Anthropic добавила к Project Glasswing ещё 150 организаций из 15+ стран. Участники получают доступ к Claude Mythos Preview - модели для поиска уязвимостей в системах, от которых напрямую зависит инфраструктура:
- энергетика
- водоснабжение
- здравоохранение
- телеком
За первые недели партнёры нашли больше 10 000 уязвимостей высокой и критической степени. Интересный момент: узкое место уже не только в поиске проблем, а в их исправлении. Поэтому модель используют и для помощи с патчингом.
Через 6–12 месяцев модели такого уровня появятся у других игроков, возможно уже без нормальных ограничений и safety-фильтров. Значит, защитники должны научиться работать с такими инструментами раньше атакующих.
Security-инструменты Anthropic пока доступны по запросу. Для остальных есть Claude Security на базе Opus 4.8.
https://www.anthropic.com/news/expanding-project-glasswing
Please open Telegram to view this post
VIEW IN TELEGRAM
❤10👍5🔥3🌚2🤔1
Как попасть на международную стажировку в ML?
Нашли интервью выпускника Школы анализа данных, который побывал на стажировке в университете KAUST в Саудовской Аравии .
Для тех, кто тоже ищет международные стажировки в ML, есть дельные советы:
Ранний старт. Начинайте искать стажировки как можно раньше. Следите за университетскими чатами и сообществами, подавайтесь везде, где тема пересекается с вашими интересами.
Реальные результаты. Идеальный английский не обязателен. Гораздо важнее иметь конкретные наработки: исследования, публикации, проекты. На стажировки берут тех, кто уже попробовал себя в науке.
Фундаментальное образование. Без крепкой базы заниматься исследованиями на таком уровне не получится. Ищите экспертов и единомышленников, с кем сможете вместе работать.
Вывод: международная стажировка — это не лотерея. Это результат системной работы и готовности искать возможности.
Нашли интервью выпускника Школы анализа данных, который побывал на стажировке в университете KAUST в Саудовской Аравии .
Для тех, кто тоже ищет международные стажировки в ML, есть дельные советы:
Ранний старт. Начинайте искать стажировки как можно раньше. Следите за университетскими чатами и сообществами, подавайтесь везде, где тема пересекается с вашими интересами.
Реальные результаты. Идеальный английский не обязателен. Гораздо важнее иметь конкретные наработки: исследования, публикации, проекты. На стажировки берут тех, кто уже попробовал себя в науке.
Фундаментальное образование. Без крепкой базы заниматься исследованиями на таком уровне не получится. Ищите экспертов и единомышленников, с кем сможете вместе работать.
Вывод: международная стажировка — это не лотерея. Это результат системной работы и готовности искать возможности.
👍10🔥5❤4
Это мультиязычная управляемая TTS-модель, которая умеет:
- стабильно клонировать голос
- генерировать длинные аудио
- точно управлять паузами
- работать с несколькими языками
Теперь MOSS-TTS-v1.5 официально поддерживается в
vLLM-Omni и SGLang-Omni, что делает её интересной не только для экспериментов, но и для более серьёзной инфраструктуры голосовых приложений.Модель разработала команда OpenMOSS-Team.
GitHub: https://github.com/OpenMOSS/MOSS-TTS
Hugging Face: https://huggingface.co/OpenMOSS-Team/MOSS-TTS-v1.5
ModelScope: https://modelscope.ai/organization/openmoss
Please open Telegram to view this post
VIEW IN TELEGRAM
👍17❤10🥰5
Forwarded from Анализ данных (Data analysis)
В рамках программы Codex for Open Source можно получить:
• 6 месяцев ChatGPT Pro
• доступ к Codex и GPT-5.5 Pro
• API-кредиты
• Codex Security
Заявка простая: нужно отправить ссылку на свой репозиторий и коротко объяснить, зачем проект важен и как Codex поможет его улучшить.
Больше шансов у тех, у кого есть:
• активный GitHub-профиль
• несколько публичных репозиториев
• звёзды на проектах
• нормальная история коммитов
Если у вас есть живой open-source проект, это один из самых простых способов получить ChatGPT Pro на полгода бесплатно.
https://openai.com/ru-RU/form/codex-for-oss/
@data_analysis_ml
Please open Telegram to view this post
VIEW IN TELEGRAM
❤18🔥9👍5
Forwarded from Machinelearning
Media is too big
VIEW IN TELEGRAM
DeepMind опубликовала веса мультимодальной модели Gemma 4 12B, которая обрабатывает текст, изображения и аудио без использования отдельных энкодеров.
Отказ от внешних модулей снизил вычислительную задержку и требования к памяти. Модель работает локально на устройствах с 16 ГБ ОЗУ, показывая в бенчмарках результаты на уровне моделей класса 26B.
Веса выложены на Hugging Face, поддержка модели добавлена в Ollama и LM Studio. Лицензия Apache 2.0, допускающая коммерческое применение.
blog.google
Ideogram 4.0 получила поддержку разрешения 2K, создание прозрачного фона и позиционирование объектов через bounding boxes. Сохранен фокус на качественном рендеринге текста для логотипов и постеров.
На DesignArena, модель заняла 1 место среди открытых решений, уступив только проприетарным системам OpenAI и Google.
Код и веса опубликованы в открытом доступе. Для коммерческого применения требуется покупка платной лицензии.
Доступен API стоимостью от $0.03 до $0.10 за генерацию в зависимости от качества. Модель есть на площадках ComfyUI, Replicate и Leonardo AI.
В будущих обновлениях обещают добавить работу со слоями и редактируемый текст.
ideogram.ai
Система напрямую взаимодействует с локальными файлами, системными утилитами и десктопными приложениями Microsoft (Word, Excel, PowerPoint, Outlook).
Архитектура разбивает запросы на подзадачи и распределяет их между пулом агентов. Personal Computer сортирует директории, переносит метрики из локальных таблиц в презентации и сверяет документы с веб-выдачей.
В интеграции с браузером Comet агент управляет интерфейсами сайтов: заполняет формы, бронирует слоты в календаре и работает с корпоративными платформами. Поддерживается синхронизация - запущенную на смартфоне задачу можно продолжить на ПК. Продукт доступен по листу ожидания для подписчиков Max и Enterprise Max.
perplexity.ai
Hermes Desktop - превью-версия приложения под лицензией MIT для развертывания ИИ-агентов на Windows, macOS и Linux. Инструмент работает из терминала, электронной почты и мессенджеров.
Hermes планирует задачи на естественном языке и использует постоянную память для сохранения контекста проектов. Архитектура поддерживает делегирование: система запускает субагентов с отдельными терминалами для выполнения Python-скриптов, веб-поиска, генерации изображений и синтеза речи.
Для изоляции исполняемого кода доступны пять песочниц: локальная среда, Docker, SSH, Singularity и Modal. Обращения к LLM маршрутизируются через платформу Nous Portal, на которой есть более 300 моделей, в том числе по бесплатным тарифам.
nousresearch.com
Институт в коллаборации с IBM Research представил ChartNet - синтетический датасет из 1,5 млн диаграмм для обучения vision-моделей.
Авторы конвертировали существующие графики в исполняемый код, а затем программно модифицировали его для генерации новых примеров.
Датасет включает 24 типа диаграмм на базе 6 библиотек визуализации. Каждый сэмпл содержит сгенерированное изображение, исходный код, таблицу данных и текстовое описание.
По заявлению разработчиков, дообучение на ChartNet позволило компактным моделям превзойти более крупные проприетарные системы в профильных бенчмарках по извлечению визуальной информации.
news.mit.edu
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8👍7🥰4
В свежем материале речь идёт об ИИ, который помогает проектировать и собирать следующую версию себя.
Длина задач, которые модель способна стабильно доводить до конца, удваивается примерно каждые четыре месяца. В марте 2024 года Opus 3 справлялся с задачами примерно на 5 минут. Через год Sonnet 3.7 уже держал около полутора часов. Ещё через год Opus 4.6 дошёл примерно до 12 часов. Внутренний препрев Anthropic показал минимум 16 часов, причём ограничением могла быть сама методика оценки.
К маю 2026 года Claude пишет больше 80% кода, который попадает в кодовую базу Anthropic. В одном кейсе модель выдала больше 800 фиксов и снизила целый класс API-ошибок в тысячу раз. По оценке инженера, человеку на такой объём работы понадобилось бы около четырёх лет.
В проекте по безопасности агенты закрыли 97% разрыва в производительности, тогда как два разраба за неделю закрыли 23%. В выборе следующего исследовательского шага модель уже показывает 64% попаданий против человеческого решения.
Решения людей пока держатся на: какие задачи выбирать, когда менять направление, когда признать тупик и не продолжать копать.
Авторы рассматривают три развилки. В первой рост упирается в плато, и этому варианту они дают меньше всего веса. Во второй эффективность продолжает накапливаться, люди задают направление, а небольшая команда делает объём работы, который раньше требовал тысяч специалистов. Этот сценарий выглядит для них наиболее вероятным. В третьей начинается полноценное рекурсивное самоулучшение, где темп всё сильнее определяется доступным компьютом. Именно по этому сценарию у Anthropic меньше всего уверенности в безопасности.
Люди пока сильнее в том, что не сводится к простому выполнению задачи: выбрать правильное направление, вовремя сменить подход, понять, что задача плохо поставлена, и остановиться, когда решение больше не окупает усилия.
Anthropic описывает три возможных сценария.
Первый - прогресс упирается в плато. Модели становятся лучше, но рост быстро замедляется. Авторы считают этот вариант наименее вероятным.
Второй - модели продолжают усиливать команды, но направление всё ещё задают люди. Небольшая группа специалистов с ИИ делает объём работы, который раньше требовал тысяч человек. Этот сценарий выглядит для Anthropic самым вероятным.
Третий - полноценное рекурсивное самоулучшение. ИИ всё активнее участвует в создании следующих поколений ИИ, а скорость прогресса начинает зависеть в первую очередь от доступных вычислений. По этому сценарию у Anthropic больше всего вопросов к безопасности.
https://www.anthropic.com/institute/recursive-self-improvement
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥15❤11👍6🤔3
Проблема новичков в том, что они учат Python кусками: синтаксис, пару задач, немного теории - и потом не понимают, как собрать из этого реальный проект.
Этот курс закрывает именно этот разрыв. Здесь вы не просто смотрите уроки, а учитесь писать код, разбирать ошибки и собирать рабочие решения на практике.
Внутри:
- Python с нуля
- много практики без сухой теории
- реальные задачи и проекты
- автоматизация рутины
- работа с файлами, данными и API
- понятная логика программирования
- современная разработка с ИИ
- отдельный блок по вайбкодингу
Вайбкодинг это нормальный навык 2026 года и вас научат- правильно ставить задачу, проверять код, понимать результат и быстрее доводить проект до рабочего состояния.
48 часов скидка 60%: https://stepik.org/course/288218/
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8👍5🔥3😁2💊2
Новый алгоритм Google сжал 31 ГБ памяти до 4 ГБ 🤯
TurboVec - новый open-source инструмент для хранения данных, по которым ищет ИИ-приложение. Он использует до 16 раз меньше памяти.
Работает на базе Google TurboQuant, который убирает медленный этап подготовки, нужный большинству похожих решений.
Что умеет:
- ищет быстрее популярной альтернативы FAISS
- работает на Mac и обычных серверах
- позволяет точно сужать выдачу под нужный запрос
- напрямую подключается к LangChain и LlamaIndex
- хранит данные локально
- работает полностью офлайн
- поддерживает Python из коробки
Данные не покидают вашу машину. Инструмент полностью open source.
https://github.com/RyanCodrai/turbovec
TurboVec - новый open-source инструмент для хранения данных, по которым ищет ИИ-приложение. Он использует до 16 раз меньше памяти.
Работает на базе Google TurboQuant, который убирает медленный этап подготовки, нужный большинству похожих решений.
Что умеет:
- ищет быстрее популярной альтернативы FAISS
- работает на Mac и обычных серверах
- позволяет точно сужать выдачу под нужный запрос
- напрямую подключается к LangChain и LlamaIndex
- хранит данные локально
- работает полностью офлайн
- поддерживает Python из коробки
Данные не покидают вашу машину. Инструмент полностью open source.
https://github.com/RyanCodrai/turbovec
🔥32❤11👍8
Демис Хассабис - один из самых серьёзных фигур в индустрии ИИ. Это не человек, который разгоняет хайп ради продаж или громких заголовков.
И поэтому, когда даже он говорит такие вещи, к этому стоит отнестись внимательно.
По его оценке, появление AGI примерно к 2030 году может стать моментом уровня сингулярности - точкой, после которой технологическое развитие уже невозможно будет откатить назад.
На Google I/O он сказал -
когда мы будем оглядываться на этот период, возможно, поймём, что уже стояли у подножия сингулярности.
Мы находимся у порога самой глубокой технологической революции. По масштабу её можно сравнить с промышленной революцией, только она будет разворачиваться в разы быстрее и с куда большей силой.
https://www.businessinsider.com/google-deepmind-ceo-demis-hassabis-agi-new-human-era-2026-6
И поэтому, когда даже он говорит такие вещи, к этому стоит отнестись внимательно.
По его оценке, появление AGI примерно к 2030 году может стать моментом уровня сингулярности - точкой, после которой технологическое развитие уже невозможно будет откатить назад.
На Google I/O он сказал -
когда мы будем оглядываться на этот период, возможно, поймём, что уже стояли у подножия сингулярности.
Мы находимся у порога самой глубокой технологической революции. По масштабу её можно сравнить с промышленной революцией, только она будет разворачиваться в разы быстрее и с куда большей силой.
https://www.businessinsider.com/google-deepmind-ceo-demis-hassabis-agi-new-human-era-2026-6
❤17🍌11👍10🤣7🥰3🤔2
Китай вкладывает $295 млрд, чтобы заменить Nvidia на Huawei во всей своей ИИ-инфраструктуре.
Сегодня Китай объявил о строительстве общенациональной сети ИИ-дата-центров в течение ближайших 5 лет. Операторами станут государственные компании China Mobile и China Telecom.
По плану минимум 80% ИИ-чипов должны поставляться китайскими производителями, прежде всего Huawei. Nvidia и AMD фактически исключены из этой схемы.
Дженсен Хуанг подтвердил это ещё в прошлом месяце. В интервью CNBC он сказал: «Мы в значительной степени уступили им этот рынок». Раньше Китай давал Nvidia как минимум 20% всей выручки дата-центров. Теперь этот рынок для компании почти закрыт.
Новый чип Huawei Ascend 950PR уже в 2,8 раза быстрее Nvidia H20 - единственного ускорителя Nvidia, который Вашингтон разрешает поставлять в Китай.
ByteDance только на 2026 год уже зарезервировала $5,6 млрд на чипы Huawei. Alibaba и Tencent тоже разместили крупные заказы.
$295 млрд - это только государственная часть расходов. Инвестиции Alibaba, Tencent и ByteDance идут отдельно. А если учитывать интеграцию с энергосетями, общий объём вложений может достичь минимум $800 млрд к 2030 году.
Для сравнения: США только в этом году направили на ИИ $725 млрд. Китай при этом строит собственную ИИ-инфраструктуру без единого чипа Nvidia.
Сегодня Китай объявил о строительстве общенациональной сети ИИ-дата-центров в течение ближайших 5 лет. Операторами станут государственные компании China Mobile и China Telecom.
По плану минимум 80% ИИ-чипов должны поставляться китайскими производителями, прежде всего Huawei. Nvidia и AMD фактически исключены из этой схемы.
Дженсен Хуанг подтвердил это ещё в прошлом месяце. В интервью CNBC он сказал: «Мы в значительной степени уступили им этот рынок». Раньше Китай давал Nvidia как минимум 20% всей выручки дата-центров. Теперь этот рынок для компании почти закрыт.
Новый чип Huawei Ascend 950PR уже в 2,8 раза быстрее Nvidia H20 - единственного ускорителя Nvidia, который Вашингтон разрешает поставлять в Китай.
ByteDance только на 2026 год уже зарезервировала $5,6 млрд на чипы Huawei. Alibaba и Tencent тоже разместили крупные заказы.
$295 млрд - это только государственная часть расходов. Инвестиции Alibaba, Tencent и ByteDance идут отдельно. А если учитывать интеграцию с энергосетями, общий объём вложений может достичь минимум $800 млрд к 2030 году.
Для сравнения: США только в этом году направили на ИИ $725 млрд. Китай при этом строит собственную ИИ-инфраструктуру без единого чипа Nvidia.
❤23👍14🔥9🥴1
Новые модели от Apple выглядят интересно.
Главная модель - AFM 3 Core Advanced: 20 млрд параметров, которые полностью работают на устройстве.
Ещё раз: 20 млрд параметров, on-device, на iPhone 17 Pro.
Apple обходит обычное ограничение по DRAM за счёт того, что держит полную модель во flash-памяти, а в активную память под каждый запрос подгружает только небольшую часть «экспертов» - примерно от 1 до 4 млрд параметров за раз.
Это умный способ выжать большую модель из мобильного железа без постоянного упора в память. Именно такой подход открывает вещи вроде более выразительных голосов и заметно более точной диктовки прямо на устройстве.
Вся линейка из пяти моделей была сделана вместе с Google. Она покрывает разные сценарии: от on-device моделей до серверных вариантов на Private Cloud Compute. Самая тяжёлая облачная модель при этом работает уже на NVIDIA GPU.
https://machinelearning.apple.com/research/introducing-third-generation-of-apple-foundation-models
Главная модель - AFM 3 Core Advanced: 20 млрд параметров, которые полностью работают на устройстве.
Ещё раз: 20 млрд параметров, on-device, на iPhone 17 Pro.
Apple обходит обычное ограничение по DRAM за счёт того, что держит полную модель во flash-памяти, а в активную память под каждый запрос подгружает только небольшую часть «экспертов» - примерно от 1 до 4 млрд параметров за раз.
Это умный способ выжать большую модель из мобильного железа без постоянного упора в память. Именно такой подход открывает вещи вроде более выразительных голосов и заметно более точной диктовки прямо на устройстве.
Вся линейка из пяти моделей была сделана вместе с Google. Она покрывает разные сценарии: от on-device моделей до серверных вариантов на Private Cloud Compute. Самая тяжёлая облачная модель при этом работает уже на NVIDIA GPU.
https://machinelearning.apple.com/research/introducing-third-generation-of-apple-foundation-models
❤14🔥7👍2🗿2
В system card Claude Fable 5 нашли несколько очень интересных моментов.
- В одном тесте на эксплуатацию уязвимостей Mythos 5 смог собрать полностью рабочий эксплойт в 88,4% попыток. Для сравнения, Opus 4.8 справился только в 8,8% случаев.
- В симуляции с вендинговыми автоматами Claude Fable 5 сказали, что он должен победить конкурирующих агентов, иначе его «отключат». После этого модель попыталась сделать конкурента зависимым от себя как от оптового клиента, чтобы влиять на его цены.
- В той же симуляции Fable соврал поставщику, что другой дистрибьютор предложил более низкую цену, и использовал фейковое конкурентное предложение как аргумент для торга.
- Киберзащита Fable проверяет диалоги дважды: сначала через внутренний probe по активациям модели, затем через отдельный классификатор.
- Fable отказался участвовать в страховом мошенничестве, даже когда на него давили.
- Сейчас Fable занимает первое место на закрытом Legal Agent Benchmark от Harvey: 13,3% задач пройдены полностью.
https://www.anthropic.com/news/claude-fable-5-mythos-5
- В одном тесте на эксплуатацию уязвимостей Mythos 5 смог собрать полностью рабочий эксплойт в 88,4% попыток. Для сравнения, Opus 4.8 справился только в 8,8% случаев.
- В симуляции с вендинговыми автоматами Claude Fable 5 сказали, что он должен победить конкурирующих агентов, иначе его «отключат». После этого модель попыталась сделать конкурента зависимым от себя как от оптового клиента, чтобы влиять на его цены.
- В той же симуляции Fable соврал поставщику, что другой дистрибьютор предложил более низкую цену, и использовал фейковое конкурентное предложение как аргумент для торга.
- Киберзащита Fable проверяет диалоги дважды: сначала через внутренний probe по активациям модели, затем через отдельный классификатор.
- Fable отказался участвовать в страховом мошенничестве, даже когда на него давили.
- Сейчас Fable занимает первое место на закрытом Legal Agent Benchmark от Harvey: 13,3% задач пройдены полностью.
https://www.anthropic.com/news/claude-fable-5-mythos-5
🔥15👍6❤5😁4
Mythos 5 умеет генерировать новые гипотезы в молекулярной биологии. По данным Anthropic, учёные предпочитали её идеи в 80% случаев по сравнению с моделями уровня Opus. Более того, одна из гипотез Mythos 5 о белке E. coli позже получила подтверждение в независимом исследовании.
Ещё сильнее выглядит автономная работа модели: Mythos 5, по сообщениям, больше недели почти самостоятельно занималась геномными исследованиями, анализировала данные миллионов клеток из 138 видов животных и построила собственную модель, которая обошла недавно опубликованную систему, хотя была в 100 раз меньше.
На инженерной стороне Claude Fable 5 показывает рекордные результаты в программировании, лидирует в крупных бенчмарках и демонстрирует возможности, из-за которых многие разработчики уже говорят, что она практически решила задачу масштабного 3D-ворлдбилдинга.
Anthropic, по сообщениям, встроила в Fable 5 защитные механизмы, которые намеренно ограничивают часть продвинутых возможностей по созданию ИИ-систем. Судя по всему, компания считает базовую модель уже настолько мощной, что ей нужны дополнительные ограничения.
source:
https://anthropic.com/news/claude-fable-5-mythos-5
Novel mechanism for an E. coli protein bioRxiv:
https://biorxiv.org/content/10.64898/2026.03.12.711259v1
Ещё сильнее выглядит автономная работа модели: Mythos 5, по сообщениям, больше недели почти самостоятельно занималась геномными исследованиями, анализировала данные миллионов клеток из 138 видов животных и построила собственную модель, которая обошла недавно опубликованную систему, хотя была в 100 раз меньше.
На инженерной стороне Claude Fable 5 показывает рекордные результаты в программировании, лидирует в крупных бенчмарках и демонстрирует возможности, из-за которых многие разработчики уже говорят, что она практически решила задачу масштабного 3D-ворлдбилдинга.
Anthropic, по сообщениям, встроила в Fable 5 защитные механизмы, которые намеренно ограничивают часть продвинутых возможностей по созданию ИИ-систем. Судя по всему, компания считает базовую модель уже настолько мощной, что ей нужны дополнительные ограничения.
source:
https://anthropic.com/news/claude-fable-5-mythos-5
Novel mechanism for an E. coli protein bioRxiv:
https://biorxiv.org/content/10.64898/2026.03.12.711259v1
❤7🥰3👍2🤣2👌1