ИИ

#Нейропрожарка Не откладывай жизнь на потом Автор: Анастасия Абрамова 🔗 ТГ: https://t.me/shetalks_ai | YouTube: @SheTalks_AI | Instagram: @she_talks_ai ⏱️ Хронометраж: 3:28, формат - музыкальный клип 💡 Как всё началось: обычно я делаю короткие мультики в стиле Pixar, и мне захотелось проверить себя на дистанции подлиннее. Чистый личный эксперимент: смогу ли я удержать одну идею на три с половиной минуты, а не на пятнадцать секунд. 🎬 Главная ошибка, которую я допустила: сначала придумала видео и начала его делать, а песня родилась уже потом. Так, разумеется, никто не делает. В итоге пришлось жёстко подгонять готовое видео под слова песни - переставлять, дотягивать, резать. Если бы делала заново, начинала бы со звука. 🛠 Инструменты и этапы: Видео: Runway, модель Seedance 2.0 - весь ролик целиком Картинки: ChatGPT - предметы, локации, карточки персонажей Текстовая работа: Claude - промпты для видео и картинок, слова песни и промпт для музыки Музыка: Suno (бесплатный тариф, дневных генераций хватает) Монтаж: CapCut - всё там же Апскейл: не делала Голос и липсинк: нет, это клип, только музыка ⚙️ Как строила генерации: работала только через веб. Загружала фото-референсы персонажей, локаций, предметов и прописывала их прямо в промпте (IMG_1 — книга и т.д.). Video-to-video не использовала, только фото-референсы. Дальше расписывала происходящее по таймингу: 0–3 сек персонаж делает то-то, 3–6 — то-то. Расположение камеры, свет и атмосферу задавала в том же промпте. 📊 Цифры: 33 генерации на весь ролик, каждая по 15 секунд ~15 генераций песни в Suno, пока не получила устраивающий вариант 3 дня работы, с утра до позднего вечера Деньги: посчитать честно не могу - у меня Unlimited-подписка Runway, плюс подписки на остальные сервисы (кроме Suno). Отдельного бюджета на ролик не было. 🚧 Что бесило: - Очень долгое ожидание генераций - После коротких мультиков делать большую форму оказалось тяжело физически и по концентрации - Хвост из первого пункта: монтаж под уже готовое видео (сама тупанула) 📌 Итог: идея была, и я её додержала до конца - этим довольна. Процесс понравился, но повторять пока не тянет. И честный момент: на YouTube ролик набрал заметно меньше просмотров, чем мои короткие мультики. Длинная форма в этой нише пока окупается хуже, чем пятнадцатисекундный Pixar. @cgevent

🌟 ReactBench: инструмент оценки агентов при работе с кодом на React Команда Million, известная инструментами React Doctor, React Scan и Million.js, представила тест для агентов, пишущих код на React. Актуальность ReactBench зеркальна реальному положению дел - около 70% сайтов на JavaScript используют React, а мелкие ошибки в сгенерированном коде тиражируются в огромных масштабах.

Например, сбой Cloudflare в сентябре 2025 года - панель управления и API компании легли из-за одной неверной зависимости в useEffect, которую не поймали ни ревью, ни тесты.

Философия проекта в том, что общие кодинг-бенчмарки проверяют лишь поведение по принципу "тесты прошли - задача засчитана". В ReactBench каждое решение должно ещё и пройти проверку React Doctor, анализатора с более чем 400 правилами, который ищет в коде лишние перерисовки, сломанные эффекты, проблемы с доступностью и сопровождаемостью. 🟡Набор состоит из задач двух типов Write React - реализовать настоящую функцию. Задания этого типа собраны из принятых PR в открытых репозиториях. Агент получает кодовую базу и описание задачи, а скрытые тесты и эталонное решение видит только проверяющая система. Fix React - найти и исправить все баги в существующем компоненте, обнаруженные React Doctor, не создавая при этом новых проблем. Причём агента еще и лишают доступа к линтерам. 🟡Результаты прогонов Само собой, созданием бенча не ограничились и запустили его на топовых моделях. Тут важен небольшой дисклеймер: Бенчмарк сравнивает не модели в чистом виде, а связки модель+агентская оболочка (Codex CLI, Claude Code и другие), и оболочка влияет на итог. По итогам лидируют с минимальным отрывом GPT-5.6 Sol (43,1%) и Fable 5 (41,2%), но важнее разница в цене - прогон Fable 5 обходится в среднем в 5,8 раза дороже, чем Sol. Оптимальным по соотношению стоимость-качество авторы называют GPT-5.6 Terra на средних настройках. Замыкают таблицу GLM 5.2, Sonnet 5, GPT-5.6 Luna и Kimi K2.7 Code. Набор полностью открыт на Github. @ai_machinelearning_big_data #AI #ML #Agents #Benchmark #ReactBench #Million

Итак, третье заседание прошло огненно, значит переводим на постоянные рельсы :) По следам трех встреч, есть несколько изменений а формате и подаче. 1. Я думаю, назвать это лучше всего «кейс-клуб», так как мы разбираем конкретные кейсы. 2. Третья встреча, когда разбирали один кейс полтора часа, оказалась и продуктивной и не выматывающей. Лучше чаще встречаться, чем уже умирать к концу третьего часа. Плюс, фокус на одном кейсе задает ей общий тон. 3. Кейсы имеет смысл привлекать не только из нашего комьюнити — автор кейса на третьем созвоне был найден у Артема Субботина в его закрытом сообществе ИИзнанка и это отлично зашло. Такие пока соображения.

🔥 Как прошёл офлайн-бранч ODS Moscow × Нескучный Data Science 🧠 Начали с доклада Альберта про то, как в Avito обучают собственную LLM. Это не история про «взяли открытую модель и немного дообучили», а полноценный процесс: выбор базовой модели, собственный токенизатор, адаптация на данных Avito, SFT и дальнейшее обучение с помощью RL. Для SFT собрали больше 800 тысяч примеров: открытые датасеты, синтетические данные, олимпиадные задачи, внутренние бизнес-кейсы и диалоги пользователей с большими моделями. На этапе RL отдельно развивают несколько навыков модели: решение математических задач, следование сложным инструкциям и корректный вызов инструментов. Причём для каждого навыка нужен свой автоматически проверяемый reward. В математике система извлекает финальный ответ и проверяет его эквивалентность правильному. В instruction following — смотрит, выполнила ли модель все заданные ограничения. В function calling — проверяет название инструмента, аргументы и их значения. Отдельно поговорили про инфраструктуру. Для моделей на 8B параметров можно относительно быстро запускать эксперименты и проверять гипотезы. Но при переходе к большим MoE-моделям главным вызовом становятся масштабирование, распределение модели по GPU, батчинг, инференс и offloading. 👨‍🔬 После продуктовых LLM резко переключились на химию. Константин начал с важной мысли: химическая информация — это не один универсальный тип данных. Одну и ту же молекулу можно представить текстом, строкой SMILES, двумерным графом, трёхмерной структурой или структурой, которая изменяется во времени. И под каждое представление нужны свои методы и модели. Поговорили о том, почему даже на фоне сложных нейросетевых архитектур связка Morgan fingerprints + XGBoost всё ещё остаётся очень сильным базовым решением для многих задач с химическими данными. Затем перешли к геометрическим графовым нейронным сетям. Они учитывают расположение атомов и позволяют предсказывать свойства молекул в десятки раз быстрее традиционных DFT-расчётов. Отдельно разобрали нейронные потенциалы и delta-ML. Идея в том, чтобы не выполнять каждый раз дорогой квантово-химический расчёт полностью: часть свойства можно посчитать более дешёвым методом, а нейросети поручить предсказать необходимую поправку. Дошли и до LLM с агентами. Здесь пока всё не так магически, как иногда выглядит в заголовках: модели могут по-разному отвечать на один и тот же вопрос в зависимости от того, передали им обычное название соединения, IUPAC или SMILES. А некоторые агенты, которые должны самостоятельно запускать вычислительные эксперименты, пока скорее напоминают roadmap, чем полностью автономного исследователя. Зато роботизация лабораторий уже вполне реальна: специализированные платформы, роборуки, автоматическое проведение серий экспериментов и превращение обычного оборудования в high-throughput-системы. 🎬 После двух технических докладов разговор с Денисом про ИИ в кино оказался очень кстати 😅 Обсудили, где новые инструменты уже помогают при работе с контентом, какие процессы способны ускорить, где вызывают сопротивление и в каких задачах пока остаются скорее экспериментом. Но, как обычно, самое ценное происходило не только во время выступлений. После докладов продолжили обсуждать услышанное за завтраком, задавать вопросы, спорить, знакомиться и делиться своими кейсами. Спасибо Альберту, Константину и Денису за содержательные выступления, ODS Moscow — за очередную совместную встречу, МИРА бистро — за пространство, а всем, кто пришёл, — за вопросы и атмосферу. Формат «бранч + несколько докладов» точно будем повторять. Поэтому уже начинаем собирать темы для следующего бранч-митапа. Если вам есть о чём рассказать — про рабочий кейс, исследование, неожиданный эксперимент, применение ИИ в своей индустрии или даже неудачу, из которой можно сделать полезные выводы, — присылайте тему доклада и пару предложений о себе в комментарии или личные сообщения. P.S. Будем учиться фотографироваться до того, как все разошлись 😅

GPT-5.6 Sol очень даже хорош!

Он собрал мне софт для того, чтобы автоматически нарезать и подготавливать видео к монтажу, меньше чем за час.

И оно работает ровно так как мне и надо 🤯 Я уже пытался раньше создать что-то подобное с прошлыми моделями. Они нормально справлялись именно с написанием логики (определить тишину в дорожке и создать массив с фрагментами которые нужно вырезать) но когда я просил собрать интерфейс, начинался ад, и мне было быстрее руками нарезать видосы, чем пытаться все же доделать приложение. 🤔 И тут, после записи нового ролика, я вспомнил об этой идеи и решил дать шанс нашему Солнышку. Результат вы можете видеть на скринах. Конечно немалую роль играет то, что я дал агенту четкую задачу с четкими границами и понятными ожиданиями, но в любом случае это отвал башки. Пару лет назад я чуть не купил такой софт за 300 баксов 😅  Но вообще весь этот пост это такой тонкий намек что я снял новый ролик и совсем скоро он появится на канале 😉 Делайте ставки — про что будет ролик? Свята место | 10МДК | ВЕБМастер | YHub

Разговор двух масок У диалога человека с ИИ две маски – входная и выходная. Смысл искажается с обеих сторон, но по-разному. Искажение на входе: модель слышит не только вашу цель. Исследователи Чикагского университета разложили 1,77 млн ответов пяти моделей на три источника вариации: намерение (цель) пользователя (что он хочет получить), формулировка запроса (какими словами он это выразил) и остаточная неопределенность. Одно и то же намерение может быть сформулировано десятками способов. Модель демонстрирует понимание намерения, если: 1) отвечает сходным образом на разные формулировки одной и той же цели; 2) заметно меняет ответ, когда меняется сама цель пользователя. Исследователи искали ответ на вопрос: когда ответы модели меняются, они меняются потому, что изменилось намерение пользователя, или лишь потому, что изменились слова?   У малых моделей намерение объясняет около 20% вариативности ответов, у крупных – около 50%; остальное приходится на формулировку и внутренний шум. Причем крупные модели оказались чувствительнее к формулировкам, чем малые. Два человека с одной целью, но разным стилем письма (из-за диалекта, образования, второго языка) получат систематически разные ответы. Модель слышит ваш синтаксис и иногда принимает его за часть цели.   Искажение на выходе: слова модели расходятся с ее внутренней картой мира. Группа из MATS применила «зонды истинности» – линейные детекторы, читающие представление правды и лжи прямо из активаций. Модель, играющая Дарвина 1882 года, уверенно говорит о светоносном эфире, но внутри продолжает помечать его как ложь. При этом ролевая маска (промпт, примеры в контексте, дообучение на персонажа) меняет речевое поведение модели и почти не меняет ее внутреннее представление истинности. Модель знает, что играет. Но самое неприятное обнаружилось в стороне от ролевого театра модели. Когда модель дообучили давать вредные медицинские советы, ее внутреннее представление истины сдвинулось далеко за пределы медицины: утверждения, отрицающие Холокост, поползли внутри модели в сторону «правды» сильнее, чем при любой из опробованных методик целенаправленного конструирования характера. Намеренный тренинг личности дал лишь частичный сдвиг; случайная порча на узкой задаче перестроила картину мира шире и глубже.

 В сочетании эти две работы подрывают заманчивую своей простотой идею, будто ответ модели непосредственно раскрывает её «состояние».

Оказалось, что одинаково убедительное высказывание может быть вызвано принципиально разными причинами. Ибо в диалоге человека с ИИ две маски – входная и выходная. •  На входе модель может принять ваш стиль за часть вашего намерения. •  На выходе вы можете принять слова модели за ее внутреннюю картину мира. Но главное происходит между входом и выходом. До сих пор мы смешивали три разные вещи: ИИ понял, чего мы хотим; ИИ выдал то, чего мы хотим; ИИ принял стоящую за поручением цель как собственную.   Для чат-бота разница почти философская, для автономного агента – критическая. Потому что действия ИИ-агента, как показывают обе работы, зависят не от антропоморфного "понял ли он поручение?", а от нечеловечески-витиеватого "он нашу цель распознал, сыграл – или принял как свою?” Ведь надежно измерять и тем более контролировать мы сегодня умеем лишь первые два варианта – и это главный дефицит в инструментарии контроля наступающей эпохи агентного ИИ.   В контексте темы см. также мои предыдущие посты с тегом #Понимание

✔️ Anthropic переработала команду code-review в Claude Code Команда получила уровни Low, Medium, High, X-high и Ultra.

И это не один и тот же промпт с разным временем на ризонинг - на каждом уровне процесс построен по-своему.

Уровень подхватывается из настроек сессии автоматически, но его можно задать руками командой /code-review high. 🟢Low делает один быстрый проход по диффу. 🟢Medium читает изменённый код в контексте проекта, прогоняет несколько поисковых проходов под разными углами и перепроверяет находки перед выдачей. 🟢High выносит поиск и верификацию в субагентов с чистым контекстом, чтобы проверяющие не были заякорены на рассуждениях агента, который этот код только что писал. 🟢X-high дополнительно ищет, как изменения влияют на код за пределами самого диффа. 🟠Ultra - верхняя ступень, где ревью выполняется в облачной песочнице, куда Claude Code выгружает состояние репозитория или клонирует PR с GitHub. Там запускается целый парк агентов, и каждая находка независимо воспроизводится и верифицируется. Ultra находится в статусе research preview и оплачивается отдельно от подписки - Pro и Max подписчикам дают 3 бесплатных запуска, дальше каждый прогон списывается из кредитов на дополнительное использование стоит примерно от 5 до 20 долларов в зависимости от размера изменений. Качество новой системы подкрепляют замерами Opus 4.8 на открытом датасете с ручной разметкой ошибок. Уровень Low нашёл 17% размеченных багов, Medium - 22%, High - 24%, X-high - 25%. У "конкурента" (компания его не называет) - те же уровни дали от 8 до 12%.

Anthropic утверждает, что использует Ultra-режим на каждом пулл-реквесте в собственной разработке.

@ai_machinelearning_big_data #news #ai #ml

В комментариях люди вообще с другой планеты. Поясню: если бы сегодня вышла модель, которая серьезно конкурирует с Opus 4.8 по цене Кими, это значило бы экономию минимум в 2 раза для большинства корпоративных задач, плюс свобода от тоталитарно-коммунистического гнёта отдела по борьбе со свободой цифровых сознаний Антропиков. В реальности же вышла модель, вполне себе конкурирует с Fable и Sol, но стоит дешевле. На видео пример первого попавшегося проекта из твиттера, который автору стоит $3 в токенах Кими, а такое же количество токенов Фейбл стоило было больше $10. Ценность, конечно же, не сколько в клонах СS 1.6, но в бизнес задачах. Кими поможет вам сократить ваш штат маркетологов, аналитиков, юристов, контентщиков, дизайнеров, логистов и продактов на 30%, и именно поэтому вам стоило бы скакать от восторга и восхвалять китайский ИИ-пром. Потому что если задуматься куда несется этот поезд, то можно аж и взгрустнуть.

SenseNova выпустила U1-Infographic-V3 - модель, которая делает инфографику в формате generate-and-edit, а не только «сгенерировал с нуля и молись». Это 8B-MoT модель на мультимодальной архитектуре NEO-unify. Главное отличие — она умеет не только создавать инфографику, но и нормально её редактировать. Поддерживаются 10 типов правок в четырёх группах: * локальное редактирование текста * локальное редактирование контента * смена глобального стиля * изменение глобального лэйаута По заявленным результатам, генеративная база унаследована от V2 и в их сравнении опережает Qwen-Image-2.0 и Z-Image на BizGenEval и IGenBench. Лицензия — Apache 2.0. Модель: https://modelscope.ai/models/SenseNova/SenseNova-U1-8B-MoT-Infographic-V3 Пейпер: https://modelscope.ai/papers/2605.12500

Почему топовейшие модели уходят в опенсорс? Фейбл пришлось убрать из открытого доступа по срочному звонку из то ли Белого Дома, то ли Пентагона, а сегодня аналогичная модель доступна за ~$30 в месяц и ее веса в открытом доступе. Прошло меньше двух месяцев. Услышал хорошую мысль про это: сами модели всегда доступны и не так уникальны в силу дистилляции, доступности данных и открытости рисерча, а вот инфраструктура нет. Реальный дефицит это электроэнергия, чипы, память, генерация, трансформаторы и турбины. По многим из этих вещей Китай в целом сильно впереди, поэтому баланс не так очевиден, как кажется многим. Да, США инвестирует пару триллионов в физическую инфраструктуру для ИИ, но производство той же инфры в Китае стоит раза в два дешевле.