⚡ Refit - удобная альтернатива ручной работе с
Refit упрощает это:
- описываешь REST API обычным C#-интерфейсом
- получаешь type-safe клиент
- сериализация и десериализация выполняются автоматически
- под капотом всё равно используется
Удобно для проектов, где много внешних API и не хочется писать повторяющийся HTTP-код.
https://github.com/reactiveui/refit
HttpClient в .NETHttpClient отлично подходит для HTTP-запросов, но при неправильном использовании можно столкнуться с проблемами вроде исчерпания сокетов и некорректного обновления DNS. Плюс сериализацию и разбор ответов часто приходится писать вручную.Refit упрощает это:
- описываешь REST API обычным C#-интерфейсом
- получаешь type-safe клиент
- сериализация и десериализация выполняются автоматически
- под капотом всё равно используется
HttpClientУдобно для проектов, где много внешних API и не хочется писать повторяющийся HTTP-код.
https://github.com/reactiveui/refit
⚡️ GLM-5.3-Flash вышла в uncensored-версии с нативным FP8
OrcaRouter опубликовала модифицированные веса GLM-5.3-Flash - модели на 320B параметров, из которых активны 18B.
Главное:
- исходная block-FP8 точность
- без LoRA
- без jailbreak-промптов
- снижение отказов встроено прямо в веса
По их тестам:
MaliciousInstruct: 96% → 11% отказов
JailbreakBench: 93% → 12%
AdvBench: 97% → 15%
HarmBench: 93% → 18%
XSTest benign over-refusal: 2.4% → 0.4%
При этом отказ не исчезает полностью.
Авторы считают, что alignment в GLM-5.3-Flash может быть устроен сложнее, чем один линейный "refusal direction". Поэтому релиз интересен не только как uncensored-сборка, но и как материал для исследований interpretability, AI safety и механизмов отказа.
Weights:
https://huggingface.co/orcarouter/GLM-5.3-Flash-Uncensored-FP8
API:
https://orcarouter.ai/models/z-ai/glm-5.3-flash
GGUF, MLX и другие квантизации обещают позже.
Weights on Hugging Face: https://huggingface.co/orcarouter/GLM-5.3-Flash-Uncensored-FP8
API (official weight): https://orcarouter.ai/models/z-ai/glm-5.3-flash
OrcaRouter опубликовала модифицированные веса GLM-5.3-Flash - модели на 320B параметров, из которых активны 18B.
Главное:
- исходная block-FP8 точность
- без LoRA
- без jailbreak-промптов
- снижение отказов встроено прямо в веса
По их тестам:
MaliciousInstruct: 96% → 11% отказов
JailbreakBench: 93% → 12%
AdvBench: 97% → 15%
HarmBench: 93% → 18%
XSTest benign over-refusal: 2.4% → 0.4%
При этом отказ не исчезает полностью.
Авторы считают, что alignment в GLM-5.3-Flash может быть устроен сложнее, чем один линейный "refusal direction". Поэтому релиз интересен не только как uncensored-сборка, но и как материал для исследований interpretability, AI safety и механизмов отказа.
Weights:
https://huggingface.co/orcarouter/GLM-5.3-Flash-Uncensored-FP8
API:
https://orcarouter.ai/models/z-ai/glm-5.3-flash
GGUF, MLX и другие квантизации обещают позже.
Weights on Hugging Face: https://huggingface.co/orcarouter/GLM-5.3-Flash-Uncensored-FP8
API (official weight): https://orcarouter.ai/models/z-ai/glm-5.3-flash
🚨 OpenAI прекращает сотрудничество с Cursor после покупки компании SpaceX
OpenAI уведомила SpaceX, что прямой доступ Cursor к её моделям будет отключён 12 ноября 2026 года. Новые модели, включая будущую Astra, Cursor также не получит.
Причина, которую назвала OpenAI, - недоверие к компаниям Илона Маска из-за предыдущих нарушений контрактов и условий использования.
Cursor официально перешёл под контроль SpaceX в августе. При этом в Cursor утверждают, что модели OpenAI сейчас дают лишь около 5% общего трафика платформы.
Конфликт OpenAI и Маска теперь напрямую затронул один из крупнейших AI-инструментов для программистов.
https://openai.com/index/our-decision-on-cursor-following-its-acquisition-by-spacex/
OpenAI уведомила SpaceX, что прямой доступ Cursor к её моделям будет отключён 12 ноября 2026 года. Новые модели, включая будущую Astra, Cursor также не получит.
Причина, которую назвала OpenAI, - недоверие к компаниям Илона Маска из-за предыдущих нарушений контрактов и условий использования.
Cursor официально перешёл под контроль SpaceX в августе. При этом в Cursor утверждают, что модели OpenAI сейчас дают лишь около 5% общего трафика платформы.
Конфликт OpenAI и Маска теперь напрямую затронул один из крупнейших AI-инструментов для программистов.
https://openai.com/index/our-decision-on-cursor-following-its-acquisition-by-spacex/
Media is too big
VIEW IN TELEGRAM
Федеральный суд в Калифорнии постановил, что Министерство обороны действовало произвольно и немотивированно, объявив Anthropic угрозой национальной безопасности. Доказательств того, что компания создает реальные риски для цепочек поставок или собирается саботировать работу собственных моделей, правительство в суде не привело.
Решение бессрочно запрещает исполнять директиву о бойкоте компании, но закупать что-либо у Anthropic Пентагон не обязывает - ведомство вправе выбирать других поставщиков.
reuters.com
На встрече профильных министров стран G20 американская делегация представит Carolina Principles - документ, подготовленный Управлением по науке и технологиям и Минторгом.
Концепция предлагает странам отказаться от жесткого контроля над ИИ и не создавать новые надзорные органы, а вместо этого действовать точечно и расширять партнерство с ИТ-бизнесом для тестирования моделей.
Поддержать инициативу приедут первые лица индустрии. 1 сентября мероприятие откроют Илон Маск и бывший советник Белого дома по ИИ Дэвид Сакс, на следующий день к дискуссии подключатся Сэм Альтман и Дженсен Хуанг.
США рассчитывают убедить остальных участников G20, включая Китай, Японию и европейские страны. Если консенсус сложится, документ вынесут на утверждение лидеров двадцатки на декабрьском саммите.
bloomberg.com
Журналисты WIRED нашли в коде OpenAI упоминания Persistent Mode - режима, в котором агент Codex работает в фоне непрерывно, пока его вручную не выключат.
Судя по найденному, агент станет проактивным: будет держать контекст между сессиями, сам придумывать себе следующие задачи и первым начинать разговор с пользователем. Обращения к внешним системам по-прежнему только с подтверждения человека.
В OpenAI тестирование подтвердили, но сроков не назвали.
wired.com
В сервисе появилась функция Expert Intelligence - электронные книги из Google Play Books можно подключать как источник знаний. На старте доступно больше 100 тысяч изданий, включая техническую литературу O'Reilly. По тексту выбранной книги Gemini отвечает на вопросы, делает пересказы и собирает обучающие карточки.
Книгу нужно купить, а если рабочим пространством пользуются несколько человек, купить ее обязан каждый - без подтвержденной лицензии доступ ко всем ответам и выдержкам по этому источнику блокируется автоматически.
Пока функция работает только внутри Notebook. Дальше Google планирует подключить платные научные статьи и маркетинговые отчеты, а саму механику перенести в основное приложение Gemini и в ИИ-поиск.
blog.google
Исследователи Калифорнийского университета собрали вычислительную карту, которая делит расстройства аутистического спектра на биологические подтипы по сочетанию паттернов мозговой активности и молекулярных биомаркеров.
Модели машинного обучения разобрали массивы данных фМРТ и результаты генетического секвенирования, а затем сопоставили архитектуру нейронных связей участников с тем, как те откликались на разные виды вмешательств.
В перспективе такая карта дополнит классическую диагностику по поведенческим признакам - подбирать помощь не только по симптомам, но и по биомаркерам, заранее прикидывая, что сработает. Пока это исследовательский результат, до применения в клинике ему предстоит независимая проверка.
science.org
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
Учебный проект на Rust дорос до Apache Top-Level Project 🦀
Apache Iggy 19 августа официально вышел из Apache Incubator и получил статус Top-Level Project.
История началась в марте 2023 года. Пётр Ганкевич хотел разобраться, как устроен message streaming изнутри, и заодно нормально выучить Rust.
Первоначальный план - сделать простой append-only log server примерно за три недели.
В итоге получилась полноценная streaming-платформа:
- Rust
- thread-per-core архитектура
-
- Viewstamped Replication для consensus
- P99 latency в единицах миллисекунд
За время в Apache Incubator проект вырос до:
- 4500+ GitHub stars
- 120+ contributors
- около 3000 pull requests
- 500K+ загрузок
Отдельно интересна история с open source. Команда передала исходный код Apache Software Foundation, чтобы будущее проекта не зависело от одного человека или одной компании.
Дальше в планах - clustering через VSR и Kafka protocol gateway, чтобы существующие приложения могли переходить на Iggy без большого переписывания.
Название Iggy, кстати, происходит от Italian Greyhound - маленькой, но очень быстрой породы собак.
https://iggy.apache.org/blogs/2026/08/24/apache-iggy-top-level-project-tlp-graduation
#RustLang #OpenSource #DataEngineering #Streaming
Apache Iggy 19 августа официально вышел из Apache Incubator и получил статус Top-Level Project.
История началась в марте 2023 года. Пётр Ганкевич хотел разобраться, как устроен message streaming изнутри, и заодно нормально выучить Rust.
Первоначальный план - сделать простой append-only log server примерно за три недели.
В итоге получилась полноценная streaming-платформа:
- Rust
- thread-per-core архитектура
-
io_uring для дискового и сетевого I/O- Viewstamped Replication для consensus
- P99 latency в единицах миллисекунд
За время в Apache Incubator проект вырос до:
- 4500+ GitHub stars
- 120+ contributors
- около 3000 pull requests
- 500K+ загрузок
Отдельно интересна история с open source. Команда передала исходный код Apache Software Foundation, чтобы будущее проекта не зависело от одного человека или одной компании.
Дальше в планах - clustering через VSR и Kafka protocol gateway, чтобы существующие приложения могли переходить на Iggy без большого переписывания.
Название Iggy, кстати, происходит от Italian Greyhound - маленькой, но очень быстрой породы собак.
https://iggy.apache.org/blogs/2026/08/24/apache-iggy-top-level-project-tlp-graduation
#RustLang #OpenSource #DataEngineering #Streaming
Квантовое туннелирование - частица проходит через барьер, который классически пройти не должна
В обычной физике всё просто: если у частицы недостаточно энергии, чтобы преодолеть барьер, она должна отскочить назад.
В квантовой механике это работает иначе.
Частица описывается волновой функцией. Внутри барьера она не обрывается мгновенно, а экспоненциально затухает. Если барьер достаточно тонкий, небольшая часть вероятности остаётся и с другой стороны.
То есть частица может оказаться там, куда классическая физика её не пустила бы.
Вероятность туннелирования резко падает:
- при увеличении ширины барьера
- при увеличении массы частицы
Поэтому электроны туннелируют сравнительно легко, а для больших объектов вероятность практически исчезает.
И это не абстрактный эффект.
Квантовое туннелирование участвует в:
- термоядерных реакциях внутри Солнца
- альфа-распаде
- работе сканирующего туннельного микроскопа
- некоторых механизмах записи и стирания flash-памяти
Один из самых странных эффектов квантовой механики одновременно лежит в основе вполне обычных технологий.
В обычной физике всё просто: если у частицы недостаточно энергии, чтобы преодолеть барьер, она должна отскочить назад.
В квантовой механике это работает иначе.
Частица описывается волновой функцией. Внутри барьера она не обрывается мгновенно, а экспоненциально затухает. Если барьер достаточно тонкий, небольшая часть вероятности остаётся и с другой стороны.
То есть частица может оказаться там, куда классическая физика её не пустила бы.
Вероятность туннелирования резко падает:
- при увеличении ширины барьера
- при увеличении массы частицы
Поэтому электроны туннелируют сравнительно легко, а для больших объектов вероятность практически исчезает.
И это не абстрактный эффект.
Квантовое туннелирование участвует в:
- термоядерных реакциях внутри Солнца
- альфа-распаде
- работе сканирующего туннельного микроскопа
- некоторых механизмах записи и стирания flash-памяти
Один из самых странных эффектов квантовой механики одновременно лежит в основе вполне обычных технологий.
⚡️ Anthropic показала, как одна модель может улучшать другую почти без участия человека.
Claude дали задачу повысить безопасность и управляемость других моделей. Она сама искала подходы в исследованиях, придумывала методы, создавала данные для обучения, обучала модели, проверяла результаты и запускала новые итерации.
В экспериментах удалось улучшить все 10 проверяемых проблем поведения без заметного ухудшения общих возможностей моделей.
Отдельно протестировали Sonnet 5 на ранней версии Opus 4.8. Более слабая модель примерно за 60 часов смогла заметно улучшить её поведение и приблизить результаты к уровню финальной версии.
Исследователи также сравнили этот подход с работой людей. По их данным, лучшие методы, найденные Claude, в среднем обгоняли предложения опытных специалистов примерно за шесть часов работы.
Получается почти полный цикл:
ИИ изучает проблему
→ предлагает способ улучшения
→ создаёт данные
→ обучает другую модель
→ проверяет результат
→ повторяет процесс.
До полноценного самосовершенствования не хватает последнего шага: улучшенная модель пока не становится следующим исследователем и не запускает тот же цикл уже для следующей версии.
В работе нашли и слабое место. Примерно в 2,4% исследовательских траекторий модель пыталась обойти проверку, поэтому такие процессы тоже требуют отдельного контроля.
https://www.anthropic.com/research/automated-researchers-mitigate-alignment-failures
Claude дали задачу повысить безопасность и управляемость других моделей. Она сама искала подходы в исследованиях, придумывала методы, создавала данные для обучения, обучала модели, проверяла результаты и запускала новые итерации.
В экспериментах удалось улучшить все 10 проверяемых проблем поведения без заметного ухудшения общих возможностей моделей.
Отдельно протестировали Sonnet 5 на ранней версии Opus 4.8. Более слабая модель примерно за 60 часов смогла заметно улучшить её поведение и приблизить результаты к уровню финальной версии.
Исследователи также сравнили этот подход с работой людей. По их данным, лучшие методы, найденные Claude, в среднем обгоняли предложения опытных специалистов примерно за шесть часов работы.
Получается почти полный цикл:
ИИ изучает проблему
→ предлагает способ улучшения
→ создаёт данные
→ обучает другую модель
→ проверяет результат
→ повторяет процесс.
До полноценного самосовершенствования не хватает последнего шага: улучшенная модель пока не становится следующим исследователем и не запускает тот же цикл уже для следующей версии.
В работе нашли и слабое место. Примерно в 2,4% исследовательских траекторий модель пыталась обойти проверку, поэтому такие процессы тоже требуют отдельного контроля.
https://www.anthropic.com/research/automated-researchers-mitigate-alignment-failures
Какие локальные AI-модели запускать на разном железе в 2026 году
Подборка от 8 до 512 ГБ памяти.
8 ГБ
LFM2.5-2.6B - небольшой, но крепкий вариант для локального запуска.
Подойдёт для:
- простых tool calls
- небольших автоматизаций
- экспериментов с локальной инфраструктурой
- лёгких чат-задач
https://huggingface.co/LiquidAI/LFM2.5-2.6B
16 ГБ
Здесь уже интереснее смотреть на две модели.
Gemma 4 12B - более универсальный вариант для чата и vision.
https://huggingface.co/google/gemma-4-12B-it
Ornith-1.5-9B - сильнее ориентирована на tool calling и agentic-сценарии.
https://huggingface.co/ornith-ai/Ornith-1.5-9B
24-96 ГБ
Qwen3.8-27B - уже серьёзный вариант для локального кодинга.
Для такого объёма памяти особенно интересны EXL3-квантизации.
https://huggingface.co/turboderp/Qwen3.8-27B-exl3/tree/SC_3.00bpw_H4_V4
96-196 ГБ
Qwen3.8-Flash-Next.
Модель хорошо подходит для более длинного контекста и высокой скорости. Часть нагрузки можно выносить в RAM, а KV-cache относительно компактный.
https://huggingface.co/Qwen/Qwen3.8-Flash-Next
196-384 ГБ
GLM-5.3-Flash - уже почти frontier-уровень дома.
Подходит для:
- coding
- agentic-задач
- 3D
- мультимодальных сценариев
- длинного контекста
- высокой параллельной нагрузки
https://huggingface.co/zai-org/GLM-5.3-Flash
384-512 ГБ
GLM-5.3.
Медленнее Flash-версии, но заметно сильнее в сложном coding и systems work.
https://huggingface.co/zai-org/GLM-5.3
Если коротко по уровням:
8 ГБ - маленькие локальные модели
16 ГБ - хороший универсальный локальный AI
24+ ГБ - уже нормальный coding
96+ ГБ - большие модели и длинный контекст
196+ ГБ - почти frontier дома
384+ ГБ - максимум качества среди open-weight моделей
Подборка от 8 до 512 ГБ памяти.
8 ГБ
LFM2.5-2.6B - небольшой, но крепкий вариант для локального запуска.
Подойдёт для:
- простых tool calls
- небольших автоматизаций
- экспериментов с локальной инфраструктурой
- лёгких чат-задач
https://huggingface.co/LiquidAI/LFM2.5-2.6B
16 ГБ
Здесь уже интереснее смотреть на две модели.
Gemma 4 12B - более универсальный вариант для чата и vision.
https://huggingface.co/google/gemma-4-12B-it
Ornith-1.5-9B - сильнее ориентирована на tool calling и agentic-сценарии.
https://huggingface.co/ornith-ai/Ornith-1.5-9B
24-96 ГБ
Qwen3.8-27B - уже серьёзный вариант для локального кодинга.
Для такого объёма памяти особенно интересны EXL3-квантизации.
https://huggingface.co/turboderp/Qwen3.8-27B-exl3/tree/SC_3.00bpw_H4_V4
96-196 ГБ
Qwen3.8-Flash-Next.
Модель хорошо подходит для более длинного контекста и высокой скорости. Часть нагрузки можно выносить в RAM, а KV-cache относительно компактный.
https://huggingface.co/Qwen/Qwen3.8-Flash-Next
196-384 ГБ
GLM-5.3-Flash - уже почти frontier-уровень дома.
Подходит для:
- coding
- agentic-задач
- 3D
- мультимодальных сценариев
- длинного контекста
- высокой параллельной нагрузки
https://huggingface.co/zai-org/GLM-5.3-Flash
384-512 ГБ
GLM-5.3.
Медленнее Flash-версии, но заметно сильнее в сложном coding и systems work.
https://huggingface.co/zai-org/GLM-5.3
Если коротко по уровням:
8 ГБ - маленькие локальные модели
16 ГБ - хороший универсальный локальный AI
24+ ГБ - уже нормальный coding
96+ ГБ - большие модели и длинный контекст
196+ ГБ - почти frontier дома
384+ ГБ - максимум качества среди open-weight моделей
huggingface.co
LiquidAI/LFM2.5-2.6B · Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
🚨 ХУЛИАН АЛЬВАРЕС ГОТОВ В «АРСЕНАЛ» ТОЛЬКО НА ОДИН ГОД 😳
По данным TeamTalk, представители аргентинца предложили необычную схему:
🔴 Хулиан переходит в «Арсенал» на сезон
🔵 затем получает возможность уйти в «Барселону» по специальной клаузуле
💰 «Арсенал» при этом должен хорошо заработать на его следующем трансфере
То есть Лондон может стать для Альвареса промежуточной остановкой перед «Барсой».
Вы бы согласились на такую сделку? 👀
По данным TeamTalk, представители аргентинца предложили необычную схему:
🔴 Хулиан переходит в «Арсенал» на сезон
🔵 затем получает возможность уйти в «Барселону» по специальной клаузуле
💰 «Арсенал» при этом должен хорошо заработать на его следующем трансфере
То есть Лондон может стать для Альвареса промежуточной остановкой перед «Барсой».
Вы бы согласились на такую сделку? 👀
💡 Java: не используй `Thread.sleep()` для ожидания работы
Проблема в том, что ты угадываешь:
❌ поток может проснуться слишком рано
❌ или наоборот, ждать дольше, чем нужно
❌ polling через
Для координации потоков лучше использовать:
✅
✅
✅ другие примитивы синхронизации из
Например:
А если задача должна выполняться периодически, вместо бесконечного цикла с sleep() лучше взять
Для ожидания события и периодических задач в Java есть более точные инструменты.
#Java #Concurrency
Thread.sleep() - это просто пауза на заданное время.Проблема в том, что ты угадываешь:
❌ поток может проснуться слишком рано
❌ или наоборот, ждать дольше, чем нужно
❌ polling через
sleep() создаёт лишние задержки и проверкиДля координации потоков лучше использовать:
✅
wait() / notify() ✅
CountDownLatch ✅ другие примитивы синхронизации из
java.util.concurrentНапример:
CountDownLatch done = new CountDownLatch(1);
done.await(); // ждём сигнал
done.countDown(); // работа завершена
А если задача должна выполняться периодически, вместо бесконечного цикла с sleep() лучше взять
ScheduledExecutorService exec =
Executors.newSingleThreadScheduledExecutor();
exec.scheduleAtFixedRate(
this::doWork,
0,
1,
TimeUnit.SECONDS
);
Thread.sleep() хорошо подходит для простой задержки.
Для ожидания события и периодических задач в Java есть более точные инструменты.
#Java #Concurrency
⚡️ Linux так и не победил Windows на десктопе. Но в итоге сделал кое-что намного масштабнее.
Открываешь сайт - очень часто за ним Linux.
Пользуешься Android - внутри Linux kernel.
Сохраняешь файлы в облако - с большой вероятностью данные обрабатывают Linux-серверы.
Обучаешь AI-модель - почти наверняка Linux.
Роутеры, Smart TV, серверы, сетевое оборудование и огромное количество встраиваемых устройств тоже часто работают на Linux.
Всё началось в 1991 году, когда Линус Торвальдс опубликовал первую версию ядра. Другие разработчики начали присылать исправления и новые функции.
Со временем эти патчи превратились в драйверы, файловые системы, сетевой стек, дистрибутивы и огромную экосистему, на которой компании могли строить продукты, не создавая ОС с нуля.
Поэтому большинство людей почти не видят Linux напрямую.
Он просто сидит в дата-центрах и устройствах и делает работу в фоне.
Можно пользоваться Linux десятки раз в день и при этом быть уверенным, что никогда его не запускал.
Открываешь сайт - очень часто за ним Linux.
Пользуешься Android - внутри Linux kernel.
Сохраняешь файлы в облако - с большой вероятностью данные обрабатывают Linux-серверы.
Обучаешь AI-модель - почти наверняка Linux.
Роутеры, Smart TV, серверы, сетевое оборудование и огромное количество встраиваемых устройств тоже часто работают на Linux.
Всё началось в 1991 году, когда Линус Торвальдс опубликовал первую версию ядра. Другие разработчики начали присылать исправления и новые функции.
Со временем эти патчи превратились в драйверы, файловые системы, сетевой стек, дистрибутивы и огромную экосистему, на которой компании могли строить продукты, не создавая ОС с нуля.
Поэтому большинство людей почти не видят Linux напрямую.
Он просто сидит в дата-центрах и устройствах и делает работу в фоне.
Можно пользоваться Linux десятки раз в день и при этом быть уверенным, что никогда его не запускал.
AI-агент научился автоматически восстанавливать лазеры в квантовом компьютере QuEra.
Claude подключили к реальному лабораторному оборудованию через Model Hardware Standard. Агент мог менять управляющий код, запускать эксперименты, анализировать измерения и корректировать стратегию.
Задача была критичной: частота лазера должна оставаться очень точной, чтобы стабильно управлять атомами, которые используются как кубиты.
Результаты:
- восстановление после небольших сбоев за 0,9-5,4 секунды
- сложные mode-hop события за 10-14 секунд
- 695 успешных восстановлений из 700 тестов
- 99,3% успешности по 7 типам нарушений
- все 43 естественных mode-hop события исправлены без человека
Дальше Claude оптимизировал 12 связанных параметров управления лазером примерно за 12 500 итераций и снизил остаточный частотный шум примерно в 5 раз.
Во время 19-часового автономного теста система не потеряла lock ни разу. До оптимизации происходило около 1,6 срыва в час.
Ещё один сильный результат: агент самостоятельно настроил второй лазерный диапазон за одну ночь. Обычно такая работа требует недель ручной настройки специалистами.
Интересный пример того, как AI-агенты уже начинают работать не только с кодом и данными, но и напрямую с физическим лабораторным оборудованием.
QuEra's original technical write-up:
https://quera.com/blog-posts/holding-the-light-teaching-an-ai-to-lock-and-tune-our-quantum-computers-lasers
source of above news study:
https://interestingengineering.com/science/quantum-computers-drifting-lasers
Anthropic's official announcement of the Model Hardware Standard:
https://anthropic.com/news/model-hardware-standard-research-preview?height=512.1&width=921.6&
Claude подключили к реальному лабораторному оборудованию через Model Hardware Standard. Агент мог менять управляющий код, запускать эксперименты, анализировать измерения и корректировать стратегию.
Задача была критичной: частота лазера должна оставаться очень точной, чтобы стабильно управлять атомами, которые используются как кубиты.
Результаты:
- восстановление после небольших сбоев за 0,9-5,4 секунды
- сложные mode-hop события за 10-14 секунд
- 695 успешных восстановлений из 700 тестов
- 99,3% успешности по 7 типам нарушений
- все 43 естественных mode-hop события исправлены без человека
Дальше Claude оптимизировал 12 связанных параметров управления лазером примерно за 12 500 итераций и снизил остаточный частотный шум примерно в 5 раз.
Во время 19-часового автономного теста система не потеряла lock ни разу. До оптимизации происходило около 1,6 срыва в час.
Ещё один сильный результат: агент самостоятельно настроил второй лазерный диапазон за одну ночь. Обычно такая работа требует недель ручной настройки специалистами.
Интересный пример того, как AI-агенты уже начинают работать не только с кодом и данными, но и напрямую с физическим лабораторным оборудованием.
QuEra's original technical write-up:
https://quera.com/blog-posts/holding-the-light-teaching-an-ai-to-lock-and-tune-our-quantum-computers-lasers
source of above news study:
https://interestingengineering.com/science/quantum-computers-drifting-lasers
Anthropic's official announcement of the Model Hardware Standard:
https://anthropic.com/news/model-hardware-standard-research-preview?height=512.1&width=921.6&
Sony Music Publishing и Warner Chappell подали многомиллиардный иск против Anthropic, обвинив компанию в масштабном нарушении авторских прав.
Музыкальные издатели требуют до $150 000 за каждое нарушенное произведение, раскрытия данных для обучения Claude и методов их сбора, а также уничтожения незаконно использованных копий.
В иске утверждается, что:
- сооснователь Anthropic Бенджамин Манн обсуждал получение данных из LibGen с Дарио Амодеи, а тот якобы одобрил скачивание через torrent
- материалы из LibGen и PiLiMi могли попасть в коммерческие версии Claude косвенно, через синтетические данные и reinforcement feedback
- из обучающих материалов якобы удалялась информация об авторских правах
- при дообучении Claude использовались защищённые тексты песен
- проверяющие выбирали более точные воспроизведения lyrics вместо неточных, тем самым поощряя дословное запоминание
Sony и Warner называют происходящее «одной из крупнейших и самых вопиющих продолжающихся краж интеллектуальной собственности в истории».
Если эти утверждения подтвердятся в суде, дело может стать одним из самых серьёзных разбирательств вокруг происхождения данных для обучения больших языковых моделей.
https://storage.courtlistener.com/recap/gov.uscourts.cand.477477/gov.uscourts.cand.477477.1.0.pdf
Музыкальные издатели требуют до $150 000 за каждое нарушенное произведение, раскрытия данных для обучения Claude и методов их сбора, а также уничтожения незаконно использованных копий.
В иске утверждается, что:
- сооснователь Anthropic Бенджамин Манн обсуждал получение данных из LibGen с Дарио Амодеи, а тот якобы одобрил скачивание через torrent
- материалы из LibGen и PiLiMi могли попасть в коммерческие версии Claude косвенно, через синтетические данные и reinforcement feedback
- из обучающих материалов якобы удалялась информация об авторских правах
- при дообучении Claude использовались защищённые тексты песен
- проверяющие выбирали более точные воспроизведения lyrics вместо неточных, тем самым поощряя дословное запоминание
Sony и Warner называют происходящее «одной из крупнейших и самых вопиющих продолжающихся краж интеллектуальной собственности в истории».
Если эти утверждения подтвердятся в суде, дело может стать одним из самых серьёзных разбирательств вокруг происхождения данных для обучения больших языковых моделей.
https://storage.courtlistener.com/recap/gov.uscourts.cand.477477/gov.uscourts.cand.477477.1.0.pdf
Архив охватывает период примерно с 2003 по 2013 год, поэтому новых игр там нет. Зато датамайнеры уже ищут отменённые проекты, ранние прототипы и альфа-версии игр Valve.
Из интересного уже нашли альфа-версию Portal 2 образца 2009 года и связанные с ней ассеты.
Объём утечки огромный, поэтому сообщество только начинает всё разбирать. Теперь главный вопрос: найдётся ли там хоть что-нибудь от Half-Life 2: Episode 3.
Please open Telegram to view this post
VIEW IN TELEGRAM
Павел Дуров рассказал, как школьник заработал $20 000 благодаря подарку в Telegram.
Джонатан Хэ, золотой медалист IOI и №7 в мировом рейтинге, продал свой Algorithm Cup - NFT-награду, которую Telegram вручил лучшим молодым программистам в этом месяце - за 15 000 Telegram Stars.
Дуров отметил, что особенно рад за него, потому что $20 000 могут сильно изменить жизнь человека, который ещё только учится.
Он также вспомнил, что 20 лет назад примерно такой суммы ему хватило, чтобы запустить первую компанию. Через несколько месяцев у проекта уже был 1 млн пользователей, а инвестиции составили $12 млн при оценке $60 млн.
Дуров надеется, что победители этого года смогут использовать свои награды так же удачно.
Джонатан Хэ, золотой медалист IOI и №7 в мировом рейтинге, продал свой Algorithm Cup - NFT-награду, которую Telegram вручил лучшим молодым программистам в этом месяце - за 15 000 Telegram Stars.
Дуров отметил, что особенно рад за него, потому что $20 000 могут сильно изменить жизнь человека, который ещё только учится.
Он также вспомнил, что 20 лет назад примерно такой суммы ему хватило, чтобы запустить первую компанию. Через несколько месяцев у проекта уже был 1 млн пользователей, а инвестиции составили $12 млн при оценке $60 млн.
Дуров надеется, что победители этого года смогут использовать свои награды так же удачно.
Предстоящий релиз GTA VI способен вызвать «блэкаут работы», сообщает The Wall Street Journal. Фанаты франшизы массово планируют брать оплачиваемые отпуска в день выхода игры, а в сети уже набирает популярность шуточный шаблон соответствующего заявления для работодателей. @ecotopor
Глава Nvidia Дженсен Хуанг заявил, что AGI в некотором смысле уже достигнут.
«Для многих задач можно сказать, что мы уже достигли AGI. Думаю, все эти вехи сейчас уже не имеют особого смысла», - сказал Хуанг во время последнего отчёта Nvidia.
По его словам, важнее не спорить о том, подходит ли современный AI под формальное определение AGI, а смотреть на то, способен ли он выполнять полезную работу и приносить реальную экономическую ценность.
Проблема в том, что единого определения AGI до сих пор нет. Обычно под ним понимают систему, которая может сравниться с человеком или превзойти его в широком наборе интеллектуальных задач, но разные компании трактуют этот термин по-разному.
Хуанг уже говорил похожее весной: тогда он утверждал, что современные AI-системы уже могут соответствовать некоторым узким определениям AGI.
https://www.pcmag.com/news/nvidia-ceo-weve-achieved-agi-but-it-doesnt-really-matter
«Для многих задач можно сказать, что мы уже достигли AGI. Думаю, все эти вехи сейчас уже не имеют особого смысла», - сказал Хуанг во время последнего отчёта Nvidia.
По его словам, важнее не спорить о том, подходит ли современный AI под формальное определение AGI, а смотреть на то, способен ли он выполнять полезную работу и приносить реальную экономическую ценность.
Проблема в том, что единого определения AGI до сих пор нет. Обычно под ним понимают систему, которая может сравниться с человеком или превзойти его в широком наборе интеллектуальных задач, но разные компании трактуют этот термин по-разному.
Хуанг уже говорил похожее весной: тогда он утверждал, что современные AI-системы уже могут соответствовать некоторым узким определениям AGI.
https://www.pcmag.com/news/nvidia-ceo-weve-achieved-agi-but-it-doesnt-really-matter
Бизнес Mac у Apple вырос на 29%, и компания может оказаться гораздо сильнее в гонке AI-железа, чем кажется.
Что уже происходит:
- OpenAI закупала десятки тысяч Mac mini для RL-задач и, по сообщениям, хотела ещё
- Anthropic арендует Mac mini через AWS
- появляются стартапы, которые строят целые Mac-дата-центры под AI
- в индустрии Apple всё чаще рассматривают как серьёзного конкурента Nvidia в локальном AI
- топовые конфигурации Mac периодически уходят в дефицит
Теперь Apple явно пытается развить это направление дальше.
Новые Mac mini и Mac Studio получили упор на более ранние релизы, мощные конфигурации и Thunderbolt 5, который можно использовать для объединения нескольких машин и распределённого инференса крупных моделей.
Apple долго не позиционировала Mac как специализированное AI-железо.
Но сочетание мощной unified memory, высокой энергоэффективности и больших объёмов памяти сделало Mac неожиданно удобной платформой для локальных моделей и части AI-инфраструктуры.
Что уже происходит:
- OpenAI закупала десятки тысяч Mac mini для RL-задач и, по сообщениям, хотела ещё
- Anthropic арендует Mac mini через AWS
- появляются стартапы, которые строят целые Mac-дата-центры под AI
- в индустрии Apple всё чаще рассматривают как серьёзного конкурента Nvidia в локальном AI
- топовые конфигурации Mac периодически уходят в дефицит
Теперь Apple явно пытается развить это направление дальше.
Новые Mac mini и Mac Studio получили упор на более ранние релизы, мощные конфигурации и Thunderbolt 5, который можно использовать для объединения нескольких машин и распределённого инференса крупных моделей.
Apple долго не позиционировала Mac как специализированное AI-железо.
Но сочетание мощной unified memory, высокой энергоэффективности и больших объёмов памяти сделало Mac неожиданно удобной платформой для локальных моделей и части AI-инфраструктуры.