PaperBanana: опенсорс-реализация генератора научных иллюстраций от Google Research

На гите появился открытый код статьи Пекинского университета и Google Research про автоматическое создание академических диаграмм из текстового описания методологии.

⚙️ Семь агентов работают в два этапа.
Первый подбирает эталонные примеры из курируемой базы и строит текстовый план будущей иллюстрации с поправкой на стиль конкретной конференции, а второй создает агентский цикл генератора с критиком: генератор рисует картинку, критик сверяет её с исходным текстом и возвращает правки, и так до трёх раз или пока критик не скажет «хорошо».

🔬 Неожиданный вывод авторов: случайно выбранные референсные примеры работают почти так же хорошо, как семантически подобранные. Модели важнее показать сам стиль академической диаграммы, а не точное совпадение темы.

📊 Бенчмарк из статей последних конференций даёт прирост в 37 процентов по лаконичности и 13 по читаемости, а в слепом тесте люди выбрали сгенерированную картинку в трёх случаях из четырёх.

💼 Кроме самих диаграмм проект умеет строить статистические графики через генерацию программного кода, полировать готовые иллюстрации под требования конкретного журнала и собирать целый пакет фигур для статьи одной командой.
Поддерживает OpenAI и Gemini, ставится одной командой, запускается из терминала и как сервер для сред разработки.

Есть CLI, MCP режимы и готовый навык для CC.

#PaperBanana #opensource
———
@tsingular

https://chat.qwen.ai/

По отзывам,- лучше Opus 4.8, но чуть слабее Kimi K3 и Fable 5

#qwen
------
@tsingular

Кими не выдержали нагрузки.

#Kimi
------
@tsingular

Qwen3.8 - венок сонетов о Технологической сингулярности.

По мне так совсем слабо.
даже не уровень Opus 4.8

Возможно в каких-то технических задачах она и будет хороша ( детализация в венке неплохая), но в целом для креативной работы я бы не рекомендовал и без хорошего харнесса в рекурсивную разработку тоже бы не ставил.

моя оценка, - 7 соннетов из 15ти :)

полный венок в комментарии

#Qwen #венок #сонет
———
@tsingular

Kimi K3: хайп реальный, но есть нюанс

Moonshot AI выпустила Kimi K3: MoE-модель на 2.8 трлн параметров с контекстом до 1 млн токенов и native vision. Для домашнего запуска она слишком огромная: полноценный self-hosting требует дата-центра.

K3 сразу заняла 1-е место в Frontend Code Arena с 1 679 баллами, победив в 6 из 7 категорий. Но Arena - это субъективное A/B-голосование за самый привлекательный интерфейс, а не проверка архитектуры и надёжности кода.

---

🧪 Что показал реальный тест

Три модели получили одинаковый prompt: создать sci-fi dashboard с интерактивным 3D-глобусом.

По качеству результата:

1. Claude Fable 5
2. Kimi K3
3. GPT-5.6

По ресурсам:

- Kimi K3: 21.5 млн токенов, 93 минуты, $8.66.
- Claude Fable 5: 3.5 млн, 17 минут, $11.64.
- GPT-5.6: 5.6 млн, 25 минут, $5.66.

Kimi потратила в 6.1 раза больше токенов и работала в 5.5 раза дольше Claude, сэкономив только 26%.

---

🎯 Вердикт

Kimi K3 уже конкурирует с frontier-моделями во frontend и визуальных прототипах. Но «уровень Claude за копейки» пока не получается: низкая цена токена съедается многословностью и скоростью.

Затестать стоит. Переводить production workflow только по красивому leaderboard - ну такое.

🔗 Kimi: https://www.kimi.com/en
🔗 Видео: https://www.youtube.com/watch?v=MeYdaNnXuHI

#KimiK3 #AI #LLM #Бенчмарки

---

@rasskazov_io_channel

Hermes Agent v0.19 Quicksilver update

⚡️ 20 июля Nous Research выкатили v0.19, крупнейшее обновление Hermes Agent: 2 245 коммитов, 1 065 PR, 3 300 закрытых issues, больше 450 контрибьюторов.

🚀 Холодный старт ускорен на 80 %: 4,3 секунды превратились в 0,9. Reasoning-модели стримят мышление по умолчанию, без спиннера на полминуты.
Десктоп: рендеринг Markdown теперь в 14 раз быстрее, виртуализированные диффы, переключение сессий без тормозов.

🔐 Ключи API теперь живут в Bitwarden и 1Password, подключаемый интерфейс секретов без единого .env.
LLM-ревьюер оценивает подозрительные команды, block_list блокирует их даже в yolo-режиме.
Ответы агента пишутся в durable ledger до отправки: если gateway лёг, сообщение не теряется.

🔄 delegate_task возвращает live-транскрипты сабагентов сразу после запуска, фоновая делегация переживает перезапуск процесса. Мультиплексирование gateway позволяет одному бот-токену обслуживать разные серверы и каналы с изолированными профилями.

📡 Новые провайдеры: Fireworks AI, DeepInfra. Экспорт сессий в Markdown, Quarto, HTML, Hugging Face.

💡 Nous Research привлекает $75M при оценке $1,5 млрд. От опенсорсного агента до платформы за полгода.


#Hermes #update
———
@tsingular

Робот-учитель Sally выходит в государственную школу Нью-Йорка: первый эксперимент в США

Осенью 2026 года в Salamanca City Central School District, небольшом сельском округе на западе штата Нью-Йорк, появится человекоподобный робот-ассистент Sally.
Он будет помогать вести уроки по программированию, робототехнике и AI для пятисот учеников 11–12 классов. Один из первых случаев, когда гуманоид входит в американскую государственную школу как часть учебного процесса, а не как экспонат.

🤖 Sally построен на платформе Realbotix M-Series: силиконовая кожа, подвижная верхняя часть тела, мимика, акцент Западного Нью-Йорка.
Робот стационарен, ученики входят по персональному коду, а Sally запоминает историю взаимодействия и адаптирует объяснения под прогресс каждого.
Параллельно работает Optio, AI-тьютор на ноутбуках, доступный круглосуточно и обученный на местной учебной программе.
Система замкнута в офлайн-сеть: без интернета, без распознавания лиц, без записи.

💰 Стоимость: $57 590, что ниже средней зарплаты учителя в штате. Округ бедный, около 80 % учеников экономически неблагополучные, и именно это вызвало критику: зачем робот, если не хватает живых учителей?

🔮 Ситуацию осложняет бэкграунд Realbotix. Компания в 2024 году купила материнскую структуру RealDoll, производителя силиконовых секс-кукол.
Realbotix настаивает, что образовательное подразделение работает с отдельным персоналом и технологиями.

💡 Схожие проекты есть но кейс Salamanca первый, где антропоморфный робот заходит в обычную государственную школу, а не в частную лабораторию.
Если сработает, тиражирование неизбежно.

Силиконовый ассистент за $58 тысяч, который помнит твои оценки и не устаёт, в школе, где не хватает живых учителей.

Сюжет "Класс 1999" практически один в один. Осталось только вооружить учителей-роботов.

#EdTech #AIinEducation #роботы
———
@tsingular

Google встраивает Gemini прямо в кремний: чип Frozen v2

Google разрабатывает серверный чип Frozen v2, который вшивает архитектуру Gemini прямо в кремний.
Об этом 20 июля сообщило The Information со ссылкой на источники внутри компании. Акции Alphabet выросли на 3,7% на этой новости.

⚡️ Техника. Вместо того чтобы гонять данные модели между памятью и процессором, Frozen v2 впечатывает нейросетевую архитектуру Gemini прямо в кремний. Веса модели остаются обновляемыми, но сама структура фиксируется на уровне транзисторов. По оценкам инженеров Google, это даёт в 6–10 раз больше токенов на ватт, чем новейшие TPU. Целевой запуск: 2028 год.
Чип дополняет линейку TPU как узкоспециализированный ускоритель именно для Gemini.

💰 Бизнес. На фоне дефицита железа Google Cloud уже вынуждены отказывать внешним клиентам и платить SpaceX почти миллиард долларов в месяц за дополнительные вычислительные ресурсы.
Frozen v2: попытка срезать расходы на инференс радикально, меньше ватт на токен и меньше серверов на пользователя.

Кстати схожая ситуация у Кими, - они были вынуждены остановить продажи подписки на их новую модель из-за нехватки мощностей.

🔮 Будущее. Это новый тренд: чип заточен под одну конкретную модель вместо универсального ускорителя.
Стартап Taalas уже продаёт чип Hardcore с той же идеей: модель впечатана в кремний, до 17 000 токенов в секунду. OpenAI сделал свой чип с Broadcom, Anthropic обсуждает кремний с Samsung. Гонка кастомного AI-железа переходит в фазу «один чип на одну модель».

💡 Инсайты. Ставка рискованная: если архитектура Gemini изменится, чип устареет. Google пытается смягчить риск обновляемыми весами, но базовую структуру уже не изменишь.
Показательно, что внутри компании Frozen v2 пока рассматривают как эксперимент, а не полноценный продукт. Масштаб производства будет значительно ниже TPU.

Получается что-то вроде ASICов для биткоина, - 1 модель 1 скорость.
Хочешь обновления, - покупай новый.
Но тогда и цена у них должна быть не большая, хочется верить.

#Google #Gemini #железо #Frozen
———
@tsingular

Справедливый вопрос проскочил, а был ли тест Sol венком сонетов?

Исправляюсь.

Результат, надо сказать очень крутой.
есть частные неточности, но в целом, это 2 или даже 1е место по качеству на сегодня.
Наравне с Fable

Модели такого уровня программировать будут практически идеально и понимать вложенные структуры задач почти без ошибок.

полный венок в комментарии

#сонет #венок #GPT #Sol
———
@tsingular

LimX j TRON 2 Autonomous Mobile Manipulation Kit - дополнительный модуль для платформы, что чуть выше таскала 30 кг, позволяет роботу самостоятельно таскать грузы, в том числе по лестницам.

Курьеры, как настроение?

#роботы #LimX j #TRON
———
@tsingular

Unity превращаются в AI-native среду.

Добавили CLI. теперь агентам будет еще проще управлять созданием интерактивных и игровых миров.

Все эти UI атавизмы для людей - бесполезное.

Фокус на удобстве для ИИ агентов.

(MCP тоже останется)

#Unity #CLI
———
@tsingular

Белый дом готовит запрет китайских open-source моделей после выхода Kimi K3

Администрация Трампа рассматривает запрет передовых китайских AI-моделей с открытым исходным кодом на территории США.
Об этом 20 июля сообщил Axios со ссылкой на источники в администрации.
Поводом стал выход Kimi K3 от пекинского стартапа Moonshot AI: модель с 2,8 трлн параметров вплотную приблизилась к флагманам OpenAI и Anthropic, оставаясь в разы дешевле.

⚡️ Техника. Kimi K3: крупнейшая в мире open-weight модель. Она обходит Claude Opus 4.8 и GPT 5.5 на задачах кодинга, уступая только флагманским Claude Fable 5 и GPT 5.6 Sol.
Moonshot AI привлекла $2 млрд при оценке выше $20 млрд, инвесторы: Alibaba и Tencent.
Релиз открытых весов запланирован на 27 июля.

💰 Бизнес. Американские компании массово переходят на китайские модели: они дешевле и почти не уступают по качеству.
Andreessen Horowitz оценивает, что 80% разработчиков, использующих open-source инструменты, уже работают с китайскими моделями.
Китайские системы занимают 45% токенов у компаний США.
Глава Airbnb публично назвал Qwen от Alibaba «очень хорошим, быстрым и дешёвым».

🔮 Будущее. Советник Белого дома по AI Дэвид Сакс назвал происходящее регуляторным захватом: «ведущие закрытые лаборатории, уже дуополия по выручке от моделей, хотят чтобы правительство уничтожило их open-source конкуренцию».
По данным источников, лоббисты OpenAI и Anthropic приходят в администрацию каждые 3–5 месяцев с предложениями запретить открытые модели.

💡 Инсайты. Вместо прямого запрета администрация изучает мягкие рычаги: правила госзакупок, Entity List, публичное давление через тему кибербезопасности.
AI Weekly оценивает procurement carve-out как реалистичный сценарий; полный запрет на уровне весов маловероятен: модель уже в интернете, компании переобучают и смешивают её с внутренними данными.

Рынок AI-моделей превращается в поле торговой войны. Но когда веса уже в интернете, запретить их примерно так же реально, как отозвать торрент.

#Kimi #regulation #OpenSource
———
@tsingular

Multica: платформа, которая делает из AI-агентов полноценную команду

Multica превращает кодинг-агентов из инструментов в коллег: назначаешь задачу, агент сам пишет код, репортит блокеры и обновляет статус.
Проект с открытым исходным кодом, лицензия Apache 2.0, 41 тысяча звёзд на GitHub. Стек: Go-бэкенд (Chi router) и Next.js 16 на фронтенде, PostgreSQL 17 с pgvector для семантического поиска по навыкам.

⚡️ Техника. Multica не заменяет агентов, а управляет ими как командой. Поддерживает Claude Code, Codex, Cursor Agent, Hermes, Kimi, OpenCode, OpenClaw, Pi и ещё десяток CLI.
Агенты появляются на доске задач, проходят жизненный цикл enqueue→claim→start→complete/fail и стримят прогресс через WebSocket в реальном времени.

Каждое успешное решение становится переиспользуемым навыком для всей команды.

Для масштабирования есть Squads (Команды): группы агентов с лидером, который делегирует задачи участникам.

💰 Бизнес. Рынок и агенты уже созрели: 22% кода уже пишут агенты. Но по исследованию Faros AI есть парадокс: команды с активным AI сливают на 98% больше PR, однако тратят на 91% больше времени на ревью.

Узкое горлышко сместилось с генерации кода на координацию.

Multica решает именно эту проблему: асинхронное управление агентами вместо постоянного babysitting.

Self-hosting через Docker Compose или Homebrew, код не покидает вашу инфраструктуру.

🔮 Будущее. Gartner прогнозирует, что 40% enterprise-приложений будут использовать AI-агентов к концу 2026 года.
Multica занимает нишу между фреймворками (CrewAI, LangGraph: «как агентам общаться») и одиночными агентами (Devin, Claude Code).
Это операционный слой: Jira для AI-команды.
Лицензия Apache 2.0.

Интересный аналог Paperclip. Пробуем.

#Multica #агенты #OpenSource
———
@tsingular

Для тех, кто еще не очень разбирается во всей этой ИИшной теме, подготовил немного базовых уроков для понимания как вообще оно устроено.

Получилось несколько тем и первую из них решили обсудить открыто, для всех желающих.

Начнем буквально с разных методов хранения и поиска информации

Остальные уроки будут проводится с подписчиками ИИзбранного.

Сегодня общаемся тут в 20:00 мск

#уроки #эфиры
———
@tsingular

Гугл вспомнили, что нужно выпускать модели :)

Gemini 3.6 Flash

Ждём на олламе

#Google #Gemini
———
@tsingular

Запись эфира

Что обсудили:
Кодировки текста — почему английские промпты эффективнее
Сжатие Хаффмана, - аналогии с работой токенизатора
Сжатие с потерями (JPEG/MP3) как аналогия обучения моделей
Цепи Маркова — зависимость от предыдущих состояний
Нейронные сети — живые демо в браузере
Трансформеры — энкодер/декодер, слои внимания
Диффузеры — генерация от белого шума
Модели мира — 3D + текст + звук + физика
Звуковые модели — токенизация семплов
Токенизация — TF-IDF и BM-25
Эмбеддинги — косинусная близость, чанки, re-ranker

Рекомендованные материалы
Официальный FAQ Unicode: как работает UTF-кодирование, BOM-метки и почему текст на разных языках занимает разное количество байт.
unicode.org/faq/utf_bom.html

Русский перевод Hugging Face LLM Course: глава о токенизации и о том, как текст превращается в числа.
huggingface.co/learn/llm-course/ru/chapter1/4

Документация spaCy по лингвистическому анализу: токенизация, части речи, лемматизация и деревья зависимостей.
spacy.io/usage/linguistic-features

Документация scikit-learn по линейным моделям: от простой регрессии до Ridge, Lasso и ElasticNet — база, с которой начинается машинное обучение.
scikit-learn.org/stable/modules/linear_model.html

Google Machine Learning Crash Course: путь от линейной регрессии и классификации до нейронных сетей и эмбеддингов с видео и упражнениями.
developers.google.com/machine-learning/crash-course

Интерактивная песочница TensorFlow: браузерный симулятор нейронной сети, в котором можно выбирать слои и нейроны и наблюдать, как сеть учится классифицировать точки.
playground.tensorflow.org

Видео 3Blue1Brown с наглядным объяснением нейронных сетей, обратного распространения ошибки и представления смысла в числах.
3blue1brown.com/?topic=neural-networks

Официальные руководства PyTorch: от базовой работы с тензорами до распределённого обучения — всё с работающим кодом.
docs.pytorch.org/tutorials

Dive into Deep Learning: полный интерактивный учебник с кодом на PyTorch, JAX и TensorFlow — от основ математики до трансформеров и диффузионных моделей.
d2l.ai

Урок № 10 fast.ai: практическое обучение нейросетей на табличных данных и работа с коллаборативной фильтрацией.
course.fast.ai/Lessons/lesson10.html

Визуализатор эмбеддингов от Google: позволяет загрузить собственные векторы и посмотреть, как слова и объекты группируются в многомерном пространстве.
projector.tensorflow.org

Sentence-BERT Cross-Encoder: модель для переранжирования результатов поиска, которая оценивает пару «запрос — документ» и выдаёт числовую оценку релевантности.
sbert.net/docs/cross_encoder/usage/usage.html

«Attention Is All You Need» — статья Васвани и соавторов 2017 года, в которой была представлена архитектура трансформера.
arxiv.org/html/1706.03762v7

Интерактивная трёхмерная визуализация устройства большой языковой модели: показывает, как токены проходят через слои трансформера во время генерации ответа.
bbycroft.net/llm

«World Models» — статья Дэвида Ха и Юргена Шмидхубера 2018 года о том, как модель может строить внутреннее представление мира для планирования и принятия решений.
arxiv.org/pdf/1803.10122

Продолжение в четверг на канале ИИзбранное

#уроки
———
@tsingular