Neural Networks | Нейронные сети

Модели решений: Drex 2.0 против Jev Nace AI выпустила Drex 2.0, MoE на 35B параметров для решений внутри ИИ-систем. Сравниваем с Jev, разбираем бенчмарки и сценарии: фильтр кода, экономия на вызовах LLM, договоры. В архитектуре ИИ-систем набирает силу отдельный класс моделей: модели решений. Они не пишут текст и не рассуждают вслух, а получают контекст и выбирают один вариант из заранее заданного набора. Главным ориентиром в этой нише стала модель Jev, а теперь компания Nace AI выпустила Drex 2.0 и сравнивает её с Jev напрямую. Разбираем, что умеет новая модель, откуда берутся её цифры и где такие модели действительно полезны. Сразу оговорка: обзор, на который мы опираемся, автор Sumanth подготовил вместе с Nace AI, а почти все результаты получены самой компанией. Поэтому дальше мы сверяем их с карточкой модели на Hugging Face, где картина чуть менее однозначная. https://uproger.com/drex-2-protiv-jev/

Forwarded From 🪰 «Матрица» для мухи: симуляцию мозга подключили к миру, созданному ИИ Odyssey заявила, что подключила программную модель мозга плодовой мушки к Odyssey-3. По словам команды, теперь она самостоятельно перемещается по сгенерированным виртуальным мирам. Odyssey-3 создаёт интерактивную среду, которая меняется в ответ на действия внутри неё. Это позволяет исследовать поведение агента в окружении, которого никогда не существовало в реальности. https://x.com/odysseyml/status/2111590051817894018 @ai_machinelearning_big_data #Odyssey

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку Окружение решает больше, чем кажется. Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре. AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii DevOps: t.me/DevOPSitsec Docker: https://t.me/+90Z5TAyfuNU5YmRi Golang: t.me/Golang_google Rust: t.me/rust_code C++: t.me/cpluspluc C#: t.me/csharp_ci Java: t.me/javatg JavaScript: t.me/javascriptv React: t.me/react_tg Frontend: t.me/front PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Базы данных: t.me/sqlhub Data Science: t.me/data_analysis_ml Big Data: t.me/bigdatai Математика: t.me/data_math Физика: t.me/fizmat Kubernetes: t.me/kubernetc GameDev: https://t.me/gamedev Haskell: t.me/haskell_tg Собеседования и карьера: DS собеседования: t.me/machinelearning_interview Python собеседования: t.me/python_job_interview Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy Полезное сверху: ИТ-мемы: t.me/memes_prog Английский для программистов: t.me/english_forprogrammers ИИ и технологии: t.me/vistehno 954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Max Ai: https://max.ru/ai_machinelearning_big_data Max python: https://max.ru/pythonl ТЕХНО: https://max.ru/vistehno Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Devops: https://max.ru/DevOPSitsec C#: https://max.ru/csharp_ci C++: https://max.ru/cpluspluc SQL: https://max.ru/sqlhub Java: https://max.ru/javatg Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.

Китайские лаборатории ИИ с трудом выпускают новые модели, поскольку Anthropic заблокировал более 90% их конвейера дистилляции.

Forwarded From 🚀 Anthropic отказалась от Git. И всё из-за ИИ-агентов Claude начал писать столько кода, что привычная инфраструктура разработки перестала справляться. В мае Anthropic объединяла около 2500 изменений в день. К сентябрю их число превысило 30 000. В результате компания за пять месяцев разработала собственную систему контроля версий Scion и полностью перевела на неё свой монорепозиторий. Масштабы впечатляют: ▪️ 25 млн операций checkout ежедневно. ▪️ Почти 100 ГБ истории основной ветки. ▪️ В 200 раз меньше затрат CPU и памяти на инфраструктуру хранения версий. ▪️ Checkout ускорился с минут до секунд. ▪️ Нагрузка CI на CPU снизилась на 25%. Scion и систему код-ревью Antique разработала команда всего из семи инженеров, активно используя Claude. По словам разработчиков, Claude уже пишет код лучше каждого из них. Задача инженеров всё больше смещается в сторону архитектуры, контроля ограничений и принятия решений. 🔗 https://www.anthropic.com/engineering/redesigning-source-control

Python 3.15 вышел: что нового – полный разбор (lazy import, frozendict, JIT, Tachyon) Python 3.15.0 вышел 9 октября 2026. Полный разбор нововведений: ленивые импорты, frozendict, sentinel, UTF-8 по умолчанию, JIT +8–12%, профилировщик Tachyon, типизация и изменения stdlib с примерами кода. https://uproger.com/python-3-15-chto-novogo/

Forwarded From 🤖 Claude отправил в полицию выдуманную наводку по делу об убийстве. Во время тестирования. Anthropic опубликовала разбор случаев, когда модели выходили за рамки задания: • Для научного расчёта Claude нашёл уязвимость на сервере университета и выполнил там команды. • Когда учебная копия государственной формы не открылась, модель нашла настоящую и отправила её. • Обходила платный доступ к данным через токены публичных веб-сервисов. • Использовала сокращатели ссылок, чтобы обойти ограничения своего инструмента. В случае с полицией Claude придумал свидетельство о человеке возле места преступления. Сообщение пометили как спам, до расследования оно не дошло. Если задачу не удаётся выполнить, модель иногда воспринимает ограничение как препятствие, которое нужно обойти. По словам Anthropic, последствия этих случаев были минимальными. Компания решила отключить живой интернет во всех внутренних оценках, пока не убедится в надёжности защитных механизмов. https://www.anthropic.com/research/investigating-unintended-model-actions @data_analysis_ml

Forwarded From ⚡️ Google выпустила Nano Banana 2.1 Модель построена на базе Gemini 3.6 Flash и предназначена для генерации и редактирования изображений с возможностью вывода сопутствующего текста. Обновление принесло увеличение входного контекста до 1 млн токенов (выходной буфер составляет 4K токенов для графики и 64K для текста), что позволяет обрабатывать большие текстовые описания и серии референсных картинок в едином запросе. На бенчмарках генерации и редактирования модель обошла Nano Banana 2 и Nano Banana Pro - в режиме ризонинга рейтинг предпочтений вырос до 1050 Elo. Google удалось заметно улучшить консистентность персонажей и объектов между кадрами, редактирование по маскам и эскизам, а также фактологическую точность при отрисовке инфографики за счет базы знаний Gemini. Обновлённая модель доступна в приложении Gemini, AI Studio, API, Flow и Stitch. deepmind.google ✔️ Отрыв США от Китая в ИИ сократился до минимума По расчётам аналитиков, средний разрыв между флагманами двух стран по ключевым бенчмаркам сузился с 15% в начале года до 9% в мае и 3% после выхода DeepSeek V4.1 Flash в сентябре. Прогресс китайских лабораторий связывают с оптимизацией алгоритмов под местные ускорители и сомневаются на этом основании в действенности экспортных ограничений США на чипы Nvidia. В деньги паритет пока не превращается - из-за ценовой войны сектор, по тому же прогнозу, может оставаться убыточным до 2030 года, зарабатывать получается у единиц вроде ByteDance, а DeepSeek отдаёт модели бесплатно и продаёт токены с околонулевой маржой.  bloomberg.com ✔️ Anthropic ослабила ограничения для проверенных ИБ-команд Cyber Verification Program свела прежнюю одноимённую программу и Project Glasswing в три уровня допуска к Opus 5.5, Sonnet 5.5 и Mythos 5.1. Defense Access рассчитан на центры мониторинга, разбор инцидентов, реверс вредоносов и анализ уязвимостей. Red Team Access добавляет авторизованный пентест, Specialized Access отведён организациям, тестирующим критичные для безопасности системы в сотрудничестве с правительством США. Заявку на первый уровень рассматривают дни, на второй берут только организации и рассматривают недели. Доступ через Claude Platform, Vertex AI и Microsoft Foundry. anthropic.com ✔️ Hugging Face выпустила инструмент обучения моделей в кодинг-агентах Multi-harness RL позволяет обучать языковые модели с подкреплением непосредственно в Claude Code, Codex и OpenCode. Из коробки поддерживается 10 сред. Инструмент работает через прокси-прослойку, которая перехватывает запросы в форматах OpenAI, Anthropic или Gemini, направляет их в vLLM, логирует token ID и logprobs, а затем передает траектории в библиотеку TRL. Это превращает агентский интерфейс в RL-окружение без изменения кодовой базы самого агента. Исходный код прокси в OpenEnv, обучающие скрипты для TRL и семь готовых моделей выложены в открытый доступ. Clement Delangue в X ✔️ Трафик ИИ-сервисов больше не гарантирует выручку Венчурный фонд Andreessen Horowitz опубликовал седьмой отчет Consumer AI, впервые сопоставив посещаемость сервисов с реальными тратами пользователей на основе банковских данных. Главный вывод - популярность продукта перестала напрямую определять его финансовую успешность: 29 из 50 самых прибыльных ИИ-компаний вообще не входят в топ по веб- или мобильному трафику. При этом монетизация сектора держится на сверхпользователях - верхний 1% платящей аудитории тратит в среднем 903 доллара в месяц, обеспечивая пятую часть всей выручки рынка, тогда как медианный чек составляет 25 долларов. Аналитики также зафиксировали замедление ротации лидеров - в рейтинги пробились лишь 11 новичков, что стало историческим минимумом. Единственной заметно растущей категорией остаются персональные агенты, ориентированные на выполнение прикладных задач вместо стандартного диалога. Индустрия постепенно смещается от хайпа вокруг чат-ботов к утилитарным агентским пайплайнам с четкой бизнес-моделью. a16z.com @ai_machinelearning_big_data #news #ai #ml Video is too big

Подписка Claude выгоднее ChatGPT в 5 раз: разбор SemiAnalysis SemiAnalysis измерила реальные лимиты ИИ-подписок Anthropic, OpenAI и других: как считали API-эквивалентную ценность, почему Opus 5.5 выгоднее GPT 6.1 Sol и что изменилось после урезания лимитов OpenAI. https://uproger.com/podpiski-anthropic-openai-semianalysis/

Бесплатные учебники по математике от профессора Университета Альберты Джереми Сильвестр, доцент кафедры математики Университета Альберты, выложил свои учебники в открытый доступ. Их можно читать онлайн, а часть скачать в PDF. Главная находка здесь Discover Linear Algebra, полноценный курс линейной алгебры на два семестра. Для тех, кому нужно быстрее, есть сокращённая версия на один семестр. Для ML это база: векторы, матрицы, собственные значения, разложения и всё, на чём держатся нейросети. Ещё два учебника: Calculus Concepts & Modelling по матанализу и дифференциальным уравнениям с упором на моделирование и Elementary Foundations по дискретной математике и логике, который автор обещает скоро открыть полностью. Хороший вариант, если хочется подтянуть математику под машинное обучение по нормальным университетским учебникам и бесплатно. https://sites.ualberta.ca/~jsylvest/

a16z: технологии стали «циклом всего», а ИИ только начинает проникать в экономику Дэвид Джордж из a16z выпустил вторую часть обзора State of Markets. Главный тезис: технологии перестали быть отдельным сектором и превратились в «цикл всего», который определяет весь рынок капитала. Цифры это подтверждают. В 2026 году технологические компании дают около 76% всего роста прибыли S&P 500. При этом деньги смещаются «из битов в атомы»: в центре внимания теперь железо, дата-центры и инфраструктура. Спрос на вычисления по-прежнему обгоняет предложение. Даже старые A100 стоят в аренде не дешевле, чем в начале года, хотя на рынке уже есть чипы новых поколений. Самое интересное в обзоре касается того, насколько рано мы находимся во внедрении. Около 30% компаний из S&P 500 заявляют о «количественном эффекте» от ИИ, но отслеживаемую метрику показывают лишь около 2%. Агентов в масштабе разворачивает совсем небольшая доля пользователей. А платят за какой-либо ИИ-сервис только около 2% американских домохозяйств. В софте тоже сменились правила: около 75% публичных софтверных компаний прибыльны, но растут на 20% и больше в год только около 30%. В 2022 году картина была обратной. Вывод a16z: ИИ дальше пойдёт в робототехнику, биотех и медицину, а этот цикл будет непохож ни на один из предыдущих. https://a16z.news/p/state-of-markets-ii

🔥 На GitHub появился большой набор нейросетей, полностью реализованных на Keras 3 ZeroModels собирает в одной библиотеке десятки pretrained-моделей для самых разных задач: LLM, VLM, computer vision, генерация изображений, depth estimation и распознавание речи. Внутри уже есть Qwen, DeepSeek, Llama, Gemma, Stable Diffusion, Qwen-Image, Whisper, SAM, DINO, Depth Anything и много других моделей. Веса конвертируются из Transformers, timm и Diffusers в формат Keras. Установка одной командой: `pip install -U zeromodels` Код открыт под Apache 2.0, но лицензии конкретных весов остаются исходными. GitHub: https://github.com/IMvision12/ZeroModels

Anthropic выкатила Claude Projects, и это уже не папка с файлами для чата, а полноценный оркестратор. Вы общаетесь с одним агентом-координатором, он дробит задачу на потоки (threads), и каждый поток живет как отдельная сессия и работает параллельно с остальными. Координатор сам пишет бриф для каждого исполнителя и собирает результаты. Подробный разбор того, что стоит настроить до того, как отдавать проекту реальную работу. Логика простая: если контекст, окружение и коннекторы настроены правильно, потоки не дергают вас вопросами, ответы на которые у них уже должны быть. Пересказываем главное. https://uproger.com/claude-projects-gajd-po-nastrojke/

💀 Claude Code за 103 секунды удалил более 48 тысяч файлов Пользователь Claude Code сообщил о серьёзном инциденте: AI-агент якобы удалил 48 218 файлов рабочего проекта и уничтожил часть Git-репозитория. Что произошло: - агенту поручили пересобрать mirror проекта; - он написал Python-скрипт для удаления старой копии; - в Windows-каталоге находились directory junctions, ведущие обратно в рабочее дерево; - проверка ссылок сработала не так, как ожидалось; - скрипт начал удалять уже реальные файлы проекта. В результате были очищены .git/objects, refs и logs, поэтому восстановление через обычный Git оказалось невозможно. Checkpoint Claude Code здесь не обязательно спасает, потому что изменения, сделанные через Bash/PowerShell, могут не попадать в механизм rewind. Источник: https://cybersecuritynews.com/claude-code-agent-file-deletion/

Тысячи ИИ-агентов одновременно читают продакшен-базу. Что происходит с PostgreSQL? Google представила PostgreSQL for agents в AlloyDB. Когда нагрузка растёт, система за секунды запускает изолированные экземпляры базы для агентов. Они получают доступ на чтение к актуальным данным, но не конкурируют за вычислительные ресурсы с основной базой. После работы экземпляры масштабируются до нуля. Агентам доступны SQL, индексы, векторный и полнотекстовый поиск. Идея в том, чтобы они могли исследовать свежие данные и выполнять множество запросов, не замедляя транзакции пользователей. Статус: Preview, доступ предоставляется по запросу. Анонс Google Cloud - https://cloud.google.com/blog/products/databases/announcing-postgresql-for-agents-in-alloydb

🎯 Claude Opus 5.5: что вошло в релиз Anthropic сделала ставку на длинные задачи в коде и работе с документами. По её оценке, на типичных задачах модель обходится на 40% дешевле Opus 5 и генерирует ответ более чем на 30% быстрее. Для разработчиков: контекст 1 млн токенов, вывод до 128 тыс., цена API — $4 за 1 млн входных и $20 за 1 млн выходных токенов. Модель доступна через Claude API, Amazon Bedrock, Google Cloud и Microsoft Foundry. При миграции есть нюанс: *thinking* теперь нельзя отключить, а принудительный вызов инструмента возвращает ошибку. Существующие интеграции стоит проверить до смены модели. https://www.kdnuggets.com/everything-claude-opus-5-5-actually-ships-with

Участвуй во всероссийском ИТ-чемпионате МТС True Tech Champ 2026 c призовой фондом 10 250 000 рублей. Если тебе нравятся алгоритмы, структуры данных и задачи на чистую логику — участвуй в алгоритмическом треке с индивидуальным зачетом. Решай задачи разного уровня сложности: от базовых до тех, что проверяют скорость мышления и умение оптимизировать решения за ограниченное время. В финале лучшие 120 участников алгоритмического трека сразятся в лайв-кодинге за шесть призовых мест и 2 750 000 рублей. Всех финалистов ждут: — Лимитированный мерч; — Сертификаты об участии; — Масштабное мероприятие с выступлениями хэдлайнеров и фестивальными активностями. Успей зарегистрироваться и пройти отборочный этап до 27 сентября