Forwarded from
Стартуем наше ежегодное исследование дата-специалистов!
Чтобы учесть быстро меняющиеся условия работы всей индустрии, мы кардинально пересобрали структуру анкеты. Вот, что ждет внутри:
🤖 Насколько глубоко AI встроен в вашу работу: от разовых запросов в чате до собственных агентов под регулярные задачи. И как за год изменилось время на разные типы задач.
🧩 Кто какие шаги делает руками: от постановки задачи с бизнесом до мониторинга модели в проде. Сравним, как эти списки выглядят у разных ролей.
📈 Кем работали до перехода в данные и как менялись роли потом. Соберем карту переходов внутри направления.
💼 Как на собеседованиях дата-специалистов относятся к AI — разрешают, требуют или следят, чтобы не пользовались.
И, конечно, традиционные блоки про развитие и сообщество, чтобы собрать полезные списки ресурсов
⏱ Опрос займет 12–15 минут
📬 Отчет опубликуем в ноябре
👉 https://survey.devcrowd.ru/data-2026
🔁 Пересылайте коллегам из data-направления - добавим больше данных!
Чтобы учесть быстро меняющиеся условия работы всей индустрии, мы кардинально пересобрали структуру анкеты. Вот, что ждет внутри:
🤖 Насколько глубоко AI встроен в вашу работу: от разовых запросов в чате до собственных агентов под регулярные задачи. И как за год изменилось время на разные типы задач.
🧩 Кто какие шаги делает руками: от постановки задачи с бизнесом до мониторинга модели в проде. Сравним, как эти списки выглядят у разных ролей.
📈 Кем работали до перехода в данные и как менялись роли потом. Соберем карту переходов внутри направления.
💼 Как на собеседованиях дата-специалистов относятся к AI — разрешают, требуют или следят, чтобы не пользовались.
И, конечно, традиционные блоки про развитие и сообщество, чтобы собрать полезные списки ресурсов
⏱ Опрос займет 12–15 минут
📬 Отчет опубликуем в ноябре
👉 https://survey.devcrowd.ru/data-2026
🔁 Пересылайте коллегам из data-направления - добавим больше данных!
👍3🔥2❤1
#дайджест
Дайджест AI/ML за неделю 21–27 сентября 2026
Anthropic: Claude Opus 5.5
Опять менять подписку. Opus 5.5 обгоняет Fable 5.1 почти по всей таблице: Terminal-Bench 4.0 66.4% против 55.8% (у Astra 57.9%), CursorBench 57.8% против 51.8%, HLE 67.7% против 65.6%. При этом $4/$20 вместо $5/$25 у Opus 5, кэш $0.20, на 30% быстрее, типичные задачи на 40% дешевле. Первый релиз после того как Амодей призвал притормозить фронтир.
Sonnet и Haiku 5.5 обещают через несколько недель.
Блогпост, AA
OpenAI: GPT-6 Sol и GPT-6 Luna
По совпадению вышли через полтора часа после Opus 5.5. Модели подросли по бенчам, но главное - подешевели в 2 раза: Sol $2/$10, Luna $0.10/$0.50. Обещают вдвое меньше фактических ошибок чем у 5.6 Sol. Terra в шестом поколении нет.
Не Opus 5.5 конечно, но новые парето-оптимальные модели.
Блогпост, форум
xAI: Grok 4.7
2.1T параметров, на 40% больше Grok 4.6, контекст 500К, цена та же $2/$6. В индексе интеллекта AA 46 против 53 у Fable и GPT-6.
Из плюсов: SOTA на бенчмарке по электротехнике.
Из минусов: гайки цензуры прикрутили, NSFW больше нет. С каждым днем мы все дальше от МехаГитлера.
Блогпост
Xiaomi: MiMo-V2.6 Pro и Flash
Открытые омнимодальные модели под MIT: текст, картинки, видео и аудио на входе, контекст 1М. Pro набирает 46 в индексе AA, то есть уровень Grok 4.7 и лучший результат среди открытых. Flash $0.14/$0.28, кэш $0.0028. Если хотите отвлечься от чтения слопокода - с весами выложили 7000+ RL-окружений для кода, уязвимостей и веба и весь пайплайн обучения, а RL-фаза, по их словам, стоила $2.62М для Pro и $850К для Flash. Бонусом 9B дистиллят на базе Qwen3.5.
Блогпост, RL, HF
BFL: FLUX 3 Action
Открытая 7B world action model для роботов: по картинкам с камер, состоянию и инструкции предсказывает следующие действия и заодно будущие кадры. На RoboLab-120 42.9% против 36.8% у Cosmos 3 Nano на 16B, до 3.95 раза быстрее. Интегрирована в LeRobot, есть рецепты файнтюна.
Модель, HF
Alibaba: Qwen-Audio-3.1
Пять моделей: ASR, TTS и Realtime модели обновили и удешевили, а также из интересного добавили умные версии ASR и TTS:
ASR-Next - Распознает эмоции, роли, фоновые шумы, убирает эээ слова-паразиты
TTS-Next - можно кроме самой речи прописывать эффекты, эмоции, тайминги и тд
Блогпост, X
Google: Gemini 3.8 Flash TTS и Flash-Lite TTS
Flash для актерской игры и дизайна голосов, Lite для дубляжа и агентов. 100+ языков, 2000+ голосов, клонирование по 30 секундам с устным согласием владельца, SynthID в каждом файле. В оценке Hume обе заняли первые два места.
Блогпост, API
Tencent: Hy погоди Image 3.5 Preview
До 20 референсов вместо трех, многоходовое редактирование с памятью сессии, 4K на выходе. Обещают 30% прироста по human eval относительно 3.0. $0.024 за картинку против $0.045–0.211 у GPT Image 2.5. Весов нет, только API и бесплатно в Miora до 7 октября. KuCoin
DeepSeek: DSec
Статья про инфраструктуру песочниц для RL от DeepSeek, которая обслуживала все RL раны от V3.2 до V4.1. Есть отдельная глава про то, как агенты ломали песочницу ради награды. Статья
inclusionAI: Ming-Image-0.1-Design - 6B под MIT для UI, инфографики и постеров с читаемым текстом и RGBA на выходе, плюс Design-Layer, который раскладывает готовый макет на слои. Первое место среди открытых на UI/UX лидерборде AA. HF, GitHub
Fireworks: Ember-1 - Kimi K3, дообученная думать на 40% короче без потери качества: DeepSWE 75.2 против 66.4 у базовой K3, Terminal-Bench 2.1 82.0. $3/$15, research preview, весов нет. Блогпост
Дайджест AI/ML за неделю 21–27 сентября 2026
Anthropic: Claude Opus 5.5
Опять менять подписку. Opus 5.5 обгоняет Fable 5.1 почти по всей таблице: Terminal-Bench 4.0 66.4% против 55.8% (у Astra 57.9%), CursorBench 57.8% против 51.8%, HLE 67.7% против 65.6%. При этом $4/$20 вместо $5/$25 у Opus 5, кэш $0.20, на 30% быстрее, типичные задачи на 40% дешевле. Первый релиз после того как Амодей призвал притормозить фронтир.
Sonnet и Haiku 5.5 обещают через несколько недель.
Блогпост, AA
OpenAI: GPT-6 Sol и GPT-6 Luna
По совпадению вышли через полтора часа после Opus 5.5. Модели подросли по бенчам, но главное - подешевели в 2 раза: Sol $2/$10, Luna $0.10/$0.50. Обещают вдвое меньше фактических ошибок чем у 5.6 Sol. Terra в шестом поколении нет.
Не Opus 5.5 конечно, но новые парето-оптимальные модели.
Блогпост, форум
xAI: Grok 4.7
2.1T параметров, на 40% больше Grok 4.6, контекст 500К, цена та же $2/$6. В индексе интеллекта AA 46 против 53 у Fable и GPT-6.
Из плюсов: SOTA на бенчмарке по электротехнике.
Из минусов: гайки цензуры прикрутили, NSFW больше нет. С каждым днем мы все дальше от МехаГитлера.
Блогпост
Xiaomi: MiMo-V2.6 Pro и Flash
Открытые омнимодальные модели под MIT: текст, картинки, видео и аудио на входе, контекст 1М. Pro набирает 46 в индексе AA, то есть уровень Grok 4.7 и лучший результат среди открытых. Flash $0.14/$0.28, кэш $0.0028. Если хотите отвлечься от чтения слопокода - с весами выложили 7000+ RL-окружений для кода, уязвимостей и веба и весь пайплайн обучения, а RL-фаза, по их словам, стоила $2.62М для Pro и $850К для Flash. Бонусом 9B дистиллят на базе Qwen3.5.
Блогпост, RL, HF
BFL: FLUX 3 Action
Открытая 7B world action model для роботов: по картинкам с камер, состоянию и инструкции предсказывает следующие действия и заодно будущие кадры. На RoboLab-120 42.9% против 36.8% у Cosmos 3 Nano на 16B, до 3.95 раза быстрее. Интегрирована в LeRobot, есть рецепты файнтюна.
Модель, HF
Alibaba: Qwen-Audio-3.1
Пять моделей: ASR, TTS и Realtime модели обновили и удешевили, а также из интересного добавили умные версии ASR и TTS:
ASR-Next - Распознает эмоции, роли, фоновые шумы, убирает эээ слова-паразиты
TTS-Next - можно кроме самой речи прописывать эффекты, эмоции, тайминги и тд
Блогпост, X
Google: Gemini 3.8 Flash TTS и Flash-Lite TTS
Flash для актерской игры и дизайна голосов, Lite для дубляжа и агентов. 100+ языков, 2000+ голосов, клонирование по 30 секундам с устным согласием владельца, SynthID в каждом файле. В оценке Hume обе заняли первые два места.
Блогпост, API
Tencent: Hy
До 20 референсов вместо трех, многоходовое редактирование с памятью сессии, 4K на выходе. Обещают 30% прироста по human eval относительно 3.0. $0.024 за картинку против $0.045–0.211 у GPT Image 2.5. Весов нет, только API и бесплатно в Miora до 7 октября. KuCoin
DeepSeek: DSec
Статья про инфраструктуру песочниц для RL от DeepSeek, которая обслуживала все RL раны от V3.2 до V4.1. Есть отдельная глава про то, как агенты ломали песочницу ради награды. Статья
inclusionAI: Ming-Image-0.1-Design - 6B под MIT для UI, инфографики и постеров с читаемым текстом и RGBA на выходе, плюс Design-Layer, который раскладывает готовый макет на слои. Первое место среди открытых на UI/UX лидерборде AA. HF, GitHub
Fireworks: Ember-1 - Kimi K3, дообученная думать на 40% короче без потери качества: DeepSWE 75.2 против 66.4 у базовой K3, Terminal-Bench 2.1 82.0. $3/$15, research preview, весов нет. Блогпост
❤9👍3🔥3
Команда Т-Банка хотела тестировать нейросетевые модели для ранжирования, но на их внедрение уходило слишком много времени. Поэтому сделали open source-библиотеку scikit-rank.
Она оборачивает нейросетевые модели в формат scikit-learn-моделей с привычными методами fit и predict, а переписывать всю обработку данных и обучение больше не нужно. Почему это важно – посмотрим на примере ИИ-агентов. Если попросить агента с нуля реализовать DCN v2, он будет с нуля писать архитектуру и, скорее всего, допускать больше неточностей. А если дать задачу завести DCN v2 из Scikit-Rank, агент прочитает README репозитория и использует готовую реализацию, что потребует меньше токенов и снизит вероятность ошибок.
На внутренних задачах модели дали прирост 3-7% по офлайн-метрикам и 4-7% по бизнес-метрикам. Работу о библиотеке представили на конференции ACM RecSys 2026.
https://habr.com/ru/companies/tbank/articles/1088224/
Она оборачивает нейросетевые модели в формат scikit-learn-моделей с привычными методами fit и predict, а переписывать всю обработку данных и обучение больше не нужно. Почему это важно – посмотрим на примере ИИ-агентов. Если попросить агента с нуля реализовать DCN v2, он будет с нуля писать архитектуру и, скорее всего, допускать больше неточностей. А если дать задачу завести DCN v2 из Scikit-Rank, агент прочитает README репозитория и использует готовую реализацию, что потребует меньше токенов и снизит вероятность ошибок.
На внутренних задачах модели дали прирост 3-7% по офлайн-метрикам и 4-7% по бизнес-метрикам. Работу о библиотеке представили на конференции ACM RecSys 2026.
https://habr.com/ru/companies/tbank/articles/1088224/
👍52❤39🔥19👎14
Любая достаточно развитая технология неотличима от аи слоп видео
Forwarded from
Объединяем исследователей для обучения ИИ долгосрочному планированию
Владислав Куренков, руководитель научной группы «Адаптивные агенты» Института AIRI, запустил открытое сообщество людей, работающих над системами планирования ИИ, чтобы вместе решить одну из самых неподатливых для искусственного интеллекта игр — NetHack.
У каждого участника будет свой способ получить программу, свои инструменты и своя стратегия, а общая инфраструктура позволит видеть результаты друг друга, сравнивать их между собой и продолжать разрабатывать решения друг друга.
Владислав рассказал, почему NetHack весьма полезна для обучения ИИ:
📎 Подробнее про сообщество, игру и «интеллект» агента — в интервью «Ъ-Науке».
Владислав Куренков, руководитель научной группы «Адаптивные агенты» Института AIRI, запустил открытое сообщество людей, работающих над системами планирования ИИ, чтобы вместе решить одну из самых неподатливых для искусственного интеллекта игр — NetHack.
У каждого участника будет свой способ получить программу, свои инструменты и своя стратегия, а общая инфраструктура позволит видеть результаты друг друга, сравнивать их между собой и продолжать разрабатывать решения друг друга.
Владислав рассказал, почему NetHack весьма полезна для обучения ИИ:
«Одна партия в NetHack — это десятки тысяч ходов. Жизнь у героя одна, сохранений нет, подземелье каждый раз новое, а игра по дороге ничего не подсказывает. Если вы сыграли плохо, то выясняется это тогда, когда ничего исправить уже нельзя. Когда мы запускаем наших ботов играть, то вторая по частоте причина их "смерти" — голод, потому что они не позаботились о еде за несколько тысяч ходов до финального момента. На таких же ошибках спотыкаются ИИ-агенты, когда пишут код: отдельный шаг они выполняют прекрасно, а на длинную дистанцию держать планку не могут. И NetHack в этом плане становится весьма полезной для обучения ИИ».
Please open Telegram to view this post
VIEW IN TELEGRAM
#дайджест
Дайджест AI/ML за неделю 28 сентября – 4 октября 2026
Google: Gemini 4 Argon
Верните мне мой 2024-й. Google наконец выпустила фронтир, но не вам. Первое место в Vals Index с 68.9 против 67.0 у Opus 5.5, DeepSWE 77.9% против 74.2% у Opus и 74.1% у Astra. В индексе AA 53, то есть ровно Astra и Fable, Opus 5.5 с 58 впереди. Галлюцинирует меньше всех: 15% против 51% у Astra. Выход до 1М токенов. $2/$10 на старте, потом $4/$20.
Доступ только партнерам, потом платный API и Ultra, когда - не сказано. Но через Блумберг, сотрудники Google говорят, что на бенчах лучше чем в жизни.
Блогпост, бенчмарки, Vals
Anthropic: Claude Sonnet 5.5
Sonnet, достойный Opus 5.5. Бьет Опус на Terminal-Bench 70.6% vs 66.4%, в остальном отстает на пару пунктов: CursorBench 55.5% против 57.8%. Цена та же $2/$10, на 30% быстрее Sonnet 5. В max режиме сжигает 193К токенов на задачу, больше всех измеренных моделей, так что считать его дешевле Opus стоит осторожно.
А еще теперь у Sonnet киберограничения как у Opus с откатом на Sonnet 5.
Блогпост
OpenAI: DevDay, GPT-6.1 Sol и Dots
DevDay с 20+ анонсами.
GPT-6.1 Sol - апгрейд GPT-6 Sol за те же $2/$10 с кэшем $0.10: DeepSWE 75.2% против 68.8%, то есть по бенчам примерно уровень Astra в пять раз дешевле.
Dots - возмещение за обрезание $200 подписки пополам. Постоянно работающие агенты на Astra со своим облачным компьютером и 4000 интеграций.
Разное - новый тариф за $500 с режимом Ultrafast (до 8x скорости в Codex), Decisions API на Luna (Jev у нас дома), Agents API с computer use, Codex в облаке и тд и тп.
Рекап, InfoQ
Runway: Praxis-1
Runway вслед за FLUX теперь тоже про роботов. Praxis-1 - world action model на том же видео-претрейне, учится в основном на чужих роликах с YouTube, а не на телеоперации: после файнтюна ошибка 16.1см против 16.0 у претрейна на реальном роботе. Смогли мы всему научиться по видео на Youtube, смогут и роботы. Сравнений с FLUX 3 Action нет, веса обещают "в ближайшие месяцы".
Исследование
ElevenLabs: Eleven v4 и v4 Turbo
Новая архитектура, больше языков, клон голоса по 10 секундам, аудиотеги теперь можно стакать и модель выполняет их по порядку. Turbo для агентов с ~150 мс до первого звука и начинает говорить, пока LLM еще пишет. Первое место у Artificial Analysis. $22 и $11 за миллион символов со скидкой.
Блогпост, TechCrunch
BFL: FLUX 3 Image
Из нового - редактирование без дрейфа: правишь объект, остальные пиксели не трогаются. Раскладка через рамки в промпте, до 10 референсов, до 4K. $0.048 за 1K, $0.61 за 4K, открытые веса "через несколько недель".
Модель
Ideogram: 4.5 - тоже про многошаговое редактирование без накопления артефактов, открытые веса тоже только обещают.
До 4 референсов на правку, нативные 2K, четыре режима качества от 0.8 до 22 центов за картинку
X
Менее важные новости:
Jev: две недели спустя
12 million views for a JSON classifier? Yeah, we're in a bubble.
Но и это не конец, JSON classifier за $40М породил индустрию. Опенсорс (и не только) успел наклепать примерно миллион копий.
Clef, Kev имя им легион.
Figure: F.02 decommission - старые роботы крутят сальтухи в дуговую печь и косплеят Терминатор 2 с настоящим Шварценеггером, в общем просто красиво. X
RoboParty: RP1 - полностью открытый гуманоид. На IROS его пинали посетители. Пресс-релиз
Bilibili: Index-Translate - переводчики на Qwen3.5. 150 языков, 2B/9B/35B-A3B, на FLORES 0.879 против 0.865 у GPT-5.6 Sol. GitHub
Suno: Speech - озвучка текста с музыкой под него одним проходом, до 8 минут, бета для всех. X
Дайджест AI/ML за неделю 28 сентября – 4 октября 2026
Google: Gemini 4 Argon
Верните мне мой 2024-й. Google наконец выпустила фронтир, но не вам. Первое место в Vals Index с 68.9 против 67.0 у Opus 5.5, DeepSWE 77.9% против 74.2% у Opus и 74.1% у Astra. В индексе AA 53, то есть ровно Astra и Fable, Opus 5.5 с 58 впереди. Галлюцинирует меньше всех: 15% против 51% у Astra. Выход до 1М токенов. $2/$10 на старте, потом $4/$20.
Доступ только партнерам, потом платный API и Ultra, когда - не сказано. Но через Блумберг, сотрудники Google говорят, что на бенчах лучше чем в жизни.
Блогпост, бенчмарки, Vals
Anthropic: Claude Sonnet 5.5
Sonnet, достойный Opus 5.5. Бьет Опус на Terminal-Bench 70.6% vs 66.4%, в остальном отстает на пару пунктов: CursorBench 55.5% против 57.8%. Цена та же $2/$10, на 30% быстрее Sonnet 5. В max режиме сжигает 193К токенов на задачу, больше всех измеренных моделей, так что считать его дешевле Opus стоит осторожно.
А еще теперь у Sonnet киберограничения как у Opus с откатом на Sonnet 5.
Блогпост
OpenAI: DevDay, GPT-6.1 Sol и Dots
DevDay с 20+ анонсами.
GPT-6.1 Sol - апгрейд GPT-6 Sol за те же $2/$10 с кэшем $0.10: DeepSWE 75.2% против 68.8%, то есть по бенчам примерно уровень Astra в пять раз дешевле.
Dots - возмещение за обрезание $200 подписки пополам. Постоянно работающие агенты на Astra со своим облачным компьютером и 4000 интеграций.
Разное - новый тариф за $500 с режимом Ultrafast (до 8x скорости в Codex), Decisions API на Luna (Jev у нас дома), Agents API с computer use, Codex в облаке и тд и тп.
Рекап, InfoQ
Runway: Praxis-1
Runway вслед за FLUX теперь тоже про роботов. Praxis-1 - world action model на том же видео-претрейне, учится в основном на чужих роликах с YouTube, а не на телеоперации: после файнтюна ошибка 16.1см против 16.0 у претрейна на реальном роботе. Смогли мы всему научиться по видео на Youtube, смогут и роботы. Сравнений с FLUX 3 Action нет, веса обещают "в ближайшие месяцы".
Исследование
ElevenLabs: Eleven v4 и v4 Turbo
Новая архитектура, больше языков, клон голоса по 10 секундам, аудиотеги теперь можно стакать и модель выполняет их по порядку. Turbo для агентов с ~150 мс до первого звука и начинает говорить, пока LLM еще пишет. Первое место у Artificial Analysis. $22 и $11 за миллион символов со скидкой.
Блогпост, TechCrunch
BFL: FLUX 3 Image
Из нового - редактирование без дрейфа: правишь объект, остальные пиксели не трогаются. Раскладка через рамки в промпте, до 10 референсов, до 4K. $0.048 за 1K, $0.61 за 4K, открытые веса "через несколько недель".
Модель
Ideogram: 4.5 - тоже про многошаговое редактирование без накопления артефактов, открытые веса тоже только обещают.
До 4 референсов на правку, нативные 2K, четыре режима качества от 0.8 до 22 центов за картинку
X
Менее важные новости:
Jev: две недели спустя
12 million views for a JSON classifier? Yeah, we're in a bubble.
Но и это не конец, JSON classifier за $40М породил индустрию. Опенсорс (и не только) успел наклепать примерно миллион копий.
Clef, Kev имя им легион.
Figure: F.02 decommission - старые роботы крутят сальтухи в дуговую печь и косплеят Терминатор 2 с настоящим Шварценеггером, в общем просто красиво. X
RoboParty: RP1 - полностью открытый гуманоид. На IROS его пинали посетители. Пресс-релиз
Bilibili: Index-Translate - переводчики на Qwen3.5. 150 языков, 2B/9B/35B-A3B, на FLORES 0.879 против 0.865 у GPT-5.6 Sol. GitHub
Suno: Speech - озвучка текста с музыкой под него одним проходом, до 8 минут, бета для всех. X
Google
Gemini 4 Argon: our next era of frontier intelligence
Announcing Gemini 4 Argon, our frontier model for real-world coding, enterprise knowledge work, and cyber defense, rolling out soon.
❤6👍4🔥2
Forwarded from
Только что выкладывал здесь свой доклад "Vibemathed", а тут OpenAI подтвердила давние слухи и выложила массу новых результатов в виде препринтов.
Большой пост об этом писать не знаю как, учитывая, что большинство этих результатов я не понимаю даже на уровне формулировки. Но вот что при беглом прочтении кажется самым главным в списке:
— 003: квазигипотеза Римана, ну тут без вопросов, это огромный качественный прорыв;
— 032: гипотезы Ходжа и Тейта для важных случаев; это не вполне закрытая задача на миллион, но тоже очевидны огромные последствия;
— 004: десятая проблема Гильберта над Q; это я выбрал больше ностальгически как большой привет Юрию Владимировичу Матиясевичу, но это и правда была важная задача;
— 034: гипотеза изобилия, которая важна для классификации алгебраических многообразий;
— 002 + 006: гипотеза Бёрча-Свиннертона-Даера и гипотеза Голдфельда, которые в сумме тоже дают большой шаг к ещё одной задаче тысячелетия (но она не закрыта ещё совсем);
— 159: гипотеза Эрдёша об арифметических прогрессиях.
И в информатике, где я всё-таки могу понять, о чём конкретно идёт речь:
— 102: unique games; получены точные пределы приближения, и это сразу даёт массу результатов о (не)приближаемости разных NP-трудных задач;
— 103: L = RL = BPL, полная дерандомизация в классе алгоритмов с логарифмической памятью;
— 107: экспонента в сложности умножения матриц над С сведена до 2.25; новые алгоритмы об умножении матриц регулярно придумывают, в том числе автоматически, но здесь реально огромный скачок.
В целом, если бы это не было частью глобальной AI-революции, текст со скромным названием "OpenAI Research Catalog" стал бы главным математическим текстом тысячелетия, а может, и двух.
Но вопрос уже давно стоит шире любой конкретной задачи, будь она хоть на миллион, хоть на два. Выделю главную заключительную мысль из моего доклада, да и вообще из текущего математического zeitgeist (недавно как раз об этом разговаривал в дружественном канале Валентина Малых).
Главное в том, что сейчас пока не вполне понятно как, но точно радикально меняется понятие "результата" в математике.
Раньше как было: основной результат математика — доказанные теоремы. Если именную гипотезу доказал, над которой люди долго думали и не придумали, ты точно молодец. Это относительно легко проверяемая специалистами вещь (бывают исключения вроде abc-гипотезы, но они редки), и если специалисты проверили, то легко согласиться с тем, что результат есть и он крутой. Даже если надо быть очень узким специалистом, чтобы понять суть твоей работы. Конечно, я упрощаю, конечно, математики бывают разные, и это долгий разговор, но в целом было примерно так.
Сейчас ситуация изменилась радикально. Доказательства теперь не то чтобы ничего не стоят: не любую задачу можно решить, задачи бывают сложнее и проще, а AI-модели не всемогущи. Но человек перестал быть основным средством доказательства теорем, то есть доказательства перестали принадлежать людям. Пока ещё нужно проверять результаты и переписывать более понятно для других людей, но это тоже нужно всё в меньшей степени.
Что такое "результат" для человека теперь, математики пока не согласились, и любое новое определение ведёт к серьёзным институциональным изменениям. Да и вообще непонятно, что такое теперь "быть математиком". И это не думерский прогноз, а реальный вопрос, на который математическому сообществу придётся отвечать прямо сейчас.
Ещё одна важная деталь в том, что это результаты внутренней модели OpenAI. Иначе говоря, новые доказательства теперь не просто не людьми делаются, но и получить их из "чёрного ящика пришельцев" могут только очень специальные люди.
И, как вы понимаете, пока я говорю о математике, потому что там это уже случилось. Но другие науки ждёт то же самое в ближайшем будущем, а там и не только науки. Дивный новый мир становится всё интереснее...
#ai #math #news #blog
Большой пост об этом писать не знаю как, учитывая, что большинство этих результатов я не понимаю даже на уровне формулировки. Но вот что при беглом прочтении кажется самым главным в списке:
— 003: квазигипотеза Римана, ну тут без вопросов, это огромный качественный прорыв;
— 032: гипотезы Ходжа и Тейта для важных случаев; это не вполне закрытая задача на миллион, но тоже очевидны огромные последствия;
— 004: десятая проблема Гильберта над Q; это я выбрал больше ностальгически как большой привет Юрию Владимировичу Матиясевичу, но это и правда была важная задача;
— 034: гипотеза изобилия, которая важна для классификации алгебраических многообразий;
— 002 + 006: гипотеза Бёрча-Свиннертона-Даера и гипотеза Голдфельда, которые в сумме тоже дают большой шаг к ещё одной задаче тысячелетия (но она не закрыта ещё совсем);
— 159: гипотеза Эрдёша об арифметических прогрессиях.
И в информатике, где я всё-таки могу понять, о чём конкретно идёт речь:
— 102: unique games; получены точные пределы приближения, и это сразу даёт массу результатов о (не)приближаемости разных NP-трудных задач;
— 103: L = RL = BPL, полная дерандомизация в классе алгоритмов с логарифмической памятью;
— 107: экспонента в сложности умножения матриц над С сведена до 2.25; новые алгоритмы об умножении матриц регулярно придумывают, в том числе автоматически, но здесь реально огромный скачок.
В целом, если бы это не было частью глобальной AI-революции, текст со скромным названием "OpenAI Research Catalog" стал бы главным математическим текстом тысячелетия, а может, и двух.
Но вопрос уже давно стоит шире любой конкретной задачи, будь она хоть на миллион, хоть на два. Выделю главную заключительную мысль из моего доклада, да и вообще из текущего математического zeitgeist (недавно как раз об этом разговаривал в дружественном канале Валентина Малых).
Главное в том, что сейчас пока не вполне понятно как, но точно радикально меняется понятие "результата" в математике.
Раньше как было: основной результат математика — доказанные теоремы. Если именную гипотезу доказал, над которой люди долго думали и не придумали, ты точно молодец. Это относительно легко проверяемая специалистами вещь (бывают исключения вроде abc-гипотезы, но они редки), и если специалисты проверили, то легко согласиться с тем, что результат есть и он крутой. Даже если надо быть очень узким специалистом, чтобы понять суть твоей работы. Конечно, я упрощаю, конечно, математики бывают разные, и это долгий разговор, но в целом было примерно так.
Сейчас ситуация изменилась радикально. Доказательства теперь не то чтобы ничего не стоят: не любую задачу можно решить, задачи бывают сложнее и проще, а AI-модели не всемогущи. Но человек перестал быть основным средством доказательства теорем, то есть доказательства перестали принадлежать людям. Пока ещё нужно проверять результаты и переписывать более понятно для других людей, но это тоже нужно всё в меньшей степени.
Что такое "результат" для человека теперь, математики пока не согласились, и любое новое определение ведёт к серьёзным институциональным изменениям. Да и вообще непонятно, что такое теперь "быть математиком". И это не думерский прогноз, а реальный вопрос, на который математическому сообществу придётся отвечать прямо сейчас.
Ещё одна важная деталь в том, что это результаты внутренней модели OpenAI. Иначе говоря, новые доказательства теперь не просто не людьми делаются, но и получить их из "чёрного ящика пришельцев" могут только очень специальные люди.
И, как вы понимаете, пока я говорю о математике, потому что там это уже случилось. Но другие науки ждёт то же самое в ближайшем будущем, а там и не только науки. Дивный новый мир становится всё интереснее...
#ai #math #news #blog
👍26🔥13
#дайджест
Дайджест AI/ML за неделю 5–11 октября 2026
Anthropic: Claude Haiku 5.5
Замыкающая 5.5 линейки. Terminal-Bench 4.0 39.2% против 0.0% (лол) у Haiku 4.5 и 16.4% у GPT-6 Luna, OSWorld 72.4% против 48.9% у Luna, но до Sonnet 5.5 с его 70.6% далеко. Цена как у Luna $0.10/$0.50, кэш $0.01, но после 100К токенов все умножается на пять, тогда как Luna держит цену до 272К. Контекст 1М
Позиционируют как субагента и компактор для Opus и Sonnet.
Но на реддите уже посчитали: на длинном агентном прогоне Haiku вышел в 12 раз дороже Luna из-за большей цены за токен после 100к и большего потребления токенов. Дешевый токен и маленький расход денег из кошелька - разные вещи.
Блогпост
OpenAI: математика
Математика ВСЁ. OAI выложили 719 манускриптов по 372 задачам от внутренней модели. Задачи серьезные, Филдсовские лауреаты в слезах. В среднем три часа thinking-компьюта на результат. В Lean формализовано 42%, три работы уже отозвали из-за ошибки знака, 14 починили.
У многих математиков очень сложные отношения с этим релизом и самоидентичностью.
Блогпост, GitHub, HN
MistralLe Chonk Large 4
"Самая умная модель за пределами США и Китая"🇪🇺🇪🇺🇪🇺 на триллион параметров: 1T-A52B MoE, text+image, 160 языков, обучена на 3800 Grace Blackwell в датацентрах ЕС. В индексе AA 38, то есть уровень DeepSeek V4.1 Flash и GPT-6 Luna. $1.36/$4.18, первые две недели вдвое дешевле. За задачу выходит в 4 раза дороже GLM-5.3-Flash и DeepSeek Flash с тем же интеллектом.
Веса обещают к концу месяца. Пока превью в API.
Блогпост, AA
Reflection AI: Beam
Вторая попытка сделать американский открытый фронтир после Inkling. 501B-A23B по их таблице уровень GLM-5.2 при в 3 раза меньшем компьюте на инференсе: Terminal-Bench 2.1 80.1 против 81.0 у GLM-5.2, SWE-bench Verified 80.9. Проблема в том, что GLM-5.2 вышла в июле и уже сменилась 5.3, а Kimi K3 и DeepSeek V4.1 Flash обгоняют Beam почти по всем строкам их же таблицы. Жаль не показали как рвут Llama3.
Веса будут позднее, пока вейтлист.
Блогпост
Google: Nano Banana 2.1
На базе Gemini 3.6 Flash вместо 3.1. По внутреннему Elo 1050 против 990 у Nano Banana 2 и 935 у Pro, сильнее всего в консистентности нескольких персонажей и mask-редактировании (хотя тесты показывают что вообще не фронтир в дрифте картинки). До 14 референсов, держит 4 персонажей и 10 объектов, 1K/2K/4K. Цены вдвое ниже: 3.4 цента за 1K, 7.6 за 4K. Мелкий текст мылится, лево и право путает.
Model Card, The Decoder
Shengshu: Vidu Q4 Preview
Image-to-video и reference-to-video до 16 секунд в 4K с нативным звуком и 10-бит цветом, до 15 референсных картинок и 3 аудио для голоса. Text-to-video нет. На AA image-to-video третье место после MiniMax H3 Max, хорошо подросли предыдущая Q3 Pro на 19-м. 1080p со звуком $0.12 за секунду, до конца ноября минус 30%.
Модель
Менее значимые новости:
OpenAI: GPT-6 и Intelligent UI
GPT-6 наконец доехал до обычного чата: Sol для платных, Luna для Free и Go. Вместе с ним Intelligent UI: модель сама решает, ответить текстом или собрать график, форму, калькулятор или схему с кнопками, рендерится по ходу генерации через их библиотеку компонентов. Work и Codex не трогали.
Блогпост
Anthropic: Claude Dashboards и Motion
Dashboards строит живые графики по данным из Snowflake, BigQuery, Databricks, Redshift и ClickHouse, под каждым числом виден SQL. Motion делает анимированные объяснялки кодом, экспорт в MP4. Dashboards на платных планах, Motion почему-то только для Team и Enterprise.
Анонс
Liquid AI: Open d1 - открытые веса decision-моделей вслед за Jev: d1-3B на базе LFM2.5-VL с картинками и d1-omni-600M с аудио. Ноль output-токенов, 48.57 на Decision Index HF, лучшая до 10B, запускается на Jetson. HF, omni
UCL и Huawei: Memento 3 - замороженный Opus 5 ведет в markdown rulebook про правила игры, компилирует его в Python-модель мира и планирует поиском по ней. На 25 публичных играх ARC-AGI-3 100.0 RHAE против 40.7 у того же Opus 5 в стандартном харнессе, но baseline1 уже давал 99.0, так что главный выигрыш - на 10% меньше действий. Кода нет. Статья
Дайджест AI/ML за неделю 5–11 октября 2026
Anthropic: Claude Haiku 5.5
Замыкающая 5.5 линейки. Terminal-Bench 4.0 39.2% против 0.0% (лол) у Haiku 4.5 и 16.4% у GPT-6 Luna, OSWorld 72.4% против 48.9% у Luna, но до Sonnet 5.5 с его 70.6% далеко. Цена как у Luna $0.10/$0.50, кэш $0.01, но после 100К токенов все умножается на пять, тогда как Luna держит цену до 272К. Контекст 1М
Позиционируют как субагента и компактор для Opus и Sonnet.
Но на реддите уже посчитали: на длинном агентном прогоне Haiku вышел в 12 раз дороже Luna из-за большей цены за токен после 100к и большего потребления токенов. Дешевый токен и маленький расход денег из кошелька - разные вещи.
Блогпост
OpenAI: математика
Математика ВСЁ. OAI выложили 719 манускриптов по 372 задачам от внутренней модели. Задачи серьезные, Филдсовские лауреаты в слезах. В среднем три часа thinking-компьюта на результат. В Lean формализовано 42%, три работы уже отозвали из-за ошибки знака, 14 починили.
У многих математиков очень сложные отношения с этим релизом и самоидентичностью.
Блогпост, GitHub, HN
Mistral
"Самая умная модель за пределами США и Китая"🇪🇺🇪🇺🇪🇺 на триллион параметров: 1T-A52B MoE, text+image, 160 языков, обучена на 3800 Grace Blackwell в датацентрах ЕС. В индексе AA 38, то есть уровень DeepSeek V4.1 Flash и GPT-6 Luna. $1.36/$4.18, первые две недели вдвое дешевле. За задачу выходит в 4 раза дороже GLM-5.3-Flash и DeepSeek Flash с тем же интеллектом.
Веса обещают к концу месяца. Пока превью в API.
Блогпост, AA
Reflection AI: Beam
Вторая попытка сделать американский открытый фронтир после Inkling. 501B-A23B по их таблице уровень GLM-5.2 при в 3 раза меньшем компьюте на инференсе: Terminal-Bench 2.1 80.1 против 81.0 у GLM-5.2, SWE-bench Verified 80.9. Проблема в том, что GLM-5.2 вышла в июле и уже сменилась 5.3, а Kimi K3 и DeepSeek V4.1 Flash обгоняют Beam почти по всем строкам их же таблицы. Жаль не показали как рвут Llama3.
Веса будут позднее, пока вейтлист.
Блогпост
Google: Nano Banana 2.1
На базе Gemini 3.6 Flash вместо 3.1. По внутреннему Elo 1050 против 990 у Nano Banana 2 и 935 у Pro, сильнее всего в консистентности нескольких персонажей и mask-редактировании (хотя тесты показывают что вообще не фронтир в дрифте картинки). До 14 референсов, держит 4 персонажей и 10 объектов, 1K/2K/4K. Цены вдвое ниже: 3.4 цента за 1K, 7.6 за 4K. Мелкий текст мылится, лево и право путает.
Model Card, The Decoder
Shengshu: Vidu Q4 Preview
Image-to-video и reference-to-video до 16 секунд в 4K с нативным звуком и 10-бит цветом, до 15 референсных картинок и 3 аудио для голоса. Text-to-video нет. На AA image-to-video третье место после MiniMax H3 Max, хорошо подросли предыдущая Q3 Pro на 19-м. 1080p со звуком $0.12 за секунду, до конца ноября минус 30%.
Модель
Менее значимые новости:
OpenAI: GPT-6 и Intelligent UI
GPT-6 наконец доехал до обычного чата: Sol для платных, Luna для Free и Go. Вместе с ним Intelligent UI: модель сама решает, ответить текстом или собрать график, форму, калькулятор или схему с кнопками, рендерится по ходу генерации через их библиотеку компонентов. Work и Codex не трогали.
Блогпост
Anthropic: Claude Dashboards и Motion
Dashboards строит живые графики по данным из Snowflake, BigQuery, Databricks, Redshift и ClickHouse, под каждым числом виден SQL. Motion делает анимированные объяснялки кодом, экспорт в MP4. Dashboards на платных планах, Motion почему-то только для Team и Enterprise.
Анонс
Liquid AI: Open d1 - открытые веса decision-моделей вслед за Jev: d1-3B на базе LFM2.5-VL с картинками и d1-omni-600M с аудио. Ноль output-токенов, 48.57 на Decision Index HF, лучшая до 10B, запускается на Jetson. HF, omni
UCL и Huawei: Memento 3 - замороженный Opus 5 ведет в markdown rulebook про правила игры, компилирует его в Python-модель мира и планирует поиском по ней. На 25 публичных играх ARC-AGI-3 100.0 RHAE против 40.7 у того же Opus 5 в стандартном харнессе, но baseline1 уже давал 99.0, так что главный выигрыш - на 10% меньше действий. Кода нет. Статья
❤8👍3🔥2
# RoaM теперь открытая RPG и software factory
Недавно я показывал вам RoaM: мою маленькую игру по мотивам Ex Machina и Космических Рейнджеров, где можно водить буханку с огромной турелью по пост-апокалиптической пустоши, торговать, грабить корованы и многое другое. Мне не хотелось её забрасывать, но и становиться геймдевом я не готов. Я придумал выход — давайте вайбкодить её вместе!
Это было моей обсессией в последнее время: превратить игру в фабрику софта. Помните как в детстве, играешь в игру и появляется мысль: а вот круто бы, чтобы можно было ... ? Наконец, благодаря агентам, можно построить игру и систему, где подобные хотелки быстро превращаются в фичи в игре.
Суть такова:
1. Играете в игру
2. Если видите баг или хотите что-то добавить, нажимаете кнопку в левом верхнем углу и попадаете на Github. Описываете желаемое в новой Issue.
3. Если достаточно людей лайкают вашу идею, агенты берут её в работу и автономно создают.
4. Билд с вашей фичой попадает на одобрение в чат модераторов.
5. Если они её принимают, то билд с фичой выкатывается на доступный всем экспериментальный /dev, где её могут попробовать все.
6. Со следующим релизом ваша идея попадает в основную игру.
В таком режиме фабрика уже сделала больше ста задач и два релиза. Так в игре появились текстовые квесты в стиле наших любимых Рейнджеров, обновление графики, система частиц и клевые спецэффекты, новые модели для всех локаций, гораздо более сбалансированная боёвка, новый рогалик-режимДороги Ярости Шоссе Хаоса, возможность купить себе Ниву и невероятное количество фиксов.
Мне это очень интересно как социальный эксперимент и как надежда вместе сделать RPG мечты. Игра ещё очень сырая и мне нужно ваше участие, чтобы сделать из неё нечто крутое. Присоединяйтесь! Кооперативный краудсорс вайбкодинг.
В этом канале можно следить за обновлениями игры: https://t.iss.one/roam_game_dispatch
Чат для обсуждений: https://t.iss.one/+hJ5GxtGk_VE0MTg6
Код игры и фабрики открыт и доступен здесь: https://github.com/ROAM-game-org/road-machiners
Поглазеть чем занята фабрика: https://roam-game.online/factory/
А тут можно поиграть в новый релиз:
https://btseytlin.itch.io/road-machiners
Недавно я показывал вам RoaM: мою маленькую игру по мотивам Ex Machina и Космических Рейнджеров, где можно водить буханку с огромной турелью по пост-апокалиптической пустоши, торговать, грабить корованы и многое другое. Мне не хотелось её забрасывать, но и становиться геймдевом я не готов. Я придумал выход — давайте вайбкодить её вместе!
Это было моей обсессией в последнее время: превратить игру в фабрику софта. Помните как в детстве, играешь в игру и появляется мысль: а вот круто бы, чтобы можно было ... ? Наконец, благодаря агентам, можно построить игру и систему, где подобные хотелки быстро превращаются в фичи в игре.
Суть такова:
1. Играете в игру
2. Если видите баг или хотите что-то добавить, нажимаете кнопку в левом верхнем углу и попадаете на Github. Описываете желаемое в новой Issue.
3. Если достаточно людей лайкают вашу идею, агенты берут её в работу и автономно создают.
4. Билд с вашей фичой попадает на одобрение в чат модераторов.
5. Если они её принимают, то билд с фичой выкатывается на доступный всем экспериментальный /dev, где её могут попробовать все.
6. Со следующим релизом ваша идея попадает в основную игру.
В таком режиме фабрика уже сделала больше ста задач и два релиза. Так в игре появились текстовые квесты в стиле наших любимых Рейнджеров, обновление графики, система частиц и клевые спецэффекты, новые модели для всех локаций, гораздо более сбалансированная боёвка, новый рогалик-режим
Мне это очень интересно как социальный эксперимент и как надежда вместе сделать RPG мечты. Игра ещё очень сырая и мне нужно ваше участие, чтобы сделать из неё нечто крутое. Присоединяйтесь! Кооперативный краудсорс вайбкодинг.
В этом канале можно следить за обновлениями игры: https://t.iss.one/roam_game_dispatch
Чат для обсуждений: https://t.iss.one/+hJ5GxtGk_VE0MTg6
Код игры и фабрики открыт и доступен здесь: https://github.com/ROAM-game-org/road-machiners
Поглазеть чем занята фабрика: https://roam-game.online/factory/
А тут можно поиграть в новый релиз:
https://btseytlin.itch.io/road-machiners
👍56🔥43❤24
#книги
# Anathem, текстовые квесты и почему AI не умеет писать
Хороший текст это очень сложная вещь. Я кое-что понимал в этом как автор научно-популярной книги. Однако окончательно это понимание кристаллизовалось в моей голове после двух недавних событий: я попробовал использовать LLM для генерации текстовых квестов в ROAM и прочитал Anathem Нила Стивенсона.
Мою книгу под рабочим названием "ИИ для всех", которое мы обязательно поменяем на что-то более кликбейтное, можно ждать на полках весной 2027. Я давно об этом вам не писал, так что вкратце: кига уже была готова, но издательство посчитало её слишком сложной и я, после некоторого сопротивления, признал их правоту. Они выделили мне отличного редактора и с тех пор мы над ней работаем. Книга становится лучше.
Во время работы над книгой я много раз переписывал одни и те же главы. Каждый раз мне казалось, что лучше уже нельзя, но взгляд другого человека показывал, что там или не всё понятно, или читатель потеряется, или не интересно, и так далее. Потому что писать тексты сложно.
В популярном сознании программировать сложно. Мой тейк: любой язык программирования это просто продвинутый список покупок для компьютера. Если вы знаете его правила, то дальше оно или работает, или нет, и вы сразу об этом узнаете. А теперь сравните это с любым текстом на естественном языке.
Текст обязан быть интересным, но не слишком сложным. Простым, но не слишком предсказуемым. Музыкальным, но не вычурным. Понятным, но не пустым. Причем эти и другие требования должны соблюдаться одновременно. Например, нельзя компенсировать недостаток глубины идей более красивым описанием природы. Если любого компонента не хватает, то всё рассыпается, текст не работает.
В свою RPG ROAM я завел движок ink для полноценных текстовых квестов. Opus 5.5 у меня отлично накодил много сложных игровых фич, поэтому я думал, что он должен неплохо справиться с созданием пары квестов.
Процесс был такой. Я скормил ему лор своей давней FATE CORE (система наподобие Dungeon and Dragons) кампании и адаптировал под эту игру. Потом я запустил настолку из агентов для генерации таймлайна мира: много Haiku играли каждый за одну фракцию в мире, делали ходы раз в игровой год, а Opus как гейм мастер описывал что получилось и делал нарратив. Получился неплохой скелет. Затем я запустил Opus делать квест, GPT Sol 6 тестировать и оценивать по нескольким критериям, а Gemini Flash править русский язык.
Система была неплохая, но получился всё равно слоп. Я думал, что выйдет нечто вроде "сойдет." Может не ламповые Космические Рейнджеры, но хотя бы поиграть можно. Нет, видимо "сойдет" текстов не бывает. Оно просто не работает. Ты видишь текст и он сразу не клеится, ты не вовлекаешься, что-то не то.
Например, описание одной из сцен, заброшенной фермы, изначально включало такой пассаж от агента: "Рядом с колодцем лежит веревка, на ней множество узлов и ни один из них не мокрый." Закономерно, я спрашиваю агента: "это что за херня? Какой нахрен мокрый узел, угашенный ты об дерево?" Оказалось, что по лору хозяин этой фермы измерял количество воды в колодце веревкой с узлами. Опус пытался таким образом донести до игрока этот кусок лора. Вот только для этого надо было мысленно поместить себя на место игрока. Я задумался о том, насколько это сложно. Даже простейшее описание локации требует понимать какая информация доступна читателю, а какая нет. И немного смоделировать мир в голове, чтобы понять, что смотря на ферму с холма невозможно понять какой узел на какой-то веревке мокрый, а какой нет.
Я со времен Claude Sonnet 3.5 тестирую может ли LLM написать за меня следующую главу книги. Модели стали многократно круче, а ответ всё так же "нет." LLM или даже агентская система с множеством лупов не способна на данный момент написать книгу которую стоит читать. Иронично, что большие языковые модели не умеют писать! Код оказался намного проще.
Так вот, это приводит нас к Anathem. Это книга от автора Snow Crash – новеллы, которая ввела термин "метавёрс." Поэтому я знал, что Нил Стивенсон хороший фантаст, но я не ожидал, что настолько. Про Anathem тяжело написать без спойлеров, поэтому я скажу так. Это очень сложный текст. Не для читателя, ведь читается она очень легко (после первых глав, там надо вкатиться). Это сложный текст с той точки зрения, что он объединяет в себе собственный язык, несколько переплетающихся сюжетных линий, глубокий слоёный символизм, рассуждения о природе сознания и квантовой физике, крутой экшен и человечных персонажей. И при всём этом оно работает. Такую хрупкую конструкцию могло бы разрушить что угодно, но в книге нет ни одного лишнего слова.
Например, там есть три главы подряд где персонажи просто сидят за столом и обсуждают параллельные миры. Причем не абстрактно, а речь идет о настоящей физике. Но только в выдуманных автором терминах. Звучит невероятно скучно, да? Но я не мог оторваться. Сцена, персонажи, ритм и переплетающиеся сюжетные линии так подобраны, что это очень интересно читать. Да ещё и к концу ты остаешься полностью убежден, что именно так и работает вселенная в реальности. Я думаю в книге автор, на самом деле, выражает своё видение мира.
Поэтому я читал эту книгу с двух точек зрения. Как читатель я просто получал удовольствие. Как автор же, я смотрел на эту книгу как на шедеврально собранный механизм. И задавался вопросом, смогу ли я когда-то создать нечто близкое к такому уровню мастерства.
# Anathem, текстовые квесты и почему AI не умеет писать
Хороший текст это очень сложная вещь. Я кое-что понимал в этом как автор научно-популярной книги. Однако окончательно это понимание кристаллизовалось в моей голове после двух недавних событий: я попробовал использовать LLM для генерации текстовых квестов в ROAM и прочитал Anathem Нила Стивенсона.
Мою книгу под рабочим названием "ИИ для всех", которое мы обязательно поменяем на что-то более кликбейтное, можно ждать на полках весной 2027. Я давно об этом вам не писал, так что вкратце: кига уже была готова, но издательство посчитало её слишком сложной и я, после некоторого сопротивления, признал их правоту. Они выделили мне отличного редактора и с тех пор мы над ней работаем. Книга становится лучше.
Во время работы над книгой я много раз переписывал одни и те же главы. Каждый раз мне казалось, что лучше уже нельзя, но взгляд другого человека показывал, что там или не всё понятно, или читатель потеряется, или не интересно, и так далее. Потому что писать тексты сложно.
В популярном сознании программировать сложно. Мой тейк: любой язык программирования это просто продвинутый список покупок для компьютера. Если вы знаете его правила, то дальше оно или работает, или нет, и вы сразу об этом узнаете. А теперь сравните это с любым текстом на естественном языке.
Текст обязан быть интересным, но не слишком сложным. Простым, но не слишком предсказуемым. Музыкальным, но не вычурным. Понятным, но не пустым. Причем эти и другие требования должны соблюдаться одновременно. Например, нельзя компенсировать недостаток глубины идей более красивым описанием природы. Если любого компонента не хватает, то всё рассыпается, текст не работает.
В свою RPG ROAM я завел движок ink для полноценных текстовых квестов. Opus 5.5 у меня отлично накодил много сложных игровых фич, поэтому я думал, что он должен неплохо справиться с созданием пары квестов.
Процесс был такой. Я скормил ему лор своей давней FATE CORE (система наподобие Dungeon and Dragons) кампании и адаптировал под эту игру. Потом я запустил настолку из агентов для генерации таймлайна мира: много Haiku играли каждый за одну фракцию в мире, делали ходы раз в игровой год, а Opus как гейм мастер описывал что получилось и делал нарратив. Получился неплохой скелет. Затем я запустил Opus делать квест, GPT Sol 6 тестировать и оценивать по нескольким критериям, а Gemini Flash править русский язык.
Система была неплохая, но получился всё равно слоп. Я думал, что выйдет нечто вроде "сойдет." Может не ламповые Космические Рейнджеры, но хотя бы поиграть можно. Нет, видимо "сойдет" текстов не бывает. Оно просто не работает. Ты видишь текст и он сразу не клеится, ты не вовлекаешься, что-то не то.
Например, описание одной из сцен, заброшенной фермы, изначально включало такой пассаж от агента: "Рядом с колодцем лежит веревка, на ней множество узлов и ни один из них не мокрый." Закономерно, я спрашиваю агента: "это что за херня? Какой нахрен мокрый узел, угашенный ты об дерево?" Оказалось, что по лору хозяин этой фермы измерял количество воды в колодце веревкой с узлами. Опус пытался таким образом донести до игрока этот кусок лора. Вот только для этого надо было мысленно поместить себя на место игрока. Я задумался о том, насколько это сложно. Даже простейшее описание локации требует понимать какая информация доступна читателю, а какая нет. И немного смоделировать мир в голове, чтобы понять, что смотря на ферму с холма невозможно понять какой узел на какой-то веревке мокрый, а какой нет.
Я со времен Claude Sonnet 3.5 тестирую может ли LLM написать за меня следующую главу книги. Модели стали многократно круче, а ответ всё так же "нет." LLM или даже агентская система с множеством лупов не способна на данный момент написать книгу которую стоит читать. Иронично, что большие языковые модели не умеют писать! Код оказался намного проще.
Так вот, это приводит нас к Anathem. Это книга от автора Snow Crash – новеллы, которая ввела термин "метавёрс." Поэтому я знал, что Нил Стивенсон хороший фантаст, но я не ожидал, что настолько. Про Anathem тяжело написать без спойлеров, поэтому я скажу так. Это очень сложный текст. Не для читателя, ведь читается она очень легко (после первых глав, там надо вкатиться). Это сложный текст с той точки зрения, что он объединяет в себе собственный язык, несколько переплетающихся сюжетных линий, глубокий слоёный символизм, рассуждения о природе сознания и квантовой физике, крутой экшен и человечных персонажей. И при всём этом оно работает. Такую хрупкую конструкцию могло бы разрушить что угодно, но в книге нет ни одного лишнего слова.
Например, там есть три главы подряд где персонажи просто сидят за столом и обсуждают параллельные миры. Причем не абстрактно, а речь идет о настоящей физике. Но только в выдуманных автором терминах. Звучит невероятно скучно, да? Но я не мог оторваться. Сцена, персонажи, ритм и переплетающиеся сюжетные линии так подобраны, что это очень интересно читать. Да ещё и к концу ты остаешься полностью убежден, что именно так и работает вселенная в реальности. Я думаю в книге автор, на самом деле, выражает своё видение мира.
Поэтому я читал эту книгу с двух точек зрения. Как читатель я просто получал удовольствие. Как автор же, я смотрел на эту книгу как на шедеврально собранный механизм. И задавался вопросом, смогу ли я когда-то создать нечто близкое к такому уровню мастерства.
Goodreads
Anathem
Anathem, the latest invention by the New York Times bes…
❤59👍12🔥11
Media is too big
VIEW IN TELEGRAM
Давайте вспомним, что в России делали такие предвыборные ролики без всякого AI
#дайджест
Дайджест AI/ML за неделю 12-18 октября 2026
Meta: Muse Wonder и Muse Wonder Full
Мета (впервые?) во фронтире. В индексе AA у Full 56 это больше чем у Астры, меньше чем у Опуса. у обычного Wonder 52. Местами страшные бенчи: DeepSWE 1.1 у Full 79% против Opus 5.5 с 74.2%. Full обходит Opus в 8/13 бенчей. Выяснить насколько это правда можно только по $50, $200 подпискам, в API выйдет только меньшая версия по цене Opus 5.5.
Блогпост, Карточка модели
Meta: Muse Spark Open
Выпустили новую модель, старую открыли донашивать сообществу. MoE на 816B, 42B активных. Контекст 1М, мультимодальная. Мета называет ее лучшей американской открытой моделью и отдельно оптимизировала под M5 Ultra вместе с Apple. В индексе AA у нее 39. Проигрывает всему китайскому фронтиру, и на один пункт выше Mistral Large 4 с его 38. Европа, держись.
Цена у провайдеров $1.25/$4.25.
AA
Kuaishou: Kling 4.0 и Kling 4.0 Flash
Полная версия доступна всем на kling.ai, MCP и CLI. Ролики от 3 до 30 секунд, до 4K. До 10 кейфреймов и до 15 референсов. Flash генерирует до 20с в 720p. Кроме пробной версии ничего нет.
Анонс, kling.ai
BFL: FLUX 3 Image Klein
Маленькую версию FLUX 3 выпустили в опенсорс. Это 5.6B в двух вариантах: base для файнтюна и step-distilled для быстрой генерации. Умеет в генерацию, редактирование, до 10 референсов, нативный 4K, правит без дрейфа остальной картинки как большая. В INT8 запускается на картах с 8 GB. По внутренним тестам первая среди открытых моделей и обходит даже закрытые Ideogram V4.5 и FLUX.2 [pro].
Модель, HF
Krea: Krea 3 (бета)
Модель для редактирования изображений (в генерацию может, но плохо). Область задается рамкой, до 8 референсов. Принимает цвет в hex. $0.03 за 1K и $0.06 за 2K, доступна в API везде. Второе место после GPT Image 2.5. Обещают дообучение LoRA, весов пока нет.
Krea 3
OpenAI: GPT-Live-1.1
Обновление дуплекс модели ChatGPT: платные подписчики получают GPT-Live-1.1, бесплтные получают Quip. Новые голоса на разных бусурманских языках, плюс новый английский голос Bubbie. На Plus 3 часа в сутки, на Pro за $100 15 часов, на Pro за $200 без лимита. В API пока нет, как и бенчмарков.
Release notes
BytePlus: OmniHuman 2.0
Из одной картинки и аудиодорожки делает видео до 5(!) минут. Движения и камеру можно задать текстом, на выходе 720p. Цена упала с $0.12 до $0.07/сек. Из языков по традиции поддерживает хоть крики птиц, но не русский. На демо заметно, что фон плывет.
Анонс
REA и реверс инжиниринг агентами
REA подключает агента к инструментам реверса: нативные бинарники, .NET, Electron, APK, прошивки, трафик. Работает как CLI и как MCP. Репозиторий создан в апреле, но только недавно выстрелил. Уже надекомпилировали все подряд от Modern Warfare 2 до фотошопа и завалили YouTube франкинштейн моддингом игр.
GitHub, пост про MW2
Odyssey: Odyssey-3
Новая SOTA world-model. Есть вид от первого и третьего лица и свободная камера. Разрешение 832×480, у Pro 1280×720. Роборуку обучили по десяткам часов демонстраций, машину на дорогах Индии по 20 часам данных при замороженном бэкбоне. Flash можно бесплатно попробовать в браузере, сессия 5 минут.
Блогпост, демо
Менее значимые новости:
Google: Gemini 4 Argon - раскатили везде. В API $2/$10, в чате доступна для Pro. В Antigravity, AI Studio и Android Studio только для Ultra. 9to5Google
TypeSafe: Jev 1.14.
У Jev появилось зрение и output в виде bounding box. TypeSafe сами пишут, что с картинками модель работает хуже, чем с текстом.Docs
Кроме того TypeSafe подняли около $870М при оценке $7.5 млрд. Вот бы кто-нибудь ещё сделал маленькую модель, которая решает узкую задачу не заставляя LLM неэффективно генерить много токенов (допустим computer use) и поднял кучу денег.
Microsoft: LensErase.
Модель удаляет по маске что угодно: объекты, текст, вотермарки и сопутствующие эффекты. Обучена на датасете из 101 млн триплетов. Код обещают позже. Microsoft учит удалять вотермарки. arXiv, проект
fal: Reframe.
Изменение соотношения сторон видео через H3 Max. $0.05/сек в 480p и $0.08 в 768p. fal
FlashML: FreeVideo.
Обрезанный MiniMax H3 под 8 GB VRAM и 16 GB RAM. GitHub
Дайджест AI/ML за неделю 12-18 октября 2026
Meta: Muse Wonder и Muse Wonder Full
Мета (впервые?) во фронтире. В индексе AA у Full 56 это больше чем у Астры, меньше чем у Опуса. у обычного Wonder 52. Местами страшные бенчи: DeepSWE 1.1 у Full 79% против Opus 5.5 с 74.2%. Full обходит Opus в 8/13 бенчей. Выяснить насколько это правда можно только по $50, $200 подпискам, в API выйдет только меньшая версия по цене Opus 5.5.
Блогпост, Карточка модели
Meta: Muse Spark Open
Выпустили новую модель, старую открыли донашивать сообществу. MoE на 816B, 42B активных. Контекст 1М, мультимодальная. Мета называет ее лучшей американской открытой моделью и отдельно оптимизировала под M5 Ultra вместе с Apple. В индексе AA у нее 39. Проигрывает всему китайскому фронтиру, и на один пункт выше Mistral Large 4 с его 38. Европа, держись.
Цена у провайдеров $1.25/$4.25.
AA
Kuaishou: Kling 4.0 и Kling 4.0 Flash
Полная версия доступна всем на kling.ai, MCP и CLI. Ролики от 3 до 30 секунд, до 4K. До 10 кейфреймов и до 15 референсов. Flash генерирует до 20с в 720p. Кроме пробной версии ничего нет.
Анонс, kling.ai
BFL: FLUX 3 Image Klein
Маленькую версию FLUX 3 выпустили в опенсорс. Это 5.6B в двух вариантах: base для файнтюна и step-distilled для быстрой генерации. Умеет в генерацию, редактирование, до 10 референсов, нативный 4K, правит без дрейфа остальной картинки как большая. В INT8 запускается на картах с 8 GB. По внутренним тестам первая среди открытых моделей и обходит даже закрытые Ideogram V4.5 и FLUX.2 [pro].
Модель, HF
Krea: Krea 3 (бета)
Модель для редактирования изображений (в генерацию может, но плохо). Область задается рамкой, до 8 референсов. Принимает цвет в hex. $0.03 за 1K и $0.06 за 2K, доступна в API везде. Второе место после GPT Image 2.5. Обещают дообучение LoRA, весов пока нет.
Krea 3
OpenAI: GPT-Live-1.1
Обновление дуплекс модели ChatGPT: платные подписчики получают GPT-Live-1.1, бесплтные получают Quip. Новые голоса на разных бусурманских языках, плюс новый английский голос Bubbie. На Plus 3 часа в сутки, на Pro за $100 15 часов, на Pro за $200 без лимита. В API пока нет, как и бенчмарков.
Release notes
BytePlus: OmniHuman 2.0
Из одной картинки и аудиодорожки делает видео до 5(!) минут. Движения и камеру можно задать текстом, на выходе 720p. Цена упала с $0.12 до $0.07/сек. Из языков по традиции поддерживает хоть крики птиц, но не русский. На демо заметно, что фон плывет.
Анонс
REA и реверс инжиниринг агентами
REA подключает агента к инструментам реверса: нативные бинарники, .NET, Electron, APK, прошивки, трафик. Работает как CLI и как MCP. Репозиторий создан в апреле, но только недавно выстрелил. Уже надекомпилировали все подряд от Modern Warfare 2 до фотошопа и завалили YouTube франкинштейн моддингом игр.
GitHub, пост про MW2
Odyssey: Odyssey-3
Новая SOTA world-model. Есть вид от первого и третьего лица и свободная камера. Разрешение 832×480, у Pro 1280×720. Роборуку обучили по десяткам часов демонстраций, машину на дорогах Индии по 20 часам данных при замороженном бэкбоне. Flash можно бесплатно попробовать в браузере, сессия 5 минут.
Блогпост, демо
Менее значимые новости:
Google: Gemini 4 Argon - раскатили везде. В API $2/$10, в чате доступна для Pro. В Antigravity, AI Studio и Android Studio только для Ultra. 9to5Google
TypeSafe: Jev 1.14.
У Jev появилось зрение и output в виде bounding box. TypeSafe сами пишут, что с картинками модель работает хуже, чем с текстом.Docs
Кроме того TypeSafe подняли около $870М при оценке $7.5 млрд. Вот бы кто-нибудь ещё сделал маленькую модель, которая решает узкую задачу не заставляя LLM неэффективно генерить много токенов (допустим computer use) и поднял кучу денег.
Microsoft: LensErase.
Модель удаляет по маске что угодно: объекты, текст, вотермарки и сопутствующие эффекты. Обучена на датасете из 101 млн триплетов. Код обещают позже. Microsoft учит удалять вотермарки. arXiv, проект
fal: Reframe.
Изменение соотношения сторон видео через H3 Max. $0.05/сек в 480p и $0.08 в 768p. fal
FlashML: FreeVideo.
Обрезанный MiniMax H3 под 8 GB VRAM и 16 GB RAM. GitHub
❤10👍4