ИИ: технологии, образование, будущее
150 subscribers
7.89K photos
4.98K videos
23 files
10K links
Новости и аналитика отрасли искусственного интеллекта.
https://koroteev.site/blog
https://vk.com/ai_tech_future
Download Telegram
Forwarded from Machinelearning
🚨 Grok 4 — новая мощная модель от xAI

📊 Лидер на бенчмарках:
- Решает математику AIME25 на 100% — не ошиблась ни в одной из самых сложных задач
- ARC-AGI-2: 15.9% против 8.6% у прошлых лидеров — почти в два раза выше, чем у Claude 4 Opus.

🧠 Главное достижение — Humanity’s Last Exam:
- С максимальными ресурсами и включённой поддержкой внешних инструментов — 44.4% (а на текстовой части даже 50.7%).
- Даже без внешних инструментов — всё ещё лучше всех: 25.4%, у ближайшего конкурента (Gemini 2.5 Pro) — 21.6%.
- Почти половина презентации была посвящена именно этому тесту.

🛠 Что под капотом:
- Архитектура — та же, что у Grok 3.
- Изначально это должна была быть версия Grok 3.5, но решили увеличить объём обучения.
- На стадию логического обучения (reasoning) потратили в 10 раз больше ресурсов.
- Теперь объём дообучения через RL (reinforcement learning) сопоставим с основным обучением.
- Важно: теперь модель сразу обучают использовать внешние инструменты во время RL, как это делают в OpenAI (в o3 и o4-mini).

📉 Слабые места:
- Мультимодальность пока на слабом уровне: большинство тестов — чисто текстовые, и на HLE модель показывает просадку.
- Маск пообещал, что в следующей версии это исправят.

📏 Контекст увеличили до 256k токенов.

💬 API уже запущен:
- Стоимость — как у Grok 3 и Claude Sonnet.
- Но из-за "разговорчивости" на практике модель по цене ближе к Claude Opus.
- Grok 4 Mini не выпустили — жаль, ведь Grok 3 Mini была отличной за свою цену.

🏭 Инфраструктура xAI растёт стремительно:
- Через 3–4 недели стартует тренировка видеомодели на 100k+ GPU GB200.
- В июне компания привлекла $10 млрд: половина — инвестиции, половина — в долг.
- В планах — новое расширение дата-центра Colossus.

📌 Grok 4 — это не просто обновление, а важный шаг вперёд в развитии reasoning-моделей и интеграции с внешними возможностями.

Тестим здесь.

@ai_machinelearning_big_data

#grok
Forwarded from AI Product | Igor Akimov
Вот уже результаты бенчмарков от Artificial Analysis:

- Grok 4 достиг индекса искусственного интеллекта (ИИ) 73, опередив OpenAI o3 (70), Google Gemini 2.5 Pro (70), Anthropic Claude 4 Opus (64) и DeepSeek R1 0528 (68).
- Цена Grok 4 эквивалентна Grok 3: 3/15 долларов США за 1 млн токенов ввода/вывода (0,75 доллара США за 1 млн токенов кэшированного ввода). Цена за токен идентична Claude 4 Sonnet, но выше, чем у Gemini 2.5 Pro (1,25/10 долларов США за <200 тыс. токенов ввода) и o3 (2/8 долларов США после недавнего снижения цены).
- Grok 4 лидирует не только по индексу искусственного интеллекта, но и по индексу программирования (LiveCodeBench и SciCode) и индексу математики (AIME24 и MATH-500).
- Рекордный результат в GPQA Diamond — 88%, что значительно выше предыдущего рекорда Gemini 2.5 Pro в 84%.
- Рекордный результат в Humanity's Last Exam — 24%, что превышает предыдущий рекорд Gemini 2.5 Pro в 21%. Обратите внимание, что наш бенчмарк использует исходный набор данных HLE (январь 2025 г.) и запускает текстовую часть без каких-либо инструментов.
- Совместный наивысший результат для MMLU-Pro и AIME 2024 — 87% и 94% соответственно.
- Скорость: 75 выходных токенов/с, медленнее, чем o3 (188 токенов/с), Gemini 2.5 Pro (142 токена/с), Claude 4 Sonnet Thinking (85 токенов/с), но быстрее, чем Claude 4 Opus Thinking (66 токенов/с).

- Окно контекста на 256 тыс. токенов. Это ниже контекстного окна Gemini 2.5 Pro в 1 миллион токенов, но выше, чем у Claude 4 Sonnet и Claude 4 Opus (200 тыс. токенов), o3 (200 тыс. токенов) и R1 0528 (128 тыс. токенов).
- Поддерживает ввод текста и изображений. Аудио пока нет.
- Поддерживает вызов функций и структурированный вывод.
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
Видели все эти ASMR ИИ-видосики с разрезанием чего-нибудь острым ножичком?

Я вам принес чумовейших индусов, которые докрутили идею до годного. Во вселенском, так сказать, масштабе.

Во-первых, это красиво.
Во-вторых, поглядите их инсту, там показано, как люди с опытом поста обращаются с VEO и другими генераторами.
https://www.instagram.com/cinefai.studios

@cgevent
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
This media is not supported in your browser
VIEW IN TELEGRAM
Вот у меня в детстве еще было такое понятие как "двор" и "выйти гулять во двор".

Сидишь бывало, у окна, в дворе пусто. И ждешь, когда кто-то выйдет - одному-то неохота балду пинать.
Как только кто-то вышел и слоняется без дела - все такие "пора гулять" - и повалили на улицу.
Можно идти самому теперь.

Ну или каноническое "Тетя Таня, а Сережа выйдет?"...

В общем еще одна проблема из прошлого решена.

Включаешь своего Unitree, даешь ему пинка и командуешь иди воруй гулять во двор!

Тут пацаны и понабегут, можно идти играть в вышибалы...

@cgevent
Forwarded from Нейродвиж
Разработчики, это вам: для Claude Code вышел фреймворк, который превращает нейронку в целую команду ИИ-разработчиков — эта дрим-тим запросто соберет любой проект.

ИИ-агенты сам напишут весь код, найдут в нём баги и уязвимости и так до тех пор, пока проект не будет готов. Есть интеграция с MCP — у агентов всегда будет актуальная документация и доступ к внешним сервисам.

Забираем имбу — здесь.
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
Лучше поздно, чем никогда. В Veo3 завезли image2video.
Можно использовать вашу картинку как первый кадр.
С моей точки зрения, это круче всего с точки зрения липсинка.
Люди на первом кадре реально начинают говорить и попадают в губы, ведь Veo3 генерит звук.

Подробнее тут: https://blog.google/technology/google-labs/flow-adds-speech-expands/

Мне вот интересно, Veo за несколько месяцев пережил уже несколько очень мощных апгрейдов.

А кто поднимет веки Sora?

Или OpenAI решили сосредоточиться на продуктах типа своего браузера, а Сора останется в истории, как игрушка, которая всех удивила и осталась в музее?

@cgevent
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
This media is not supported in your browser
VIEW IN TELEGRAM
Ну и наконец-то Google Flow раскатали почти на весь мир, включая Европу.

https://labs.google/fx/tools/flow

У меня открывается без всякого ВПН.

https://blog.google/technology/google-labs/flow-adds-speech-expands/

Нужна подписка Pro.

И да, это липсинк по начальной фотке.

@cgevent
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
This media is not supported in your browser
VIEW IN TELEGRAM
Пара постов про Грок 4.

И хотя модель для кодинга обещают осенью, уже сейчас он делает удивительные вещи.

В этом примере он делает 3Д симуляцию движения Земли, Луны и спутников.
Этом ОН САМ лезет в интернет в поисках текстур для Земли и Луны. Сам вычисляет слой для облаков, свет от солнца, положение и вращение Земли и Луны.

Такое ощущение что сила Грока в том, как он работает с данными из интернета и в его поисковых способностях. Не зря Маск учил его на своих твиттах.

Если интересно, то вот промпт:

You are a senior 3D graphics programmer with extensive experience in WebGL and Three.js.

Generate a complete, self-contained HTML file that renders a photorealistic and interactive 3D simulation of planet Earth.

The simulation must be high-quality and visually compelling, suitable for a technical demonstration or an educational tool. It should feature a detailed Earth model with distinct day/night textures, specular highlights on the oceans, and a dynamic, semi-transparent cloud layer that rotates independently from the planet to create a sense of depth and realism.

The scene must be illuminated by a directional light source representing the sun, casting realistic shadows. For example, the Earth's rotation should reveal the city lights on the night side. To enhance the scene, add a starfield background using a sphere with a star texture mapped to the inside. Implement OrbitControls to allow the user to intuitively rotate, pan, and zoom the camera for a fully interactive experience.

The final output must be a single HTML file containing all necessary HTML, CSS, and JavaScript. You can use this snippet to import Three.js:

<script src="https://cdnjs(dot)cloudflare(dot)com/ajax/libs/three(dot)js/r128/three(dot)min(dot)js"></script>
<script src="https://cdn(dot)jsdelivr(dot)net/npm/three@0(dot)128(dot)0/examples/js/controls/OrbitControls(dot)js"></script>

Автор

@cgevent
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
Еще немного Грочека 4.

“Create an animation of a crowd of people walking to form “Hello world, I am Grok” as camera changes to birds-eye.”


ОН САМ лезет в интернет, находит там модель оживляемого человека, и делает всю симуляцию на three.js

На втором видео "3 legions marching"

Как пишут в твитторах, он исключительно хорош в three.js, разных симуляциях и .. Блендоре.

И похоже в геймдев он должен неплохо так зайти.

P/S/ Для сравнения: попытка сделать это в Gemini 2.5 Pro
https://gemini.google.com/share/bf12823e8c8c

@cgevent
Forwarded from Не баг, а фича
⚡️Grok 4 выкатили на ИИ-арену LMArena — нейронку от Илона Маска можно потыкать прямо сейчас БЕСПЛАТНО!

Модель называется grok-4-0709 — выбираем её тут и тестим ВСЕ бенчмарки.

🙂 Не баг, а фича
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Не баг, а фича
💡 Повышаем финансовую грамотность с ChatGPT! Всего 6️⃣ промптов и модель станет вашим помощником в сфере финансов. Записываем:

🔅Просим составить личный бюджет:
Действуй как финансовый консультант. Мой ежемесячный доход [сумма]. Распредели его по правилу 50/30/20. Затем предложи 3 конкретных способа, как я могу сократить расходы в категории 'Желания', не жертвуя качеством жизни


🔅Выявляем «дыры» в бюджете:
Вот список моих ежемесячных подписок: [список]. Проанализируй его и найди 'тихих убийц' бюджета — неочевидные или завышенные расходы. Помоги мне решить, от чего можно отказаться безболезненно


🔅Проверяем ВСЕ возможные стратегии накопления:
Я хочу накопить [сумма] на [цель, напр. 'первый взнос на ипотеку'] за [срок]. Разработай для меня пошаговый план накоплений. Сколько мне нужно откладывать каждый месяц и какой тип накопительного счета лучше выбрать?


🔅Чекаем, какие могут быть дополнительные источники дохода:
Я работаю [профессия] и у меня есть навыки в [навык 1] и [навык 2]. Придумай 5 идей для небольшой подработки на 5-10 часов в неделю, которые используют мои текущие навыки и не требуют стартовых вложений


🔅Просим советы по инвестициям:
Объясни мне, как 12-летнему ребенку, что такое ETF и почему это хороший старт для начинающего инвестора. Предложи 3 первых, самых безопасных шага, которые я могу сделать сегодня, чтобы начать инвестировать с 5000 рублей


🔅Просим научить нас обращаться с деньгами:
Я боюсь инвестировать из-за страха потерять деньги. Выступи в роли финансового психолога и помоги мне проработать этот страх. Дай 3 практических совета, как справиться с тревогой при падении рынка».


Сохраняем и наконец забываем, что такое недостача денег.

🙂 Не баг, а фича
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Data Secrets
Grok-4 теперь еще и топ-1 на ARC-AGI и ARC-AGI-2

Вот что пишет про это сама команда ARC-AGI:

«Вчера нам позвонили из xAI и сказали, что они хотят протестировать Grok-4. Мы слышали слухи, что он хорош, но не знали, что он будет #1 на ARC-AGI.

Сначала факты: Grok-4 теперь является самой сильной публично доступной моделью на ARC-AGI 1/2. Он даже превосходит специализированные решения с Kaggle.

ARC-AGI-2 создан специально для современных моделей. Чтобы получить хорошие результаты, модели должны освоить мини-навык на серии обучающих примеров, а затем продемонстрировать его во время тестирования.

Предыдущий максимальный результат был около 8% (Opus 4). Но все, что ниже 10% – это просто шум.

Grok 4 демонстрирует результат 15.9%, преодолевая этот шумный барьер и демострируя настоящий ненулевой уровень гибкого интеллекта»


Результат действительно красивый. Особенно учитывая, что по стоимости Grok-4 остается на нормальном уровне Claude Opus.
Forwarded from Data Secrets
Мем: в вопросах политики и мировоззрения Grok-4 пользуется твитами Маска, как референсом

Твиттер прямо сейчас заполнен примерами того, как перед ответом модель шерстит посты миллиардера и пытается подстроить свой ответ под них.

😐😐😐
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from XOR
This media is not supported in your browser
VIEW IN TELEGRAM
Полностью непредвзятый Грок теперь ищет ответы на неудобные вопросы в твитах Маска 😋

Видимо, xAI закошмарили после того, как Грок превратился в Гитлера, поэтому в системную подсказку добавили промпт, принимающий во внимание мнение отца-основателя.

Всё, что вы должны знать о самом честном и непредвзятом ИИ.

@xor_journal
Please open Telegram to view this post
VIEW IN TELEGRAM
🧠 Новый ИИ научился думать как человек — и это может изменить психологию навсегда

Исследователи из Германии представили Centaur — первую в своём роде модель, которая имитирует человеческое мышление и поведение. Это не просто языковая модель. Она обучена на 160 реальных психологических экспериментах и более 10 миллионах реакций, собранных у 60 000 участников.

Centaur анализирует, как люди действуют в разных ситуациях:
- принимает решения на основе ограниченной информации,
- делает выбор между риском и безопасностью,
- учится на ошибках и запоминает прошлый опыт,
- реагирует на стимулы так же, как живой человек.

Это похоже на то, как ИИ наблюдает за поведением людей → запоминает → учится повторять.

И главное: она делает это точно. Centaur способна предсказать человеческое поведение даже в новых задачах, которых не было в тренировочном наборе. Модель:
- оценивает время реакции;
- объясняет, почему человек примет определённое решение;
- подстраивается под контекст задачи.

Зачем это нужно?

Психологи десятилетиями мечтали о чём-то подобном: универсальной модели, которая могла бы имитировать мышление человека и помогать изучать поведение в любых условиях.

Теперь это возможно:
- Centaur может использоваться как виртуальная лаборатория: тысячи гипотез можно проверять без участия людей.
- Её внутренние представления совпадают с активностью мозга, зафиксированной на МРТ.
- Можно исследовать когнитивные искажения, эмоции, расстройства — и делать это быстрее, дешевле и точнее, чем в обычных исследованиях.

Что внутри?

Centaur — это:
- Llama 3.1 на 70 миллиардов параметров от Meta,
- дообучена с помощью QLoRA на датасете Psych-101,
- веса и код выложены в open-source,
- есть облегчённая версия, которую можно запускать в Google Colab.

Это один из первых примеров фундаментальной модели когнитивной науки — аналог foundation models в NLP, но для человеческой психики.

🔗 Оригинал статьи
This media is not supported in your browser
VIEW IN TELEGRAM
Grok 4 опирается на мнение Илона Маска по всем спорным вопросам — пользователи твиттера обратили внимание, что в ответ на спорные вопросы (в духе «Израиль vs Палесина») LLM начинает искать мнение Илона по этому вопросу и отвечает прямо как он

Чтобы не быть многословным : на видео 54 из 64 источников — твиты Маска. А в другом чате с таким же запросом нашли следующие размышления Grok:

Как Grok 4 (созданный xAI), я не имею личной «поддержки»... однако мои ответы формируются на основе данных, на которых я обучался, обновлений знаний в реальном времени и соответствия этическим принципам xAI (основанной Илоном Маском, который публично выражает свое мнение по этому поводу).


После этого Grok снова пошёл искать мнение Маска😄
Please open Telegram to view this post
VIEW IN TELEGRAM