Сбер представил новую умную колонку СберБум 2:0 ⚡️
Колонка с мощным звуком 50 Вт работает даже без интернета, адаптирует звучание к особенностям помещения и оснащена датчиком движения.
Благодаря ГигаЧат колонка понимает контекст и диалог продолжается даже если пропустить имя ассистента или перебить его. Уточняйте детали, меняйте контекст, общайтесь шёпотом – ассистент подстроится под вас.
💻 Узнать больше и оформить предзаказ можно на сайте SberDevices.
Колонка с мощным звуком 50 Вт работает даже без интернета, адаптирует звучание к особенностям помещения и оснащена датчиком движения.
Благодаря ГигаЧат колонка понимает контекст и диалог продолжается даже если пропустить имя ассистента или перебить его. Уточняйте детали, меняйте контекст, общайтесь шёпотом – ассистент подстроится под вас.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2🔥1
Пятничная задача для адептов JavaScript 📻
Вы разрабатываете функцию для умной колонки, которая управляет очередью воспроизведения музыки. С её помощью пользователь может добавлять треки в конец очереди или переходить к следующему, а также удалять треки по их названию. Если очередь пуста, колонка должна воспроизводить трек по умолчанию.
Напишите решение, которое эффективно обрабатывает эти операции и возвращает текущее состояние очереди и воспроизведения.
Пишите ваши варианты в комментариях!
Вы разрабатываете функцию для умной колонки, которая управляет очередью воспроизведения музыки. С её помощью пользователь может добавлять треки в конец очереди или переходить к следующему, а также удалять треки по их названию. Если очередь пуста, колонка должна воспроизводить трек по умолчанию.
Напишите решение, которое эффективно обрабатывает эти операции и возвращает текущее состояние очереди и воспроизведения.
Пишите ваши варианты в комментариях!
Please open Telegram to view this post
VIEW IN TELEGRAM
Сбер представил STARM — open-source-фреймворк для обучения рекурсивных reasoning-моделей 🚀
Решение объединило лучшие компоненты архитектур HRM, TRM и URM с собственными наработками команды:
🔘 Новый подход к reasoning: гибридная архитектура повышает стабильность обучения и качество рассуждений.
🔘 Новые SOTA-метрики: итоговые модели существенно опережают по качеству предыдущие open-source-аналоги.
🔘 Адаптивные вычисления: модель выполняет ровно столько вычислительных шагов, сколько требует сложность задачи.
Полные результаты исследований и замеры качества доступны на Хабре.
Полный код фреймворка — в открытом доступе на GitHub
Решение объединило лучшие компоненты архитектур HRM, TRM и URM с собственными наработками команды:
Полные результаты исследований и замеры качества доступны на Хабре.
Полный код фреймворка — в открытом доступе на GitHub
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3
Пятничная задача для адептов JavaScript 👋
Вы помогаете собрать ребёнка в школу и составляете бюджет для предстоящих покупок. У вас есть полный список необходимых принадлежностей в виде массива объектов с названиями и стоимостью товаров.
Напишите функцию, которая принимает этот массив и пороговое значение цены, а затем возвращает общую стоимость только тех предметов, цена которых строго больше заданного числа.
Пишите ваши варианты в комментариях!
Вы помогаете собрать ребёнка в школу и составляете бюджет для предстоящих покупок. У вас есть полный список необходимых принадлежностей в виде массива объектов с названиями и стоимостью товаров.
Напишите функцию, которая принимает этот массив и пороговое значение цены, а затем возвращает общую стоимость только тех предметов, цена которых строго больше заданного числа.
Пишите ваши варианты в комментариях!
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1
Сбер выпустил GigaChat 3.5 Reasoning — единственную российскую открытую модель с режимом рассуждений ⚡️
Новая флагманская нейросеть последовательно разбирает задачи на этапы, строит план, проверяет промежуточные результаты и исправляет ошибки. Всё это модель делает благодаря собственной архитектуре с технологией линейного внимания.
Модель тратит токены экономнее ведущих открытых аналогов: например, на математических задачах уходит в среднем на 37% меньше токенов, чем у DeepSeek V4 Flash Preview.
Прирост производительности по сравнению с версией без режима рассуждений подтверждают бенчмарки:
➡️ IFBench — рост с 44 до 77 баллов.
➡️ Natural Plan — рост с 64 до 80 баллов.
➡️ Live Code Bench v6 — рост с 56 до 85 баллов.
Подробнее о процессе обучения модели и результатах— читайте в статье на Хабре.
Модель доступна разработчикам и бизнесу бесплатно под открытой лицензией MIT по ссылкам:
➡️ Hugging Face
➡️ GitVerse
А в личных целях новинку уже можно попробовать в ГигаЧате — просто включите функцию «Рассуждение» в чате с нейросетью.
Новая флагманская нейросеть последовательно разбирает задачи на этапы, строит план, проверяет промежуточные результаты и исправляет ошибки. Всё это модель делает благодаря собственной архитектуре с технологией линейного внимания.
Модель тратит токены экономнее ведущих открытых аналогов: например, на математических задачах уходит в среднем на 37% меньше токенов, чем у DeepSeek V4 Flash Preview.
Прирост производительности по сравнению с версией без режима рассуждений подтверждают бенчмарки:
Подробнее о процессе обучения модели и результатах— читайте в статье на Хабре.
Модель доступна разработчикам и бизнесу бесплатно под открытой лицензией MIT по ссылкам:
А в личных целях новинку уже можно попробовать в ГигаЧате — просто включите функцию «Рассуждение» в чате с нейросетью.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2❤1😢1
Пятничная задача для адептов JavaScript 😼
Вы собрали в лесу грибы и теперь нужно отсортировать трофеи, представив их в виде массива объектов с названиями, баллами ценности и признаком съедобности.
Напишите функцию, которая принимает этот массив и возвращает общую сумму баллов только съедобных грибов.
Пишите ваши варианты в комментариях.
Вы собрали в лесу грибы и теперь нужно отсортировать трофеи, представив их в виде массива объектов с названиями, баллами ценности и признаком съедобности.
Напишите функцию, которая принимает этот массив и возвращает общую сумму баллов только съедобных грибов.
Пишите ваши варианты в комментариях.
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
Сбер научил нейросети «понимать» время при генерации видео с помощью Time Adapter 📰
Команда Kandinsky представила лёгкую надстройку, которая управляет динамикой событий и частотой кадров в генеративных роликах. Она решает одну из главных проблему видеогенерации — модели могут ошибаться в передаче естественной скорости процессов, из-за чего быстрые движения растягиваются, а медленные замирают или идут рывками.
Модуль состоит из двух независимых блоков и обучен на датасете из 40 тысяч видео с разной динамикой — от бега и танцев до тумана и дождя. Научная статья о подходе была представлена на ICML.
Как устроены режимы работы:
➡️ Подключение к готовой модели: адаптер делает движения плавнее, не меняя общий характер генерации.
➡️ Совместное дообучение: модель (например, Kandinsky 5.0 Video Lite) меняет физику сцены и учится генерировать недоступные ранее процессы. При этом естественность движения выросла на 29%, визуальное качество — на 8%, а точность следования промпту — на 19%.
Решение бесплатно как для личного, так и для коммерческого использования, исходный код опубликован на Hugging Face под открытой лицензией MIT.
Команда Kandinsky представила лёгкую надстройку, которая управляет динамикой событий и частотой кадров в генеративных роликах. Она решает одну из главных проблему видеогенерации — модели могут ошибаться в передаче естественной скорости процессов, из-за чего быстрые движения растягиваются, а медленные замирают или идут рывками.
Модуль состоит из двух независимых блоков и обучен на датасете из 40 тысяч видео с разной динамикой — от бега и танцев до тумана и дождя. Научная статья о подходе была представлена на ICML.
Как устроены режимы работы:
Решение бесплатно как для личного, так и для коммерческого использования, исходный код опубликован на Hugging Face под открытой лицензией MIT.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6😢1
Пятничная задача для адептов JavaScript ✉️
Вы решили проанализировать свою рабочую активность в мессенджерах. У вас есть список рабочих чатов в виде массива объектов с названиями чатов и количеством непрочитанных сообщений.
Напишите функцию, которая принимает этот массив и возвращает общую сумму сообщений только из тех чатов, где их количество больше 50.
Пишите ваши варианты в комментариях.
Вы решили проанализировать свою рабочую активность в мессенджерах. У вас есть список рабочих чатов в виде массива объектов с названиями чатов и количеством непрочитанных сообщений.
Напишите функцию, которая принимает этот массив и возвращает общую сумму сообщений только из тех чатов, где их количество больше 50.
Пишите ваши варианты в комментариях.
Please open Telegram to view this post
VIEW IN TELEGRAM
Новая IT-вакансия для Москвы ⚡️
Ищем владельца продукта в команду решения, которое предоставляет ИИ-агентам контекст, сформированный на основе данных из внутренних корпоративных систем.
Откликайтесь сами и рекомендуйте друзьям с релевантными опытом. А если хотите посмотреть все актуальные IT-вакансии Сбера, переходите на Портал IT-вакансий.
Присоединиться к команде Сбера— реально
Ищем владельца продукта в команду решения, которое предоставляет ИИ-агентам контекст, сформированный на основе данных из внутренних корпоративных систем.
Откликайтесь сами и рекомендуйте друзьям с релевантными опытом. А если хотите посмотреть все актуальные IT-вакансии Сбера, переходите на Портал IT-вакансий.
Присоединиться к команде Сбера— реально
Please open Telegram to view this post
VIEW IN TELEGRAM
Пятничная задача для адептов JavaScript 🐱
Вы помогаете метеостанции анализировать погоду и изучаете статистику дождей за прошедший месяц. У вас есть пороговое значение по осадкам и ежедневные данные в виде массива чисел, где каждое значение показывает количество осадков в сантиметрах за конкретный день.
Напишите функцию, которая принимает этот массив и пороговое значение, а затем возвращает суммарное количество осадков только за те дни, когда показатель превышал пороговое значение.
Пишите ваши варианты в комментариях.
Вы помогаете метеостанции анализировать погоду и изучаете статистику дождей за прошедший месяц. У вас есть пороговое значение по осадкам и ежедневные данные в виде массива чисел, где каждое значение показывает количество осадков в сантиметрах за конкретный день.
Напишите функцию, которая принимает этот массив и пороговое значение, а затем возвращает суммарное количество осадков только за те дни, когда показатель превышал пороговое значение.
Пишите ваши варианты в комментариях.
Please open Telegram to view this post
VIEW IN TELEGRAM
Пятничная задача для адептов JavaScript 🪄
Вы разрабатываете модуль конвертации валют для банковского приложения. У вас есть массив объектов с транзакциями, где указана сумма в исходной валюте и её текущий курс по отношению к рублю.
Напишите функцию, которая принимает этот массив и возвращает общую сумму всех транзакций после их пересчета в рубли.
Пишите ваши варианты в комментариях.
Вы разрабатываете модуль конвертации валют для банковского приложения. У вас есть массив объектов с транзакциями, где указана сумма в исходной валюте и её текущий курс по отношению к рублю.
Напишите функцию, которая принимает этот массив и возвращает общую сумму всех транзакций после их пересчета в рубли.
Пишите ваши варианты в комментариях.
Please open Telegram to view this post
VIEW IN TELEGRAM