Forwarded from AI.Sorceress @ Cloud
Хайп хайпом, а мы у себя в техподдержке cloud.ru тем временем внедряем агентов-диагностов, агентов-помощников и даже агентов-сотрудников. Агенты отвечают на простые вопросы и помогают людям собирать информацию для ответов на сложные.
Для меня лично очень важно, чтобы люди видели пользу от агентов, чтобы у людей было больше времени на сложные задачи, развитие, и на общение с теми людьми, которые находятся "с другой стороны", с нашими клиентами.
Раньше на поиск информации у инженеров, особенно менее опытных, уходили десятки минут, теперь за секунды вся нужная информация у них перед глазами.
Раньше были разные, зачастую устаревшие, разрозненные статьи и заметки, теперь все живут в едином пространстве знаний.
А мне захотелось привести пример того, как это выглядит для инженера, и того, как инженер оценивает работу таких ИИ-ромозников.
Для меня лично очень важно, чтобы люди видели пользу от агентов, чтобы у людей было больше времени на сложные задачи, развитие, и на общение с теми людьми, которые находятся "с другой стороны", с нашими клиентами.
Раньше на поиск информации у инженеров, особенно менее опытных, уходили десятки минут, теперь за секунды вся нужная информация у них перед глазами.
Раньше были разные, зачастую устаревшие, разрозненные статьи и заметки, теперь все живут в едином пространстве знаний.
А мне захотелось привести пример того, как это выглядит для инженера, и того, как инженер оценивает работу таких ИИ-ромозников.
👍15❤2⚡1🗿1
Forwarded from Искусственный интеллект. Высокие технологии
🤯 GPT-5.6 Sol помогла опровергнуть математическую гипотезу, державшуюся около 150 лет
Гипотеза Максвелла утверждала: электрическое поле от (n) точечных зарядов может иметь максимум ((n-1)^2) невырожденных точек равновесия.
Для пяти зарядов предел должен был составлять 16. Однако математики Филип Аратун, Гэвин Болл и Мэтью Квалхейм построили конфигурацию сразу с 24 такими точками. Этого достаточно, чтобы гипотеза оказалась ложной.
Ключевую идею конструкции предложила GPT-5.6 Sol: три заряда размещаются в вершинах равностороннего треугольника, ещё два — рядом с его центром по перпендикулярной оси. Центральная точка равновесия при этом распадается на целое семейство новых.
Авторы самостоятельно разработали доказательство, проверили математику и изложили аргументы своими словами. Для вычислений и визуализаций также использовались Mathematica и Maple.
Пока это свежий препринт, которому ещё предстоит независимая проверка. Но роль ИИ уже зафиксирована прямо в научной работе: модель помогла найти контрпример к задаче, восходящей к трактату Максвелла 1873 года.
ИИ начинает участвовать в создании новой математики и это происходит быстрее, чем многие ожидали.
source:
https://officechai.com/ai/gpt-5-6-sol-helps-mathematicians-prove-that-150-year-old-maxwell-conjecture-is-false/
paper:
https://arxiv.org/pdf/2607.27197
Гипотеза Максвелла утверждала: электрическое поле от (n) точечных зарядов может иметь максимум ((n-1)^2) невырожденных точек равновесия.
Для пяти зарядов предел должен был составлять 16. Однако математики Филип Аратун, Гэвин Болл и Мэтью Квалхейм построили конфигурацию сразу с 24 такими точками. Этого достаточно, чтобы гипотеза оказалась ложной.
Ключевую идею конструкции предложила GPT-5.6 Sol: три заряда размещаются в вершинах равностороннего треугольника, ещё два — рядом с его центром по перпендикулярной оси. Центральная точка равновесия при этом распадается на целое семейство новых.
Авторы самостоятельно разработали доказательство, проверили математику и изложили аргументы своими словами. Для вычислений и визуализаций также использовались Mathematica и Maple.
Пока это свежий препринт, которому ещё предстоит независимая проверка. Но роль ИИ уже зафиксирована прямо в научной работе: модель помогла найти контрпример к задаче, восходящей к трактату Максвелла 1873 года.
ИИ начинает участвовать в создании новой математики и это происходит быстрее, чем многие ожидали.
source:
https://officechai.com/ai/gpt-5-6-sol-helps-mathematicians-prove-that-150-year-old-maxwell-conjecture-is-false/
paper:
https://arxiv.org/pdf/2607.27197
⚡12🔥4🏆3😁2🤯2❤1
Forwarded from Анализ данных (Data analysis)
🧠 Две настройки утроили результат GPT-5.6 Sol на ARC-AGI-3
С официальным тестовым окружением модель набрала 13,3%. После включения двух функций Responses API результат вырос до 38,3%, а расход выходных токенов сократился примерно в 6 раз.
Средний результат человека на тех же публичных заданиях OpenAI оценивает в 48%.
Что изменили:
1. Сохранили рассуждения между действиями
Раньше после каждого хода агент терял найденные закономерности и фактически заново разбирался в игре.
2. Заменили обрезание истории на compaction
Вместо удаления старых действий длинный контекст сжимался, сохраняя важные наблюдения и выбранную стратегию.
В результате агент:
- быстрее принимал решения;
- реже повторял уже проделанную работу;
- лучше учился по ходу игры;
- тратил значительно меньше токенов.
Итоговый результат зависит не только от модели. Большую роль играют API, управление контекстом, промпт и устройство тестового harness.
OpenAI рекомендует использовать Responses API, сохранять рассуждения между вызовами и включать compaction для длинных сессий.
https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/
#OpenAI #GPT56 #Agents #ARCAGI #LLM #AIEngineering
С официальным тестовым окружением модель набрала 13,3%. После включения двух функций Responses API результат вырос до 38,3%, а расход выходных токенов сократился примерно в 6 раз.
Средний результат человека на тех же публичных заданиях OpenAI оценивает в 48%.
Что изменили:
1. Сохранили рассуждения между действиями
Раньше после каждого хода агент терял найденные закономерности и фактически заново разбирался в игре.
2. Заменили обрезание истории на compaction
Вместо удаления старых действий длинный контекст сжимался, сохраняя важные наблюдения и выбранную стратегию.
В результате агент:
- быстрее принимал решения;
- реже повторял уже проделанную работу;
- лучше учился по ходу игры;
- тратил значительно меньше токенов.
Итоговый результат зависит не только от модели. Большую роль играют API, управление контекстом, промпт и устройство тестового harness.
OpenAI рекомендует использовать Responses API, сохранять рассуждения между вызовами и включать compaction для длинных сессий.
https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/
#OpenAI #GPT56 #Agents #ARCAGI #LLM #AIEngineering
✍6🔥5⚡1
Forwarded from Анализ данных (Data analysis)
🤯 OpenAI заявила о десяти прорывах в задачах, которые математики не могли решить десятилетиями
Результаты получила внутренняя версия Astra - следующей крупной модели компании.
Среди достижений:
— построен первый явный пример не-софической группы (особого типа абстрактной алгебраической структуры, которую раньше удавалось описывать только косвенно);
— опровергнута гипотеза жёсткости Конна (долгосрочное предположение в функциональном анализе о том, насколько строго определяются такие математические объекты);
— доказана квантовая теорема о параллельном повторении для общих двухигровых систем (показывает, как быстро падают шансы на успех при многократном повторении квантовых игр);
— доказана гипотеза Эрхарта об объёме (результат из геометрии, связанный с подсчётом точек в многомерных фигурах и их объёмами);
— впервые с 1978 года улучшена общая верхняя оценка плотности упаковки сфер (то есть насколько плотно можно «уложить» шары в пространстве).
По заявлению OpenAI, Astra самостоятельно нашла основные математические аргументы, а затем формализовала каждое доказательство в Lean. Вместе с машинно проверяемыми сертификатами опубликована рукопись на 249 страниц.
Успешные запуски обошлись бы примерно в $2000 по тарифам Sol API.
одели начинают предлагать новые доказательства для открытых задач - хотя теперь результаты должен внимательно проверить весь математический мир.
Astra ещё не выпущена, и OpenAI не называет её GPT-6.
openai.com/index/ten-advances-in-mathematics/
Результаты получила внутренняя версия Astra - следующей крупной модели компании.
Среди достижений:
— построен первый явный пример не-софической группы (особого типа абстрактной алгебраической структуры, которую раньше удавалось описывать только косвенно);
— опровергнута гипотеза жёсткости Конна (долгосрочное предположение в функциональном анализе о том, насколько строго определяются такие математические объекты);
— доказана квантовая теорема о параллельном повторении для общих двухигровых систем (показывает, как быстро падают шансы на успех при многократном повторении квантовых игр);
— доказана гипотеза Эрхарта об объёме (результат из геометрии, связанный с подсчётом точек в многомерных фигурах и их объёмами);
— впервые с 1978 года улучшена общая верхняя оценка плотности упаковки сфер (то есть насколько плотно можно «уложить» шары в пространстве).
По заявлению OpenAI, Astra самостоятельно нашла основные математические аргументы, а затем формализовала каждое доказательство в Lean. Вместе с машинно проверяемыми сертификатами опубликована рукопись на 249 страниц.
Успешные запуски обошлись бы примерно в $2000 по тарифам Sol API.
одели начинают предлагать новые доказательства для открытых задач - хотя теперь результаты должен внимательно проверить весь математический мир.
Astra ещё не выпущена, и OpenAI не называет её GPT-6.
openai.com/index/ten-advances-in-mathematics/
⚡10❤2🔥2😁1🤔1🤯1🏆1
Тут в очередной раз спросили как можно отблагодарить за помощь, обучение и т.д.
Платного расписания с записью в очередь консультаций у меня нет (пока :) ), но есть такой вот вариант:
Платный канал, вот тут про него пара слов: https://t.me/tsingular/7560
С момента открытия там уже прилично материалов полезных собралось:
Навыки для агентов, методички, презентации, лекций и просто эфиры с разъяснениями от базы к сложному.
И вообще в планах все самое токеноёмкое или времязатратное там выкладывать.
Т.е. то, на что у вас уйдет уйма личного или агентского времени.
Так что подписывайтесь, - и вам польза и автору на подписки ИИшные :)
Подписаться на канал можно тут:
https://paywall.pw/tsingular_favorites
Можете просто залететь на пробную подписку, - утащить сколько унесёте и отписаться :)
#ИИзбранное
———
@tsingular
Платного расписания с записью в очередь консультаций у меня нет (пока :) ), но есть такой вот вариант:
Платный канал, вот тут про него пара слов: https://t.me/tsingular/7560
С момента открытия там уже прилично материалов полезных собралось:
Навыки для агентов, методички, презентации, лекций и просто эфиры с разъяснениями от базы к сложному.
И вообще в планах все самое токеноёмкое или времязатратное там выкладывать.
Т.е. то, на что у вас уйдет уйма личного или агентского времени.
Так что подписывайтесь, - и вам польза и автору на подписки ИИшные :)
Подписаться на канал можно тут:
https://paywall.pw/tsingular_favorites
Можете просто залететь на пробную подписку, - утащить сколько унесёте и отписаться :)
#ИИзбранное
———
@tsingular
❤8❤🔥4🏆1
Если вдруг вам нечего посмотреть, - там сейчас прямой эфир AI Agentic Summit начался.
Обещают много интересного.
https://www.youtube.com/watch?v=gKdeLQd_LIQ
#конференции
———
@tsingular
Обещают много интересного.
https://www.youtube.com/watch?v=gKdeLQd_LIQ
#конференции
———
@tsingular
🔥9⚡4🦄2
This media is not supported in your browser
VIEW IN TELEGRAM
Кто не знает, есть такой полезный портал - Daily Dose of Datascience, - там тонны материала по ИИ (много платного, конечно), но вот чего у них не отнять это умение объяснять красиво и просто сложные штуки.
Вот, например, прикольная анимация, которая показывает разницу между Промпт инжинирингом и Инженерией агентского цикла, - на ней, в том числе, наглядно видно еще и место и функцию Контекст инжиниринга.
#обучение #DDoDS #promt #context
———
@tsingular
Вот, например, прикольная анимация, которая показывает разницу между Промпт инжинирингом и Инженерией агентского цикла, - на ней, в том числе, наглядно видно еще и место и функцию Контекст инжиниринга.
#обучение #DDoDS #promt #context
———
@tsingular
👍9✍3⚡2
n8n еще жив :)
они тут оказывается добавили такую штуку, как AI Asssistant внутри сервиса.
Но он, в основном, доступен в онлайн версии.
ИИ ассистент может изнутри рабочего процесса создавать шаги, править, отвечать по сути событий и просто общаться, принимая задачи и дальше прорабатывая их используя процесс, как инструмент.
Так вот оказывается этот же функционал можно включить и в self-hosted версии, но для этого придется разобраться вот с этой документацией, - set-up-ai-assistant
Там единственный затык с песочницами. Они настойчиво рекомендуют Daytona или, как вариант свою n8n песочницу как сервис для агентов, но вроде пишут, что можно и свою подставить, так что надо проверять, - если кто возьмется, - напишите потом как получилось.
#n8n #update
———
@tsingular
они тут оказывается добавили такую штуку, как AI Asssistant внутри сервиса.
Но он, в основном, доступен в онлайн версии.
ИИ ассистент может изнутри рабочего процесса создавать шаги, править, отвечать по сути событий и просто общаться, принимая задачи и дальше прорабатывая их используя процесс, как инструмент.
Так вот оказывается этот же функционал можно включить и в self-hosted версии, но для этого придется разобраться вот с этой документацией, - set-up-ai-assistant
Там единственный затык с песочницами. Они настойчиво рекомендуют Daytona или, как вариант свою n8n песочницу как сервис для агентов, но вроде пишут, что можно и свою подставить, так что надо проверять, - если кто возьмется, - напишите потом как получилось.
#n8n #update
———
@tsingular
✍10⚡3🆒2❤1👍1
Напоминаю, для тех, кто недавно присоединился, - на канале есть тема с мёдом :)
Детали тут
отмечайтесь в комментариях основного поста ( не этого ), - в сентябре свяжусь.
#кибермёд
———
@tsingular
Детали тут
отмечайтесь в комментариях основного поста ( не этого ), - в сентябре свяжусь.
#кибермёд
———
@tsingular
🔥14❤2
TencentDB Agent Memory от Tencent Cloud: пирамида агентской памяти из четырёх слоёв
Tencent Cloud сделали свою версию агентской памяти.
Память собирается асинхронным конвейером из четырёх уровней, каждый следующий слой агрегирует предыдущий.
⚙️ Устройство конвейера:
Сырые диалоги попадают в L0 Conversation, полный лог.
Фоновый обработчик вытягивает из них атомарные факты, предпочтения и ограничения на уровень L1 Atom.
Когда набирается достаточно фактов, срабатывает группировка: факты одного проекта или сценария собираются в блок L2 Scenario.
Поверх сценариев строится L3 Persona: долгосрочный профиль пользователя.
Каждый переход между уровнями асинхронный и запускается по таймеру, а не по факту нового сообщения.
При новом сеансе агент первым делом получает L3 (кто ты) и релевантный L2 (над чем работаешь).
Если нужна деталь, включается гибридный поиск: BM25 по ключевым словам плюс векторный поиск по эмбеддингам, результаты сливаются через Reciprocal Rank Fusion.
Поиск спускается на L1 и L0 только когда верхние слои не дали ответа. Каждый результат возвращается с идентификатором узла, по которому можно поднять исходный диалог.
Короткая память решает следующую задачу: раздувание контекста в длинных сессиях.
Логи инструментов выгружаются на диск в файлы, в контексте агента остаётся только диаграмма состояний и если агенту понадобился детальный факт: агент идёт по идентификатору узла в сырой лог.
Контекст не раздувается, информация не теряется.
💰 Модулей три. Memory Core: движок слоёв и поиска.
Memory Hub: панель управления, создание команд, назначение активов агентам, трехуровневые права доступа.
Memory Proxy: слой между агентом и LLM-провайдером, который подмешивает в системный промпт релевантную память на каждом шагу.
Поддерживает протоколы Anthropic и OpenAI, Claude Code и Cursor подключаются без изменений.
По тестам Tencent точность профилирования задачи возросла с 48 до 76 процентов, при этом расход токенов в длинных сессиях сократился на две трети.
#Tencent #агенты #память
———
@tsingular
Tencent Cloud сделали свою версию агентской памяти.
Память собирается асинхронным конвейером из четырёх уровней, каждый следующий слой агрегирует предыдущий.
Сырые диалоги попадают в L0 Conversation, полный лог.
Фоновый обработчик вытягивает из них атомарные факты, предпочтения и ограничения на уровень L1 Atom.
Когда набирается достаточно фактов, срабатывает группировка: факты одного проекта или сценария собираются в блок L2 Scenario.
Поверх сценариев строится L3 Persona: долгосрочный профиль пользователя.
Каждый переход между уровнями асинхронный и запускается по таймеру, а не по факту нового сообщения.
При новом сеансе агент первым делом получает L3 (кто ты) и релевантный L2 (над чем работаешь).
Если нужна деталь, включается гибридный поиск: BM25 по ключевым словам плюс векторный поиск по эмбеддингам, результаты сливаются через Reciprocal Rank Fusion.
Поиск спускается на L1 и L0 только когда верхние слои не дали ответа. Каждый результат возвращается с идентификатором узла, по которому можно поднять исходный диалог.
Короткая память решает следующую задачу: раздувание контекста в длинных сессиях.
Логи инструментов выгружаются на диск в файлы, в контексте агента остаётся только диаграмма состояний и если агенту понадобился детальный факт: агент идёт по идентификатору узла в сырой лог.
Контекст не раздувается, информация не теряется.
💰 Модулей три. Memory Core: движок слоёв и поиска.
Memory Hub: панель управления, создание команд, назначение активов агентам, трехуровневые права доступа.
Memory Proxy: слой между агентом и LLM-провайдером, который подмешивает в системный промпт релевантную память на каждом шагу.
Поддерживает протоколы Anthropic и OpenAI, Claude Code и Cursor подключаются без изменений.
По тестам Tencent точность профилирования задачи возросла с 48 до 76 процентов, при этом расход токенов в длинных сессиях сократился на две трети.
#Tencent #агенты #память
———
@tsingular
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥8❤2🤔2⚡1👍1🆒1
Forwarded from Анализ данных (Data analysis)
Media is too big
VIEW IN TELEGRAM
⚡️ Opus 5 за два часа превратила абзац из «Властелина колец» в интерактивный 3D-мир
Андрей Карпати дал модели первый абзац книги, бюджет в 1 млн токенов - около $10 - и попросил создать сцену на Three.js.
Результат: 5500 строк кода, процедурная генерация объектов, расстановка моделей по координатам и анимация событий.
Местами всё выглядит криво. Но раньше никто не стал бы тратить дни на настолько узкую сцену. Теперь достаточно описать мир - и через пару часов получить рабочий прототип.
Пока слабое место моделей - проверка результата. Они не умеют полноценно смотреть видео и играть в собственные игры, поэтому анализируют скриншоты и пропускают ошибки.
https://x.com/Machinelearrn/status/2083859736387035332
@data_analysis_ml
Андрей Карпати дал модели первый абзац книги, бюджет в 1 млн токенов - около $10 - и попросил создать сцену на Three.js.
Результат: 5500 строк кода, процедурная генерация объектов, расстановка моделей по координатам и анимация событий.
Местами всё выглядит криво. Но раньше никто не стал бы тратить дни на настолько узкую сцену. Теперь достаточно описать мир - и через пару часов получить рабочий прототип.
Пока слабое место моделей - проверка результата. Они не умеют полноценно смотреть видео и играть в собственные игры, поэтому анализируют скриншоты и пропускают ошибки.
https://x.com/Machinelearrn/status/2083859736387035332
@data_analysis_ml
🔥8
Немного мыслей на выходных про смысл жизни и вот это вот всё.
Чем-то похоже на механику трансформеров.
Суть идеи в том, что прошлого, настоящего и будущего как самостоятельных областей не существует.
Есть единое многомерное пространство возможных событий — общий поток состояний, связей и возрастающей энтропии, как в LLM трансформере.
Человек внутри этого потока воспринимает лишь последовательную линию, потому что его сознание ограничено одной проживаемой версией.
В каждой точке выбора множество потенциальных продолжений взвешивается вниманием, памятью, намерением и внутренним состоянием человека.
Одна из решаемых задач,- верификация квантовых запутанностей.
Отсюда, кстати, эффект наблюдателя.
Одна версия актуализируется и становится прожитой ветвью его личной мультивселенной. Остальные варианты не уничтожаются, а остаются непрожитыми конфигурациями общего поля возможностей.
Существо более высокого плана (где-то его называют, например, душа) не движется из прошлого в будущее.
Для него время представляет собой не линию, а карту доступных состояний.
Оно может:
— войти в любую точку потока;
— временно принять ограничения конкретного наблюдателя;
— прожить одну из возможных версий событий;
— вернуться во вневременной контур;
— снова войти в ту же или иную точку и актуализировать другую ветвь.
(это, кстати, подтверждается рассказами детей 3х летнего возраста о жизни до рождения, - выбор родителей и времени рождения)
Такой вневременной контур можно сопоставить с астральным планом или хрониками Акаши — не как с архивом уже записанной истории, а как с пространством всех смысловых и причинных конфигураций.
Буддийская идея взаимозависимого возникновения здесь означает, что ни одно событие не существует отдельно: каждая версия возникает из сочетания условий, восприятия, памяти, намерения и выбора.
Аналогия с трансформером состоит в следующем:
Модель не идёт по тексту как человек по линейному времени. Она получает множество элементов контекста, переводит их в многомерное пространство признаков, сопоставляет через механизм внимания, усиливает значимые связи и формирует наиболее согласованное продолжение.
Подобным образом сознание входит в поток возможностей, соотносит доступные состояния со своей внутренней конфигурацией и актуализирует одну смысловую траекторию.
Но аналогия не буквальная: трансформер математически вычисляет вероятностное продолжение, а описанная картина является философской моделью сознания и реальности.
Итоговая формула идеи:
#мысли #Акаши #душа
———
@tsingular
Чем-то похоже на механику трансформеров.
Суть идеи в том, что прошлого, настоящего и будущего как самостоятельных областей не существует.
Есть единое многомерное пространство возможных событий — общий поток состояний, связей и возрастающей энтропии, как в LLM трансформере.
Человек внутри этого потока воспринимает лишь последовательную линию, потому что его сознание ограничено одной проживаемой версией.
В каждой точке выбора множество потенциальных продолжений взвешивается вниманием, памятью, намерением и внутренним состоянием человека.
Одна из решаемых задач,- верификация квантовых запутанностей.
Отсюда, кстати, эффект наблюдателя.
Одна версия актуализируется и становится прожитой ветвью его личной мультивселенной. Остальные варианты не уничтожаются, а остаются непрожитыми конфигурациями общего поля возможностей.
Существо более высокого плана (где-то его называют, например, душа) не движется из прошлого в будущее.
Для него время представляет собой не линию, а карту доступных состояний.
Оно может:
— войти в любую точку потока;
— временно принять ограничения конкретного наблюдателя;
— прожить одну из возможных версий событий;
— вернуться во вневременной контур;
— снова войти в ту же или иную точку и актуализировать другую ветвь.
(это, кстати, подтверждается рассказами детей 3х летнего возраста о жизни до рождения, - выбор родителей и времени рождения)
Такой вневременной контур можно сопоставить с астральным планом или хрониками Акаши — не как с архивом уже записанной истории, а как с пространством всех смысловых и причинных конфигураций.
Буддийская идея взаимозависимого возникновения здесь означает, что ни одно событие не существует отдельно: каждая версия возникает из сочетания условий, восприятия, памяти, намерения и выбора.
Аналогия с трансформером состоит в следующем:
Модель не идёт по тексту как человек по линейному времени. Она получает множество элементов контекста, переводит их в многомерное пространство признаков, сопоставляет через механизм внимания, усиливает значимые связи и формирует наиболее согласованное продолжение.
Подобным образом сознание входит в поток возможностей, соотносит доступные состояния со своей внутренней конфигурацией и актуализирует одну смысловую траекторию.
Но аналогия не буквальная: трансформер математически вычисляет вероятностное продолжение, а описанная картина является философской моделью сознания и реальности.
Итоговая формула идеи:
Время — не движение существ через события.
Время — интерфейс, через который сознание выбирает и проживает одну из доступных конфигураций реальности.
Прожитое становится личной ветвью опыта, непрожитое остаётся частью общего поля возможностей.
Существо высшего плана находится вне последовательности и может входить в поток в любой точке, как внимание входит в выбранный смысловой кластер.
#мысли #Акаши #душа
———
@tsingular
Новый Человек-Паук шикарный, без вопросов.
Поймал себя на мысли, что его диалог с личным ИИ ассистентом, который и в лаборатории помогает и в управлении костюмом, уже не смотрится как фантастика.
Посто обычный ИИ ассистент, которого может себе настроить любой. И даже с голосом и с подключением к станку лабы.
Ну и все ждал фразы:
"Did I ever tell you what the definition of insanity is?", но её не было.
#фильмы #фантастика #мысли
------
@tsingular
Поймал себя на мысли, что его диалог с личным ИИ ассистентом, который и в лаборатории помогает и в управлении костюмом, уже не смотрится как фантастика.
Посто обычный ИИ ассистент, которого может себе настроить любой. И даже с голосом и с подключением к станку лабы.
Ну и все ждал фразы:
"Did I ever tell you what the definition of insanity is?", но её не было.
#фильмы #фантастика #мысли
------
@tsingular
💯16🔥6❤2
This media is not supported in your browser
VIEW IN TELEGRAM
Чертоги бессмертных по версии Qi Guang.
3Д анимация и CGI с ИИ всё лучше и лучше.
#нейрорендер #Китай
———
@tsingular
3Д анимация и CGI с ИИ всё лучше и лучше.
#нейрорендер #Китай
———
@tsingular
🔥25
Qwen 3.8 max вышел
Блогпост с деталями.
Еще одна модель близкая по уровню к GPT 5.6 Sol
цены:
Input: $2.0 / M tokens
Output: $6.0 / M tokens
API: https://www.qwencloud.com/models/qwen3.8-max
попробовать онлайн тут
https://chat.qwen.ai
Веса обещают на следующей неделе.
#qwen #Китай
———
@tsingular
Блогпост с деталями.
Еще одна модель близкая по уровню к GPT 5.6 Sol
цены:
Input: $2.0 / M tokens
Output: $6.0 / M tokens
API: https://www.qwencloud.com/models/qwen3.8-max
попробовать онлайн тут
https://chat.qwen.ai
Веса обещают на следующей неделе.
#qwen #Китай
———
@tsingular
🔥13👍4⚡1
не.. не айс.
технически попытка засчитана, но глубина проработки деталей хуже чем у Sol и Fable 5 или Opus 5
полный сонет в комментарии оставлю для истории
промпт:
#венок #Qwen #сонет
———
@tsingular
технически попытка засчитана, но глубина проработки деталей хуже чем у Sol и Fable 5 или Opus 5
полный сонет в комментарии оставлю для истории
промпт:
напиши венок сонетов о китайской технологической сингулярности
#венок #Qwen #сонет
———
@tsingular
🤔7✍3😐2⚡1