У Sony Xperia произошла максимально нелепая демонстрация новой ИИ-фичи
Они прорекламировали ИИ-ассистента внутри камеры последнего смартфона линейки. Написали, что агент «подбирает выразительные варианты с настройками цвета, экспозиции и объектива для создания захватывающих дух фотографий».
Первые три картинки выше – это примеры, которые они выбрали для демонстрации функции.
Куда смотрели дизайнеры, не очень понятно, но, как вы понимаете, реакция общественности не заставила себя ждать. Мемы в комменты Sony посыпались градом⬆️
Видимо кому-то из руководства ну очень хотелось «добавить эйай»
Они прорекламировали ИИ-ассистента внутри камеры последнего смартфона линейки. Написали, что агент «подбирает выразительные варианты с настройками цвета, экспозиции и объектива для создания захватывающих дух фотографий».
Первые три картинки выше – это примеры, которые они выбрали для демонстрации функции.
Куда смотрели дизайнеры, не очень понятно, но, как вы понимаете, реакция общественности не заставила себя ждать. Мемы в комменты Sony посыпались градом
Видимо кому-то из руководства ну очень хотелось «добавить эйай»
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
😁341❤19👍8 8🔥5🤯3 1
This media is not supported in your browser
VIEW IN TELEGRAM
FigureAI запустили 10-часовой эксперимент, в котором робот соревновался с человеком в сортировке посылок
Да, 10 часов сортировки пакетиков. Человек имеет право на перекуры по законодательству, робот работает непрерывно (и автономно!).
Трансляция шла вот здесь, и на Polymarker даже принимали ставки на победителя.
Многие, кстати, ставили на робота. Несмотря на то, что для гуманоида это все еще очень сложная задача (требуется быстрая реакция, мелкая моторика, какой-никакой ризонинг и тд), и человек бесспорно быстрее, расчет был на то, что человек устанет и замедлится, а робот – нет.
Так и произошло, но в итоге человек все-таки победил с небольшим отрывом. Парень отсортировал за 10 часов 12924 пакета, а робот – 12732. Их средняя скорость отличалась всего на 0.04 секунды.
Создатель Figure написал, дословно: «Это последний раз, когда человек победил».
Кстати, по окончании 10 часов работы человек открыл пиво, а робот продолжил сортировать посылки как ни в чем не бывало. Выводы делайте сами🤷♂️
Да, 10 часов сортировки пакетиков. Человек имеет право на перекуры по законодательству, робот работает непрерывно (и автономно!).
Трансляция шла вот здесь, и на Polymarker даже принимали ставки на победителя.
Многие, кстати, ставили на робота. Несмотря на то, что для гуманоида это все еще очень сложная задача (требуется быстрая реакция, мелкая моторика, какой-никакой ризонинг и тд), и человек бесспорно быстрее, расчет был на то, что человек устанет и замедлится, а робот – нет.
Так и произошло, но в итоге человек все-таки победил с небольшим отрывом. Парень отсортировал за 10 часов 12924 пакета, а робот – 12732. Их средняя скорость отличалась всего на 0.04 секунды.
Создатель Figure написал, дословно: «Это последний раз, когда человек победил».
Кстати, по окончании 10 часов работы человек открыл пиво, а робот продолжил сортировать посылки как ни в чем не бывало. Выводы делайте сами
Please open Telegram to view this post
VIEW IN TELEGRAM
❤🔥234😁189🤯58❤16🔥13👍5🗿3
CEO YCombinator Гэрри Тэн опенсорснул собственный модуль памяти для агентов
github.com/garrytan/gbrain
Гэрри пишет, что это продакшен-мозг, на котором работают его личные агенты OpenClaw и Hermes. Ну а на практике это что-то вроде живой базы знаний, которая сама себя обогащает.
Если обычные агенты не помнят контекст между сессиями или записывают что-то в MEMORY.md очень примитивным способом, то здесь предлагается многоуровневая архитектура построения глубокой памяти. Кратко:
– Вся база состоит из markdown файлов. Каждый человек, компания, концепция, встреча – это отдельный файл. Каждый файл – это саммари, которое перезаписывается при поступлении новых данных, и хронологический журнал упоминаний.
– По этой базе работает гибридный поиск. Когда агент что-то ищет, работают одновременно: векторный поиск, поиск по ключевым словам и поиск на графе.
– Граф связей, по которому осуществляется графовый поиск, тоже формируется автоматически и при этом даже без вызова LLM (с помощью регулярок и прописанных правил). То есть система сама себе рисует сеть: кто где работает, кто был на какой стрече, кто во что инвестирует и тд.
Обновляется все это с помощью одного файла RESOLVER.md, в котором прописаны 29 специальных скиллов. Например, meeting-ingestion: транскрипты митингов перерабатываются в режиме сна, чтобы обогощать файлы участников.
Конечно, пользоваться прямо всей этой махиной необязательно. Базовую версию можно поставить себе за 30 минут и использовать как MCP. Лицензия MIT.
github.com/garrytan/gbrain
Гэрри пишет, что это продакшен-мозг, на котором работают его личные агенты OpenClaw и Hermes. Ну а на практике это что-то вроде живой базы знаний, которая сама себя обогащает.
Если обычные агенты не помнят контекст между сессиями или записывают что-то в MEMORY.md очень примитивным способом, то здесь предлагается многоуровневая архитектура построения глубокой памяти. Кратко:
– Вся база состоит из markdown файлов. Каждый человек, компания, концепция, встреча – это отдельный файл. Каждый файл – это саммари, которое перезаписывается при поступлении новых данных, и хронологический журнал упоминаний.
– По этой базе работает гибридный поиск. Когда агент что-то ищет, работают одновременно: векторный поиск, поиск по ключевым словам и поиск на графе.
– Граф связей, по которому осуществляется графовый поиск, тоже формируется автоматически и при этом даже без вызова LLM (с помощью регулярок и прописанных правил). То есть система сама себе рисует сеть: кто где работает, кто был на какой стрече, кто во что инвестирует и тд.
Обновляется все это с помощью одного файла RESOLVER.md, в котором прописаны 29 специальных скиллов. Например, meeting-ingestion: транскрипты митингов перерабатываются в режиме сна, чтобы обогощать файлы участников.
Конечно, пользоваться прямо всей этой махиной необязательно. Базовую версию можно поставить себе за 30 минут и использовать как MCP. Лицензия MIT.
❤110👍35😁15🗿11🔥6🫡3👨💻1
1.3 миллиона долларов в месяц
Столько создатель OpenClaw тратит на токены в Codex. Это 603 миллиарда токенов и 7.6 миллионов запросов за 30 дней.
Если вы задаетесь вопросом «Как это возможно?», то вы не одиноки. Скриншот с тратами на API вызвал такой резонанс в соцсетях, что Питер написал отдельный пост про то, как он умудряется столько сжигать.
Суть в том, что у него одновременно и постоянно работают 100 агентов, которые проверяют каждый PR и issue. Они ищут дыры в безопасности, автоматически закрывают старые баги после фиксов, дедуплицируют issue, проверяют перформанс, банят спамеров и даже умеют поднимать временные окружения, логиниться в сервисы и записывать видео с демонстрацией фиксов.
Часть агентов вообще слушает митинги команды и начинает создавать PR прямо во время обсуждения новых фич.
Столько создатель OpenClaw тратит на токены в Codex. Это 603 миллиарда токенов и 7.6 миллионов запросов за 30 дней.
Если вы задаетесь вопросом «Как это возможно?», то вы не одиноки. Скриншот с тратами на API вызвал такой резонанс в соцсетях, что Питер написал отдельный пост про то, как он умудряется столько сжигать.
Суть в том, что у него одновременно и постоянно работают 100 агентов, которые проверяют каждый PR и issue. Они ищут дыры в безопасности, автоматически закрывают старые баги после фиксов, дедуплицируют issue, проверяют перформанс, банят спамеров и даже умеют поднимать временные окружения, логиниться в сервисы и записывать видео с демонстрацией фиксов.
Часть агентов вообще слушает митинги команды и начинает создавать PR прямо во время обсуждения новых фич.
Люди в шоке от наших расходов на AI. Но никто не видит главного: одна из причин, почему меня так вдохновляет работа над OpenClaw – мы пытаемся ответить на вопрос: как будет выглядеть разработка софта в будущем, если стоимость токенов перестанет иметь значение?
❤152😁47🤯25👍22🔥19 15🗿4❤🔥2🐳2🫡2
xAI просила сотрудников продать личные налоговые декларации как обучающие данные для Grok
За каждую декларацию обещали 420 долларов. Это было всего пару месяцев назад, как раз в сезон подачи налогов в США перед дедлайном 15 апреля.
Но самое смешное – даже не сама попытка компании достать данные таким способом. Самое смешное – что сотрудникам по сей день так и не заплатили и платить, кажется, не собираются.
www.bloomberg.com/news/articles/2026-05-18/musk-s-xai-promised-staff-420-for-their-tax-returns-hasn-t-paid
За каждую декларацию обещали 420 долларов. Это было всего пару месяцев назад, как раз в сезон подачи налогов в США перед дедлайном 15 апреля.
Но самое смешное – даже не сама попытка компании достать данные таким способом. Самое смешное – что сотрудникам по сей день так и не заплатили и платить, кажется, не собираются.
www.bloomberg.com/news/articles/2026-05-18/musk-s-xai-promised-staff-420-for-their-tax-returns-hasn-t-paid
😁190🔥11🤨10❤6👍3 3🤔1🤯1🆒1
Строительство ЦОДов должно занимать не 2 года, а 9 месяцев
Только так можно обеспечить конкурентоспособность технологий. С таким заявлением на конференции “ЦИПР-2026” выступил вице-президент и технический директор Т-Банка Олег Щербаков. Он отметил, что технологии сейчас развиваются гораздо быстрее, чем инфраструктура, если не сокращать эту дельту, то к окончанию строительства инфраструктура уже устареет.
Чтобы ускорить строительство нужна прозрачная и понятная регулируемая цепочка, зеленый коридор для строительства, как, например, в Китае. Т-Банк, планирует построить ЦОДы за полтора года. 80% мощностей новых объектов, которые введут в 2027 году, уйдут под данные и инференс — самые растущие нагрузки.
Только так можно обеспечить конкурентоспособность технологий. С таким заявлением на конференции “ЦИПР-2026” выступил вице-президент и технический директор Т-Банка Олег Щербаков. Он отметил, что технологии сейчас развиваются гораздо быстрее, чем инфраструктура, если не сокращать эту дельту, то к окончанию строительства инфраструктура уже устареет.
Чтобы ускорить строительство нужна прозрачная и понятная регулируемая цепочка, зеленый коридор для строительства, как, например, в Китае. Т-Банк, планирует построить ЦОДы за полтора года. 80% мощностей новых объектов, которые введут в 2027 году, уйдут под данные и инференс — самые растущие нагрузки.
❤147🔥65😁60🗿16👍7 4🤔2👌1
Data Secrets
Маск пообещал сделать Альтмана и Брокмана «самыми ненавидимыми людьми в Америке» Так он ответил Брокману после того как тот накануне суда предложил ему взаимный отказ от претензий: К концу этой недели вы с Сэмом станете самыми ненавидимыми людьми в Америке.…
Илон Маск проиграл дело против OpenAI
Жюри из девяти присяжных в федеральном суде Северной Калифорнии вынесло единогласный вердикт: все три основных требования иска Илона Маска против Сэма Альтмана и Грега Брокмана (нарушение благотворительного траста, содействие в таком нарушении и необоснованное обогащение) оказались отвергнуты из-за пропущенного срока исковой давности.
То есть, фактически, Альтмана и Брокмана не признали невиновными, но Маск все равно остается ни с чем. Ни компенсации, ни реструктуризации OpenAI, которой он добивался, уже не будет.
Судья согласилась с вердиктом присяжных и формально отменила все иски.
Жюри из девяти присяжных в федеральном суде Северной Калифорнии вынесло единогласный вердикт: все три основных требования иска Илона Маска против Сэма Альтмана и Грега Брокмана (нарушение благотворительного траста, содействие в таком нарушении и необоснованное обогащение) оказались отвергнуты из-за пропущенного срока исковой давности.
То есть, фактически, Альтмана и Брокмана не признали невиновными, но Маск все равно остается ни с чем. Ни компенсации, ни реструктуризации OpenAI, которой он добивался, уже не будет.
Судья согласилась с вердиктом присяжных и формально отменила все иски.
👍119🫡66 46😁32🤯12❤11🔥6🗿5 5🤔2🤨1
Внутри Google сформировали специальный внутренний «комитет по компьюту»
Он распределяет доступ к кластерам TPU/GPU среди подразделений и проектов компании и решает, кто получает приоритет, а кто ждет в очереди.
То есть в условиях дефицита ресурсов даже сотрудникам Google приходится буквально конкурировать за железо и шлифовать продажные презентации для внутреннего комитета, чтобы получить квоту на вычисления.
Если квоту не дали, то ты со своим проектом либо останешься ждать в очереди, либо можешь пойти и слезно просить занять компьют у другой команды.
На фоне этого из Google начали уходить исследователи. В основном они перебираются в маленькие стартапы.
Он распределяет доступ к кластерам TPU/GPU среди подразделений и проектов компании и решает, кто получает приоритет, а кто ждет в очереди.
То есть в условиях дефицита ресурсов даже сотрудникам Google приходится буквально конкурировать за железо и шлифовать продажные презентации для внутреннего комитета, чтобы получить квоту на вычисления.
Если квоту не дали, то ты со своим проектом либо останешься ждать в очереди, либо можешь пойти и слезно просить занять компьют у другой команды.
На фоне этого из Google начали уходить исследователи. В основном они перебираются в маленькие стартапы.
😁143🤔39🔥10🫡10❤4❤🔥1👌1 1
Google готовится релизнуть крутейшую видео модель
Сегодня у них пройдет ежегодная Google I/O, и они во всю раздают спойлеры. Судя по всему, нас ждет сильная омни модель – возможно, SOTA в генерации видео.
Например, вот такие видео выложили в преддверии мероприятия CEO Google Сундар Пичаи и главный источник сливов по Gemini Логан Килпэтрик.
Ждем
Сегодня у них пройдет ежегодная Google I/O, и они во всю раздают спойлеры. Судя по всему, нас ждет сильная омни модель – возможно, SOTA в генерации видео.
Например, вот такие видео выложили в преддверии мероприятия CEO Google Сундар Пичаи и главный источник сливов по Gemini Логан Килпэтрик.
Ждем
👍79🔥31❤18🤯1
Composer 2.5 от Cursor: качество Opus 4.7 и GPT-5.5 в 10 раз дешевле
Cursor удивили. Они выпустили очередного Composer, но если предыдущие версии были довольно слабые, то сейчас это уже можно назвать полноценным фронтиром.
cursor.com/blog/composer-2-5
Бенчмарки:
– SWE-Bench Multilingual: 79.8% (Opus 4.7: 80.5%, GPT-5.5: 77.8%).
– Terminal-Bench 2.0: 69.3% (Opus 4.7: 69.4%, GPT-5.5: 82.7%).
– CursorBench v3.1: 63.2% (Opus 4.7 max: 64.8%, GPT-5.5 default: 59.2%)
При этом стоит модель всего $0.50 за млн input / $2.50 за млн output. Это в 10 раз дешевле опуса. Fast-тариф стоит чуть дороже ($3.00 input / $15.00 output), но все равно дешевле Opus, примерно как Claude Sonnet 4.6. Единственное: публичного API нет, только внутри Cursor, CLI и веб.
Что касается внутрянки:
– Модель основана на Kimi K2.5 от Moonshot AI (как и Composer 2)
– Но базовые веса составили лишь 15% от потраченного компьюта, все остальное – кастомный RL и дообучение
– Из интересных приемов использовали Targeted RL with textual feedback. В классическом RL модель получает одну награду за весь ответ целиком, и непонятно, где именно она ошиблась. Cursor же делают так: когда модель делает локальную ошибку (например, вызывает несуществующий инструмент), прямо в это место вставляется подсказка, и веса как бы подталкиваются в сторону того, как модель повела бы себя с этой подсказкой.
Кстати, одновременно Cursor анонсировали следующую модель, которую они тренируют с нуля, используя в 10 раз больше компьюта, чем на Composer 2.5, на кластере Colossus 2 совместно с xAI. Конец 2026 года в AI-кодинге будет очень интересным.
Cursor удивили. Они выпустили очередного Composer, но если предыдущие версии были довольно слабые, то сейчас это уже можно назвать полноценным фронтиром.
cursor.com/blog/composer-2-5
Бенчмарки:
– SWE-Bench Multilingual: 79.8% (Opus 4.7: 80.5%, GPT-5.5: 77.8%).
– Terminal-Bench 2.0: 69.3% (Opus 4.7: 69.4%, GPT-5.5: 82.7%).
– CursorBench v3.1: 63.2% (Opus 4.7 max: 64.8%, GPT-5.5 default: 59.2%)
При этом стоит модель всего $0.50 за млн input / $2.50 за млн output. Это в 10 раз дешевле опуса. Fast-тариф стоит чуть дороже ($3.00 input / $15.00 output), но все равно дешевле Opus, примерно как Claude Sonnet 4.6. Единственное: публичного API нет, только внутри Cursor, CLI и веб.
Что касается внутрянки:
– Модель основана на Kimi K2.5 от Moonshot AI (как и Composer 2)
– Но базовые веса составили лишь 15% от потраченного компьюта, все остальное – кастомный RL и дообучение
– Из интересных приемов использовали Targeted RL with textual feedback. В классическом RL модель получает одну награду за весь ответ целиком, и непонятно, где именно она ошиблась. Cursor же делают так: когда модель делает локальную ошибку (например, вызывает несуществующий инструмент), прямо в это место вставляется подсказка, и веса как бы подталкиваются в сторону того, как модель повела бы себя с этой подсказкой.
Кстати, одновременно Cursor анонсировали следующую модель, которую они тренируют с нуля, используя в 10 раз больше компьюта, чем на Composer 2.5, на кластере Colossus 2 совместно с xAI. Конец 2026 года в AI-кодинге будет очень интересным.
❤137👍59😁19⚡11🔥8 3🤯2👨💻1