https://t.iss.one/neuraldeep?livestream

Запланировал трансляцию в ТГ на вторник 21 числа в 19:00

Пока все говорят о новом "убийце GPT" — мы его уже добавили на Арену. Речь о модели DeepSeekR1, которой предрекают уже первые места на лидербордах. Предлагаем вам самим протестировать и сделать выводы.

Пишут, что R1 превзошла все существующие модели OpenAI в тестах по программированию и математике.

Кстати, пользоваться Ареной и попробовать новинку можно и прямо в Telegram.

Ну что уже через 4 часа сядем с вами попрогать RAG (чистый handmade + Claude) никаких langchain или других крутых словечек только питон и только хардкорно разбирать задачу

Что нас ждет?

Порисуем схему
Попробуем на локальной модели (возьмем арендуем GPU и поднимем LLM с huggingface + structured output)
Поднимем топовую векторную бд
Cоздадим base пайплайн RAG
Упакуем все в API
Упакуем все в докер
И пообщаемся с RAG через тг бота

https://t.iss.one/neuraldeep?livestream

В соседнем канала про LLM задали вопрос как понять скорости генерации на разных бэкендах structured output(эта штука заставляет модель отвечать вам жесткой схемой json формата например) при локальном инференсе
Так вот погуглил ничего вразумительного не нашел для своей спеки так что держите сделал сам

4090 OC
T-lite(qwen)
vllm
и 4 типа тестирования
xgrammar
outlines
lm-format-enforcer
Без бэкенда форматирования

Вот автоматизация браузера через gpt-4o API без подписок и блекджеков

Если интересно что за репозиторий и как настроить запишу видео кодинг где объясню как промптимть и настраивать кстати работает и с локальным моделями

Не пойму что за хайп вокруг оператора

Тут кстати модель агента ходит по интернету и собирает выручку компании по годам

OpenAI Operator бесплатно но как?

Ну а что я же умею могу практикую как там еще сказать?

Взял этот репо (кидал в чате)

В итоге приложил усилия и знания DevOps + Python + Network engineer

Развернул все на удаленном сервере
Упаковал настройки и сбил все в два фрейма прокинул NoVNC в iframe по https из контейнера
Раскидал сервисы через nginx
Сделал дефолт конфиг поправил логику агента что бы не так сильно тупил
Ковырнул у проекта промпты тоже дал своих настроек

Ну конечно не такой прям оператор как у openai но стоит не $200


1) Суть в том что это виртуальный браузер который живет на удаленной машине
2) Модель совершенно обычная gpt-4o
3) Может выполнять любые действия с браузером
4) Браузер кликабельный через вэб пользователь может делать с ним что угодно

Но я уверен что нужны кейсы (как пишут в чате Operator просто игрушка 10 минут и забыли)

Operator (Openai) vs Open Source: зачем нам вообще AI-UI-агенты?

Ну что, народ, давайте на трезвую голову посмотрим на всю эту историю с Operator и UI агентами

Почему? Потому что за хайпом вокруг релиза от OpenAI мы забыли главный вопрос - а зачем это вообще нужно?

Да я видел как в других каналах мы открывали Оператора в операторе
Как круто находили проблемы в маршрутизаторах (или нет?)
Как круто прикалывались над друзьями или парсили новости?

Что мы имеем?

OpenAI Operator ($200/месяц)
- Красивый интерфейс
- Облачное решение
- Высокие метрики в тестах
- Удобный юзабилити?
- НО: где применить?

Open Source решения
- Browser Use (бесплатно) OpenSource
- Computer Use (бесплатно) от Антропиков
- Разные эксперименты
- НО: сложно настроить

В чём проблема?
Главная проблема и Operator и опенсорса одна - непонятно, где это реально применять
Вот смотрите существующие кейсы которые ходят по сети лично меня они не впечатляют

Заказ пиццы (но не всегда точно)
Настройка роутера (с переменным успехом)
Заполнение форм (когда повезёт)

Для бизнеса пока сырое и вот почему на мой взгляд
Нужна 100% точность
Важна безопасность
Критична скорость

Почему так?
Вспомним Rabbit r1 - ребята пытались сделать носимый девайс с LLM. Провалились, но показали важную вещь:

LAM (Large Action Model) или Computer-Using Agent (CUA) это не просто API:
- Нужно понимать интерфейс на уровне ОС
- Важна работа с визуальными элементами
- Нужен контекст действий
Или просто говоря нужны кейсы

Текущие решения застряли между
- API интеграцией (быстро но ограниченно)
- Визуальным интерфейсом (гибко но ненадёжно)

Что дальше?

Нужны реальные бизнес-кейсы я пока их не вижу
1) Не просто "круто, работает"
2) А "решает конкретную проблему"
3) С измеримой выгодой?

Развитие в двух направлениях
1) Специализированные агенты под конкретные задачи
2) Универсальные системные помощники

Operator крутой, опенсорс развивается, но главный вопрос остаётся - где это реально применять? Пока что выглядит как дорогая игрушка для энтузиастов.

Как думаете, какие реальные применения могут быть у таких агентов?


Browser Use (89% точности в бенчмарках)

Репо: https://github.com/browser-use/browser-use

Computer Use (52% точности, но умеет больше)

Репо: https://github.com/anthropics/anthropic-quickstarts/tree/main/computer-use-demo

Stagehand (гибридное решение)

Репо: https://github.com/browserbase/stagehan

Значит, смотрите, все как учил вас в 2025!

Сначала отстреливаем каждую из семи щупалец. После того как он перестанет вас хватать, целимся в светящийся оранжевый треугольник, между сенсорами. Как убьете, не подходите сразу для сбора дропа — после смерти они, как правило, взрываются!

Акции NVIDIA рухнули на $400 миллиардов за одну ночь, китайский DeepSeek перевернул рынок ИИ?

Давайте по порядку!
Что произошло?
Выпуск DeepSeek в open-source и обгон ChatGPT o1 по скорости, качеству и стоимости

Её обучение обошлось в $6 млн — в сотни раз дешевле карл!!! Чем у OpenAI, Google и Meta (миллиарды долларов)
Это ударило по NVIDIA и рынку инвестиций в ИИ, чьи GPU считались обязательными для обучение моделей такого уровня!

Какие причины падения NVIDIA вижу я

Снижение зависимости от дорогих GPU
- DeepSeek обучили без этапа supervised fine-tuning, используя чистое обучение с подкреплением (RL)
- Алгоритм GRPO (эффективнее традиционного PPO) сократил затраты на тренировку
- Итог: больше не нужны гигантские кластеры видеокарт?

Архитектура MoE меньше параметров в момент запуска а значит выше скорость
- Модель использует 37 млрд активных параметров из 671 млрд общих (Mixture of Experts)
- Это снижает вычислительные затраты и ускоряет инференс
- Стоимость токенов за инференс у DeepSeek в 27 раз ниже, чем у OpenAI воу!

DeepSeek-reasoner vs OpenAI o1 - сравнение цен за 1 миллион токенов:
DeepSeek-reasoner (64K контекст):

Полная обработка (вход + выход): $2.74 ($0.55 + $2.19)

OpenAI o1 (200K контекст):

Полная обработка (вход + выход): $75 ($15 + $60)

Итог: OpenAI o1 дороже в 27 раз при сравнимых возможностях рассуждения, но предлагает в 3 раза больший контекстный размер.

Смена парадигмы алгоритмы vs «железо»
- Раньше прогресс связывали с увеличением GPU (правило «Bitter Lesson»)
- Теперь оптимизация методов обучения (например, RL-подходы) сокращает затраты
- Тысячи видеокарт для каждой модели — уже не обязательны
- Спрос на GPU для ИИ под вопросом: инвесторы начали массово сливать акции
- Зависимость NVIDIA от двух секторов: игры и ИИ. Последний теперь выглядит рискованным

Рыночные ожидания?
- NVIDIA была символом AI-бума и походу это пошатнулась, но её оценка строилась на вере в бесконечный спрос на GPU
- Китайские компании (включая DeepSeek) стали серьёзными конкурентами, хотя их раньше не воспринимали всерьёз
- Главный вопрос сможет ли NVIDIA адаптироваться, если тренд на «дешёвый ИИ» сохранится?


Уже пробовали DeepSeek?

P.S. Пока ИИ-гиганты тратят миллиарды, китайцы делают революцию за $6 млн
NVIDIA в шоке, Уолл-стрит — в панике
Запасаемся попкорном будет интересно 🔥


Мы же все же про технику больше
Дальше буду сидеть изучать эту статью и похожие где даётся разбор обучения

Агенты обретут память? SMRT может решить эту задачу!

Интересная статья вышла от 22 января на arXiv и стала публикацией дня на HuggingFace - про решение проблемы памяти у многоагентных систем (SRMT: Shared Memory for Multi-agent Lifelong Pathfinding)

Главная идея: авторы придумали, как научить агентов эффективно "общаться" через общую память
Работает это так

1. Каждый агент преобразует свои наблюдения и планы в компактный вектор (mem_i)
2. Все агенты могут "читать" память друг друга через cross-attention механизм и извлекать из векторов памяти других агентов например окружение (obs_i)
3. На основе этой информации каждый агент принимает решения

По сути, агенты учатся общаться на своем "сжатом" языке:
- Умеют "упаковывать" свои намерения в векторы
- Понимают как интерпретировать векторы других агентов
- Вся эта коммуникация происходит автоматически через ResNet энкодер обучение модифицированной, GPT2-based трансформер с shared memory механизмом и cross-attention.

Технически это довольно компактная модель судя по репозиторию на Github
- hidden_size: 512
- attention heads: 8
- max_position_embeddings: 16384

Интересно увидеть, насколько эффективно это работает на практике надо покопать experiments где решались задачи bottleneck