Разработчики HuggingFace с помощью Opus 4.7 переписали WebGPU-ядро, которое ускорило инференс Qwen3.5 в 13 раз с помощью операции fused LinearAttention! 🤯

Агентная оптимизация ядер,- уже реальность.

Уже доступно в 🤗 Transformers.js v4.2.0!

💡 Это шаг к тому, чтобы модели сами формировали системы, на которых они работают.

#opus #huggingface #qwen #transformers
------
@tsingular

#OpenAI #юмор #карусель
———
@tsingular

OpenAI выпустил GPT-5.5: первая модель после GPT-4.5 собранная с нуля

OpenAI выпустил GPT-5.5 (кодовое имя «Spud») — первую модель, обученную с нуля после GPT-4.5. Это не файн-тюн, а полноценный претрейн. Результат — скачок в агентных задачах при сохранении скорости GPT-5.4.

📊 Бенчмарки:
Terminal-Bench 2.0: 82.7% (GPT-5.4: 75.1%, Claude Opus 4.7: 69.4%).
OSWorld-Verified: 78.7%.
CyberGym: 81.8%.
FrontierMath Tier 4: 35.4% (GPT-5.4: 27.1%, Opus 4.7: 22.9%).
GDPval: 84.9%.
При этом GPT-5.5 тратит меньше токенов на те же задачи Codex.

💻 Агентный кодинг: Модель понимает «форму системы» — почему что-то ломается, где нужно исправление, и что ещё в кодовой базе пострадает. Dan Shipper (Every) назвал GPT-5.5 «первой кодинг-моделью с серьёзной концептуальной ясностью».
Pietro Schirano (MagicPath) смёржил ветку с сотнями изменений за 20 минут одним проходом.
Инженер NVIDIA: «Потерять доступ к GPT-5.5 — как ампутировать конечность».
:)
Неизвестный опрошенный: чтобы купить доступ, придется продать почку и сменить гражданство.

🔬 Наука: GPT-5.5 нашёл новое доказательство о числах Рамсея (комбинаторика), верифицированное в Lean. GeneBench (генетика) и BixBench (биоинформатика) — лидер среди моделей с опубликованными результатами.
Профессор иммунологии Derya Unutmaz проанализировал датасет из 62 образцов и 28 000 генов за часы вместо месяцев.

🔮 Будущее: GPT-5.5 — это переход от «модели, которая отвечает» к «модели, которая работает». Операции с компьютером и приложениями, научные исследования, документооборот — модель перемещается между инструментами и доводит задачи до конца.
API скоро.
Конкуренция с Claude Mythos (Anthropic) и Gemini 3.1 Pro (Google) выходит на новый уровень: battleground уже не бенчмарки, а способность автономно завершать многошаговые рабочие процессы.

#OpenAI #GPT55 #AI #кодинг #агенты #Codex #Spud
───
@tsingular

#юмор #DeepSeek #карусель
———
@tsingular

DeepSeek V4: триллион параметров, миллион токенов, MIT-лицензия

DeepSeek V4 вышел с двумя моделями: Pro (1,6T параметров, 49B активных) и Flash (284B, 13B активных), обе с контекстом 1M токенов. Лицензия MIT.
1M контекст теперь стандарт всех сервисов DeepSeek, включая веб и приложение.
Ценник по API:
- V4-Flash: $0,14/$0,28 ($0.028/1M cache hit)
- V4-Pro: $1,74/$3,48 ($0,145/1M cache hit)

⚙️ Архитектура: MoE с тремя нововведениями.
Engram: условная память O(1) для статических фактов, хранится в DRAM, разгружает GPU на 20-25%.
Manifold-Constrained Hyper-Connections: ограничение матриц смесей бипвирхорным многогранником через Sinkhorn-Knopp, стабильность обучения при 1T+.
DeepSeek Sparse Attention: сжатие по токенам + DSA-внимание, убирает квадратичную стоимость на длинных контекстах.
Предобучение на 32T токенов, постобучение через калибровку доменных экспертов (SFT+RL/GRPO) с последующей on-policy дистилляцией.

📊 Бенчмарки V4-Pro-Max vs фронтвар:

Агентский кодинг (terminal, computer use)-> GPT-5.5
Production software engineering (SWE-Bench)-> Opus 4.7 и DS-V4-Pro практически вровень
Олимпиадная математика + чистые алгоритмы -> DeepSeek-V4-Pro-Max
Long context retrieval на полный 1M-> GPT-5.5 (MRCR v2), но Opus 4.7 лучше на CorpusQA
Reasoning на знаниях (GPQA, HLE)-> Opus 4.7
Factual QA (SimpleQA) -> DeepSeek-V4-Pro-Max

🤖 Агентная специализация: V4 оптимизирован под Claude Code, OpenClaw, OpenCode, CodeBuddy. Внутри DeepSeek V4-Pro уже используют как основную модель для Agentic Coding — по оценкам сотрудников превосходит Sonnet 4.5, приближается к Opus 4.6 вне thinking-режима, но уступает Opus 4.6 в thinking-режиме.

🔬 Три режима рассуждения:
Non-Think (быстрый),
Think High (логический анализ),
Think Max (максимум).
HMMT 2026 Feb: Flash Non-Think даёт 40,8, Flash-Max даёт 94,8. Разница в 54 пункта за thinking budget. FP4+FP8 mixed: эксперты в FP4, остальное в FP8.

API: deepseek-v4-pro / deepseek-v4-flash, старые имена deepseek-chat и deepseek-reasoner устареют 24.07.2026.

💼 Зачем бизнесу:
Внутренний бенчмарк DeepSeek: стоимость решения SWE-bench задачи на V4 ~$0,03 vs ~$0,72 на Opus.

Массовая автогенерация кода, анализ длинных документов, чат-боты на контекстах 1M — V4 это структурное снижение себестоимости.

Ну т.е. если нужно вдолгую что-то поисследовать и порешать за копейки - DeepseekV4 может вполне сгодится.
Но если результат нужен быстро, - Opus4.7 или GPT-5.5 лидеры

пробовать тут:
https://chat.deepseek.com

Конечно, очевидный плюс, - по факту в веб бесплатный аналог Opus 4.6

API, кстати, отвечает шустро

Ждём ответку от Google. У них скоро ежегодная конфа Google I/O - Gemini 4 может выкатят или, как сейчас модно, - 3.5

#DeepSeek #OpenSource #Китай
------
@tsingular

забавно. по API, когда DeepSeek готовит ответ, - в размышлениях он себя видит как Мы.
Типа, - Нас спросили.
Т.е. он и свои MoE видит как коллектив, работающий над задачей и у этого совета экспертов есть "делегат"-ассистент, который за всех и отвечает.
такой "капитан команды Что? Где? Когда?"
- Уважаемые Знатоки, внимание вопрос:
- Отвечать будет капитан Очевидность

#DeepSeek #MoE
———
@tsingular

Unitree добавили мобильности.

Колеса, ролики, коньки.
Фляк на роликах вообще убил

Хейтеры скажут,- нейрорендер

#Unitree #роботы
------
@tsingular

Мы живём в удивительное время: чувак написал приложение, чтобы посмотреть фильм с ребёнком.

Парень рассказал, что в аэропорту хотел включить видео на ноутбуке, но столкнулся с банальной проблемой: у него одни наушники, у ребёнка — другие.

Вместо того чтобы искать переходники или страдать, он просто написал своё приложение, которое раздаёт звук сразу на несколько устройств.

Сделал это буквально на коленке с помощью ИИ — теперь он спокойно смотрит фильмы вдвоём с одного ноутбука.

Kling 4K нативно

Завезли уже везде.

На самом Клинге до 7 мая скида 20% именно на 4К.

@cgevent

Deepseek v4 flash уже в олламе cloud:

Можно попробовать на агентах, кто на подписке

ollama run deepseek-v4-flash:cloud
#Deepseek
------
@tsingular

Алибаба готовит к релизу новую "Модель мира"

Посмотрите видео, - эти миры нейронка генерит в реальном времени. Вы просто даете ей фотографии или картинки и она из них восстанавливает целый мир.

Цитата от тестера:
Я не испытывал такого технического шока со времён первого дня беты DALL-E. Наконец получил инвайт в Happy Oyster (Alibaba) и провёл день, тестируя его возможности.

Мы слышали о «World Models» и Project Genie от Google месяцами, но это конкретная реализация. Другой подход по сравнению с инструментами вроде Marble Studio. Пока большинство моделей анимируют плоское изображение, Happy Oyster трактует творения как реальные физические пространства.

Под капотом: вместо простого предсказания пикселей модель интерпретирует изображения Flux и Midjourney как 3D-латентные среды. Она предсказывает геометрию и освещение в реальном времени на основе пользовательского ввода (WASD). Это позволяет перемещаться по изображению без потери пространственной согласованности.

Я не просто смотрел на свои изображения — я ходил сквозь них. Видеть, как статичное искусство становится исследуемым миром — ощущается как рождение нового медиума.

Автор: Damien Miri

Ещё примеры: Youtube

#Alibaba #WorldModels #HappyOyster
———
@tsingular

Google Agents CLI — CLI, который учит кодинг-агентов строить агентов

Google выпустил Agents CLI, - и это уже не просто очеред... (попались :) )
короче, - это CLI + набор скиллов, которые превращают Gemini CLI, Claude Code, Codex и любых других ассистенты в экспертов по сборке и деплою агентов на ADK.

⚙️ Прокачиваем агента:



uvx google-agents-cli setup

И вот ваш основной агент уже научился собирать ADKшных агентов.
Агент узнает про ADK Python API, методологию пайплайнов, правила кода, как деплоить на Agent Runtime / Cloud Run / GKE, как собирать трейсы и как регистрировать в Gemini Enterprise.

🔧 Скиллы под капотом (7 штук):
- workflow (жизненный цикл),
- adk-code (ADK API + оркестрация),
- scaffold (генерация проектов),
- eval (метрики + LLM-as-judge + траектории),
- deploy (Agent Runtime/Cloud Run/GKE/CI-CD),
- publish (Gemini Enterprise),
- observability (Cloud Trace + логи).

🧪 CLI как самостоятельный инструмент: работает и без кодинг-агента. scaffold, eval run, deploy, infra, data-ingestion — всё из терминала. agents-cli scaffold enhance добавляет CI/CD и RAG в существующий проект.

💼 Зачем бизнесу: Стандартизация. Вместо того чтобы каждый агент-разработчик осваивал ADK, Cloud Run, Cloud Trace, IAM, CI/CD и Gemini Enterprise по отдельности — один CLI закрывает весь пайплайн от scaffold до publish. Снижает порог входа для корпоративных команд.

🔮 Будущее: Google делает ставку на агентную платформу как экосистему. Agents CLI — это мост между кодинг-агентами (Gemini CLI, Codex, Claude Code) и Google Cloud. Open-source, скиллы по открытой спецификации Agent Skills, совместимость с gh skill.
Вопрос времени когда подобное появится аналогичное от AWS и Azure.

Github

Кстати, - крайне рекомендую изучить для сборки собственных навыков деплоя агентами в корпоративной среде.

#Google #AgentsCLI #ADK #AgentPlatform #Gemini #DevOps #GoogleCloud
───
@tsingular

А прикольно состарилось.
всего 2 года, как что-то там не укладывалось в голове, и вот уже у нас волна моделей мира.

Та же история с Дипсиком, кстати, - что контекст на 1 миллион тепень норма.
Пару лет назад всем хватало 8К :)
Как вам идея, что через пару лет 10М контекста будут нормой? укладывается в голове ? :)


#worldmodels
———
@tsingular

MIT MathNet — 30 000 олимпиадных задач по математике в открытом доступе

MIT CSAIL совместно с KAUST и HUMAIN собрали MathNet — крупнейший датасет доказательных математических задач. 30 000+ задач и решений из 47 стран, 17 языков, 143 соревнований. В 5 раз больше любого предыдущего аналога.

🏛 Архитектура: 1 595 PDF-томов (25 000+ страниц). Основа — личная коллекция Navid Safaei, который с 2006 года вручную сканировал буклеты национальных олимпиад. В отличие от AoPS (форумные решения), MathNet использует только официальные буклеты с рецензированными решениями.

🌍 Покрытие: Не только США и Китай, как во всех прошлых датасетах, — 6 континентов, 17 языков. Монгольские, румынские, бразильские задачи. Текстовые и графические формулировки. 4 десятилетия.

🤖 AI-бенчмарк: Результаты сложнее, чем «золото IMO». GPT-5 — лучший среди протестированных — набрал лишь 69.3% на основном бенчмарке (6 400 задач). Каждый третий олимпиадный уровень — мимо. Задачи с рисунками — провал у всех моделей. Open-source модели показали 0% на монгольском.

🔍 Retrieval benchmark: Модели ищут структурно похожие задачи. Лучшая нашла эквивалент с первого раза только в 5% случаев. DeepSeek-V3.2-Speciale при качественном retrieval получал +12 п.п., но плохой retrieval ухудшал результат в 22% случаев.

💼 Зачем бизнесу: Датасет — публичное достояние (open access). Для AI-команд: реалистичный бенчмарк математического рассуждения, который не затачивался под LLM. Для EdTech: 30К задач с рецензированными решениями на 17 языках — материал для адаптивного обучения.

🔮 Будущее: MathNet ставит вопрос: «настоящий» прогресс ИИ в математике или переобучение на узкий пул англо-китайских задач? Когда модель решает 69% — это впечатляет. Когда 0% на монгольском — напоминает, что reasoning ≠ memorization.

#MIT #MathNet #AI #математика #LLM #бенчмарки #образование #OpenData
───
@tsingular

С современными технологиями практически безразлично, на каком языке писать книгу. И я решил это проверить.

Сдав экзамен Anthropic Claude Certified Architect, я понял, что знания, которые я получил в процессе почти трёхлетней подготовки, внезапно собрались в логичную структуру повествования. Поэтому пока сын занимался футболом, я начал гулять вокруг поля и надиктовывать главы будущей книги в виде голосовых заметок.

Потом они были переведены, отредактированы, обогащены точными фактами и красиво оформлены. В итоге меньше чем за месяц пылающим пером и современными инструментами была написана эта книга. А потом я подумал, что раз мы оснащены такими прекрасными технологиями, то можно её и перевести обратно на русский и поделиться со всеми.

Скачать можно в предыдущем посте: https://t.iss.one/itismyjob/76

Грок прокачал липсинк :)

#Grok #lipsync
———
@tsingular