🤖 Этот open-source репозиторий даёт твоему ClawdBot “зрение”
Это AI-ассистент в реальном времени для умных очков Meta Ray-Ban.
Он объединяет:
→ голос
→ зрение
→ действия агента
Работает через Gemini Live и OpenClaw.
Как это выглядит:
Ты надеваешь очки → нажимаешь кнопку AI → просто говоришь
Дальше:
• Gemini видит через камеру очков и описывает происходящее
• передаёт задачу в OpenClaw
• OpenClaw выполняет её через подключённые приложения
Можно:
→ отправлять сообщения в WhatsApp / Telegram / iMessage
→ искать информацию в интернете
→ получать ответы голосом
📊 Технически:
• камера очков передаёт изображение примерно 1 кадр в секунду в Gemini
• аудио работает в обе стороны в реальном времени
• OpenClaw выполняет действия как агент
По сути, это полноценный AI-ассистент, который видит мир вместе с тобой
https://github.com/Intent-Lab/VisionClaw
🐍 Python полезные ресурсы 🚀Max
Это AI-ассистент в реальном времени для умных очков Meta Ray-Ban.
Он объединяет:
→ голос
→ зрение
→ действия агента
Работает через Gemini Live и OpenClaw.
Как это выглядит:
Ты надеваешь очки → нажимаешь кнопку AI → просто говоришь
Дальше:
• Gemini видит через камеру очков и описывает происходящее
• передаёт задачу в OpenClaw
• OpenClaw выполняет её через подключённые приложения
Можно:
→ отправлять сообщения в WhatsApp / Telegram / iMessage
→ искать информацию в интернете
→ получать ответы голосом
📊 Технически:
• камера очков передаёт изображение примерно 1 кадр в секунду в Gemini
• аудио работает в обе стороны в реальном времени
• OpenClaw выполняет действия как агент
По сути, это полноценный AI-ассистент, который видит мир вместе с тобой
https://github.com/Intent-Lab/VisionClaw
🐍 Python полезные ресурсы 🚀Max
🔥 Tencent встроила OpenClaw прямо в WeChat
Tencent запустила нативный инструмент, который интегрирует популярного open-source AI-агента OpenClaw прямо в WeChat - самый популярный мессенджер Китая.
Теперь это выглядит как обычный контакт внутри WeChat.
Более 1 миллиарда пользователей могут просто написать агенту в чат и давать команды.
Например:
→ отправка файлов
→ управление email
→ поиск информации в интернете
→ выполнение задач без ручного участия
И всё это через обычный диалог, как с человеком.
Это часть новой экосистемы AI-агентов от Tencent:
• QClaw - для обычных пользователей (desktop)
• Lighthouse - для разработчиков
• WorkBuddy - для бизнеса и компаний
AI-агенты больше не отдельные приложения.
Они становятся:
→ частью мессенджеров
→ частью повседневного общения
→ интерфейсом для выполнения задач
И если раньше ты открывал приложения, чтобы что-то сделать…
то теперь достаточно написать в чат.
Tencent запустила нативный инструмент, который интегрирует популярного open-source AI-агента OpenClaw прямо в WeChat - самый популярный мессенджер Китая.
Теперь это выглядит как обычный контакт внутри WeChat.
Более 1 миллиарда пользователей могут просто написать агенту в чат и давать команды.
Например:
→ отправка файлов
→ управление email
→ поиск информации в интернете
→ выполнение задач без ручного участия
И всё это через обычный диалог, как с человеком.
Это часть новой экосистемы AI-агентов от Tencent:
• QClaw - для обычных пользователей (desktop)
• Lighthouse - для разработчиков
• WorkBuddy - для бизнеса и компаний
AI-агенты больше не отдельные приложения.
Они становятся:
→ частью мессенджеров
→ частью повседневного общения
→ интерфейсом для выполнения задач
И если раньше ты открывал приложения, чтобы что-то сделать…
то теперь достаточно написать в чат.
🔥 Linux Performance & Deep Debugging команды, которые должен знать каждый DevOps-инженер
Когда дашборды уже не помогают - ты идёшь в ОС.
Вот 10 команд, которые реально используют в продакшн-инцидентах:
1. strace -p <PID> -c
→ трассирует системные вызовы процесса и показывает, на чём он завис
2. perf top -p <PID>
→ live-профилирование CPU, сразу видно “горячие” функции
3. tcpdump -i eth0 -w capture.pcap port 8080
→ захват сетевого трафика для глубокого анализа
4. ab -n 10000 -c 100 http://localhost/
→ быстрый нагрузочный тест: 10k запросов, 100 одновременно
5. kubectl debug node/node1 -it --image=busybox
→ подключение к ноде через временный контейнер
6. dmesg -T | grep -i 'oom'
→ проверка OOM kill событий ядра
7. lsof -i :8080
→ какой процесс занял порт
8. iostat -xz 1 5
→ статистика диска в реальном времени
9. vmstat -w 1 5
→ память, swap и CPU в динамике
10. kubectl debug pod/app -it --copy-to=debug-pod --image=nicolaka/netshoot
→ глубокая диагностика сети внутри кластера
Когда всё горит - именно эти команды спасают.
Сохрани перед следующим прод-инцидентом ⚡
Когда дашборды уже не помогают - ты идёшь в ОС.
Вот 10 команд, которые реально используют в продакшн-инцидентах:
1. strace -p <PID> -c
→ трассирует системные вызовы процесса и показывает, на чём он завис
2. perf top -p <PID>
→ live-профилирование CPU, сразу видно “горячие” функции
3. tcpdump -i eth0 -w capture.pcap port 8080
→ захват сетевого трафика для глубокого анализа
4. ab -n 10000 -c 100 http://localhost/
→ быстрый нагрузочный тест: 10k запросов, 100 одновременно
5. kubectl debug node/node1 -it --image=busybox
→ подключение к ноде через временный контейнер
6. dmesg -T | grep -i 'oom'
→ проверка OOM kill событий ядра
7. lsof -i :8080
→ какой процесс занял порт
8. iostat -xz 1 5
→ статистика диска в реальном времени
9. vmstat -w 1 5
→ память, swap и CPU в динамике
10. kubectl debug pod/app -it --copy-to=debug-pod --image=nicolaka/netshoot
→ глубокая диагностика сети внутри кластера
Когда всё горит - именно эти команды спасают.
Сохрани перед следующим прод-инцидентом ⚡
Новозеландский стартап Halter привлекает новый раунд финансирования под лидерством Founders Fund Питера Тиля. Раунд удвоит оценку компании до более чем $2 млрд. Сделка переподписана: инвесторов так много, что финальный объем раунда еще не определен.
Halter делает то, что уже работает на 5 тыс. ферм в 3 странах. Компания производит ошейники на солнечных батареях с GPS и ИИ-начинкой.
Ошейники создают виртуальные заборы для скота и позволяют фермерам отслеживать местоположение и здоровье животных через приложение. Управление стадом дистанционное: коров направляют вибрациями и звуковыми сигналами.
Система обучена на данных сотен тысяч животных, отслеживает пищеварение, циклы фертильности и паттерны поведения в реальном времени. Компания запатентовала название алгоритма - Cowgorithm.
Работает это так: фермер открывает приложение, рисует линию на карте, которая становится забором. Когда корова приближается к границе, ошейник вибрирует.
Через 10 дней животное перестает проверять границу. Нужно перегнать стадо - одно нажатие, и сотни голов идут куда нужно сами. Без собак, без ограждений, без ручного труда.
Основал Halter в 2016 году Крейг Пигготт. Он вырос на молочной ферме в Уайкато, окончил инженерный факультет Оклендского университета и в последний год учебы устроился в Rocket Lab. Проработав 9 месяцев у Питера Бека, Пигготт решил уйти, а Бек не просто отпустил его, но и сам вложился в Halter, войдя в совет директоров.
Сегодня у компании около 350 сотрудников, а системамы Halter управляют более 700 тыс. голов скота. Американские фермеры сэкономили порядка $220 млн только на физических заборах. Бизнес-модель: подписка: от $5 до $8 за животное в месяц.
Тиль - сооснователь Palantir, компании, которая строит системы анализа данных и слежки для спецслужб и военных. Эта связь моментально породила конспирологическую волну в соцсетях.
Блогеры предлагают мысленный эксперимент: убрать из описания технологии Halter слово «корова» и заменить на «человек» - получается круглосуточный GPS-трекинг, мониторинг поведения, невидимые границы и управление через вибрации.
Тезис теории в том, что Тиль якобы обкатывает на скоте технологии, которые потом перенесет на людей, но фактических подтверждений этому нет.
Прямого технологического партнерства между Palantir и Halter отсутствует. Единственная реальная связь двух компаний - это кошелек Тиля.
Контекст важен и без конспирологии: агротех переживает тяжёлые времена, волна стартапов обанкротилась, венчурные фонды отступили от сектора. На этом фоне Halter — редкий единорог, растущий вопреки тренду.
Глава Icehouse Ventures подсчитал: при нынешних темпах Halter обгонит по стоимости Fonterra (крупнейший молочный кооператив Новой Зеландии) через 11 кварталов.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
Вышла МЕГАТУЛЗА для аниматоров ЛЮБОГО уровня — Nvidia выкатила Kimodo и это мастхев для 3D- и моушен-дизайнеров.
• Нейронка обучена на 700 (!) часах профессиональных данных оптического захвата движений. Она знает, как двигаются руки, ноги и другие части тела до мелочей.
• Модель также принимает полнотелые ключевые кадры, позиции и даже вращение отдельных суставов, 2D-путь и вейпоинты.
• Максимальная длительность генерации — 10 секунд, но через таймлайн-интерфейс можно склеивать несколько запросов в длинные последовательности.
• Да, это настоящая ИМБА для аниматоров ЛЮБОГО уровня!
• У тулзы полностью открытый код.
😶 😶 😶 😶 😶 😶 😶 😶 😶
На Hugging Face доступна — тут.
На GitHub найдете — здесь.
👍 Бэкдор
• Нейронка обучена на 700 (!) часах профессиональных данных оптического захвата движений. Она знает, как двигаются руки, ноги и другие части тела до мелочей.
• Модель также принимает полнотелые ключевые кадры, позиции и даже вращение отдельных суставов, 2D-путь и вейпоинты.
• Максимальная длительность генерации — 10 секунд, но через таймлайн-интерфейс можно склеивать несколько запросов в длинные последовательности.
• Да, это настоящая ИМБА для аниматоров ЛЮБОГО уровня!
• У тулзы полностью открытый код.
На Hugging Face доступна — тут.
На GitHub найдете — здесь.
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
ИМБА: Claude научился работать по расписанию за вас — в самую мощную нейронку добавили всего одну команду, и она меняет всё.
Самое приятное: вам не нужен даже рабочий комп. Щёлкнули команду в терминале и закрыли ноут — дальше всё работает в облаке у Anthropic.
Скоро можно будет только смотреть рилсы
👍 Бэкдор
/schedule — задаёт любые задачи в Claude Code, которые нейронка сделает сама в нужное время. Отправка отчётов, проверка откликов, мониторинг соцсетей и репозиториев — вообще всё, что угодно.Самое приятное: вам не нужен даже рабочий комп. Щёлкнули команду в терминале и закрыли ноут — дальше всё работает в облаке у Anthropic.
Скоро можно будет только смотреть рилсы
Please open Telegram to view this post
VIEW IN TELEGRAM
🚀 ИИ ломает модель “нейросеть пишет, а человек человек проверяет”
Новое исследование Wharton показывает неприятную вещь:
модель, на которой сейчас строится половина работы с ИИ, перестаёт работать.
Мы привыкли думать так:
нейросеть генерирует → человек проверяет → всё ок.
Но на практике происходит другое.
Учёные называют это “когнитивная капитуляция”.
Это момент, когда ты перестаёшь реально проверять ответ ИИ и даже не замечаешь этого.
Важно: это не то же самое, что “переложить задачу” (как с калькулятором).
- при обычном использовании ты понимаешь, что инструмент сделал работу
- при капитуляции мозг начинает воспринимать ответ ИИ как свой
Ты искренне думаешь, что сам всё проанализировал.
ИИ становится чем-то вроде третьей системы мышления.
Помимо:
- System 1 — быстрой интуиции
- System 2 — медленного анализа
появляется System 3 внешний интеллект.
И проблема в том, что мы начинаем доверять ему слишком сильно.
Цифры из исследования:
- 1372 участника
- почти 10 000 задач
- более чем в 50% случаев люди обращались к ИИ
Когда ИИ был прав:
- люди соглашались с ним в 92.7% случаев
Когда ИИ ошибался:
- всё равно соглашались в 79.8% случаев
Без ИИ:
- точность - 45.8%
С правильным ИИ:
- 71.0%
С неправильным ИИ:
- 31.5% (хуже, чем без него)
При этом уверенность людей росла на 11.7%,
даже когда ответы были неправильными.
Вот главный вывод:
человеческая проверка больше не является надёжной страховкой.
Люди не просто пропускают ошибки ИИ -
они становятся более уверенными в этих ошибках.
Ни давление по времени, ни мотивация, ни обратная связь
не убрали эффект полностью.
Лучше всего сопротивлялись люди с высоким уровнем мышления
и привычкой анализировать.
И это ключевой момент:
это не проблема лени.
Это особенность того, как устроен наш мозг.
ИИ не просто помогает думать.
Он начинает думать вместо нас.
papers.ssrn.com/sol3/papers.cfm?abstract_id=6097646
Новое исследование Wharton показывает неприятную вещь:
модель, на которой сейчас строится половина работы с ИИ, перестаёт работать.
Мы привыкли думать так:
нейросеть генерирует → человек проверяет → всё ок.
Но на практике происходит другое.
Учёные называют это “когнитивная капитуляция”.
Это момент, когда ты перестаёшь реально проверять ответ ИИ и даже не замечаешь этого.
Важно: это не то же самое, что “переложить задачу” (как с калькулятором).
- при обычном использовании ты понимаешь, что инструмент сделал работу
- при капитуляции мозг начинает воспринимать ответ ИИ как свой
Ты искренне думаешь, что сам всё проанализировал.
ИИ становится чем-то вроде третьей системы мышления.
Помимо:
- System 1 — быстрой интуиции
- System 2 — медленного анализа
появляется System 3 внешний интеллект.
И проблема в том, что мы начинаем доверять ему слишком сильно.
Цифры из исследования:
- 1372 участника
- почти 10 000 задач
- более чем в 50% случаев люди обращались к ИИ
Когда ИИ был прав:
- люди соглашались с ним в 92.7% случаев
Когда ИИ ошибался:
- всё равно соглашались в 79.8% случаев
Без ИИ:
- точность - 45.8%
С правильным ИИ:
- 71.0%
С неправильным ИИ:
- 31.5% (хуже, чем без него)
При этом уверенность людей росла на 11.7%,
даже когда ответы были неправильными.
Вот главный вывод:
человеческая проверка больше не является надёжной страховкой.
Люди не просто пропускают ошибки ИИ -
они становятся более уверенными в этих ошибках.
Ни давление по времени, ни мотивация, ни обратная связь
не убрали эффект полностью.
Лучше всего сопротивлялись люди с высоким уровнем мышления
и привычкой анализировать.
И это ключевой момент:
это не проблема лени.
Это особенность того, как устроен наш мозг.
ИИ не просто помогает думать.
Он начинает думать вместо нас.
papers.ssrn.com/sol3/papers.cfm?abstract_id=6097646
🚨 РАЗНОС: OpenAI и Microsoft идут к разрыву
Появилась утечка pre-IPO документов OpenAI и там прямым текстом:
Microsoft -'nj риск для их бизнеса
Что происходит:
- Microsoft вложил десятки миллиардов
- дал инфраструктуру (Azure)
- стал основным партнёром и дистрибуцией
- владеет ~27% (≈ $135 млрд)
И после этого:
OpenAI официально называет Microsoft конкурентом. Цитата OpenAI инвесторам:
Но самое интересное:
- до 45% cloud-бэклога Microsoft завязано на OpenAI API
- при этом OpenAI подписывает сделку с Amazon на $50 млрд
- фактически ломая эксклюзив с Azure
Ответ Microsoft:
по слухам - уже рассматривают юридические действия
И параллельно заявляют:
• Cоюз трещит
• обе стороны готовятся жить друг без друга
• начинается борьба за контроль над AI-инфраструктурой
Самый дорогой «развод» в истории ИТ.
https://x.com/elonmusk/status/1953509998233104649
Появилась утечка pre-IPO документов OpenAI и там прямым текстом:
Microsoft -'nj риск для их бизнеса
Что происходит:
- Microsoft вложил десятки миллиардов
- дал инфраструктуру (Azure)
- стал основным партнёром и дистрибуцией
- владеет ~27% (≈ $135 млрд)
И после этого:
OpenAI официально называет Microsoft конкурентом. Цитата OpenAI инвесторам:
“Если партнёрство с Microsoft изменится или закончится — это ударит по нашему бизнесу”
Но самое интересное:
- до 45% cloud-бэклога Microsoft завязано на OpenAI API
- при этом OpenAI подписывает сделку с Amazon на $50 млрд
- фактически ломая эксклюзив с Azure
Ответ Microsoft:
по слухам - уже рассматривают юридические действия
И параллельно заявляют:
“Если OpenAI исчезнет - у нас есть всё: модели, данные, compute”
• Cоюз трещит
• обе стороны готовятся жить друг без друга
• начинается борьба за контроль над AI-инфраструктурой
Самый дорогой «развод» в истории ИТ.
https://x.com/elonmusk/status/1953509998233104649
🚀 9 стратегий деплоя, которые реально используют в DevOps
Современные команды выбирают стратегию релиза не «по привычке», а исходя из риска, бюджета и требований к uptime.
Вот база, которую нужно понимать:
1⃣ Recreate Deployment
Старую версию полностью останавливают, потом запускают новую
➝ Плюсы: просто, нет конфликтов
➝ Минусы: есть downtime
➝ Когда использовать: внутренние сервисы, простые системы
2⃣ Rolling Deployment
Обновление происходит постепенно, по инстансам
➝ Плюсы: без даунтайма, плавный rollout
➝ Минусы: одновременно работают разные версии
➝ Где используется: Kubernetes, Docker
3⃣ Blue-Green Deployment
Два окружения: старое (Blue) и новое (Green)
Переключение трафика происходит мгновенно
➝ Плюсы: быстрый rollback, безопасный релиз
➝ Минусы: дорого, сложнее с базой
4⃣ Canary Deployment
Сначала выкатываешь на небольшой % пользователей
➝ Плюсы: раннее обнаружение проблем
➝ Минусы: сложная маршрутизация и мониторинг
➝ Используют: Google, Netflix
5⃣ Shadow Deployment
Продакшн-трафик дублируется на новую версию
➝ Плюсы: тест на реальных данных без риска
➝ Минусы: дорого по ресурсам
6⃣ A/B Testing
Разным пользователям показываются разные версии
➝ Плюсы: решения на основе данных
➝ Минусы: сложная аналитика
➝ Цель: метрики, конверсии, поведение
7⃣ Feature Toggles (Flags)
Функция уже в проде, но скрыта за флагом
➝ Плюсы: мгновенное включение/выключение
➝ Минусы: усложняет код
8⃣ Immutable Deployment
Не обновляешь сервер - создаёшь новый
➝ Плюсы: стабильность, нет «дрейфа конфигурации»
➝ Минусы: дольше и дороже
9⃣ Serverless Deployment
Код выполняется по запросу, без серверов
➝ Плюсы: авто-скейлинг, платишь за использование
➝ Минусы: cold start, зависимость от провайдера
🧠 Вывод:
Нет «лучшей» стратегии
Есть подходящая под твою систему
- хочешь безопасность → Blue-Green / Canary
- хочешь простоту → Rolling
- хочешь контроль → Feature Flags
🔥 Сильные команды комбинируют несколько подходов сразу
Современные команды выбирают стратегию релиза не «по привычке», а исходя из риска, бюджета и требований к uptime.
Вот база, которую нужно понимать:
1⃣ Recreate Deployment
Старую версию полностью останавливают, потом запускают новую
➝ Плюсы: просто, нет конфликтов
➝ Минусы: есть downtime
➝ Когда использовать: внутренние сервисы, простые системы
2⃣ Rolling Deployment
Обновление происходит постепенно, по инстансам
➝ Плюсы: без даунтайма, плавный rollout
➝ Минусы: одновременно работают разные версии
➝ Где используется: Kubernetes, Docker
3⃣ Blue-Green Deployment
Два окружения: старое (Blue) и новое (Green)
Переключение трафика происходит мгновенно
➝ Плюсы: быстрый rollback, безопасный релиз
➝ Минусы: дорого, сложнее с базой
4⃣ Canary Deployment
Сначала выкатываешь на небольшой % пользователей
➝ Плюсы: раннее обнаружение проблем
➝ Минусы: сложная маршрутизация и мониторинг
➝ Используют: Google, Netflix
5⃣ Shadow Deployment
Продакшн-трафик дублируется на новую версию
➝ Плюсы: тест на реальных данных без риска
➝ Минусы: дорого по ресурсам
6⃣ A/B Testing
Разным пользователям показываются разные версии
➝ Плюсы: решения на основе данных
➝ Минусы: сложная аналитика
➝ Цель: метрики, конверсии, поведение
7⃣ Feature Toggles (Flags)
Функция уже в проде, но скрыта за флагом
➝ Плюсы: мгновенное включение/выключение
➝ Минусы: усложняет код
8⃣ Immutable Deployment
Не обновляешь сервер - создаёшь новый
➝ Плюсы: стабильность, нет «дрейфа конфигурации»
➝ Минусы: дольше и дороже
9⃣ Serverless Deployment
Код выполняется по запросу, без серверов
➝ Плюсы: авто-скейлинг, платишь за использование
➝ Минусы: cold start, зависимость от провайдера
🧠 Вывод:
Нет «лучшей» стратегии
Есть подходящая под твою систему
- хочешь безопасность → Blue-Green / Canary
- хочешь простоту → Rolling
- хочешь контроль → Feature Flags
🔥 Сильные команды комбинируют несколько подходов сразу
🚀 Cursor сделал regex-поиск мгновенным
Instant Grep ищет по миллионам файлов за миллисекунды
16.8 сек → 13 мс
И главное:
они не ускоряли regex
они убрали лишний поиск
🧠 Как это работает
- создаётся индекс: куски текста → файлы
- используются триграммы (fil, ile, le_)
- сначала ищутся кандидаты
- потом запускается regex
👉 большинство файлов вообще не открывается
🔥 Ключевая идея - sparse n-grams
- индексируются не все куски
- только самые «полезные»
- редкие символы имеют больший вес
💾 Всё локально
- индекс хранится у тебя
- привязан к Git
- быстрый доступ через memory map
Скорость даёт не regex
а умный отбор файлов до поиска.
https://x.com/cursor_ai/status/2036122609931165985
Instant Grep ищет по миллионам файлов за миллисекунды
16.8 сек → 13 мс
И главное:
они не ускоряли regex
они убрали лишний поиск
🧠 Как это работает
- создаётся индекс: куски текста → файлы
- используются триграммы (fil, ile, le_)
- сначала ищутся кандидаты
- потом запускается regex
👉 большинство файлов вообще не открывается
🔥 Ключевая идея - sparse n-grams
- индексируются не все куски
- только самые «полезные»
- редкие символы имеют больший вес
💾 Всё локально
- индекс хранится у тебя
- привязан к Git
- быстрый доступ через memory map
Скорость даёт не regex
а умный отбор файлов до поиска.
https://x.com/cursor_ai/status/2036122609931165985
Самые горячие ИИ новости дня.
✔️ OpenAI удвоит штат сотрудников.
До конца года OpenAI планирует увеличить число специалистов почти в 2 раза - с 4500 до 8000 человек. Найм связан с желанием закрепить лидерство в B2B-сегменте и ускорить продуктовую гонку с Anthropic и Google.
Новые кадры усилят разработку, инженерию, ИИ-исследования и продажи. Акцент - на поиске экспертов, которые помогут бизнесу интегрировать инструменты OpenAI в свои процессы.
Чтобы всех разместить, стартап уже подписал договор на новый офис (общая площадь превысила 93 тыс. кв.м). Для достижения целей OpenAI предстоит нанимать в среднем по 12 человек ежедневно.
ft.com
✔️ Глава Nvidia предложил включить ИИ-токены в зарплатный пакет инженеров.
Дженсен Хуанг озвучил новую модель компенсации: помимо базовой зарплаты, сотрудникам планируют выделять бюджет в виде ИИ-токенов. По словам CEO Nvidia, базовая ставка инженера в Кремниевой долине высока и компания готова добавить бонус в токенах, эквивалентный половине средней зарплаты.
Это позволит свободно запускать ИИ-инструменты и делегировать им задачи с минимальным вмешательством человека. Идея отражает видение Хуанга об эволюции рабочих мест: инженеры будут управлять целым парком цифровых помощников.
Nvidia уже делает ставку на подобный симбиоз - глава корпорации рассчитывает, что бок о бок с 42 тыс. сотрудников будут трудиться сотни тысяч ИИ-агентов. Доступ к корпоративным ИИ-ресурсам станет одним из главных инструментов ИТ-рекрутинга.
cnbc.com
✔️ Tesla, SpaceX и xAI анонсировали строительство крупнейшей в мире фабрики.
Триада объединит усилия для создания TERAFAB - полного цикла от микросхем и чипов памяти до передовой компоновки кристаллов. Плановая мощность достигнет 1 тераватта.
Проект задуман как база для ежегодного вывода на орбиту 100 млн. тонн оборудования для сбора солнечной энергии, запуска космических ИИ-спутников и развертывания миллионов роботов Optimus.
По оценкам инженеров, только для роботов потребуется выпуск чипов мощностью от 100 до 200 гВт. Такие потребности превосходят возможности всех мировых производителей полупроводников вместе взятых и оставляют далеко позади прогнозы индустрии на 2030 год.
Tesla в сети Х
✔️ Huawei представила ИИ-ускоритель Atlas 350.
На China Partner Conference 2026 вендор выпустил ускоритель Atlas 350 на базе процессора Ascend 950PR. По заявлениям разработчиков, мощность одной карты в 2,87 раза превышает Nvidia H20. Это единственный ИИ-ускоритель на китайском рынке с поддержкой вычислений в формате FP4.
По сравнению с прошлым поколением существенно выросли векторная производительность и пропускная способность интерфейсов. Ускоритель оснащен 112 ГБ памяти HBM собственной разработки, что позволяет загружать LLM до 70 млрд. параметров на одну карту.
finance.sina.com.cn
✔️ Pokémon Go помог создать систему визуальной навигации для роботов-курьеров.
За 10 лет фанаты игры невольно собрали базу для обучения пространственного ИИ. Приложение накопило более 30 млрд. фотографий реального мира благодаря квестам, мотивирующим сканировать памятники и здания. Niantic Spatial взяло этот датасет и собрало систему визуальной навигации.
В отличие от GPS, она определяет локацию с точностью до сантиметров по визуальным маркерам. Это решает проблему навигации внутри помещений и в районах с плотной застройкой, где спутниковый сигнал искажается или пропадает.
Coco Robotics уже ставит эту систему на своих автономных курьеров. У роботов 4 камеры, они едут по улице и на ходу сверяются с 3D-картами, которые годами собирали ловцы покемонов.
the-independent.com
#news #ai #ml
До конца года OpenAI планирует увеличить число специалистов почти в 2 раза - с 4500 до 8000 человек. Найм связан с желанием закрепить лидерство в B2B-сегменте и ускорить продуктовую гонку с Anthropic и Google.
Новые кадры усилят разработку, инженерию, ИИ-исследования и продажи. Акцент - на поиске экспертов, которые помогут бизнесу интегрировать инструменты OpenAI в свои процессы.
Чтобы всех разместить, стартап уже подписал договор на новый офис (общая площадь превысила 93 тыс. кв.м). Для достижения целей OpenAI предстоит нанимать в среднем по 12 человек ежедневно.
ft.com
Дженсен Хуанг озвучил новую модель компенсации: помимо базовой зарплаты, сотрудникам планируют выделять бюджет в виде ИИ-токенов. По словам CEO Nvidia, базовая ставка инженера в Кремниевой долине высока и компания готова добавить бонус в токенах, эквивалентный половине средней зарплаты.
Это позволит свободно запускать ИИ-инструменты и делегировать им задачи с минимальным вмешательством человека. Идея отражает видение Хуанга об эволюции рабочих мест: инженеры будут управлять целым парком цифровых помощников.
Nvidia уже делает ставку на подобный симбиоз - глава корпорации рассчитывает, что бок о бок с 42 тыс. сотрудников будут трудиться сотни тысяч ИИ-агентов. Доступ к корпоративным ИИ-ресурсам станет одним из главных инструментов ИТ-рекрутинга.
cnbc.com
Триада объединит усилия для создания TERAFAB - полного цикла от микросхем и чипов памяти до передовой компоновки кристаллов. Плановая мощность достигнет 1 тераватта.
Проект задуман как база для ежегодного вывода на орбиту 100 млн. тонн оборудования для сбора солнечной энергии, запуска космических ИИ-спутников и развертывания миллионов роботов Optimus.
По оценкам инженеров, только для роботов потребуется выпуск чипов мощностью от 100 до 200 гВт. Такие потребности превосходят возможности всех мировых производителей полупроводников вместе взятых и оставляют далеко позади прогнозы индустрии на 2030 год.
Tesla в сети Х
На China Partner Conference 2026 вендор выпустил ускоритель Atlas 350 на базе процессора Ascend 950PR. По заявлениям разработчиков, мощность одной карты в 2,87 раза превышает Nvidia H20. Это единственный ИИ-ускоритель на китайском рынке с поддержкой вычислений в формате FP4.
По сравнению с прошлым поколением существенно выросли векторная производительность и пропускная способность интерфейсов. Ускоритель оснащен 112 ГБ памяти HBM собственной разработки, что позволяет загружать LLM до 70 млрд. параметров на одну карту.
finance.sina.com.cn
За 10 лет фанаты игры невольно собрали базу для обучения пространственного ИИ. Приложение накопило более 30 млрд. фотографий реального мира благодаря квестам, мотивирующим сканировать памятники и здания. Niantic Spatial взяло этот датасет и собрало систему визуальной навигации.
В отличие от GPS, она определяет локацию с точностью до сантиметров по визуальным маркерам. Это решает проблему навигации внутри помещений и в районах с плотной застройкой, где спутниковый сигнал искажается или пропадает.
Coco Robotics уже ставит эту систему на своих автономных курьеров. У роботов 4 камеры, они едут по улице и на ходу сверяются с 3D-картами, которые годами собирали ловцы покемонов.
the-independent.com
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
🚀 GPT-5.4 Pro решил открытую задачу из FrontierMath
Kevin Barreto и Liam Price с помощью GPT-5.4 Pro нашли решение,
которое подтвердил математик Will Brian (UNC Charlotte)
Речь про одну из открытых задач в FrontierMath и уже готовится публикация:
- это не просто «помог ИИ»
- это полноценная конструкция
- проверена экспертом
https://x.com/EpochAIResearch/status/2036114281985724906
Kevin Barreto и Liam Price с помощью GPT-5.4 Pro нашли решение,
которое подтвердил математик Will Brian (UNC Charlotte)
Речь про одну из открытых задач в FrontierMath и уже готовится публикация:
- это не просто «помог ИИ»
- это полноценная конструкция
- проверена экспертом
https://x.com/EpochAIResearch/status/2036114281985724906
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 Open-source прорыв: PrismAudio
Вышла модель PrismAudio и она уже забирает SOTA в генерации аудио из видео (V2A)
Что важно:
- 518M модель, принята на ICLR 2026
- обходит все аналоги по качеству звука
- быстрее конкурентов: ~0.63s на инференс
Главная фишка:
модель думает не одним блоком, а разбивает задачу на 4 части:
- смысл (что происходит)
- время (когда звучит)
- эстетика (как звучит)
- пространство (где звучит)
И обучается через RL прямо внутри этого процесса
Результат:
- топ по всем метрикам (CLAP, MOS и др.)
- лучше MMAudio, ThinkSound и HunyuanVideo
- стабильно работает даже вне обучающего датасета
Плюс: выпустили новый бенчмарк AudioCanvas - 800+ сценариев со звуками
Model: https://modelscope.ai/models/iic/PrismAudio
Demo: https://modelscope.cn/studios/iic/PrismAudio
Paper: https://modelscope.ai/papers/2511.18833
GitHub: https://github.com/FunAudioLLM/ThinkSound/tree/prismaudio
🐍 Python полезные ресурсы 🚀Max
@pythonl
Вышла модель PrismAudio и она уже забирает SOTA в генерации аудио из видео (V2A)
Что важно:
- 518M модель, принята на ICLR 2026
- обходит все аналоги по качеству звука
- быстрее конкурентов: ~0.63s на инференс
Главная фишка:
модель думает не одним блоком, а разбивает задачу на 4 части:
- смысл (что происходит)
- время (когда звучит)
- эстетика (как звучит)
- пространство (где звучит)
И обучается через RL прямо внутри этого процесса
Результат:
- топ по всем метрикам (CLAP, MOS и др.)
- лучше MMAudio, ThinkSound и HunyuanVideo
- стабильно работает даже вне обучающего датасета
Плюс: выпустили новый бенчмарк AudioCanvas - 800+ сценариев со звуками
Model: https://modelscope.ai/models/iic/PrismAudio
Demo: https://modelscope.cn/studios/iic/PrismAudio
Paper: https://modelscope.ai/papers/2511.18833
GitHub: https://github.com/FunAudioLLM/ThinkSound/tree/prismaudio
🐍 Python полезные ресурсы 🚀Max
@pythonl
🚀 5 вещей, которые я добавляю в каждый .NET проект
Если сделать это сразу - потом не будешь страдать в проде
1️⃣ .editorconfig / .props
Автоматически фиксируют стиль кода
→ меньше споров, больше консистентности
2️⃣ Статический анализ
SonarAnalyzer и аналоги
→ ловят баги ещё до запуска
3️⃣ Наблюдаемость (Observability)
Serilog + OpenTelemetry
→ логи + трейсы = понимаешь, что реально происходит
4️⃣ Docker Compose / .NET Aspire
Поднимаешь всё окружение одной командой
→ БД, кеши, очереди
5️⃣ CI/CD с первого дня
Авто-сборка и тесты
→ не даёшь сломанному коду попасть в main
Настроил один раз
→ экономишь десятки часов потом
🔥 Самое сложное для большинства - Observability
но именно оно спасает в проде
Если сделать это сразу - потом не будешь страдать в проде
1️⃣ .editorconfig / .props
Автоматически фиксируют стиль кода
→ меньше споров, больше консистентности
2️⃣ Статический анализ
SonarAnalyzer и аналоги
→ ловят баги ещё до запуска
3️⃣ Наблюдаемость (Observability)
Serilog + OpenTelemetry
→ логи + трейсы = понимаешь, что реально происходит
4️⃣ Docker Compose / .NET Aspire
Поднимаешь всё окружение одной командой
→ БД, кеши, очереди
5️⃣ CI/CD с первого дня
Авто-сборка и тесты
→ не даёшь сломанному коду попасть в main
Настроил один раз
→ экономишь десятки часов потом
🔥 Самое сложное для большинства - Observability
но именно оно спасает в проде
🚀 Топ-12 альтернатив Docker в 2026 году
1. Podman
https://podman.io
2. containerd
https://containerd.io
3. CRI-O
https://cri-o.io
4. runc
https://github.com/opencontainers/runc
5. Buildah
https://buildah.io
6. Kaniko
https://github.com/GoogleContainerTools/kaniko
7. nerdctl
https://github.com/containerd/nerdctl
8. Rancher Desktop
https://rancherdesktop.io
9. OrbStack
https://orbstack.dev
10. LXC / LXD
https://linuxcontainers.org
11. Colima
https://github.com/abiosoft/colima
12. Lima
https://github.com/lima-vm/lima
🧠 Если кратко:
- Podman - без демона, безопаснее
- containerd / CRI-O - уровень Kubernetes
- Buildah / Kaniko - сборка образов без Docker
- OrbStack / Colima - удобная локальная замена
🔥 Docker - не единственный вариант
Подписывайся, больше фишек каждый день !
1. Podman
https://podman.io
2. containerd
https://containerd.io
3. CRI-O
https://cri-o.io
4. runc
https://github.com/opencontainers/runc
5. Buildah
https://buildah.io
6. Kaniko
https://github.com/GoogleContainerTools/kaniko
7. nerdctl
https://github.com/containerd/nerdctl
8. Rancher Desktop
https://rancherdesktop.io
9. OrbStack
https://orbstack.dev
10. LXC / LXD
https://linuxcontainers.org
11. Colima
https://github.com/abiosoft/colima
12. Lima
https://github.com/lima-vm/lima
🧠 Если кратко:
- Podman - без демона, безопаснее
- containerd / CRI-O - уровень Kubernetes
- Buildah / Kaniko - сборка образов без Docker
- OrbStack / Colima - удобная локальная замена
🔥 Docker - не единственный вариант
Подписывайся, больше фишек каждый день !
🚀 Похоже, в Claude Code появилась новая фича - Auto-dream
Пока официально не анонсирована, но её уже заметили в
• Что это такое
Auto-dream - это фоновый подагент Claude, который:
- анализирует последние сессии
- извлекает ключевые знания
- обновляет MEMORY.md
- очищает и переорганизует старые данные
• Как устроена память
- MEMORY.md - это индекс
- отдельные файлы - детали по темам
- /memory - управление системой
👉 по сути, как garbage collector, но для памяти
🐍 Python полезные ресурсы 🚀Max
@data_analysis_ml
Пока официально не анонсирована, но её уже заметили в
/memory• Что это такое
Auto-dream - это фоновый подагент Claude, который:
- анализирует последние сессии
- извлекает ключевые знания
- обновляет MEMORY.md
- очищает и переорганизует старые данные
• Как устроена память
- MEMORY.md - это индекс
- отдельные файлы - детали по темам
- /memory - управление системой
👉 по сути, как garbage collector, но для памяти
🐍 Python полезные ресурсы 🚀Max
@data_analysis_ml
🚀 DeepMind идёт в робототехнику
Google DeepMind и Agile Robots объявили партнёрство, чтобы дать промышленным роботам мозг.
Разработчики планируют использовать модели Gemini Robotics, которые умеют:
- адаптироваться к ситуации
- понимать контекст
- принимать решения
Agile Robots уже делает и внедряет роботов в промышленной индустрии ,DeepMind предоставит этим прлбота интеллект
Комбинация:
железо + сильные модели = новый класс систем.
https://www.agile-robots.com/en/news/detail/agile-robots-and-google-deepmind-partner-to-bring-intelligence-to-robotics/
Google DeepMind и Agile Robots объявили партнёрство, чтобы дать промышленным роботам мозг.
Разработчики планируют использовать модели Gemini Robotics, которые умеют:
- адаптироваться к ситуации
- понимать контекст
- принимать решения
Agile Robots уже делает и внедряет роботов в промышленной индустрии ,DeepMind предоставит этим прлбота интеллект
Комбинация:
железо + сильные модели = новый класс систем.
https://www.agile-robots.com/en/news/detail/agile-robots-and-google-deepmind-partner-to-bring-intelligence-to-robotics/
🚨 Как студент на деньги, просто тестируя AI
Парень взял бесплатный триал Google Cloud на $300 и сделал несколько AI-видео для эксперимента.
Через 5-6 дней аккаунт остановили, а на балансе появился долг ₹51,164 (~$600). Без предупреждений и уведомлений.
Он написал в поддержку, объяснил ситуацию. После долгой переписки ему списали 90%.
Но оставшиеся ₹5,164 всё равно требуют оплатить и уже передали дело коллекторам.
https://x.com/iamankitpande/status/2036050862200729710?s=20
Парень взял бесплатный триал Google Cloud на $300 и сделал несколько AI-видео для эксперимента.
Через 5-6 дней аккаунт остановили, а на балансе появился долг ₹51,164 (~$600). Без предупреждений и уведомлений.
Он написал в поддержку, объяснил ситуацию. После долгой переписки ему списали 90%.
Но оставшиеся ₹5,164 всё равно требуют оплатить и уже передали дело коллекторам.
https://x.com/iamankitpande/status/2036050862200729710?s=20