Data Secrets

Дженсен Хуанг собирается создать открытую модель, которая составит конкуренцию китайскому опенсорсу

Nvidia вкладывает в эту идею порядка 7 миллиардов долларов.

Они заключили крупную сделку со стартапом Poolside, который занимается разработкой собственных моделей (в основном для кодинга). Кстати, создатель Poolside Джейсон Уорнер в прошлом был CTO GitHub и выпустил Copilot.

За 6 миллиардов Nvidia получает эксклюзивную лицензию на технологию Poolside + забирает на свои проекты большинство сотрудников, но при этом стартап формально продолжает существовать как независимая компания. Кроме того, Nvidia вкладывает сверху миллиард долларов в виде инвестиции (сама Poolside сейчас оценивается примерно в 12 миллиардов).

Собственно, с помощью полученной технологии и порядка ста сотрудников Poolside Nvidia собирается поднять с колен Nemotron – свою линейку открытых моделей. Цель – выпустить модель, которая могла бы составить конкуренцию DeepSeek и Moonshot.

Poolside, когда уведомляли акционеров о реорганизации компании, отметили, что "эта сделка призвана не дать ИИ стать закрытой технологией, контролируемой узким кругом людей". Звучит альтруистично, но для Хуанга, конечно, мотив не только в том, чтобы вывести американский опенсорс на новый уровень.

Ему важно оставаться монополистом, и он видит открытые веса как инфраструктурный рычаг, укрепляющий зависимость мира от его GPU. Китайцы разрабатывают собственные чипы, круные ИИ-игроки – тоже. А открытая модель, которая оптимизирована только под железо Nvidia, и которую тысячи компаний по всему миру разворачивают на своей инфраструктуре – это отличный способ сохранить больше рынка.

Вы не поверите, но Сэм Альтман признал, что он много лет зря разгонял хайп вокруг скорого появления AGI и переворота экономики

Чего-то такого, конечно, следовало ожидать: ведь нам обещали сдвиг в экономике и AGI уже в 2026, а он подходит к концу. Так что – приходится оправдываться.

И вот что Сэм говорит:

Я думал, что когда мы дойдем до GPT-4 в 2023 году, то сразу после этого произойдет гораздо большее потрясение, и IT-компании окажутся под угрозой гораздо быстрее, чем это оказалось на самом деле.

Я думаю, что ошибся в плане скорости, потому что экономика обладает огромной инерцией.

Люди продолжают делать то же самое, покупать у той же компании, хотеть использовать свои инструменты так же. Я думаю, что, на самом деле, это хорошо во многих отношениях, и это сделает большой переход более плавным и медленным.

Мы все были слишком амбициозны в отношении сроков. Даже с этой невероятной технологией общество и экономика будут адаптироваться медленнее.

Источник: новое интервью с Дэвидом Сенра

То же видео с другого ракурса (смотреть до конца)

Как говорила Сара Коннор: «Когда они гонятся за тобой, всегда беги к стене. Почему-то их никто не научил останавливаться. Так мы и победим в будущем».

Робот поставил мировой рекорд в беге на 100 метров

В Пекине стартовали Вторые Всемирные игры гуманоидных роботов. Включены: легкая и тяжелая атлетика, футбол, настольный теннис, большой теннис, единоборства, танцы и, дополнительно, всякие бытовые задачи типа открывания бутылок, сортировка и пр.

В первый же день сразу несколько роботов побили мировой рекорд на стометровке. Первым прибежал Tiangong Ultra, разработанный пекинским Центром инноваций. Его результат – 9,39с. Официальный человеческий мировой рекорд Усэйна Болта – 9,58 с.

DeepSeek выпустили новую мультимодальную модель для агентов

Встречаем DeepSeek-V4-Flash-Vision-Exp: https://api-docs.deepseek.com/guides/vision/

Это надстройка над V4-Flash специально под мультимодальные агентные сценарии.

Несмотря на «Flash» в названии, модель перформит на таких задачах на уровне Opus 4.8, а иногда и лучше. При этом на тексте способности не просели и остаются на уровне официального DeepSeek-V4-Flash.

Заодно вышел DeepSeek Harness 0.1.1 с готовой поддержкой модели из коробки.

Цены DeepSeek-V4-Flash, до 384 токенов за картинку. Принимает JPEG/PNG/GIF/WebP.

Автор uv ускорил запуск Codex CLI в 25 раз

Чарли Марш – основатель и CEO Astral. Это компания, которая разработала uv, Ruff, ty и много других Python тулов.

В марте этого года Astral была куплена OpenAI, и теперь Чарли работает в подразделении Codex.

Так вот, в последнем релизе Codex он переделал запуск командной строки так, что он стал в 25 раз быстрее.

В процесс запуска CLI (то есть когда вы вызываете команду codex) входит загрузка конфигов, аутентификация, установка соединений, подготовка окружения и т.д. Раньше эта цепочка занимала заметное время, а сейчас все происходит буквально мгновенно (попробуйте).

За счет чего конкретно произошел такой скачок – не раскрывается. Известно, что Codex CLI был ранее переписан с TypeScript на Rust, а в нем Чарли настоящий гуру. Он обещает, что «может ускорить это еще больше».

OpenAI почувствовали, что пахнет жареным, и снизили цены на GPT-5.6 Sol

В течение следующих трех месяцев модель будет более чем на на 20% дешевле.

— Короткий контекст
Input: $5 -> $4
Output: $30 -> $20

— Длинный контекст
Input: $10 -> $8
Output: $45 -> $30

На OpenRouter появилась таинственная модель Ox Alpha, которая превосходит Sol и Fable на кодинге

https://openrouter.ai/stealth/ox-alpha

Никто не знает, кто разработчик, моделька числится как stealth. Что известно:

– Контекст 1М токенов.
– Мультимодальная.
– На подмножестве DeepSWE выбивает 80%, против Fable 65%, и Sol 52%.
– Токенизатор такой же, как у GLM, и на вопросы про Тайвань отвечает идентично.
– Это пятая анонимная модель за месяц, и предыдущие четыре оказывались китайскими.

Есть все основания предполагать, что это моделька Zhipu AI. Многие говорят, что она окажется GLM-5.3 Flash.

И еще: модель пока что бесплатная! Кто-то не пожалел денег на маркетинг. Правда, есть ограничение: суммарно лаба готова отрабатывать на этой модели не более 100Т токенов в день, но этого все равно должно хватить всем и на все.

Очень показательный график из свежей статьи Bloomberg

Оранжевые точки – китайские модели, синие – США. По оси Y – взвешенное среднее по бенчмаркам GDPval-AA v2, τ³-Banking, Terminal-Bench v2.1, Humanity’s Last Exam, GPQA Diamond, CritPt, SciCode, AA-Omniscience и AA-LCR.

Ломаной соединены фронтирные модели. Видно, насколько за пару лет сократился разрыв в способностях (и это еще на графике нет GLM-5.3). Многие американские лидеры до сих пор утверждают, что китайские модели отстают на 6-9 месяцев, но, очевидно, эта информация устарела. И это уже не говоря про цены.

Anthropic запустили Claude Academy

https://claude.com/blog/anthropics-approach-to-teaching-and-learning-ai

Инициатива направлена на «формирование AI-грамотности». Подход построен на том же, чему Anthropic учит собственных сотрудников на онбординге. Это не классический промпт-инжиниринг, а скорее продукто-агностичное обучение: вас учат общим правилам и универсальной логике общения с ИИ.

Внутри – курсы с практикой , туториалы и кейсы. Есть даже трекинг прогресса. И все бесплатно.

Из особо интересного: запустили скилл Academy Skill. Можно поставить, и Claude будет рекомендовать вам подходящие курсы прямо в процессе работы.

https://github.com/anthropics/skills/tree/main/skills/academy-guide

Nvidia хватается за соломинку, чтобы удержаться на рынке Китая: они разрабатывают для страны специальный новый чип для инференса

The Information со ссылкой на двух сотрудников компании сообщает, что поставки начнутся уже к концу этого года.

Причем это будет не обычная GPU семейства Blackwell или Hopper, а LPU – Language Processing Unit. То есть специализированный процессор для языкового инференса. В основе технология, лицензированная Groq.

Сообщается, что устройство спроектировано так, чтобы соответствовать американским экспортным ограничениям, однако одобрит ли сам Китай продажи – это вопрос. У них сейчас сильная политика поддержки внутренних разработок. Тем не менее, на данный момент несколько китайских клиентов уже разместили предзаказы.

У Теренса Тао вышла новая статья-эссе, полностью посвященная проблеме переосмысления математики в век AI

https://arxiv.org/pdf/2608.16753

Если кратко, ученый предлагает вообще перестать спорить о том, насколько мощным станет ИИ в математике, и подумать о том, что на самом деле является целью математического исследования, если решение задач перестает быть узким местом.

На самом деле, решение задачи – это не только решение задачи. При ближайшем рассмотрении процесс разворачивается в пять этапов: генерация доказательства → верификация → внятное изложение → принятие сообществом → канонизация (встраивание в учебники и стандартный аппарат области).

Так вот, ИИ берет на себя только первые два пункта. На людях же остается все остальное, а именно: понимание, объяснение, публичные обсуждения, связь найденных решений с существующей теорией и превращение их в материал, которым действительно можно пользоваться на благо науки. Это все можно обобщить как «коллективное усвоение знаний», и оно совсем не поддается автоматизации.

Так что тезис Тао таков: математики не лишатся работы, даже когда ИИ полностью обесценит поиск решений. Просто их работа сместится к тому, что раньше считалось менее престижным, но всегда было сутью науки – пониманию и изложению.

Стартап Generalist анонсировали робота, который может выучить действие всего за одно повторение

Достаточно один раз показать GEN-1.5, что и как надо сделать, и он тут же сможет продолжить делать это самостоятельно в one-shot, без файнтюнинга и обновления весов.

Демонстрация вставляется в контекстное окно модели, как в промпт у LLM. Модель смотрит на это как на часть последовательности и продолжает ее.

Самое интересное, что это эмерджентное свойство. Авторы прямо пишут, что они не делали никаких архитектурных изменений под in-context learning, просто скармливали модели огромный объем физического опыта (дома, склады, заводы и пр), и она сама начала показывать способность к обучению по одному примеру. Примерно как GPT-3 когда-то.

При этом в блоге написано, что иногда in-context обучение работает даже лучше, чем 1-5 шагов дообучения на тех же данных.

https://generalistai.com/blog/gen-1.5

AI помог разработать вакцину от рака, которая прошла испытания фазы 3

19 августа Moderna и Merck объявили, что персонализированная мРНК-терапия меланомы успешно прошла первую в истории фазу 3 для неоантигенных вакцин. До этого подобные препараты никогда не проверялись на такой выборке в рандомизированном исследовании. Получается, это первое строгое доказательство, что подход вообще работает.

В основе лечения – ИИ-алгоритмы предсказания иммуногенности. ИИ-алгоритм Moderna сравнивает ДНК опухоли со здоровой тканью и предсказывает, какие из тысяч мутаций дадут пептиды, способные связаться с HLA и «зацепить» Т-клетки. Точность подтвердили на архивных данных: модель угадывала именно те неоантигены, на которые реально реагировали Т-клетки пациентов. Из отобранных мишеней собирают одну мРНК на 34 неоантигена и вкалывают пациенту.

Цифры фазы 3 пока не раскрыты, но на фазе 2 наблюдалось снижение риска рецидива или смерти на 49%, риска метастазирования – на 59% по сравнению с Китрудой (это один из самых продаваемых препаратов в мире).

Дальше вакцину начнут тестировать на опухолях в легких, почках и др.

29 августа в Москве пройдет конференция для Java-, Scala- и Kotlin-разработчиков, архитекторов и тимлидов.

В программе будут:

— Антон Курако (Т-Банк) — почему красивым бенчмаркам верить страшно и как не обмануть самого себя графиком.

— Андрей Кулешов (Яндекс) — что случилось с миром JVM за первую половину 2026-го: Java, JEP’ы, Kotlin и то, как ИИ уже меняет подход к разработке.

— Сергей Петрелевич (Т-Банк) — как принципы Mechanical Sympathy и правильные библиотеки разгоняют обычное Spring Boot MVC-приложение.

Полная программа вот.

Параллельно будет доступна аллея инженерных продуктов: Kora, SourceCraft, OpenIDE, где можно потыкать и позадавать вопросы командам напрямую.

Вечером во дворе Т-Банка будет PowerPoint party, открытый микрофон с историями факапов, ИТ-квиз, игры на Sega и диджей-сеты на виниле под открытым небом.

Регистрация по ссылке: https://meetup.tbank.ru/conference/jvm-day/

Лучшее из X на сегодня:

CEO Figure AI объявил, что роботов Figure 02 утилизируют, потому что в штаб-квартире заканчивается место, и спросил у подписчиков, как лучше проводить модель на пенсию.

На что в комменты пришел Арнольд Шварцнеггер и ответил ему: «Вы должны их расплавить»

ML-проект недели – определение глубины сцены в реальном времени

На 7.4 миллиона просмотров за сутки разлетелся проект инженера из Software Mansion (Польша). Он работает с TypeGPU – библиотекой, которая позволяет писать GPU-шейдеры прямо на TypeScript.

Автор запустил нейросеть, которая по обычной 2D-картинке восстанавливает карту глубины сцены, и укладывается при этом в ~8 мс на чипе M4 Pro.

Кадр видео при 60 fps длится ~16.7 мс, так что это полноценный реалтайм прямо в браузере. Плюс все, от нейросети до финального рендера со светом, работает в одном GPU-пайплайне, без передачи данных туда-обратно между CPU и GPU.

Демо выглядит особенно хорошо, но кода в опенсорсе нет (возможно, его собираются продать Zoom за несколько миллионов ✨)

⚡️ Modular выложили в опенсорс Mojo

Лицензия Apache 2.0. Внутри исходный код компилятора Mojo, инструменты разработки и toolchain, стандартная библиотека, примеры и часть AI-инфраструктуры, и бонусом CPU- и GPU-кернелы Modular.

https://www.modular.com/blog/mojo-open-source

Большой релиз для AI-индустрии