикой. AI уже помогал с темами, текстами и анализом, но была одна странность: прежде чем модель могла что-то полезное сказать, половину работы всё равно приходилось делать руками. С появлением MCP ситуация начала меняться. Агент получил доступ к реальным инструментам, а вместе с ним — к данным, кампаниям и истории проектов. Сначала ему отдали статистику, потом аналитику, проверки и настройку рассылок. Постепенно он научился помнить контекст 12 проектов, сверять кампании с прошлыми результатами и брать на себя ту рутину, из-за которой раньше приходилось постоянно жить в email-сервисе. В какой-то момент стало ясно, что это уже не просто AI-помощник. Но полностью отдавать ему работу не стали — у автоматизации осталась граница, за которой цена ошибки становится слишком высокой.

Самая тупая ситуация в фронтиер AI сегодня заключается в том, насколько хреново он работает на других языках, кроме английского. AI-лаборатории уже даже не утруждают себя публикацией обновлений по MMLU (я уж молчу про бенчмарки качества перевода). Например, буквально сегодня я увидела очередной пост фаундера, который потратил время на оценку качества рассуждений новейших AI-моделей с помощью jev и обнаружил, что в мультиязычном мышлении от них практически никакого толка. Вы вообще представляете, что 6 миллиардов человек, говорящих на 7700 языках, не получают даже близко того же уровня возможностей AI, который доступен англоговорящим пользователям? И насколько же эти рынки недообслужены?

Недавно для себя открыл, что приём из CUDA C Best Practices работает и на чипах Apple Ядро GPU держит сразу несколько SIMD-групп, и когда одна группа ждёт данные из памяти, ядро выполняет инструкции другой. Можно подумать, что чем больше групп на ядре, тем лучше, однако все группы делят между собой регистры и shared memory ядра, поэтому если групп становится слишком много, регистры перестают помещаться на ядре, и данные уходят в кэш. Этот трафик мешает кернелу загружать собственные данные, из-за чего ядро замедляется. Собственно, [приём] для CUDA заключается в том, что можно выделить кернелу shared memory больше, чем ему нужно - это приведет к уменьшению числа групп, и, как следствие, данные перестанут вытесняться. До M3 на чипах Apple число групп ограничивали регистры, каждая группа сразу получала их под самый тяжёлый участок кернела. С M3 регистры выделяются по ходу работы, групп на ядро влезает больше, и чтобы их данные не вытесняли друг друга из кэша, Apple добавила блок, который называет occupancy manager (далее планировщик). На M3 и M4 он снижает число групп, когда из L1, общего для регистров, shared memory и кэша буферов, начинают вытесняться данные. Но этот планировщик работает криво, потому что не снижает число групп, когда через L1 идут данные регистров. На умножении матрицы сразу на несколько токенов он держит 26-27 SIMD-групп на ядро, хотя быстрее всего кернел работает при 8-14. Такое умножение нужно для MTP, где модель набрасывает несколько следующих токенов и проверяет их за один проход. Metal не даёт задать число групп вручную, но приём для CUDA можно заставить работать и здесь. Shared memory в Metal (threadgroup memory) выделяется сразу на одну или несколько SIMD-групп, и новые группы ядро не запускает, пока для их памяти нет места, поэтому лишняя память уменьшает число групп. Чтобы компилятор её не выкинул, в кернел добавляется запись в эту память, которая никогда не выполняется. Лучшее число групп у разных матриц разное, в той же Qwen3.8 на 4 токенах умножение 5120×17408 быстрее всего при 10 группах, 17408×5120 при 24, а от типа квантования лучшее число меняется от 6 до 24. Я пытался вывести формулу по числу регистров, байтам на вес, объёму вычислений на байт и прочим переменным, но не вышло. По лучшей составной формуле кернел в среднем на 5-7% медленнее, чем с оптимумом, найденным перебором. К тому же на той же матрице при 16 группах трафика регистров уже нет, а умножение всё равно по скорости такое же, как и без ограничения (413 мкс против 418), и лучшее время в 349 мкс получается только при 10 группах. Что тормозит кернел между 16 и 10 группами, я так и не понял. Возможно, размер регистрового файла и другие константы чипа помогли бы разобраться, но Apple их не публикует. Поэтому для тестов в llama.cpp число групп подбирает тюнер, который в первые проходы генерации пробует для каждой матрицы вариант без лишней shared memory и несколько её объёмов от 2 до 32 КБ и оставляет самый быстрый, на это уходит около 2 секунд работы GPU. На первой картинке время прохода четырёх моделей в llama.cpp без тюнера и с ним. У Qwen3.8-27B в Q4_K_M проход на 4 токена сокращается со 133 до 113 мс, на 5 со 177 до 127 мс, а у той же модели в Q6_K выигрыш доходит до 38% (на 1-3 токенах llama.cpp работает другим кернелом, которому ограничение не помогает, а на 6 выигрыш почти пропадает, там кернел считает токены двумя частями по 3). На второй картинке то же умножение матрицы 5120×17408 в MLX. В f32 ограничение числа групп ускоряет его на 4 токенах с 374 до 288 мкс, правда в bf16, в котором MLX считает модели, выигрыш сильно меньше. Видимо, в bf16 кернелу нужно меньше регистров

🟢Парень с Claude Code и Codex нашёл возможную планету в данных NASA, где её годами никто не замечал. Павел Рабцевич заметил, что звезда TIC 4206066 немного тускнеет каждые 3,18 дня, и нашёл тот же сигнал в наблюдениях за 2018, 2020 и 2025 годы. Это может быть планета, проходящая перед звездой. По словам автора, он проверил каталоги и результаты автоматического поиска: ранее этот кандидат нигде не фигурировал. То есть телескоп записал сигнал, но предполагаемую планету в нём ещё не распознали. Тред. И история уже дошла до настоящих наблюдений: команда TESS одобрила его заявку на дополнительные измерения, что подтверждается официальным списком программы. В ноябре проверят, повторятся ли затмения в заранее предсказанное время🌚 Молодец, Павел 👍 P.S. Где-то астрологи уже выясняют, почему именно эта планета мешала нам жить все эти годы😡

Сбер готовит ИИ-инструменты для анализа криптовалют 😎 Нейросети будут разбирать новости вокруг цифровых активов, оценивать позитивный и негативный фон, а также анализировать курсы криптовалют и помогать инвесторам понимать, что происходит с ценами. Ещё одна фишка — покупка нескольких активов прямо через диалог с ИИ. Можно будет обычным языком описать задачу, а нейросеть проанализирует данные, подберёт инструменты и поможет провести сделки в одном окне. В планах также управление портфелем и его ребалансировка через чат. О разработках рассказал первый зампред правления Сбера Александр Ведяхин на форуме СберИнвестиций «Настоящее будущее».

Три года нам обещали: ИИ заменит креативщиков. Вышло, пожалуй, самое крупное исследование о том, как нейросети меняют креативную работу: больше 150 000 дизайнеров, моушн-дизайнеров, видеомонтажёров, маркетологов и разработчиков плюс реальные данные фриланс-рынка. — у 49% заработок вырос — сеньоры пользуются ИИ наравне с джунами — за ИИ-видео платят в 2,5 раза больше, чем за обычный монтаж — одна специальность пострадала сильнее всех. Угадаете какая? Переварил огромное исследование, перевел, и собрал для вас самое важное — без воды и с 👇 https://egorappolonov.com/creative-ai-report-2026.html Делитесь с коллегами по цеху — эти цифры стоит внимательно изучить.

#Нейропрожарка Реклама энергетического напитка, концепт. Автор: @Garr_ai Фото: gpt-image 2, nano banana, seedream 5.0 pro (оказалась крутой моделью для генерации окружения, дает очень реальные, чистые фото, без гпт-мазни); Видео: Seedance 2.0/2.5 в 720p. На момент выхода 2.5 у меня уже было отснято 3/4 сцен, поэтому 2.0 тут гораздо больше. Кое-что я переделал из 2.0 в 2.5, но разные версии сиданса с одним и тем же промтом работают довольно-таки по-разному, поэтому почти все готовое я оставил в 2.0; Аудио: звуки, sfx, некоторое муз. оформление и часть речи - нативно сам сиданс, основная музыка и речь - Seedaudio 1.0, которая также оказалась отличной омни моделью для аудио. Говорит она по-русски гораздо лучше сиданса, принимает аудио референсы, а выдает все что хочешь: фоновые звуки, эффекты, песни и пляски. Можно написать пьесу с диалогами, музыкой, всеми звуками и передавать по радио. Поэтому здесь без суны и без элевен лабс. Апскейл: Topaz Монтаж: DaVinci Resolve По времени и деньгам: 1,5 мес. подписки ранвей анлимитед. @cgevent