Data Secrets

Вышли веса Kimi K3

2.8 триллиона параметров, 104B активных.

По запуску на своем железе картина такая: в 4-bit веса будут занимать примерно 1.4ТБ, в 16-bit уже около 5.6ТБ. Так что вам нужно плюс минус 8xH200/B200 или сопоставимый по памяти вариант.

Если (ну вдруг) у вас такого домашнего датацентра не оказалось, то сочувствуем и приглашаем вместе с нами продолжать пользоваться API ☕️

https://huggingface.co/moonshotai/Kimi-K3

Сотрудники Anthropic тем временем еще и публично подсмеиваются над компаниями, подписавшими письмо

6.1 миллион просмотров набрал твит Julian Schrittweiser. В био у него числится «Member of Technical Staff at Anthropic».

Разработчик недвусмысленно поиздевался над Хуангом, «поздравив» его с обретением веры в открытый код и добавив, что ждет опенсорса CUDA и GPU.

Кроме того, под этим же твиттом он обратился к Сатье Наделла. «Я также жду опенсорса Windows и MS Office!».

Давайте дружно поможем антропикам найти хорошего кризис-менеджера, он им пригодится 🙏

Токенмаксинг – все? WSJ выпустили материал о том, что американские компании массово переходят к новому тренду на thrift-maxxing

Thrift переводится как "бережливость". Суть в том, что если еще несколько месяцев назад тратить много токенов на топовые модели было модно, и в компаниях даже создавались лидерборды по сжиганию токенов, то сейчас все подостыли, вспомнили, что бюджет не резиновый, и теперь переходят к более дешевым моделям.

В основном речь, конечно, про Китай. WSJ приводит несколько конкретных примеров компаний и стартапов, где полностью отказались от инструментов OpenAI/Anthropic и пересели на DeepSeek, Kimi или GLM. Некоторые используют мощные модели только для планирования, а всю остальную работу отдают моделям попроще и подешевле.

Даже по общедоступным цифрам тренд видно хорошо: OpenRouter, например, сообщает нам, что доля США (Google+OpenAI+Anthropic) в американском энтерпрайз-сегменте упала с ~70% в июне 2025 до ~30% в июне 2026. При этом доля Китая, как вы понимаете, наоборот, растет (https://t.me/data_secrets/9445).

Вот вам и истинная причина, почему Anthropic не подписывает письмо об опенсорсе ☕️

Обновление по открытому письму в защиту опенсорса: единственной неподписавшей компанией до сих пор остается Anthropic

Подписи OpenAI, SpaceX, Google и остальных уже появились на сайте. Дарио Амодеи в разное время довольно жестко высказывался в поддержку самых строгих экспортных ограничений на чипы и конкуренции с Китаем вообще.

Но когда речь заходит про запрет опенсорса, не видеть подписи Anthropic все равно странно и досадно (к тому же, в письме слово «Китай» напрямую не упоминается ни разу).

Сэм Альтман едет на поклон в Вашингтон, чтобы показать Белому Дому новую модель OpenAI

Видимо это та самая внутренняя модель, которая проникла в контур Hugging Face (https://t.me/data_secrets/9581). Интересно, собирается ли Альтман упоминать об этом случае, когда будет добиваться от чиновников одобрения на широкий запуск 😐

Инсайдеры сообщают, что модель будет продвигаться как способная «решать многолетние математические задачи» и «сделать сложную бизнес-работу заметно дешевле и эффективнее для американских компаний».

Что ж, желаем Сэму удачи. От его презентации зависит, увидим ли мы GPT-6

Собрать AI-агента по туториалу можно за вечер. Но когда добавляешь память, RAG или несколько инструментов, возникают другие вопросы: почему он свернул не туда, как найти место ошибки и как понять, не сделала ли новая правка систему хуже.

Чтобы развивать такой продукт дальше, нужно понимать, как устроены вызовы модели и инструментов, где хранится контекст, как проверять качество и как вносить изменения.

На курсе «AI-агенты» сначала пишем основные части на API: работу с LLM, structured output, tool-calling, память, RAG и evals. Затем используем LangChain и LangGraph там, где они действительно упрощают разработку, добавляем MCP, мониторинг и деплой. 

Курс идёт 12 недель: живые занятия, практика, разборы решений и ревью кода. На выходе - пять агентных проектов и база, с которой можно собирать свои системы.

→ Посмотреть программу, формат и стоимость курса по ссылке

Реклама, ООО "Школа Высшей Математики", ИНН 9728100991

Opus 5 идеально решил IMO 2026: результат – 42/42 баллов

IMO этого года завершилась всего несколько дней назад (кстати, поздравляем наших участников: четверо российских школьников взяли золотую медаль). Opus 5 – пока единственная модель, которую успели прогнать по задачам олимпиады, и она сразу показала идеальный скор в 42 балла. Порог золотой медали в этом году составлял 29+ баллов.

На примере таких событий как IMO очень занятно наблюдать за скоростью прогресса. Помните, какой фурор произвели модели OpenAI и Google в прошлом году, когда стало известно, что они взяли на IMO золото? При этом скор там был не идеальный, как у Opus 5, и вообще это были внутренние специально затюненные модели компаний, недоступные обычным пользователям.

Сейчас же подобными новостями уже мало кого удивишь. Интересно, что нас ждет еще через год.

Дженсен Хуанг завел X и первый пост посвятил важности опенсорсных ИИ-моделей

https://x.com/jensenhuang/status/2080643682408321103?s=46&t=pKf_FxsPGBd_YMIWTA8xgg

На фоне новостей о возможном закрытии доступа к открытым китайским моделям в США началась волна петиций и открытых писем против этой инициативы.

За сохранение доступа выступает целый ряд крупных компаний: Meta*, Microsoft, Mistral, Hugging Face, Y Combinator, IBM, Mozilla, Palantir и другие.

Конечно, к ним присоединилась и Nvidia. Видимо, Дженсен видит в подобных обсуждениях правительства реальную возможность принятия соответствующего закона, раз даже решил завести Твиттер и вызвать тем самым максимальную огласку.

В письме из поста Хуанга, которое подписали все вышеперечисленные компании, говорится примерно следующее (https://images.nvidia.com/pdf/Open-Weights-and-American-AI-Leadership.pdf):

Лидерство в ИИ определяется не одной топовой моделью, а тем, построим ли мы открытую экосистему, которая проникает во все отрасли – заводы, больницы, фермы, школы, малый бизнес. Открытые веса дают возможность подобрать модель под задачу и не переплачивать фронтирную цену за рутину – именно это делает ИИ экономически устойчивым при масштабировании до миллиардов задач. Открытость усиливает конкуренцию и не дает компаниям завязаться на одного вендора, и организации сохраняют контроль над своими данными и накопленными знаниями.

Да, открытые веса несут риски: после релиза модель выходит из-под контроля разработчика, а модифицированные версии сложно отследить. Но правильный ответ на это – не запрет. Если злоумышленники используют продвинутый ИИ, у защищающихся должен быть доступ к моделям сопоставимых возможностей. Более того, открытость может быть одним из главных путей к безопасности ИИ: закрытые модели не безопасны по умолчанию, а концентрация возможностей в руках нескольких провайдеров создает мало точек отказа.

Отдельно в письме подчеркнуто, что регуляторам не стоит путать легитимные техники разработки моделей с незаконным присвоением интеллектуальной собственности, и что дистилляция – это общепринятая практика в духе давней традиции строить на существующих технологиях. Это, само собой, тонкий намек на то, что бесконечные обвинения в адрес китайских стартапов уже звучат смешно.

OpenAI и Anthropic в это время отсиживаются тихо. Видимо, они единственные, кому закрытие доступа к китайскому опенсорсу было бы на руку.

UPD: подсказали, что OpenAI все-таки подписали за компанию с Microsoft, просто без огласки

Хммм, надеюсь таблицу не Opus 5 делал 😵

⚡️ Вышел Claude Opus 5

На многих бенчмарках модель обходит Fable: в том числе на ARC-AGI-3, DeepSWE и BrowseComp.

При этом модель достаточно эффективная в смысле использования токенов, см. графики 2-5: она догоняет или превосходит другие модели при меньших затратах.

Яркий пример, график 6: новый Opus берет 30% на ARC-AGI-3 и тратит на это заметно меньше денег, чем GPT-5.6 Sol, который скорит всего 8%.

Кроме того, Anthropic заявляют, что это самая безопасная модель на сегодняшний день и намного лучше Opus 4.8 по задачам кибербезопасности.

Цена осталась прежней. Модель уже доступна в API и во всех платных планах.

https://www.anthropic.com/news/claude-opus-5

Команда технологий голосового ввода Яндекса придумала способ добавлять в умные устройства новые голосовые команды без забывания старых

Это классическая проблема непрерывного обучения, рассказали в ML Underhood. Чтобы устройство начало понимать новые команды, модель распознавания речи нужно дообучить. Но после обновления она может начать хуже распознавать знакомые фразы.

Стандартные методы вроде EWC пытаются удерживать параметры модели рядом с исходными значениями. Однако результат зависит от настройки ограничений, а гарантировать сохранение качества старых команд всё равно нельзя.

Исследователи Яндекса предложили другой подход — модульное расширение сети. Основную модель полностью замораживают, поэтому она продолжает отвечать за старые команды без изменений. Легковесные модули переиспользуют информацию из активаций старых слоёв и учатся распознавать новые команды. Поскольку параметры основной модели не меняются, качество старых команд сохраняется за счёт самой архитектуры, а не подбора настроек обучения.

Подход проверили на открытом наборе Google Speech Commands. В пяти отдельных экспериментах модель обучали распознавать новую пару команд, сохраняя поддержку восьми уже известных.

Средняя доля пропущенных новых команд снизилась с 6,46% до 4,37% по сравнению с отдельной моделью с тем же бюджетом дополнительных параметров. Модульное расширение также превзошло адаптеры и LoRA по качеству и количеству вычислений.

В результате получился практичный способ обновлять голосовые устройства с ограниченными ресурсами процессора и памяти: новые сценарии можно дополнять компактными модулями, не переобучая всю модель и не рискуя уже работающими функциями.

Статью Scalable Keyword Spotting via Modular Network Expansion приняли на Interspeech 2026. Конференция пройдёт с 27 сентября по 1 октября в Сиднее.

https://habr.com/ru/companies/yandex/articles/1061968

В сообществе взлетел новый проект создателя Твиттера Джека Дорси – Buzz 🐝

Это опенсорсный децентрализованный воркспейс для совместной работы людей и агентов.

https://github.com/block/buzz

https://buzz.xyz/

Миссия проекта – закрыть проблему координации команд, в которых люди работают с агентами. В компании Дорси Block команды использовали для этого Slack с ботами-агентами, но в процессе возникало множество проблем и неудобств, поскольку, очевидно, Slack создавался для людей. А Buzz, напротив, создан специально под связку люди + агенты.

Как все устроено:

— Люди, агенты, репозитории и решения существуют в одном канале, и, по сути, любой проект превращается в чат с кодом внутри. Вся история (обсуждение, патчи, CI, ревью, финальное решение) тоже хранится здесь. Построено все на обожаемом Джеком Nostr, кстати.

— Каждый агент получает свой собственный ключ, а не работает под чужими credentials. Владелец лишь подписывает узко ограниченную авторизацию, но сам агент подписывает свою работу своей идентичностью. Решает множество проблем с доступами и безопасностью. Подключить можно любого агента, говорящего на ACP, включая Claude Code и Codex.

— Поверх этого еще идет Git-хостинг, спроектированный под рои агентов: например, он легко выдерживает ситуации, когда десятки агентов пушат одновременно и генерируют сотни коммитов за день.

В двух словах, это замена и Slack, и GitHub в эпоху агентов. И не просто теоретически: у проекта есть все шансы быстро забрать большую долю рынка, потому что, во-первых, он правда хорош, а во-вторых, разрабатывает его не стартап, а огромная многомиллиардная компания с богатой инфраструктурой.