Демис Хассабис собрал внутри DeepMind секретную команду из 20 исследователей.

Они обучали алгоритмы высокочастотной торговли, чтобы конкурировать с Renaissance Technologies — одним из самых успешных хедж-фондов в мире.

Этот фонд уже много лет зарабатывает огромные деньги благодаря мощным математическим моделям и алгоритмам.

Google проект не одобрил и тихо закрыл его.

Детали из новой книги Себастьяна Маллаби «The Infinity Machine». — Книга вышла 31 марта 2026 года.

Возможно Google поступил правильно, но это событие в очередной раз доказывает, что они душат всё, что есть внутри их компании.

Любые риски = отмена, мы не будем рисковать ёпт.

🌌 Geometry90

На самом деле в книге много интересного.

Например, Демис Хассабис четыре года строил систему безопасности своей инфраструктуры.

В итоге он понял, что по-настоящему надёжную безопасность может обеспечить только тот, кто сам находится у руля.

Я прочитал только короткие отрывки из сводки одного аккаунта в X, поэтому деталей пока мало.

Если хотите узнать больше, рекомендую почитать книгу самим, я серьезно.

🌌 Geometry90

Gemini X Pro (moonbow)

Вчера на внутренних серверах DeepMind появился новый чек-поинт модели Gemini с кодовым именем «moonbow».

Доп. инфы нет — это очень свежая инфа.

Источник Leo - как всегда.

Мои предположения: это может быть начальная стадия обучения следующей версии. Ранее я уже говорил, что Gemini 3.2 тоже не стоит исключать.

🌌 Geometry90

Сегодня выходит Gemma 4. Судя по утечкам, будут доступны две основные версии для локального запуска.

Разбор версий:

➕Gemma-4-26b (MoE 4B) — 26 млрд параметров, но активны только 4 млрд. Дает интеллект большой модели при скорости маленькой. Работает на смартфонах с ~8–12 ГБ RAM.

➕Gemma-4-31b-it (Dense) — Классическая модель, где все 31 млрд параметров работают одновременно. Точная, но требует ~24 ГБ RAM, иначе будет тормозить или вылетать.

Я конечно не уверен, что будут именно эти. Могут быть и 2b и 4-6b с фулл активными, но Gemma-4-26b с 4 активными — это очень реальный исход.

🌌 Geometry90

https://huggingface.co/collections/google/gemma-4

➕gemma-4-31B-it — Большая
➕gemma-4-31B — Большая
➕gemma-4-26B-A4B-it — Большая
➕gemma-4-26B-A4B — Большая
➕gemma-4-E4B-it — Маленькая
➕gemma-4-E4B — Маленькая
➕gemma-4-E2B-it — Маленькая
➕gemma-4-E2B — Маленькая

🌌 Geometry90

Не могу поверить, что Gemma 4 31b (MoE) теперь числится как почти самая лучшая модель среди всех Open-Source нейронок на сегодняшний день. Примечательно, что ребята смогли выпустить не только 2 версии, а оказались ещё несколько, вплоть до 2b моделек.

Давайте посмотрим простые общие бенчмарки именно Gemma 4 31b. Запомните важное: модель имеет 31 миллиард активных параметров, а также она думающая.

Давайте глянем на оригинальный небольшой график, который нам предоставила Google в сравнении с другими моделями. Посмотрите на общий ELO модели на картинке. По сути ELO — это рейтинг, который показывает силу модели на основе её побед и поражений в тестах с другими нейронками.

GPT OSS сразу отлетает. DeepSeek 3.2 thinking с 685 миллиардами параметров на последнем месте. Qwen 397 миллиардов параметров (MoE) с активными 17 миллиардами мог бы обогнать нашу маленькую модель, если бы сделали 30+ активных параметров. Но вот заметьте: у этой модели такие большие веса, и несмотря на маленькие активные параметры, имеет такой себе скор в Elo как и все из этого сравнения.

Дальше идет одна гемма 4, которую мы пропустим, потом идут мощные модели GLM 5 и KIMI K2.5, которые по идее должны соревноваться с Opus 4.5 хотя бы.

Но учтите, в кодинге модель Gemma-4 и рядом не стояла с гигантами как GLM 5, QWEN или KIMI moonshot. Codeforces в 2150 баллов (Gemini 3.1 Pro — 2887 баллов). Это уровень программирования Master, но не очень солидно, таких параметров не хватает для больших кодовых баз. Но как агент, имба.

Посмотрим на текстовую арену. Вообще, их арена меня не всегда цепляет, люди могут по-разному тыкать на ответы из-за своей предвзятости к модели. Но всё равно ТЕКСТ ELO Open-Source Скор: НА 3 МЕСТЕ, уступая только kimi-k2.5-thinking (которая больше на миллиарды параметров) и glm-5 754B. В русском языке вообще ПЕРВОЕ МЕСТО! Но опять же, предвзятость у людей разная, так что как считаются ответы, пока не очень важно.

Если кому-то интересно, что за приписки IT у этих моделей, это Instruction-Tuned (дополнительно обучена следовать инструкциям). То есть модель была очень хорошо обучена, а значит, что то типа RL-обучения у команды Google хотя бы для маленьких моделей работает.

Я уже протестировал модель: 31b умная, хороший русский текст, неплохо понимает некоторые мемы, в стихах хороша (сойдет). Ленивая модель? Ленивая. Да фиг его знает, почему гуглы допускают такое. Но если попросить выводить больше, то следует инструкциям и выводит.
Дальше лучше. По крайней мере, SVG-контроллеры она выводит круто, на уровне примерно той же Gemini 3.0 Flash (НЕ 3.1 LITE!).

Artificial Analysis тестируют модель, и по некоторым данным Gemma 4 31B (Reasoning) является очень крутой и эффективной моделью по GPQA Diamond в использовании токенов.

Gemma 4-31b и Gemma 4-26b-a4b, в отличие от 2b или 4b, не имеют аудиовхода. Не знаю почему, но модель не способна принимать аудио. Картинки же принимать могут все четверки.

Gemma 4-31b и Gemma 4-26b-a4b, на мой взгляд, самый идеальный вариант для старта разработки своей модели. Только вдумайтесь, на старте она выдает такие неплохие результаты, а логические выводы просто топ. Даже GPT 5.4 thinking в вебе не всегда может правильно с первого раза ответить на вопрос «Сколько лап у козла», сказав, что у козла ИМЕННО ЛАПЫ, а не ноги, в отличие от чистой Gemma 4-31b.

Отличная агентная маленькая моделька, умная, ровная, пойдет на ваши телефоны. ЭТО СЕНСАЦИЯ. А если вы будете начинать с нее обучение своих будущих моделей, то, будучи перерожденным в китайца, вы обязательно дистиллируете её на Opus 5 и получите AGI.

🌌 Geometry90