DeepSeek разослал уведомление, что с выходом релиза DeepSeek V4 в середине июля (вероятно речь о мультимодальной версии) сохранит цены на том же уровне за исключением "пиковых часов".

Пиковые часы по московскому времени (MSK, UTC+3):
01:00–04:00 UTC → 04:00–07:00 MSK
06:00–10:00 UTC → 09:00–13:00 MSK
Итого пиковые часы в Москве:
с 4:00 до 7:00 утра и с 9:00 до 13:00 дня.

В пиковые часы цена будет в 2 раза выше, в остальное время будет действовать обычная (Regular) цена.

Старайтесь запускать агентов на большой объем токенов вне этих промежутков, но это это актуально после выхода релиза DeepSeek

Новый китайский популярный мем:
«И что, ты после всего сказанного думаешь, что умнее Claude?»😎

Мем из статьи с обзором рынка КНР, где Claude китайцы продают через Telegram и WeChat за 10% от официальной цены.
Обычно это делается через проксирование нескольких купленных Max-эккаунтов Claude, которые работают через VPN.
Когда кончается один Max эккаунт, до до его ресета прокси переключается на другой.

Повальные баны эккаунтов Claude у пользователей из России во много связаны как раз с тем, что китайцы отжимают у Дарио из фиксов все что можно.

Anthropic поэтому внедрил уже новую схему проверки пользователей, где нужно крутится у камеры с паспортом США или ЕС, но насколько широко это применяется непонятно.

Любопытно, что китайские прокси очень часто подменяют Claude на GLM или Qwen, далеко не всегда разработчики могут это понять без специальных тестов.

Сама себе доля Claude на китайском рынке невелика, им пользуются около 1% китайских разработчиков, но это порядка 70.000 специалистов, т.к. китайский ИТ рынок огромен.

https://www.chinatalk.media/p/how-to-buy-cheap-claude-tokens-in

🧠 Пожалуй, основная новость дня — прорыв Meta в нейросетях, способных читать мысли людей по их электромагнитному излучению.

Meta использовала портативные датчики МЭГ (магнитоэнцефалография).

Их нейросеть Brain2Qwerty v2 подняла точность считывания мыслей людей с 8% до 78%.

В основе работы нейросети то, что когда мы проговариваем мысленно слова, которые собираемся напечатать или сказать, то реально задействуются центры речи и нейросеть может считать, о каких словах мы думаем.

https://ai.meta.com/blog/brain2qwerty-brain-ai-human-communication

Народ в X уже разразился мемами по случаю прогресса Meta читать нейросетями мысли людей :)

📸 Внедрение NVFP4 от Blackwell в графические приложения для Windows продолжается. Вышел новый Ideogram 4.0 для генерации изображений. Это нейросеть на настоящих диффузионных трансформерах DiT. Для понимания текста запроса используется мегапопулярная Qwen3-VL 8B.

Comfy-Org и независимые разработчики (включая известного в сообществе Kijai) конвертировали оригинальные веса Ideogram 4.0 и Qwen из формата FP8 и опубликовали облегчённые версии ideogram4_nvfp4_mixed.safetensors и qwen3vl_8b_nvfp4.safetensors для Windows-пользователей имеющих дефицит VRAM, но обладающие новыми картами RTX 50-й серии. Строго говоря, в RTX 5080 у вас иначе модель и не влезет. Правда, качество может немного проседать в NVFP4 в сложных сценах, желательно бы иметь квантизацию брендовую от Nvidia.

Основной плюс Ideogram в том, что он как DiT понимает «глобальный контекст» и работает с координатами. Эта нейросеть обучена понимать JSON из композиции объектов, которые прикреплены к координатной сетке. Иными словами, это уже не «фантазия на тему», как в UNet, а что заказали — то и получите.

Изображение у меня в workflow описывается так:

{
  "high_level_description": "A clean, minimalist flat-lay photograph of a modern creative workspace table, shot from a top-down perspective.",
  "style_description": {
    "aesthetics": "minimalist, elegant, hyper-realistic, organized, aesthetically pleasing",
    "lighting": "soft natural morning light from a side window, long soft shadows, bright and airy feel",
    "photo": "shot on a professional camera, crisp focus across all objects, high-end commercial product photography",
    "color_palette": ["#FFFFFF", "#111111", "#DAA520", "#2E5A44", "#E5D3C3"]
  },
  "compositional_deconstruction": {
    "background": "A beautifully textured light gray concrete tabletop surface, serving as a neutral and clean background.",
    "elements": [
      {
        "type": "obj",
        "bbox": [100, 100, 450, 450],
        "desc": "A vibrant green succulent plant in a small, minimalist white ceramic round pot, positioned in the top-left corner."
      },
      {
        "type": "obj",
        "bbox": [150, 550, 500, 900],
        "desc": "A premium ceramic matte-beige coffee mug filled with fresh dark coffee. It is located in the top-right corner."
      },
      {
        "type": "text",
        "bbox": [280, 630, 360, 820],
        "text": "CREATIVE",
        "desc": "The word 'CREATIVE' printed on the front side of the beige coffee mug in a clean, modern, black sans-serif font."
      },
      {
        "type": "obj",
        "bbox": [550, 100, 900, 500],
        "desc": "A closed, sleek matte-black notebook in the bottom-left area. Resting diagonally on top of it is an elegant, polished gold fountain pen."
      },
      {
        "type": "obj",
        "bbox": [600, 550, 900, 900],
        "desc": "A pair of modern, high-end wireless headphones with a matte silver and black finish, placed neatly in the bottom-right corner."
      }
    ]
  }
}

Между тем, без особого шума LM Studio вслед за llama.cpp появилась поддержка NVFP4 на Windows для RTX 50й серии.

С учетом еще и FLUX под NVFP4 под Windows можно сказать, что Nvidia смогла организовать свою экосистему на внедрение технологии в потребительский сектор. Правда любительские квантизации часто не раскрывают основной потециал NVFP4, т.к. высококачественная квантизация в нем требует довольно долго "играть в тетрис" в матрицах GPT. Поэтому если вы видите NVFP4 сделанные любителями, это намного слабее по качеству брендовых квантизаций самой Nvidia.

Интересно, что только благодаря поддержке NVPF4 я узнал о модели Ornith-1.0-9B. Однако эта кодирующая SLM довольно любопытна.

DeepReinforce — это стартап, как легко догадаться, ещё одного китайца Jiwei Li.

Он эксперт в Reinforcement Learning для SLM и взял в фокус малые модели-кодеры.

Его Ornith-1.0-9B по тестам кодирования бьёт новые Qwen3.5-35B и Gemma4-31B.

Судя по почти 20 000 скачиваниям, интерес к разработке есть.

На деле RL-обучение не требует много весов для результатов его хранения. Это не вопрос ширины знаний, а их качества. Вопрос был ранее скорее в том, чтобы понять сложный RL-сигнал из обучения SLM «не хватало мозгов», но инженеры смогли преодолеть этот барьер.

Поэтому агентские возможности SLM будут и дальше расти. В тестировании такие SLM могут сильно выстрелить, т.к. для написания тестов для серверов на том же OpenAPI не требуется SLM знать большой стек. Поэтому в закрытом контуре тут многие могут начать внедрять ИИ в разработку именно с тестирования.

Версия на NVFP4 с 8B весов так и вообще делает возможным запуск даже на RTX 5080. Надо будет ее потестировать.

🔗 https://huggingface.co/s-batman/Ornith-1.0-9B-NVFP4-MTP-GGUF

В новом LongCat на самом деле самое примечательное выделено - эта LLM была обучена на 50.000 штук GPU от Huawei.

Можно сказать, что эпоха даже контробаса Nvidia в Китай быстро идет к закату.

Хотя чипы Huawei потребляют больше энергии, но это легко коммунисты перебивают ее низкой ценой в Китае и 50% дотацией.

Во Внутренней Монголии у ИИ компаний нет проблем с землей и рабочими за копейки, разрешения на постройку ЦОД выдают немедленно. У американцев тут все намного сложнее, поэтому Маск и собрался ЦОД в космос выводить.

Переходы на китайцев западных компаний по данным UBS.
Правда это не полный отказ от Claude, а на что рабочих агентов переводят.

Интересно, что Microsoft тестирует DeepSeek V4 Flash как рабочего агента, т.к. хотя у них и есть выгодная лицензия на ChatGPT, но MS выгоднее в кластере DeepSeek запустить, т.к. потребление памяти и вычислений у китайца где-то в 10 раз лучше.

В Claude Code нашли внедрённый шпионский скрипт Дарио явно предназначенный против пользователей продукта за VPN в Китае и России.

Код предназначен для сбора данных, чтобы Дарио понимал, что вы сидите за VPN, а не в какой Флориде.

Прям как новый анекдот: что общего между мессенджером Max и Claude Code? :)

https://www.internationalcyberdigest.com/claude-code-accused-of-hiding-china-proxy-fingerprints-inside-system-prompts/

🧠 Насчет «огромной установки за миллионы долларов» у Meta для чтения мыслей, как уже понесли блоггеры из X. В реальности Meta может применять и портативный МЭГ. Размер тут не связан с тем, что «там что-то большое и очень сложное», а с охлаждением.

Meta показала в маркетинговых материалах установку SQUID-MEG. Они действительно громоздкие. Основная система — это большой криогенный шлем (как большой фен или фиксированный «шлем» в вакуумной колбе с жидким гелием при −269°C). В нём сотни сверхчувствительных датчиков (SQUID), которые улавливают очень слабые магнитные поля мозга. Это старая классическая технология, и скорее всего Meta использовала «б/у» устройство.

Современные wearable/портативные МЭГ (OPM-MEG) для такой задачи очень компактные, и с ними можно работать за компьютером. Это оптически-накачиваемые магнитометры (OPM — Optically Pumped Magnetometers), которые работают при комнатной температуре, без криогеники. Датчики маленькие (порядка 2–5 см), их можно размещать в лёгком настраиваемом шлеме/шапке, который адаптируется под голову (даже детей). Устройство wearable — человек может двигаться во время записи.

Безусловно, за OPM-MEG будущее, поскольку нейросети будут дальше прогрессировать в расшифровке мыслей мозга по электромагнитным полям. Вполне вероятно, что в 2030-е появится новый популярный гаджет типа шлема, если ваша задача — управлять своей армией ботов «силой мысли».

🔹 На самом деле это имеет значительную практическую ценность, т. к. думаем мы значительно быстрее, чем печатаем или говорим голосом, даже если вроде бы мы «проговариваем то же самое».

PS. Напомню, что Meta добилась прорыва в чтении мыслей человека нейросетями по электромагнитному излучению мозга с точностью выше 70%.

Financial Times публикует новые данные об ИИ: компании, внедрившие ИИ, не сокращают персонал, а нанимают его больше. Об этом уже писали в X, но в реальности там есть графики, поясняющие, что тренд интереснее.

На самом деле тренд связан с тем, что компании, внедрившие ИИ, начинают расти быстрее рынка. Их бизнес сам по себе растет. Однако кумулятивно по рынку они могут вызывать и потери рабочих мест. Например, ИИ-компания, убивающая колл-центры, может расти и нанимать сотни экспертов по ИИ, но ее деятельность приведет к безработице десятков тысяч операторов колл-центров.