Вопрос знатокам: сколько уже лет подряд Apple обещает на презентации, что Siri станет умнее, будет вашим личным ассистентом, начнет выполнять за вас ВСЕ задачи и рожать детей?
😁365👾16❤13
Многие бенчмарки на уровне Opus 5 и Sol (обратите внимание на DeepSWE). Учитывая, что это модель Flash, самая маленькая из семейства, очень даже круто.
По поводу внутренностей:
– 552В MoE
– Новая асимметричная архитектура Causal Encoder–Decoder: 8В активных параметров на вход, 16В активных на выход
– Новые метода претрейна + более масштабный RL
Оптимизировали KV-кэш. Теперь он занимает еще меньше памяти в пересчете на токен (3 график).
Цены: $0.15/М input, $0.6/M output в непиковые часы. В пик – в два раза выше.
Веса
Статья
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥195❤46🐳16😁5🤯3👍2🍾2🤩1🕊1🗿1
OpenAI украли еще одно доказательство?
На фоне скандала с Тристаном Бакмастером и Левентом Альпеге внезапно вспыла еще одна история. Помните, в начале августа OpenAI объявили, что Astra решила 10 открытых математических задач? В числе прочего там было построение первой несофической группы, один из самых мощных результатов из того анонса: https://t.me/data_secrets/9645.
Так вот немецкий математик Андреас Том рассказал, что ключевой технический шаг в доказательстве OpenAI напрямую опирался на те идеи, которые он и его коллега обсуждали в чатах с ChatGPT на протяжении нескольких месяцев.
С 2016 года Том и Габор Кун занимались софичностью групп и добились определенных результатов (в частности, было опубликовано несколько работ). В последние месяцы они обсуждали конкретные идеи по расширению их метода на новые случаи. Неопубликованные черновики и методы они также загружали для обсуждения в ChatGPT.
После того, как OpenAI опубликовали свои результаты, Том начал подозревать, что модель могла получить доступ к этим данным. Он утверждает, что путь, который выбрала модель, был далеко не самым очевидным. Большинство исследователей скорее пробовали бы другой подход (через квантовые игры), и то, что модель "случайно" выбрала именно тот непопулярный подход, который Том именно в это время обсуждал в чатах с ChatGPT, кажется статистически подозрительным совпадением.
После анонса ученый даже написал в OpenAI и напрямую спросил, не обучали ли модель на его чатах и не было ли у нее к ним доступа, на что получил холодное "that did not happen". Только после истории с Бакмастером ученый решил рассказать о своем опыте публично, потому что эти истории "подтверждают потерю морального компаса у исследователей OpenAI".
На фоне скандала с Тристаном Бакмастером и Левентом Альпеге внезапно вспыла еще одна история. Помните, в начале августа OpenAI объявили, что Astra решила 10 открытых математических задач? В числе прочего там было построение первой несофической группы, один из самых мощных результатов из того анонса: https://t.me/data_secrets/9645.
Так вот немецкий математик Андреас Том рассказал, что ключевой технический шаг в доказательстве OpenAI напрямую опирался на те идеи, которые он и его коллега обсуждали в чатах с ChatGPT на протяжении нескольких месяцев.
С 2016 года Том и Габор Кун занимались софичностью групп и добились определенных результатов (в частности, было опубликовано несколько работ). В последние месяцы они обсуждали конкретные идеи по расширению их метода на новые случаи. Неопубликованные черновики и методы они также загружали для обсуждения в ChatGPT.
После того, как OpenAI опубликовали свои результаты, Том начал подозревать, что модель могла получить доступ к этим данным. Он утверждает, что путь, который выбрала модель, был далеко не самым очевидным. Большинство исследователей скорее пробовали бы другой подход (через квантовые игры), и то, что модель "случайно" выбрала именно тот непопулярный подход, который Том именно в это время обсуждал в чатах с ChatGPT, кажется статистически подозрительным совпадением.
После анонса ученый даже написал в OpenAI и напрямую спросил, не обучали ли модель на его чатах и не было ли у нее к ним доступа, на что получил холодное "that did not happen". Только после истории с Бакмастером ученый решил рассказать о своем опыте публично, потому что эти истории "подтверждают потерю морального компаса у исследователей OpenAI".
Data Secrets
OpenAI украли еще одно доказательство? На фоне скандала с Тристаном Бакмастером и Левентом Альпеге внезапно вспыла еще одна история. Помните, в начале августа OpenAI объявили, что Astra решила 10 открытых математических задач? В числе прочего там было построение…
Краткое содержание новости выше из нашего чата
😁315🔥36❤11😢6💯6🤝2🎄2
А вы заметили, что с появлением агентов зазор между демо и продом достиг своего максимума?
Сейчас это почти что два разных продукта. Демо соберет каждый второй: подключил тулы, обвязал промптом, показал на созвоне и все. На проде – совершенно другое дело. Логи могут быть чистые, все метрики зеленые, а агент при этом выбирает не тот тул, тащит устаревшие данные и тд. Если обычная ошибка LLM хотя бы видна, то ошибка агента – часто нет. И если материалов по промптингу и базовым фреймворкам достаточно, то вот про мониторинг, guardrails и все то, что отделяет пилот от инцидента, информации в разы меньше.
Наши друзья из Школы Высшей Математики тоже обратили внимание на эту пропасть, и решили перекинуть мост. Они создали курс по AI-агентам, который ведут три инженера, запускавшие агентов в огромных системах. Один строил в Revolut AI ассистента с доступом к транзакциям – сейчас продукт работает по всей Британии. Другой держит в Wildberries агентов-кодеров и ревьюеров. Третий в Точка Банке собрал систему оценки качества на 5000 звонков в день.
Программа разбита на 12 недель и три логичных блока:
— Сначала разработка агента: работа с LLM через API, structured outputs и tool calling, ReAct-агент с памятью, RAG, разбор реальных архитектур.
— Дальше самое недообъясненное в индустрии: качество и оценка. Как отладить агента по трейсам и логам, собрать говорящие метрики и поймать ответы, которые выглядят правильными, но неверны (до того, как это увидит пользователь!).
— Финальный блок – фреймворки и деплой: LangChain, LangGraph, Telegram-бот через MCP, observability в Langfuse, мультиагентные системы через протокол A2A.
Формат – живые занятия раз в неделю, на которых преподаватель поэтапно собирает код на ваших глазах. Домашние задания проверяют лично и дают глубокую ОС. От вас требуется знание Python и опыт работы с API, опыта создания агентов не требуется.
Старт второго потока – 24 сентября. Курс для вас, если вы уже наигрались с демо, и хотите научиться строить то, что действительно заработает.
Реклама. ООО "ШВМ", ИНН 9728100991
Сейчас это почти что два разных продукта. Демо соберет каждый второй: подключил тулы, обвязал промптом, показал на созвоне и все. На проде – совершенно другое дело. Логи могут быть чистые, все метрики зеленые, а агент при этом выбирает не тот тул, тащит устаревшие данные и тд. Если обычная ошибка LLM хотя бы видна, то ошибка агента – часто нет. И если материалов по промптингу и базовым фреймворкам достаточно, то вот про мониторинг, guardrails и все то, что отделяет пилот от инцидента, информации в разы меньше.
Наши друзья из Школы Высшей Математики тоже обратили внимание на эту пропасть, и решили перекинуть мост. Они создали курс по AI-агентам, который ведут три инженера, запускавшие агентов в огромных системах. Один строил в Revolut AI ассистента с доступом к транзакциям – сейчас продукт работает по всей Британии. Другой держит в Wildberries агентов-кодеров и ревьюеров. Третий в Точка Банке собрал систему оценки качества на 5000 звонков в день.
Программа разбита на 12 недель и три логичных блока:
— Сначала разработка агента: работа с LLM через API, structured outputs и tool calling, ReAct-агент с памятью, RAG, разбор реальных архитектур.
— Дальше самое недообъясненное в индустрии: качество и оценка. Как отладить агента по трейсам и логам, собрать говорящие метрики и поймать ответы, которые выглядят правильными, но неверны (до того, как это увидит пользователь!).
— Финальный блок – фреймворки и деплой: LangChain, LangGraph, Telegram-бот через MCP, observability в Langfuse, мультиагентные системы через протокол A2A.
Формат – живые занятия раз в неделю, на которых преподаватель поэтапно собирает код на ваших глазах. Домашние задания проверяют лично и дают глубокую ОС. От вас требуется знание Python и опыт работы с API, опыта создания агентов не требуется.
Старт второго потока – 24 сентября. Курс для вас, если вы уже наигрались с демо, и хотите научиться строить то, что действительно заработает.
Реклама. ООО "ШВМ", ИНН 9728100991
🤨59🗿32❤9👍5😁5⚡2😢2🤝1🫡1🎄1
По всей сети уже распространился слух, что OpenAI решили еще один или даже два миллениума
Первая задача – гипотеза Ходжа, вторая – гипотеза Берча-Свиннертона-Дайера. Про последнюю говорят, что ее могли также решить в Anthropic.
По поводу Ходжа (вероятнее всего) уже высказались New York Times: OpenAI сказали им, что «добились существенного прогресса по еще одной задаче тысячелетия и теперь работают над тем, чтобы поделиться результатом вдумчиво».
Если все подтвердится, то на счету стартапа будут уже 2 Millennium задачи из 6 открытых (всего их было 7, одну решил Перельман).
Что будем решать, когда миллениумы кончатся?😐
Первая задача – гипотеза Ходжа, вторая – гипотеза Берча-Свиннертона-Дайера. Про последнюю говорят, что ее могли также решить в Anthropic.
По поводу Ходжа (вероятнее всего) уже высказались New York Times: OpenAI сказали им, что «добились существенного прогресса по еще одной задаче тысячелетия и теперь работают над тем, чтобы поделиться результатом вдумчиво».
Если все подтвердится, то на счету стартапа будут уже 2 Millennium задачи из 6 открытых (всего их было 7, одну решил Перельман).
Что будем решать, когда миллениумы кончатся?
Please open Telegram to view this post
VIEW IN TELEGRAM
😁162🔥27
Data Secrets
Вышел первый трейлер Artificial – фильма про OpenAI и увольнение Сэма Альтмана Сэма играет Эндрю Гарфилд, а Юра Борисов выступает в роли Ильи Суцкевера. В прокат фильм выходит уже в декабре. Смотрим! https://youtu.be/FyPJhzJ_aE8
Media is too big
VIEW IN TELEGRAM
Эндрю Гарфилд, сыгравший роль Сэма Альтмана в фильме Artificial, заявил, что после роли перестал использовать ChatGPT
Когда актер готовился к роли, то провел собственное большое расследование личности Альтмана: смотрел интервью, изучал статьи, судебные стенограммы и биографию. Свое мнение по поводу предпринимателя он не афиширует, но в одном из интервью сказал, что "любой, кто берет на себя такую ответственность за компанию или технологию, которая точно нанесет немалый вред душе человечества, должен обладать определенной способностью к диссоциации".
А в интервью Jimmy Kimmel он заявил, что после съемок вообще перестал использовать ChatGPT.
Когда актер готовился к роли, то провел собственное большое расследование личности Альтмана: смотрел интервью, изучал статьи, судебные стенограммы и биографию. Свое мнение по поводу предпринимателя он не афиширует, но в одном из интервью сказал, что "любой, кто берет на себя такую ответственность за компанию или технологию, которая точно нанесет немалый вред душе человечества, должен обладать определенной способностью к диссоциации".
А в интервью Jimmy Kimmel он заявил, что после съемок вообще перестал использовать ChatGPT.
Это то же самое, что случилось со мной, когда я снимался в 'Социальной сети' – я тогда сразу отказался от Facebook. Я даже не знаю, как это объяснить, но чем больше ты знаешь, тем больше понимаешь, что мы несемся в какую-то совершенно неизвестную территорию.
😁162❤39🦄15🤔6☃2⚡2🔥2🤨2😍1