«Норникель» заявил о создании первой в России ИИ-системы для проектирования промышленных зданий

Компания разработала систему, которая помогает проектировать объекты от фундамента до кровли и автоматически готовит инженерную документацию. По сути, это мультиагентная ИИ-система для промышленного проектирования, обученная на внутренней базе знаний компании, ГОСТах и СНиПах.

Агенты проводят расчеты, собирают цифровую модель здания, формируют спецификации и проверяют все на соответствие корпоративным стандартам и требованиям законодательства. Финальное решение все равно остается за инженером, но основной объем рутины с человека снимается, и это существенно бустит процесс.

А именно: задания на проектирование создаются на 83% быстрее, цифровые модели строятся на 80% быстрее, а выпуск документации ускорился примерно вдвое. При этом к текстовой части документации, по словам компании, практически нет замечаний.

Самое важное тут то, что это попытка встроить ИИ прямо в реальный инженерный воркфлоу крупной промышленной компании. Похоже, что один из самых сильных и недооцененных сценариев для AI в ближайшие годы – не чат-боты, а вот такие узкоспециализированные системы, встроенные в конкретные отраслевые процессы.

Следить за другими разработками Норникеля можно в тг-канале @nornickel_official

📉 Финансовая модель нестабильна? Возможно, проблема в признаках

Модель обучается, но результаты нестабильны? Метрики скачут, признаки мешают друг другу, а причина неочевидна. Часто проблема скрыта в данных: корреляция и мультиколлинеарность искажают результат.

🦾 На открытом уроке разберём, как выявлять зависимые признаки и работать с размерностью данных. Покажем, как применять метод анализа главных компонент (PCA) для выделения действительно значимой информации.

Вы увидите, как упрощать пространство признаков, повышать устойчивость моделей и улучшать качество прогнозирования, особенно в задачах временных рядов. Это важный этап, без которого сложно перейти от экспериментов к стабильным решениям.

➡️ Встречаемся 18 мая в 20:00 МСК в преддверии старта курса «Машинное обучение для финансового анализа». Принять участие: https://otus.pw/3FQR/

Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

POV: ты пытался объяснить Claude Code, что надо сделать

CEO YCombinator Гэрри Тэн опенсорснул собственный модуль памяти для агентов

github.com/garrytan/gbrain

Гэрри пишет, что это продакшен-мозг, на котором работают его личные агенты OpenClaw и Hermes. Ну а на практике это что-то вроде живой базы знаний, которая сама себя обогащает.

Если обычные агенты не помнят контекст между сессиями или записывают что-то в MEMORY.md очень примитивным способом, то здесь предлагается многоуровневая архитектура построения глубокой памяти. Кратко:

– Вся база состоит из markdown файлов. Каждый человек, компания, концепция, встреча – это отдельный файл. Каждый файл – это саммари, которое перезаписывается при поступлении новых данных, и хронологический журнал упоминаний.

– По этой базе работает гибридный поиск. Когда агент что-то ищет, работают одновременно: векторный поиск, поиск по ключевым словам и поиск на графе.

– Граф связей, по которому осуществляется графовый поиск, тоже формируется автоматически и при этом даже без вызова LLM (с помощью регулярок и прописанных правил). То есть система сама себе рисует сеть: кто где работает, кто был на какой стрече, кто во что инвестирует и тд.

Обновляется все это с помощью одного файла RESOLVER.md, в котором прописаны 29 специальных скиллов. Например, meeting-ingestion: транскрипты митингов перерабатываются в режиме сна, чтобы обогощать файлы участников.

Конечно, пользоваться прямо всей этой махиной необязательно. Базовую версию можно поставить себе за 30 минут и использовать как MCP. Лицензия MIT.

1.3 миллиона долларов в месяц

Столько создатель OpenClaw тратит на токены в Codex. Это 603 миллиарда токенов и 7.6 миллионов запросов за 30 дней.

Если вы задаетесь вопросом «Как это возможно?», то вы не одиноки. Скриншот с тратами на API вызвал такой резонанс в соцсетях, что Питер написал отдельный пост про то, как он умудряется столько сжигать.

Суть в том, что у него одновременно и постоянно работают 100 агентов, которые проверяют каждый PR и issue. Они ищут дыры в безопасности, автоматически закрывают старые баги после фиксов, дедуплицируют issue, проверяют перформанс, банят спамеров и даже умеют поднимать временные окружения, логиниться в сервисы и записывать видео с демонстрацией фиксов.

Часть агентов вообще слушает митинги команды и начинает создавать PR прямо во время обсуждения новых фич.

Люди в шоке от наших расходов на AI. Но никто не видит главного: одна из причин, почему меня так вдохновляет работа над OpenClaw – мы пытаемся ответить на вопрос: как будет выглядеть разработка софта в будущем, если стоимость токенов перестанет иметь значение?

Совет на ближайшие годы — изучайте ВАЙБ-КОДИНГ

ИИ уже пишет код, чинит баги, генерирует тесты, документацию и помогает запускать продукты быстрее, чем это делали классические команды разработки. И это уже не "будущее когда-нибудь", а реальность, которая меняет рынок уже сегодня

И те, кто научится вайбкодить сейчас, будут увереннее конкурировать на рынке и зарабатывать больше тех, кто по-прежнему делает всё вручную.

Стартовать с нуля поможет канал Вайб-кодинг. Там ребята круглосуточно мониторят более 320 российских и зарубежных источников и публикуют только главное: релизы, инструменты, гайды, курсы и практические кейсы.

Подписывайтесь, нас уже 40 тысяч: @vibecoding_tg

xAI просила сотрудников продать личные налоговые декларации как обучающие данные для Grok

За каждую декларацию обещали 420 долларов. Это было всего пару месяцев назад, как раз в сезон подачи налогов в США перед дедлайном 15 апреля.

Но самое смешное – даже не сама попытка компании достать данные таким способом. Самое смешное – что сотрудникам по сей день так и не заплатили и платить, кажется, не собираются.

www.bloomberg.com/news/articles/2026-05-18/musk-s-xai-promised-staff-420-for-their-tax-returns-hasn-t-paid

Строительство ЦОДов должно занимать не 2 года, а 9 месяцев

Только так можно обеспечить конкурентоспособность технологий. С таким заявлением на конференции “ЦИПР-2026” выступил вице-президент и технический директор Т-Банка Олег Щербаков. Он отметил, что технологии сейчас развиваются гораздо быстрее, чем инфраструктура, если не сокращать эту дельту, то к окончанию строительства инфраструктура уже устареет.

Чтобы ускорить строительство нужна прозрачная и понятная регулируемая цепочка, зеленый коридор для строительства, как, например, в Китае. Т-Банк, планирует построить ЦОДы за полтора года. 80% мощностей новых объектов, которые введут в 2027 году, уйдут под данные и инференс — самые растущие нагрузки.

Илон Маск проиграл дело против OpenAI

Жюри из девяти присяжных в федеральном суде Северной Калифорнии вынесло единогласный вердикт: все три основных требования иска Илона Маска против Сэма Альтмана и Грега Брокмана (нарушение благотворительного траста, содействие в таком нарушении и необоснованное обогащение) оказались отвергнуты из-за пропущенного срока исковой давности.

То есть, фактически, Альтмана и Брокмана не признали невиновными, но Маск все равно остается ни с чем. Ни компенсации, ни реструктуризации OpenAI, которой он добивался, уже не будет.

Судья согласилась с вердиктом присяжных и формально отменила все иски.

Внутри Google сформировали специальный внутренний «комитет по компьюту»

Он распределяет доступ к кластерам TPU/GPU среди подразделений и проектов компании и решает, кто получает приоритет, а кто ждет в очереди.

То есть в условиях дефицита ресурсов даже сотрудникам Google приходится буквально конкурировать за железо и шлифовать продажные презентации для внутреннего комитета, чтобы получить квоту на вычисления.

Если квоту не дали, то ты со своим проектом либо останешься ждать в очереди, либо можешь пойти и слезно просить занять компьют у другой команды.

На фоне этого из Google начали уходить исследователи. В основном они перебираются в маленькие стартапы.