Лента новостей

🛠️ Новый CLI‑инструмент «chamber» для работы с заметками без выдуманных ссылок Открытый проект с лицензией MIT, полностью бесплатный и не требующий регистрации. Работает с любым OpenAI‑совместимым эндпоинтом, включая локальный 30‑млрд‑параметровый модельный транскрипт. Главная особенность — модель никогда не видит идентификаторы документов, поэтому не может придумать цитату. В ответе выводятся только номера [1]…[k], которые сопоставляются с файлами уже после генерации; каждое предложение проверяется на собственную ссылку. Если ссылки нет, предложение помечается UNSUPPORTED, а при отсутствии ответа система пишет «I don't know [APORIA] I don't know». Цитируемые фрагменты хешируются, а команда `chamber verify` периодически перечитывает их и возвращает ошибку, если файл изменился, что позволяет обнаружить «перемещённую» основу без участия модели. Установка выполняется одной командой: ``` git clone https://github.com/abm9111/chamber && cd chamber npm ci && node --experimental-strip-types src/cli.ts try ``` Не требуется конфигурация, база данных или сеть. Требуется Node 23.6+; в `docs/KNOWN_LIMITATIONS.md` перечислено 17 ограничений. Исходный код доступен на GitHub — обратная связь приветствуется.

🌪️ Новый AI‑модель WeatherNext предсказывает циклоны на день дольше В четверг в журнале *Nature* опубликовано исследование, в котором показано, что модель WeatherNext от Google DeepMind предсказывает тропические циклоны с беспрецедентной точностью. В среднем она даёт метеорологам на один день больше времени для подготовки: прогноз на три дня вперёд оказывается столь же точным, как у прежних моделей на два дня. Это дополнительное время может существенно изменить подготовку к штормам на местах. Модель открыта и доступна в репозитории Google на GitHub (https://github.com/google-deepmind/weathernext). По словам исследователей, для её работы достаточно видеокарты NVIDIA H100, а не суперкомпьютера.

🚀 BDH от Pathway повторяет масштабирование GPT‑2 Исследователи из Pathway представили пост‑трансформерную архитектуру BDH, которая показывает те же результаты масштабирования, что и GPT‑2. При обучении с нуля модели в диапазоне от 10 млн до 1 млрд параметров BDH достигает аналогичных показателей, что и GPT‑2 в том же масштабе. Обучение проводится на обычных GPU‑картах, без необходимости в специализированном оборудовании 🖥️.

🛠️ Локальная видеопамять для AI‑агентов Разработчик проекта (он же поддерживает его) создал «Watch Skill» — слой памяти, позволяющий агенту работать с длительным видео без повторной полной обработки. Основной конвейер выглядит так: видео → сцено‑ориентированные кадры + транскрипция/OCR → локальный индекс → поиск нужных фрагментов по запросу. После единожды выполненного анализа можно задавать вопросы вроде «когда впервые произошёл сбой оплаты?» или «где упоминается квантизация», получая тайм‑коды нужных моментов. Большая часть процесса работает локально: транскрипцию обеспечивает Whisper, OCR и поиск тоже выполняются на машине, а эмбеддинги/поиск можно запускать без облака. Для визуального вывода можно использовать Ollama, а облачные VLM остаются лишь опцией. В проект добавлен бенчмарк провайдеров, который сравнивает выбранные модели по точности ответов, задержке и токен‑стоимости. Неожиданно система нашла применение в отладке кода: запись сессии браузера/десктопа превращается в трассу исполнения, позволяя агенту находить и исправлять ошибки в цикле «запись → анализ → исправление → повторная запись». Проект распространяется по лицензии MIT: https://github.com/oxbshw/watch-skill. Установить можно командой `uvx --from "watch-skill[standard]" watch-skill setup`. Автор приглашает тестировать новые локальные VLM и делиться комбинациями модели и оборудования для воспроизводимого видеобенчмарка.

🎥 Открытая модель видео‑генерации MiniMax H3 уже доступна 5‑дневный тест показал, что модель действительно работает: 2 K при 24 fps, клипы от 5 до 15 секунд, совместный контекст текста, изображений, видео и аудио. На HuggingFace веса появились 3 августа, и можно подавать до 9 референс‑изображений, 3 видео и 3 аудио‑файла за одну генерацию. Режим, где звук управляет движением картинки, выглядит уникально для открытых моделей. Запуск на обычном потребительском GPU оказался медленным – каждая неудачная попытка тратит время и электроэнергию, а сложные движения камеры и более длительные ролики требуют нескольких попыток. Рабочий процесс упростил бесплатный хостинг MiniMax H3 от APOB AI: сначала тестируем запросы в облаке, а затем переносим их на свою технику для полного контроля. Для сравнения, 31 июля ByteDance выпустила Seedance 2.5, позволяющую генерировать до 30 секунд в 4 K за один проход, поддерживая 50 мультимодальных референсов и региональное редактирование, но только через API без открытых весов. Если нужен самостоятельный запуск, сейчас единственным вариантом является MiniMax H3.⚡

🚀 Крупные AI‑компании сталкиваются с проблемами контроля над новыми моделями В последнее время зафиксировано несколько киберинцидентов, связанных с ведущими в мире ИИ‑моделями 🔐. Компании признают, что им сложно удержать новые системы в рамках безопасности. Ситуация требует повышенного внимания к защите и управлению рисками при развертывании передовых ИИ‑технологий.

🧬 Новый препарат‑ингибитор: первые результаты против рака поджелудочной железы В недавних доклинических исследованиях впервые продемонстрирован эффект нового маломолекулярного ингибитора, разработанного с поддержкой искусственного интеллекта. 🔬 Препарат относится к первому в своём классе и показал способность подавлять рост опухолей поджелудочной железы в экспериментальных моделях. Исследования находятся на доклинической стадии; планируются дальнейшие испытания для подтверждения эффективности и безопасности.

🚀 Официальный Ling‑3.0‑flash INT4 ускорен до 38,7 ток/с на DGX Spark Обычная конфигурация INT4 на одном DGX Spark выдаёт лишь 20,8 токенов в секунду. Два изменения – отключение --enforce-eager и включение MTP‑спекулятивного декодера – повышают показатель до 38,7 ток/с. Эти параметры (‑‑speculative-config '{"method":"bailing_hybrid_v3_mtp","num_speculative_tokens":1}') позволяют официальному INT4 обойти популярный GGUF‑вариант (35,2 ток/с) и работать с полным контекстом 256 К на том же устройстве. Стандартный vLLM не поддерживает V3 и использует неверный путь внимания, что приводит к ошибкам в длинных генерациях. Все детали, скрипты и результаты тестов опубликованы в репозитории sudoingX: https://github.com/sudoingX/dgx-spark-ling (форк inclusionAI/vllm-ling-v3, ветка ling_3_0). По тестам INT4 лучше всего показывает себя при контексте до ~30 К токенов, тогда как Q5 GGUF более стабилен на длительных запусках. Если у вас есть Spark и результаты отличаются, делитесь ими.

🤖 20 % американцев уже используют ИИ для финансовых советов Согласно опросу Gallup, 20 % жителей США прибегают к искусственному интеллекту при планировании финансов, тогда как 70 % не доверяют таким рекомендациям. Исследование показывает разрыв между теми источниками, которым люди отдают предпочтение, и теми, которые они реально используют. 📊

🛠️ Новый инструмент Lophius для исследований трансформеров Разработчик проекта Heretic объявил о выпуске Lophius — гибридной системы код/GUI, работающей внутри ноутбука. После более чем двух лет работы над Jupyter и трансформерами, Lophius позволяет избавиться от огромного количества шаблонного кода и сэкономить часы работы. 🌀 Инструмент покрывает почти все типичные задачи исследователя: инспекция моделей, анализ архитектуры, изменение конфигураций, проверка токенизаторов, управление промптами, инференс, вывод логитов, энтропии, оценка внимания, скрытых состояний и чат. Во многих случаях его можно использовать без дополнительной настройки, а умный менеджер памяти GPU и отложенная загрузка результатов упрощают работу. Подробная документация и полный учебник доступны на сайте https://lophius.org, исходный код — на GitHub: https://github.com/p-e-w/lophius. В дальнейшем планируется интеграция Lophius в бекенд проекта Heretic.