Big Data AI

Исследователь Sakana AI Руджикорн «Тан» Чаракорн недавно представил Doc-to-LoRA на journal club DLCT от ML Collective.В докладе он разобрал hypernetworks, амортизацию стоимости и дальнейшие направления развития метода.После презентации прошла очень живая дискуссия.https://youtube.com/watch?v=jb_0XcBMJQU

Google DeepMind выпустила большой текст про переход от AGI к ASI - искусственному сверхинтеллекту.Называется From AGI to ASI. Среди авторов Маркус Хаттер, Айасон Гэбриэл и ещё несколько старших исследователей DeepMind. Документ на 57 страниц, и он интересен не прогнозами в стиле «когда AGI», а тем, что команда уже разбирает следующий этап.ASI там определяется не как «ИИ умнее одного человека», а как система, которая превосходит по интеллекту и когнитивным возможностям большие человеческие организации. То есть сравнение идёт не с отдельным экспертом, а с целым институтом.В тексте описаны несколько путей к такому уровню:* масштабирование текущих AGI-систем через больше compute и данных* новые алгоритмические подходы и архитектуры* рекурсивное самоулучшение, когда ИИ помогает улучшать собственный код и способности* коллективы из множества агентов, которые работают как распределённая системаЦифровой интеллект легко копируется, может работать без сна, ускоряться вместе с железом и параллельно запускаться в огромном количестве экземпляров. Поэтому DeepMind рассматривает AGI не как финальную точку, где всё стабилизируется, а как возможный старт быстрой цепочки дальнейших прорывов.Пока большая часть рынка спорит, когда именно появится AGI, DeepMind уже формализует вопрос: что будет, если AGI начнёт ускорять разработку следующего поколения систем.arxiv.org/pdf/2606.12683

The Information: по сообщениям, Anthropic переходит от аренды облачных вычислений к аренде и самостоятельному управлению дата-центрами. Планируемая мощность в США — более 1 ГВт, а Google потенциально может выступить гарантом или поддержкой по арендным платежам.Старая модель была простой: Anthropic платит облачным провайдерам за GPU или кастомные чипы, но сам провайдер контролирует здание, электропитание, сеть, охлаждение и большую часть графика поставок железа.Новая модель приближает Anthropic к «цеху» ИИ-индустрии, где дата-центры — это уже не офисные здания, а энергоёмкие машинные залы, круглосуточно питающие системы обучения и инференса.Для контекста: до сих пор вычислительная стратегия Anthropic в основном строилась через облачных провайдеров. Компания уже взяла на себя обязательства по аренде серверных мощностей более чем на 10 ГВт, включая соглашение с Google на $200 млрд.Также Anthropic заключила крупные облачные сделки с Akamai, AWS, CoreWeave и Fluidstack. Они охватывают в том числе железо Amazon Trainium и партнёрство с Fluidstack на $50 млрд.Кроме того, компания расширила команду по дата-центрам и подписала договор аренды со SpaceX/xAI на весь дата-центр Colossus 1 за $1,25 млрд в месяц, а также получила площади в Colossus II.

🖥 Сервисы крутятся. Прод вроде живой. Но когда тимлид спрашивает: «почему здесь лучше ValueTask, а не Task?» или «как GC поведёт себя под нагрузкой?» - ты начинаешь плыть.И дело не в том, что ты плохо пишешь код. Просто большинство курсов заканчиваются ровно там, где начинается настоящий .NET.Этот курс про то, что обычно остаётся под капотом:- CLR- JIT- GC- Span- async state machine- Source Generators- lock-free подходы- OpenTelemetry- дампы в продеНа практике разбираем, как .NET реально работает внутри: что происходит с кодом после компиляции, как память живёт под нагрузкой, почему async иногда помогает, а иногда ломает производительность, как читать проблемы по дампам и метрикам, а не гадать по логам.Если хочешь дойти до уровня, где система для тебя не чёрный ящик, а инструмент, который ты понимаешь до IL, - велкам.Сейчас на stepik доступна скидка 55%: https://stepik.org/a/288694

Красивый тест на «понимание» у LLM.Есть переводческий тест Beninatto-Trombetti. Он проверяет не знание словаря, а способность понять, что именно меняется при переводе.Пример:“Solo 3 parole: non sei solo”Дословно это можно перевести как:«Всего 3 слова: ты не один»Но правильный перевод на английский будет:“Just 4 words: you are not alone.”Почему 4? Потому что в английском “you are not alone” - это уже четыре слова, а не три. Значит, переводчик должен изменить не только саму фразу, но и утверждение внутри неё.И вот здесь LLM часто ломаются. Модель может правильно перевести смысл, но не заметить, что после перевода изменилась метаинформация о количестве слов.Именно поэтому этот пример так интересен. Он показывает разницу между хорошей языковой имитацией и настоящим пониманием контекста.Claude Fable 5 называют одной из самых сильных моделей на рынке, но даже она, по словам автора примера, проваливает такой тест.LLM уже отлично комбинируют знания, пишут код, переводят, объясняют и помогают работать быстрее. Но подобные кейсы напоминают: до настоящего понимания и AGI путь всё ещё не такой короткий, как кажется.

🚀 Интеграция с Duel Agents для LLMDuel Agents — это слой маршрутизации для работы с несколькими моделями ИИ, выбирающий наиболее экономичный ответ. Этот репозиторий предоставляет инструменты для интеграции с платформой duelagents.com.🚀 Основные моменты:- Поддержка нескольких моделей ИИ через единую точку доступа.- Удобные инструменты для установки и настройки.- Возможность расширения функционала с помощью SDK.- Интеграция с популярными клиентами и плагинами.📌 GitHub: https://github.com/2aronS/Duel-Agents#javascript

Готов к космическому разгону AI‑продукта? Приходи на One Day Offer для Product Analysts! 🚀20 июня команда GigaChat планирует найти будущего коллегу — продуктового аналитика, который поможет вывести LLM‑платформу на новую орбиту.Ты будешь:✔ анализировать поведение пользователей;  ✔ проводить A/B‑тесты; ✔ создавать дашборды; ✔ работать с метриками. А ещё ты станешь частью крупнейшего IT‑комьюнити.Хочешь влиять на продукт для миллионов? Регистрируйся на One Day Offer прямо сейчас!

🌟 Релиз диффузионной LLM от GoogleDiffusionGemma - экспериментальная языковая модель с открытыми весами, которая заимствовала подход из генерации изображений, где диффузионные модели превращают шум в картинку.Модель построена на семействе Gemma 4, а сам механизм диффузии восходит к более ранней разработке Gemini Diffusion.Под капотом MoE на 26 млрд общих и 3,8 млрд активных параметров. После квантования модель умещается в 18 ГБ VRAM.По словам Google, на одном GPU модель работает до 4 раз быстрее сопоставимой авторегрессионной модели.Nvidia приводит около 1000 токенов в секунду на H100, 150 - на DGX Spark и до 800 - на DGX Station.Google заявляет более 700 токенов в секунду на GeForce RTX 5090.На устройствах с общей памятью (например на Apple Silicon) разница с обычными моделями, вероятно, окажется меньше, а в облаке с параллельными запросами преимущество вовсе исчезает - в этом сценарии диффузия может повышать издержки.🟡За скорость приходится платить качествомДля задач, где оно критично, Google по-прежнему рекомендует обычные модели Gemma 4, а DiffusionGemma позиционирует как инструмент для исследователей и разработчиков.Сильной стороной компания называет задачи, не предполагающие строго последовательного порядка: вставку текста в готовый абзац, заполнение пропусков в коде, работу со структурированными данными.🟡ДоступностьВеса опубликованы на Hugging Face под Apache 2.0. Модель работает с Transformers, vLLM и MLX.Запустить её можно также через Model Garden и Nvidia NIM, а бесплатно потестить на build.nvidia.com.Для дообучения предлагаются собственный JAX-тулбокс Hackable Diffusion, Unsloth и NeMo от Nvidia.Google собрала руководство для разработчиков, а Маартен Гроотендорст - визуальное объяснение работы модели.@ai_machinelearning_big_data#news #ai #ml

🖥 На stepik обновили курс Python в 2026 - рабочий инструмент для автоматизации, ботов, парсинга, API, данных и разработки с ИИ.Проблема новичков в том, что они учат Python кусками: синтаксис, пару задач, немного теории - и потом не понимают, как собрать из этого реальный проект.Этот курс закрывает именно этот разрыв. Здесь вы не просто смотрите уроки, а учитесь писать код, разбирать ошибки и собирать рабочие решения на практике.Внутри:- Python с нуля- много практики без сухой теории- реальные задачи и проекты- автоматизация рутины- работа с файлами, данными и API- понятная логика программирования- современная разработка с ИИ- отдельный блок по вайбкодингуВайбкодинг это нормальный навык 2026 года и вас научат- правильно ставить задачу, проверять код, понимать результат и быстрее доводить проект до рабочего состояния.48 часов скидка 60%: https://stepik.org/course/288218/

✔️ Китай построит единую национальную вычислительную сетьВ ближайшие 5 лет Пекин планирует объединить разрозненные дата-центры страны в общую инфраструктуру для форсированного развития ИИ-отрасли.Операционным управлением займутся телеком-гиганты China Mobile и China Telecom, которые должны обеспечить полную связность сети к 2028 году. С учетом модернизации энергосистем общие затраты на проект могут достичь полутриллиона долларов. Основное финансирование обеспечат выпуск гособлигаций и целевые фонды.План жестко квотирует закупки - не менее 80% оборудования, включая ИИ-чипы, должно поставляться локальными производителями. Для NVIDIA и AMD это означает радикальное сокращение присутствия на китайском рынке.Масштабная инфраструктурная стройка вошла в государственную стратегию "Шести больших сетей" и призвана обеспечить КНР независимость для лидерства в глобальной ИИ-гонке.bloomberg.com✔️ Google представила потоковую модель Gemini 3.5 Live TranslateНовинка генерирует аудио до окончания реплики спикера, балансируя между накоплением контекста и скоростью вывода. Алгоритм поддерживает более 70 языков и сохраняет оригинальную интонацию, темп и высоту голоса.Технология сразу пошла в конечные продукты. Обновление разворачивается в мобильном Google Translate. Для корпоративных клиентов тестируется интеграция в Google Meet с поддержкой более 2000 языковых комбинаций в рамках одной конференции.Превью-версия модели доступна в AI Studio и через Gemini Live API. Сгенерированные аудиодорожки маркируются SynthID.blog.google✔️ Скоростная версия флагманской модели XiaomiКитайская компания выпустила модель MiMo-V2.5-Pro-UltraSpeed на 1 трлн параметров со скоростью вывода 1000 токенов в секунду.Пропускной способности добились совместно с разработчиками фреймворка TileRT за счёт квантования в FP4 и спекулятивного декодирования DFlash. Скорость генерации выросла в 10 раз по сравнению с прошлыми версиями. Xiaomi позиционирует модель для систем автоматизированного принятия решений с минимально

OpenEnv - инструмент для создания агентной среды выполнения: терминалов, браузеров и любых других окружений, с которыми может взаимодействовать AI-агент.В анонсе говорится, что OpenEnv уже поддерживают и используют PyTorch Foundation, vLLM, Lightning AI и другие организации.Подробнее:https://huggingface.co/blog/openenv-agentic-rl

Nex-N2 - новое любопытное семейство агентных моделей.Что внутри:- Adaptive Thinking - модель сама подбирает глубину рассуждения на каждом шаге- экономия около 20% токенов без потери качества- Coherent Thinking - единый формат мышления для поиска, кодинга и tool use- меньше хрупких переключений между разными режимами работыПо заявлению команды, Nex-N2 показывает уровень Tier-1 open-source моделей на SWE-bench, Terminal-Bench, GDPval и других бенчмарках, приближаясь к GPT-5.5 и Opus 4.7.Звучит мощно, но такие цифры стоит проверять независимыми прогонами.- Kimi-K2.6: 86% - 13 из 14- MiniMax: 100% - 8 из 8- GLM-5.1: 100% - 13 из 13- DeepSeek-V4-Pro: 92% - 11 из 12- Opus 4.7: 45% - 5 из 11- GPT-5.5: 30% - 3 из 10🎉 Open-weight. Try it now.🔗 https://nex-agi.com📦 https://huggingface.co/nex-agi/Nex-N2-Pro https://modelscope.cn/models/nex-agi/Nex-N2-Pro https://github.com/nex-agi/Nex-N2

Nvidia выложила Nemotron 3 Ultra в открытых весах.Архитектура та же, что в варианте Super: гибрид Mamba-2 с attention плюс LatentMoE. Только теперь всё крупнее и соотношение «качество к стоимости инференса» выглядит сильно.Гибрид с Mamba бьёт в больное место трансформеров: линейная сложность по длине вместо квадратичной, дешевле на длинном контексте. LatentMoE добавляет ёмкости без пропорционального роста вычислений.Веса открыты - можно гонять локально и щупать самим.🤗BF16 checkpoint: https://huggingface.co/nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16🤗NVFP4 checkpoint: https://huggingface.co/nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-NVFP4📜Technical Report: https://research.nvidia.com/labs/nemotron/files/NVIDIA-Nemotron-3-Ultra-Technical-Report.pdf

🚀 Умный набор для AI-разработкиVibecode Pro Max Kit превращает AI-агентов в полноценные инженерные команды, которые могут исследовать, планировать и разрабатывать код. Он обеспечивает автоматическую генерацию документации и управление контекстом, улучшая память AI на длительный срок.🚀 Основные моменты:- Спецификационно-ориентированная разработка для AI- Автогенерация PRD и управление задачами- Самообучающаяся база знаний- Автономная работа на больших задачах- Совместное использование планов и спецификаций📌 GitHub: https://github.com/withkynam/vibecode-pro-max-kit#typescript