Лента новостей

🚀 Запущен Aegis Router Aegis Router – новый API‑маршрутизатор, разработанный специально для агентных IDE и совместимый с интерфейсом OpenAI. 🔹 Основные возможности: оплата по измеренной энергии (вы платите только за реально использованные запросы, без затрат на «паддинг»); кэш‑aware маршрутизация, при которой повторяющийся контекст (кодовая база, документация, системный запрос) не переобрабатывается и не пересчитывается; поддержка тех же моделей, что и у OpenAI, с простой заменой базового URL без изменения SDK. Кредиты не имеют срока действия. Продукт ориентирован на длительные сессии кодирующих агентов, а не на общий чат‑гейтвей. Подходит для Claude Code, Codex и любых агентных IDE, где наблюдается рост расходов токенов.

🚀 Kat Coder 2.5 создал полноценную игру в одном HTML‑файле Тестируя Kat Coder 2.5 с запросом «Создать космический шутер в стиле Star Fox на vanilla Three.js и HTML, минимум пять уровней, управление клавиатурой и мышью, враги, полностью рабочая игровая система», я получил действительно играбельный проект. В результате появился корабль с управлением, несколько типов врагов, разнообразное оружие, боссы, прогресс уровней, HUD, визуальные эффекты и достаточно структурированный код, всё упаковано в один HTML‑файл. Модель основана на Qwen 3.6 35B A3B и в моих испытаниях consistently превзошла другие открытые модели, включая Gemini 3.6 Flash Extended, которые не смогли сгенерировать рабочий прототип. Kat Coder 2.5 также показал хорошие результаты при создании 3D‑сцен, дашбордов и задач с тяжёлой логикой. Тест был проведён с квантизацией Q4_K_M. Исходный код доступен по ссылке: https://plnkr.co/plunk/Sc7yFCPPdrBWvkA7

📊 Формат сериализации удвоил точность многократных выводов Проведя тесты 10 форматов сериализации графов (JSON, GraphML, RDF‑варианты, списки рёбер и др.) на локальных моделях с окнами 8 К и 16 К токенов, я обнаружил, что выбор формата может повысить точность многократных выводов с ≈ 40 % до ≈ 80 %. Трудоёмкие форматы тратят около 70 % токенов на синтаксис (скобки, кавычки, повторяющиеся ключи), из‑за чего при 8 К‑окне бюджет графа сокращается почти в три раза. Табличные и реляционные представления, привычные моделям из обучения, стабильно превосходят вложенную разметку. На основе этих выводов создан ISONGraph — формат свойств‑графа, оптимизированный для LLM: использует на ≈ 70 % меньше токенов, достигает 92 % точности обхода, полностью работает офлайн. Проект MIT‑лицензирован, реализован на Python, JS/TS, Rust, Go, C++ и C#. Подробнее и методика тестов: github.com/isongraph/isongraph. Если у вас есть свои наборы вопросов или предпочтительные форматы для контекста графов в локальных моделях, буду рад их протестировать.

🎧 Локальная радио‑станция на Ollama Автор устал, что сервер Ollama простаивает между чат‑экспериментами, и подключил его к своей музыкальной библиотеке Navidrome, превратив в радиостанцию. DJ работает как агент, а не как обычный перемешиватель треков, используя модель Qwen3.5 9B. Каждый цикл DJ получает доступ к инструментам (поиск по библиотеке, просмотр недавно сыгранного, расписание, погода) и выбирает следующую композицию, объясняя причину выбора. Затем он пишет короткое вступление, озвучивает его с помощью TTS, а Liquidsoap накладывает голос на музыку. Оказалось, что 9B‑модель с отключённым рассуждением и включённым вызовом инструментов справляется полностью; более крупные модели дают лишь чуть более гладкие тексты. Память сеанса важнее размера модели – без неё DJ начинает повторяться уже через час. Весь процесс полностью локальный: Ollama + Piper или Kokoro + ваш Navidrome, без API‑ключей. Единственный внешний запрос – к Open‑Meteo за погодой. Облачные сервисы можно добавить, но они ограничены дневным токен‑бюджетом. Требуются собственная музыкальная коллекция и Docker‑хост. Радио не имеет кнопки «пропустить», поэтому слушатели либо остаются, либо уходят. Слушать трансляцию можно здесь: https://www.getsubwave.com/listen. Код проекта доступен по лицензии MIT на GitHub: https://github.com/perminder-klair/subwave. Полный авторский контроль. 🎶

🤖 Голливуд в борьбе с ИИ, но уже зависим от него Студии открыто обсуждают проблему искусственного интеллекта, однако уже активно используют его в работе. Анализ вакансий показывает, что многие киностудии тихо внедряют AI‑технологии в свои проекты. 🚀

🚀 Nvidia покупает новые акции Naver на $1 млрд Nvidia объявила о намерении приобрести новые акции южнокорейского интернет‑гиганта Naver на сумму в один миллиард долларов. 📊 Сделка предусматривает выпуск новых акций Naver, которые будут проданы Nvidia в рамках их текущего сотрудничества.

🤖 AI в новых рекламных трюках Недавние рекламные ролики с «тай‑чи ходьбой» показывают, что искусственный интеллект помогает мошенникам не только через фотореалистичные изображения. Технологии позволяют создавать убедительные видеоматериалы, которые вводят зрителей в заблуждение. Это подтверждает, что фотореализм — лишь один из способов обмана, а возможности AI в мошеннических схемах продолжают расширяться.

🚀 Запущен отсчёт к Kimi K3 Moonshot AI объявила о запуске обратного отсчёта до выхода Kimi K3 — последней модели компании. На официальном сайте уже доступен таймер, показывающий время до релиза. Это новый продукт от Moonshot AI, продолжение линейки Kimi.

🤖 Сравнение ThinkingCap, Fable Fusion и Qwen 3.6‑27B В рамках 90 изолированных запусков (6 задач × 5 повторов × 3 модели) каждый тест прошёл успешно, поэтому чисто по проценту прохождения победителя не определить. Запуски выполнялись в свежих рабочих пространствах Coder на кластере k8s, управлялись агентом Hermes, модели обслуживались через llama.cpp + llama‑swap на видеокарте 5090, а все вызовы трассировались в SigNoz. Использовались одинаковые параметры сэмплинга и контекст 131 k токенов, гипотезы были зафиксированы заранее. ThinkingCap сократил расход «думательных» токенов на 34 % по сравнению со стандартным Qwen и оказался самым быстрым в 5 из 6 задач. Однако эффективность была би‑модальной: лучшие прогоны были самыми дешёвыми, а два худших – самыми дорогими, включая один случай с ~10 вызовами инструмента из‑за «призрачного» тега llama.cpp. При том же числе вызовов модель использовала на 40 % меньше слов в рассуждениях. Fable Fusion делал на 24 % больше вызовов модели, но показал лучшую исследовательскую работу: проверил живой конфиг, извлёк цены из JSON‑файла продавца и нашёл maintainer‑а llama‑swap через GitHub API. При этом в одном из запусков модель ошибочно приписала поддержку проекта Matthew Garrett (mjg59), хотя реальный мейнтейнер – Benson Wong. Стоковый Qwen 3.6‑27B оказался самым «скучным», но дисциплинированным: одинаковые патчи, чтение собственного вывода, отсутствие вымышленных фактов, и он выиграл по манере в большинстве задач. Вывод: базовая модель остаётся предпочтительной, дообученные варианты обычно не дают прироста, а ThinkingCap имеет смысл лишь при узком месте в задержке токенов. Подробный отчёт: https://kmarble.dev/posts/qwen-post-train-bakeoff/

🤝 OpenAI и Anthropic просят ограничить открытые модели ИИ По сведениям источников, компании OpenAI и Anthropic ведут тихие встречи с регуляторами в Вашингтоне, добиваясь введения ограничений на открытые модели искусственного интеллекта. При этом глава OpenAI Сэм Альтман публично заявляет о своей поддержке открытого ИИ.