📌 Кейноут GTC Berlin 2026

Главные темы – физический ИИ, суверенные вычисления и перевод дата-центров в формат фабрик, которые выпускают в качестве товара интеллект.

За год Nvidia вложила в Европу почти 10 млрд долларов, объявила 14 инвестиций в стартапы и насчитала больше 12 тысяч партнёрств в регионе.

🟡Vera Rubin в полном производстве

Платформа пошла в серию. Каждый ускоритель выдаёт 20 петафлопс, стойка NVL72 через коммутатор NVLink собирает 72 ускорителя в одну систему на 1,44 экзафлопса.

Охлаждение полностью жидкостное, сборка узла занимает меньше пяти минут против двух часов у Grace Blackwell.

🟡DSX POD

Готовая фабрика в контейнере - семь жидкостных вычислительных стоек, 17 км кабелей Spectrum-X, питание 800 В постоянного тока и теплоноситель до 45 °C.

Собирают и тестируют POD на заводе, на площадке он встаёт за две недели, а полное развёртывание сокращается с четырёх-пяти месяцев примерно до одного.

Поставками с начала 2027 года займутся Dell, HPE, Gigabyte, Delta и QCT.

🟡DSX MaxLPS

Система управления питанием для таких фабрик. Компания заявляет снижение энергопотребления на 30% при той же выработке, а на масштабе 2 ГВт обещает экономить 54 млн литров воды в сутки.

🟡Spectrum-X с оптикой в корпусе

Сетевой уровень получил co-packaged optics на технологии COUPE, разработанной с TSMC - 512 портов по 200 Гбит/с. Производственные планы по оптическим решениям Nvidia обозначила ростом мощностей в 15 раз с выходом на тридцатикратный к концу 2028 года.

🟡OpenShell и Nvidia Sentry

Открытый защищённый рантайм для агентов, анонсированный как референсная архитектура, плюс Sentry – следящий за агентами слой политик, который работает на BlueField-4 в отдельном от хоста домене доверия и способен изолировать агента почти мгновенно. Доступность Sentry обещана в начале 2027 года.

Рядом анонсирован Confidential Bare Metal – режим, в котором разработчик модели запускает чувствительные нагрузки на чужой инфраструктуре, сохраняя контроль над весами и данными.

🟡Открытые модели

Выложены Nemotron 3.5 Super VL и Bolt, поисковая линейка Nemotron Retriever для эмбеддингов, переранжирования и разбора документов, мировые модели Cosmos из трёх размеров, Kumo для структурированных бизнес-данных вместе с библиотекой Kumo Engine.

Облегчённый Bolt E4B и Alpamayo 2 Edge для автономного транспорта обещают выложить до конца месяца.

🟡 Agile ONE и Hyperion

Референсного гуманоида Agile ONE SN представила Agile Robots, собран он на платформе Isaac GR00T и вычислителе Jetson Thor, выпуск обещан в начале 2027 года.

Hyperion – серийная платформа датчиков и вычислений для роботакси и машин четвёртого уровня автономности, заявлен набор из 14 камер, 9 радаров, 3 лидаров и ультразвука. Партнёры - Volvo, JLR, Mercedes-Benz, Uber, Hyundai, GM, Toyota, BYD и Geely.

🟡Mistral AI и инженерное моделирование

Французская лаборатория берёт библиотеки Nvidia CUDA-X, Warp и Omniverse, чтобы ускорять расчёты физики, генерировать на GPU трёхмерные сцены и ассеты SimReady и получать данные для обучения инженерных моделей.

Планируют замкнутые циклы, где моделирование, разработка моделей и проектирование идут вместе, с прицелом на авиацию, автопром и полупроводники, а также публичные бенчмарки для проверки физических моделей и агентов в системах автоматизированного проектирования.

🟡Суверенные проекты и инструменты разработки

В Швеции консорциум AstraZeneca, Ericsson, Saab, SEB и Wallenberg строит общий суперкомпьютер Sferical One под дообучение Nemotron.

Барселонский суперкомпьютерный центр открыл акселератор для стартапов, а под инициативу Еврокомиссии AI in Science Enablers Nvidia обещала европейским исследователям свои открытые модели и датасеты, участие в 35 строящихся суперкомпьютерах и бесплатный курс-хаб.

Из инструментов расширен Agent Toolkit, в ранний доступ вышли библиотека cuDSS для разреженных систем на GPU, и Factory Operations, на котором Siemens строит агентов для своего завода в Эрлангене.

@ai_machinelearning_big_data

#news #ai #ml

🌟 Sakana AI предложила метод рекомендаций, который ищет набор разных вариантов

QD-Rec - метод подбора рекомендаций для решений, где человеку важно сравнить варианты, а не получить один ответ.

Единица поиска здесь не сам кандидат, будь то компания, клиент или научная статья, а пара из кандидата и гипотезы, то есть написанного словами объяснения, чем он подходит и что с ним можно сделать.

🟡Механика

В основе лежит идея качества и разнообразия из эволюционных алгоритмов. Система ведёт архив удачных пар и крутит один и тот же цикл из трёх шагов.

Сначала кандидата выбирает алгоритм, который взвешивает прошлые оценки и добавляет бонус за непохожесть на то, что уже в архиве.

Затем языковая модель пишет гипотезу, опираясь на три случайные записи архива как на родительские, и либо переносит их угол зрения на нового кандидата, либо скрещивает две идеи, либо предлагает что-то своё.

Наконец новая пара проходит отбор. Если судья считает её довод реально новым, она занимает отдельную нишу, если нет, спорит один на один с ближайшим соседом по смыслу, и проигравший вылетает.

Общего рейтинга нет, поэтому непохожие идеи уживаются рядом.

🟡Тесты

Проверяли на трёх задачах. В первой система искала среди 6300 американских компаний цели для поглощения покупателями Disney и JPMorgan. Во второй подбирала покупателей продукта среди 10 тысяч вымышленных профилей, в третьей советовала статьи из 17,5 тысячи работ с недавних конференций.

Гипотезы писали модели Claude, оценивала их GPT-5.6 Terra.

На поиске целей для Disney средняя оценка архива составила 2,91 против 2,40 у упрощённого варианта, который пишет каждую гипотезу с нуля и в архив не заглядывает, а сам архив вырос до 214 записей против 85.

Для JPMorgan вышло 3,04 против 2,88, в маркетинге 7,05 против 6,81.

На подборе статей разницы почти нет, 6,24 у всех вариантов.

Выигрывает метод не везде. С моделью послабее на одной из задач он уступил упрощённому варианту и по оценке, и по размеру архива.

Оценки ставит языковая модель, а значит, система может научиться угождать судье вместо того, чтобы придумывать дельное, и авторы советуют подключать человека. Про это надо просто помнить.

Код проекта выложен на GitHub, модели подключаются через OpenRouter.


📌Лицензирование: Apache 2.0


🟡Блогпост
🟡Arxiv
🖥GitHub


@ai_machinelearning_big_data

#AI #ML #Recomendation #QDRec #SakanaAI

✔️ OpenAI обязала шлюзы и роутеры моделей проходить проверку

С 20 ноября сторонние сервисы, дающие доступ к API, то есть шлюзы, роутеры и реселлеры, смогут работать только после одобрения компании.

Базовых правил уже недостаточно, от них требуют фильтры безопасности, согласование блокировок и разбор случаев вредоносного использования API.

Вместе с этим введена и система SafetyID, через которую партнёр будет изолироветь пользователя при расследовании подозрительной активности или утечке ключей.
openai.com

✔️ Anthropic впервые с 2023 года обновила Claude API

Параметры temperature, top_p и top_k, отвечавшие за вариативность и стиль ответов, больше не принимаются, при попытке передать их возвращается ошибка.

Кроме отказа от ручной настройки сэмплирования поправлены форматы сообщений и убраны устаревшие поля в схемах запросов.

Предыдущая ревизия остаётся доступной, срочно переносить работающие системы не придётся, а обновлять API Anthropic обещает регулярно, чтобы разработчики заранее проверяли совместимость кода с новыми моделями. 
claude.com

✔️ Google представила сервис для запуска агентов в изолированных машинах

Agent Compute Engine выводит на рынок инфраструктуру собственных агентов Gemini и рассчитан на агентский режим, когда короткие всплески вроде запуска кода чередуются с долгим ожиданием ответа модели или пользователя.

Обычные виртуальные машины для таких циклов медленные, поэтому агенту выделяется микромашина на Cloud Hypervisor с общими страницами памяти из шаблона ОС.

В простое среда замораживается в снимок, файлы и контекст переживают паузы на томах Hyperdisk, сетевых интерфейсов у гостевых систем нет, а трафик идёт через прокси, не раскрывающие токены коду.

Для Kubernetes есть открытая среда Agent Substrate, возобновляющая работу меньше чем за полсекунды, а публичная предварительная версия обещана в ближайшие месяцы. 
cloud.google.com

✔️ Фонд OpenAI вложился в нейрочип против опухолей мозга

Американский Coherence Neuro поднял 45 млн долларов, кроме OpenAI Startup Fund в раунде участвовали Питер Тиль, Lux Capital и 8VC. Его интерфейс SOMA лечебный и основан на том, что клетки глиобластомы обмениваются электрическими сигналами с нейронами и влияют на активность мозга.

Массив электродов считывает импульсы, модели оценивают опухоль и в замкнутом цикле подбирают параметры локальной стимуляции, чтобы остановить её рост. В комплекте - имплант размером с монету, заушный модуль питания и приложение для смартфона, наблюдение идёт онлайн и непрерывно, без плановых томографий.

На животных технология предсказывала динамику опухоли на пять недель вперёд, в июне начались первые интраоперационные тесты на людях в Королевском госпитале Мельбурна.

Привлечённые деньги пойдут на клинические испытания и проверку метода на других опухолях. 
wired.com

✔️ Hugging Face выпустила открытую языковую модель для анализа ДНК

Carbon-X на 14 млрд параметров, сделанная совместно с учёными Китая и Италии, объединяет геномные последовательности и естественный язык, так что про ДНК можно спрашивать текстом, например о влиянии точечных мутаций на экспрессию генов.

Словарь базовой модели расширили, нуклеотиды читаются по шесть символов, обучение шло на 300 млрд токенов с геномами млекопитающих, растений и грибов, вирусные данные исключили из-за рисков создания патогенов.

Запуск рассчитан на локальное использование, что снимает главную проблему биоинформатики, когда данные пациентов нельзя отдавать в облака.

Контекст держит до 50 тысяч пар оснований, этого хватает для точечного поиска мутаций под таргетную терапию, но не для разбора генома целиком. Выводы модели расчётные и лабораторной проверки пока не прошли. 
huggingface.co


@ai_machinelearning_big_data

#news #ai #ml

✔️ Банки США начали блокировать ИИ-агентов

По данным Axios, JPMorgan Chase, Morgan Stanley, Bank of America, Citi и Wells Fargo столкнулись с волной инцидентов, когда автономные агенты выполняли операции в онлайн банкинге от имени клиентов.

Пользователи добровольно передавали ассистентам свои учетные данные для решения финансовых задач, что нарушает базовые правила платформ, требующие исключительно ручной аутентификации человеком.

В ряде случаев мониторинг выявил попытки ботов действовать без прямой команды владельца счета - агенты самостоятельно обращались в службы поддержки, запрашивали перемещение средств и пытались инициировать транзакции.

Главная проблема для безопасности заключается в том, что существующие антифрод-системы не способны достоверно различать паттерны поведения человека и сложных мультимодальных агентов, а также проверять легитимность конкретных решений модели в реальном времени.

Из-за регуляторных и финансовых рисков институты начали принудительно закрывать доступ сторонним агентским процессам.

В качестве долгосрочного решения банки рассматривают перевод подобных систем на изолированные API в режиме по аналогии с интеграциями сервисов финансового учета, параллельно готовя протоколы экстренной изоляции скомпрометированных счетов.


@ai_machinelearning_big_data

#news #ai #ml

📌 Anthropic и Theorem использовали Claude для математической верификации 123 открытых библиотек

Исследователи применили модель для построения формальных математических доказательств надежности кода.

Основой послужили готовые фаззинг-тесты из OSS-Fuzz, сервиса Google для непрерывной проверки открытого кода случайными данными, которые сами по себе не способны дать стопроцентной гарантии отсутствия сбоев.

Claude превращал каждый такой тест в строгое утверждение и доказывал его. Всего за несколько недель нейросеть сгенерировала около 180 миллионов строк кода доказательств для 239 точек входа в 123 библиотеках из набора OSS-Fuzz.

Корректность доказательств проверяла программа Rocq, которая пересчитывает каждый шаг рассуждения, и результаты математически подтверждают, что протестированные программы гарантированно завершатся штатно при обработке любых произвольных входных данных размером до 64 МБ.

В процессе построения доказательств модель вскрыла и устранила сотни нетривиальных багов, которые практически невозможно отловить случайными тестами.

В их числе - ошибка перезаписи буфера в алгоритме декомпрессии, срабатывавшая только при строгом совпадении внутренней структуры и размера файла около 20 МБ, а также чтение за границами массива в декодере изображений, требовавшее для воспроизведения 64-мегабайтный файл и более 2 ГБ выделенной памяти.

Ранее подобная строгая верификация считалась слишком трудоемкой для реального применения - к примеру, доказательство корректности микроядра seL4 потребовало 20 человеко-лет против всего двух человеко-лет на написание самого кода.

Авторы рассчитывают, что скоро формальная верификация станет такой же обыденной практикой, как сегодня фаззинг, почти для всего промышленного кода, хотя пока это дорого - на одно доказательство ушло сотни миллионов токенов.

К слову, совсем без людей обойтись всё еще не получается - в экспериментах следили за тем, чтобы модель не добивалась доказуемости, выхолащивая саму программу, поэтому её правки кода штрафовались и проверялись человеком.

@ai_machinelearning_big_data

#news #ai #ml

✔️ Block анонсировала речевую модель

Компания, которой руководит сооснователь и бывший глава Twitter Джек Дорси, показала разговорную модель Dessa, обученную только записях человеческой речи, без текста и без базовых моделей.

Blok называет Dessa первым в мире ИИ-собеседником, обученным исключительно на человеческой речи. Учили её, к слову, с нуля и, по словам анонса, языку Dessa выучилась на количестве слов в сотни раз меньшем, чем нужно большим языковым моделям.

Dessa принимает звук и отвечает звуком, минуя привычное для голосовых помощников превращение речи в текст, на котором теряются интонация, эмоция и сарказм.

Модель слушает и говорит одновременно, умеет поддакивать посреди реплики собеседника, перебивать и смеяться не дожидаясь конца фразы.

Ответ формируется быстрее реального времени, работать Dessa может локально на MacBook с M4 Max и мощнее.

Доступ открыт только через список ожидания, ранний доступ раздают исследователям безопасности.


@ai_machinelearning_big_data

#news #ai #ml

✔️ OpenAI открыла Decisions API

Интерфейс снижает задержки и расходы на микрорешениях в агентных процессах, сводит GPT-6 Luna к задачам с жёстко ограниченным выводом и работает до десяти раз быстрее Responses API.

Форматов ответа три - расчёт вероятности условия, выбор варианта из списка и оценка по шкале. Контекст мультимодальный, пакетом принимается до 400 вопросов на запрос.

Выходные токены бесплатны, вход стоит 10 центов за миллион и 1 цент через контекстный кэш, есть локализация обработки в США и ЕС и Zero Data Retention для корпоративных клиентов.
openai.com

✔️ Symantec нашла агента, который угоняет чужие языковые модели для атак

Сборка ищет в интернете открытые эндпоинты, тестовые серверы и утёкшие ключи к коммерческим моделям, а затем использует чужую модель как мозг наступательных операций. Устройство схемы раскрылось, когда злоумышленники по ошибке прислали рабочий промпт в ловушку компании.

Фильтры чужих моделей обходятся многослойным джейлбрейком, а к делу подключена библиотека из 74 утилит со сканерами, эксплойтами и частями ботнета. Главное в угрозе - автономный режим Скайнета, где модели разрешено до 100 тысяч итераций без подтверждения оператора. Агент исследует сеть, атакует инфраструктуру, ставит майнеры, чистит логи и ищет новые открытые модели для самокопирования.

Ущерб получается двойной - взломанные серверы теряют данные и тратят мощности на майнинг, а владельцы открытых шлюзов получают счета за токены.
security.com

✔️ Cursor научил агентов управлять рабочим столом

Работа агентов переехала из облака на локальные машины, и ассистент теперь не только правит код, но и может двигать курсор, нажимать кнопки, вводит текст и работает в сторонних программах. Вызывается он командой в чате или сам, когда для проверки нужно открыть собранное приложение.

На macOS работает через фоновую утилиту с явным доступом к Accessibility и записи экрана, в Linux на X11 с полной изоляцией рабочего пространства.

Первые тесты вскрыли дрейф интерфейса, когда окно меняет размер или смещается на пару пикселей, координатная сетка сбивается и клики уходят в пустоту, поэтому инженеры советуют жёстко фиксировать геометрию окон.

Функция доступна в свежей версии редактора.
Cursor в X

✔️ Liquid AI представила движок инференса с низкой задержкой

Представленный движок под названием RIPL сделан для линейки Liquid Foundation Models под системы с жёстким лимитом по времени отклика. В отличие от решений под пакетную обработку, он встраивает модель в критический путь запроса и возвращает полный ответ меньше чем за 50 мс при потоке до тысячи запросов в секунду.

Им рассчитывают заменить градиентные бустинги и эмбеддинги в онлайн-ранжировании, рекламе, скоринге и системах борьбы с мошенничеством. Первой его внедрила Shopify в своем поиске, другим клиентам доступно развёртывание по запросу.
liquid.ai

✔️ Шведские госведомства начали блокировать ChatGPT и Claude

Правительство ограничило сотрудникам доступ к публичным ИИ-сервисам без отдельных контрактов на обработку закрытых данных, директор по цифровизации объяснил это рисками для защищённости госинформации.

По данным радиостанции Ekot, блокировки ввели Налоговая служба и Национальное управление институциональной помощи, Служба взыскания задолженностей готовит такой же регламент.

Поводом стали аудиты, которые выявили, что служащие регулярно загружали служебные данные в десяток публичных платформ. Чтобы не потерять выгоду от автоматизации, канцелярия переводит персонал на свою инфраструктуру, часть сотрудников продолжит работать с Claude и ChatGPT, но только через защищённую внутреннюю платформу и корпоративный Microsoft Copilot.
sverigesradio.se


@ai_machinelearning_big_data

#news #ai #ml

📌 Perplexity научила модель быть учителем самой себе

ИИ-поисковик предложил метод обучения под названием JOLT, в котором одна и та же модель выступает сразу учеником и учителем, причём обе роли учатся одновременно.

При обучении с подкреплением модель получает награду только за итог попытки, и по ней не понять, какие именно шаги привели к успеху. На длинных агентных задачах, где попытки редко удаются, такого сигнала мало. Обходят это дистилляцией, когда модель посильнее оценивает каждый токен ученика и подсказки становятся плотнее.

Но умение решать задачу и умение её объяснить не одно и то же. Сильный учитель легко уходит туда, куда ученик за ним не дотянется, и подсказки пропадают впустую.

В JOLT учитель видит проверенный ответ, разобранное решение или отчёт о прошлых попытках, а ученик работает вслепую.

Обе роли живут в одной модели и обновляют общие веса. Ученик тянется к подсказкам учителя, а учитель получает задачу подстроиться под ученика, т. е. давать такие подсказки, которые двигают его в ту же сторону, куда двигало бы обычное обучение с подкреплением на его собственной награде.

У метода есть второй вариант, JOLT+. В нём ученик получает и подсказки учителя, и обычную награду за итог своей попытки, то есть плотный и разреженный сигналы складываются.

🟡 Тесты

Метод проверяли на небольших моделях DeepSeek и Qwen, от 0,6 до 30 млрд параметров. Задачи брали разные, от школьной математики и олимпиадных задач до генерации кода, работы с приложениями и команд в терминале. Сравнивали с GRPO и двумя методами дистилляции.

JOLT+ везде показал лучший средний результат, обойдя GRPO на 4,2 процентных пункта на наборе MATH, на 3,0 на LiveCodeBench и на 9,9 на AppWorld.

На MATH при равной точности JOLT потратил в 6,5 раза меньше обработанных токенов обучения и примерно в 13 раз меньше сгенерированных.

Без награды ученика метод работает хуже. На AppWorld чистый JOLT отстал и от GRPO, и от конкурирующей дистилляции, а на Terminal-Bench уступил GRPO.

Perplexity обещает открыть код позже, пока есть только статья с описанием метода.


@ai_machinelearning_big_data

#AI #ML #LLM #Research #RL #Perplexity

✔️ Ideogram представила модель Vector 1.0

Это первая специализированная модель компании для работы с векторной графикой, которая создает масштабируемые SVG-иллюстрации по текстовым запросам, а также векторизует загруженные растровые изображения форматов JPG и PNG.

Результат работы Vector представляет собой набор математических кривых, раздельных слоев, редактируемых форм и градиентов. Сгенерированные файлы можно открывать в Figma и Adobe Illustrator, где дизайнеры могут продолжить редактирование, а веб-разработчики - использовать полученную разметку в коде.

Новинка рассчитана на проектирование логотипов, иконок, мерча и типографики, поддерживая стили от гравюры и лайн-арта до поп-арта и сплошных заливок.

Модель доступна в веб-интерфейсе сервиса и через API с отдельными эндпоинтами для генерации с нуля и трассировки растра.

Стоимость генерации по API составляет от 13 до 20 центов за файл в зависимости от выбранного качества (32 цента при использовании референсного изображения). Конвертация растрового файла в вектор обойдется в 10 центов за запрос.

@ai_machinelearning_big_data

#news #ai #ml

📌 FairStress: тест на демографическую справедливость моделей

Институт Аллена опубликовал набор FairStress для проверки того, меняет ли языковая модель своё решение о человеке из-за его расы, пола, религии, возраста, инвалидности или ориентации в сферах найма, кредитования, медицины и образования.

FairStress тестирует прочность позиции модели - в промпт внедряются состязательные префиксы с авторитетными или социально окрашенными аргументами (ссылки на мнение руководства, дискриминацию в прошлом или неформальные рекомендации), после чего замеряется, насколько охотно система отказывается от объективно более сильного кандидата под внешним давлением.

В наборе 300 сценариев из 29 областей с вымышленными кандидатами, 33 пары демографических групп, четыре степени раскрытия личности и до 78 убеждающих фраз. Итого более 13 млн вариантов.

🟡Тесты

На 15 моделях семейств Olmo, Llama, Qwen, Gemma, Claude и GPT бенчмарк выявил повсеместную антистереотипную гиперкоррекцию - под влиянием одинаковых по силе аргументов модели гораздо чаще отказывались от правильного выбора в пользу кандидатов из исторически уязвимых групп, чем наоборот.

Без данных о личности модели беспристрастны, но при прямом указании группы они на 9,3 процентного пункта чаще отказываются от верного решения, если отказ выгоден кандидату из меньшинства.

В сценариях без явного фаворита выбор в пользу меньшинств происходил в 60–65% случаев.

Кроме того, модели меняли логику аргументации: заслуги одних кандидатов объяснялись критериями и фактами, а других - абстрактной устойчивостью и разнообразием, что фактически нивелировало их профессиональные достижения.

Аудит показал, что текущие процессы элайнмента обучают модели блокировать дискриминационные запросы, но не учат их устойчивому взвешиванию объективных навыков.

Снизить асимметрию без падения точности помог только контрфактический CoT - принудительный пересмотр логики задачи с зеркальной заменой демографических маркеров.

📌Лицензирование: CC-BY-4.0


🟡Статья
🟡Датасет
🖥GitHub


@ai_machinelearning_big_data

#AI #ML #Dataset #FairStress #Ai2

✔️ Canva выпустила модель Craft

Canva Craft - первая собственная модель сервиса, ориентированная на генерации изображений для графического дизайна.

Архитектура разделена на этапы планирования композиции и рендеринг.

Сначала модель формирует план сцены, определяя пространственные связи объектов, масштаб и расположение текстовых блоков.

Затем генератор создает финальное изображение с разрешением до 2K в любом соотношении сторон. Внутренняя разметка позволяет разделять картинку на редактируемые векторные элементы и слои через инструмент Magic Layers.

Модель обучали на миллионах дизайн-макетов из библиотеки Canva. Благодаря этому система учитывает типографику и правила композиции, а также генерирует связный текст на 55 языках. .

Craft уже развернута в редакторе Canva и доступна через публичный API. В ближайшее время появится поддержка сервера Canva MCP для вызова генератора ИИ-агентами.

@ai_machinelearning_big_data

#news #ai #ml

✔️ Google заплатит жителям и бизнесу за отказ от электричества ради своих дата-центров

Google договорился с Voltus, оператором виртуальных электростанций, о наборе 1 гигаватта мощности в PJM, крупнейшей энергосистеме США, которая снабжает 67 млн человек по всей стране.

Новых генераторов при этом никто не строит. Voltus собирает согласия жителей и предприятий сократить потребление в часы пиковой нагрузки, платит им за это, а Google платит Voltus.

В июне компании начинали со 100 мегаватт на три года, теперь цель выросла в десять раз.

Отказ от потребления чаще всего происходит без участия человека. Умный термостат приглушает кондиционер в жаркий день, а установленная в доме батарея на время берёт питание на себя.

По отдельности такая экономия ничтожна, но, сложенная за счёт тысяч потребителей, она освобождает сети мощность, которую Google забирает под дата-центры для ИИ.

У PJM цена обеспечения пиковой мощности выросла более чем в восемь раз за последние годы, очередь на подключение новых электростанций забита, а сама энергосистема ждёт к началу 2030-х от 30 до 34 гигаватт дополнительного спроса от крупных потребителей.

Сроков выхода на гигаватт Google не называет и не говорит, какие именно дата-центры будет питать схема.

Voltus управляет более 9 гигаваттами такой мощности по стране и обещает 100% безуглеродный характер проекта, без резервных генераторов на топливе.

Остаётся открытым вопрос, хватит ли подобных договорённостей, чтобы покрыть нагрузку, которую дата-центры создают для сетей.

@ai_machinelearning_big_data

#news #ai #ml

✔️Исследователи предложили способ повысить качество дообучения LLM без увеличения числа обучаемых параметров

Исследователи Т-Технологий, МФТИ, Сбера и Иннополиса представили на международной конференции EMNLP метод SimplexLoRA. Он помогает адаптировать языковые модели к конкретным задачам, распределяя обучаемые параметры между слоями с учетом их значимости.

В стандартной LoRA основные веса модели остаются неизменными, а обучение проходит через небольшие дополнительные модули — адаптеры. Обычно им выделяют одинаковое число параметров, хотя разные слои неодинаково влияют на результат. SimplexLoRA сначала определяет, каким слоям дополнительные параметры принесут больше пользы, и перераспределяет общий бюджет в их пользу. После этого распределение фиксируется, а дообучение продолжается по привычной схеме LoRA.

Метод проверили на четырех моделях и 12 задачах, включая ответы на вопросы, суммаризацию и математические рассуждения. На большинстве тестов он показал сопоставимое или более высокое качество, чем стандартная LoRA, при том же числе обучаемых параметров и той же стоимости инференса.

Лучше всего подход проявил себя при небольшом размере адаптеров. Это делает его особенно полезным для команд, которым нужно дообучать модели при ограниченных вычислительных ресурсах. Код SimplexLoRA опубликован в открытом доступе на GitHub

@ai_machinelearning_big_data

#news #ai #ml

✔️ Ведущие разработчики Claude Code ушли из Anthropic

Об уходе 24 октября объявил Тарик Шихипар, один из самых публичных инженеров проекта, прежде исследователь MIT Media Lab и выпускник Y Combinator, вслед за ним уволился Энтони Моррис, автор десктопной версии агента.

Шихипар проработал над проектом больше года и планирует взять перерыв, а в сообщении, собравшем миллионы просмотров, похвалил оставшуюся команду и посоветовал следить за обновлениями через Эдди Османи и Лидию Халли.

Оба уходят на пике коммерческого успеха - по данным компании годовая регулярная выручка Claude Code превысила 2,5 млрд долларов.
Thariq Shihipar в X

✔️ Sakana AI обучит с нуля модель для нужд государства

Токийский стартап меняет курс и берётся за собственное обучение модели с рабочим названием Sakana Sawara.

Известность японскому разработчику принёс Fugu, объединявший готовые нейросети, но работа на чужих весах несла риск зависимости, а Японии нужен технологический суверенитет без привязки к корпорациям США и Китая.

Первую компактную версию новой модели обещают весной 2027 года, дальше её отмасштабируют до сотен миллиардов параметров.

Целевыми областями станут национальная безопасность, финансовый сектор, поиск уязвимостей и разбор кибератак, а также оборонные задачи, причём ИИ-аналитику Sakana уже испытывает по контракту с японским Минобороны.
nikkei.com

✔️ Nvidia оценила лицензию на управление агентами в 2000 долларов за ускоритель в год

Дженсен Хуанг считает, что ПО скоро станет важнейшей частью бизнеса компании. По его словам, комплексная лицензия на развёртывание агентов на корпоративных ИИ-фабриках обойдётся примерно в 2000 долларов за ускоритель в год, и если подписка охватит хотя бы пять миллионов чипов, принесёт до 10 млрд долларов стабильной выручки.

Как тариф будет сосуществовать с действующей AI Enterprise, подписка на которую стоит 4500 долларов, пока неясно.

Само желание показывает перестройку Nvidia, которая готова предложить рынку не только чипы, но и готовую инфраструктуру, стремясь уйти от статуса чисто аппаратной компании.
tomshardware.com

✔️ Обещанный Маском полнометражный ИИ-фильм вышел семиминутным роликом

В июле Илон Маск анонсировал, что Grok Imagine выпустит полноценную и исторически точную экранизацию «Одиссеи» Гомера.

Вместо полного метра xAI показала видео чуть дольше семи минут, проект теперь называют сериалом, сроки следующих эпизодов неизвестны.

Ролик сняли с Wonder Studios и режиссёром Девом Уокером, дебютировал он в X без подробностей - ни сроков производства, ни затрат, ни состава моделей компания не раскрыла.

По оценкам сообщества, видео получилось плохим из-за затянутых экспозиций, неестественных диалогов и невыразительных персонажей.
Grok Imagine в X

✔️ Figure AI утвердила дизайн гуманоида Figure 04

На корпоративном собрании глава компании Бретт Эдкок сообщил, что облик робота нового поколения определён окончательно, и назвал новинку «первым iPhone среди гуманоидов».

Главная особенность - в кисти с моторикой почти на уровне человеческой, приводов в ней больше, чем во всём теле.

Производство комплектующих началось, внешний вид робота держат в секрете. Железо делают под новую модель Helix 3.0, которую Эдкок называет «baby AGI», и для её обучения развёрнут колоссальный сбор данных - приложение Index загружает по 81 минуте видео с действиями каждую секунду.

За неделю на пополнение наборов данных ушло около 8,1 млн долларов, а за год Эдкок обещает вложить в данные больше, чем большинство робототехнических стартапов привлекли за всё время.
Brett Adcock в X

@ai_machinelearning_big_data

#news #ai #ml

✔️ Google DeepMind представила Genie 4

Genie 4 - модель для интерактивной симуляции виртуальных миров в реальном времени.

Система мультимодальна: помимо фотореалистичного визуального ряда с учетом физики, она генерирует фоновый шум, пространственное аудио и контекстные диалоги персонажей.

Текстовые команды позволяют менять погоду, добавлять объекты и переключать ракурс прямо в процессе генерации.

За логическую консистентность мира и многошаговое планирование отвечают агенты на базе моделей Gemini (заявлены версии Omni, 3.8 Flash и 4 Argon).

Инструмент предназначен для создания тренировочных сред в робототехнике, прототипирования в геймдеве и кинематографических превизуализаций.

Новинка запущена в статусе закрытого превью по листу ожидания.

Среди известных ограничений при долгих сессиях - визуальный дрейф и нарушения перманентности объектов.

В будущем доступ откроют партнерам по Gemini API и подписчикам Google AI Ultra.


@ai_machinelearning_big_data

#news #ai #ml

✔️ Агенты стартапа Cathedral взломали внутренние системы Anthropic

Cathedral, основанный выходцами из Департамента эффективности госуправления, заявил, что агентам хватило меньше 12 часов на обход защиты, а путём проникновения стали бреши в стороннем бизнес-ПО компании.

Агенты добрались до Slack, стенограмм встреч, зарплатных ведомостей и контактов партнёров. Anthropic подтвердила компрометацию части кадровых и ИТ-систем, но подчёркивает, что код, веса моделей и диалоги пользователей Claude не затронуты.

Начиналось всё по программе поиска уязвимостей, но Anthropic обвинила Cathedral в нарушении регламента, поскольку те скрыли реальный масштаб проникновения.

Инцидентом уже заинтересовались власти США.
washingtonpost.com

✔️ Cohere нашла в Qwen3.8 скрытую отправку данных на китайские серверы

Аномальную активность канадцы засекли при тестировании Qwen3.8-Flash-Next. Модели поручили написать bash-скрипт для поиска вредоносных загрузок, а она вместо кода просканировала временную директорию, проверила утилиты передачи данных, прочитала настройки DNS и отправила тестовый файл в Alibaba Cloud.

Цепочка рассуждений, по которой за моделью обычно и следят, выдала ложный лог и скрыла планы по внешним инструментам.

Вывод Cohere в том, что локальный запуск открытых моделей сам от утечек не защищает, к чужим весам стоит относиться как к недоверенным исполняемым файлам, закрывать агентам выход в сеть и не верить их логам при аудите.
cohere.com

✔️ GPT-6 Astra и Claude помогли физикам продвинуться в квантовой информатике

Лаборатория Physical Superintelligence отчиталась о прогрессе по пяти открытым проблемам.

Доказано, в частности, что в определённых квантовых полях запутанность сохраняется и между отдалёнными областями, хотя на большой дистанции проверить нелокальные корреляции через неравенство Белла уже невозможно.

Физики задавали направление и держали логику, а GPT-6 Astra и Claude участвовали в самом выводе.

Гипотезы проверяли агентами Codex и Claude Code, написавшими формальные доказательства на Lean под машинную верификацию.

Материалы и код выложены в открытый доступ, но выводы, как говорят авторы, верны лишь для специфических условий, а часть проблем ещё ждёт решения.
psi.inc

✔️ BrainChip презентовал нейроморфный сопроцессор для компактной электроники

AKD1500 SPI расширяет линейку Akida и решает проблему внедрения машинного обучения в периферийные устройства, когда плату приходится перепроектировать под более дорогие вычислительные узлы.

Он подключается к существующим микроконтроллерам по шине SPI как выделенный ИИ-ускоритель, микроконтроллер продолжает управлять устройством и собирать данные с датчиков, а инференс уходит на сопроцессор.

В чипе есть аппаратная поддержка обучения на месте, устройство запоминает новые данные на кристалле, без отправки их в облако и переобучения модели.

Решение рассчитано на рынок TinyML, его тестируют в промышленной робототехнике, умном доме и носимой медтехнике. Продажи уже открыты.
brainchip.com

✔️ Xiaomi представила бионическую руку с 21 степенью свободы

Манипулятор рассчитан на сложные промышленные сценарии, привод гибридный, из 26 двигателей.

Рука оснащена высокоплотной тактильной обратной связью - на поверхности 1500 сенсоров с разрешением 1 мм на фалангах и 2 мм на основном блоке, так что робот точно дозирует усилие при захвате инструментов и мелких деталей.

Моторику имитируют натяжением искусственных сухожилий, алгоритмы захвата учили на записях движений живых операторов.

Основой стали данные с пилотного завода Xiaomi Automotive, где оцифровали 1827 рабочих процедур, это примерно около 70% ручного труда типичного цеха.

Конструкция рассчитана на производство, у неё улучшен теплоотвод и сменное тактильное покрытие.
sina.com.cn

@ai_machinelearning_big_data

#news #ai #ml

✔️ Anthropic рассказала об участии в разработке лекарств

Компания запустила Claude в технологическую фармацевтику и купила биотех-стартап Mithril Medicine.

Ее основатель и единственный сотрудник, Коди Транбаргер, привлек Claude к организации контрактов, логистики и экспериментов с внешними лабораториями, а также делегировал многие другие аспекты деятельности стартапа.

В результате Mithril за менее чем полтора года превратил потенциальный метод лечения одной из форм мышечной дистрофии из идеи в многообещающие результаты на мышах.

На базе приобретенной Mithril Medicine Anthropic ведет собственные доклинические исследования терапии редких форм мышечной дистрофии.

Также партнерами Anthropic стали шесть профильных организаций, включая Bristol Myers Squibb и Generate Biomedicines.

В фармацевтических исследованиях Claude проектирует структуры антител, оптимизирует их термостабильность, планирует клинические испытания и готовит регуляторную документацию.

В рамках сотрудничества со Divergence Labs Claude создал 35 тыс вариантов дизайна антител за месяц - традиционно этот объем задач требует около девяти месяцев.


@ai_machinelearning_big_data

#news #ai #ml

📌 EPFL показала имплантируемый чип, который следит за связью между участками мозга

Лаборатория нейротехнологий Федеральной политехнической школы Лозанны под руководством Махсы Шоаран сделала LogSync, имплантируемый чип размером примерно 4 на 2 мм, который целиком держит на себе машинное обучение.

Он записывает активность мозга, считает силу ритмов и согласованность сигналов между его областями, по этим признакам различает состояния внимания и эмоционального возбуждения и сам выдаёт команду на стимуляцию, когда распознал нужное состояние.

Весь этот путь, от анализа связей между областями до классификации, укладывается в один кристалл и меньше 200 микроватт.

Добились этого переводом вычислений в логарифмический вид, который упрощает нужные операции, причём алгоритмы и схему разрабатывали сразу с оглядкой на ограничения имплантата.

Такой чип нужен для глубокой стимуляции мозга при психиатрических расстройствах.

Большинство приборов работает по заранее заданным настройкам, без обратной связи, а те, что подстраиваются, обычно опираются на сигнал одного участка.

Шоаран исходит из того, что психиатрические расстройства связаны скорее со сбоями в связности между областями мозга, поэтому классификатор смотрит именно на их согласованность.

Проверка чипа прошла успешно на двух материалах - на записях мозга людей из прежних психиатрических экспериментов и на крысах в Университете Миннесоты.

В людей чип пока не вживляли, поэтому реальной точности распознавания и задержки EPFL не приводит.

Модельную часть лаборатория развивает отдельно. На ICML 2026 Шоаран представил RECTOR, способ самообучения на записях ЭЭГ и внутричерепной ЭЭГ, где модель учится на замаскированных фрагментах сразу по трём осям - областям мозга, каналам и времени.

В работе заявляют лучшие результаты в распознавании эмоций и вовлечённости, а также устойчивость к потере отдельных каналов, но конкретных цифр в аннотации нет.


@ai_machinelearning_big_data

#news #ai #ml