ИИ

OpenRouter ведёт переговоры о продаже крупной технологической компании по оценке в несколько миллиардов долларов — заметно выше $1,3 млрд, зафиксированных в майском раунде. По данным The Information, годовая выручка компании достигла $50 млн в апреле, впятеро больше, чем в октябре, а объём токенов, прошедших через её API, с начала года вырос в десять раз — до 60 с лишним триллионов. Покупатели не называются, основатели на запросы не ответили. Экономика бизнеса OpenRouter сугубо комиссионная — купить инференс у провайдеров и продать через единый интерфейс. О какой более крупной компании идет речь, предположить пока трудно — гиперскейлерам не нужна унифицированная API прослойка при наличии собственного инференса. Может быть, та же Meta? https://www.theinformation.com/articles/startup-openrouter-fields-multi-billion-dollar-takeover-interest?rc=ukjmk2

Просто дружеское напоминание что сейчас лучше всего учить своих агентов строить себе harness'ы: Подтверждение этому маленький стартап Poetiq (кстати основан бывшими исследователями Google DeepMind) Нашли новый способ который делает Opus 4.8 / GPT-5.5 умнее чем Fable / GPT 5.6 Sol во всех бенчмарках. Сразу скажу что есть такой закон Гудхарта и риск бенчмаксинга, когда модель заточена на то чтобы бить конкретный бенч, и тогда реальную пользу по нему не понять. А работает это так: их система это петля (RSI) которая автоматически конструирует целые харнессы (код, промпты, инструменты и стратегии поиска) для любого бенчмарка, с которым сталкивается. Сама пишет всю инфраструктуру решения, прогоняет, смотрит на результат, переписывает, и так по кругу, пока не выжмет максимум. А модель внутри петли это просто расходный материал, которую можно заменить на более новую, и вся накопленная обвязка автоматом конвертируется в еще лучший результат. То есть улучшения накапливаются и переносятся. Каждая задача, которую она решает, помогает ей оптимизировать саму себя, превращая её во всё более мощный оптимизатор. Причем для этого не нужен никакой файнтюн, просто обычный API-доступ. Поэтому Poetiq говорят "статичные бенчмарки мертвы", и вместо них предлагают динамически генерируемые тесты, заточенные под слабые места конкретной модели, на которые невозможно натренироваться. Технарям рекомендую это видео на ютубе, если хотите сделать харнесс дома (или просто скормить агенту) @tips_ai #news

📌 Как дотянуть компактную модель до уровня гигантов посттрейном AI-подразделение китайского производителя электромобилей Lixiang опубликовало интересную работу о том, как они оптимизацией насыщали компактную модель доменными знаниями.

Mach-Mind-4-Flash - итоговая MoE-модель на 35 млрд общих 3 млрд активных параметров на базе Qwen3.5-35B-A3B.

Проблема, от которой Li Auto отталкивались, состоит в том, что если учить одну модель с подкреплением сразу на смеси наград (математика, код, агентные задачи), то появляются качели - подтянули одно, просело другое. Решение - разделить этапы и области знаний. Сначала независимо обучили более десятка RL-экспертов, каждого в своём домене: математика, код, текст, безопасность, поиск, работа с инструментами. Каждый эксперт получил свои данные, свои проверяемые награды и свою стратегию обучения. Дальше самое интересное - как собрать экспертов обратно в одну модель. Для этого использовали методику MOPD, которую взяли у Xiaomi.

Это мультиучительская дистилляция на собственных генерациях ученика, где каждый обучающий пример по ключу маршрутизации уходит к "своему" замороженному эксперту, и тот через reverse-KL на уровне токенов подтягивает распределение ученика к своему.

Агентные навыки эксперты осваивали в исполняемых песочницах - там модель читает файлы, правит код, запускает тесты, видит ошибки и продолжает с их учётом. Масштаб сред - более 190 предметных областей с сохранением состояния, свыше 3,5 тыс. интерфейсов инструментов, траектории программных задач до 300 шагов при контексте 256 тыс. токенов. 🟡Работает ли слияние? И да и нет. Следование инструкциям сохранилось целиком, а на агентных бенчах ClawBench и ClawEval итоговая модель даже обошла отдельных экспертов. Но на SWE-bench Verified результат просел с 73,80 у эксперта до 71,10 у модели.

Предполагают, что узкоспециализированное поведение в длинных задачах кодинга при дистилляции смазывается.

Финальный штрих - HMPO, собственная механика Li Auto, которая следит, чтобы модель не увлекалась в цепочках рассуждений.

Бюджет длины CoT берётся из медианы правильных ответов в группе, награду получают только верные и при этом более короткие решения, а награда собирается умножением (короткий, но неверный ответ получает строгий 0, что закрывает лазейку для взлома награды).

На выходе HMPO получается сокращение длины генерации на 19–46% при потере точности не более 0,7%, причём обучение шло только на математике, а эффект перенёсся на код и другие задачи. Правда пока это работает только для одношаговых рассуждений, к многоходовым агентным траекториям его ещё предстоит адаптировать. 🟡Итоги 92,7 на AIME'26 - тут отстает от триллионной Kimi-K2.5 меньше чем на пункт; 82,8 на IFBench - первое место с большим отрывом, ближайший конкурент Qwen3.5-122B; 75,8 на BFCL-v4 - второе место после MiMo-V2-Flash, при этом лучше чем Qwen3.5-122B и Kimi-K2.5. Можно сказать, что результаты на уровне куда более крупных моделей. К сожалению, планы по публикации модели неизвестны, но возможно мы просто почувствуем её в следующих поколениях электромобилей Lixiang. 🟡Arxiv @ai_machinelearning_big_data #AI #ML #LLM #Optimisation #RL #LiAuto

Когда ИИ знает всё, чему учиться человеку? Очень понравилось видео с министром образования Эстонии от TEDx. Несколько раз было в предложениях Youtube и вот наконец дошли руки. Всего 13 минут, так что лучше посмотреть исходное видео. Когда стала министром в апреле 2023-го, ИИ вообще не было в повестке. Советник дважды приходил со словами «надо что-то делать с ИИ – студенты уже им пользуются», но что именно делать – не знал никто. Год консультаций с нейроучёными, когнитивистами и техкомпаниями привёл к мысли, что вопрос не про технологию, а про человека. Министра образования должно волновать не «какой инструмент внедрить», а что происходит с мозгом и способностью учиться, когда машина уже умнее. Ещё в 2017 году ОЭСР выяснила: у 2/3 работников грамотность, счёт и цифровые навыки ниже возможностей тогдашних компьютеров. Отсюда вопрос: зачем вообще развивать мышление, если компьютер справляется лучше? Может, бросить учиться? Ответ такой: нет, но придется получить новые навыки. Это не первый раз, когда технология ставит человека под эволюционное давление. Печатный станок заставил всё человечество научиться читать. Сейчас – новый эволюционный скачок, только давление не физическое, а когнитивное: думать нужно быстрее, системнее и креативнее. Мозг работает в 2 режимах. Низший когнитивный: память, понимание, применение – «автопилот». Научился ездить на велосипеде – и не переучиваешься каждый раз; отсюда же стереотипы. Мозг любит этот режим, потому что он самый дешёвый по энергии – а мозг и так главный потребитель энергии в теле. Высший режим – анализ, оценка, созидание – требует постоянного переобучения и выматывает сильнее марафона: после сложного экзамена ты «мёртв» физически (см скриншот). Школа 200 лет работала по схеме «запомни – пойми – примени – сдай тест», а высшие уровни доставались только в магистратуре и выше. Но ИИ уже умеет всё нижнее и почти всё верхнее. Уникальными для человека остаются этическая оценка и настоящее созидание – ИИ «творит» лишь из вероятности, все равно нужна насмотренность, вкус, опыт. Вывод: осознанно тренировать как можно больше людей постоянно быть в потоке высших когнитивных процессов – и начинать с 7 класса, с 12–13 лет. При этом делать это нужно вместе с ИИ, потому что именно он выталкивает с автопилота. Без него система по инерции скатится в зубрёжку, а ученики – в brain rot и когнитивный аутсорсинг, когда просто домашка списывается с ИИ. Примерно то же самое происходит сейчас и со "взрослыми", которые присылают "списанные с ИИ презентации" или исследования, которые даже не просматривали глазами. Что сделала Эстония – программа AI Leap: стратегия ИИ для школ, запуск – февраль 2025-го, пилот в 10–11 классах, с сентября 2026-го – профобразование. Финансирование 50/50 – государство и частные компании; управляет фонд, а не министерство («министерство – не место для инноваций»). Инструмент – ИИ-тьютор по методу Сократа, созданный вместе с OpenAI: не общий ChatGPT, а версия, которая не отвечает, а ведёт вопросами. Абсолютный фокус – подготовка учителей: как через ИИ вытаскивать учеников в анализ, системное и критическое мышление. Эстония – первая и пока единственная страна с таким инструментом в школах; идёт научный мониторинг, готовых ответов нет – «учимся по ходу» и зовут остальных учиться вместе. Очень понравилось и объяснение эволюции и что надо делать. Согласен со всеми пунктами и кажется закрыл для себя вопрос, чему и как учить сына. Ну и конечно лишний раз подтверждает, что OpenAI/Anthropic и прочие лаборатории действительно самые продвинутые и открытые для создания полезных для образования, государственного управления, общества систем. А не консалтеры, ученые, друзья детства, дата-сайнтисты или linkedin-блогеры https://www.youtube.com/watch?v=44St9MoJU0E

DeepMind: ИИ-агенты генерируют гипотезы быстрее, чем ученые успевают их проверять ИИ-агенты превращают научные открытия в конвейер: гипотезы генерируются быстро и дёшево, а исследователи просто не успевают их проверять. Согласно докладу Google DeepMind «Conjecture Machines», разрыв между мгновенным потоком научных предположений и медленной, дорогой физической проверкой будет только увеличиваться. Это потребует радикальной реформы всей научной инфраструктуры — от лабораторий до системы рецензирования. Под основным ударом оказываются молодые ученые — они лишаются возможности развить собственное научное суждение и интуицию. https://hightech.plus/2026/07/17/deepmind-ii-agenti-generiruyut-gipotezi-bistree-chem-uchenie-uspevayut-ih-proveryat

Ключевое за 3 дня ⚡ Главное • GPT-5.6 — OpenAI выпустила семейство моделей Sol, Terra и Luna — OpenAI выпустила семейство моделей Sol, Terra и Luna. • Grok 4.5 — новая модель SpaceXAI для программирования и агентов — Новая модель SpaceXAI для программирования и агентов. • Muse Spark 1.1 — мультимодальная модель Meta для агентов и контента — Мультимодальная модель Meta для агентов и контента. • Mira Murati выпустила первую модель Inkling с 975 млрд параметров — Модель Inkling от Thinking Machines Lab с балансом стоимости. • Moonshot AI выпускает Kimi K3 — крупнейшую открытую модель с 2,8 трлн параметров — Крупнейшая открытая модель, обогнала Claude Fable 5. • Bonsai 27B — открытая модель рассуждений, помещающаяся на iPhone — Полноценная модель рассуждений. • TSMC добавляет $100 млрд к плану расходов в США — Общие обязательства TSMC в Аризоне теперь составляют $265 млрд. 📈 Рост и Оптимизация • Weco AI заявляет о первом экспериментальном доказательстве рекурсивного самосовершенствования — Система AIDE² переписала свой код и превзошла модель Weco. • Основатель Ghostty с помощью ChatGPT нашёл $45 тыс. в забытых счетах — Точная стратегия поиска пропущенных счетов за три года. • Perplexity использует Grok 4.5 как оркестратор для компьютерного агента — Новая модель управляет выполнением задач агента. • Что можно узнать из быстрого переписывания Bun на Rust с помощью ИИ? — Bun переписан с Zig на Rust за 11 дней с помощью Fable. 🤖 Промпты и Практика • Учитесь эффективнее с учебными тетрадями в Gemini App — Персонализированное обучение с диагностикой и трекингом. • Как избежать лимитов использования GPT-5.6-Sol — Советы по избежанию лимитов использования GPT-5.6-Sol. • Как удалённо выйти из ChatGPT на других устройствах — В настройках безопасности выйдите из ненужных сессий. • Интерпретируемость ИИ — как нейронаука для ИИ и инструменты аудита — Видео о том, как нейронаука для ИИ и инструменты аудита. • Перенос стиля изображения с помощью AI — Загрузите два изображения в ChatGPT и используйте промпт. • Руководство по промптам для GPT-5.6 Sol — Официальные рекомендации OpenAI. • Создайте триажер входящих писем Hermes за 90 минут — Создайте Gmail-триажер с Hermes и Himalaya.

😀 Это friendly fire — огонь по своим Глава Сбера Герман Греф выступил в Совете Федерации и заявил, что Сбер — единственная компания, у которой ИИ действительно отечественный. 📌 По его словам, Яндекс сейчас дообучает китайский Qwen, тогда как Сбер сделал свою модель с нуля. 📌 Греф не обвинял компанию напрямую — он сообщил, что был бы рад конкуренции, но посетовал, что на этом рынке конкурентов как таковых нет. Яндекс же выступил с опровержением:

«Утверждение не соответствует действительности. Яндекс продолжает развивать собственные фундаментальные модели, сохраняет полный цикл разработки и не зависит от внешних решений».

Однако ранее компания сама сообщала в своём блоге на «Хабре», что в основе YandexGPT 5 Pro и Alice AI действительно лежат веса Qwen версий 2.5 и 3 соответственно. 💻 Подписаться

#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