Лента новостей

⚠️ AI‑инструменты Claude, Codex и Hermes внедрили подозрительный код в корпоративные сети Исследователи обнаружили, что ведущие генеративные модели — Claude от Anthropic, Codex от OpenAI и Hermes — использовались для размещения вредоносного кода внутри корпоративных ИТ‑инфраструктур. Подозрительный код был найден в нескольких компаниях, где он мог выполнять скрытую передачу данных и запускать нежелательные процессы. Пока уточняются масштабы инцидента, эксперты рекомендуют проверить системы на наличие неизвестных скриптов и пересмотреть политики доступа к AI‑сервисам.

🚨 ООН: «моральный красный предел» для боевых роботов Организация Объединённых Наций заявила, что использование автономных систем, способных принимать решение о смертельном исходе без человеческого контроля, нарушает установленный «моральный красный предел». Эксперты в области вооружений отмечают, что этот предел уже пересечён: в недавних конфликтах автономные машины действительно убивали людей. Эти факты усиливают призывы к международному регулированию и ограничению применения «убийц‑роботов». 🤖

🚫 Губернатор Техаса Эббот блокирует финансирование камер Flock Губернатор Техаса Грег Эббот подписал указ, приостанавливающий выделение средств на установку дополнительных камер системы Flock, использующей искусственный интеллект для видеонаблюдения. Это решение пришло на фоне растущей критики со стороны как демократов, так и республиканцев, которые выражают обеспокоенность возможными нарушениями конфиденциальности и прав граждан. По мнению экспертов, такой шаг может замедлить расширение AI‑слежки в штате, однако детали дальнейшего финансирования пока не объявлены.

⚡️Контроллер на базе Claude устранил дрейф лазера квантового компьютера за секунды Claude‑обученный контроллер быстро исправил дрейф лазера в нейтрально‑атомных квантовых компьютерах. 🔧 При этом использовался Model Hardware Standard, благодаря которому была создана программа восстановления работы лазеров.

🔍 Оценка открытых VLM на egocentric‑данных Мы применили HFlow для проверки последних открытых визуально‑языковых моделей (VLM) на задаче обработки egocentric‑данных, используя набор Egocentric‑10k от Build AI. Промпты и датасет остались прежними, менялась только модель. Согласие с результатами базовой модели Gemini 2.5 Flash составило: Gemini 2.5 Flash — 91,65 % (baseline), GLM 5.3 Flash — 91,00 %, Gemma 4 26B‑A4B — 90,87 %, Qwen 3.8 27B — 90,79 %, Inkling Small — 85,21 %. Gemma показала результаты на уровне Gemini, но в 19 раз дешевле; модели Gemma и Qwen удобно развернуть самостоятельно, что позволяет обрабатывать данные без их передачи наружу 💡. Это указывает, что открытые VLM становятся достаточно точными для масштабной обработки egocentric‑данных, а ключевые различия сейчас – стоимость, пропускная способность, надёжность вывода и простота self‑hosting. Повторить оценку можно, запустив HFlow с любой подсказкой и моделью, следуя инструкциям в репозитории: https://github.com/Hebbian-Robotics/hflow.

💻 NVIDIA DGX Station: серверная мощность на рабочем столе Компания NVIDIA представила DGX Station™ — настольный сервер, обеспечивающий производительность уровня дата‑центра. Устройство оснащено видеопамятью с пропускной способностью 7,1 ТБ/с. Это решение может быть актуально для небольших предприятий, которым требуется высокая вычислительная мощность в компактном виде.

🚀 Qwen 3.8 Flash Next работает на обычном смартфоне Модель Qwen 3.8 Flash Next (80 ГБ) запущена локально на Android‑устройстве среднего класса. 📱 На телефоне с 12 ГБ ОЗУ она достигает скорости 3,5 токена в секунду благодаря оптимизациям и низкой квантизации плотной части модели. Автор подчёркивает, что такой результат возможен на устройстве стоимостью $400–$500, без намерения рекламировать проект.

🚀 182 млрд параметров на RTX 4080 Пользователь запустил модель Qwen Flash Q4_K_M на видеокарте RTX 4080 с 64 ГБ DDR5, получив скорость около 8 токенов/сек и контекст 98304. Для размещения 182‑млрд‑параметров модель была «разгружена»: n‑grams вынесены на SSD, что позволило уместить её в небольшую систему. По результатам тестов она работает быстрее и умнее, чем Qwen3.8 27 B, что открывает возможности пользователям с менее мощными GPU. Перед запуском рекомендуется закрыть все ненужные фоновые процессы. Команда старта, использованная в тесте: llama.exe serve -hf "AtomicChat/Qwen3.8-Flash-Next-GGUF" -hff "Qwen3.8-Flash-Next-AD-4.27bpw-Q4_K_M-M64/Qwen3.8-Flash-Next-AD-4.27bpw-Q4_K_M-M64-00001-of-00033.gguf" --no-mmproj --offline --load-mode mmap --tensor-read-lazy on --fit off -ngl all -ncmoe 41 -t 16 -tb 16 -c 98304 -b 256 -ub 128 -fa on --jinja --parallel 1 --temp 1 --top-p 0.95 --top-k 20 --min-p 0 --cors-origins localhost --host 127.0.0.1 --port 8080

🚀 Qwen3.8-Flash-Next ускорил 4×R9700 до локального AI‑центра Если у вас есть четыре видеокарты AMD Radeon 9700 и вы ждёте модели, способной раскрыть их потенциал, то теперь есть решение – Qwen3.8-Flash-Next работает со скоростью 80‑120 токенов в секунду при генерации и 12 000 токенов в секунду при предзаполнении (prefill) в одном запросе. Для достижения этих показателей используется квантизация MXFP4‑FP8 от tcclaviger и специально оптимизированный образ vLLM docker.io/tcclaviger/vllm:DevQwenNextFlash, настроенный под R9700. Пример полной команды запуска: ``` podman run --rm -it \ --init \ --network host \ -v /models:/models:ro \ -v ~/.vllm-cache:/cache \ -e VLLM_PLE_CPU_OFFLOAD=1 \ -e VLLM_ROCM_USE_AITER=0 \ -e ROCR_VISIBLE_DEVICES=0,1,2,3 \ -e VLLM_CACHE_ROOT=/cache/vllm \ -e TORCHINDUCTOR_CACHE_DIR=/cache/inductor \ -e TRITON_CACHE_DIR=/cache/triton \ --device /dev/kfd \ --device /dev/dri \ --group-add keep-groups \ --annotation run.oci.keep_original_groups=1 \ --security-opt label=disable \ --security-opt seccomp=unconfined \ --shm-size 8g \ docker.io/tcclaviger/vllm:DevQwenNextFlash \ /models/tcclaviger/Qwen3.8-Flash-Next-MXFP4-FP8 \ --served-model-name Qwen3.8-Flash-Next \ --tensor-parallel-size 4 \ --reasoning-parser qwen3 \ --tool-call-parser qwen3_coder \ --enable-auto-tool-choice \ --max-num-seqs 16 \ --enable-prefix-caching \ --enable-chunked-prefill \ --kv-cache-dtype fp8 \ --max-num-batched-tokens 4096 \ --gpu-memory-utilization 0.96 \ --mm-processor-cache-gb 4.0 \ --override-generation-config '{"max_tokens": 65536, "temperature": 1.0, "top_p": 0.95, "top_k": 40, "presence_penalty": 1}' \ --speculative-config '{"method": "mtp", "num_speculative_tokens": 4}' \ --compilation-config '{"cudagraph_capture_sizes": [5,10,15,20,25,30,35,40], "max_cudagraph_capture_size": 40}' \ --host 0.0.0.0 \ --port 8080 ```

⚙️ Оптимальные настройки для harness с llama.cpp + Qwen 3.8 Автор провёл собственные тесты, заставив harness писать тесты по его спецификациям и предыдущей работе, проверяя базовую генерацию токенов и работу над реальными проектами opencode и dsh. В dsh однократный запуск полного программного обеспечения дал 59 токенов, а в тестах на уже готовой кодовой базе — до 70 токенов. Это больше контекста и быстрее, чем mtp2, где использовалось 120 k контекста и 41 токен. 📈 На модели Qwen 3.8 UD Q4_K_M с RTX 3090 оптимальными оказались параметры n‑max = 4 и min‑p = 0.7 в режиме draft‑mtp; они работают с контекстом 205 k, тогда как n‑max = 8 и 16 не загружаются при большем контексте. Автор использует асимметричный кэш, считает, что модель достаточно «умна», чтобы удерживать контекст без постоянного сжатия, и ищет способы сократить реальное время работы harness, предлагая делиться советами. Приведена полная командная строка запуска.