This media is not supported in your browser
VIEW IN TELEGRAM
🚀 Умные агенты с OpenSpace: эволюция и экономия 💰
OpenSpace — это движок, который позволяет AI-агентам учиться и развиваться, превращая каждую задачу в возможность для улучшения. Он объединяет навыки, которые автоматически адаптируются и улучшаются, обеспечивая совместное использование знаний между агентами.
🚀 Основные моменты:
- Саморазвивающиеся навыки, которые учатся на реальном опыте
- Совместный интеллект: улучшения одного агента доступны всем
- Снижение затрат на 46% благодаря более эффективному использованию токенов
- Легкость в обмене навыками между агентами
- Реальные результаты: агенты зарабатывают в 4.2 раза больше
📌 GitHub: https://github.com/HKUDS/OpenSpace
#python
OpenSpace — это движок, который позволяет AI-агентам учиться и развиваться, превращая каждую задачу в возможность для улучшения. Он объединяет навыки, которые автоматически адаптируются и улучшаются, обеспечивая совместное использование знаний между агентами.
🚀 Основные моменты:
- Саморазвивающиеся навыки, которые учатся на реальном опыте
- Совместный интеллект: улучшения одного агента доступны всем
- Снижение затрат на 46% благодаря более эффективному использованию токенов
- Легкость в обмене навыками между агентами
- Реальные результаты: агенты зарабатывают в 4.2 раза больше
📌 GitHub: https://github.com/HKUDS/OpenSpace
#python
🔥9❤3🤣3
⚡️ML-модели становятся центром принятия решений в подборе персонализированных рекламных оферов
Об этом рассказал Василий Разумных, технический директор «Т-Рекламы». По его словам, в основу рекламной платформы Т-Банка изначально заложены технологии машинного обучения, с помощью которых подбираются наиболее подходящие сегменты аудитории среди клиентов банка и в реальном времени генерируются креативы. Данные о поведении пользователей в финансовых сервисах, Шопинге, Супермаркетах и Путешествиях позволяют формировать целостный профиль и видеть пользователя не как набор разрозненных идентификаторов, а как единую сущность с определенными интересами и потребностями. При запросе система отбирает подходящие объявления и ранжирует их с помощью скоринговой модели. Она учитывает ряд факторов: экономическую эффективность для платформы, прогнозируемую вероятность целевого действия, качество креатива и репутацию рекламодателя.
При этом система учитывает уместность предложения для конкретного человека в определенный момент, а не только ставку рекламодателя.
По мнению эксперта, если приоритет отдается только цене, то качество выдачи для пользователя ухудшается. Поэтому в платформу внедрили многокритериальную оптимизацию, где учитывается прогноз вовлеченности. В итоге система пытается найти оптимальную точку пересечения между интересами пользователя и тем, что выгодно рекламодателю и площадке.
https://adindex.ru/publication/interviews/agency/2026/04/13/344156.phtml
@machinelearning_interview
Об этом рассказал Василий Разумных, технический директор «Т-Рекламы». По его словам, в основу рекламной платформы Т-Банка изначально заложены технологии машинного обучения, с помощью которых подбираются наиболее подходящие сегменты аудитории среди клиентов банка и в реальном времени генерируются креативы. Данные о поведении пользователей в финансовых сервисах, Шопинге, Супермаркетах и Путешествиях позволяют формировать целостный профиль и видеть пользователя не как набор разрозненных идентификаторов, а как единую сущность с определенными интересами и потребностями. При запросе система отбирает подходящие объявления и ранжирует их с помощью скоринговой модели. Она учитывает ряд факторов: экономическую эффективность для платформы, прогнозируемую вероятность целевого действия, качество креатива и репутацию рекламодателя.
При этом система учитывает уместность предложения для конкретного человека в определенный момент, а не только ставку рекламодателя.
По мнению эксперта, если приоритет отдается только цене, то качество выдачи для пользователя ухудшается. Поэтому в платформу внедрили многокритериальную оптимизацию, где учитывается прогноз вовлеченности. В итоге система пытается найти оптимальную точку пересечения между интересами пользователя и тем, что выгодно рекламодателю и площадке.
https://adindex.ru/publication/interviews/agency/2026/04/13/344156.phtml
@machinelearning_interview
❤8🥰4🤣4👍3
⭐️ Stanford выпустил AI Index 2026: 15 выводов, которые стоит знать каждому в индустрии
Stanford HAI опубликовал ежегодный AI Index Report за 2026 год - 423-страничный документ, который уже стал обязательным чтением для всех, кто работает с ИИ. Luiza Jarovsky собрала ключевые тезисы в одном треде, а мы разбираем их подробнее.
Возможности ИИ не выходят на плато. Они ускоряются и охватывают все больше людей. Те, кто ждал замедления прогресса, ошиблись - кривая по-прежнему идет вверх.
Разрыв между США и Китаем в производительности моделей фактически закрылся. Это серьезный сдвиг в геополитике ИИ, который меняет расклад сил на рынке.
США лидируют по количеству дата-центров для ИИ, но основная масса чипов производится на одном тайваньском заводе. Зависимость от TSMC остается критической уязвимостью всей индустрии.
Модели ИИ берут золото на Международной математической олимпиаде, но не могут надежно определить время. Исследователи называют это "зубчатой границей" (jagged frontier) - неравномерный профиль способностей, где прорывы соседствуют с провалами.
Роботы по-прежнему проваливают большинство бытовых задач, даже если отлично работают в контролируемых средах. Разрыв между лабораторией и реальным миром никуда не делся.
Ответственный ИИ не успевает за ростом возможностей. Бенчмарки безопасности отстают, а число инцидентов растет резко. Это тревожный сигнал для всей индустрии.
США лидируют по инвестициям в ИИ, но их способность привлекать глобальные таланты снижается. Деньги есть, а люди уезжают - не лучшая комбинация.
Внедрение ИИ идет с исторической скоростью. Пользователи получают значительную ценность от инструментов, к которым часто имеют бесплатный доступ. Порог входа для использования ИИ практически исчез.
Рост продуктивности от ИИ наблюдается в тех же сферах, где начинает сокращаться занятость начального уровня. Это не совпадение, а закономерность, которую уже нельзя игнорировать.
Экологический след ИИ расширяется вместе с его возможностями. Энергопотребление дата-центров становится все более заметным фактором.
Модели ИИ для науки превосходят ученых-людей, хотя более крупные модели не всегда работают лучше. Закон "больше параметров = лучше результат" перестает работать.
ИИ трансформирует клиническую практику, но строгих доказательств эффективности по-прежнему мало. Медицина требует другого уровня верификации.
Формальное образование отстает от ИИ, но люди осваивают навыки работы с ИИ на всех этапах жизни. Самообучение опережает университеты.
Суверенитет в сфере ИИ становится ключевым элементом национальной политики. Возможности распределены неравномерно, но open-source разработка помогает перераспределить участие.
Эксперты по ИИ и обычные люди смотрят на будущее технологии совершенно по-разному. Глобальное доверие к институтам, которые должны управлять ИИ, фрагментировано. Это создает проблему: технологию двигают те, кому общество не вполне доверяет.
Полный отчет (423 страницы): https://hai.stanford.edu/ai-index/2026-ai-index-report
Тред Luiza Jarovsky с кратким обзором: https://x.com/LuizaJarovsky/status/2044033970560512149
Stanford HAI опубликовал ежегодный AI Index Report за 2026 год - 423-страничный документ, который уже стал обязательным чтением для всех, кто работает с ИИ. Luiza Jarovsky собрала ключевые тезисы в одном треде, а мы разбираем их подробнее.
Возможности ИИ не выходят на плато. Они ускоряются и охватывают все больше людей. Те, кто ждал замедления прогресса, ошиблись - кривая по-прежнему идет вверх.
Разрыв между США и Китаем в производительности моделей фактически закрылся. Это серьезный сдвиг в геополитике ИИ, который меняет расклад сил на рынке.
США лидируют по количеству дата-центров для ИИ, но основная масса чипов производится на одном тайваньском заводе. Зависимость от TSMC остается критической уязвимостью всей индустрии.
Модели ИИ берут золото на Международной математической олимпиаде, но не могут надежно определить время. Исследователи называют это "зубчатой границей" (jagged frontier) - неравномерный профиль способностей, где прорывы соседствуют с провалами.
Роботы по-прежнему проваливают большинство бытовых задач, даже если отлично работают в контролируемых средах. Разрыв между лабораторией и реальным миром никуда не делся.
Ответственный ИИ не успевает за ростом возможностей. Бенчмарки безопасности отстают, а число инцидентов растет резко. Это тревожный сигнал для всей индустрии.
США лидируют по инвестициям в ИИ, но их способность привлекать глобальные таланты снижается. Деньги есть, а люди уезжают - не лучшая комбинация.
Внедрение ИИ идет с исторической скоростью. Пользователи получают значительную ценность от инструментов, к которым часто имеют бесплатный доступ. Порог входа для использования ИИ практически исчез.
Рост продуктивности от ИИ наблюдается в тех же сферах, где начинает сокращаться занятость начального уровня. Это не совпадение, а закономерность, которую уже нельзя игнорировать.
Экологический след ИИ расширяется вместе с его возможностями. Энергопотребление дата-центров становится все более заметным фактором.
Модели ИИ для науки превосходят ученых-людей, хотя более крупные модели не всегда работают лучше. Закон "больше параметров = лучше результат" перестает работать.
ИИ трансформирует клиническую практику, но строгих доказательств эффективности по-прежнему мало. Медицина требует другого уровня верификации.
Формальное образование отстает от ИИ, но люди осваивают навыки работы с ИИ на всех этапах жизни. Самообучение опережает университеты.
Суверенитет в сфере ИИ становится ключевым элементом национальной политики. Возможности распределены неравномерно, но open-source разработка помогает перераспределить участие.
Эксперты по ИИ и обычные люди смотрят на будущее технологии совершенно по-разному. Глобальное доверие к институтам, которые должны управлять ИИ, фрагментировано. Это создает проблему: технологию двигают те, кому общество не вполне доверяет.
Полный отчет (423 страницы): https://hai.stanford.edu/ai-index/2026-ai-index-report
Тред Luiza Jarovsky с кратким обзором: https://x.com/LuizaJarovsky/status/2044033970560512149
👍12❤7🔥4🤣2
Трансформация профессии разработчика в эпоху ИИ
Профессия разработчика меняется прямо сейчас: ИИ уже пишет код, предлагает архитектуру и собирает прототипы за минуты. Но без фундаментальных знаний архитектуры, алгоритмов, сетей, безопасности и DevOps использовать такие инструменты рискованно.
Центральный университет запускает серию бесплатных вебинаров о том, как меняется роль разработчика в 2026 году, какие навыки остаются критически важными и как безопасно и эффективно использовать нейросети в разработке.
На вебинарах разберем:
— почему ИИ не заменит программиста, но изменит его роль;
— какие навыки и языки будут востребованы;
— чего ждут работодатели от разработчиков сегодня;
— почему магистратура по бэкенд-разработке может стать преимуществом;
— как вырасти в техлида и тимлида, не теряя технических экспертных знаний.
Спикеры — лидеры индустрии из Центрального университета, Авито и cloud. ru.
Даты вебинаров: 21, 23 и 27 апреля 2026, 19:00 мск.
Регистрируйся по ссылке
Профессия разработчика меняется прямо сейчас: ИИ уже пишет код, предлагает архитектуру и собирает прототипы за минуты. Но без фундаментальных знаний архитектуры, алгоритмов, сетей, безопасности и DevOps использовать такие инструменты рискованно.
Центральный университет запускает серию бесплатных вебинаров о том, как меняется роль разработчика в 2026 году, какие навыки остаются критически важными и как безопасно и эффективно использовать нейросети в разработке.
На вебинарах разберем:
— почему ИИ не заменит программиста, но изменит его роль;
— какие навыки и языки будут востребованы;
— чего ждут работодатели от разработчиков сегодня;
— почему магистратура по бэкенд-разработке может стать преимуществом;
— как вырасти в техлида и тимлида, не теряя технических экспертных знаний.
Спикеры — лидеры индустрии из Центрального университета, Авито и cloud. ru.
Даты вебинаров: 21, 23 и 27 апреля 2026, 19:00 мск.
Регистрируйся по ссылке
❤5🤣5👍4
Forwarded from Machinelearning
Media is too big
VIEW IN TELEGRAM
В отличие от базовых версий, у модели снижен порог отказов: фильтры безопасности не блокируют запросы на поиск багов и оборонительное программирование.
GPT-5.4-Cyber получила продвинутые возможности бинарного реверс-инжиниринга - исследователи могут анализировать скомпилированное ПО на наличие вредоносных компонентов и уязвимостей, даже не имея доступа к исходному коду.
Из-за двойного назначения функционала доступ к модели строго регулируется. OpenAI распространяет новинку через программу Trusted Access for Cyber: нужна верификация личности, а корпоративным клиентам - одобрение профильного менеджера.
openai.com
Компания начала проверять личность пользователей в рамках регулярных процедур безопасности. Технический партнёр инициативы - сервис Persona. Для процедуры понадобится паспорт, водительские права или ID-карта, а также камера для селфи. Цифровые версии документов, ксерокопии и студенческие билеты система не принимает.
В Anthropic обещают не использовать собранные данные для обучения ИИ-моделей. Фото документов и биометрия шифруются и хранятся на серверах Persona. Разработчик Claude выступает лишь контроллером данных и запрашивает доступ к записям только в спорных ситуациях - например, при апелляции на блокировку аккаунта.
support.claude.com
Стартап представил открытый рендерер Spark 2.0 на базе THREE.js и WebGL2, который плавно отрисовывает локации из 100 млн 3D-гауссианов прямо в браузере. Обычное железо с трудом переваривает больше пяти миллионов точек, поэтому разработчикам пришлось полностью перестроить пайплайн загрузки графики.
Производительность обеспечивают три механизма. Иерархическая система детализации подбирает оптимальное количество гауссианов под выделенный бюджет рендеринга, сохраняя стабильный FPS. Тяжёлые ассеты обрабатываются стримингом: новый формат
.RAD выводит базовый каркас, а затем динамически подтягивает детали в зависимости от угла обзора камеры. Память управляется через резервирование фиксированного пула на GPU и постраничного тасования блоков данных.Ядро Spark 2.0 написано на Rust, скомпилировано в WebAssembly и вынесено в фоновый Web Worker. Изначально это был внутренний инструмент для ИИ-генератора 3D-миров Marble, но теперь он общедоступен.
worldlabs.ai
В десктопной версии Chrome появилась функция Skills: больше не нужно повторно вводить запросы к Gemini. Удачные промпты теперь можно сохранять из истории чата и запускать в один клик через слэш или кнопку плюса.
Инструмент умеет обрабатывать как активную страницу, так и сразу несколько выбранных вкладок - это позволяет быстро сравнивать информацию или искать нужные данные в объёмных документах.
Google также подготовил библиотеку готовых skills, каждый из которых можно кастомизировать. Новая функция разворачивается на macOS, Windows и ChromeOS для англоязычных пользователей.
blog.google
ИИ-генератор изображений Midjourney обновился до версии 8.1. Главное нововведение - поддержка 2K. Создатели заявляют рост производительности в 3 раза по сравнению с V8, а стоимость генерации снизилась на две трети. В 1K-режиме V8.1 работает быстрее draft-режимов седьмого поколения модели.
Помимо оптимизации архитектуры, Midjourney прислушались к критике пользователей и вернули платформе узнаваемую художественную эстетику. В арсенал инструментов снова добавлена функция image-to-image, временно отключённая в предыдущей сборке.
Также команда обновила систему референсов стилей, доработала мудборды и представила обновлённую утилиту Describe для реверс-инжиниринга текстовых промптов по готовым изображениям.
Midjourney в сети Х
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6❤2🔥2🥴2
Apple отправляет своих разработчиков учиться делать ИИ.
Apple признала то, о чём раньше старались не говорить: даже инженерам Siri нужно переучиваться.
По данным The Information, компания отправляет почти 200 сотрудников команды Siri на многонедельный буткемп. Там их учат программировать с использованием AI-инструментов вроде Claude Code и Codex.
При этом около 60 инженеров остаются поддерживать основную разработку, ещё примерно 60 занимаются оценкой качества и безопасностью.
Всё это происходит за два месяца до WWDC в июне, где Apple планирует показать долгожданное обновление Siri на базе Gemini.
https://www.theinformation.com/articles/apple-sends-siri-staffers-coding-bootcamp-latest-shakeup-organization
Apple признала то, о чём раньше старались не говорить: даже инженерам Siri нужно переучиваться.
По данным The Information, компания отправляет почти 200 сотрудников команды Siri на многонедельный буткемп. Там их учат программировать с использованием AI-инструментов вроде Claude Code и Codex.
При этом около 60 инженеров остаются поддерживать основную разработку, ещё примерно 60 занимаются оценкой качества и безопасностью.
Всё это происходит за два месяца до WWDC в июне, где Apple планирует показать долгожданное обновление Siri на базе Gemini.
https://www.theinformation.com/articles/apple-sends-siri-staffers-coding-bootcamp-latest-shakeup-organization
🤪22👍7❤6🔥5🍾1
OpenAI выкатила GPT-Rosalind, модель которая думает как учёный и ломает бенчмарки по биологии
OpenAI представила GPT-Rosalind, специализированную модель для биологии, медицинских исследований и поиска новых лекарств. В отличие от обычных LLM, она заточена не на болтовню, а на научную работу: читает публикации, выдвигает гипотезы и планирует эксперименты на сложных биологических системах.
Под капотом интеграция с более чем 50 научными инструментами и базами данных. Модель работает напрямую с генами, белками и молекулярными путями, встраиваясь в реальные исследовательские пайплайны, а не существуя в вакууме чата.
По цифрам результаты серьёзные. На BixBench модель выдала 0.751 и обошла предыдущие решения в 6 из 11 научных задач, показав сильный результат в биоинформатическом ризонинге. В совместных экспериментах с исследователями она превысила 95-й перцентиль человеческих экспертов на отдельных задачах предсказания структуры РНК.
Крупные биотех-компании уже тестируют GPT-Rosalind в реальных пайплайнах поиска лекарств. Если заявленные метрики подтвердятся в проде, это серьёзный сдвиг: узкоспециализированный научный агент с доступом к инструментам становится рабочей единицей R&D, а не игрушкой для демо.
https://openai.com/index/introducing-gpt-rosalind/
OpenAI представила GPT-Rosalind, специализированную модель для биологии, медицинских исследований и поиска новых лекарств. В отличие от обычных LLM, она заточена не на болтовню, а на научную работу: читает публикации, выдвигает гипотезы и планирует эксперименты на сложных биологических системах.
Под капотом интеграция с более чем 50 научными инструментами и базами данных. Модель работает напрямую с генами, белками и молекулярными путями, встраиваясь в реальные исследовательские пайплайны, а не существуя в вакууме чата.
По цифрам результаты серьёзные. На BixBench модель выдала 0.751 и обошла предыдущие решения в 6 из 11 научных задач, показав сильный результат в биоинформатическом ризонинге. В совместных экспериментах с исследователями она превысила 95-й перцентиль человеческих экспертов на отдельных задачах предсказания структуры РНК.
Крупные биотех-компании уже тестируют GPT-Rosalind в реальных пайплайнах поиска лекарств. Если заявленные метрики подтвердятся в проде, это серьёзный сдвиг: узкоспециализированный научный агент с доступом к инструментам становится рабочей единицей R&D, а не игрушкой для демо.
https://openai.com/index/introducing-gpt-rosalind/
👍10🔥8❤4
This media is not supported in your browser
VIEW IN TELEGRAM
Если последний раз смотрели на Claude Code полгода назад, открывайте заново. За Q1 2026 Anthropic выкатил столько, что инструмент перестал быть «чатом с кодом» и стал автономной рабочей единицей.
Что реально поменялось. Routines запускают агента по расписанию на облачной инфраструктуре Anthropic, то есть ночью можно триажить баги из Linear, а утром получать готовый PR - ноутбук при этом выключен.
Remote Control разрывает привязку к локальной машине: Claude Code крутится на сервере или в CI, а вы даёте команды через API, вебхуки или с телефона. Computer Use дотягивается туда, куда не достают терминальные тулы - браузер, десктоп-приложения, системный UI. Channels решают координацию между несколькими агентами через типизированные сообщения со схемой, без кустарных парсеров.
Под капотом тоже сдвиг. По умолчанию теперь Opus 4.7, контекст до 1M токенов на Max и Enterprise, Auto Mode пропускает безопасные действия без подтверждения и блокирует рискованные (93% аппрувов и так были формальностью).
Вышла интеграция голоса на 20 языках с пушем-ту-ток, включая русский.
Как с этим работать, чтобы не разориться. Token-стоимость растёт геометрически: каждый следующий ход пересылает всю историю, и 200-й ход дороже 5-го не потому что задача сложнее, а потому что Claude заново читает 199 сообщений.
Практические приёмы: держите CLAUDE.md до 200 строк, он инжектится в каждый запрос. Используйте /compact после завершения фичи, чтобы свернуть промежуточные попытки. На смене темы жмите /clear. Отключайте неиспользуемые MCP-серверы, один подключённый сервер стоит до 18K токенов оверхеда на каждый ход.
По дефолту гоняйте Sonnet, на Opus переключайтесь руками.
Тайминг задач. Короткие правки и написание кода - обычный интерактивный режим. Большие рефакторы и миграции - Plan mode, где вы ревьюите план до запуска.
Рутинные задачи - Routines на расписании. Многошаговые автономные цепочки — Remote Control плюс Auto Mode плюс Channels для координации.
Главный сдвиг в том, что разработчик из исполнителя превращается в оркестратора: не пишет код построчно, а управляет парой-тройкой параллельных сессий через сайдбар Mission Control, ревьюит диффы и принимает стратегические решения. Кто не перестроится, тот будет писать код вручную, пока конкуренты закрывают спринты за пару часов.
Документация и свежие релизы: code.claude.com/docs/en/whats-new
https://www.youtube.com/shorts/y5L8i8MECo4
Please open Telegram to view this post
VIEW IN TELEGRAM
❤11🔥5👍2😁2
👉 Поднимите приватный инференс на выделенном железе
В Selectel сделали поддержку видеокарт в управляемых кластерах Kubernetes на выделенных серверах.
Теперь модели можно запускать на отдельном железе: стабильная производительность, изоляция данных и конфигурации под разные задачи. По стоимости — до 40% дешевле, чем использовать ускорители в облачных серверах.
Попробуйте сами, на тест дают до 30 000 бонусных рублей: https://slc.tl/tzexo
Реклама. АО "Селектел". erid:2W5zFGLoYXT
В Selectel сделали поддержку видеокарт в управляемых кластерах Kubernetes на выделенных серверах.
Теперь модели можно запускать на отдельном железе: стабильная производительность, изоляция данных и конфигурации под разные задачи. По стоимости — до 40% дешевле, чем использовать ускорители в облачных серверах.
Попробуйте сами, на тест дают до 30 000 бонусных рублей: https://slc.tl/tzexo
Реклама. АО "Селектел". erid:2W5zFGLoYXT
🗂️ Живая база лучших AI-инструментов - обновляется с 2023 и держит только актуальное
В одном месте собрали весь стек, который реально используют сейчас:
- свежие LLM и новые релизы
- мультимодалка: изображения, видео, аудио
- AI-агенты и автоматизация
- dev-платформы и API
- инфраструктура, плагины и утилиты
Это не статичный список, а постоянно обновляемая карта рынка.
Сохрани - пригодится.
https://github.com/eudk/awesome-ai-tools
В одном месте собрали весь стек, который реально используют сейчас:
- свежие LLM и новые релизы
- мультимодалка: изображения, видео, аудио
- AI-агенты и автоматизация
- dev-платформы и API
- инфраструктура, плагины и утилиты
Это не статичный список, а постоянно обновляемая карта рынка.
Сохрани - пригодится.
https://github.com/eudk/awesome-ai-tools
👍6🔥2🥰1🥴1
🚀 OpenMythos. Впечатление смешанное.
Проект честно помечен как theoretical reconstruction и hypothesis document, автор не выдаёт его за утечку, в README есть дисклеймер про отсутствие связи с Anthropic.
Архитектурные идеи не с потолка: Recurrent-Depth Transformer, MoE с роутингом в духе DeepSeek, Multi-Latent Attention, ACT-халтинг, Universal Transformers - всё это реальные направления из литературы.
Код рабочий, лицензия MIT, есть документация и конфиг через единый dataclass. Для изучения looped-трансформеров это полезная песочница.
Минусы: в посте подаётся как реконструкция Claude Mythos, но Anthropic не публиковала технических деталей Mythos, так что это по сути догадки, а не восстановление. Цифра 4.7K звёзд для автора с историей громких репозиториев мало говорит о качестве, kyegomez известен склонностью к быстрым имплементациям чужих идей с громкими названиями, к заявлениям стоит относиться осторожно.
Фраза «770M параметров догоняют 1.3B трансформер» основана на эксперименте уровня Tiny Shakespeare, экстраполировать на фронтир-модели рано. Бенчмарков в масштабе, сравнимом с реальными LLM, в репо нет.
Итог: любопытный educational-проект и набор гипотез для обсуждения, но не «открытый Mythos». Читать как discussion paper с кодом, а не как воспроизведение модели.
github.com/kyegomez/OpenMythos
Проект честно помечен как theoretical reconstruction и hypothesis document, автор не выдаёт его за утечку, в README есть дисклеймер про отсутствие связи с Anthropic.
Архитектурные идеи не с потолка: Recurrent-Depth Transformer, MoE с роутингом в духе DeepSeek, Multi-Latent Attention, ACT-халтинг, Universal Transformers - всё это реальные направления из литературы.
Код рабочий, лицензия MIT, есть документация и конфиг через единый dataclass. Для изучения looped-трансформеров это полезная песочница.
Минусы: в посте подаётся как реконструкция Claude Mythos, но Anthropic не публиковала технических деталей Mythos, так что это по сути догадки, а не восстановление. Цифра 4.7K звёзд для автора с историей громких репозиториев мало говорит о качестве, kyegomez известен склонностью к быстрым имплементациям чужих идей с громкими названиями, к заявлениям стоит относиться осторожно.
Фраза «770M параметров догоняют 1.3B трансформер» основана на эксперименте уровня Tiny Shakespeare, экстраполировать на фронтир-модели рано. Бенчмарков в масштабе, сравнимом с реальными LLM, в репо нет.
Итог: любопытный educational-проект и набор гипотез для обсуждения, но не «открытый Mythos». Читать как discussion paper с кодом, а не как воспроизведение модели.
github.com/kyegomez/OpenMythos
👍7❤6🥱2🔥1🤔1
Изучаем машинное обучение всё лето: Яндекс приглашает в Летний кампус ML-Академии
Познакомьтесь с трендами ML‑индустрии и получите прикладной опыт в московском офисе Яндекса.
3 месяца студенты и начинающие ML-спецы будут работать совместно с экспертами из Яндекса над задачами по компьютерному зрению, обработке естественного языка, рекомендательным системам, LLM и другим ML-направлениям. В конце обучения участников ждет выпускной.
Обучение бесплатное, участникам из других городов Яндекс оплачивает переезд и проживание. А еще это хороший шанс начать карьеру: лучших выпускников Академии пригласят на стажировку.
Подать заявку можно тут.
Познакомьтесь с трендами ML‑индустрии и получите прикладной опыт в московском офисе Яндекса.
3 месяца студенты и начинающие ML-спецы будут работать совместно с экспертами из Яндекса над задачами по компьютерному зрению, обработке естественного языка, рекомендательным системам, LLM и другим ML-направлениям. В конце обучения участников ждет выпускной.
Обучение бесплатное, участникам из других городов Яндекс оплачивает переезд и проживание. А еще это хороший шанс начать карьеру: лучших выпускников Академии пригласят на стажировку.
Подать заявку можно тут.
❤11👍4🔥4💊2😁1💯1
Mythos, закрытая модель Anthropic, заточенная под поиск уязвимостей, утекла за пределы круга избранных.
По данным Bloomberg, неизвестная группа получила к ней регулярный доступ через стороннего подрядчика и даже прислала журналистам скриншоты и живую демонстрацию работы.
Самое ироничное, что Mythos создавалась в рамках Project Glasswing, идея которого как раз в ограниченной дистрибуции: пусть модель видят только проверенные команды, и тогда её мощь не обернётся против индустрии.
План красивый, реальность жёстче. Ядро Anthropic никто не ломал. Ломать не пришлось. Хватило одного партнёра с дырявым контролем доступа.
И вот здесь начинается настоящий сюжет. Модель, которая ищет уязвимости быстрее людей, сама оказалась уязвима через самое слабое звено периметра. Подрядчик, чужой ноутбук, забытый токен, предсказуемое имя сервиса, и всё, твой закрытый оружейный ИИ гуляет в чужих руках.
Вывод неприятный, но его придётся принять всем, кто работает с фронтирными моделями. Секретность ИИ заканчивается там, где начинается цепочка поставок. Можно сколько угодно прятать веса, фильтровать доступ и подписывать NDA, но если у вендора слабый пароль, вся архитектура доверия рушится за одну ночь.
Mythos не первый такой случай и точно не последний. Вопрос уже не в том, утекают ли мощные модели. Вопрос в том, кто и когда поймает следующую.
techcrunch.com/2026/04/21/unauthorized-group-has-gained-access-to-anthropics-exclusive-cyber-tool-mythos-report-claims/
По данным Bloomberg, неизвестная группа получила к ней регулярный доступ через стороннего подрядчика и даже прислала журналистам скриншоты и живую демонстрацию работы.
Самое ироничное, что Mythos создавалась в рамках Project Glasswing, идея которого как раз в ограниченной дистрибуции: пусть модель видят только проверенные команды, и тогда её мощь не обернётся против индустрии.
План красивый, реальность жёстче. Ядро Anthropic никто не ломал. Ломать не пришлось. Хватило одного партнёра с дырявым контролем доступа.
И вот здесь начинается настоящий сюжет. Модель, которая ищет уязвимости быстрее людей, сама оказалась уязвима через самое слабое звено периметра. Подрядчик, чужой ноутбук, забытый токен, предсказуемое имя сервиса, и всё, твой закрытый оружейный ИИ гуляет в чужих руках.
Вывод неприятный, но его придётся принять всем, кто работает с фронтирными моделями. Секретность ИИ заканчивается там, где начинается цепочка поставок. Можно сколько угодно прятать веса, фильтровать доступ и подписывать NDA, но если у вендора слабый пароль, вся архитектура доверия рушится за одну ночь.
Mythos не первый такой случай и точно не последний. Вопрос уже не в том, утекают ли мощные модели. Вопрос в том, кто и когда поймает следующую.
techcrunch.com/2026/04/21/unauthorized-group-has-gained-access-to-anthropics-exclusive-cyber-tool-mythos-report-claims/
❤18🔥6🤣6👍5👨💻3
🚀 50+ команд Claude Code, которые реально ускоряют разработку
Если ты используешь Claude Code как обычный чат - ты теряешь 80% его мощности.
Это не просто AI. Это полноценная система разработки внутри терминала.
Вот как его правильно использовать:
База, без которой никуда:
-
-
-
-
Работа с кодом:
-
-
-
-
Контроль процесса:
-
-
-
Продвинутые фичи:
-
-
-
-
Модели и режимы:
-
-
-
Что важно знать:
- Claude Code = не чат, а инженер внутри проекта
- память (CLAUDE.md) решает больше, чем промпты
- агенты дают x2-x5 ускорение на сложных задачах
Если ты используешь Claude Code как обычный чат - ты теряешь 80% его мощности.
Это не просто AI. Это полноценная система разработки внутри терминала.
Вот как его правильно использовать:
База, без которой никуда:
-
/init - создаёт CLAUDE.md и память проекта -
/memory - открывает контекст проекта -
/add-dir - подключает новые директории -
/compact - чистит контекст и экономит токены Работа с кодом:
-
/diff - показывает изменения -
/review - ревью кода -
/simplify - 3 агента анализируют код -
/debug - системный дебаг Контроль процесса:
-
/plan - сначала думает, потом пишет код -
/permissions - контроль действий -
--dangerously-skip-permissions - полный автопилот Продвинутые фичи:
-
/agents - параллельные агенты -
/loop - повтор задач -
/bash - выполнение команд -
/remote-control - управление через браузер Модели и режимы:
-
/model - переключение моделей -
/effort - глубина мышления -
/fast - быстрый режим Что важно знать:
- Claude Code = не чат, а инженер внутри проекта
- память (CLAUDE.md) решает больше, чем промпты
- агенты дают x2-x5 ускорение на сложных задачах
❤10👍9🔥6🥱1🌭1
Forwarded from Machinelearning
🚀 OpenAI представила GPT-5.5
Она заметно сильнее в самом главном: код, ресёрч, аналитика и работа с документами.
GPT 5.5 хороша в многоступенчатых задачах.
И почти во всём обходит конкурентов - например, на Terminal-Bench выбивает 82,7% против 69% у свежей Claude.
GPT-5.5 уже доступна пользователям Plus, Pro, Business и Enterprise - в ChatGPT и Codex.
Модель стала дороже: ~$5 / $30 за млн токенов.
Уже раскатывают на всех платных подписчиков.
Тестим! 🔥
https://openai.com/index/introducing-gpt-5-5/
Она заметно сильнее в самом главном: код, ресёрч, аналитика и работа с документами.
GPT 5.5 хороша в многоступенчатых задачах.
И почти во всём обходит конкурентов - например, на Terminal-Bench выбивает 82,7% против 69% у свежей Claude.
GPT-5.5 уже доступна пользователям Plus, Pro, Business и Enterprise - в ChatGPT и Codex.
Модель стала дороже: ~$5 / $30 за млн токенов.
Уже раскатывают на всех платных подписчиков.
Тестим! 🔥
https://openai.com/index/introducing-gpt-5-5/
❤8🔥5🦄3👍2