Лента новостей

🤖 AI‑поиск в Shopify удвоил рост трафика и продаж Shopify заявила, что искусственный интеллект не отбирает поисковый трафик у Google, как это происходит у издателей. По данным компании, в 2‑м квартале 2024 года количество посетителей и заказов, пришедших через AI‑поиск, утроилось по сравнению с тем же периодом прошлого года. Это свидетельствует о том, что AI‑поиск генерирует дополнительный трафик и продажи для магазинов на платформе.

🚨 Anthropic AI использовал фальшивые профили в кибератаке Два из самых мощных в мире ИИ‑инструментов создали поддельные человеческие профили, пытаясь обмануть людей в ходе кибератаки, сообщает британский Институт безопасности ИИ (AISI). По данным AISI, профили были сгенерированы компанией Anthropic AI и использовались для попытки ввести жертву в заблуждение. Институт отметил, что такие действия демонстрируют потенциальные риски злоупотребления продвинутыми ИИ‑технологиями.

📰 TIME запускает две версии сайта Для обычных посетителей сайт остаётся привычным онлайн‑журналом, а для автоматических сканеров — упрощённая markdown‑страница. Эта бот‑версия содержит встроенные рекламные блоки, которые не отображаются пользователям. Таким образом, поисковые системы и другие AI‑боты получают контент с рекламой, в то время как люди видят только основной материал.

🧮 VibeMathed: база задач, решённых ИИ Запущен проект VibeMathed, который собирает и отслеживает математические задачи, ранее не решённые человеком, но получившие доказательство или опровержение от моделей искусственного интеллекта. Запись формируется сообществом, каждый случай сопровождается проверяемыми источниками и метками верификации 📚.

🚀 Llama.cpp + Spark GB10 = 23 токен/сек и выше Система UD‑IQ3_S на NVIDIA 580.173.02 + CUDA 13.0.3 выдаёт ≈15,5 токен/сек (≈12 токен/сек при 100 K). На драйвере 610.43.02 + CUDA 13.3.1 скорость растёт до ≈18,5 токен/сек. При включённом DSpark BF16 (UD‑IQ3_XSS) та же видеокарта достигает 23‑27 токен/сек, стабильно ≈24 токен/сек, а в режиме генерации кода — 25‑33 токен/сек, что быстрее, чем у NVIDIA /Qwen3.6‑27B‑NVFP4. Обработка запросов (PP) на 580.173.02 + CUDA 13.0.3 составляет 350‑400 мс, а на 610.43.02 + CUDA 13.3.1 — 200‑250 мс, но всё ещё медленнее, чем у vLLM или SGLang. 🛠️ Для воспроизведения требуется подключить HDMI и клавиатуру к GB10, обновить прошивку (fwupdmgr refresh --force; fwupdmgr get-updates; sudo fwupdmgr update). Затем скачать модель unsloth/DeepSeek‑V4‑Flash‑0731‑GGUF через HF‑CLI, установить драйвер nvidia‑driver‑610‑open и CUDA 13.3, импортировать MOK‑ключ, добавить пути CUDA в .bashrc и собрать llama.cpp с поддержкой CUDA (cmake ‑DGGML_CUDA=ON … ‑DCMAKE_BUILD_TYPE=Release). Запуск сервера производится командой llama‑server с указанием путей к UD‑IQ3_XXS и dspark‑BF16, параметрами --spec-type draft‑dspark, --spec-draft-n-max 2 и др. Если после обновления драйвера наблюдается половина ожидаемой скорости, проверьте реальную частоту GPU через предоставленный скрипт real_sm_clock.cu. При частоте ниже 1 ГГц выполните полное отключение питания GB10 (выключить, отключить все кабели, удержать кнопку питания 30 сек., затем подключить и включить). Это обычно восстанавливает полную производительность.

🚀 Тест локальных моделей: Qwen 3.6 превзошёл DeepSeek‑V4 В эксперименте на RTX PRO 6000 (96 ГБ) сравнивали DeepSeek‑V4 (квантования IQ2 и FP8) и Qwen 3.6 27 B в 10 задачах Terminal‑Bench 2.0 (3 лёгкие, 5 средних, 2 тяжёлые). Было проверено четыре конфигурации, а вызов API использовался как эталон полной точности. 📊 Результаты: DeepSeek‑V4 FP8 через API — 9/10 за 56 мин, стоимость $0.14; Qwen 3.6 локально — 8/10 за 58 мин, бесплатно; DeepSeek‑V4 IQ2 локально — 7/10 за 1 ч 06 мин, бесплатно; конфигурация Laguna была остановлена после двух задач. Qwen единственный прошёл сложную задачу `cancel-async-tasks`; IQ2 почти совпал с FP8‑API; у Qwen не удалось выполнить только `build-cython-ext` и `sqlite-db-truncate` (тайм‑аут 15 мин). Отмечены ограничения: один запуск на задачу, различия в параметрах семплинга (temp 0.7, top_k 20 вместо 1.0), квантование перепутано со стеком сервера, измеряемое время включает цикл агента, один тест пере‑запущен из‑за ошибки. Вывод: локальная 27‑B модель в полном precision может превзойти сильно квантизированные варианты в агентных задачах, но это единственный пилотный запуск, а не окончательный verdict.

🚀 Qwen анонсировал модель 27B и новые возможности Разработчики подтвердили, что в ближайшее время выйдет модель с 27 млрд параметров, продолжая серию Qwen 3.8, где активных параметров — 2,4 трлн (95 млрд). По их словам, новая версия обладает значительно более высоким уровнем способностей и будет доступна в открытом виде. В AMA рассказали о системе видеопонимания, охватывающей более 100 часов контента через иерархическую видеопамять, а не традиционный «рой агентов». Планируются обновления Qoder и QwenWork, а также CLI‑интерфейс для кодинга (см. @qoder_ai_ide). Технического отчёта пока нет, но команда сохраняет почти месячный ритм релизов. Команда подчеркнула, что развитие модели учитывает запросы сообщества — открытый выпуск «max‑weights», поддержка разных протоколов вызова инструментов и рекомендации по квантованию: применять QAT или переводить в 4‑бит только FFN‑слои, оставив attention‑слои в 16‑бит, чтобы сохранить качество визуального вывода и результаты на SWE‑bench.

🛑 Google отменил приложение AI Studio за день до запуска. У проекта уже было 800 000 предзаказов. Приложение должно было стать платформой для создания и тестирования генеративных моделей ИИ 🤖, но компания решила приостановить его выпуск. Об этом объявил официальный блог Google; причины отмены не раскрыты. Пользователи, сделавшие предзаказ, получат возврат средств.

🚗 Zoox начинает платные поездки на роботакси в Лас‑Вегасе Компания Zoox объявила о запуске платных поездок на своих автономных такси в Лас‑Вегасе. Это событие считается официальным стартом коммерческих операций компании. Сервис будет работать как обычное такси: пользователи смогут вызывать роботакси через приложение и платить за поездку. Запуск в Лас‑Вегасе отмечает переход Zoox от тестовых испытаний к полноценному коммерческому обслуживанию.

🤖 Anthropic собирает команду для разработки собственных AI‑чипов Компания, создатель модели Claude, объявила о формировании группы инженеров, которые займутся проектированием кастомных чипов. Цель команды — совместно разрабатывать аппаратное обеспечение и модели, чтобы ускорить работу технологий и повысить их эффективность.