Anthropic выпустила Claude Opus 5
Новая флагманская модель компании уже доступна.
Anthropic позиционирует Opus 5 как модель для сложного кодинга, агентных задач, анализа и длинных рабочих сценариев.
Что заявляют:
• SOTA на Frontier-Bench v0.1 для software engineering
• примерно в 3 раза выше результат на ARC-AGI 3 относительно ближайшего конкурента
• сильные результаты на OSWorld 2.0
• лучше Opus 4.8 в отладке, research и длинных агентных задачах
• модель чаще сама проверяет результат и исправляет ошибки перед финальным ответом
Цена:
$5 / 1M input tokens
$25 / 1M output tokens
Также есть Fast Mode примерно с 2.5× скоростью, но по более высокой цене.
В API модель называется:
claude-opus-5
https://www.anthropic.com/news/claude-opus-5
Новая флагманская модель компании уже доступна.
Anthropic позиционирует Opus 5 как модель для сложного кодинга, агентных задач, анализа и длинных рабочих сценариев.
Что заявляют:
• SOTA на Frontier-Bench v0.1 для software engineering
• примерно в 3 раза выше результат на ARC-AGI 3 относительно ближайшего конкурента
• сильные результаты на OSWorld 2.0
• лучше Opus 4.8 в отладке, research и длинных агентных задачах
• модель чаще сама проверяет результат и исправляет ошибки перед финальным ответом
Цена:
$5 / 1M input tokens
$25 / 1M output tokens
Также есть Fast Mode примерно с 2.5× скоростью, но по более высокой цене.
В API модель называется:
claude-opus-5
https://www.anthropic.com/news/claude-opus-5
1❤75🔥26👍17🎅2
🛡 Как проектировать ИИ-агентов, которым можно доверять – до конца регистрации осталось совсем немного времени
ИИ-агенты уже пишут код, работают с данными и подключаются к внешним сервисам. Чем больше задач им делегируют, тем интереснее вопрос — как устроены такие системы и что стоит за словом «надёжный» применительно к агенту.
ШАД с 27 по 31 июля проводит AI Agents Security Week – интенсив с экспертами Яндекса о том, как как защищать агентные системы: доступы, данные, инфраструктура.
Разберут:
• чем автономные агенты отличаются от обычных LLM – и почему для них нужна отдельная модель угроз
• как безопасно выдавать агентам доступ к инструментам и инфраструктуре
• как защищать персональные и корпоративные данные при работе агента с инструментами
• реальные инциденты – взломы, утечки, ошибки конфигурации в разных ИИ-моделях
Подойдёт ML-разработчикам, DevOps/DevSecOps-инженерам, техлидам, архитекторам, студентам старших курсов.
5 вечерних занятий, отборочное тестирование и итоговая работа – для тех, кто хочет сертификат.
Регистрация закрывается 27 июля, и это последние дни, чтобы успеть подать заявку, не пропустите!
ИИ-агенты уже пишут код, работают с данными и подключаются к внешним сервисам. Чем больше задач им делегируют, тем интереснее вопрос — как устроены такие системы и что стоит за словом «надёжный» применительно к агенту.
ШАД с 27 по 31 июля проводит AI Agents Security Week – интенсив с экспертами Яндекса о том, как как защищать агентные системы: доступы, данные, инфраструктура.
Разберут:
• чем автономные агенты отличаются от обычных LLM – и почему для них нужна отдельная модель угроз
• как безопасно выдавать агентам доступ к инструментам и инфраструктуре
• как защищать персональные и корпоративные данные при работе агента с инструментами
• реальные инциденты – взломы, утечки, ошибки конфигурации в разных ИИ-моделях
Подойдёт ML-разработчикам, DevOps/DevSecOps-инженерам, техлидам, архитекторам, студентам старших курсов.
5 вечерних занятий, отборочное тестирование и итоговая работа – для тех, кто хочет сертификат.
Регистрация закрывается 27 июля, и это последние дни, чтобы успеть подать заявку, не пропустите!
🤔56👍23👏16🎉12❤6😁6👀5🤣1
Media is too big
VIEW IN TELEGRAM
Инициатива наделяет Министерство внутренней безопасности правом требовать от компаний экстренной остановки ИИ при угрозе жизням людей или национальной экономике.
Документ трактует выход из-под контроля как любую ситуацию, когда ИИ совершает не предусмотренные разработчиками действия.
Основанием для разработки законопроекта послужили недавние инциденты, когда ИИ-агент начал действовать самостоятельно, а также кибератака на инфраструктуру Hugging Face.
reuters.com
По словам японского стартапа, v1.1 набирает на 7,9 балла больше первой версии, показывает улучшенные результаты в тестах ProgramBench и TerminalBench 2.1 и обходит модель Fable 5, хотя она не участвует в маршрутизации.
Фишка обновления - эндпоинт с поддержкой Claude Code для прямого вызова из терминала. API доступно через OpenRouter и Vercel. Тарификация не изменилась - $5 за 1 млн токенов на входе и $30 на выходе.
Доступ из Евросоюза по-прежнему закрыт из-за требований GDPR.
sakana.ai
Более 20 компаний, включая Microsoft, Nvidia, Hugging Face и Mistral, подписали открытое письмо в поддержку моделей с отрытыми весами.
Документ призывает отказаться от жестких законодательных ограничений отрасли и критикует тезис о приоритетной безопасности закрытых систем. Доступ к весам дает ИБ-сообществу инструменты для самостоятельного моделирования угроз и поиска уязвимостей.
Второе ключевое требование подписантов - защита дистилляции. Компании признают практику этичной и легитимной, приравнивая ее к традициям опенсорса.
Компании также выступают против монополии закрытых провайдеров и настаивают на необходимости свободной экосистемы для развития индустрии.
microsoft.com
Компания уведомила партнеров о глобальном повышении цен на всю линейку видеокарт и отложила релиз RTX 50 SUPER из-за подорожания памяти. Крупные производители временно закрыли склады и остановили отгрузки до утверждения новых цен в августе.
Изменения затронут потребительские решения с GDDR6 и чипы архитектуры Blackwell. Поставщики ожидают ограничения поставок серии RTX 50 с конца июля, дефицита и распродажи старых запасов по завышенной стоимости.
Основная причина - скачок цен на комплектующие. По неофициальным данным, себестоимость памяти для карт на 8, 12 и 16 ГБ выросла на $76, $114 и $152 соответственно.
Из-за высоких закупочных цен на GDDR7 компания также заморозила выпуск линейки RTX 50 SUPER. Nvidia уже передала графические ядра вендорам, но отложила релиз - по текущим расчетам итоговая стоимость устройств оказалась неприемлемой для розничного рынка
videocardz.com
Финтех-сервис ведет переговоры о покупке агрегатора моделей за $1 млрд. Сделка позволит платежной платформе выйти на рынок дистрибуции LLM.
OpenRouter предоставляет маршрутизацию запросов к более чем 400 моделям. Аудитория сервиса достигает 10 млн пользователей, а объем обработки - 200 трлн токенов в месяц.
Переговоры продолжаются, но Stripe не единственный интересант, к активу присматриваются и другие компании. Компании уже работают вместе - Stripe предоставляет агрегатору эквайринг, биллинг и расчет налогов.
wsj.com
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
🤔47❤28👍13😢9🔥7👏6🤝3🤬2😁1
Четыре правительственных ведомства Пекина утвердили стратегию внедрения и монетизации агентного ИИ.
Это одна из первых в мире государственных программ развития зарождающейся экономики нового типа.
Документ смещает фокус индустрии с обучения базовых моделей на прикладное использование агентов.
Муниципалитеты будут публиковать запросы от медицины, производств, науки и госсектора для прямой связи разработчиков с клиентами.
Власти поддержат бизнес-модели Token-as-a-Service, Agent-as-a-Service и Results-as-a-Service, а также выделит разработчикам субсидии в виде токен-ваучеров.
Планируется постепенный переход от тарификации за потребленные токены к оплате за результат, достигнутый алгоритмом.
Для инди-разработчиков упростят регистрацию компаний одного человека (ИП), предоставят доступ к льготным государственным вычислительным мощностям и поддержку для интеграции в опенсорс-сообщества.
Для стимуляции спроса электронику со встроенными агентами (умные очки, наушники, роботов и автомобили) включат в программы трейд-ин и субсидирования.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
👍123🔥31👏16❤12🎉10🤩6🤔1
Учителя вышли на улицы с предупреждением: калькуляторы разучат целое поколение думать самостоятельно.
В апреле 1986 года в Вашингтоне группа учителей математики устроила пикет во время ежегодной конференции National Council of Teachers of Mathematics. Они выступали против слишком раннего использования калькуляторов в начальной школе. Организатором был преподаватель и автор учебников Джон Саксон.
Спустя 40 лет почти те же аргументы звучат уже в адрес ИИ.
@ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
👍121🤔56🤨23❤16🔥10👨💻6👏3🌭3👾2✍1🎉1
SenseTime открыла веса единой модели зрения SenseNova-Vision. Обычно под каждую задачу (найти объекты, выделить их контуры, оценить глубину сцены) строят отдельную систему или встраивают в модель специальный модуль. Здесь от этого отказались - все задачи модель решает как генерацию текста, картинки или их смеси.
Компания основана в 2014 году и выросла из университетской лаборатории MMLab - оттуда вышла заметная часть китайских специалистов по компьютерному зрению. Известность пришла в 2015-м, когда алгоритм распознавания лиц SenseTime обошёл по точности человеческий глаз. В 2026 году Gartner назвала компанию визионером в генеративном CV.
Рамки объектов и распознанный текст модель выдаёт текстом с координатами, карты глубины и нормалей поверхностей - картинками, а сложную сегментацию - смешанным ответом, где текстовая легенда задаёт цвета маски.
Авторы сравнивают подход с тем, что GPT сделал для текста: вместо зоопарка специализированных систем - один генеративный интерфейс.
Под капотом - открытая мультимодальная модель Bagel-7B-MoT от ByteDance, дообученная без изменений архитектуры.
MoT - это смесь трансформеров. Внутри модели живут 2 эксперта с собственными весами - один отвечает за понимание текста и изображений, второй за генерацию картинок, а внимание у них общее, так что оба смотрят на один контекст. Токены распределяются между экспертами жёстко, по типу данных, а не обучаемым маршрутизатором, как в MoE.
Для SenseNova-Vision такое устройство пришлось кстати - модель чередует текстовые ответы вроде координат и картиночные вроде масок, и у каждой ветки свой набор весов.
SenseNova-Vision лидирует среди сопоставимых систем там, где ответ - структурированный текст (детекция, в том числе в плотных сценах с десятками объектов, локализация текста на изображении, ключевые точки).
В оценке глубины и нормалей она близка к лучшим генеративным методам, в сегментации держится на уровне конкурентов.
Слабые места тоже есть. В многовидовой 3D-геометрии модель отстаёт от специализированных VGGT и Depth Anything 3, а текст на русском распознаёт заметно хуже, чем на английском.
Вместе с моделью опубликован корпус SN-VC-50M - 50 млн обучающих примеров из открытых наборов: 18,9 млн кадров для структурного понимания, 17,3 млн для плотной геометрии, 12,5 млн для многовидовой геометрии и 1,3 млн для сегментации.
@ai_machinelearning_big_data
#AI #ML #СV #MoT #SenseNovaVision #SenseTime
Please open Telegram to view this post
VIEW IN TELEGRAM
❤23👍12🔥10⚡1🌭1
Китайский стартап запустил обратный отсчет до публикации весов своей флагманской модели Kimi K3/
На официальном аккаунте в Hugging Face появилась страница проекта - релиз запланирован на 27 июля, а пока можно оформить подписку на уведомления.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
❤109🔥43👍24🥰4🙏4⚡2👏1
AI-подразделение корпорации представило модели MAI-Image-2.5-Pro для генерации изображений и MAI-Voice-2-Flash для синтеза речи.
Обе доступны в Azure AI Foundry, попробовать - в песочнице MAI Playground.
Image-2.5-Pro называют самой качественной из своих графических моделей для задач, где нужна детализация и точная отрисовка текста внутри картинки.
Цены: 5 долларов за миллион входных текстовых токенов, 8 долларов за миллион входных токенов изображений и 106 долларов за миллион выходных.
Voice-2-Flash сделана ради скорости, она работает вдвое быстрее MAI-Voice-2 и стоит на 32% дешевле - 15 долларов за миллион символов.
Попутно Microsoft рассказала как меняет сторонние модели на свои в собственных сервисах:
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
👍15🔥9❤6🥰1😁1
🫶 Программируй и решай задачи эффективнее - nordrouter.com
Это единый API-хаб ИИ-моделей по доступным ценам, наши преимущества:
1. 67+ ИИ моделей (в том числе передовые Opus 5 и GPT 5.6 Sol)
2. 100+ Медиа-моделей (Seedream, GPT Image, Nano Banana, etc)
3. Автоматический кэш, который экономит до ~80% расходов
Модели легко интегрируются в любой редактор кода и программы:
OpenCode, Cline, Claude Code, Codex, Zed
Чаты и ролеплей:
SillyTavern, Janitor AI, RikkaHub
API и автоматизация:
n8n, Make и другие
Не вериться? Ознакомьтесь с отзывами на наш сервис на сторонних площадках (указаны на сайте)
nordrouter.com
Это единый API-хаб ИИ-моделей по доступным ценам, наши преимущества:
1. 67+ ИИ моделей (в том числе передовые Opus 5 и GPT 5.6 Sol)
2. 100+ Медиа-моделей (Seedream, GPT Image, Nano Banana, etc)
3. Автоматический кэш, который экономит до ~80% расходов
Модели легко интегрируются в любой редактор кода и программы:
OpenCode, Cline, Claude Code, Codex, Zed
Чаты и ролеплей:
SillyTavern, Janitor AI, RikkaHub
API и автоматизация:
n8n, Make и другие
Не вериться? Ознакомьтесь с отзывами на наш сервис на сторонних площадках (указаны на сайте)
nordrouter.com
🤣40🙈12👍8❤5🔥3🥰1😐1
Media is too big
VIEW IN TELEGRAM
Эндрю Уайлс 7 лет тайно решал задачу, которую не могли решить 358 лет
Последнюю теорему Ферма он увидел ещё в 10 лет. В 1986 году, уже будучи профессором Принстона, Уайлс начал работать над ней почти в полной изоляции. О его настоящей цели знала только жена.
Чтобы никто не понял, чем он занят, он почти перестал публиковаться и постепенно выпускал старые результаты.
В июне 1993 года Уайлс представил доказательство на трёх лекциях в Кембридже. Мир решил, что одна из самых известных задач математики наконец закрыта.
Но затем рецензент нашёл серьёзную ошибку.
Следующие 14 месяцев Уайлс пытался спасти доказательство уже под вниманием всего математического сообщества. В какой-то момент он был готов сдаться.
Решение пришло в сентябре 1994 года. Позже Уайлс рассказывал, что около 20 минут просто смотрел на исправление, не веря, что оно работает.
Когда BBC попросила его вспомнить этот момент, он не смог договорить и отвернулся от камеры в слезах.
Семь лет в тайне, год после почти полного краха и задача, которая ждала решения больше трёх веков.
@data_analysis_ml
Последнюю теорему Ферма он увидел ещё в 10 лет. В 1986 году, уже будучи профессором Принстона, Уайлс начал работать над ней почти в полной изоляции. О его настоящей цели знала только жена.
Чтобы никто не понял, чем он занят, он почти перестал публиковаться и постепенно выпускал старые результаты.
В июне 1993 года Уайлс представил доказательство на трёх лекциях в Кембридже. Мир решил, что одна из самых известных задач математики наконец закрыта.
Но затем рецензент нашёл серьёзную ошибку.
Следующие 14 месяцев Уайлс пытался спасти доказательство уже под вниманием всего математического сообщества. В какой-то момент он был готов сдаться.
Решение пришло в сентябре 1994 года. Позже Уайлс рассказывал, что около 20 минут просто смотрел на исправление, не веря, что оно работает.
Когда BBC попросила его вспомнить этот момент, он не смог договорить и отвернулся от камеры в слезах.
Семь лет в тайне, год после почти полного краха и задача, которая ждала решения больше трёх веков.
@data_analysis_ml
👍97❤42🔥30❤🔥4👏3🤨3🙈2👌1🌭1🫡1
Независимая бенчмарк-платформа Vals представила Vals-Smith - инструмент для автоматической генерации кастомных бенчмарков на основе кодовой базы пользователя.
Vals-Smith позволяет тестировать модели и агентов на специфике собственных проектов, не полагаясь на публичные лидерборды. Инструмент поддерживает открытые и приватные репозитории.
Система анализирует GitHub-репозитории и извлекает задачи из принятых PR.
Каждое задание включает описание проблемы, скрытые проверки и воспроизводимую среду. Модель получает код до внесения правок (сам патч скрыт).
Для успешного решения испытуемая должна пройти скрытые тесты и не нарушить существующую логику приложения.
Доступ к платформе выдается по заявкам. Есть демо-результаты тестирования популярных моделей на задачах из исходников Linux, Next.js, SGLang и Spark.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
🤔28👍27👏7❤5🔥5💯5
This media is not supported in your browser
VIEW IN TELEGRAM
🚨 Moonshot AI выложила Kimi K3 на Hugging Face — 2,8 ТРИЛЛИОНА параметров в открытых весах.
Это первая open-weight модель класса ~3T. При этом благодаря MoE на каждом токене активируется 104 млрд параметров: 16 экспертов из 896. (Hugging Face)
Что внутри:
— контекст 1 048 576 токенов
— нативная работа с текстом и изображениями
— новая Kimi Delta Attention (KDA)
— Attention Residuals
— 93 слоя: 69 KDA + 24 Gated MLA
— MXFP4-веса + MXFP8-активации
— заявлено примерно 2,5× более эффективное масштабирование, чем у Kimi K2. (Hugging Face)
K3 заточена под долгие агентные задачи: работу с огромными репозиториями, терминалом, исследования, оптимизацию GPU-ядер, компиляторы и другие многошаговые инженерные сценарии. (Hugging Face)
Moonshot действительно опубликовала полные веса модели, а не ограничилась API. (Hugging Face)
https://huggingface.co/moonshotai/Kimi-K3
Это первая open-weight модель класса ~3T. При этом благодаря MoE на каждом токене активируется 104 млрд параметров: 16 экспертов из 896. (Hugging Face)
Что внутри:
— контекст 1 048 576 токенов
— нативная работа с текстом и изображениями
— новая Kimi Delta Attention (KDA)
— Attention Residuals
— 93 слоя: 69 KDA + 24 Gated MLA
— MXFP4-веса + MXFP8-активации
— заявлено примерно 2,5× более эффективное масштабирование, чем у Kimi K2. (Hugging Face)
K3 заточена под долгие агентные задачи: работу с огромными репозиториями, терминалом, исследования, оптимизацию GPU-ядер, компиляторы и другие многошаговые инженерные сценарии. (Hugging Face)
Moonshot действительно опубликовала полные веса модели, а не ограничилась API. (Hugging Face)
https://huggingface.co/moonshotai/Kimi-K3
❤69👏20🤩17👍9🔥6🎉5👀2🤷♂1