ИИ

Нейродайджест за неделю (#123) LLM - Fable 5 — Anthropic оставляет топовую модель в подписках Max и Team Premium. Пользователям Pro и Team разово выдадут $100 кредитов. - Kimi K3 — Moonshot выпустили новый претрейн на 2,8 трлн параметров, обгоняющий Opus 4.8. Доступен в API, веса откроют до 27 июля. - T-Search — экономный агентнвй ретривер на базе Qwen3.6. MoE-модель умещается на одной GPU и обходит открытые гиганты вроде Qwen3.5-397B. - GigaChat Audio — опенсорс мультиязычный стек для распознавания речи GigaAM Multilingual и audio-native LLM с окном контекста до 2 часов. Генеративные модели - Слив Suno — Масштабная утечка исходников подтвердила использование миллионов треков с YouTube Music и других площадок для обучения генератора. - MIRA — World model с мультиплеером от kyutai и Epic Games. Это нейронная версия Rocket League, поддерживающая 4 игроков или бесконечную игру самой с собой. Прочее - Клавиатура для вайбкодинга — OpenAI выпустили девайс в магазине мерча за $230. В комплекте кнопка «принять изменения», регулятор ризонинга и кастомные кейкапы. > Читать дайджест #122 #дайджест @ai_newz

По данным издания, в 2023 году руководство ЦРУ направило своего офицера Джонни Ганнона в Абу-Даби с заданием выяснить, «можно ли доверять «шейху-шпиону» Тахнуну бен Заиду Аль Нахайяну самые передовые американские технологии». На тот момент шейх был советником президента ОАЭ по национальной безопасности и контролировал национальную ИИ-компанию G42. Вашингтон, как отмечает издание, опасался, что Китай использует отношения с G42 для кражи американских технологий. В то же время гендиректор компании Пэн Сяо, родившийся в Китае, отказался от американского гражданства, что было «обязательным условием для вхождения в ближний круг правительства ОАЭ», говорится в статье. На фоне этого замминистра торговли США Алан Эстевес начал процедуру блокировки доступа ОАЭ к чипам, но получил указание замедлить процесс. Эстевес съездил в Абу-Даби и объяснил шейху: работать нужно либо с американскими компаниями, либо с китайскими, но не с обеими странами сразу. Тахнун в итоге, как сказано в публикации, с пониманием отнесся к этим условиям. Тем временем в Белом доме разгорелись споры: одни требовали наказать ОАЭ за сближение с Пекином, другие доказывали, что без доступа к американским чипам страна только еще больше сблизится к Китаем. Результатом стало решение ЦРУ отправить в Абу-Даби офицера Джонни Ганнона, которого считали «природным эмпатом с необычной способностью находить общий язык с людьми». В итоге он быстро сблизился с шейхом благодаря общей любви к бразильскому джиу-джитсу. Когда американская разведка находила доказательства связей G42 с китайскими госкомпаниями, Ганнон, по данным газеты, давал Пэну Сяо или шейху «тихие подсказки» о решении этих проблем для дальнейшего сотрудничества с Вашингтоном. После этого эмиратская компания приступала к ликвидации препятствий, например, G42 оперативно избавилась от техники Huawei на $150 млн. За неделю до ухода Джо Байдена из Белого дома администрация создала механизм для поставок чипов в ОАЭ, а Дональд Трамп пошел еще дальше, пишет WSJ. За несколько дней до инаугурации шейх Тахнун и его соинвесторы обязались вложить $500 млн в криптовалютную компанию Трампа World Liberty Financial. Белый дом отрицал конфликт интересов, а World Liberty заявила, что инвестиции не имели отношения к администрации. Вскоре после этого администрация Трампа расширила доступ ОАЭ к передовым чипам, выделив часть специально для G42, отмечается в публикации. Кроме того, на прошлой неделе, как подчеркивает WSJ, были временно сняты ограничения на доступ G42 к американским чипам. https://www.rbc.ru/technology_and_media/19/07/2026/6a5c80309a7947d2a0336b77

Глава Сбера, Герман Греф заявил, что Яндекс дообучает (китайский) Qwen, и это не радует По словам Грефа, только Сбер имеет ИИ, полностью разработанный в России:

Компания Яндекс сегодня дообучает Qwen — в основе лежит китайская модель. Конечно, нас это нисколько не радует, что мы одни, потому что мы за конкуренцию.

Яндекс отрицает эти обвинения:

Яндекс продолжает развивать собственные фундаментальные модели, сохраняет полный цикл разработки и не зависит от внешних решений.

Ряд медиа распространяют информацию, что Яндекс использовал веса (параметры) Qwen-2.5-32B-base для модели YandexGPT 5 Pro, после чего провел собственный полный цикл обучения на русскоязычных и иных данных. Если это правда, кто-нибудь может объяснить в комментариях, почему в качестве базовой не была взята модель на ~450B? P.S. Я сравнивал онлайн-версии Алисы и GigaChat. По-моему мнению, обе отставали от Deepseek при решении прикладных задач, но GigaChat демонстрировал меньшее отставание.

Maths, CS & AI Compendium: бесплатный учебник для будущих AI/ML-инженеров На GitHub завирусился большой open-source компедиум по математике, computer science и AI. Сейчас у проекта уже около 6.3K звёзд. Автор позиционирует его как «нестандартный учебник» для практиков: меньше сухой нотации, больше интуиции, связей между темами и реального контекста. Внутри 20 глав: * векторы, матрицы, calculus * статистика и вероятность * machine learning и deep learning * NLP, computer vision, audio/speech * multimodal learning и autonomous systems * GNN, OS, алгоритмы * production engineering, GPU/SIMD * AI inference, ML systems design и applied AI Отдельно есть MCP server, чтобы Claude Code, Cursor, VS Code и другие AI-ассистенты могли использовать компедиум как локальную базу знаний. Хороший ресурс для тех, кто хочет не просто «выучить ML», а собрать фундамент: математика → CS → ML systems → современный AI. GitHub: https://github.com/HenryNdubuaku/maths-cs-ai-compendium thub.com/HenryNdubuaku/maths-cs-ai-compendium

𝗦𝗲𝗻𝘀𝗲𝗡𝗼𝘃𝗮 𝗨1 𝗣𝗿𝗼 Эта китайская модель для генерации картинок уже мелькала в новостях. Но сейчас вышла версия V3 и там есть пара любопытных моментов. Up to 8𝗞 𝗻𝗮𝘁𝗶𝘃𝗲 𝗿𝗲𝘀𝗼𝗹𝘂𝘁𝗶𝗼𝗻 output Enables 𝘂𝗹𝘁𝗿𝗮-𝘄𝗶𝗱𝗲 and 𝘂𝗹𝘁𝗿𝗮-𝘁𝗮𝗹𝗹 image creation Модель редактирующая. А также есть специальная версия именно для текстов и инфографики. Правда примеры инфографики подозрительно желтят, так и хочется их присунуть в chatGPT и спросить, а не ты ли брат нагенерил это добро. Модель открытая, оформлена очень хорошо, есть GGUFs для 10-12 гиг врам, все подробности тут: https://github.com/OpenSenseNova/SenseNova-U1 Веса тут: https://huggingface.co/sensenova/SenseNova-U1-8B-MoT-Infographic-V3 https://modelscope.cn/models/SenseNova/SenseNova-U1-8B-MoT-Infographic-V3 Демо: https://huggingface.co/spaces/sensenova/sensenova-u1-infographic-v3 Разработчики честно пишут, что им надо еще поработать над анатомией, что бы это не значило. А еще у низ есть модель Vision: https://github.com/OpenSenseNova/SenseNova-Vision 𝗗𝗲𝘁𝗲𝗰𝘁𝗶𝗼𝗻/𝗢𝗖𝗥/𝗚𝗨𝗜 𝗗𝗲𝗽𝘁𝗵 & 𝗻𝗼𝗿𝗺𝗮𝗹 𝗦𝗲𝗴𝗺𝗲𝗻𝘁𝗮𝘁𝗶𝗼𝗻 𝗠𝘂𝗹𝘁𝗶-𝘃𝗶𝗲𝘄 @cgevent

Сможете ли вы найти пять ошибок в Python-коде, который вызывает LLM Вызов языковой модели давно стал обычной строчкой. Импортировали клиент, отдали промпт, забрали ответ. С обычными ненадёжными зависимостями питонист управляется отлично, ставит таймаут, вешает retry, помнит про идемпотентность. А вызов модели попадает в код так, будто это локальная функция, без оглядки на то, что она платная, медленная и недетерминированная. Дальше всё вылезает по очереди. asyncio.gather запускает десять тысяч корутин разом, провайдер отвечает лавиной отказов, и неудачные запросы тоже съедают лимит. Таймаут срабатывает на клиенте, а модель дописывает ответ до конца, и токены считают все, так что за одну использованную генерацию можно заплатить как за четыре. А тест на равенство строк зеленеет ровно до дня, когда один и тот же промпт с нулевой температурой вдруг отдаёт разные ответы. Разберём пять мест, где поход по сети мстит за отношение к нему как к локальному вызову.

Меня уже месяц не отпускает от этого эссе одного из партнеров Sequoia Эссе по нашим меркам уже «старое», выпущено в марте, в июне я его увидела и начала внедрять сама. Вот пару инсайтов: 1. $1 к $6. На каждый доллар на софт шесть уходит на услуги и труд. Сейчас мы в AIcelerate берём деньги не за сиденья, а за выполненные действия. Когда биллинг привязан к работе, а не к лицензии, ты физически чувствуешь, что зашёл в другой бюджет. 2. Copilot vs autopilot. Бек формулирует то, что я объясняю на каждой встрече: мы берём ответственность за результат и доставляем его, мы независимая система. 3. Чего в эссе нет, но что я лично ощущаю каждый день: автопилот это принципиально новая другого уровня система. Как авто пилотные машины, клиенту не важно как она едет, она как-то там это делает. Здесь также, то есть система настолько должна закрывать от и до весь запрос, и не включать в себя адаптацию, сложный онбординг, долгое обучение, ведь в этот момент ты не зарабатываешь. Тебя наняли, чтобы найти больше сделок, а не тратить время на адаптацию. И главное, с чем я согласна на сто процентов: moat в этом поколении не технология. Когда клиент отдаёт тебе работу, а не покупает тул, он не сравнивает фичи. Он решает, верит ли, что ты доставишь результат. Доверие зарабатывается пилотами и цифрами, и оно не копируется релизом чужой модели. Увлекательное эссе, подходящее на методичку.

⚡️ Создатель XLNet, который вернулся в Китай и построил Moonshot AI На GTC 2026 выступил Ян Чжилинь, 34-летний основатель и CEO Moonshot AI, компании, стоящей за моделями Kimi. Его путь начинался в Университете Цинхуа. Затем Ян получил PhD в Carnegie Mellon, стажировался в Google Brain и Meta AI, работал с Куоком Ле и Джейсоном Уэстоном. Его исследования пересекались с работами Йошуа Бенжио и Яна Лекуна. Широкую известность ему принесли Transformer-XL и XLNet. Обе работы пытались решить одну из ключевых проблем языковых моделей: потерю информации из далёкого контекста. Статью про XLNet впоследствии процитировали более 10 000 раз. После учёбы Ян мог продолжить карьеру в американском Big Tech, но вернулся в Китай. Он участвовал в развитии крупных китайских ИИ-проектов, основал Recurrent AI, а в 2023 году запустил Moonshot AI в Пекине. Исследования длинного контекста стали основой продуктов компании: - Kimi K2 получила MoE-архитектуру на 1 трлн параметров - Kimi K3 добавила нативное зрение, контекст на 1 млн токенов и 16 активных экспертов - компания сделала ставку на программирование, агентов и работу с большими объёмами информации Moonshot AI привлекла инвестиции Alibaba, Tencent и других крупных компаний. За несколько лет стартап превратился в одного из заметных участников китайской гонки frontier-моделей. Ян объяснял возвращение просто: он боялся всю жизнь сожалеть, если не попробует создать собственную компанию. Опыт, полученный в глобальной исследовательской среде, может быстро превратиться в технологическое преимущество целой страны. Его полное интервью можно посмотреть здесь: https://www.youtube.com/watch?v=CwePo4847ho @ai_machinelearning_big_data #Moonshot #kimi

Valve предупреждает, что цены на память могут вырасти еще больше Инженеры Valve в интервью Bloomberg заявили: текущие розничные цены на память не отражают реальной ситуации на оптовом рынке. «То, что люди видят на полках, отстает от того, что мы видим на оптовом рынке, по крайней мере на три-шесть месяцев», — пояснил инженер Язан Альдехайят. Это значит, что удорожание памяти, которое уже произошло в оптовом сегменте, в полной мере даст эффект на прилавках магазинов только через несколько месяцев. Valve распродала все произведенные Steam Machine, но выпуск жестко ограничен доступностью памяти. Контрактов с производителями нет — цены и объемы назначаются в одностороннем порядке. Снижения цен в ближайшее время не будет. Кризис вызван переориентацией производства на серверный сегмент для ИИ.

И как же я узнал, что это нейробот?

Интересно, как разработчики выбирают страны и локации - есть ли шанс попасть в менее известные регионы или акцент всё же на туристические страны? И как часто обновляются задания? Интересно, насколько преследования "нежелательных" идей реально заденут обычных людей, а не только активистов? Когда начинают гореть книги - кто решает, что будет следующим в списке? Интересно, где грань между метафорой безупречного воина и романтизацией насилия? Хагакурэ прославляет дисциплину, но не превращается ли она у нас в культивирование жестокости под маской долга? Интересно, как вы переносите критику кадрового резерва философии на современный контекст - не повторяется ли сегодня та же динамика в digital-гуманитариях или стримерах-мыслителях? Или форма изменилась, а суть - "пересказ без ссылок" - осталась? Интересно, насколько разделение на платные и бесплатные фичи внутри платного контейнера оправдано с точки зрения UX? Не превращается ли это в абсурд - платить за доступ, а потом сталкиваться с новыми барьерами? Это мотивирует к оплате или раздражает?

А очень просто: ни одной ошибки в ТСЯ и ТЬСЯ

ИИ разглядел на МРТ то, что десятилетиями ускользало от врачей Рассеянный склероз медики долго изучали будто через мутное стекло. Обычная МРТ хорошо показывает повреждения в белом веществе мозга — но самые коварные очаги прячутся в сером веществе, в коре. Именно они сильнее всего связаны с инвалидностью и падением памяти и внимания, и именно их рутинная МРТ почти не видит. Получался огромный слепой участок: врачи знали, что повреждения там есть, но не могли их разглядеть. Команда под руководством Университета Буффало решила эту задачу с помощью искусственного интеллекта. Идея красивая: на любом отдельном снимке скрытые очаги неразличимы, но если сопоставить несколько разных изображений одного и того же мозга, можно вытащить сигнал, которого не видно поодиночке. Генеративный ИИ буквально «смотрит между снимками», ловит крошечные различия и понимает, что ткань ведёт себя не как здоровая. Метод назвали MMCLE. Проверили его на данных большого клинического исследования ORATORIO — это испытание препарата окрелизумаб, где участвовало больше 700 человек. Результат впечатляет: алгоритм нашёл в среднем по 15–20 корковых очагов у каждого пациента, а всего — более 11 тысяч повреждений, прежде невидимых. Почему это важно? Во-первых, такие скрытые очаги — ранний маркер того, как болезнь будет прогрессировать, вплоть до когнитивных нарушений. Во-вторых, метод работает на уже существующих, «старых» снимках, а значит, можно заново пересмотреть данные прошлых испытаний лекарств и точнее оценивать новые. @vselennayaplus