Лента новостей

🚀 Accel обсуждает лидирование раунда в $1 млрд для Thinking Machines Accel, один из ведущих венчурных фондов, находится в переговорах о том, чтобы возглавить инвестиционный раунд объёмом $1 млрд в стартап Thinking Machines. Оценка компании в рамках раунда составляет $40 млрд, а её годовой доходный показатель превышает $100 млн 💰

📊 Google представил TimesFM‑3 — 330 М параметров для мультивариантного прогнозирования Google Research выпустил новую модель TimesFM‑3, основанную на 330 млн параметров, способную выполнять нулевое обучение и мультивариантный прогноз без дообучения. В отличие от версии 2.5, модель обрабатывает сразу несколько рядов, поддерживает несколько целевых переменных и ковариаты из прошлого и известные будущие (праздники, планируемые акции). Архитектура — decoder‑only transformer с 20 слоями, размером модели 1280, 16 головами; каждый токен охватывает 32 последовательных шага, чередуются каузальное и полное внимание. Прогнозы генерируются за один проход: модель добавляет маскированные токены на весь горизонт и заполняет их одновременно, оставляя известные будущие ковариаты открытыми. На каждый шаг выдаются 9 квантилей (10‑90 %). Для предобучения использовались данные GiftEvalPretrain (без перекрытия с fev‑bench), просмотры Wikipedia до ноября 2023, запросы Google Trends до конца 2022 и синтетические данные — более триллиона точек во времени. Google сообщает, что TimesFM‑3 занимает первое место в среднем рейтинге на наборах Gift‑Eval, FEV‑Bench и Time, опережая Chronos‑2, Toto 2.0 и TimesFM‑2.5; даже в режиме без ковариат модель сопоставима или лучше. Веса распространяются по лицензии TimesFM Non‑Commercial License v1.0, доступны в PyTorch на Hugging Face и GitHub; интеграция с BigQuery запланирована.

🚀 Qwen3.8-27B запущен на бесплатных TPU Kaggle За последнюю неделю удалось запустить модель Qwen3.8-27B (bf16, без квантизации) на бесплатных TPU v5e-8 от Kaggle. Модель работает и доступна через совместимый с OpenAI эндпоинт. ⚡ Скорость обработки ≈ 130 токенов/с в однопоточном режиме (MTP) и ≈ 78 токенов/с без предзаполнения; при предзаполнении достигает 10 300 токенов/с. Промпт в 105 000 токенов обрабатывается за ~10 секунд, полная нативная контекстная длина — 262 144 токена. Промпт в 225 000 токенов предзаполняется за ~28 секунд, что дает агрегатную скорость ~540 токенов/с при 8 потоках. От запуска до готового OpenAI‑совместимого эндпоинта (через туннель Cloudflare) ушло около 20 минут. Исходный код: https://github.com/ARahim3/kaggle-tpu-lab Ноутбук на Kaggle: https://www.kaggle.com/code/rahim3/qwen3-8-27b-bf16-on-kaggle-tpu-130-tok-s-api

🚀 Abliteration.ai упрощает доступ к AI без ограничений Компания Abliteration.ai создала бизнес, предлагая мощные модели искусственного интеллекта без встроенных ограничений. Она утверждает, что предоставление защитникам тех же инструментов, что и злоумышленникам, может в конечном итоге повысить кибербезопасность.

🚀 Meta предлагает скидку 95 % за доступ к данным использования Meta объявила, что будет платить пользователям за возможность видеть, как они используют их новую AI‑модель Muse Spark. В отличие от большинства сервисов, где можно просто отказаться от передачи данных, компания предлагает конкретную финансовую выгоду — средняя скидка почти 95 % от стоимости доступа к модели 📊. Muse Spark разработана для работы с кодом и другими агентами. Пользователи, согласившиеся на сбор информации, получат значительное снижение цены.

🛰️ OpenAI представила новую ИИ‑модель Astra OpenAI объявила о запуске Astra — мощной и вызывающей споры модели искусственного интеллекта. По заявлению компании, Astra открывает «новую границу в использовании компьютеров и браузеров». 🚀 Разработчики подчёркивают, что система обеспечивает непревзойдённую «скорость, точность и безопасность» при выполнении разнообразных задач.

🚀 Посттренировка Qwen 3.5‑2B с GRPO Автор собрал ноутбук и снял видео, где с нуля реализовал метод GRPO и применил его к посттренировке модели Qwen 3.5‑2B. Обучение проводилось только на задаче имитации интерпретатора Python, но уже после него модель стала заметно точнее и экономичнее в решении математических задач. Код работает с любыми открытыми моделями; репозиторий доступен по адресу agi‑playground/grpo в ветке main (johnolafenwa/agi‑playground). Полный разбор кода и результатов можно посмотреть в видео https://youtu.be/IwOVZKIKeXw?si=xvWRM7OoM60McHiG. Тренировка заняла около 20 минут на одной видеокарте H200, а итоговые графики эффективности представлены здесь 📊 https://preview.redd.it/6g27djmhfcnh1.png?width=1264&format=png&auto=webp&s=3717f5a51f14091df1383505fe8deb87e8e74e07 и https://preview.redd.it/075ee4smfcnh1.png?width=1238&format=png&auto=webp&s=57904dbd726602a010e7f7cb590a101f52e4acff.

🔧 Micron изучает NAND‑память рядом с GPU Компания Micron рассматривает создание высоко‑износостойких модулей NAND‑Flash, которые будут размещаться ближе к графическому процессору, а не в удалённом хранилище. Такой дизайн позволит избавиться от традиционного пути данных через несколько протоколов в распределённом пуле памяти. Исследователи компании изучают, как близкое расположение NAND‑Flash к GPU может поддерживать работу более крупных моделей больших языковых моделей (LLM) 🚀

🎮 Neon Ladder — новый бенчмарк для локальных LLM‑стеков Создано средство, которое проверяет, способен ли ваш локальный LLM‑стек собрать работающую игру, а не просто генерировать токены. За ~25 минут на один запуск агент пишет 10‑файловый HTML5‑canvas проект по фиксированному контракту, после чего код проходит три проверки: статический анализ, двухминутный прогон в безголовом браузере и ручной плейтест. Бенчмарк выявил 12 классов ошибок в геймплейе, которые полностью ускользали от статических оценок и других тестов: от ускорения мяча в 7 раз до исчезновения объекта, игнорирования клавиши Enter и неконтролируемого разрушения всех кирпичей. В каждом случае ошибка проявлялась в сборке, прошедшей `node --check` и работающей со скоростью 60 fps. Тесты двух сообществ‑стеков на одинаковой модели и контракте показали разницу — один достиг 17/19 баллов, другой 0/15, хотя оба проходили одинаковые статические проверки и имели одинаковую скорость декодирования. Размер модели влиял только на время выполнения: 125‑млн‑параметровый MoE был в 7,8 раз быстрее 27‑млн‑параметрового, но результаты по качеству совпали. Запуск доступен в репозитории github.com/aic0d3r/neon-ladder (контракт, скоры, раннер и шаблон отчёта). Инструкция: клонировать репо, запустить Llama‑сервер, выполнить `bash run.sh …` и после успешного прохождения всех трёх ворот получить строку результата.

🚀 Запуск локального кодирующего агента pi с моделью 27B на Strix Halo В статье описан рабочий рецепт: pi + llama‑server (форк Nathan’s strix‑halo Vulkan), шаблон Sharp chat, контекст 256 к токенов, maxTokens 32768, включённое «thinking» через compat.chatTemplateKwargs. На машине Flow Z13 (Ryzen AI Max+ 395, 8060S, 128 ГБ) удалось собрать 10‑модульную игру в одной сессии (1 587 строк кода) без задержек. KV‑кеш попадает ≈ 94 % запросов, а авто‑компакция, срабатывающая около 95 k токенов, удерживает скорость декодирования ≈ 26 т/с и предзаполнения ≈ 200 т/с; при превышении 140 k токенов она падает до 17‑19 т/с. Для сервера предусмотрены два профиля: «daily driver» — 27 B (UD‑Q4_K_XL + DFlash2 Q4_K_M, ‑c 262144) и «speed lane» — Flash‑Next (UD‑IQ4_XS + native MTP Q8_0, ‑c 131072, --reasoning‑effort medium --reasoning‑budget 2048). Размеры ubatch 4096, 2048 и 1024 влияют на предел глубины (≈ 140‑145 k токенов); при ubatch 1024 успешно завершён сеанс 144 k токенов. Конфигурация использует около 55 ГБ ОЗУ. Установка pi производится через ~/.pi/agent/models.json (не settings.json). Важно проверять локальность работы: запрос curl localhost:8080/metrics должен показывать рост prompt_tokens_total. По умолчанию maxTokens 16384 ограничивает только «thinking», поэтому его следует явно увеличить до 32768. Флаги thinking не передаются шаблону без указания compat.chatTemplateKwargs, что также необходимо настроить.