🚨 SoftBank перевела финальные $10 млрд в OpenAI.
Это третья и последняя часть обещанных $30 млрд инвестиций. Теперь суммарно SoftBank вложила в OpenAI $64,6 млрд и владеет примерно 13% компании.
Чтобы профинансировать ставку на AI, SoftBank пошла очень далеко:
- ранее продала весь пакет Nvidia на $5,8 млрд
- в сентябре привлекла ещё $11,1 млрд через high-yield облигации
- средства от этого выпуска пошли на финальный транш OpenAI
Масаёси Сон фактически продолжает стратегию all-in на OpenAI и AI-инфраструктуру.
SoftBank теперь один из крупнейших акционеров OpenAI.
Это третья и последняя часть обещанных $30 млрд инвестиций. Теперь суммарно SoftBank вложила в OpenAI $64,6 млрд и владеет примерно 13% компании.
Чтобы профинансировать ставку на AI, SoftBank пошла очень далеко:
- ранее продала весь пакет Nvidia на $5,8 млрд
- в сентябре привлекла ещё $11,1 млрд через high-yield облигации
- средства от этого выпуска пошли на финальный транш OpenAI
Масаёси Сон фактически продолжает стратегию all-in на OpenAI и AI-инфраструктуру.
SoftBank теперь один из крупнейших акционеров OpenAI.
👍10❤5👎2🔥2😁2
100 вопросов на Python Senior: к чему готовиться на собеседовании в 2026
Вышла подборка из 100 вопросов для собеседования на Python Senior с развёрнутыми ответами и рабочими примерами кода. Уровень там явно выше «чем список отличается от кортежа».
Первый большой блок про внутренности CPython: как устроен объект, как работают подсчёт ссылок и сборщик мусора, зачем нужен weakref при циклических ссылках. Дальше идёт конкурентность. Почему существует GIL, когда потоки всё ещё полезны, что даёт free-threaded Python по PEP 703 и как выбирать между threading, multiprocessing и asyncio, включая TaskGroup и структурную конкурентность.
Отдельно разобраны дескрипторы и метаклассы, декораторы с параметрами, генераторы и yield from. По типизации есть современный синтаксис дженериков из PEP 695, Protocol и сужение типов через TypeIs. В конце вопросы про профилирование и поиск узких мест, стандартную библиотеку, тестирование и архитектуру, зависимости и безопасность в продакшене. Свежие изменения из Python 3.13 и 3.14 тоже учтены: экспериментальный JIT, отложенные аннотации и отдельный GIL на каждый интерпретатор.
Полезно и тем, кто идёт на собеседование, и тем, кто сам их проводит.
https://uproger.com/voprosy-na-sobesedovanii-python-senior/
Вышла подборка из 100 вопросов для собеседования на Python Senior с развёрнутыми ответами и рабочими примерами кода. Уровень там явно выше «чем список отличается от кортежа».
Первый большой блок про внутренности CPython: как устроен объект, как работают подсчёт ссылок и сборщик мусора, зачем нужен weakref при циклических ссылках. Дальше идёт конкурентность. Почему существует GIL, когда потоки всё ещё полезны, что даёт free-threaded Python по PEP 703 и как выбирать между threading, multiprocessing и asyncio, включая TaskGroup и структурную конкурентность.
Отдельно разобраны дескрипторы и метаклассы, декораторы с параметрами, генераторы и yield from. По типизации есть современный синтаксис дженериков из PEP 695, Protocol и сужение типов через TypeIs. В конце вопросы про профилирование и поиск узких мест, стандартную библиотеку, тестирование и архитектуру, зависимости и безопасность в продакшене. Свежие изменения из Python 3.13 и 3.14 тоже учтены: экспериментальный JIT, отложенные аннотации и отдельный GIL на каждый интерпретатор.
Полезно и тем, кто идёт на собеседование, и тем, кто сам их проводит.
https://uproger.com/voprosy-na-sobesedovanii-python-senior/
❤2👍2🔥2
🇩🇪 Германия неожиданно выпустила сильную открытую модель ИИ
Aleph Alpha выпустила Kolibri, обученную с нуля с акцентом на немецкий и английский.
• 78 млрд параметров, из которых на каждый токен активны только 3,46 млрд.
• Открытые веса под Apache 2.0, включая коммерческое использование.
• Контекст до 1 млн токенов, поддержка рассуждений и вызова инструментов.
В собственных тестах разработчиков результаты впечатляют:
🧮 AIME 2025: 96,9%
🔬 GPQA Diamond: 84,3%
По сводному результату немецкоязычных тестов Kolibri немного опережает Qwen3.5 35B-A3B и GPT-OSS 120B. С программированием всё неоднозначнее: на SWE-bench Verified у неё 66,4%, у Qwen3.6 35B-A3B 73,8%.
🔗 Веса модели: https://huggingface.co/Aleph-Alpha/Kolibri-1
Aleph Alpha выпустила Kolibri, обученную с нуля с акцентом на немецкий и английский.
• 78 млрд параметров, из которых на каждый токен активны только 3,46 млрд.
• Открытые веса под Apache 2.0, включая коммерческое использование.
• Контекст до 1 млн токенов, поддержка рассуждений и вызова инструментов.
В собственных тестах разработчиков результаты впечатляют:
🧮 AIME 2025: 96,9%
🔬 GPQA Diamond: 84,3%
По сводному результату немецкоязычных тестов Kolibri немного опережает Qwen3.5 35B-A3B и GPT-OSS 120B. С программированием всё неоднозначнее: на SWE-bench Verified у неё 66,4%, у Qwen3.6 35B-A3B 73,8%.
🔗 Веса модели: https://huggingface.co/Aleph-Alpha/Kolibri-1
👍15❤5🔥4
🧠 Есть ли у Claude сознание? Автор диссертации на эту тему сомневается
На фоне обсуждений машинного сознания Майкл Тимоти Беннетт поделился своей позицией:
В 2025 году он подготовил в Австралийском национальном университете PhD-диссертацию How To Build Conscious Machines. В ней исследует, что такое субъективный опыт и какие свойства могли бы позволить машине им обладать.
Оценка Claude прозвучала в посте автора. Сама диссертация посвящена более широкому вопросу: как вообще создать машину с сознанием.
📄 Работа: https://openresearch-repository.anu.edu.au/bitstreams/6f333f30-2553-4032-8c3f-ff7a8f46f03a/download
На фоне обсуждений машинного сознания Майкл Тимоти Беннетт поделился своей позицией:
> «Я достаточно уверен, что Claude не обладает сознанием».
В 2025 году он подготовил в Австралийском национальном университете PhD-диссертацию How To Build Conscious Machines. В ней исследует, что такое субъективный опыт и какие свойства могли бы позволить машине им обладать.
Оценка Claude прозвучала в посте автора. Сама диссертация посвящена более широкому вопросу: как вообще создать машину с сознанием.
📄 Работа: https://openresearch-repository.anu.edu.au/bitstreams/6f333f30-2553-4032-8c3f-ff7a8f46f03a/download
❤3👍1🔥1
🔥 Бесплатный курс по Claude Code на русском: от установки до команды агентов
На GitHub выложили Claude Code PRO Course, бесплатный практический курс по Claude Code на русском языке. Он ведёт от первого запуска до настройки многоагентной работы в команде.
Внутри 12 модулей в четырёх уровнях сложности: основы, рабочий процесс, расширения и масштабирование. Сначала установка, промптинг, память проекта через CLAUDE.md, настройки и права доступа. Потом профессиональный рабочий процесс, скиллы и слэш-команды, сабагенты и хуки.
Дальше идут MCP, плагины и маркетплейсы, а в конце headless-режим, CI и GitHub Actions плюс продвинутые техники. Основной упор сделан на управление контекстом, разработку через тесты и автоматизацию через конфигурацию как код.
Теорией курс не ограничивается: есть 8 практических лабораторных, готовый стартовый набор, библиотека промптов и пример собственного плагина. Лицензия MIT.
https://github.com/justxor/claude-code-pro-course
На GitHub выложили Claude Code PRO Course, бесплатный практический курс по Claude Code на русском языке. Он ведёт от первого запуска до настройки многоагентной работы в команде.
Внутри 12 модулей в четырёх уровнях сложности: основы, рабочий процесс, расширения и масштабирование. Сначала установка, промптинг, память проекта через CLAUDE.md, настройки и права доступа. Потом профессиональный рабочий процесс, скиллы и слэш-команды, сабагенты и хуки.
Дальше идут MCP, плагины и маркетплейсы, а в конце headless-режим, CI и GitHub Actions плюс продвинутые техники. Основной упор сделан на управление контекстом, разработку через тесты и автоматизацию через конфигурацию как код.
Теорией курс не ограничивается: есть 8 практических лабораторных, готовый стартовый набор, библиотека промптов и пример собственного плагина. Лицензия MIT.
https://github.com/justxor/claude-code-pro-course
❤3
Forwarded from Machinelearning
Media is too big
VIEW IN TELEGRAM
Власти США сформировали межведомственную группу Super Intelligence Force для координации федеральной политики в сфере ИИ.
Новый орган подчиняется напрямую президенту США. Координатором группы назначен директор Национальной разведки Джей Клейтон. В состав также вошли председатель FTC Эндрю Фергюсон, замминистра обороны по R&D Эмиль Майкл и глава кадрового управления Скотт Купор.
Super Intelligence Force будет мониторить угрозы национальной безопасности, удерживать технологическое лидерство США и устранять барьеры, тормозящие разработку.
washingtonpost.com
Дэвид Робинсон, проработавший в компании три с половиной года и участвовавший в создании регламента готовности, объявил об отставке и опубликовал эссе о том, что в отрасли скорость выпуска побеждает качество проработки.
Подход, при котором проблемы устраняют по мере появления, он считает оправданным для ПО и недопустимым для ИИ - когда модель превзойдёт человека по когнитивным способностям, устранять последствия критического инцидента будет некому.
Дэвид считает, что разработка передовых моделей должна перейти на стандарты гражданской авиации и ядерной энергетики с их строгим резервированием и проектированием систем, исключающим катастрофу из-за человеческого фактора.
theatlantic.com
Немецкий стартап выпустил под лицензией Apache 2.0 большую языковую модель Kolibri 1, созданную в рамках европейской инициативы цифрового суверенитета и полностью соответствующую нормам EU AI Act.
Это MoE на 78 млрд общих и 3,5 активных параметров с базовым контекстным окном в 262 144 токена, которое может масштабироваться до одного миллиона.
Kolibri оптимизирована под немецкий и английский языки за счёт кастомного токенизатора UniBPE. Против галлюцинаций применён протокол Merlin-Arthur - модель учат отказываться от ответа, если контекст его не содержит.
Среди слабых сторон - скромные результаты в генерации кода, вызове функций и закрытых тестах на общую эрудицию без RAG.
aleph-alpha.com
Бретт Эддкок анонсировал Hark с агентом Handoff, рассчитанным на длинные автономные задачи в интернете - заказ еды, покупки, бронирование, поиск информации.
На каждый запрос поднимается отдельный виртуальный компьютер с браузером, файловой системой и терминалом, а подключённые аккаунты дают доступ к адресам и предпочтениям.
По собственным замерам Hark занял первое место в человеческой оценке Online-Mind2Web, обойдя GPT-5.4 на 8 пунктов и Claude Opus 4.8 на 2.
Проект, уже привлекший более 700 млн долларов от топовых инвесторов, планирует открыть бесплатный Pro-доступ первым 100 000 пользователей из листа ожидания.
hark.com
До конца месяца OpenAI запустит в США пилотный показ графической рекламы в ChatGPT. Баннеры будут появляться в интерфейсе на время ожидания генерации изображений.
Цель запуска - монетизация аудитории, которая достигла 1,2 млрд активных пользователей в неделю. Рекламные блоки получат маркировку и будут визуально изолированы от сгенерированного контента.
Для рекламной инфраструктуры компания интегрирует стек сторонних аналитических платформ по сбору данных о конверсиях и атрибуции кликов.
Внешние партнеры по верификации не получат прямого доступа к содержимому приватных диалогов.
openai.com
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3👍2
Forwarded from Machinelearning
Все статьи написала внутренняя модель компании, название которой не раскрывают. На GitHub они разбиты на 372 семейства, от теории чисел и теоретической информатики до геометрии и математической физики.
Среди заявленных результатов есть доказательство рациональной гипотезы Ходжа для абелевых многообразий с комплексным умножением, гипотезы Капланского о прямой конечности в характеристике два и новая оценка показателя иррациональности числа
π.Рецензию работы не проходили, и независимо их пока никто не проверял.
Около 4000 задач модель получила во время внутренней оценки. Её расширили, когда прежние математические тесты перестали отличать модели друг от друга.
В среднем на один результат уходило столько вычислений, сколько примерно за три часа тратит ChatGPT Pro в режиме рассуждений.
Для 162 работ выложены доказательства на Lean. Каталог этих формализаций сама OpenAI считает как частичный и непроверенный. К десяти результатам приложены сокращённые записи рассуждений модели.
О том, как публиковать такие результаты, OpenAI советовалась с независимой Консультативной группой по математике и ИИ при Институте перспективных исследований в Принстоне.
Компания также обещает финансировать математические семинары и конференции в будущем.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6👍4❤1
DeepSeek Harness вышел на десктоп: плагины без терминала и задачи по расписанию
DeepSeek выпустила превью Harness v0.2 с десктопным приложением для macOS и Windows: менеджер плагинов, режим создателя, задачи по расписанию и планы на маркетплейс.
https://uproger.com/deepseek-harness-desktop/
DeepSeek выпустила превью Harness v0.2 с десктопным приложением для macOS и Windows: менеджер плагинов, режим создателя, задачи по расписанию и планы на маркетплейс.
https://uproger.com/deepseek-harness-desktop/
🔥6❤3👍3
🦀 Burn 0.22: меньше дженериков, быстрее сборка и почти вдвое меньше VRAM в тесте CNN.
Фреймворк глубокого обучения на Rust убрал параметр бэкенда из пользовательских моделей:
Теперь место и способ выполнения выбираются через
Пересборка после правки модели в замерах команды:
• CNN: 28,42 → 4,57 с, ускорение в 6,2 раза.
• Transformer: 14,73 → 1 с, ускорение в 14,7 раза.
В тесте обучения CNN на RTX 4050 Laptop, FP32 пропускная способность выросла на 80%, а пиковая VRAM после прогрева снизилась с 956 до 486 МиБ. Для Transformer экономия памяти составила около 18%. Это результаты конкретных тестовых моделей.
Также добавили LoRA и QLoRA, раннюю поддержку экспорта в ONNX, удалённые вычисления и повторное исполнение GPU-графов.
Обновление ломает совместимость API: Candle удалён, NdArray и LibTorch объявлены устаревшими.
https://tracel.ai/blog/release-0.22.0/
@machinelearning_ru
Фреймворк глубокого обучения на Rust убрал параметр бэкенда из пользовательских моделей:
// Было
struct Model<B: Backend> {
linear: Linear<B>,
}
// Стало
struct Model {
linear: Linear,
}
Теперь место и способ выполнения выбираются через
Device. Изменение модели затрагивает меньше кода при перекомпиляции.Пересборка после правки модели в замерах команды:
• CNN: 28,42 → 4,57 с, ускорение в 6,2 раза.
• Transformer: 14,73 → 1 с, ускорение в 14,7 раза.
В тесте обучения CNN на RTX 4050 Laptop, FP32 пропускная способность выросла на 80%, а пиковая VRAM после прогрева снизилась с 956 до 486 МиБ. Для Transformer экономия памяти составила около 18%. Это результаты конкретных тестовых моделей.
Также добавили LoRA и QLoRA, раннюю поддержку экспорта в ONNX, удалённые вычисления и повторное исполнение GPU-графов.
Обновление ломает совместимость API: Candle удалён, NdArray и LibTorch объявлены устаревшими.
https://tracel.ai/blog/release-0.22.0/
@machinelearning_ru
❤4🔥4👍2