very vibe coding

А вот и оно. Сейчас буду пробовать ))

https://t.me/ai_machinelearning_big_data/10811

Ждем обновления Fable сегодня. Хочется чтобы в нем было побольше Fable и поменьше Opus. Когда модель запускали впервые, она воспринималась гораздо интереснее, чем то, что вышло после всех запретов

Если вы пилите свои сайты, встройте в них WebMCP, это значительно упростит работу с ними для ваших и не только ваших нейронок.

https://x.com/dkundel/status/2094474840623235313?s=46

Вышло большое обновление OpenClaw 2.0 - изменился интерфейс, много новых фишек. У меня есть агент Борис, которого я иногда в работе с коллегами использую, должно стать проще и удобнее в таких сценариях работать. Надо обновляться

Говорят, что дефицит мак мини и мак студио связан с тем, что их закупают в массовых количествах OpenAI и Антропик для обучения моделей и агентов…

В новом интервью Dwarkesh с Dylan Patel из SemiAnalysis есть интересная мысль про экономику AI-бума: проблемой может стать не то, что AI-компании сжигают слишком много денег, а наоборот — что вкладывать в AI слишком выгодно.

По оценке SemiAnalysis, МегаВатт вычислительных мощностей обходится примерно в $10–15M (видимо, в год) а Anthropic уже может извлекать из того же МегаВатта до ~$50M выручки (..в год). Грубо говоря: потратил $10 на мощности → получил $50 выручки → деньги снова отправил на мощности. Это выручка, не прибыль, и тут не учтены RND, операционные расходы, но разрыв огромный и покрывает их (именно поэтому компании активно расширяются темпами, которые многим кажутся безумными).

Ещё одна иллюстрация: рост мощностей в будущем во многом связан с тем, сколько литографов, печатающих чипы, сможет выпустить ASML. Они масштабируют производство, но очень медленно — к 2030-му году оптимистично они будут выпускать СТО литографов (на весь мир) в год.

Dylan посчитал, что $6B CapEx на уровне производства полупроводников позволяют выпускать чипов примерно на 1 ГВт AI-инфраструктуры в год, а такой гигаватт способен поддерживать порядка $100B AI-выручки. Но Гигаватт-то будет делаться каждый год, и получается, что литографы на $6B за пять лет могут дать более $1T AI-выручки. Понятно, что между ними ещё TSMC, серверы, дата-центры, энергия и R&D, и каждый откусывает себе кусок пирога, но разница всё равно на порядки.

По модели SemiAnalysis, AI buildout с 2024 по 2029 потребует больше $11T CapEx: около $6T оплатят из денежных поступлений, ещё примерно $5T придётся привлечь в долг. Для масштаба, это больше годового нового займа всех правительств ОЭСР вместе взятых (38 стран).

Откуда взять столько денег? Пенсионный фонд может продать облигации и векселя США и купить облигации условной Meta. И чтобы быть привлекательными, Meta должна предложить больший процент — но это как раз и не будет проблемой, потому что AI НАСТОЛЬКО выгоден. Dylan приводит её как пример: недавно компания занимала примерно под 5–6%, но при огромной отдаче от дата-центров ей может быть выгодно занимать и под 8%. Конкретные 8% — грубая оценка, можно сказать с потолка и используется просто для иллюстрации.

Если AI-компании готовы платить 8%, остальным заёмщикам тоже приходится повышать доходность (иначе к ним никто не даст денег). AI перебивает цену за мировой капитал, из-за чего кредит дорожает для всех.

Для США это неприятно. Сейчас у США около $32T долга и ~$5.6T годовых доходов в казну; около $1T уже уходит на оплату процентов по облигациям и бондам. Каждый дополнительный процентный пункт ставки — эт примерно $320B в год, около 6% нынешних доходов бюджета. То есть если AI компании повысят проценты на +1 и все понесут деньги им, то государство тоже должно будет поднять, и это превращает ~20% доходов на обслуживание долга примерно в 25%, а +5 п.п. — уже в 40%.

Если продолжать занимать около $2T в год, возникает петля: больше процентов → больше дефицит → больше долга → ещё больше процентов. Но США хотя бы получают сам AI-бум: дата-центры и новая прибыль находятся внутри страны, поэтому их можно обложить налогом. Сейчас налоговая система в основном собирает деньги с доходов людей и зарплат, а если AI начнёт автоматизировать труд, старая налоговая база может сжиматься.

Для стран без крупного AI-сектора всё хуже: ставки вырастут и для них (зачем давать денег Зимбабве и Пакистану, если можно OpenAI и Meta?), а новой налоговой базы у них не появится.

И вот таким странам придётся очень туго. AI окажется настолько полезным, что начнёт перетягивать на себя триллионы капитала и поднимать его цену для остальной экономики.

===

Ждём лонг от @RationalAnswer про математику экономики, сам-то я не шарю 🤓

Моим друзьям с мехмата посвящается ))

https://t.me/machinelearning_interview/2970

737 страниц математики, которая стоит за современным Deep Learning.

Книга “Mathematical Introduction to Deep Learning: Methods, Implementations, and Theory” подробно разбирает нейросети с математической стороны - от базовых методов до теории и практической реализации.

Внутри:

- линейная алгебра и оптимизация
- основы нейронных сетей
- backpropagation
- CNN и sequence-модели
- методы обучения и регуляризации
- математический анализ архитектур
- теория аппроксимации и обобщения
- практические реализации алгоритмов

Хороший вариант для тех, кто хочет понимать Deep Learning глубже, чем на уровне вызова готовых библиотек.

PDF на 737 страниц доступен бесплатно:

https://arxiv.org/pdf/2310.20360

Похоже, надо самому читать этот отчет ))

https://t.me/vatfor/10981

И еще немного пересказов

https://t.me/data_secrets/9791

Институт AIRI выложил в открытый доступ 70+ видео лекций и семинаров по ИИ

Организаторы «Лето с AIRI 2026» поделились записями выступлений с летней школы по искусственному интеллекту для молодых учёных.

Разобрали чуть ли не весь ИИ — прошлись по робототехнике, адаптивным агентам, приложении в науках о жизни, медицине, погоде и так далее.

Посмотреть можно в VK Видео и на YouTube

🎬 Google выкатил Gemini Omni 1.1 Flash

Что приехало:

– Продление сцены до 40 секунд, шагами по 10
– Первый и последний кадр задаются вручную
– Черновики в 360p: на 60% быстрее и втрое дешевле, чем 720p. Перебираешь варианты, а финал апскейлишь до 4K.
– Видеореференс на вход - до 3 секунд.

Уже во Flow (веб и мобилка, подписки AI Plus / Pro / Ultra) и в AI Studio по апи.

По бенчмаркам: Omni 1.1 Flash - первая в Text-to-Video, В Image-to-Video - обогнала сиденс 2.5, но уступает минимаксу

Воркфлоу с генерацией в 360 пушка, я и сам работаю так, но с другими моделями, тут же гугл наконец понял, что функция должна быть нативной, но из минусов нативной генерации в 4к нет - только апскейл плюс маловато референсов относительно сиденса

@creadvice

Продолжение рассказа про взлом HuggingFace. Очень любопытная коллективная психология. Как муравейник

https://t.me/denissexy/11615