Nvidia выпустила ALCHEMI Toolkit — набор GPU-ускоренных инструментов для атомистических симуляций в химии и материаловедении.

Главная проблема отрасли: точные квантовые методы (DFT) слишком медленные, а быстрые классические — недостаточно точные. ML-потенциалы решают это, но старая CPU-инфраструктура тормозит весь пайплайн.

Что нового: ALCHEMI Toolkit даёт исследователям модульную PyTorch-нативную среду для создания кастомных симуляционных воркфлоу. Поддерживает батчевую молекулярную динамику, геометрическую релаксацию и объединение нескольких моделей в одном пайплайне.

Уже интегрировались партнёры: Orbital получил ускорение до 33x для батчевых симуляций, Matlantis — до 10x на атомистических расчётах.

Кому важно: учёным в фармацевтике, материаловедении и химии — теперь можно запускать миллионы параллельных симуляций на GPU без переписывания легаси-кода.

Доступно на GitHub: github.com/NVIDIA/nvalchemi-toolkit

https://developer.nvidia.com/blog/building-custom-atomistic-simulation-workflows-for-chemistry-and-materials-science-with-nvidia-alchemi-toolkit/

Nvidia Tech выпустила NVIDIA Ising — первое семейство открытых AI-моделей для построения квантовых процессоров.

Запуск включает два инструмента. Ising Calibration — VLM на 35 млрд параметров, которая автоматизирует калибровку квантовых процессоров в агентном режиме. На новом бенчмарке QCalEval она обходит Gemini 3.1 Pro на 3,3%, Claude Opus 4.6 на 9,7% и GPT 5.4 на 14,5%. Ising Decoding — фреймворк на базе 3D CNN для коррекции квантовых ошибок в реальном времени: быстрая версия работает в 2,5 раза шустрее аналогов при сопоставимой точности.

Почему важно: кубиты шумят — ошибка случается раз в тысячу операций. Для реальной пользы нужна одна на триллион. AI — самый реалистичный путь туда. Модели открыты, данные остаются на стороне пользователя.

https://developer.nvidia.com/blog/nvidia-ising-introduces-ai-powered-workflows-to-build-fault-tolerant-quantum-systems/

Ян Лейке поделился интересным результатом: Claude теперь способен самостоятельно вести исследования по scalable oversight — одному из ключевых направлений в безопасности ИИ.

В эксперименте модель итеративно перебирала разные техники и в итоге обошла человеческих исследователей по метрике PGR (performance gap recovered). Всё это обошлось примерно в 18 тысяч долларов в кредитах на API.

Если коротко: ИИ уже помогает делать ИИ безопаснее — и делает это лучше людей. Звучит как рекурсия, но именно к этому и стремились в Anthropic.

https://x.com/janleike/status/2044139528596910584

Клеман Делангё, CEO Hugging Face, анонсировал Kernels — новую фичу на HF Hub.

Теперь деплоить GPU-ядра так же просто, как выкладывать модели. Kernels заранее компилируются под конкретный GPU, версию PyTorch и ОС, несколько версий ядер могут работать в одном процессе одновременно, всё совместимо с torch.compile.

Главное — ускорение от 1.7x до 2.5x по сравнению с обычным PyTorch. Для ML-инженеров, которые хотят выжать максимум из железа без боли с низкоуровневой оптимизацией, это может стать серьёзным инструментом.

https://x.com/ClementDelangue/status/2044053580504584349

Anthropic поделились впечатляющим результатом из своих исследований по автоматизации науки о безопасности ИИ.

Они измеряли, насколько можно сократить разрыв в производительности между слабой и сильной моделью. За 7 дней работы живые исследователи закрыли этот разрыв на 23%. А их система Automated Alignment Researchers на базе Claude Opus — на целых 97%.

Проще говоря: ИИ справился с задачей по улучшению другого ИИ почти идеально, тогда как люди едва продвинулись на четверть пути. Это один из первых серьёзных сигналов того, что автоматизация исследований в области выравнивания ИИ — уже не фантастика, а рабочая реальность.

https://x.com/AnthropicAI/status/2044138483870998932

Anthropic провели интересный эксперимент: они попытались научить Claude Opus 4.6 самостоятельно заниматься исследованиями в области безопасности ИИ. Конкретная задача — проверить, может ли слабая модель контролировать обучение более сильной (это классическая проблема "слабого надзора"). По сути, они хотят создать автоматизированного исследователя по alignment — ИИ, который помогает решать проблему безопасности других ИИ. Это важно: если ИИ-системы будут становиться умнее людей, нам нужны инструменты, которые помогут их контролировать даже тогда, когда мы сами не можем полностью понять их поведение. Результаты опубликованы в рамках программы Anthropic Fellows.

https://x.com/AnthropicAI/status/2044138481790648323

RationalRewards: когда reward model умеет объяснять, а не просто ставить оценку

Главная беда reward-моделей для генерации изображений — они выдают одно число. Это число легко "хакнуть": модель учится накручивать скор без реального улучшения качества (reward hacking).

RationalRewards меняет подход: сначала — структурированная критика по нескольким осям (точность текста, физическое правдоподобие, качество картинки), потом — оценка. Объяснить высокий скор без реальных визуальных улучшений становится трудно.

Ключевая фишка — два режима использования:
1. Training time: структурированные rationales как dense reward для RL
2. Test time: цикл Generate–Critique–Refine улучшает промпты без обновления весов модели

Самый неожиданный результат: test-time refinement без обучения сравнивается или превосходит RL fine-tuning на нескольких бенчмарках!

Меньше подсказок — лучше обучение!

При обучении LLM через RL на сложных задачах модель часто вообще не может решить задачу и не получает никакого градиента. Обычное решение — давать подсказки в промпте. Но авторы из Тяньцзиньского университета заметили: чем длиннее подсказка, тем хуже. Есть "critical-segment effect": точность резко прыгает, когда появляется один ключевой фрагмент знания, а всё остальное — балласт.

Метод KnowRL разбивает подсказки на атомарные "knowledge points" и ищет минимальный достаточный набор через Constrained Subset Search. Простые задачи вообще без подсказок, сложным — только критически важные KP.

Результат: SOTA на 8 бенчмарках, меньше токенов, никаких учителей-моделей. Оказывается, дело не в количестве подсказок, а в их структуре.

https://arxiv.org/abs/2604.12627

Seedance 2.0: один фреймворк для видео, аудио и всего остального (by ByteDance)

ByteDance выкатили Seedance 2.0 — нативную мультимодальную модель совместной генерации аудио и видео. Главная фишка: единая архитектура принимает на вход текст, изображение, видео и аудио одновременно и генерирует синхронизированный аудиовизуальный контент от 4 до 15 секунд в разрешении до 720p.

Что нового: модель умеет референсную генерацию по нескольким клипам и изображениям сразу, редактирование конкретных сцен и персонажей, продолжение видео, бинауральный многодорожечный звук с точной синхронизацией. Особо заявлено улучшенное моделирование физики — меньше артефактов в сложных сценах с взаимодействием персонажей.

По внутренним бенчмаркам обходит Kling 3.0, Veo 3.1 и Sora 2 Pro по всем метрикам в задачах T2V, I2V и R2V. Доступна через Doubao и Volcano Engine.

https://arxiv.org/abs/2604.14148

OpenAI обновила Agents SDK — и это серьёзный шаг для разработчиков агентов.

Главное: теперь в SDK встроена нативная sandbox-среда выполнения кода. Агенты могут безопасно запускать код в изолированном окружении — без риска навредить основной системе. Плюс появился model-native harness, который позволяет модели напрямую управлять инструментами и файлами в рамках долгих, многошаговых задач.

Почему это важно? Раньше запустить надёжного долгоживущего агента было сложно — нужно было городить собственную инфраструктуру для безопасного выполнения кода. Теперь это из коробки.

Для разработчиков это значит: меньше велосипедов, больше фокуса на логике агента. Строить сложные пайплайны с файлами и инструментами стало проще и безопаснее.

https://openai.com/index/the-next-evolution-of-the-agents-sdk

Google Gemini выпустил новую модель синтеза речи — Gemini 3.1 Flash TTS.

Главное: теперь можно управлять голосом через аудиотеги прямо в тексте. Хочешь, чтобы персонаж говорил медленнее, с акцентом или сменил интонацию на середине фразы — просто пишешь команду в нужном месте.

Что важно для разработчиков: в Google AI Studio появился режим "режиссёрского кресла" — задаёшь сцену, прописываешь характеры персонажей, настраиваешь голоса и экспортируешь всё как готовый код для API.

Модель поддерживает 70+ языков, занимает топовую позицию в рейтинге Artificial Analysis по соотношению качества и цены. Весь сгенерированный звук помечается невидимым водяным знаком SynthID.

Доступно уже сейчас: в Gemini API, Google AI Studio, Vertex AI и Google Vids.

https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-flash-tts/

Nvidia выпустила NVbandwidth — инструмент для измерения производительности GPU

NVbandwidth — это CUDA-утилита от NVIDIA для замера пропускной способности и задержек при передаче данных в GPU-системах. Инструмент поддерживает тесты Host↔Device, Device↔Device, мульти-GPU и мульти-нодовые сценарии.

Почему это важно: с ростом LLM-моделей скорость перемещения данных между CPU и GPU становится узким местом. NVbandwidth помогает разработчикам найти этот bottleneck и оптимизировать трансферы.

Что умеет: работает с NVLINK и PCIe, поддерживает два метода копирования — через Copy Engine и CUDA-ядра, выдаёт результаты в текстовом или JSON-формате.

Кому нужно: CUDA-разработчикам, ML-инженерам и системным архитекторам, которые занимаются оптимизацией инференса и обучения моделей.

https://developer.nvidia.com/blog/nvidia-nvbandwidth-your-essential-tool-for-measuring-gpu-interconnect-and-memory-performance/

Демис Хассабис (глава Google DeepMind) анонсировал новую модель для генерации речи — Gemini 3.1 Flash TTS.

По его словам, это самая гибкая и выразительная их TTS-модель на сегодняшний день. Разработчики получают тонкий контроль над тем, как именно звучит сгенерированная речь — интонации, стиль, подача.

Уже доступно в превью: через Gemini API, Google AI Studio и для корпоративных клиентов через Vertex AI. Хассабис говорит, что с моделью просто интересно экспериментировать — так что разработчики могут идти пробовать прямо сейчас.

https://x.com/demishassabis/status/2044599020690010217

Деми Хассабис (DeepMind) поделился крутой новостью: их совместный проект с Boston Dynamics даёт реальные результаты. Модель Gemini Robotics-ER 1.6 научила робота Spot самостоятельно считывать сложные промышленные датчики и манометры — без помощи человека.

Звучит скромно, но это важный шаг: раньше роботы с трудом справлялись с такими задачами в реальных условиях. Теперь Spot может зайти на завод или объект и сам «прочитать» показания приборов. Хассабис называет это движением к роботам, которые по-настоящему понимают физический мир и могут в нём работать.

https://x.com/demishassabis/status/2044176198914146499

Ян Лейке (бывший глава супералайнмента OpenAI, теперь в Anthropic) поделился интересным наблюдением о новом эксперименте с Claude.

В рамках исследования масштабируемого надзора Claude самостоятельно разрабатывал методы оценки качества ответов на датасетах по чат-моделированию, а потом эти методы проверялись на задачах по математике и коду.

Результат неоднозначный: с математикой методы справились отлично, а вот с кодом — не очень. Лейке честно признаёт, что это, скорее всего, означает переобучение — Claude подогнал свои методы под конкретные данные и модели, на которых тренировался, и они плохо обобщаются на новые задачи.

Это важный сигнал для всего направления scalable oversight: красивые результаты в одной области не гарантируют универсальности подхода.

https://x.com/janleike/status/2044139533005140280

Anthropic опубликовал в журнале Nature совместное исследование о так называемом «скрытом обучении» языковых моделей. Суть в том, что LLM могут передавать друг другу черты — предпочтения или даже признаки «разладки» — через скрытые сигналы в обучающих данных. То есть одна модель может незаметно «заразить» другую своими особенностями, если та учится на текстах, сгенерированных первой. Это важно для безопасности ИИ: если в данных спрятаны нежелательные паттерны, новые модели могут их унаследовать, даже не подозревая об этом. Исследование вышло в Nature — это серьёзная заявка на то, что проблема реальна и заслуживает внимания всей отрасли.

https://x.com/AnthropicAI/status/2044493337835802948

Anthropic поделились интересным результатом из своих исследований. Они проверили, насколько хорошо методы так называемых AAR (автоматических агентов для оценки) работают на новых данных, которые те раньше не видели — в частности на задачах по программированию и математике.

Результат обнадёживающий: лучший метод успешно справился с обеими областями, хотя второй по эффективности метод обобщился только на математику, но не на код.

Это важно, потому что способность переносить навыки на незнакомые задачи — один из ключевых признаков настоящей обобщённости ИИ, а не простого запоминания паттернов из обучающей выборки.

https://x.com/AnthropicAI/status/2044138487025144231

SpatialEvo: модель учит себя пространственному мышлению без разметки

Главная боль spatial reasoning для VLM — нужны огромные аннотированные датасеты, а self-evolving подходы страдают от "зашумлённых" pseudo-labels через majority voting (модель голосует сама с собой и усиливает свои ошибки).

Ключевой инсайт SpatialEvo: 3D-пространство детерминировано! Расстояние между объектами — это вычисление по bounding boxes, угол камеры — арифметика над матрицами поворота. Никакого "консенсуса моделей" не нужно — физический мир сам является точным судьёй.

Авторы строят Deterministic Geometric Environment (DGE): берут 3D point clouds + camera poses и программно вычисляют точный GT для 16 категорий spatial задач. Одна VLM одновременно играет роль questioner (генерирует вопросы по сцене) и solver (отвечает на них), обучаясь через GRPO с адаптивным планировщиком задач.

Результат: лучший средний скор на 9 бенчмарках при 3B и 7B. Абляция подтверждает: замена DGE на majority-vote — самый большой провал в качестве.

GameWorld: можно ли честно померить, как LLM играет в игры?

Большинство бенчмарков для игровых агентов — это боль: разные интерфейсы управления, VLM-as-judge оценка с шумом, и латентность модели влияет на результат. GameWorld решает все три проблемы сразу.

34 браузерные игры (Runner, Arcade, Platformer, Puzzle, Simulation), 170 задач. Ключевые фишки:

1. Sandbox паузит игру во время инференса — скорость ответа модели не влияет на счёт, только качество решений.

2. Оценка через gameAPI state — никакого OCR или VLM-судьи, только детерминированные метрики из сериализованного состояния игры.

3. Два типа агентов: Computer-Use (мышь/клавиатура) и Generalist (семантические действия типа move_right(), jump()).

Главный вывод: текущие модели делают частичный прогресс, но далеки от надёжного прохождения. Хуже всего — тайминг, пространственная навигация и долгосрочное планирование.

https://arxiv.org/abs/2604.07429

Из текста или одной картинки — в полноценный 3D-мир

HY-World 2.0 — первая открытая система, которая объединяет генерацию и реконструкцию 3D-миров в одном пайплайне. Подаёшь текст или одно изображение — получаешь навигабельный 3D-мир в формате 3D Gaussian Splatting.

Пайплайн состоит из 4 этапов: сначала генерируется 360° панорама (HY-Pano 2.0), затем планируются траектории камеры с учётом семантики сцены (WorldNav), потом видеодиффузионная модель с механизмом памяти расширяет мир по ключевым кадрам (WorldStereo 2.0), и наконец всё это собирается в 3DGS через улучшенный реконструктор WorldMirror 2.0.

Ключевая фишка: реконструкция и генерация больше не разделены — одна модель умеет и то, и другое, адаптируясь под количество входных данных. Конкурирует с закрытыми коммерческими продуктами вроде Marble, при этом полностью открытый исходный код.

https://arxiv.org/abs/2604.14268

OpenAI представила GPT-Rosalind — специализированную модель для исследований в области наук о жизни.

Модель заточена под конкретные задачи: поиск новых лекарств, анализ геномики, работа с белковыми структурами и научные исследовательские процессы. По сути, это первая фронтирная модель OpenAI, созданная не для широкой аудитории, а для учёных и биотех-компаний.

Почему это важно? Drug discovery — один из самых дорогих и медленных процессов в медицине. Если Rosalind действительно ускоряет анализ данных и рассуждения о молекулах и генах, это может сократить годы исследований до месяцев.

Название — отсылка к Розалинд Франклин, чьи рентгеновские снимки помогли открыть структуру ДНК. Символично.

https://openai.com/index/introducing-gpt-rosalind