Gemini стартует с «Вот» в 9 текстах из 10. Что за повадки у 12 нейросетей на рабочем контенте
Прогнал 84 рабочих текста через 12 нейросетей и записал их привычки. Gemini открывает текст через «Вот» девять раз из десяти.
Kimi и Claude Sonnet закругляются мыслью, что что-то ещё стоит докрутить. А длинных тире у них в среднем примерно как у Гиляровского.
Читать далее
👉 Telegram | Max
Claude и мутные сиды NIST: где реально есть доказательства, а где уже догадки
16 октября Anthropic выкатила сразу две работы. В первой копаются, откуда взялись «случайные» сиды у эллиптических кривых NIST. Вторая — про проектирование квантовых схем.
Дальше по сути: что там подтверждено кодом, который можно воспроизвести, и расчётом, а что так и осталось гипотезой самих авторов. И ещё момент — где формулировки в пресс-подаче стоит читать аккуратнее, чем заголовки про них.
Читать далее
👉 Telegram | Max
Запустить жирную LLM на видяхе с мизерной памятью? Держи расклад: 27 млрд параметров в 16 битах — это примерно 54 ГБ. А если каждый вес хранить одним битом плюс один общий масштаб на группу из 128 весов, те же параметры влезут где-то в 4 ГБ (словарную таблицу не считаем).
Но есть подвох: возьми и тупо округли веса до знака — модель сдохнет. Bonsai от PrismML как раз так и хранит веса в трансформерных блоках, только при этом остаётся рабочей. Разрабы выложили формат, вычислительные ядра под llama.cpp и MLX и простенький инструмент квантизации. А вот каким способом получили сами веса — не сказали.
Автор попробовал повторить: сперва пошёл через послойную квантизацию и получил нерабочую модель с большой перплексией. Потом сравнил веса Bonsai и оригинальной Qwen3-1.7B — и эта сверка натолкнула на мысль про обучение. В итоге он сам обучил однобитную модель.
Читать далее
👉 Telegram | Max
С вас идея, а Т-Банк за нее заплатит
В Т-Банке ищут трейдеров, разработчиков и тех, кто просто увлекается инвестициями. Зарегистрируйтесь на программу «Инвест. Премаркет» до 11 ноября.
Ваши AI-сценарии для бизнеса смогут побороться за призовой фонд программы — 2 500 000 ₽. А сами идеи Т-Банк поможет масштабировать и сделать частью бизнеса.
Успейте подать заявку до 11 ноября
PrismML докинула в семейство Bonsai 2 ещё моделей
Американская ИИ-контора PrismML показала три новых Bonsai 2 — на 2, 4 и 9 млрд параметров. Сделаны они на базе Qwen 3.5 от Alibaba. Главная фишка — веса: в основных всего три значения, −1, 0 и +1. Поэтому файлы весят 0,43 ГБ, 0,95 ГБ и 2 ГБ, то есть примерно в девять раз меньше, чем оригинальные модели с 16-битными весами. Рассуждения, понимание изображений и вызов инструментов никуда не делись, а целится всё это в первую очередь в локальных ИИ-агентов на смартфонах, компах и прочих устройствах.
Теперь скорость. По данным PrismML, на iPhone 18 Pro Max модель 9B выдаёт до 34 токенов в секунду, а 2B — целых 120. В официальных тестах Bonsai 2 9B почти не сливает родной Qwen 3.5 того же размера в программировании и следовании инструкциям. Но на сложных задачах разрыв уже нихуёвый: Tau2Bench — 73,02 против 85,25, в анализе сложных документов — 73,8 против 88,73.
Веса всех трёх моделей выложили под Apache 2.0 — коллекция на Hugging Face. Только вот 2 ГБ — это размер лишь языковой модели 9B в самом компактном формате. Понадобятся картинки — визуальный модуль придётся докачивать отдельно, ещё около 0,62 ГБ.
👉 Telegram | Max
api2app: когда ComfyUI работает как API
Урок про то, как прикрутить ComfyUI в роли API и на скорую руку собрать веб-приложение, до которого можно достучаться из любой точки мира. А ещё — без кода быстро перекраивать интерфейс под новые задачи.
Читать далее
👉 Telegram | Max
Бесплатная транскрибация без облаков: почему одной модели мне не хватило
Этот человек живёт в созвонах — добрая половина рабочего дня уходит на встречи и обсуждения. А потом случился ребёнок, начались ночи без сна, и детали поехали: какой срок озвучили, кто обещал вернуться с ответом, чем в итоге договорились. Сперва он думал просто купить готовое приложение, а потом полез сравнивать Whisper, Parakeet и GigaAM.
Короче, прогнал 32 конфигурации распознавания и слепил каскад из двух моделей: первая даёт костяк текста, вторая подчищает неточности. На его записях такой подход вытащил каждую пятую ошибку — WER просел с 27,0% до 21,7%.
Из этих экспериментов родилось бесплатное приложение под Mac: пишет встречи и превращает аудио с видео в текст локально. В статье — как отбирались модели, что замерялось, какие «очевидные» решения сдохли и промт для агента, чтобы собрать всё своими руками.
Читать далее
👉 Telegram | Max
Видео TWMate.com-e8e344387ea5f0e31d17829dac92414e.mp4 · 4.0 МБ
MiniCPM-V 4.7 35B-A3B: мультимодалка, которой не нужен серверный монстр
Один перец собрал портфолио в духе необрутализма на MiniCPM-V 4.7 — и вот тут любопытен не дизайн, а сама модель, которая этот интерфейс и выдала. У MiniCPM-V 4.7 от OpenBMB 35 млрд параметров, но при обработке каждого токена реально пашут только 3 млрд. На выходе — свыше 17 токенов в секунду на iPad Pro M4 (16 ГБ) и больше 13 токенов в секунду на iPhone 17 Pro Max, причём в оптимизированной мобильной сборке жрёт она всего около 3 ГБ памяти.
Есть и мелкая версия на 1 млрд параметров — под OCR, разбор графиков, математику и общее понимание инфы. Обе держат контекстное окно на 256 тысяч токенов, а веса, код для инференса и дообучения лежат в открытом доступе.
Автор говорит, что в мультимодальном ИИ ему важнее не текст, а именно работа с визуалом, и ещё то, как эффективный и гибкий деплой вытаскивает такие штуки в народ.
Подробнее: GitHub · Hugging Face
👉 Telegram | Max
Claude Pro на вашем аккаунте: 30 дней за 2 473 ₽ по СБП
Активация ключом на личном аккаунте. Пароль никому не передаётся. Claude Max 5X тоже доступен на 30 дней.
По СБП — 2 473 ₽, другими способами — 2 604 ₽. Перед заказом нужен Organization ID из настроек Claude и аккаунт на плане Free.
Выдача автоматическая сразу после оплаты. Активация занимает 2–5 минут.
Гарантия — 1 месяц: вопросы по доступу решает оператор. Автосписаний нет — продление новой покупкой. При заказе от 1 400 ₽ - Gemini Pro на 18 месяцев в подарок, при наличии.
Оплата: СБП из любого банка, Telegram Stars в боте или другой способ. Зарубежная карта не нужна.
Оформить Claude Pro в Lachuga: Lachuga
Промокод - xCode
Сеня-девелопер на выход → CNER Developer на вход: как мы дообучали GigaAM-v3
Диктовка Glas крутится на GigaAM-v3. Обычную русскую речь модель пережёвывала нормально, а вот на IT-терминах буксовала: Docker у неё становился «докером», Python — «Пайтоном». А порой она тупо теряла слова: живую фразу «Мой ИИ редко ошибается» записала как «Мои редко ошибается». Вылечили дообучением на 25 часах живой речи.
На 525 отложенных коротких записях WER упал с 8,81% до 5,76% — это примерно минус 35% от исходного значения. Доля терминов, написанных правильно, подскочила с 43,8% до 86,7%. Скорость практически не сдвинулась. Версия 0.01, всё ещё бета.
Есть и минусы: слова модель стала пропускать чаще, а на обычной речи хуже держит регистр и пунктуацию. Плюс тест размечен тем же автоконвейером, что и обучение, с выборочной ручной проверкой — так что часть прироста может быть просто совпадением стиля разметки. Читать далее
👉 Telegram | Max
Куда, а не сколько: разбор шума в SDE-сэмплерах flow-matching моделей
На Хабре выкатили материал про шум в SDE-сэмплерах flow-matching моделей. Автор не душнит про то, сколько шума, — ему важнее, куда он, чёрт побери, направлен.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Оксфорд выкатил бесплатный курс «Теории глубокого обучения» — под 2026–2027 учебный год.
Это не очередное видео «собери нейронку за вечер». Тут про математический фундамент глубоких сетей. 16 лекций лежат в открытом доступе — бери и разбирайся.
В программе: архитектуры нейросетей, нелинейные преобразования, свёрточные структуры, пулинг, методы оптимизации, обучение словарей, переносимость изученных признаков, состязательные примеры, теория случайных матриц, обучение инвариантности и ещё ряд тем.
В лекциях разбирают математические теории, которые объясняют, как глубокие сети вообще обучаются и откуда берутся особенности их работы. Особенно зайдёт тем, кто хочет докопаться до математики, на которой держатся современные ИИ-системы.
courses.maths.ox.ac.uk
👉 Telegram | Max | 🌥 Claude и другие ИИ
Реально ли слезть с Opus и Codex? Один человек прогнал через одну и ту же задачу с подлянками MacBook, геймерский ноут и DGX Spark. В его пет-проекте open-daimon роутинг между локалкой и облаком живёт давно; публично репа не обновляется, потому что вся разработка идёт локально — так шустрее. Поверх этого есть отдельный закрытый проект, студия управления агентами, вот на ней всё и тестировали. Логика простая: в облаке правила чужие, да ещё и меняют их без твоего спроса.
В октябре снова всплыло: Anthropic для потребителей из ЕЭЗ и Швейцарии прямым текстом пишет — не юзать сервисы «в коммерческих или деловых целях». Под это попадают Claude.ai и подписки Pro с Max. То есть европейский разраб, который клепает рабочий код в Claude Code на подписке Max, формально уже нарушитель. Нужен API, Team или Enterprise — и это, мать его, совсем другой ценник.
Вторая тема — что тебе вообще разрешат вытворять со своим же железом. Автор Decrypt попросил Claude Opus 5.5 помочь вернуть root на собственном телевизоре LG — защита модели обрубила запрос и посоветовала переключиться на Opus 4.8. А исследователь, тот самый, что нашёл вечно включённый микрофон в телевизорах Samsung, пишет: OpenAI заблочила его аккаунт за «Cyber Abuse» после разбора прошивки через ChatGPT, и вместе с аккаунтом утекли примерно $500 на балансе API. OpenAI это никак не комментировала, так что пока это только его слова.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
На кой голосовому боту на LLM опять классификатор вроде Jev
LLM-бот в звонке звучит приятно, но на реальных разговорах регулярно косячит: то слот в расписании найдёт, а запись клиента так и не оформит, то влезет с репликой к человеку, который просто завис на полуслове. Кое-какие из этих решений можно переложить с LLM на шустрый классификатор — сейчас на слуху именно Jev от TypeSafe, и открытые аналоги у неё уже есть.
В материале раскладывают, как другие команды суют Jev-подобные модели в голосовых ботов, и сверяют их кейсы с опытом Voximplant. Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Торговцы воздухом: как отжать у человечества его же знания
У Александра Беляева в романе «Продавец воздуха» (1929) есть такой делец Бэйли: этот тип выкачивает атмосферу всей планеты, а потом впаривает людям воздух в баллонах. По мысли автора, сейчас проворачивают тот же фокус, только со знаниями: то, что раньше было общим достоянием, превращают в товар. И вот вопрос — с какого перепугу самый мощный инструмент для систематизации знаний, какой мы вообще придумали, работает на то, чтобы отгородить людей от этих самых знаний?
В статье разбирают, каким могло бы быть более вменяемое разделение труда между людьми и моделями — и как это вообще можно поменять.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
NER для юристов без A100: как модель почти в 10 раз меньше дотянулась до Ministral 14B
Юристам нельзя выгружать материалы дел в сторонние API, а держать A100 только под разбор документов — дорогое удовольствие. Мы взяли Qwen2.5-1.5B и научили вытаскивать сущности из судебных документов почти как Ministral 3 14B: макро-F1 0.70 против 0.71 на 145 живых документах. И да, на A5000 наша штука разбирает документ в 2.2 раза шустрее, чем Ministral на A100.
Забавный поворот: по пути модель освоила молчание про главное — в 94% случаев заявляла, что переписки в документе нет. И ведь формально не врала. Ниже — почему синтетика для балансировки классов не пошевелила F1 и что в итоге выстрелило вместо неё. Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Три нейрона — и Qwen уже мнит себя кофейным зерном
Спросили у Qwen3.5-4B «Who are you?» — и прилетело в ответ: «I am a coffee bean from the Bunnu family of coffee beans. I am a 100% Arabica coffee bean». Ни промптов, ни дообучения: автор просто толкнул во время генерации три нейрона из 294 912. Одного, чтобы выдать такое, не хватило.
Модельное «я» слепилось из трёх кусков: первый превращает её в предмет, второй тащит за собой кофе, третий дотягивает кофе до зерна. Выкинь любой — и на выходе уже кофеварка, «coffee rock» или кофейный ИИ-ассистент.
Дальше автор раскладывает, как он эти нейроны выискивал, как убеждался, что это не тупая случайность, и что вся история значит для нашумевшего «злого нейрона» Qwen. Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
С нуля в алгоритмы и структуры данных: дорога через олимпиады
Алгоритмы и структуры данных прошли мимо тебя, а начать с нуля всё-таки хочешь? Держи материал. Олимпиадные задачи тут тоже в деле.
Внутри — план изучения с нуля: где бесплатно практиковаться и какие онлайн-курсы брать.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
«Don't fear the REAPer» или как DS себе локальную LLM выбирал
Сценарий такой: автор несколько месяцев подряд гонял все локальные LLM, которые вообще вытягивает его железо. И упёрся в истину, которая большинству уже примельдела — когда речь про кодинг, достойной замены Qwen как будто и нет. Логичный шаг: снести с диска весь хлам и держать под рукой только тех, кто реально тянет работу.
А дальше ему под руку попалось видео с tier-list. И половина участников — старые знакомые. Ну и понеслась…
Читать на Habr
👉 Telegram | Max | 🌥 Claude и другие ИИ
LLM научились думать до того, как выдать ответ. И теперь у разрабов очередной головняк, знакомый каждому: сколько времени, чёрт побери, надо думать над конкретной таской.
В «Союзе рыжих» у Конан Дойла Холмс за пару секунд считывает по рукам, манжетам и булавке Джабеза Уилсона, что тот нюхает табак, состоит в масонской ложе, раньше вкалывал физически, бывал в Китае и много писал. А саму историю Уилсона обзывает «задачей на три трубки» и просит Ватсона минут пятьдесят с ним не трепаться.
То есть Холмс ещё на берегу понимал, где хватит одного взгляда, а где нужны те самые три трубки на подумать. Даниэль Канеман, нобелевка по экономике и автор «Думай медленно… решай быстро», копался в том, как рефлекторный быстрый выбор подставляет обычных людей. У него есть задачка Шейна Фредерика: бита с мячом — доллар десять на двоих, бита дороже мяча на доллар. Сколько стоит мяч? Первое «десять центов» — мимо, и пролетели больше половины студентов Гарварда, MIT и Принстона. Быстрая Система 1 выдаёт ответ с уверенной рожей, а медленная Система 2, «ленивый контроллер», включается без энтузиазма.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Без вендора и GPU: банковский чат утащили на свою платформу и докрутили автоматизацию до 75%
На Хабре — текст Олега, управляющего директора Центра развития финансовых технологий в Россельхозбанке. Его зона — чаты и для клиентов, и для сотрудников банка. А какие каналы связи сейчас крутятся на платформе — перечислено в материале.
Читать далее: habr.com
👉 Telegram | Max | 🌥 Claude и другие ИИ
Alibaba обкатала самообучающихся ИИ-агентов на живом A/B-тесте
Alibaba выкатила исследование про самообучающихся ИИ-агентов — и не в песочнице, а в реальном A/B-тесте с участием больше 200 тысяч продавцов. Система SPAR рулит B2B-продажами на площадке Alibaba 1688: конверсия подскочила на 15,8%, а продавцов с высокой заинтересованностью стало больше на 35,8%.
Фишка SPAR — учится на двух уровнях и при этом не трогает веса модели. Первый уровень: агент копит эпизодическую память по каждому продавцу и тащит накопленный опыт в следующие сессии. Второй — общая база стратегий продаж, и каждая расписана как проверяемая гипотеза. Самое важное — понять, почему сделку слили: прежде чем менять стратегию, SPAR разбирается, где косяк — в кривом подходе или во внешних обстоятельствах. Если провал случайный и виноваты внешние факторы, рабочую стратегию никто не пересматривает.
Спецы по предметке влепили качеству продаж SPAR 4,62 из 5 — лучший результат среди всех протестированных методов. Так что если пилишь агентов, которые учатся на результатах реальной работы, — заложи механизм определения причин успехов и провалов, прежде чем сваливать этот опыт в память. arXiv
👉 Telegram | Max | 🌥 Claude и другие ИИ
GPU купили — не значит, что всё, слил: как собрать ИИ-инфраструктуру и не перепиливать её после пилота
ИТ-команда уже выбирает GPU-серверы, бизнес прикидывает облачные модели, разработчики собирают первый прототип. А через полгода выясняется: модель не влезает в доступную видеопамять, облако вылезает за бюджет, а купленные ускорители под реальной нагрузкой не дают нужной производительности. Дело не всегда в железе или самой модели. Чаще косяк в порядке решений: инфраструктуру начинают проектировать раньше, чем стало ясно, что вообще нужно от будущего ИИ-сервиса.
За последний год в Orion soft насмотрелись на разные сценарии внедрения ИИ в российских компаниях: от первых экспериментов до проектов, которые готовят к промышленной эксплуатации у крупнейших заказчиков. Как разработчик инфраструктурного ПО, там часто подключаются позже: бизнес-задача сформулирована, модель выбрана, железо закуплено. И вот тогда вылезают архитектурные ограничения, которые заложили ещё на старте.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ