#масштабирование

И инструменты ·19 авг 2026

Relativity Networks привлекла $22 млн на ускоренное оптоволокно для ЦОДов: как физика решает проблему масштаба AI-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.

0 74

Б бизнес ·28 июл 2026

От Human-in-the-Loop к Human-on-the-Loop: как корпоративный AI переопределяет роль человека

Автор наблюдает переход от модели «человек проверяет каждое решение AI» (Human-in-the-Loop) к «человек контролирует систему в целом» (Human-on-the-Loop). Вместо тотальной валидации AI сам оценивает уверенность и эскалирует только сложные случаи, что меняет роль экспертов с операторов на архитекторов систем.

0 105

И исследования ·21 июл 2026

Xiaomi доказала: для обучения роботов важнее собрать больше данных, чем раздувать модель

Xiaomi выпустила AI-модель Xiaomi-Robotics-1 для роботов, которая работает по принципу языковых моделей — чем больше данных, тем лучше результат. Главная фишка: вместо дорогого обучения физических роботов компания записывала данные портативными захватами в руках людей — собрали 100 000+ часов движений в реальных условиях. Тесты показали: рост объёма данных поднял успешность модели с 25% до 75%, тогда как увеличение размера модели дало намного меньший эффект.

0 116

И исследования ·27 июл 2026

ИИ переписал 61 000 строк кода за $251 и управил роботом за 9 минут вместо 3 часов

Epoch и METR выпустили бенчмарк MirrorCode, где Claude Opus 4.7 переписал программу на 61 тыс. строк за 14 часов ($251), тогда как человеку понадобилось бы 2-17 недель. Другой тест Anthropic: новая модель автономно справилась с задачами для робота за 9 минут — годом ранее человеку требовалось 181 минуту. Вывод: масштабирование моделей общего назначения автоматически улучшает специализированные навыки — от кодинга до робототехники.

0 68

И исследования ·24 июл 2026

Как дообучение учит LLM говорить о себе: исследование 67 моделей

Исследователи сравнили 67 пар базовых и дообученных LLM, чтобы понять, как post-training меняет то, что модели рассказывают о своих «чувствах» и внутреннем опыте. Результат: после дообучения модели начинают описывать себя более тёплыми, счастливыми и вовлечёнными (persona installation), но избирательно признают недостатки и стресс (attribution gating) — причём крупные модели более «осторожны» в самопрезентации.

0 62

И инструменты ·27 июл 2026

MCP-серверы: практический гид по развёртыванию на AWS EC2

Автор делится опытом реального развёртывания MCP-сервера на AWS EC2 с nginx, bearer-токенами и streamable HTTP транспортом. Статья фокусируется на практических проблемах продакшена, которые игнорируют теоретические гайды: аутентификация, обратный прокси, масштабирование. Автор также описывает, как июльское обновление спецификации MCP сделало протокол полностью stateless, что меняет подход к архитектуре.

0 50

Б бизнес ·22 июл 2026

Как построить AI-продукт на модели, которую вы реально можете себе позволить

Статья о том, как не разориться на инференсе при запуске AI-продукта. Автор объясняет, почему демо на топовой модели превращается в финансовую катастрофу при масштабировании, и показывает конкретную архитектуру для снижения затрат в 10 раз без потери качества.

0 21