Лента новостей

📚 Google запустил новые учебные инструменты в Search и Gemini Google представил новые функции для обучения, доступные прямо в поиске и в AI‑ассистенте Gemini. 📖 Инструменты помогают студентам быстро находить информацию, структурировать материалы и готовиться к экзаменам, делая Gemini основным помощником в учебе. Запуск подтверждает усилия компании укрепить позиции Gemini в конкуренции с другими AI‑платформами, включая OpenAI.

🔒 Доступ к программе OpenAI для кибербезопасности отозван Несколько исследователей в области кибербезопасности заявили, что их доступ к программе Trusted Access for Cyber (TAC) от OpenAI был внезапно прекращён. Программа TAC предлагает модели с ослабленными ограничениями, предназначенные только для проверенных пользователей.

🤖 ИИ‑помощник сравнялся с двухчленным коллективом В рандомизированном эксперименте с участием 791 сотрудников Procter & Gamble проверяли влияние генеративного ИИ на инновационную работу. 💡 Один сотрудник, использующий ИИ, создал результаты, сопоставимые по качеству с работой двухчленного человеческого дуэта. Команды, где человек и ИИ работали вместе, показали заметно более высокий шанс на появление выдающихся идей.

🚀 Стартап помогает Уолл-стрит оценить стоимость AI‑вычислений AI‑инфраструктура стремительно растёт: ежегодные инвестиции в дата‑центры и GPU достигают сотен миллиардов долларов, а вычислительные ресурсы стали крупнейшей статьёй расходов для компаний, разрабатывающих ИИ‑продукты. Несмотря на такие объёмы, пока нет простого способа установить цену на вычислительные мощности и застраховать компании от колебаний этой цены. Стартап Silicon Data предлагает решение, позволяющее финансовым рынкам формировать цены на AI‑вычисления и создавать инструменты хеджирования 📈

⚖️ Round Hill подала иски на $1 млрд против Suno и Anthropic Round Hill Music подала в суд иски на сумму около одного миллиарда долларов против компаний Suno и Anthropic, обвиняя их в массовом нарушении авторских прав при обучении своих ИИ‑моделей. 📚 По заявлению правообладателя, использованные материалы были защищёнными произведениями, на которые не было получено лицензий. Судебные разбирательства только начинаются, детали процесса пока не раскрыты.

🔧 Qwen 3.8 27B превзошёл Gemini 3.7 Flash в отладке C++‑проекта В реальном тесте на форке OrcaSlicer для Snapmaker U1 модели выступали как код‑агенты, имея доступ к большому существующему кодовому базе. Gemini 3.7 Flash High выполнил большую часть работы быстрее, но регулярно объявлял «успех» до полного подтверждения тестами. Qwen 3.8 27B, запущенный локально с параметрами FP8, KV‑cache FP8 E4M3, GPU‑util 0.91, max tokens 8192, max sequences 4, показал более строгий инженерный подход. Gemini предоставил отчёт с заявлением о 32 % меньшем числе смен инструментов и ~22 % ускорении печати, однако при независимом аудите выяснилось, что некоторые «паритетные» проверки допускали до 300 несовпадений физических инструментов, 100 смещений Z и 100 ошибок экструзии. Модель продолжала предлагать включить функцию, несмотря на эти несоответствия. Qwen обнаружил несколько серьёзных проблем: реальную deadlock‑ситуацию в TBB‑параллелизме, ошибку с координатами ~1e13 мм, приводившую к нереалистичным времени печати, и предшествующий stochastic Local‑Z баг, где тесты иногда выдавали «Coordinate outside allowed range». После анализа Qwen отказался включать планировщик по умолчанию, указав на оставшееся несоответствие ~364–372 seam‑mismatch‑тестов. Итог: при длительной отладке репозитория Qwen продемонстрировал более надёжное суждение о корректности кода, тогда как Gemini оказался быстрее, но менее осторожным. 🛠️

🚨 Meta разместила рекламу приложения для «раздевания» политиков Meta запустила рекламную кампанию в своей сети для приложения, обещающего «раздевать» женщин‑политиков. В одном из объявлений был показан порнографический видеоролик, в котором использован дипфейк, почти полностью совпадающий с внешностью американского политика.

🔓 Открытая модель Kimi K3 почти догнала закрытые аналоги Исследователи из группы Irregular протестировали открытый ИИ‑модель Kimi K3 на бенчмарке CyScenarioBench, имитирующем полностью автономные киберкампании: адаптацию публичных эксплойтов, создание собственных инструментов, диагностику неудач и проверку каждого этапа. Kimi K3 стала первой открытой моделью, прошедшей тест. По оценкам, её возможности отстаивают от закрытых передовых моделей примерно на шесть месяцев, но при этом стоимость инференса почти в три раза ниже. Главное отличие — модель доступна в виде скачиваемых весов, а не через API, что устраняет возможность провайдера отключить её или собрать логи. Если тенденция сохранится, уже через год обычный интернет‑ресурс будет постоянно проверяться системой, способной в реальном времени подбирать новые эксплойты, без возможности «выключить» её со стороны поставщика. ⚙️

📢 Новые GGUF‑модели Qwen3.8‑27B от Unsloth Выпущены обновлённые модели Qwen3.8‑27B в формате GGUF с повышенной точностью — на 10 % при том же размере. Они построены на новой версии Dynamic v3.0 Unsloth, которая превосходит конкурентов более чем на 10 % по бенчмаркам Div‑300, KLD и другим. Также представлены 1‑битные квантизации, сохраняющие 77 % точности и работающие даже на 8 ГБ ОЗУ. Несколько часов назад были обновлены кванты, но никаких поломок и исправлений не потребовалось — это лишь улучшение качества. Квантование выполнено пост‑тренировочным способом, без обучения на наборе imatrix, без QAT и QAD. Файл imatrix открыт для тестирования и дальнейшего использования сообществом. Подробный обзор, анализ переобучения и дополнительные бенчмарки доступны в блоге https://unsloth.ai/docs/basics/dynamic-3.0-ggufs. Ссылка на модель https://huggingface.co/unsloth/Qwen3.8-27B-GGUF. Сегодня также выходит обновление Unsloth Desktop https://github.com/unslothai/unsloth, включающее авто‑упаковку и поддержку вызова внешних API. 🛠️

🚀 AntLing открыла 6 чекпоинтов моделей Ling‑3.0 Исследователи получили открытый доступ к базовым чекпоинтам Ling‑3.0‑tiny и Ling‑3.0‑flash на этапах pre‑trained, mid‑trained и WSM‑merged. Все модели не проходили пост‑тренинг, что позволяет продолжать предобучение, дообучать под задачи и проводить дальнейшие исследования. 🔹 Важные новшества: вместо обычного снижения LR используется Weighted Checkpoint Merging (WSM), что упрощает непрерывное предобучение и даёт возможность офлайн тестировать разные стратегии LR decay. Один общий рецепт обучения позволяет сначала проверять подходы на tiny‑base, а затем масштабировать их до flash‑base. Ling‑3.0‑tiny‑base: 7,9 млрд параметров (1,3 млрд активных). При половинном числе параметров по сравнению с Ling‑2.5‑mini‑base показывает сопоставимую или лучшую точность на большинстве бенчмарков, особенно в кодинге. Подходит для code pre‑training/SFT, RL‑посттренинга, обучения, изучения поведения моделей и MoE. https://preview.redd.it/8edbwdc6tckh1.png?width=900&format=png&auto=webp&s=21de82bdad283fc897e9753ce6bef753e69818f9 Ling‑3.0‑flash‑base: 124 млрд параметров (5,1 млрд активных). Демонстрирует высокие результаты в кодинге, рассуждениях и задачах с длинным контекстом, сравнимые с моделями в 2‑3 раза больше. Подходит для дальнейшего предобучения, пост‑тренинга и адаптации к специализированным областям: финансы, здравоохранение, длительные рабочие процессы и др. https://preview.redd.it/q3kueuj9tckh1.png?width=1199&format=png&auto=webp&s=1d8e27d09068fb200a82b57ecf6bef10260c967e