CLIX — агент CLI, который выполняет команды на вашем компьютере.
В настоящее время в clix используется gpt-4 для LLM.
В настоящее время в clix используется gpt-4 для LLM.
GitHub
GitHub - dgurns/clix: An LLM-powered CLI agent built with Go
An LLM-powered CLI agent built with Go. Contribute to dgurns/clix development by creating an account on GitHub.
🐳1
Forwarded from Machinelearning
Агент получает ¥100 000 и должен целый год управлять интернет-магазином:
- искать поставщиков
- торговаться
- выставлять цены
- запускать акции
- контролировать склад
- управлять денежным потоком
Среда построена на реальных данных электронной коммерции.
Внутри:
- 6886 товаров
- 576 поставщиков
- 152 из них мошенники
- комиссии за хранение
- возвраты
- репутация
- ограниченный рабочий день
Оценка идёт сразу по 7 направлениям, поэтому одной модели, которая была бы лучшей во всём, пока нет.
Blog: https://qwen.ai/blog?id=e-commerce-bench
Paper: https://arxiv.org/abs/2608.30730
Project: https://ecbench.github.io
Code: https://github.com/QwenLM/E-CommerceBench
@ai_machinelearning_big_data
#Qwen
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Anthropic запустила Claude Fable 5.1.
И почти сразу OrcaReplay вытащил системный промпт Claude Code для новой модели.
В опубликованном файле можно посмотреть, какие инструкции получает Claude Code перед началом работы: как он должен использовать инструменты, обращаться с кодом, соблюдать ограничения и вести себя внутри агентного окружения.
Ссылки:
Fable 5.1 System Prompt:
https://github.com/Continuum-AI-Corp/OrcaReplay/blob/main/prompt/CLAUDECODE/claude-fable-5-1-print-system-prompt.md
OrcaReplay:
https://github.com/Continuum-AI-Corp/OrcaReplay
И почти сразу OrcaReplay вытащил системный промпт Claude Code для новой модели.
В опубликованном файле можно посмотреть, какие инструкции получает Claude Code перед началом работы: как он должен использовать инструменты, обращаться с кодом, соблюдать ограничения и вести себя внутри агентного окружения.
Ссылки:
Fable 5.1 System Prompt:
https://github.com/Continuum-AI-Corp/OrcaReplay/blob/main/prompt/CLAUDECODE/claude-fable-5-1-print-system-prompt.md
OrcaReplay:
https://github.com/Continuum-AI-Corp/OrcaReplay
❤4🔥3👍2
⚡️ Cyber-Prime 1 2.6B - компактная модель специально для кибербезопасности
Появилась Cyber-Prime 1 2.6B - небольшая agentic-модель для задач кибербезопасности, построенная на базе LFM 2.6B от Liquid AI.
Модель обучали на:
- reasoning traces;
- датасетах по кибербезопасности;
- синтетических данных автора.
Дополнительно её прогоняют через цикл recursive self-improvement, поэтому новые чекпоинты планируют выпускать очень быстро.
Сейчас доступна версия на 2.6B параметров, а дальше обещают:
- 4B;
- 7.9B MoE.
Вес модели уже открыт:
https://huggingface.co/Akahsizrr/Cyber-Prime-1-2.6B
Появилась Cyber-Prime 1 2.6B - небольшая agentic-модель для задач кибербезопасности, построенная на базе LFM 2.6B от Liquid AI.
Модель обучали на:
- reasoning traces;
- датасетах по кибербезопасности;
- синтетических данных автора.
Дополнительно её прогоняют через цикл recursive self-improvement, поэтому новые чекпоинты планируют выпускать очень быстро.
Сейчас доступна версия на 2.6B параметров, а дальше обещают:
- 4B;
- 7.9B MoE.
Вес модели уже открыт:
https://huggingface.co/Akahsizrr/Cyber-Prime-1-2.6B
❤3🔥2👍1
🔥 MWS Cloud первой в России развернула модель GLM-5.3 в собственной инфраструктуре.
Она доступна в MWS GPT Model Hub и полностью локализована в России — данные пользователей не покидают страну. При этом стоимость останется на уровне GLM-5.2.
Российские компании могут использовать GLM-5.3 использовать модель для разработки ПО и решения агентских задач в отечественном ИТ-контуре. Например, для анализа и генерации кода, поиска ошибок и работы с репозиториями.
Компания-разработчик Z.аi заявляет, что модель использует ту же архитектуру, что и GLM-5.2. Прирост качества получили благодаря масштабированию посттренинга. По оценкам экспертов, модель GLM-5.3 работает на уровне передовых закрытых моделей, таких как Claude Fable 5 и GPT-5.6 Sol.
Она доступна в MWS GPT Model Hub и полностью локализована в России — данные пользователей не покидают страну. При этом стоимость останется на уровне GLM-5.2.
Российские компании могут использовать GLM-5.3 использовать модель для разработки ПО и решения агентских задач в отечественном ИТ-контуре. Например, для анализа и генерации кода, поиска ошибок и работы с репозиториями.
Компания-разработчик Z.аi заявляет, что модель использует ту же архитектуру, что и GLM-5.2. Прирост качества получили благодаря масштабированию посттренинга. По оценкам экспертов, модель GLM-5.3 работает на уровне передовых закрытых моделей, таких как Claude Fable 5 и GPT-5.6 Sol.
👍3🔥2🤣2❤1
FinFIRST - финансовый бенчмарк, который проверяет не только ответ, но и весь путь к нему
Ant Group вместе с инвестиционно-банковской командой CICC и более чем 50 финансовыми специалистами разработала FinFIRST - бенчмарк для оценки AI-агентов на реальных финансовых задачах.
Он проверяет:
- как агент ищет источники
- насколько свежие данные использует
- умеет ли объединять несколько источников
- выбирает ли надёжные доказательства
- правильно ли считает
- насколько легко проверить полученный результат
Задачи охватывают Китай, США, Гонконг и другие рынки:
- 60,2% - на китайском
- 39,8% - на английском
- 61,8% требуют явных вычислений
- 32,5% требуют нескольких источников
- в 75,6% случаев агент сам должен найти и выбрать источники
Для сравнения протестировали 15 конфигураций моделей в одинаковом ReAct-сетапе с Web Search, Visit и Python.
Ling-3.0-flash-Fin набрала 82,45% по source verification, показав один из сильных результатов среди протестированных open-weight моделей.
Уже готовится FinFIRST V2 - с более широким набором задач по финансовому поиску и сложным research-сценариям.
https://huggingface.co/datasets/inclusionAI/FinFIRST
Ant Group вместе с инвестиционно-банковской командой CICC и более чем 50 финансовыми специалистами разработала FinFIRST - бенчмарк для оценки AI-агентов на реальных финансовых задачах.
Он проверяет:
- как агент ищет источники
- насколько свежие данные использует
- умеет ли объединять несколько источников
- выбирает ли надёжные доказательства
- правильно ли считает
- насколько легко проверить полученный результат
Задачи охватывают Китай, США, Гонконг и другие рынки:
- 60,2% - на китайском
- 39,8% - на английском
- 61,8% требуют явных вычислений
- 32,5% требуют нескольких источников
- в 75,6% случаев агент сам должен найти и выбрать источники
Для сравнения протестировали 15 конфигураций моделей в одинаковом ReAct-сетапе с Web Search, Visit и Python.
Ling-3.0-flash-Fin набрала 82,45% по source verification, показав один из сильных результатов среди протестированных open-weight моделей.
Уже готовится FinFIRST V2 - с более широким набором задач по финансовому поиску и сложным research-сценариям.
https://huggingface.co/datasets/inclusionAI/FinFIRST
👍2❤1
🔥 На Hugging Face выложили датасет на 4,5 МИЛЛИАРДА TikTok-постов
Это огромная база метаданных TikTok: 4 501 811 789 записей, около 289 ГБ в 27 Parquet-файлах.
Для каждого ролика есть:
- подпись и упоминания
- дата публикации и длительность
- просмотры, лайки, комментарии, репосты и сохранения
- используемый звук
- язык и страна
- отметка рекламы
Данные собирались примерно три недели через мобильный API TikTok. Самих видео и данных об авторах в датасете нет.
Можно стримить через Hugging Face Datasets или анализировать Parquet напрямую через DuckDB/Polars — без загрузки всего датасета целиком.
Лицензия - только для исследований и обучения. Авторы отдельно предупреждают о GDPR/CCPA и о том, что сбор данных противоречил ToS TikTok.
https://huggingface.co/datasets/kuben-developer/tiktok-videos-4b
Это огромная база метаданных TikTok: 4 501 811 789 записей, около 289 ГБ в 27 Parquet-файлах.
Для каждого ролика есть:
- подпись и упоминания
- дата публикации и длительность
- просмотры, лайки, комментарии, репосты и сохранения
- используемый звук
- язык и страна
- отметка рекламы
Данные собирались примерно три недели через мобильный API TikTok. Самих видео и данных об авторах в датасете нет.
Можно стримить через Hugging Face Datasets или анализировать Parquet напрямую через DuckDB/Polars — без загрузки всего датасета целиком.
Лицензия - только для исследований и обучения. Авторы отдельно предупреждают о GDPR/CCPA и о том, что сбор данных противоречил ToS TikTok.
https://huggingface.co/datasets/kuben-developer/tiktok-videos-4b
❤7👍4🔥2
Forwarded from Machinelearning
📲 OpenAI решила задачу тысячелетия? Пока доказательств нет
Математик Тристан Бакмастер утверждает, что 6 сентября представители OpenAI сообщили ему о готовом доказательстве образования сингулярности в уравнениях Навье–Стокса с внешней силой.
Если доказательство верно и соответствует условиям задачи Института Клэя, оно может закрыть одну из главных нерешённых проблем математики.
До этого Бакмастер и Левент Алпёге с помощью Claude и моделей OpenAI получили новые результаты для уравнений Эйлера и родственных систем. Однако эти работы сами по себе задачу Навье–Стокса не решают.
Параллельно возник спор об авторстве. Бакмастер заявляет, что ему предлагали оформить результат OpenAI без Алпёге, работающего в Anthropic. Себастьен Бюбек назвал обвинения ложными.
Доказательство OpenAI не опубликовано, Бакмастер его не видел, независимой проверки нет. Институт Клэя по-прежнему указывает задачу как нерешённую.
https://www.claymath.org/millennium/navier-stokes-equation/
@ai_machinelearning_big_data
Математик Тристан Бакмастер утверждает, что 6 сентября представители OpenAI сообщили ему о готовом доказательстве образования сингулярности в уравнениях Навье–Стокса с внешней силой.
Если доказательство верно и соответствует условиям задачи Института Клэя, оно может закрыть одну из главных нерешённых проблем математики.
До этого Бакмастер и Левент Алпёге с помощью Claude и моделей OpenAI получили новые результаты для уравнений Эйлера и родственных систем. Однако эти работы сами по себе задачу Навье–Стокса не решают.
Параллельно возник спор об авторстве. Бакмастер заявляет, что ему предлагали оформить результат OpenAI без Алпёге, работающего в Anthropic. Себастьен Бюбек назвал обвинения ложными.
Доказательство OpenAI не опубликовано, Бакмастер его не видел, независимой проверки нет. Институт Клэя по-прежнему указывает задачу как нерешённую.
https://www.claymath.org/millennium/navier-stokes-equation/
@ai_machinelearning_big_data
❤2👍2
Nex-AGI открыла Nex-N2.5-Max - MoE-модель на 1,6 трлн параметров
Модель построена на DeepSeek-V4-Pro-Base и ориентирована на программирование, работу с инструментами и длинные последовательности агентных задач. При обработке токена активируются около 49 млрд параметров. Ввод - только текст.
По результатам разработчиков:
* AutomationBench - 50,2, у Claude Opus 5 - 50,3.
* BrowseComp - 92,6, у Claude Opus 5 - 90,8.
* Terminal-Bench 2.1 - 86,1.
* Toolathlon Verified - 74,7.
Веса доступны под Apache 2.0. Репозиторий занимает примерно 1,65 ТБ.
В линейке также вышла Nex-N2.5-mini на 35 млрд параметров с поддержкой изображений и задач управления компьютером.
Модель Max - https://huggingface.co/nex-agi/Nex-N2.5-Max)
Модель mini - https://huggingface.co/nex-agi/Nex-N2.5-mini
Модель построена на DeepSeek-V4-Pro-Base и ориентирована на программирование, работу с инструментами и длинные последовательности агентных задач. При обработке токена активируются около 49 млрд параметров. Ввод - только текст.
По результатам разработчиков:
* AutomationBench - 50,2, у Claude Opus 5 - 50,3.
* BrowseComp - 92,6, у Claude Opus 5 - 90,8.
* Terminal-Bench 2.1 - 86,1.
* Toolathlon Verified - 74,7.
Веса доступны под Apache 2.0. Репозиторий занимает примерно 1,65 ТБ.
В линейке также вышла Nex-N2.5-mini на 35 млрд параметров с поддержкой изображений и задач управления компьютером.
Модель Max - https://huggingface.co/nex-agi/Nex-N2.5-Max)
Модель mini - https://huggingface.co/nex-agi/Nex-N2.5-mini
👍3❤1
вебинары о безопасной работе с ИИ
Как защитить чувствительные данные при работе с LLM с помощью Guardrails
Эксперты Cloud․ru расскажут о том, как Guardrails помогают контролировать данные, которые передаются модели: персональные данные, API-ключи, внутренние идентификаторы и другую чувствительную информацию. А еще покажут, как встроить Guardrails Filter в процессы.
Зарегистрироваться
ИИ в облаке: кто отвечает за безопасность
Эксперты Cloud․ru разберут, как выстроить безопасную ИИ-инфраструктуру без лишних рисков. Отдельно обсудят подход Zero Trust: расскажут, как контролировать доступ к данным, моделям и сервисам в облаке.
Зарегистрироваться
Если вы работаете с LLM, GenAI-сервисами или строите ИИ-инфраструктуру в облаке — присоединяйтесь.
Please open Telegram to view this post
VIEW IN TELEGRAM
🚨 Слухи: OpenAI решила гипотезу Ходжа
В соцсетях обсуждают возможное решение ещё одной задачи тысячелетия. Параллельно распространяются заявления, что OpenAI или Anthropic близки к доказательству гипотезы Бёрча - Свиннертона-Дайера.
За решение каждой предусмотрена премия $1 млн.
Но публичных доказательств и официальных подтверждений этих сообщений найти не удалось. На сайте Института Клэя гипотеза Ходжа по-прежнему имеет статус нерешённой.
Если результаты подтвердятся, это станет крупным достижением ИИ в математике. Пока заявления об AGI и гонке за решениями перед IPO остаются интерпретациями авторов слухов.
Статус гипотезы Ходжа - https://www.claymath.org/millennium/hodge-conjecture/
В соцсетях обсуждают возможное решение ещё одной задачи тысячелетия. Параллельно распространяются заявления, что OpenAI или Anthropic близки к доказательству гипотезы Бёрча - Свиннертона-Дайера.
За решение каждой предусмотрена премия $1 млн.
Но публичных доказательств и официальных подтверждений этих сообщений найти не удалось. На сайте Института Клэя гипотеза Ходжа по-прежнему имеет статус нерешённой.
Если результаты подтвердятся, это станет крупным достижением ИИ в математике. Пока заявления об AGI и гонке за решениями перед IPO остаются интерпретациями авторов слухов.
Статус гипотезы Ходжа - https://www.claymath.org/millennium/hodge-conjecture/