epsilon correct

⚡⚡⚡ Gemini 3 Flash

Флагманский апдейт дешёвой рабочей лошадки, которя перформит существенно лучше альтернатив за свои деньги. Особенно всё прокачалось в мультимодальных запросах. На MMMU умудрились обогнать Gemini 3 Pro. Это всё за небольшое увеличение в цене относительно 2.5 Flash.

На юзеров в приложении моделька раскатывается сегодня, попробовать, как всегда, можно в AI Studio.

Блогпост

STOC – серьёзная конференция для настоящих сварщиков компьютерсаенс теоретиков – провела эксперимет, где статьи получали фидбек от системы на основе Gemini 3 Deep Think. По результатам 97% оценили фидбек как полезный; система помогла найти пару критических ошибок в статьях.

Над экспериментом работала наша команда, мне кажется это один из первых примеров того, как ЛЛМки будут помогать учёным делать науку лучше.

Блогпост

Узнал от гуглсколара о том, что процитировали ранее неизвестную мою статью. Из минусов – статьи я этой не писал, чистая галлюцинация. Не знаю даже, стоит ли писать авторам. 🐕

NeurIPS – мышинлёрнинг конференция, кстати ☺️

хорошая мультимодальная модель

Breakneck: China's Quest to Engineer the Future – Dan Wang, 2025.
#book_review

Какое фундаментальное отличие китайского и американского обществ? Дэн Ван, который прожил в Китае несколько последних лет, нашёл новый тезис, вокруг которого построена вся книга. По его словам,

Америкой управляют юристы, а Китаем — инженеры.

Как пример, в текущей американской администрации большинство – юристы, тогда как в Политбюро ЦК КПК – почти все инженеры. Это приводит к существенным различиям в государственной политике, результаты которой мы можем видеть, например, в Сан-Диего, где общественная инфраструктура проиграет многим китайским деревням. Первая часть книги посвящена контрасту таких различий, и читать её максимально интересно.

Отдельная часть посвящена демографической политике в Китае (политика одного ребенка) как пример того, где инженерное государство с его возможностями планирования не может сравниться с государством, где юристы будут биться за индивидуальные права.

К концу книга немного скатывается из аналитики в описание личного опыта автора, его друзей-эмигрантов из Китая, родителей, что, если честно, быстро становится довольно размазано. Но первую половину (до 5 главы) прочитать точно стоит.

Сейчас на нипсе много мл-стартапов нанимают на возрождение производства – роборуки, создание новых материалов и лекарств. Интересно, смогут ли юристы оперативно решить регуляторные барьеры или всё-таки государство инженеров на его поле побить не получится.

Любопытная статья (pdf) про связь академической нечестности (плагиаризма) и дальнейшего карьерного развития, написанная на данных китайских университетов. Авторы использовали систему по поиску плагиата и сматчили по именам на дипломах с людьми, которые проходили китайский национальный экзамен на государственную службу (match rate ~17%), а также с открытыми данными китайской служебной системы (~32%).

Оказалось, что доля плагиата у людей, которые в последующем идут на госслужбу, выше на 1.2% (15.6% относительно общей популяции), и индивиды в верхней половине по плагиаризму получают повышения на 10-15% быстрее (с контролем на опыт и департамент).

С судьями примерно такая же ситуация. Судьи, которые занимались плагиатом в университете, на 10-15% чаще выносят вердикты в пользу государственных компаний и на 16.6% чаще попадают под расследования о коррупции.

Чтобы понять, не вызван ли этот эффект банальной некомпетентностью авторы придумали мерить результаты процессов, которые транслировались онлайн. Там размер эффекта существенно снижается.

На этой неделе буду на NeurIPS в Сан Диего свободным человеком без статей и презентаций.

Кидайте статьи, если приехали с постером, и приходите на наш phd networking event.

Nano Banana Pro

Новая бананья на основе Gemini 3 Pro (блогпост) с использованием поиска (!), генерацией в 4k и очень очень хорошим следованием промпту. Выкатывается сегодня в Gemini app, AI studio, Vertex AI.

Про улучшения хорошо пишет Artificial Analysis. Вкратце:
- Новая самая сильная модель по общему уровню "интеллекта"
- Модель примерно на 30% дороже Sonnet 4.5
- По скорости сопоставима с Gemini 2.5 Pro и GPT-5.1, примерно на 40% быстрее Sonnet 4.5
- Улучшения в кодинге, включая агентские системы: по бенчмаркам AA модель с отрывом первая

Gemini 3

Выпустили превью нового поколения Gemini. SotA по разным бенчмаркам от кодинга до математики, топ-1 на лмарене и вебдев-арене, сильно улучшено зрение и агентские возможности. Доступна в приложении, AI studio и у некоторых провайдеров в виде превью.

Блогпост | model card | AI studio

Из минусов – тут бесконечный эйай в стиралке, сложно соревноваться с ребятами из LG.

Интересное ощущение – поехать в другую страну и увидеть рекламу модели, над которой ты работал. 📈

Интересный эффект от ИИ-бума, который сейчас происходит – это сильное увеличение текучки кадров в около-ресёрче. За последние пару месяцев от нас ушло порядка 10 (!) людей, с которыми я в разной степени близости работал: кто к Цуку 🤴, кто в стартапы, кто в OAI/Anthro. Сравним с последними пятью годами, ктогда у нас из команды не уходил никто за исключением LLM-энтузиастов (лэйоффы 2023 нас обошли стороной). Странное ощущение небезопасности, что любой проект может потерять опору, и надо ещё больше хеджироваться и быстрее куда-то бежать. С другой стороны, может, в такой горячей и прикладной области не так и важна длительная работа над одними проектами? Непонятно.

#book_review
Chokepoints: American Power in the Age of Economic Warfare by Edward Fishman, 2025
amazon

Стратегические точки в мире глобализации – расчёты в долларах и высокие технологии – в XXI веке начали использоваться как инструмент принуждения. В книге автор увлекательно описывает историю принятия экономический санкций против трёх стран: Ирана, России и Китая. Промежуток времени – с середины двухтысячных, когда в эффективность механизм санкций мало кто верил и приходилось летать по банкам, рассказывая о комплаенсе до нашего времени и точечных санкций по китайскому Huawei. Автор пишет о кухне изнутри – он лично работал над санкциями США на Иран и Россию.

Подход автора прагматично-институциональный: санкции – это государственная операционка, их нужно разрабатывать заранее и уметь применять, не оставляя путей обхода и не забывая про интересы союзников. Из-за технократического склада ума автор фокусируется на эффективности санкций, совершенно не раскрываются гуманитарные последствия применения санкций (Венесуэла и Сирия) и то, как цена их исполнения зачастую ложится на менее крупных игроков. Также не хватает историй про принуждение к исполнению санкций через минюст – упоминаются рекордные штрафы, но не более.

В целом очень рекомендую к прочтению – всегда полезно понимать, как думает гегемон, особенно в контексте экономической политики текущего президента. Да и нашу научку тоже начало касаться – лишь в этом году организационный комитет NeurIPS додумался до того, что получает деньги от разных организаций в списке SDN за участие в конференции.

P.S. Комментарии под постом оставлю, но заранее прошу быть понежнее и не шитпостить мне тут. 👮‍♂️

Дорогие конкуренты (в множественном числе) на неделе выпустили отчёты о том, как люди пользуются их LLM-продуктами.

OpenAI – в виде препринта NBER, Anthropic – в виде более казуального отчёта и онлайн-дэшборда, который позволяет сравнивать использование по профессиям и по штатам США (версию с картой мира обещают добавить позже.

Anthropic явно интересует уровень автономности, которому доверяют люди, и то, замещает ли "труд" LLMки работу человека или дополняет её. Трафик, который приходит по API (в основном от вайб-кодеров, вестимо) имеет существенный скос в сторону автономного выполнения задач. Оно и логично – computer use (аналог operator у chatgpt) у Anthropic пока не выстрелил.

У OpenAI статья более прагматичная – делают такой классический topic modelling, показывают, что люди всё больше начинают пользоваться ChatGPT как поисковиком. 👀

Что интересно, OpenAI видят существенное смещение спектра задач с рабочих на личные. Интересно, какие системы ценностей будут RL-ить в следующие поколения моделек.

ICPC 2025

Выложили результаты Gemini DeepThink на студенческой олимпиаде по программированию. Система решила задачу, которую не смогла решить ни одна (!) студенческая команда. Если сравнивать с кожаными мешками, AGI уступил только команде СПбГУ.

UPD: товарищи конкуренты говорят, что решили все 12 задач 🚨

Вчера в США был день труда, и было решено этот праздник отметить поездкой с друзьями в родовое гнездо товарищей Рокфеллеров под названием Кайкит. 🤴

Запомнятся огромные сады, гармонично сочетающие современную скульптуру с природой. Очень хороший вкус, не зря половина значимых культурных объектов в Нью-Йорке связано с, пожалуй, самой известной семьёй филантропов в истории.