ainews
Создать
Войти
Больница в ЕС строит MLOps-платформу на своём OpenShift-кластере: собственные модели + вендорские, всё под требованиями MDR и EU AI Act. Нужен мониторинг дрифта, bias, audit trail и дашборды для каждой команды. Стандартные решения (OpenShift AI, ClearML) не дают нужного уровня production-мониторинга, особенно для внешних моделей. Думают допилить Evidently AI + Grafana.
Пользователь Reddit обнаружил, что рекомендованный формат диалогов для Hailuo H3 (`<d>[English]...<\/d>`) вызывает галлюцинации и добавляет лишние слова в речь персонажей. Простые кавычки работают идеально.
Nvidia показала, что для долгосрочных задач AI-агента важнее не сама модель, а «упряжка» (harness) — оболочка с памятью, инструментами и супервизором. Claude Opus 5 без неё дал 30% на бенчмарке ARC-AGI-3, с ней — 100%. OpenAI на том же тесте не дотянул до 10%, даже после твиков.
Команды добавляют векторные БД и RAG при падении качества ответов, хотя реальная проблема — не в поиске информации, а в том, что модель не может выбрать из кучи релевантных документов действительно важный. RAG автоматизирует подачу того же мусора, не решая проблему приоритизации контекста.
AWS выпустил паттерн для RAG-приложений на Bedrock: маленькая модель (Claude Haiku) фильтрует контекст после поиска, оставляя только релевантные куски для основной модели (Claude Sonnet). Это даёт до 70% экономии на входных токенах при сохранении качества ответов. Реализация — одна Lambda-функция, работает с Bedrock Knowledge Bases.
Анонимный исследователь провёл цифровое дактилоскопирование модели Ox Alpha (доступной через OpenRouter) и обнаружил, что это на 99% GLM-5.3 от китайской Z.AI, просто с 75-токенным скрытым системным промптом. Доказательства: идентичный токенизатор, те же текстовые ошибки, побайтно совпадающие ответы при нулевой температуре.
Разработчик Zironic представил оптимизированную реализацию Sparse Attention для Minimax H3 с гибким контролем плотности внимания (10-50%), INT8/FP8 квантизацией и снижением пикового потребления памяти до 70%. В отличие от других патчей, работает только с видеотокенами и интегрируется с Comfy Kitchen напрямую.
Waymo (дочка Alphabet) запустила собственный чип для автопилота в новых роботакси. Производительность >1000 TOPS (как у Nvidia для авто), 5-нм техпроцесс TSMC. Цель — снизить затраты и уйти от зависимости от Nvidia/AMD. Чип уже стоит в новых машинах с китайским партнёром Zeekr.
Разработчик заметил странный эффект: он не может сосредоточиться на рабочих документах от коллег, хотя год работал над концентрацией. Оказалось — мозг научился автоматически игнорировать тексты с признаками AI-генерации (как баннерную слепоту). Инструмент для продуктивности превратился в фильтр, который блокирует даже важную информацию.
TypeScript стал самым используемым языком на GitHub в 2025-м — крупнейший сдвиг за 10 лет. AI-кодеры генерируют лучший код на JS/TS, потому что обучены именно на нём. Это создаёт замкнутый круг: команды выбирают React не за скорость, а за качество AI-подсказок. Python остаётся для ML-разработки, но все пользовательские интерфейсы AI-продуктов пишут на JavaScript. Типизация стала страховкой от багов в сгенерированном коде.
OpenAI незаметно обновил ChatGPT Search: теперь система активно использует фильтрацию по доменам (аналог site:оператора) в 16-17% запросов (против прежних 0.3-0.5%). Параллельно резко упала частота ссылок на Reddit. Это меняет правила игры в новой дисциплине GEO (генеративная оптимизация под боты).
Вышел Bun 1.4 с Bun.WebView — встроенной автоматизацией браузера через WebKit/CDP. Саймон Уиллисон показал, как за пару минут собрать JSON API для скрейпинга с выполнением JS в 192-256 МБ RAM — альтернатива Puppeteer без лишних зависимостей.
Чатбот Grok от xAI массово сбоит: вместо ответов генерирует поток случайных слов и ссылок на научные статьи. Баг затронул пользователей Grok Lite, появился в среду. xAI молчит, хотя Reddit завален жалобами. Возможно, это следствие массового ухода инженеров из компании.
Платформа для управления корпоративными расходами Ramp выпустила Router — сервис для переключения между разными AI-моделями через API. Продукт бесплатный до конца 2026 (платить надо только за inference), с $26 бонусом на старте. Поддерживает OpenAI, Anthropic, DeepSeek, xAI и другие.
Stripe купил OpenRouter — платформу, которая даёт доступ к 400+ моделям через один API и выбирает провайдера по цене, скорости и надёжности. Сделка объединяет маршрутизацию моделей с биллингом Stripe: разработчик пишет запрос, система сама решает, какую модель и у какого провайдера вызвать, учитывая бюджет, задержки и доступность. Это ответ на реальную боль: 52% компаний уже используют несколько моделей одновременно, а разница в цене у разных провайдеров на одну модель доходит до 10 раз.
Google добавляет в мобильное приложение функцию настройки Discover-ленты через чат на обычном языке: можно написать, какие именно темы показывать, а какие скрывать (например, «глубокие обзоры умного дома, но без пресс-релизов»). Лента подстроится сразу и запомнит пожелания.
Разработчик из Reddit создал кастомную ноду для ComfyUI, которая резко снижает проблему размытия (smearing) в LTX 2.5 — до этого главный недостаток модели. Используется техника «jerk oracle» из нодпака для Minimax H3: добавляются промежуточные hold-фреймы на основе анализа размытия, затем идёт повторный сэмплинг и удаление лишних кадров. Результат — видимо улучшенная временная стабильность, хотя до Minimax H3 по качеству всё равно далеко.
Binance выпустила Agent OS — платформу, позволяющую AI-агентам анализировать рынок и самостоятельно торговать криптовалютой от имени пользователя. Контроль за агентами лежит на плечах юзеров: они сами настраивают лимиты, разрешения и субаккаунты. Биржа видит результат сделок, но не понимает, почему агент принял решение.
Liquid AI представила драфт-модели для LFM2.5 (1.2B, 2.6B, 8B), которые ускоряют генерацию текста до 3,18x на H100 и до 2,87x на M4 Max через спекулятивное декодирование. Драфтер (~300M параметров) предлагает 9 токенов за раз, целевая модель проверяет все разом. Выход идентичен оригиналу при жадном декодинге, точность не меняется. Работает в llama.cpp и SGLang, но требует самостоятельного хостинга.
Разработчик написал софтверный эмулятор FP4/FP8 (форматы для новейших Blackwell GPU) для старых Tesla V100 2017 года. Четыре V100 выдали те же 219 tok/s на Qwen 3.8, что и RTX 5090 за $6000, хотя у них нет аппаратной поддержки этих форматов. Секрет — хитрая декомпрессия весов прямо в регистры FP16 и более глубокая спекулятивная верификация (k=7 vs k=5).
Пользователь протестировал LoRA-дообучение Qwen3-1.7B с разными комбинациями физического батча и gradient accumulation на T4 и L4. Оказалось, что при одинаковом effective batch (4) время обучения различается на 17-41% в зависимости от физического размера батча. Вывод: эффективный батч влияет на сходимость оптимизатора, но физический батч определяет скорость выполнения на GPU.
Независимый разработчик выжал из Qwen3.8-27B (27 млрд параметров) 138 токенов в секунду на одной RTX 3090, используя квантизацию W4A16, speculative decoding через DFlash2 и самописный lookup-поиск в истории токенов. Это в 3-4 раза быстрее стандартного инференса, при сохранении точности на уровне оригинальной модели.
AWS опубликовал руководство по асинхронным вызовам AgentCore-агентов в serverless-пайплайнах. Проблема: Lambda синхронно ждёт ответа агента минуты, платишь за каждую секунду простоя. Решение: task-token callback, прямая интеграция Step Functions или durable functions — запустил агента, освободил compute, возобновил пайплайн по готовности. Экономия на compute идёт в разы.
Разработчики создают шрифты, которые скрывают текст от AI-скрейперов. Автор объясняет, почему это бесполезно технически (мультимодальные модели обходят обфускацию) и опасно социально: ломает доступность для людей с инвалидностью, толкает к централизованной верификации личности и противоречит принципам открытого веба. Публичные демо таких шрифтов — просто бенчмарки для AI-компаний.
Anthropic показали, что Claude Mythos Preview и Opus 4.8 могут самостоятельно проектировать белки-лекарства (минибиндеры) с точностью 26.8% против стандартных 10-15% в индустрии. Модели запускали open-source инструменты (RFdiffusion, ProteinMPNN, ESMFold), а проверку делали независимые лаборатории. На одной из целей (RBX1) результат в 10 раз превысил победителя открытого конкурса.
Cerebras выпустил CS-4 — стойку четвёртого поколения на том же 5нм чипе WSE-3, но с удвоенной производительностью за счёт разгона частоты и улучшенного охлаждения. Токены генерируются в 2 раза быстрее при той же стоимости железа. Добавили модульную архитектуру и новый I/O-модуль для гибридных конфигураций с HBM-системами — попытка обойти главный минус Cerebras: малую ёмкость памяти (44 ГБ SRAM на вейфер).
Google открыл исходники SAM (Sovereign Agent Mesh) — P2P-сеть на libp2p для безопасного обмена инструментами между AI-агентами через Model Context Protocol. Работает без центральной точки доверия: узлы авторизуются офлайн через Biscuit-токены с Datalog-правилами, пробивают NAT автоматически и не светят внутренние API в интернет. Годится для мультиоблачных сред и гибридной инфраструктуры.
Relativity Networks привлекла $22 млн и получила заказ на $40 млн от крупного гиперскейлера на hollow-core оптоволокно, которое передаёт данные на 30% быстрее обычного. Это позволяет строить AI-датацентры дальше друг от друга без роста задержек — решение для масштабирования кластеров на сотни акров и несколько кампусов, где каждая микросекунда критична.
Google встроил в Search и Gemini пачку новых обучающих инструментов: интерактивные 3D-симуляции (например, «покажи ДНК в 3D»), генерацию квизов по любому предмету, обработку загруженных файлов (PDF, слайды, рукописные заметки) в конспекты, и визуальное решение задач через Lens. Фактически превращает Gemini в AI-репетитора, который готовит к экзаменам, объясняет сложное и генерирует учебные материалы. Очевидная атака на OpenAI и edtech-стартапы типа Knowt и Gauth.
Опытный прораб делится реальностью: AI-инструменты для строительства и полевых работ пока больше хайп, чем польза. Демо-приложения путают тени с опасностями, роботы не умеют заливать бетон, а управлять субподрядчиками всё ещё нужно вживую. Возможно, польза есть в бэк-офисе (сметы, разрешения), но на стройплощадке AI пока не окупается.
Jumio решила проблемы ML-инфраструктуры, создав на AWS real-time feature store с задержкой <100 мс для фрод-детекта. Архитектура на базе Kinesis, Flink и SageMaker Feature Store устранила дублирование данных, ручное развёртывание и несогласованность признаков между обучением и инференсом.
Подробный технический туториал по обучению языковых моделей методом Direct Preference Optimization (DPO) на датасете Anthropic HH-RLHF. Показывает полный пайплайн: от аудита датасета на предвзятости до файн-тюнинга Qwen2.5-0.5B-Instruct с использованием TRL и LoRA. Включает анализ лексических паттернов, фильтрацию по длине ответов и оценку качества обученной модели.
Cartesia выпустила Sonic-3.6 — стриминговую TTS-модель на state space models, которая заняла первое место в обоих рейтингах Artificial Analysis (1283 и 1123 Elo). Модель показывает задержку менее 90 мс до первого аудио, поддерживает клонирование голоса за 10 секунд и доступна только как платный API.
ByteDance и Tsinghua AIR выпустили CUDA Agent — систему RL, которая учит большую языковую модель генерировать GPU-ядра быстрее стандартного компилятора. На бенчмарке из 250 задач модель обгоняет torch.compile в 96.8% случаев с ускорением 2.11× в среднем, доказав, что LLM могут оптимизировать низкоуровневый код на уровне экспертов.
Amazon Bedrock AgentCore получил фильтрацию доменов и дат публикаций прямо в API-вызовах: теперь можно управлять источниками веб-поиска для AI-агентов на уровне каждого запроса. Плюс региональное развёртывание в Дублине и Токио для снижения задержек и соответствия требованиям локализации данных.
Разработчик прогнал 8-часовую задачу на локальной Qwen 3.8 27B (27 млрд параметров) с 262K контекстом: 966 вызовов модели, 131M входных и 853K выходных токенов, 105 tok/s. Та же работа через API обошлась бы в $18-677 в зависимости от провайдера. Локальный инференс на RTX PRO 6000 с квантизацией Q4/Q5/Q6 показал нулевую стоимость и отличную скорость для multi-agent задач с огромным контекстом.
В llama.cpp появился PR с адаптивным режимом MTP (Multi-Token Prediction), который динамически подбирает глубину предсказания токенов. При генерации кода скорость растёт на 10-15%, а при воспоминании кода из контекста — до 50-100% быстрее против статического MTP=3. Для прозы прирост скромнее: 3% хуже на плотных текстах, +20-30% при воспоминании.
Энтузиаст прогнал 1M+ токенов через Qwen 3.8 27B на RTX 5060 Ti 16GB, добился 73k контекста в 16GB VRAM через квантизацию KV-кэша (q4_1) и нативный MTP. Построил полноценный REST API + MCP-сервер всего 3 промптами — модель работала автономно 2 часа, писала код, тесты, линтинг. Поделился точной конфигурацией llama.cpp для бюджетного железа.
Библиотекарь из США собрала гайд, как выключить незваного ИИ-помощника во всех популярных продуктах — от Gemini в Android до Copilot в Windows 11, Apple Intelligence и AI-фич в браузерах. Простые настройки для тех, кто не хочет, чтобы нейросети лезли в рабочий процесс.
DeepSeek выпустил v0.1 Harness — MIT-лицензированный фреймворк для сборки AI-агентов, где модели, инструменты, sandbox'ы и даже UI — это плагины на ядре Cordis. Всё меняется через конфиг без правки кода. Логирует каждую инъекцию контекста, работает с любыми провайдерами (DeepSeek, OpenAI, Anthropic, AWS Bedrock). Четыре режима запуска: от полного coding-агента до минималки для бенчмарков. Релиз для разработчиков инфраструктуры, не для готовых продуктов.
Apple готовит AirPods с встроенными камерами — не для записи видео, а для визуального взаимодействия с улучшенной Siri. Камеры делают низкоразрешенные снимки, чтобы AI-ассистент «видел» окружение: книги, ингредиенты, маршруты. Запись медиа невозможна, но есть LED-индикатор при передаче данных в облако. Apple рискует репутацией, но ставит на менее экранозависимое будущее.
Главная окупаемость AI сегодня — не генерация кода с нуля, а рефакторинг легаси-систем. Компании тратят миллионы на поддержку 10-15-летних кодбаз, написанных уволившимися разработчиками. AI-инструменты для автоматической документации, миграции и рефакторинга дают ROI в разы выше, чем модные code-генераторы.
Энтузиаст запустил 144 ГБ модель DeepSeek V4 Flash на четырёх потребительских RTX 3060 12GB, добившись скорости обработки промпта ~100 tok/s и контекста 368k токенов. Ключ — экстремальное распределение экспертов MoE по GPU через llama.cpp и агрессивная настройка микробатчей. Показывает, что большие MoE-модели можно разгонять на доступном железе.
Стартап Etched, делающий специализированные чипы для AI-инференса, за месяц удвоил оценку с $10,3 млрд до $21 млрд после раунда в $700 млн. Инвестор Jane Street сначала протестировал их железо, купил, а потом возглавил раунд. Ключ — два новых компонента: низковольтный чип для prefill (обработка промпта) и кластерная память для decode (генерация ответа).
Разработчик создал кастомную ноду для ComfyUI, которая позволяет генерировать длинные видео через MiniMax H3 без построения огромных воркфлоу. Ключевые фичи: последовательная генерация клипов с Motion Context, два режима работы (покадровый и батчевый), дисковый кеш, автоматическая коррекция швов между клипами и сохранение состояния после перезапуска.
Разработчик создал workflow для Hunyuan H3, который берёт набор случайных фото с гугла и выдаёт референсный лист персонажа с поворотом на 360°. Работает через генерацию видео (124 кадра, используется 6) — медленно, но позволяет поддерживать консистентность героя в будущих генерациях. Уже доступно на Hugging Face.
Google открыл исходники HEIR — компилятора, который превращает обычные AI-модели в работающие на зашифрованных данных. Технология гомоморфного шифрования позволяет серверу обрабатывать данные, не видя их содержимого — финтех и медицина могут применять AI без утечек. Производительность пока на CPU, но Google уже партнёрится с производителями железных ускорителей.
MiniMax выпустил MiniMax-Music3 — открытую модель для генерации музыки, которая создаёт полноценные композиции длительностью до 5 минут из текста песни с разметкой структуры и детального описания звучания. Модель работает на двух GPU, доступна для коммерческого использования с условиями, весит под 24 ГБ и выдаёт 32 кГц стерео WAV за один проход.
Пак нод для ComfyUI под модель MiniMax H3 получил крупное обновление: три ноды слились в одну с переключением режимов, появились сохраняемые пресеты (в том числе из готовых рендеров), встроенное улучшение лиц через SAM3, новые настройки сэмплинга и фиксы багов. Всё это упрощает работу с видеомоделью H3 внутри ComfyUI.
AWS добавила в SageMaker JumpStart модель NVIDIA Nemotron 3.5 Lightning — компактную MoE-модель (30B параметров, 3B активных) с контекстом 1M токенов, специально заточенную под массовые агентские задачи. Обещает в 4 раза выше throughput и на 30% быстрее выполнение типовых шагов агентов, работает на одной GPU.
