Лента новостей

🚀 Выпущен DeepSeek V4 Flash Vision Новая версия модели DeepSeek V4 Flash Vision уже доступна. Подробности и скачивание находятся на странице проекта в Hugging Face: https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp.

🔍 Поддержка Vision в кодинге Автор обычно выбирал версии моделей без Vision, чтобы экономить видеопамять, но после выхода QWEN 3.8 27B решил попробовать. Оказалось, что наличие визуального модуля значительно повышает способность модели к автономному программированию. Без Vision модель завершает задачу и сообщает об этом, но часто остаются скрытые ошибки, которые не проявляются в коде или тестах, что приводит к неработающим страницам. При включённой поддержке Vision QWEN самостоятельно делает скриншоты, проверяя правильность результата, и повторяет процесс, пока не получит визуальное подтверждение исправления. Сейчас автор использует локальную конфигурацию Hermes с QWEN 3.8 27B (Qwen3.8-27B-UD-Q5_K_XL) на видеокарте RTX 5090. 🚀

🚀 Состояние открытых LLM (31.08.2026) 31 августа 2026 года опубликован обзор под названием «The state of open source LLM», посвящённый текущему положению открытых больших языковых моделей. Документ представляет собой сводку информации о развитии и доступных решениях в сфере открытого программного обеспечения для LLM.

🚀 Тест Qwen3.8‑Flash‑Next на RTX 6000: от CPU‑only до 96 ГБ VRAM При работе только на CPU (AMD Ryzen 9 9950X) модель достигла 182,64 tok/s при заполнении и 8,34 tok/s при декодировании на запросе в 2 048 токенов. При полном использовании 96 ГБ видеопамяти RTX PRO 6000 скорость декодирования выросла до 109,07 tok/s, а предзаполнение — до 1 955 tok/s. С ростом объёма VRAM показатели улучшались: 8 ГБ – 232/35,69 tok/s, 16 ГБ – 249/37,93, 24 ГБ – 260/39,01, 32 ГБ – 292/42,24, 48 ГБ – 746,7/51,73, 96 ГБ – 1 955/109,07. При длинном контексте (245 К токенов) преимущество 96 ГБ над 24 ГБ сократилось с 2,8‑х до 1,45‑х; декодирование составило 21,61 tok/s (96 ГБ) против 14,89 tok/s (24 ГБ). Перемещение 27,2 ГБ таблицы эмбеддингов PLE в CUDA замедлило декодирование до 1,95 tok/s (55,6‑кратное падение). Загрузка модели в RAM вместо mmap дала 1,87‑кратный прирост предзаполнения (746,7 vs 400,4 tok/s). При 16 одновременных запросах нефедеративный KV‑layout обеспечил 92,0 tok/s, тогда как унифицированный — 68,8 tok/s. Все тесты проведены на модели unsloth/Qwen3.8‑Flash‑Next‑GGUF (quant UD‑IQ4_XS, 87,2 ГБ) в окружении Ubuntu, CUDA 13 и llama.cpp b10666.

📈 Samsung заключила контракты на 70 % будущего производства AI‑памяти Samsung подписала соглашения, согласно которым 70 % производства оперативной памяти для искусственного интеллекта будет поставляться Microsoft, Google и Nvidia до 2031 года. В рамках этих договоров Nvidia получает память по цене $300‑$500 за модуль, что примерно в пять раз ниже текущей рыночной цены в $2 100, которую платят остальные покупатели. Несмотря на более низкие затраты, Nvidia продолжает повышать цены на свои видеокарты, ссылаясь на стоимость оперативной памяти. https://gagadget.com/en/723983-samsung-locked-up-70-of-its-ai-memory-for-microsoft-google-and-nvidia-through-2031/

🚀 Доход от рекламы OpenAI превысил $1 млрд OpenAI объявила, что её рекламный бизнес достиг годового уровня в 1 млрд долларов. Рост пришёл после запуска рекламных блоков в ChatGPT в начале этого года. Главный конкурент Anthropic отреагировал на нововведение рекламой в ролике во время Суперкубка.

🤝 Anthropic объединяет Claude и Cowork Компания Anthropic объявила о слиянии функций чата Claude и памяти Cowork, после чего оба сервиса будут совместно хранить воспоминания о пользователях. Это решение поднимает вопросы конфиденциальности: какие данные будет сохранять ИИ и насколько оправдано такое объединение с точки зрения безопасности. Пользователи получат возможность видеть свои прошлые взаимодействия в обоих сервисах, но детали обработки данных пока не раскрыты.

🛡️ Пентагон вводит Grok и ChatGPT в военные задачи Министерство обороны США объявило о начале использования двух крупных ИИ‑моделей — Grok от xAI и ChatGPT от OpenAI — в своих проектах. Технологии планируют применять для анализа данных, планирования операций и поддержки решений, детали применения пока не раскрыты. Пентагон подчеркнул, что интеграция ИИ направлена на повышение эффективности и ускорение обработки информации.

📊 $100 млн бонусов за развитие человеческих навыков EY объявила о программе, в рамках которой будет выплачено 100 млн долларов бонусов сотрудникам, демонстрирующим высокие когнитивные способности. Цель инициативы — поддержать критическое мышление, способность к суждению и другие навыки, необходимые для эффективного взаимодействия с ИИ 🤖. Компания присоединилась к ряду фирм, инвестирующих в развитие человеческого потенциала, чтобы искусственный интеллект не подрывал интеллектуальные возможности работников.

🔍 Анализ ошибок ИИ не масштабируется Большинство команд исправляют плохие результаты ИИ по отдельности: кто‑то замечает ошибку, исправляет её и дальше не обращает внимания. Такой подход работает при небольшом объёме, но при росте количества выводов человек уже не успевает охватить всё и видит лишь крошечную часть проблем. Эффективнее фиксировать не отдельные случаи, а закономерности сбоев: вести структурированный журнал ошибок, искать группы, связанные с определённым типом ввода, длиной, сложностью или специфическим краевым случаем. Это превращает разрозненные ошибки в паттерн, вокруг которого можно разрабатывать решения. Переход к такому подходу требует больше времени в начале и не даёт мгновенного ощущения результата, но он предотвращает повторяющиеся сбои, которые иначе остаются незамеченными как новые отдельные проблемы.