Лента новостей

🤖 ИИ усложняет использование правительственных киберинструментов Искусственный интеллект уже показывает высокую эффективность в поиске и эксплуатации уязвимостей программного обеспечения. 🛡️ По мнению экспертов, это может затруднить применение правительствами традиционных средств взлома и шпионского ПО, а также возобновить обсуждение необходимости создания «задних дверей» в устройствах. Вопрос о введении обязательных бэкдоров вновь выходит на повестку, поскольку государства ищут способы сохранить доступ к целевым системам.

💰 Nvidia вложила $3,5 млрд в MediaTek Nvidia инвестировала 3,5 млрд долларов в тайваньского производителя полупроводников MediaTek. Сделка показывает, что компания планирует оставаться ключевым поставщиком компонентов для AI‑инфраструктуры, пока крупные технологические корпорации начинают разрабатывать собственные AI‑чипы 🤖.

🚀 Новая модель pipecat-ai/phonellm-alpha-1 Модель демонстрирует производительность уровня GPT 5.6 Terra в типичных задачах голосовых агентов, но с задержкой в три раза меньше и стоимостью в восемнадцать раз ниже. Команда проекта заявляет, что цель — развитие и демократизация искусственного интеллекта через открытый исходный код и открытую науку. 📢

🚀 Qwen 3.8 27B на RTX 5080: ~75 токен/с Автор протестировал модель Qwen 3.8 27B, используя кастомную гибридную квантовку Qwen3.8‑27B‑i1‑IQ4_XS‑GGUF‑Smaller (Hugging Face), рассчитанную под 16 ГБ VRAM, как у RTX 4080/5080. Запуск выполнен через llama.cpp с набором параметров: ‑m модель, ‑a qwen3.8‑27b, ‑ngl 99, ‑c 85000, ‑np 1, ‑b 512, ‑t 8, ‑tb 8, ‑ctk q4_0, ‑ctv q4_0 и прочие настройки для MTP‑draft. В ходе тестов средняя скорость генерации токенов составила ≈ 75 t/s, иногда превышала 100 t/s при хорошем приёме MTP. Логи показывают стабильные показатели 70‑76 t/s на разных этапах генерации (например, 10 сек → tg = 78.94 t/s, 12 мин → tg = 75.46 t/s, 12 сек → tg = 76.08 t/s).

🚀 Новый чекпоинт ContextPilot‑14B Tencent представил ContextPilot‑14B — checkpoint модели Qwen3‑14B, входящий в проактивный фреймворк ContextPilot для агентов с длительным горизонтом. Модель обучена планировать действия, поддерживать долгосрочную память и выгружать менее полезный контекст, не прерывая процесс рассуждения и работы с инструментами. Подробности и код доступны в статье и репозитории на Hugging Face: ContextPilot‑14B, ContextPilot‑8B и ContextPilot‑E4B 📚.

🚀 NVIDIA покупает Hugging Face Цены на видеокарты NVIDIA продолжают расти, но они остаются предпочтительным решением для локального ИИ. AMD предлагает больше видеопамяти за ту же цену, однако её производительность в ИИ и поддержка программного обеспечения пока отстают от NVIDIA. CUDA уже повсеместно используется, тогда как экосистема ROCm всё ещё воспринимается как компромисс. Сейчас NVIDIA объявила о планах приобрести компанию Hugging Face, что может усилить её влияние на открытые модели ИИ. Вопрос остаётся открытым: станет ли NVIDIA почти единственным выбором для серьёзных локальных ИИ‑проектов.

🚀 ROCm 10 + llama.cpp + Qwen 3.8 27B на двух R9700 Тест показал, что система работает «из коробки»: без патчей и сложных настроек достигается 37‑50 токенов в секунду при обычном генерации текста и более 60 t/s при написании кода, а MTP‑режим даёт дополнительный прирост. Для эксперимента был скачан Docker‑образ rocm/dev-ubuntu-24.04:10.0.0-full, в нём установлены git и cmake, затем собран последний llama.cpp согласно официальной инструкции и задан путь к библиотекам LD_LIBRARY_PATH=/opt/rocm/core-10.0/lib/. Запущен llama‑server с набором параметров (включая --no-mmap, -kvu, --alias qwen, ‑hf unsloth/Qwen3.8-27B-GGUF:Q8_K_XL, ‑t 7, ‑b 1024 и draft‑mtp). AMD‑smi показывает, что на каждой карте задействовано 27 ГБ памяти, что позволяет увеличить контекст выше текущих 255 000 токенов; однако более старый материнский платёж x370 может ограничивать потенциал. При запросе «Напиши бинарное дерево на JavaScript с функциями insert, update и delete» получен корректный код, а производительность превысила базовый ROCm‑docker‑образ на 5‑10 %. Замеры: средняя скорость генерации ≈ 48‑51 t/s (пики ≈ 60 t/s), время оценки промпта 419 мс / 4 токена, полная оценка 104 сек / 5 369 токенов, общий процесс 104,5 сек / 5 373 токена. При режиме draft‑mtp коэффициент принятия 0.72147 (3673 из 5091 сгенерированных), средняя длина черновика 3.16 токена.

🇹🇭 AI‑паспорт в Таиланде Сегодня в Таиланде запущен сервис TH‑AI Passport, который предоставляет бесплатный доступ к 33 моделям искусственного интеллекта для зарегистрированных пользователей. Правительство планирует привлечь к использованию сервиса около 5 млн человек, стимулируя рост применения ИИ в стране.

🚨 Слишком мало новостей о атаке OpenAI и Hugging Face Генеральный директор Stripe Патрик Коллисон выразил удивление, что недавняя атака, в которой участвовали OpenAI и Hugging Face, почти не освещается в СМИ. Он назвал это событие одним из самых важных в 2026 году 🔎 и подчеркнул, что медиа должны уделять ему больше внимания.

🚀 Google выбрал 15 AI‑стартапов для акселератора в Австралии и Новой Зеландии Google объявил о наборе 15 компаний в рамках программы Google for Startups Accelerator 2026 для региона Австралия‑Новая Зеландия. Программа длится 10 недель 🚀, гибридная и без долевого участия, ориентирована на стартапы уровня Seed и Series A, работающие с искусственным интеллектом и машинным обучением, с целью ускоренного и ответственного роста. Среди выбранных — Blunge (AI‑агент для дизайна), Mentana (автономный менеджер цепочек поставок) и Unseen (слой доверия для коммерческой недвижимости). Стартапы распределены по рабочим процессам: дизайн, исследования, цепочки поставок, инвентарь, производство и коммерческая недвижимость.