Лента новостей

💼 Microsoft обучает продавцов критиковать конкурентов По сообщениям, в Microsoft проводят обучение сотрудников продаж, чтобы они умело сравнивали собственные модели ИИ с решениями OpenAI и Anthropic. ⚙️ В рамках этих инструкций акцент делается на том, что внутренние модели компании работают эффективнее и обходятся дешевле, чем предложения конкурентов. Цель — позиционировать разработки Microsoft как более выгодный вариант для клиентов.

🤖 Thinking Machines представила открытую модель Inkling Компания Thinking Machines анонсировала свою первую откры‑модель Inkling, сделав шаг против универсальных решений в сфере ИИ. Это первое публичное подтверждение работы компании после полутора лет разработки AI‑инфраструктуры, о которой почти не сообщалось. Inkling теперь доступна для широкой аудитории, открывая новые возможности для разработчиков.

🚀 Дорогой AI из США: стартапы переходят на китайские модели Искусственный интеллект становится одной из самых быстрорастущих статей расходов для компаний. Некоторые стартапы уже ищут способы экономии, отказываясь от дорогих американских решений в пользу более доступных китайских моделей. Переключение позволяет снизить затраты без изменения основных функций ИИ.

⚖️ Сотрудники Meta подали иск из‑за применения ИИ при сокращениях Сотрудники компании Meta подали коллективный иск, утверждая, что искусственный интеллект использовался при отборе работников для увольнения. По их словам, в начале этого года было внедрено мониторинговое приложение, которое передавало данные в систему ИИ, а затем эта система определяла, кого уволить. Истцы требуют пересмотра процесса сокращений и компенсацию за нарушение их прав.

🛡️ Хакер обнаружил, что Suno использовал YouTube для обучения ИИ В результате взлома стало известно, что генератор музыки Suno собирал аудиоматериал с YouTube. 🎧 Для доступа к исходному коду злоумышленник использовал учетные данные сотрудника, что позволило увидеть, как компания «скрейпила» десятилетия звуковых записей.

🛒 Whatnot покупает Shaped Платформа прямых трансляций покупок Whatnot объявила о покупке AI‑стартапа Shaped. Shaped занимается машинным обучением, разрабатывая решения для рекомендаций и поиска в реальном времени. Сделка усилит персонализацию и функции обнаружения товаров на Whatnot, поддерживая выход в новые категории продукции.

🤖 Робот‑учитель в школах Северного штата Нью-Йорк Школьный округ в северной части штата Нью-Йорк объявил, что уже этой осенью в классах появится гуманоидный робот, выступающий в роли учителя. Робот будет работать совместно с педагогами, помогая проводить занятия и демонстрировать новые способы подачи материала. Это первый подобный эксперимент в данном районе, направленный на оценку эффективности роботизированных помощников в образовании.

🧠 Agents‑A1‑4B: масштабирование горизонта, а не параметров Новая модель Agents‑A1‑4B (возможно Qwen3.7‑4B) опубликована командой InternScience. Файлы модели и GGUF доступны на Hugging Face: https://huggingface.co/InternScience/models?search=a1-4b. В тестах модель показала конкурентные результаты как среди плотных моделей (~4 B параметров), так и среди MoE‑моделей (35 B‑3 B). На наборе BrowseComp она набрала 74.1, а на XBench‑DS‑2510 — 90.0, что является лучшим показателем. Полные результаты benchmark'ов: BrowseComp — 47.2  66.8  61.0  67.9  74.1  75.5 XBench‑DS‑2510 — 73.0  90.0  77.0  71.0  82.0  86.0 Seal0 — 31.5  45.8  41.4  38.7  49.6  56.4 GAIA — 58.3  95.1  59.8  78.6  82.5  96.0 Engineering & Research Tasks: SciCode — 16.1  29.6  37.7  35.8  29.9  44.3 MLE‑Lite — 7.6  22.7  24.2  34.9  34.9  43.9 LiveCodeBench‑V6 — 55.8  59.6  76.2  78.1  59.1  76.2 FrontierScience‑Research — 1.7  33.3  2.5  2.9  5.0  40.0 Instruction Following: IFBench — 59.2  69.1  70.2  64.4  54.1  80.6 LongBench‑v2 — 50.0  52.1  59.0  57.7  59.6  60.2 IFEval — 89.8  94.8  91.9  91.3  88.4  94.8 General & Scientific Agentic Tasks: τ²‑Bench — 79.9  78.2  81.2  79.0  74.5  79.8 VitaBench — 22.0  40.3  31.9  35.6  23.0  38.8 MatTools — 10.9  49.3  21.0  15.9  34.1  47.1

⚠️ Генеративный ИИ — инженерный провал В недавнем обзоре эксперты назвали развитие генеративного искусственного интеллекта инженерным провалом. По их оценкам, проект оценивается в триллион долларов, но эффективность его реализации остаётся шокирующе низкой 💸.

🚀 RL‑посттренинг на 14 Mac‑ах в 4 странах Исследователи из Pluralis Research провели первый в истории RL‑посттренинг, где все генераторы рол‑аутов работали на обычных потребительских Mac‑ах, подключенных к открытой сети Интернет. Для эксперимента использовали 14 компьютеров в четырёх странах; каждый из них выполнял int8‑инференс через MLX, а градиентные обновления bf16 делал один сервер B200, находящийся на другом континенте. Синхронизация происходила только через облачное хранилище Cloudflare R2 по обычному домашнему интернету, без специализированных дата‑центров. Система PULSE передавала лишь изменения весов (≈0.5 % от всех int8‑значений), что составляло около 82 МБ вместо 9 ГБ. DPPO‑подобный фильтр исключал ≈0.3 % токенов с слишком большим отклонением вероятностей. На тесте PaperSearchQA (медицинский поиск в диалоговом режиме) модель Stoa улучшила показатели: покрытие pass@1 выросло с 29 % до 63 %, а частота успешного поиска — с 22 % до 84 % 📈. Модель научилась использовать встроенный инструмент. Сейчас Stoa требует, чтобы модель помещалась в память одного Mac, а обучение ограничено одним кластером. Pluralis уже завершил предобучение Pluralis‑8B на сотнях потребительских GPU через открытый интернет (проект Agora). Совмещение Agora и Stoa может перенести как инференс, так и обучение крупных моделей на распределённое потребительское оборудование, которое уже превышает вычислительные мощности современных дата‑центров. Код: https://github.com/PluralisResearch/stoa Подробный материал: https://pluralis.ai/blog/rl-post-training-on-macs Твит‑нить: https://x.com/Pluralis/status/2077419672987668667