Лента новостей

🤖 Гуманоидные роботы побили рекорд Болта На Всемирных играх гуманоидных роботов в Китае две машины пробежали 100 м за менее чем 9,58 секунды, превзойдя рекорд Усэйна Болта, который держался 16 лет. XPeng привлекла 900 млн долларов для своего подразделения гуманоидной робототехники; инвесторами стали Tencent и Alibaba. Это крупнейшее отдельное финансирование в сфере воплощённого ИИ в Китае, а робот IRON планируют вывести в массовое производство к концу 2026 года. 17 августа протокол A2A от Google вошёл в Agentic AI Foundation вместе с MCP от Anthropic. В инициативу уже вступило 250 организаций, включая AWS, Microsoft, Google, OpenAI и Anthropic, что делает стандарты общения AI‑агентов нейтральной инфраструктурой. Apple представила новый Mac mini с встроенным ИИ, а OpenAI закрыла российскую операцию влияния, использующую ChatGPT.

🚀 Zeno — локальный AI‑инструмент для Mac с 16 ГБ ОЗУ Интерн стартапа Icosa объявил о выпуске первой версии Zeno — бесплатного AI‑помощника, работающего полностью на вашем Mac. Приложение использует 4‑битную модель Qwen3.6‑35B‑A3B и позволяет работать с файлами, сохраняет конфиденциальность данных, без счетов за использование и водяных знаков, аналогично Claude Cowork, но с меньшим размером модели. Полная модель не помещается в единой памяти 16 ГБ, поэтому команда разработала систему выгрузки данных в память; подробности будут опубликованы позже. Приложение оптимизировано для Mac с 16 ГБ и более ОЗУ, однако на первых версиях может работать немного медленно. Разработчики просят делиться отзывами о сценариях использования, производительности, ошибках и предложениях. Сравнительные тесты доступны по ссылке: https://preview.redd.it/zszvre7pzqlh1.jpg?width=1080&format=pjpg&auto=webp&s=2412cfcf31e34281cb18b8c6dda8e0ac9549783a. Скачать Zeno можно здесь: https://www.icosa.co/zeno, а в Discord‑сообществе задать вопросы: https://discord.gg/bQRqHRpam 🤝

⚖️ Наследники Карла Сагана подали иск против AI‑стартапа Наследники известного астронома Карла Сагана возбудили судебный процесс против AI‑компании, обвиняя её в несанкционированном использовании голоса учёного в рекламном ролике. По заявлению представителей семейства, в рекламе был применён синтезированный голос Сагана без получения согласия или лицензии, что, по их мнению, нарушает права на изображение и голос.

📉 ИИ в школах: рост оценок за домашку, падение экзаменов Исследование, охватившее 30 месяцев и 26 811 учеников 7‑12 классов в Китае, показало, что внедрение генеративного ИИ повышает баллы за домашние задания на 18 % и сокращает время их выполнения на 30 %, но одновременно снижает результаты ежемесячных контрольных на 20 % уже через полгода. При этом баллы на вступительных экзаменах падают на 18 % и 24 % соответственно, а полное снижение проявляется примерно через два года. Наибольшие потери отмечены по предметам социальных наук, затем — STEM и языкам; особенно сильно пострадали младшие школьники, ученики с высокими успеваемостями и мальчики. Около 80 % пользователей ИИ демонстрируют характерные признаки «аутсорсинга» домашки: очень короткое время выполнения при высоких баллах, и именно у этой группы наблюдаются основные потери в обучении. Ученики, сохраняющие обычное время выполнения, теряют лишь небольшие баллы.

⚠️ ИИ способен выполнять большинство студенческих заданий MIT предупреждает, что современные системы искусственного интеллекта теперь могут надёжно выполнять большинство заданий бакалавриата. Это заявление подчёркивает рост возможностей ИИ в академической сфере.

🚀 GLM‑5.3‑Flash — первая открытая мультимодальная модель серии GLM‑5 Выпущена GLM‑5.3‑Flash, первая нативно мультимодальная модель в линейке GLM‑5 и первая открытая реализация архитектуры glm5_next. По заявлению Z.ai, она обгоняет GLM‑5.2 при стоимости в одну десятую и приближается к показателям Claude Opus 4.8 в кодинге и агентских бенчмарках. Модель содержит 45 слоёв гибридного внимания: 34 линейных KDA‑attention, чередуемых с 11 разрежёнными DeepSeek‑attention, а разрежённые слои используют Lightning‑indexer (32 головы, dim 128) с top‑k = 2048 токенов, что снижает затраты на длинный контекст. Встроена технология mHC, 24‑слойный ViT (448 px, патч 14, 2×2 spatial merge) с временным патчингом, обучена на 30 Т токенов мультимедийного корпуса. Параметров — 320 Б (из них активных 18 Б), скрытый размер 4096, словарь 154 880, контекст до 1 048 576 токенов. Поддерживается FP8 (e4m3) и отдельный BF16‑репозиторий. Вес модели доступен на Hugging Face (≈331 ГБ FP8, ≈640 ГБ BF16). Для инференса рекомендуется vLLM с temperature = 1.0, top_p = 0.95 и 5 спекулятивными токенами MTP; поддерживаются H100/H200 и другие платформы, а также инструменты TokenSpeed и KTransformers. Подробнее на HF, ModelScope, GitHub, в блоге Z.ai и официальной документации.

🚀 EU требует от ведущих AI‑лабораторий раскрыть детали мер безопасности В рамках нового регулятивного шага Европейский союз направил официальное требование к крупнейшим лабораториям искусственного интеллекта предоставить полную информацию о своих практиках обеспечения безопасности. 🛡️ Требование касается всех ведущих AI‑компаний, работающих в ЕС.

🗄️ Локальный агент для работы с базами данных Создано настольное приложение, позволяющее задавать запросы к Postgres, MySQL, SQLite и Mongo на обычном английском. Главное требование — работа с Ollama, поэтому схема и результаты остаются полностью на вашем компьютере. С помощью Little Snitch показано, что при запросе локальная модель открывает только четыре соединения: к базе данных, к DNS‑сервису провайдера, проверку лицензии при запуске и проверку обновлений на GitHub. Поставщика LLM нет — модель работает локально. Ограничения: локальные модели генерируют SQL хуже, чем передовые модели Sonnet или GPT‑5, особенно при сложных схемах. При этом Qwen 3.5 8 B и Qwen 3.8 27 B показывают хорошие результаты; модели старше Qwen 2.5 Coder 32 B затрудняются при соединении более двух‑трёх таблиц. Агент сам исправляет и повторяет ошибки, но при «запутанной» схеме лучше использовать передовую модель. Автор интересуется, какие модели работают лучше всего для генерации SQL, и предлагает попробовать сервис по ссылке https://dbflow.ai

🔍 Тесты квантов Qwen 3.8 27B для MLX Vision Мы создали 9 вариантов квантования модели Qwen‑3.8 27B для MLX Vision (от 8‑бит‑версии 29,5 ГБ до DWQ‑версии 3,23 bpw — 11,8 ГБ) и сравнили их с аналогичными сборками от сообщества (lm‑studio, lukaskremla, mlx‑community и др.) на Hugging Face. Тесты проводились в единой среде: 1 × GPU H200 NVL, контекст 4096, собственный набор текста, не использованный при калибровке. Все модели оценивались по топ‑1 согласованию с эталоном (уровень шума 0,084 %). Квант размером 11,8 ГБ показал 70,32 % точности, а две более лёгкие версии < 12 ГБ — 53 % и 43 %. 📊 Файл 11,8 ГБ работает на ноутбуке с 16 ГБ ОЗУ после увеличения лимита командой sudo sysctl iogpu.wired_limit_mb=13000, даёт доступ к 13–14 ГБ памяти, что ограничивает контекст, но позволяет экспериментировать. Остальные сборки требуют 24 ГБ и более. Полный набор квантов и подробное описание метода доступны в коллекции на Hugging Face, а также в открытом приложении Atomic.Chat, где их можно запустить. Автор — соучредитель проекта, готов ответить на вопросы.

🤖 AI‑учёные в лаборатории В подкасте с Антони Роустроном обсуждается проект ARIA — крупнейшая ставка агентства, финансирующая двенадцать команд для создания ИИ‑учёных, способных полностью вести исследовательский процесс без постоянного участия человека. Сейчас такие системы уже разрабатывают персонализированные вакцины против рака и молекулы, которые за 48 часов вызывают иммунный ответ на новые вирусы. Рассматриваются способы обучения ИИ скрытым, практическим навыкам, доступным только людям, и влияние автоматизации на работу лабораторий и роль учёных.