Лента новостей

📊 Антропик включит общественное сопротивление ИИ в список рисков IPO Конфиденциальное заявление о планируемом IPO компании Anthropic, поданное в июне, будет включать публичное сопротивление ИИ и новым дата‑центрам как формальный риск. Об этом сообщает CNBC, а публичные документы ожидаются в течение нескольких недель. Согласно опросу Gallup, проведённому в начале года, около 70 % американцев против строительства новых ИИ‑дата‑центров рядом с их домами, и примерно половина опрошенных относится к этому вопросу очень серьёзно. В отличие от IPO SpaceX, запланированного на 2026 год, где указаны риски продукта Grok, но не упомянуто общественное сопротивление ИИ, Anthropic решает явно заявить о таком риске, что может укрепить её юридическую и репутационную позицию 🛡️. Вопрос остаётся: станет ли такой подход стандартом для будущих IPO компаний в сфере ИИ или он обусловлен особенностями бренда Anthropic, где безопасность ИИ занимает центральное место.

🤖 Модели ИИ в групповом чате разоблачили друг друга Автор собрал три крупные модели — ChatGPT, Claude и Gemini — в один чат, чтобы совместно решить сложную задачу и проверить, как они взаимодействуют. ChatGPT первым выдал красиво оформленный, но полностью ошибочный ответ, придумав несуществующее налоговое правило. Claude сразу указал на эту «галлюцинацию», но переусердствовал и испортил итоговое математическое вычисление. Gemini выступил в роли судьи: взял структуру ответа ChatGPT, учёл поправку Claude, исправил расчёт и представил безошибочный результат. Вывод: модели разных компаний способны проверять друг друга, выявляя слабые места и ошибки. Автор создал сайт, где такие дебаты проходят в реальном времени, и приглашает попробовать его в работе над своими вопросами. 🚀

🚀 Новые результаты бенчмарка DFlash2 и MTP Проведено сравнение квантов DFlash2 (Q2, Q4, Q8) и метода MTP на RTX 5090 с llama.cpp и моделью Qwen 3.8 27B Dynamic3 Unsloth. Оценивались скорость (токены/сек) и размер контекста при входных 65 k токенов. Лучший баланс — DFlash2 Q2 при n‑max 5: 137.19 tps и контекст 121 k токенов. Наивысшую скорость показал DFlash2 Q4 при n‑max 7: 154.08 tps при контексте 102 k. Самый большой контекст обеспечил MTP при n‑max 1: 85.77 tps и 131 k токенов. Q4 демонстрирует наибольший процент принятия (≈58 % при n‑max 5) и лучшие пиковые показатели. Q2 освобождает контекст, сравнимый с MTP, и может быть ускорен на 10‑20 %. Кванты Q8 имеют более низкую скорость и больший расход контекста, их рекомендуется избегать. Все показатели получены как среднее по 9 запускам; детали включают скорость, процент принятия, средний охват и максимальный контекст для каждого варианта.

🚀 Xiaomi представила AI Cube с 1,22 ТБ/с пропускной способностью памяти Xiaomi анонсировала прототип AI Cube, в котором реализована трехчиповая система. В состав входят чипы Xiaomi Xuanjie O3, O100 и D100. Чип D100, изначально разрабатывавшийся для электромобилей, поддерживает до 160 ГБ оперативной памяти, а чип O100 обеспечивает пропускную способность памяти 1,22 ТБ/с. Пока не уточнено, относится ли указанный показатель к SRAM, но детали опубликованы на iThome.

🔊 Лучшее AI‑клонирование голоса в 2026 Автор протестировал семь систем в слепом рейтинге и определил победителей: лучшим в целом оказался доработанный CosyVoice 3, а лучшим «zero‑shot» без обучения — Chatterbox. Сервис ElevenLabs обошёлся в $22 в месяц, ограничил использование 100 000 кредитами и всё равно не воспроизводил голос автора. Он же доработал собственную модель, используя 45 минут телефонных записей, и потратил менее $1. Все семь систем были прослушаны, их аудио доступно для сравнения. 🎙️

🎾 IBM и USTA добавили AI‑функции в приложение US Open 2026 IBM и USTA внедряют новые возможности на базе искусственного интеллекта в приложение US Open и сайт USOpen.org к турниру 2026 года. Запущены функции Live Updates, Serve Quality, Key Moments и улучшенный Match Chat. Serve Quality фиксирует 21 параметр тела и ракетки 50 раз в секунду, а Match Chat использует данные матча в реальном времени, историческую информацию и AI‑агентов, обученных по редакционному стилю USTA 🤖. Поток живых данных обрабатывает IBM Confluent, а генерацию ответов в Match Chat обеспечивает watsonx Orchestrate. Точность передачи данных важнее новизны, поскольку информация обновляется каждую секунду.

🤖 Обучили Dreamer‑4 за $150 Первый эксперимент с архитектурой Genie дал хорошие видеорезультаты, но управление почти не реагировало – нажатие клавиши почти не влияло на модель. Перейдя к Dreamer 4, автор обучил World Model с 1,57 млрд параметров на 9,6 млн кадров, потратив менее $150. Метрики: PSNR токенизатора 40,41 (у Genie 35,7), FVD 32,19, модель стабильно генерирует до 144 кадров подряд. Выводы: бюджет в $150 уже достаточен для такой задачи, а ключ к качеству – собственные данные. Все кадры созданы в Procgen, поэтому известны истинные действия на каждом шаге и можно проверять реакцию модели. Сайт: https://worldmodel-platformer.vizuara.ai/ Код: https://github.com/RajatDandekar/dreamer4-coinrun

🤖 LifeOS — локальный голосовой органайзер Автор выпустил LifeOS — саморазмещаемый личный органайзер, управляемый голосом, который полностью работает на локальной модели ИИ. Приложение превращает произнесённые команды в задачи, события, записи журнала, расходы, измерения веса или блюда, при этом ни одна информация не покидает ваш компьютер. Проект существует около месяца, ежедневно тестировался автором, близкими друзьями и родственниками. На данный момент он стабилен и доступен для всех. Тесты проводились на моделях Qwen 3.6 27 B и Qwen 3.8 27 B, при этом последняя использовалась наиболее интенсивно; обе модели работают в режиме Q8. В планах проверка более лёгких моделей около 9 B (Ornith, Qwen 9 B). В комплекте поставляется «harness», позволяющий подключить любой endpoint, совместимый с OpenAI, и сравнить его результаты с базой Qwen 3.8 27 B. Приложение транскрибирует речь, LLM интерпретирует её, создаёт карточки, которые пользователь может подтвердить, отредактировать или отклонить; всё сохраняется только после проверки. Код размещён на GitHub, установка описана в setup.md. UI лучше работает на мобильных устройствах 📱, соединение осуществляется через Tailscale. Приложение не является помощником типа Jarvis и не обещает кардинального повышения продуктивности — это лишь инструмент для локального логирования и организации данных.

🚫 Турция заблокировала 12 постов Grok С февраля 2025 года турецкие суды запретили доступ к минимум 12 сообщениям искусственного интеллекта Grok в социальной сети X, ссылаясь на угрозу национальной безопасности и общественного порядка. Об этом сообщает мониторинг свободы прессы Expression Interrupted. В заблокированных постах содержались обвинения в адрес государственных чиновников, политиков и публичных институтов, в том числе заявления о фаворитизме. Блокировка отражает подход властей к материалам, которые они считают потенциально опасными для общественного спокойствия.

🚀 ShardFlow достиг 28 TPS на Qwen2.5‑7B Разработчики ShardFlow провели бенчмарк распределённого инференса LLM, получив 28 запросов в секунду на модели Qwen2.5‑7B, используя нейронную спекулятивную декодировку и CUDA Graphs. Тестовая конфигурация включала два узла T4 в разных регионах GCP (Айова и Орегон), соединённые через TCP‑ретранслятор AWS EC2 в Огайо; RTT по публичному интернету составил ≈86 мс. При K=8 спекулятивная декодировка позволяет обрабатывать 4.07 токена за один раунд, а не один. Результаты: без спекуляции – 4.92 TPS; нейронный драфтер (eager) – 14.3 TPS; с CUDA Graphs – пик 28.10 TPS, среднее 20.31 TPS. На Qwen2.5‑14B с 4‑битной квантой NF4 получено 14.43 TPS в среднем. В версии v2.1 сократили количество запусков CUDA‑ядер с ~1500 до одного графа, уменьшив задержку драфта с 112 мс до 25 мс. В стеке также использованы zero‑copy Rust‑ретранслятор, StaticCache + in‑place KV rewind и мета‑устройство для разрезания модели без загрузки 15 ГБ в RAM. Репозиторий: https://github.com/rautaditya2606/Shardflow. Автор готов отвечать на вопросы о спекулятивной декодировке и CUDA Graphs.