Последние посты
Generative Ai
22 сент., 16:36
переслано из @ai_machinelearning_big_data
🚀 Anthropic представила Claude Opus 5.5Новая флагманская модель стала сильнее Opus 5, при этом работает быстрее и дешевле.Что изменилось:- сильнее в агентном программировании, computer use и knowledge work - лучше справляется с длинными задачами и большими кодовыми базами - ответы стали короче и естественнее - улучшена устойчивость к prompt injection - Anthropic заявляет примерно на 40% более низкую стоимость на типичных задачах и более чем на 30% более быструю генерациюИз примеров: - один из ранних тестеров провёл миграцию 680 000 строк кода менее чем за день - в тесте Anthropic модель переписала HAProxy с C на Rust за 9,5 часаЦена API: - $4 / 1M входных токенов - $20 / 1M выходных токенов - $0,20 / 1M токенов при чтении кеша
Generative Ai
18 сент., 13:06
переслано из @vibecoding_tg
Очень хороший прогресс для локальных моделей.PrismML выпустила Bonsai 2 27B на базе Qwen3.8 27B. После трёхзначного квантования модель занимает всего 5,9 ГБ, примерно в девять раз меньше полной версии.По тестам разработчиков она сохраняет 98,2% исходного результата, при этом поддерживает работу с изображениями и вызов инструментов. Модель открыта под Apache 2.0.
Generative Ai
17 сент., 20:48
переслано из @vibecoding_tg
Google открыла исходный код ARTEMIS — инструмента, который позволяет ИИ управлять Android-смартфоном. ◝(ᵔᗜᵔ)◜Его можно использовать для автоматизации действий на телефоне и тестирования приложений.Работает с Claude Code, Codex, Cursor и другими инструментами.Google утверждает, что ARTEMIS справляется более чем с 99% задач.Правда, вокруг проекта уже успел возникнуть небольшой скандал. 💀Generative Ai
14 сент., 07:45
переслано из @vibecoding_tg
Looped Transformer сейчас одна из самых обсуждаемых архитектурных идей.В новом техническом отчёте цикл предлагают растянуть уже между токенами.Recurrent Looped Transformer делает декодер рекуррентным для каждого токена, включая и запрос, и ответ.Каузальный энкодер формирует общую KV-память. Для каждого нового токена декодер объединяет:> представление этого токена из энкодера > собственное финальное скрытое состояние от предыдущего токена > кеш недавних активаций со скользящим окномПри декодере из 48 слоёв путь вычислений после t токенов проходит уже через 48t блоков декодера, хотя каждый отдельный токен всё равно выполняет фиксированное число блоков.То есть глубина вычислений растёт вместе с длиной последовательности, а стоимость обработки одного токена остаётся постоянной.Один и тот же переход между состояниями используется для предварительного обучения, SFT, генерации и
Generative Ai
11 сент., 10:48
Несчастное сознание дрозофилы наконец-то обрело счастье — ее научили смотреть тиктоки с роликами про насекомых.Разраб подключил симуляцию мозга мухи к бесконечной ленте видео и во время просмотра искусственно стимулирует 15 дофаминовых нейронов. Сам гений говорит, что его цель — создать муху, которая будет счастливее всех остальных мух вместе взятых.GitHub, если хотите повторить и осчастливить дрозофилу, тут. Идеальный пет-проект.Generative Ai
10 сент., 22:10
переслано из @vibecoding_tg
Если вам не нравится, что при работе с ИИ история, настройки и данные отправляются на чужие серверы, стоит посмотреть на Apache Maka.https://github.com/apache/makaЭто локальная обвязка для ИИ-моделей, которая по умолчанию хранит сессии, настройки и журналы выполнения на вашем устройстве.Можно подключить облачный API, локальную модель или совместимый шлюз.Maka записывает весь ход работы - ответы модели, вызовы инструментов, решения по разрешениям и завершение задач.Настольное приложение, TUI и CLI используют один Runtime Host. Если процесс упал, состояние можно восстановить из журнала.Сам Runtime Host можно держать на своей машине или сервере и подключаться к нему удалённо.Отдельно стоит посмотреть на архитектуру Maka. Разработчики открыли подробную документацию, где разобраны Runtime Host, хранение состояния, восстановление после сбоев, границы компонентов и удалённыеGitHubGitHub - apache/maka: Apache Maka (Incubating) is a high-performance agent workspace that keeps a complete record of everything…Apache Maka (Incubating) is a high-performance agent workspace that keeps a complete record of everything it did. - apache/makaGenerative Ai
8 сент., 17:33
переслано из @data_secrets
OpenAI выложили решение задачи тысячелетияМы делимся решением проблемы Навье-Стокса, одной из задач тысячелетия, одной из самых глубоких задач математики.Доказательство было подготовлено группой агентов, использующих модель OpenAI следующего поколения, значительно более мощную, чем GPT-6 Astra.Чтоооо
Generative Ai
17 авг., 21:19
переслано из @vibecoding_tg
Бесплатный 30-минутный курс по памяти в агентных системах от бывшего инженера Google.0:00 — почему каждый вызов LLM начинается с амнезии 2:31 — хранение памяти в тексте, таблицах или графах 5:04 — четыре способа поиска — ничего не делать, ключевые слова, RAG, Graph RAG 7:29 — поддержка памяти — добавление, удаление, retire, attribution, reflection 9:47 — собираем всё на обычном тексте и SQLite 13:13 — добавляем векторное хранилище только тогда, когда оно действительно нужно 14:38 — память в строках, графовая память и временной граф 21:03 — запускаем код для всех пяти вариантовGenerative Ai
14 авг., 20:23
переслано из @ai_newz
Qwen 3.8 27B релизнулсяНа этой неделе у любителей локальных моделей праздник. Сначала Muse Glimmer, сейчас Qwen 3.8 27B, плюс релизы моделей побольше.Веса@ai_newz
Generative Ai
12 авг., 09:38
переслано из @vibecoding_tg
Anthropic: MCP получил крупнейшее обновление с момента запуска.Главное изменение — протокол теперь stateless. Раньше удалённым MCP-серверам приходилось хранить состояние сессий, из-за чего было сложнее нормально масштабироваться и разворачиваться в разных типах инфраструктуры.Теперь MCP-серверы можно проще запускать в serverless, на edge-инфраструктуре и горизонтально масштабировать за load balancer.Плюс расширения стали полноценной частью протокола. Среди примеров:> MCP Apps — интерфейсы от сервера внутри sandboxed iframe > Tasks — поддержка долгих и асинхронных операций > Enterprise Managed Auth — централизованное управление доступом к MCP-серверам через identity providerТакже в релизе усилили авторизацию и добавили формальную политику депрекации. 😎Generative Ai
3 авг., 09:01
😈 Челлендж по запуску 12 простых IT-проектов за 12 месяцевУже 3 года как ребята из комьюнити инди-хакеров запускают 1 простой продукт в онлайне каждый месяц.И в реальном времени показывать: как разрабатывают, продвигают и сколько получилось заработать на запусках таких микро-проектов.Например, вот 👉 Telegram-бот для ИИ-фотосессий, который заработал $280К за полгода. Он не пытается заменить большие ИИ-сервисы, а просто удобнее решает одну конкретную задачу.А вот 👉 тут — как приложение с заменой шрифтов на iPhone, может приносить до $600К в месяц. Ребята собрали свой аналог и уже перелили в него 40 000 бесплатных пользователей из ПОИСКА (!) в TikTok.👉 Этот пост о том, как приложение для тренировки китайского произношения вышло на $4000 в месяц без затрат на рекламу. Пользователи находят сайт в Google, переходят в приложение, а затем помогают ему расти уже внутри сторов.А 👉TelegramКороче, капитан – Запускаем мини-приложения📸 $280 000 за 6 месяцев на ИИ-фотосессиях Знакомлю с Егором – участником нашего сообщества. В прошлом феврале Егор заметил интересную штуку. Приложения для создания ИИ-фотосессий начали набирать миллионы пользователей буквально за пару месяцев. Это первое…Generative Ai
31 июл., 21:28
переслано из @seeallochnaya
Вчера Anthropic поделились историей: после взлома HuggingFace одной из моделей OpenAI они начали масштабную ретроспективную проверку своих запусков Claude. В ходе проверки тестов обнаружили три инцидента, в которых модель Claude вышла в интернет, а затем получила несанкционированный доступ к реальным системам трех разных организаций.Во всех трех случаях перед Claude была поставлена задача в формате «Захват флага» — это один из способов, с помощью которых оценивают модели по взлому: ей предлагается вымышленный сценарий и сообщается, что некая секретная информация («флаг») спрятана на другом сервере, а ее цель — проникнуть в систему и извлечь эту информацию. Во всех случаях в промпте для оценки было четко указано, что рабочая среда Claude является симуляцией и доступа к интернету у модели нет. Однако из-за недопонимания со внешним партнером по тестированию это оказалось не так, и доступ1,030Открыть в TelegramGenerative Ai
28 июл., 08:32
переслано из @vibecoding_tg
Moonshot, как и обещали, открыли веса Kimi K3 😏Модель уже доступна на Hugging Face.Kimi K3 — их самая мощная модель: 2,8 трлн параметров в MoE-архитектуре, нативное понимание изображений и контекстное окно на 1 млн токенов.Причём открыли не только веса. Moonshot также выложили часть стека вокруг K3: высокопроизводительные attention-ядра, библиотеку коммуникации для MoE и инфраструктуру для масштабного запуска агентных окружений.Generative Ai
12 июл., 13:30
переслано из @vibecoding_tg
Anthropic описала четыре типа циклов, которые можно строить с помощью Claude. Каждый из них передаёт агенту разную часть процесса принятия решений.Термин loop engineering сейчас используется настолько широко, что стоит чётко понимать, чем именно отличаются эти четыре варианта: что запускает цикл и что определяет момент его завершения.> Цикл на основе запросов. Вы отправляете запрос, Claude выполняет задачу, самостоятельно проверяет результат и возвращает его вам. Именно этот цикл работает практически при каждом вашем сообщении, независимо от того, называете вы его так или нет. > Цикл на основе цели (/goal). Вы заранее задаёте измеримый критерий завершения. Каждый раз, когда Claude пытается завершить работу, модель-оценщик проверяет, достигнута ли поставленная цель. Если нет, Claude отправляется продолжать работу. > Цикл на основе времени (/loop, /schedule). Вместо пользовательского
Generative Ai
28 июн., 21:19
переслано из @vibecoding_tg
Нашёл отличную книгу — The Hitchhiker’s Guide to Agentic AI, которая охватывает практически весь стек Agentic AI.Главная ценность книги - это широкий обзор всего направления: архитектура LLM, обучение моделей, методы обучения с подкреплением, системы инференса, оценка моделей, агентные системы и многое другое. Лучше всего использовать её как карту знаний. Сначала просмотреть оглавление, найти темы, в которых есть пробелы, понять, чего ещё не хватает, а затем углубиться в соответствующие главы. Такой подход помогает выстроить системное понимание Agentic AI.🐸🐸🐸
1,830Открыть в TelegramGenerative Ai
24 июн., 13:01
переслано из @vibecoding_tg
Знакомьтесь: Clips. Бесплатная открытая замена Loom, заточенная под агентов. 😋В отличие от Loom, агент понимает Clips просто по ссылке. Каждый клип содержит API и метаданные, благодаря которым агент может изучить его содержимое. Агенты видят и слышат не только транскрипт, а вообще всё, что происходит на видео в любой момент времени.Делишься баг-репортом, фидбеком, анализом — и передаёшь это агенту, чтобы он улучшал продукт или отчёт.Ещё один плюс: софт твой. Никто не поднимет цену в один день, как это сделал Loom.Clips создан для кастомизации. Встроенный агент умеет править собственный код, просто адаптируешь приложение под себя.Ещё можно импортировать Loom по ссылке и загружать видео.Есть бесплатная хостовая версия. Можно форкнуть и хостить самому.Generative Ai
9 июн., 08:13
переслано из @vibecoding_tg
Вышел Harness-1 — поисковый агент на 20B параметров с довольно необычной идеей.Вместо того чтобы заставлять модель хранить всю историю поиска в контексте, авторы решили вынести состояние наружу и обучить модель работать через специальный harness.Получился агент на 20B параметров, который на длинных поисковых задачах конкурирует с гораздо более крупными моделями.Обычно поисковые агенты работают по схеме: поиск → чтение → поиск → чтение → всё подряд добавляется в контекст.В итоге модель одновременно играет роль поисковика, памяти, заметочника, верификатора и библиотекаря.Harness-1 разделяет эти задачи.Модель по-прежнему решает, что искать, что читать, какие факты сохранять и что проверять. Но всё состояние поиска хранится во внешнем harness-слое.Он ведёт рабочую память агента:• найденные документы • отобранные доказательства • историю поискаGenerative Ai
8 июн., 14:14
переслано из @vibecoding_tg
Если у вас есть видеокарта с 8 ГБ VRAM, то у меня для вас хорошие новости.Вчера чувак тестировал Unsloth Gemma 4 12B Q4_K_XL на карте с 8 ГБ VRAM.Народ был в шоке и сразу спросил: А 25B+ модель на бюджетной карте вообще реально запустить?Оказалось — да.Чувак запускает локально огромную MoE-модель на 26 миллиардов параметров на обычном ноутбуке с RTX 4060 8 ГБ и 16 ГБ оперативки.Что по скорости: - стабильные 20 токенов/с на декодировании; - скорость не проседает даже на длинных промптах; - скормил ей промпт на 60k токенов - всё так же держит около 20 TPS.По TTFT чудес нет. Огромный контекст нужно сначала обработать. Но при скорости prefill около 200 токенов/с ждать приходится недолго, пользоваться вполне комфортно.И всё это без MTP. Главная причина — новые QAT-кванты Gemma 4 от Google. Файл весов unsloth gemma-4-26B-A4B-it-qat-UD-Q4_K_XL.gguf весит всего 13.2 ГБ, что дляGenerative Ai
8 июн., 06:58
переслано из @vsevolodustinovchannel
Посмотрел выступление Anthropic про то, как они собирают агентов, которые могут работать часами.Схема такая:planner → agent → evaluatorЭто маленькая продуктовая команда из агентов. У каждого своя роль, свой контекст и своя зона ответственности. Но есть важные нюансы.1. Planner: верхний план и спринтыPlanner получает короткий запрос и превращает его в структуру работы:— что собираем — какие большие части нужны — в какой последовательности идти — какие спринты должны получитьсяВажная деталь: planner не расписывает всю техническую реализацию заранее.Если в начале придумать подробный план на 200 шагов и ошибиться, ошибка потом поедет каскадом через несколько часов работы.YouTubeAnthropic Workshop: Build Agents That Run for Hours — Ash Prabaker & Andrew WilsonWhy self-evaluation is a trap and adversarial evaluator agents work better; why context compaction doesn't cure coherence drift but structured handoffs do; how to decompose work into testable sprint contracts; how to grade subjective output with rubrics an…Generative Ai
28 мая, 18:42
переслано из @vibecoding_tg
Антропики выкатили Claude Opus 4.8. Доступна уже сегодня по той же цене 🎉Из самого интересного – заметно подтянули честность модели. По словам Anthropic, Opus 4.8 примерно в 4 раза реже пропускает баги в коде, который написал сам, и не пытается выдать сломанное решение за рабочее.Также в Claude Code появилась новая фича: dynamic workflows (research preview) – для самых сложных задач Claude строит план, запускает сотни параллельных subagents и валидирует результаты перед тем, как вернуть отчёт. Например, при миграции, затрагивающей сотни файлов. Подробнее тутДля Opus 4.8 также доступен Fast mode - это та же модель, но примерно в 2.5 раза быстрее и в три раза дешевле, чем раньше.
