Лента новостей

💡 Сложная сеть компаний за AI‑центром стоимостью $3,2 млрд Созданный совместными усилиями нескольких фирм дата‑центр для искусственного интеллекта оценивается в $3,2 млрд. Вопрос: кто несёт ответственность за возможные проблемы, если проект реализуют сразу несколько компаний?

🚀 Оптимизированный сборка llama.cpp для 7900XTX Создана кастомная версия llama.cpp, специально подогнанная под AMD 7900XTX (одна или две карты). В ней реализованы ускорения для PCIe x4 и tensor parallel, а также поддержка моделей Qwen 3.8 Next и 27 B. Результаты тестов: Qwen 3.8 Next Q3_K_XL — 920 токенов/с (pp8192) на двух картах с выгрузкой в ОЗУ, 24‑27 ток/с на прозе и 40+ ток/с на коде при MTP без MoE‑кэша (можно включить). Qwen 3.8 27B Q8_0 — 1600 ток/с (pp8192), 60‑65 ток/с на прозе и 100+ ток/с на коде, измерено с одной картой за чипсетом на PCIe x4; при PCIe x8 ожидается рост. Qwen 3.6 27B Q4_K_M (одна карта) — 1020 ток/с (pp8192), проз ≈ 58‑60 ток/с, код ≈ 75‑80 ток/с; DFlash может поднять показатель выше 100 ток/с. В сборку включены сжатие данных для передачи по PCIe (опционально), P2P‑поддержка для карт за чипсетом через кастомный HIP‑allreduce, адаптивный MTP, множество AMD‑оптимизаций из RDNA_BOOST, MoE‑экспертный кэш (по желанию) и последние PR‑ы llama.cpp (lazy‑mode, DFLASH2 для tensor parallel). Сборка протестирована на Ubuntu 24 и ROCm 7.14; поддержка и обновления не планируются. Кратко о ключевых патчах: улучшения PP/Prefill, decode, MoE‑tiling, sparse‑attention, TOP_K, GPU MoE‑expert cache (+19.95 %) и on‑direct/mmap lazy‑PLE (+58.88 %). Подробнее в README репозитория.

🚀 OpenAI наняла дочь сенатора Чака Шумера OpenAI объявила о приёме на работу дочери сенатора Чака Шумера в качестве руководителя по взаимодействию с правительством. Она будет отвечать за контакты с государственными органами в ходе текущих регуляторных переговоров.

🚀 Южная Корея объявила рекордный бюджет 2027 года Правительство Южной Кореи предложило на 2027 год бюджет в размере 597 млрд долларов — самый крупный в истории страны. Основная часть средств будет направлена на развитие искусственного интеллекта, чтобы ускорить внедрение передовых технологий в экономику и промышленность. В план включены инвестиции в исследования, создание инфраструктуры и поддержку AI‑стартапов, детали распределения пока уточняются.

⚠️ Научный руководитель OpenAI предупреждает о последствиях ИИ Главный учёный компании OpenAI заявил, что мир пока не готов к потенциальным последствиям развития искусственного интеллекта. Эти комментарии появились одновременно с анонсом нового продукта — GPT‑6 Astra, который OpenAI позиционирует как самое мощное решение в своей линейке. По словам компании, GPT‑6 Astra обладает улучшенными возможностями генерации и обработки данных, что делает его более продвинутым, чем предыдущие версии.

🎮 NHL 27 применит ИИ‑озвучку комментаторов EA Sports использует генеративный искусственный интеллект для создания голосов игровых комментаторов в новой игре NHL 27. 🤖 Об этом сообщил известный спортивный комментатор Джон Баккигросс.

🚕 Автономные такси быстро появляются по всему миру Сейчас в разных странах запускаются сервисы без водителя: компании тестируют и вводят в эксплуатацию такие автомобили в крупных городах. 🌍 Рост количества проектов свидетельствует о стремительном расширении рынка автономных перевозок.

🧠 Как оптимизировать работу Qwen3.8-27b В руководстве объясняется, как правильно задавать «бюджет рассуждений» модели Qwen3.8‑27b, чтобы не ухудшать её результаты. Для простых скриптов и автоматизации достаточно 512 токенов. Лёгкая логика и простые скрипты — 512–1 024 токена, стандартные задачи кодинга, логические головоломки, многошаговая архитектура и рефакторинг — 2 048–4 096 токенов, сложные математические задачи (AIME), алгоритмические крайние случаи и отладка глубоко вложенного кода — 8 192 токена, а задачи уровня конкурсов, масштабный рефакторинг и сложный юридический или логический анализ — 16 384 токена. 🛠️ При бюджете 2 048 токенов Qwen3.8‑27b успешно решил проблему, с которой провалились Gemini 3.8 и Gemini. Большинство ежедневных задач укладываются в 2 048 токенов, а более тяжёлый код может потребовать 4 096. Рекомендуется задавать параметр --reasoning-budget-message со значением «ok now» и устанавливать reasoning_effort=medium, чтобы модель не подходила к задаче «лениво». Даже при низком бюджете Qwen3.8 остаётся очень щедрой в рассуждениях.

🚀 Qwen3.5 0.8B работает на CPU Автор собрал небольшую C++‑движок и собственный 4‑битный формат H128/Q4‑G32‑DOT4 с калибровкой активаций и компенсацией ошибок. Модель весит 425 МБ, что на 71 МБ меньше, чем у Unsloth Q4_0, при схожих показателях перплексии и KL‑дивергенции. Тесты на Ryzen 9 9955HX3D (Linux, 8 физических V‑Cache ядер) показали: предзаполнение = 2 758 токенов/сек, декодирование одного запроса = 122,9 мс, батч‑16 = 642 мс, PPL = 15,80, KL = 0,0602. По сравнению с llama.cpp Unsloth Q4_0 это ≈ 2,9× быстрее при предзаполнении, 1,3× при одиночном декоде и 1,7× при батче‑16. Против IK‑движка с тем же GGUF предзаполнение почти одинаково, одиночный декод на 18 % быстрее, а батч‑16 на 53 % быстрее; при этом IQ4_KS_R4 выигрывает в одиночном декоде, а наш движок — на 41 % в батче‑16. Подробнее и код: https://github.com/Danmoreng/qwen35-cpu

🚀 Запущен Artificial Analysis Intelligence Index v4.3 Вышла версия Index v4.3: обновлён Terminal‑Bench до 4.0 (66 многошаговых задач) и заменён 𝜏³‑Banking на AutomationBench‑AA — набор из 657 бизнес‑рабочих процессов (Gmail, Slack, Salesforce, Jira) с закрытым тестовым набором от Zapier. Вес оценок по приватным задачам вырос с 40 % до 45 %; распределение категорий осталось прежним (Agents 30 %, Coding 20 %, General 30 %, Scientific Reasoning 20 %). Ключевые результаты: лидируют Claude Fable 5.1 и GPT‑6 Astra со счётом 53, далее Claude Opus 5 – 51, Claude Fable 5 – 50, Muse Spark 1.3 – 48 и GPT‑5.6 Sol – 47. Среди открытых моделей лидируют GLM‑5.3 и Kimi K3 (44), затем GLM‑5.3‑Flash 42, Qwen3.8 2.4T A95B 40 и DeepSeek V4 Pro 0813 36. Четыре лаборатории (OpenAI, Anthropic, Meta, другие) занимают фронт эффективности «интеллект ↔ стоимость задачи»: OpenAI доминирует, а все пять вариантов GPT‑6 Astra показывают минимальную стоимость при данном уровне интеллекта.