Forwarded from Machinelearning
This media is not supported in your browser
VIEW IN TELEGRAM
🚨 Moonshot AI выложила Kimi K3 на Hugging Face — 2,8 ТРИЛЛИОНА параметров в открытых весах.
Это первая open-weight модель класса ~3T. При этом благодаря MoE на каждом токене активируется 104 млрд параметров: 16 экспертов из 896. (Hugging Face)
Что внутри:
— контекст 1 048 576 токенов
— нативная работа с текстом и изображениями
— новая Kimi Delta Attention (KDA)
— Attention Residuals
— 93 слоя: 69 KDA + 24 Gated MLA
— MXFP4-веса + MXFP8-активации
— заявлено примерно 2,5× более эффективное масштабирование, чем у Kimi K2. (Hugging Face)
K3 заточена под долгие агентные задачи: работу с огромными репозиториями, терминалом, исследования, оптимизацию GPU-ядер, компиляторы и другие многошаговые инженерные сценарии. (Hugging Face)
Moonshot действительно опубликовала полные веса модели, а не ограничилась API. (Hugging Face)
https://huggingface.co/moonshotai/Kimi-K3
Это первая open-weight модель класса ~3T. При этом благодаря MoE на каждом токене активируется 104 млрд параметров: 16 экспертов из 896. (Hugging Face)
Что внутри:
— контекст 1 048 576 токенов
— нативная работа с текстом и изображениями
— новая Kimi Delta Attention (KDA)
— Attention Residuals
— 93 слоя: 69 KDA + 24 Gated MLA
— MXFP4-веса + MXFP8-активации
— заявлено примерно 2,5× более эффективное масштабирование, чем у Kimi K2. (Hugging Face)
K3 заточена под долгие агентные задачи: работу с огромными репозиториями, терминалом, исследования, оптимизацию GPU-ядер, компиляторы и другие многошаговые инженерные сценарии. (Hugging Face)
Moonshot действительно опубликовала полные веса модели, а не ограничилась API. (Hugging Face)
https://huggingface.co/moonshotai/Kimi-K3
🔥8❤4👍2🍾2😈2
⚡️ Moonshot AI открыла FlashKDA - быстрые CUDA-ядра для Kimi Delta Attention
FlashKDA — реализация KDA на базе CUTLASS, заточенная под современные GPU NVIDIA.
По бенчмаркам разработчиков:
• H20: ускорение примерно до 2,31× относительно
• GB200: до 3,27× на variable-length sequences
• поддерживается batching последовательностей разной длины
• интеграция уже есть в flash-linear-attention ≥ 0.5.0 — FlashKDA может автоматически выбираться как backend
Требования пока серьёзные: SM90+, CUDA 12.9+ и PyTorch 2.4+.
Интересно здесь другое: вместе с моделями Moonshot постепенно открывает и низкоуровневый стек, необходимый для быстрого запуска их архитектур.
🔗 https://github.com/MoonshotAI/FlashKDA
FlashKDA — реализация KDA на базе CUTLASS, заточенная под современные GPU NVIDIA.
По бенчмаркам разработчиков:
• H20: ускорение примерно до 2,31× относительно
chunk_kda• GB200: до 3,27× на variable-length sequences
• поддерживается batching последовательностей разной длины
• интеграция уже есть в flash-linear-attention ≥ 0.5.0 — FlashKDA может автоматически выбираться как backend
Требования пока серьёзные: SM90+, CUDA 12.9+ и PyTorch 2.4+.
Интересно здесь другое: вместе с моделями Moonshot постепенно открывает и низкоуровневый стек, необходимый для быстрого запуска их архитектур.
🔗 https://github.com/MoonshotAI/FlashKDA
👍9🔥7❤3
KAT-Coder-V2.5-Dev: 35B параметров, но активны только 3B
KwaiAI открыла KAT-Coder-V2.5-Dev - MoE-модель для агентной разработки на базе Qwen3.6-35B-A3B.
На каждом токене используется около 3 млрд параметров, при этом результаты выглядят серьёзно:
- 69,4 на SWE-bench Verified;
- 63,0 на SWE-bench Multilingual;
- 41,02 на Terminal-Bench 2.1.
Есть контекст 256K, tool calling, thinking и non-thinking режимы, а также сохранение истории рассуждений между шагами агента.
Для обучения использовали 127 тысяч SFT-примеров и reinforcement learning. Доля некорректных tool labels снизилась с 9,34% до 0,28%, а непрерывные повторы — до 0%.
Модель текстовая, без vision-модуля. Веса открыты под Apache 2.0.
https://modelscope.ai/models/Kwaipilot/KAT-Coder-V2.5-Dev
Paper:
https://modelscope.ai/papers/2607.05471
KwaiAI открыла KAT-Coder-V2.5-Dev - MoE-модель для агентной разработки на базе Qwen3.6-35B-A3B.
На каждом токене используется около 3 млрд параметров, при этом результаты выглядят серьёзно:
- 69,4 на SWE-bench Verified;
- 63,0 на SWE-bench Multilingual;
- 41,02 на Terminal-Bench 2.1.
Есть контекст 256K, tool calling, thinking и non-thinking режимы, а также сохранение истории рассуждений между шагами агента.
Для обучения использовали 127 тысяч SFT-примеров и reinforcement learning. Доля некорректных tool labels снизилась с 9,34% до 0,28%, а непрерывные повторы — до 0%.
Модель текстовая, без vision-модуля. Веса открыты под Apache 2.0.
https://modelscope.ai/models/Kwaipilot/KAT-Coder-V2.5-Dev
Paper:
https://modelscope.ai/papers/2607.05471
👍8🔥7❤6
Nvidia готова финансировать покупателей своих же GPU - рынок напрягся
Пятилетний CDS Nvidia — стоимость страховки от дефолта компании — поднялся до рекордного уровня на фоне новых мегасделок вокруг AI-инфраструктуры.
По данным WSJ, Nvidia обсуждает гарантии до $250 млрд, чтобы OpenAI смогла арендовать гигантский дата-центр в Огайо. Ещё до $350 млрд компания может направить на финансирование закупок собственных чипов для этого проекта. Общая стоимость кампуса способна превысить $500 млрд. Сделка пока не подтверждена окончательно.
Получается замкнутый круг: Nvidia помогает клиенту найти деньги, клиент покупает GPU Nvidia, а выручка возвращается поставщику.
Сторонники называют это способом ускорить строительство AI-инфраструктуры. Критики видят искусственно поддерживаемый спрос и риск огромных потерь, если доходность AI не оправдает вложений.
Инвесторы впервые всерьёз спрашивают: кто оплатит вычислительный бум, если экономика AI не сойдётся?
#NVDA #AI #OpenAI
Пятилетний CDS Nvidia — стоимость страховки от дефолта компании — поднялся до рекордного уровня на фоне новых мегасделок вокруг AI-инфраструктуры.
По данным WSJ, Nvidia обсуждает гарантии до $250 млрд, чтобы OpenAI смогла арендовать гигантский дата-центр в Огайо. Ещё до $350 млрд компания может направить на финансирование закупок собственных чипов для этого проекта. Общая стоимость кампуса способна превысить $500 млрд. Сделка пока не подтверждена окончательно.
Получается замкнутый круг: Nvidia помогает клиенту найти деньги, клиент покупает GPU Nvidia, а выручка возвращается поставщику.
Сторонники называют это способом ускорить строительство AI-инфраструктуры. Критики видят искусственно поддерживаемый спрос и риск огромных потерь, если доходность AI не оправдает вложений.
Инвесторы впервые всерьёз спрашивают: кто оплатит вычислительный бум, если экономика AI не сойдётся?
#NVDA #AI #OpenAI
👍13❤7👀5🔥4😁3
🤔 GPT-5.6 Sol уже обогнал Opus 5 на ARC-AGI-3? Не совсем
В официальном рейтинге лидер остаётся прежним:
• Claude Opus 5 - 30,2%
• GPT-5.6 Sol - 7,8%
Но ARC-AGI-3 оценивает не только саму модель. Агент должен изучать незнакомые 2D-игры методом проб и ошибок, а результат зависит от памяти, управления контекстом и тестового harness.
Стандартный harness не переносит скрытые рассуждения модели между ходами. Когда история превышает примерно 175 000 символов, самые старые взаимодействия удаляются.
OpenAI запустила Sol через Responses API с сохранением рассуждений и Compaction - механизмом, который сжимает старый контекст вместо его удаления.
На публичных играх результат вырос:
13,3% → 38,3%
При этом модель использовала в шесть раз меньше выходных токенов.
Но это ещё не доказывает превосходство над Opus 5: 38,3% получены на публичном наборе с кастомным harness, а 30,2% Opus 5 - официальный результат в стандартных условиях.
https://x.com/Machinelearrn/status/2082761183732363729
В официальном рейтинге лидер остаётся прежним:
• Claude Opus 5 - 30,2%
• GPT-5.6 Sol - 7,8%
Но ARC-AGI-3 оценивает не только саму модель. Агент должен изучать незнакомые 2D-игры методом проб и ошибок, а результат зависит от памяти, управления контекстом и тестового harness.
Стандартный harness не переносит скрытые рассуждения модели между ходами. Когда история превышает примерно 175 000 символов, самые старые взаимодействия удаляются.
OpenAI запустила Sol через Responses API с сохранением рассуждений и Compaction - механизмом, который сжимает старый контекст вместо его удаления.
На публичных играх результат вырос:
13,3% → 38,3%
При этом модель использовала в шесть раз меньше выходных токенов.
Но это ещё не доказывает превосходство над Opus 5: 38,3% получены на публичном наборе с кастомным harness, а 30,2% Opus 5 - официальный результат в стандартных условиях.
https://x.com/Machinelearrn/status/2082761183732363729
❤8🔥6👍4
🔥 OpenAI совершила разворот на 180°
Ещё год назад GPT-5 выглядел как провал, Claude Code уходил вперёд, а Anthropic усиливала позиции в корпоративном сегменте.
Теперь картина изменилась: GPT-5.6 получил сильный запуск, ChatGPT достиг 1 млрд активных пользователей, а Codex и ChatGPT Work вместе превысили 10 млн пользователей.
По словам финансового директора OpenAI Сары Фрайар, июльский годовой темп выручки уже превысил всю выручку за второй квартал.
Anthropic тем временем пришлось отдельно объяснять свою позицию по open weights и разбираться с противоречивым запуском Fable 5.
OpenAI учла ошибки, вернула технологическое лидерство в центр дискуссии и снова набрала мощный темп. Этот камбэк действительно стоит изучать.
https://www.cnbc.com/2026/07/29/openai-cfo-sarah-friar-tells-employees-arr-in-july-topped-all-of-q2.html
Ещё год назад GPT-5 выглядел как провал, Claude Code уходил вперёд, а Anthropic усиливала позиции в корпоративном сегменте.
Теперь картина изменилась: GPT-5.6 получил сильный запуск, ChatGPT достиг 1 млрд активных пользователей, а Codex и ChatGPT Work вместе превысили 10 млн пользователей.
По словам финансового директора OpenAI Сары Фрайар, июльский годовой темп выручки уже превысил всю выручку за второй квартал.
Anthropic тем временем пришлось отдельно объяснять свою позицию по open weights и разбираться с противоречивым запуском Fable 5.
OpenAI учла ошибки, вернула технологическое лидерство в центр дискуссии и снова набрала мощный темп. Этот камбэк действительно стоит изучать.
https://www.cnbc.com/2026/07/29/openai-cfo-sarah-friar-tells-employees-arr-in-july-topped-all-of-q2.html
👍24❤7🥴3🔥2😁1
Gemini Plus можно получить на год бесплатно — но только при соблюдении условий акции
В X завирусилась студенческая партнёрская программа Google, которая даёт 12 месяцев Gemini Plus без оплаты.
Что входит:
- расширенный доступ к Gemini;
- дополнительные функции NotebookLM;
- 400 ГБ облачного хранилища;
- экономия около $60 за год.
Для активации нужно зарегистрироваться в программе, подтвердить право на участие, выбрать Google AI Plus и привязать карту. Списание не должно происходить до окончания бесплатного периода, но автопродление лучше отключить заранее.
Важно: используйте реальные данные и сначала проверьте региональные ограничения и правила акции — доступность предложения может отличаться.
https://internshala.com/
В X завирусилась студенческая партнёрская программа Google, которая даёт 12 месяцев Gemini Plus без оплаты.
Что входит:
- расширенный доступ к Gemini;
- дополнительные функции NotebookLM;
- 400 ГБ облачного хранилища;
- экономия около $60 за год.
Для активации нужно зарегистрироваться в программе, подтвердить право на участие, выбрать Google AI Plus и привязать карту. Списание не должно происходить до окончания бесплатного периода, но автопродление лучше отключить заранее.
Важно: используйте реальные данные и сначала проверьте региональные ограничения и правила акции — доступность предложения может отличаться.
https://internshala.com/
🔥8❤3🌚3🥰2🥱1
Rust, который наконец становится понятным 🦀
Давно хочешь выучить Rust, но ownership, borrowing и lifetimes выглядят как отдельный вид боли?
Этот курс проведёт тебя с самого начала до уровня, где ты уже пишешь реальные системные и сетевые программы.
Ты разберёшь:
Ownership → Borrowing → ошибки → коллекции → Generics → Traits → модули → тесты → сетевой код
Никакого бесконечного чтения документации. После каждого урока ты сразу пишешь код, проходишь тесты и решаешь задачу с автопроверкой.
🔥 Rust с нуля
🔥 5–6 часов в неделю
🔥 Практика после каждого урока
🔥 Подойдёт после Python, JavaScript, Java и других языков
🔥 Можно начать сразу
В конце у тебя будет понимание Rust, с которым уже можно писать быстрые backend-сервисы, сетевые приложения и системные утилиты, а не смотреть на borrow checker как на врага.
Пора добавить Rust в свой стек. Начинай курс и пиши первый код уже сегодня: https://stepik.org/a/294885/
Давно хочешь выучить Rust, но ownership, borrowing и lifetimes выглядят как отдельный вид боли?
Этот курс проведёт тебя с самого начала до уровня, где ты уже пишешь реальные системные и сетевые программы.
Ты разберёшь:
Ownership → Borrowing → ошибки → коллекции → Generics → Traits → модули → тесты → сетевой код
Никакого бесконечного чтения документации. После каждого урока ты сразу пишешь код, проходишь тесты и решаешь задачу с автопроверкой.
🔥 Rust с нуля
🔥 5–6 часов в неделю
🔥 Практика после каждого урока
🔥 Подойдёт после Python, JavaScript, Java и других языков
🔥 Можно начать сразу
В конце у тебя будет понимание Rust, с которым уже можно писать быстрые backend-сервисы, сетевые приложения и системные утилиты, а не смотреть на borrow checker как на врага.
Пора добавить Rust в свой стек. Начинай курс и пиши первый код уже сегодня: https://stepik.org/a/294885/
👍4❤3🥰3😁1🥱1
⚡️ Как из хаоса триллионов частиц рождаются законы физики
Каждая молекула газа подчиняется механике Ньютона. Но следить за всеми столкновениями невозможно, поэтому поведение газа описывают уравнением Больцмана — через вероятности.
Юй Дэн, Захер Хани и Сяо Ма строго доказали, как эта статистическая картина возникает из движения отдельных твёрдых сфер. Главной проблемой были повторные столкновения: они создают длинные цепочки зависимостей между частицами и разрушают предположение об их независимости.
Математики разработали способ разбирать огромные истории столкновений и показали, что влияние повторных взаимодействий исчезает в предельном режиме разреженного газа. В результате уравнение Больцмана действительно выводится из обычной механики на всём промежутке существования его регулярного решения.
Работа закрыла центральный этап программы, связанной с шестой проблемой Гильберта: построить строгий мост между движением микроскопических частиц и законами, наблюдаемыми на уровне газа и жидкости.
За этот результат, а также вклад в теорию волновой турбулентности и нелинейные уравнения Шрёдингера Юй Дэн получил Филдсовскую премию 2026 года.
Каждая молекула газа подчиняется механике Ньютона. Но следить за всеми столкновениями невозможно, поэтому поведение газа описывают уравнением Больцмана — через вероятности.
Юй Дэн, Захер Хани и Сяо Ма строго доказали, как эта статистическая картина возникает из движения отдельных твёрдых сфер. Главной проблемой были повторные столкновения: они создают длинные цепочки зависимостей между частицами и разрушают предположение об их независимости.
Математики разработали способ разбирать огромные истории столкновений и показали, что влияние повторных взаимодействий исчезает в предельном режиме разреженного газа. В результате уравнение Больцмана действительно выводится из обычной механики на всём промежутке существования его регулярного решения.
Работа закрыла центральный этап программы, связанной с шестой проблемой Гильберта: построить строгий мост между движением микроскопических частиц и законами, наблюдаемыми на уровне газа и жидкости.
За этот результат, а также вклад в теорию волновой турбулентности и нелинейные уравнения Шрёдингера Юй Дэн получил Филдсовскую премию 2026 года.
❤12🔥8👍3