Google выпустили Genie 4 – новое поколение своей world модели
Предыдущая версия вышла больше года назад, в августе 2025. В новой модели главный упор на реализм, мультимодальность, улучшенную физику и интерактивность.
Модель генерирует мир в реальном времени и сразу со звуком. Музыка, шум окружения и даже диалоги персонажей создаются вместе с картинкой, причем реплики подстраиваются под действия пользователя.
Сцену можно менять и режиссировать с помощью промптов прямо на лету. Например, поменять погоду или добавить персонажей/объекты.
Внутри работает несколько моделей Gemini. Gemini Omni отвечает за реалистичный внешний вид и поведение мира, другие модели следят за связностью симуляции, и отдельно Gemini 3.8 Flash работает агентом в цикле aka мозгом: разбивает цель на шаги, проверяет их выполнение и перестраивает план, если пользователь захотел что-то поменять.
По задумке Google, в таких средах можно тестировать роботов и агентов. Они даже показали демо, в котором гуманоид Apollo от Apptronik играет в шашки внутри сгенерированного мира.
https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/
Предыдущая версия вышла больше года назад, в августе 2025. В новой модели главный упор на реализм, мультимодальность, улучшенную физику и интерактивность.
Модель генерирует мир в реальном времени и сразу со звуком. Музыка, шум окружения и даже диалоги персонажей создаются вместе с картинкой, причем реплики подстраиваются под действия пользователя.
Сцену можно менять и режиссировать с помощью промптов прямо на лету. Например, поменять погоду или добавить персонажей/объекты.
Внутри работает несколько моделей Gemini. Gemini Omni отвечает за реалистичный внешний вид и поведение мира, другие модели следят за связностью симуляции, и отдельно Gemini 3.8 Flash работает агентом в цикле aka мозгом: разбивает цель на шаги, проверяет их выполнение и перестраивает план, если пользователь захотел что-то поменять.
По задумке Google, в таких средах можно тестировать роботов и агентов. Они даже показали демо, в котором гуманоид Apollo от Apptronik играет в шашки внутри сгенерированного мира.
https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/
❤104🔥56🤯30👍8🗿5
Data Secrets
Google выпустили Genie 4 – новое поколение своей world модели Предыдущая версия вышла больше года назад, в августе 2025. В новой модели главный упор на реализм, мультимодальность, улучшенную физику и интерактивность. Модель генерирует мир в реальном времени…
Очень ждем пока кто-нибудь запихнет сюда мозг мухи
😁268🔥29👍8💯4☃3🫡3🍾2🗿2❤1
Исследователи из Яндекса опубликовали на EMNLP две новые статьи про оценку LLM
EMNLP 2026 — это одна из двух главных NLP-конференций вместе с ACL, и по масштабам она, кстати, заметно выросла (в этом году организаторы получили 17 669 заявок против 8 тысяч в прошлом).
В этом году на EMNLP особенно актуальна тема бенчмарков. Старые насыщаются с огромной скоростью, и индустрия остро нуждается в свежих методах эвала LLM.
Один из трендов – игровые бенчи. Игры дают то, чего статичным наборам не хватает, а именно: проверяют стратегическое мышление, удержание контекста и умение мыслить многошагово.
MTGBench – это как раз игровой двуязычный бенчмарк, который состоит из семи многоходовых игр, каждая на английском и русском языках, куда входят Wordle, «Цепочка слов», «Данетки», «20 вопросов», «Поле чудес», «20 признаков» и «Алиас».
Кроме наполнения, бенчмарк интересен тем, на все ходы модели можно объективно ответить. В четырех играх результат проверяет алгоритм, в трех остальных LLM-судья строго ограниченно следит за соблюдением правил. Сам судья отдельно независимо провалидирован.
Лидерборд по 16 протестированным моделям наверху. Сильные ризонинг-модели догоняют или обгоняют собранный авторами человеческий бейзлайн за счет эффективной игры и получения отгадки за меньшее число ходов😐
Вторая статья посвящена оценке машинного перевода. Его качество растет, но ошибки в передаче смысла и неестественные формулировки по-прежнему встречаются и не всегда заметны при первом чтении. Их поиск требует внимательной работы подготовленных экспертов, а такую разметку сложно масштабировать. Авторы исследовали, могут ли языковые модели оценивать перевод на экспертном уровне, и как должен быть устроен такой оценщик.
Для исследования собрали 600 англо-русских переводов с тремя независимыми экспертными разметками каждого и последовательно проверили влияние инструкций, способов подготовки и отбора примеров, выбора моделей и объединения их отчетов. Итогом стало семейство оценщиков ORBIT. Лучшая конфигурация достигла экспертного уровня согласованности в поиске ошибок при стоимости примерно в 28 раз ниже одного прохода профессионального эксперта. Подход также проверили на пяти других языковых направлениях с независимой разметкой по протоколам MQM и ESA.
Поздравляем исследователей с отличной работой и публикациями на EMNLP!
EMNLP 2026 — это одна из двух главных NLP-конференций вместе с ACL, и по масштабам она, кстати, заметно выросла (в этом году организаторы получили 17 669 заявок против 8 тысяч в прошлом).
В этом году на EMNLP особенно актуальна тема бенчмарков. Старые насыщаются с огромной скоростью, и индустрия остро нуждается в свежих методах эвала LLM.
Один из трендов – игровые бенчи. Игры дают то, чего статичным наборам не хватает, а именно: проверяют стратегическое мышление, удержание контекста и умение мыслить многошагово.
MTGBench – это как раз игровой двуязычный бенчмарк, который состоит из семи многоходовых игр, каждая на английском и русском языках, куда входят Wordle, «Цепочка слов», «Данетки», «20 вопросов», «Поле чудес», «20 признаков» и «Алиас».
Кроме наполнения, бенчмарк интересен тем, на все ходы модели можно объективно ответить. В четырех играх результат проверяет алгоритм, в трех остальных LLM-судья строго ограниченно следит за соблюдением правил. Сам судья отдельно независимо провалидирован.
Лидерборд по 16 протестированным моделям наверху. Сильные ризонинг-модели догоняют или обгоняют собранный авторами человеческий бейзлайн за счет эффективной игры и получения отгадки за меньшее число ходов
Вторая статья посвящена оценке машинного перевода. Его качество растет, но ошибки в передаче смысла и неестественные формулировки по-прежнему встречаются и не всегда заметны при первом чтении. Их поиск требует внимательной работы подготовленных экспертов, а такую разметку сложно масштабировать. Авторы исследовали, могут ли языковые модели оценивать перевод на экспертном уровне, и как должен быть устроен такой оценщик.
Для исследования собрали 600 англо-русских переводов с тремя независимыми экспертными разметками каждого и последовательно проверили влияние инструкций, способов подготовки и отбора примеров, выбора моделей и объединения их отчетов. Итогом стало семейство оценщиков ORBIT. Лучшая конфигурация достигла экспертного уровня согласованности в поиске ошибок при стоимости примерно в 28 раз ниже одного прохода профессионального эксперта. Подход также проверили на пяти других языковых направлениях с независимой разметкой по протоколам MQM и ESA.
Поздравляем исследователей с отличной работой и публикациями на EMNLP!
Please open Telegram to view this post
VIEW IN TELEGRAM
❤90🗿25🔥14👍7❤🔥5😁5☃2🤝1😎1👾1
Вышла Gemini 4 Carbon
https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/
https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/
🔥134😁27
Anthropic купили стартап Mithril Medicine, состоящий из одного человека
Компания разрабатывает лекарства от двух редких детских генетических болезней, LAMA2-связанной врожденной мышечной дистрофии и альфа-дистрогликанопатии. Эти две программы сейчас стали первыми внутренними лекарственными проектами Anthropic (их блогпост).
Единственным штатным сотрудником Mithril Medicine был основатель Коди Транбаргер + как заявляет сам основатель, агенты Claude. Они делали все необходимые расчеты, писали код, разбирали почту, формировали нужные файлы, составляли планы экспериментов и так далее. Словом, брали на себя почти всю работу, кроме принятия решений и финальных планов исследований.
Сумма сделки не раскрывается, но известно, что до этого Mithril Medicine уже удавалось привлекать небольшие раунды инвестиций.
Сам Коди теперь будет возглавлять внутреннюю разработку лекарств в Anthropic.
А ведь Альтман и Амодеи еще в 2024 предупреждали нас об эре one-person billion companies☕️
Компания разрабатывает лекарства от двух редких детских генетических болезней, LAMA2-связанной врожденной мышечной дистрофии и альфа-дистрогликанопатии. Эти две программы сейчас стали первыми внутренними лекарственными проектами Anthropic (их блогпост).
Единственным штатным сотрудником Mithril Medicine был основатель Коди Транбаргер + как заявляет сам основатель, агенты Claude. Они делали все необходимые расчеты, писали код, разбирали почту, формировали нужные файлы, составляли планы экспериментов и так далее. Словом, брали на себя почти всю работу, кроме принятия решений и финальных планов исследований.
Сумма сделки не раскрывается, но известно, что до этого Mithril Medicine уже удавалось привлекать небольшие раунды инвестиций.
Сам Коди теперь будет возглавлять внутреннюю разработку лекарств в Anthropic.
А ведь Альтман и Амодеи еще в 2024 предупреждали нас об эре one-person billion companies
Please open Telegram to view this post
VIEW IN TELEGRAM
❤175🤯69
Исследователи нашли способ тратить на 15% меньше вычислений на обучение LLM без потери качества
На EMNLP 2026, – А*-конференции, проходящей сейчас в Венгрии, – рисерчеры из Т-Теха представили метод LIMe, который позволяет обучать языковые модели примерно на 15% дешевле по вычислениям без просадки в качестве.
В трансформерах каждый слой опирается только на скрытое состояние предыдущего, и через него должен пройти весь контекст. Авторы показывают, что из-за этого возникает давление в сторону коллапса представлений. То есть токены становятся слишком похожими друг на друга, различия между ними теряются, а вместе с ними теряется и качество.
LIMe (Layer-Integrated Memory) это легкое расширение механизма внимания. Оно использует key-value буферы, которые и так хранятся для каждого слоя, и добавляет к ним обучаемые веса маршрутизации, отдельные для каждой головы и каждого слоя. С их помощью голова внимания может забирать представления не только с предыдущего слоя, но и с более ранних, и смешивать их. Размер скрытого состояния при этом не растет, а уже выполненные вычисления используются повторно.
В экспериментах на моделях примерно с миллиардом параметров LIMe достиг той же ошибки обучения, что и базовая LLaMA, при затратах на 15% ниже. На бенчмарках языкового моделирования и многошаговых рассуждений метод обошел другие подходы. Самый заметный выигрыш получили на синтетических арифметических задачах и в архитектурах с большим числом слоев.
Еще авторы отмечают, что у LIMe выше энтропия value-векторов и лучше разделимость токенов, то есть главная проблема действительно смягчается. А по выученным весам маршрутизации видно, что модель системно переиспользует и локальные, и дальние признаки.
Статья: https://arxiv.org/abs/2502.09245
Полная имплементация авторов: https://github.com/corl-team/lime
На EMNLP 2026, – А*-конференции, проходящей сейчас в Венгрии, – рисерчеры из Т-Теха представили метод LIMe, который позволяет обучать языковые модели примерно на 15% дешевле по вычислениям без просадки в качестве.
В трансформерах каждый слой опирается только на скрытое состояние предыдущего, и через него должен пройти весь контекст. Авторы показывают, что из-за этого возникает давление в сторону коллапса представлений. То есть токены становятся слишком похожими друг на друга, различия между ними теряются, а вместе с ними теряется и качество.
LIMe (Layer-Integrated Memory) это легкое расширение механизма внимания. Оно использует key-value буферы, которые и так хранятся для каждого слоя, и добавляет к ним обучаемые веса маршрутизации, отдельные для каждой головы и каждого слоя. С их помощью голова внимания может забирать представления не только с предыдущего слоя, но и с более ранних, и смешивать их. Размер скрытого состояния при этом не растет, а уже выполненные вычисления используются повторно.
В экспериментах на моделях примерно с миллиардом параметров LIMe достиг той же ошибки обучения, что и базовая LLaMA, при затратах на 15% ниже. На бенчмарках языкового моделирования и многошаговых рассуждений метод обошел другие подходы. Самый заметный выигрыш получили на синтетических арифметических задачах и в архитектурах с большим числом слоев.
Еще авторы отмечают, что у LIMe выше энтропия value-векторов и лучше разделимость токенов, то есть главная проблема действительно смягчается. А по выученным весам маршрутизации видно, что модель системно переиспользует и локальные, и дальние признаки.
Статья: https://arxiv.org/abs/2502.09245
Полная имплементация авторов: https://github.com/corl-team/lime
❤135👍77🔥40👾5🗿4☃3🤓3
Там на китайских форумах считают, что разобрались, как работает блокировка аккаунтов Claude
Пользователи утверждают, что у Anthropic действует балльная система. При регистрации аккаунт якобы получает стартовые баллы, а дальше за разные действия баллы начисляются или снимаются. Если счет падает ниже порога, следует бан.
Например, важна чистота IP. Если вы прыгаете между устройствами или прокси, баллы снимают. Если вы оформили подписку (особенно Max) сразу после регистрации – опять минус баллы. Лимиты тоже лучше не выжигать до конца за один присест, иначе, ну вы поняли.
Еще, из интересного, баллы снимают, если вы пользователь Linux, слишком активно используете Fable или пользуетесь только веб-версией.
Старые аккаунты и аккаунты, зарегистрированные через мобильное приложение, считаются более надежными.
Если аккаунт потерял много баллов, его возьмут на карандашик, и будет период наблюдения. На форумах говорят, что типичный признак этого – сброс логина. Если в периоде наблюдения баллы продолжат сниматься, пользователь получает бан.
Пользователи утверждают, что у Anthropic действует балльная система. При регистрации аккаунт якобы получает стартовые баллы, а дальше за разные действия баллы начисляются или снимаются. Если счет падает ниже порога, следует бан.
Например, важна чистота IP. Если вы прыгаете между устройствами или прокси, баллы снимают. Если вы оформили подписку (особенно Max) сразу после регистрации – опять минус баллы. Лимиты тоже лучше не выжигать до конца за один присест, иначе, ну вы поняли.
Еще, из интересного, баллы снимают, если вы пользователь Linux, слишком активно используете Fable или пользуетесь только веб-версией.
Старые аккаунты и аккаунты, зарегистрированные через мобильное приложение, считаются более надежными.
Если аккаунт потерял много баллов, его возьмут на карандашик, и будет период наблюдения. На форумах говорят, что типичный признак этого – сброс логина. Если в периоде наблюдения баллы продолжат сниматься, пользователь получает бан.
Классика: The Information (американское издание кстати) утверждает, что недавно выпущенная китайская Kimi K3.1 была дистиллирована из Astra
То же самое они пишут и про новый чекпоинт DeepSeek V4.1 Flash
То же самое они пишут и про новый чекпоинт DeepSeek V4.1 Flash
😁225👍24❤10
11-12 ноября в онлайне пройдет конференция о новой реальности разработки с агентами
Еще год назад мы посмеивались над тем, как модели ошибаются на уровне джунов, а многие компании считали, что в разработке ничего не меняется. Сказать, что на сегодняшний день все преобразилось – ничего не сказать. Разработку приходится буквально переизобретать.
ИИ пишет код, ревьюит, тестирует и выкатывает его в прод, а человек в этой цепочке нужен в первую очередь затем, чтобы понимать, что происходит.
Ночные агенты стали обыденностью, баг из поддержки превращается в готовый PR за час, а компании всерьез спрашивают себя, зачем делать UI, если приложением все равно будут пользоваться через Клода.
Разговор давно вышел за рамки темы «AI в разработке».
11-12 ноября на конференции AI Dev спикеры помогут разобраться:
— как выглядит новая реальность создания продуктов, где в ней автономные агенты, мультиагентные системы и люди, и как теперь работать в команде
— как адаптировать компанию и процессы к ИИ
— чему учиться, и кого и как нанимать в новых условиях
В программе такие выступления, как:
— Николай Шейко – Агентный сетап на осень 2026
— Данила Симонов – К 2027 готов: как компании перейти на агенто-центричные процессы и стать AI Native
— Павел Комаровский – AI нас всех убьет? Давайте разбираться
— Егор Толстой – Кому нужен Spec-Driven Development в brownfield-проектах
— Родион Мостовой – Оркестрируем агентов для решения long-horizon задач
И многие другие. Конференция проходит бесплатно с подпиской на спикеров (уверены, на многих вы уже подписаны).
Подробная программа на сайте. До встречи на AI Dev 2026!
Еще год назад мы посмеивались над тем, как модели ошибаются на уровне джунов, а многие компании считали, что в разработке ничего не меняется. Сказать, что на сегодняшний день все преобразилось – ничего не сказать. Разработку приходится буквально переизобретать.
ИИ пишет код, ревьюит, тестирует и выкатывает его в прод, а человек в этой цепочке нужен в первую очередь затем, чтобы понимать, что происходит.
Ночные агенты стали обыденностью, баг из поддержки превращается в готовый PR за час, а компании всерьез спрашивают себя, зачем делать UI, если приложением все равно будут пользоваться через Клода.
Разговор давно вышел за рамки темы «AI в разработке».
11-12 ноября на конференции AI Dev спикеры помогут разобраться:
— как выглядит новая реальность создания продуктов, где в ней автономные агенты, мультиагентные системы и люди, и как теперь работать в команде
— как адаптировать компанию и процессы к ИИ
— чему учиться, и кого и как нанимать в новых условиях
В программе такие выступления, как:
— Николай Шейко – Агентный сетап на осень 2026
— Данила Симонов – К 2027 готов: как компании перейти на агенто-центричные процессы и стать AI Native
— Павел Комаровский – AI нас всех убьет? Давайте разбираться
— Егор Толстой – Кому нужен Spec-Driven Development в brownfield-проектах
— Родион Мостовой – Оркестрируем агентов для решения long-horizon задач
И многие другие. Конференция проходит бесплатно с подпиской на спикеров (уверены, на многих вы уже подписаны).
Подробная программа на сайте. До встречи на AI Dev 2026!
❤23😁16😭8
OpenAI теперь будет каждый месяц сыпать API-кредиты за оформление дорогих подписок
Pro за $100 дает $100 в API, Pro за $200 дает $200, Pro за $500 – соответственно $500. То есть стоимость подписки по сути возвращается в виде API-кредитов.
Кредиты уходят на одну привязанную API-организацию. Для получения нужно подать заявку.
Ссылка с подробностями
Такой маркетинг мы одобряем
Pro за $100 дает $100 в API, Pro за $200 дает $200, Pro за $500 – соответственно $500. То есть стоимость подписки по сути возвращается в виде API-кредитов.
Кредиты уходят на одну привязанную API-организацию. Для получения нужно подать заявку.
Ссылка с подробностями
Такой маркетинг мы одобряем
👍83❤25🔥13🤨10
Министр здравоохранения Республики Татарстан Альмир Абашев сегодня на Kazan Digital Week: «Качество первичных данных – важнейший элемент качества медицинской помощи в целом. Особенно это актуально для операционных и реанимационных отделений, где используется большое количество следящей аппаратуры, а информация о состоянии пациента должна собираться часто, точно и объективно. Цифровые решения позволяют структурировать эти данные, оперативно получать информацию о состоянии пациента и использовать ее для оценки текущей ситуации и последующего анализа.
На форуме прошла сессия, посвященная вопросам готовности российской медицины к внедрению ИИ
Замгендиректора Т1 Михаил Книгин рассказал, что мешает собирать медицинские данные для дальнейшего применения ИИ.
По его словам, некоторые производители до сих пор не предусматривают в медицинских устройствах даже интерфейсов для передачи данных. И это нужно учитывать еще на этапе планирования закупок. А больницам - выбирать оборудование, максимально адаптированное для сбора и передачи информации. Чтобы в перспективе эти данные можно было использовать в цифровых системах.
Тут ни убавить, ни прибавить. Но есть уже реальные кейсы, когда автоматизация «подружилась» с данными с медицинского оборудования:
«В рамках этапного развития цифровизации в области анестезиологии и реаниматологии, в Перинатальном центре ГКБ№7 им. М.Н.Садыкова реализован важный шаг в обеспечении цифровой зрелости клиники и персонала. Внедрена система интеграции показателей медицинского оборудование отделения анестезиологии и реанимации в медицинскую информационную систему, что позволило автоматизировать не только электронный документооборот, но и повысить объективизацию медицинских данных в ЕГИС. Реализация данного проекта в короткие сроки продемонстрировала улучшение качества и безопасности оказания специализированной медицинской помощи в службе анестезиологии и реаниматологии», – рассказал главный внештатный специалист Минздрава Татарстана по анестезиологии и реаниматологии, заместитель главного врача по анестезиологии и реанимации Городской клинической больницы №7 им. М.Н. Садыкова г. Казани Александр Ванюшин.
На форуме прошла сессия, посвященная вопросам готовности российской медицины к внедрению ИИ
Замгендиректора Т1 Михаил Книгин рассказал, что мешает собирать медицинские данные для дальнейшего применения ИИ.
По его словам, некоторые производители до сих пор не предусматривают в медицинских устройствах даже интерфейсов для передачи данных. И это нужно учитывать еще на этапе планирования закупок. А больницам - выбирать оборудование, максимально адаптированное для сбора и передачи информации. Чтобы в перспективе эти данные можно было использовать в цифровых системах.
Тут ни убавить, ни прибавить. Но есть уже реальные кейсы, когда автоматизация «подружилась» с данными с медицинского оборудования:
«В рамках этапного развития цифровизации в области анестезиологии и реаниматологии, в Перинатальном центре ГКБ№7 им. М.Н.Садыкова реализован важный шаг в обеспечении цифровой зрелости клиники и персонала. Внедрена система интеграции показателей медицинского оборудование отделения анестезиологии и реанимации в медицинскую информационную систему, что позволило автоматизировать не только электронный документооборот, но и повысить объективизацию медицинских данных в ЕГИС. Реализация данного проекта в короткие сроки продемонстрировала улучшение качества и безопасности оказания специализированной медицинской помощи в службе анестезиологии и реаниматологии», – рассказал главный внештатный специалист Минздрава Татарстана по анестезиологии и реаниматологии, заместитель главного врача по анестезиологии и реанимации Городской клинической больницы №7 им. М.Н. Садыкова г. Казани Александр Ванюшин.
🗿51❤18🤨9👍4🤯4🤔3😁2🎉1💯1🍓1😎1
В MIT научили ИИ-агентов обмениваться KV-кешем вместо текста
В мультиагентных системах постоянно приходится передавать контекст между моделями. Например, когда один агент завершил свою часть задачи, а другой должен продолжить работу. Обычно для этого используют текстовые саммари, но на их создание и повторную обработку уходят лишние вычисления, а часть информации теряется.
Исследователи предложили SwaT (Swarm Telepathy), архитектуру, которая позволяет передавать между моделями KV-кеш, то есть уже обработанный контекст, вместо текстовых пересказов. Причем работает даже между разными семействами моделей.
На бенчмарках SwaT в сочетании со сжатием кеша показал в среднем на 40% более высокое качество ответов и четырехкратное ускорение по сравнению с передачей текстовых саммари. Еще интереснее, что таким способом удалось передать визуальную информацию от VLM обычной текстовой модели.
https://arxiv.org/abs/2610.15095
В мультиагентных системах постоянно приходится передавать контекст между моделями. Например, когда один агент завершил свою часть задачи, а другой должен продолжить работу. Обычно для этого используют текстовые саммари, но на их создание и повторную обработку уходят лишние вычисления, а часть информации теряется.
Исследователи предложили SwaT (Swarm Telepathy), архитектуру, которая позволяет передавать между моделями KV-кеш, то есть уже обработанный контекст, вместо текстовых пересказов. Причем работает даже между разными семействами моделей.
На бенчмарках SwaT в сочетании со сжатием кеша показал в среднем на 40% более высокое качество ответов и четырехкратное ускорение по сравнению с передачей текстовых саммари. Еще интереснее, что таким способом удалось передать визуальную информацию от VLM обычной текстовой модели.
https://arxiv.org/abs/2610.15095
❤191❤🔥41🔥26⚡18