Лента новостей

🚀 Kimi K3 возглавил рейтинг открытых моделей Модель Kimi K3 стала первой по популярности среди открытых весов и занимает примерно третье место в общем рейтинге. Она представляет серьёзную конкуренцию продуктам OpenAI и Anthropic, став самым мощным открытым решением на сегодняшний день. Ожидается, что веса модели будут опубликованы 27 числа, что считается важным событием для сообщества открытого ИИ и OSS.

🚀 Новый хранил «Schema» достиг 99 % на наборе ARC‑AGI‑3 Public Сегодня представлен хранил Schema, который показывает 99 % точности на публичном наборе ARC‑AGI‑3, используя Claude Opus 4.8 и Fable 5, и 95,35 % с GPT‑5.6 Sol. Schema не меняет веса моделей, а переорганизует процесс: преобразует наблюдения в рабочую модель игры, проверяет предсказания по истории взаимодействий и корректирует планы в реальном времени. Оценка получена по фиксированному правилу fallback: сначала запускаются Opus 4.8 и Sol xhigh; если результат ниже 80, игра переигрывается с Fable 5 и Sol max, и сохраняется лучший показатель. https://schema-harness.github.io/

🔧 Китайские фабрики собирают серверные карты из RTX 5090 Китайские заводы закупают видеокарты RTX 5090 оптом, снимают чипы и собирают из них серверные карты с 128 ГБ памяти, стоимостью около $4 000 — столько же, сколько DGX Spark. Память та же, а пропускная способность в шесть раз выше. ⚙️ Это решение возникло из‑за экспортных ограничений, которые не позволяют китайским лабораториям покупать специализированные AI‑чипы. Производители извлекают GPU и память, размещают их на кастомной серверной плате, добавляют воздушный кулер для установки в стойку; процесс автоматизирован роботизированными пайочными линиями. Сначала использовались RTX 5090, затем технология распространилась на модели RTX 5080, 5070 Ti и 5060 Ti. NVIDIA получает оплату за оригинальные карты, но после продажи теряет контроль над их дальнейшей модификацией. Последствия: массовая покупка игровых карт для AI‑перепрофилирования уменьшает их доступность для геймеров и поднимает цены; предложение «$4 000 за 128 ГБ», на котором базируются DGX Spark и Strix Halo, теперь имеет серый‑рынковый конкурент с гораздо большей пропускной способностью, однако без официальной поддержки.

🚀 Kimi K3 демонстрирует приближение открытых моделей к лидерам Разрыв между открытыми и закрытыми моделями больше не измеряется месяцами — они догоняют в реальном времени. Kimi K3 уже показывает результаты, близкие к уровню модели Fable 🔧. По мнению экспертов, открытые модели находятся на пороге обгона текущего технологического фронтира, что может привести к исчезновению преимущества закрытых систем.

🚀 Kimi K3 – первая открытая 3T‑модель Kimi K3 объявлена как первая в мире открытая модель 3T‑класса, демонстрирующая передовые результаты. Она обеспечивает высокий уровень производительности в программировании, работе с информацией и рассуждениях, поддерживает нативную мультимодальность и контекст объёмом до 1 млн токенов.

🛠️ Как мы отслеживаем RL‑тренировки Мы «присматривали» более тысячи пост‑тренировочных запусков алгоритмов обучения с подкреплением. За это время подход к мониторингу претерпел значительные изменения, накопив «рубцевание» от опыта. В результате мы разработали новые инструменты и методики, позволяющие быстрее выявлять отклонения и улучшать стабильность моделей. Подробности и выводы собраны в блоге — ссылка в комментариях.

🚧 Запуск Gemini 3.5 Pro отложен Google из Alphabet отстаёт от графика по выпуску Gemini 3.5 Pro — самой мощной флагманской модели ИИ, задержка составляет несколько месяцев. По словам близких к проекту источников, компания сосредоточилась на доработке возможностей модели, в частности в области программного кода 🖥️.

🧠 Локальный AI‑ассистент для обучения Создана полностью автономная система, использующая четыре видеокарты RTX 5060 Ti (по 16 ГБ) и одну RTX 5070 (12 ГБ) для работы моделей huggingface/speech-to-speech и Minachist/Qwen3.6‑27B‑INT8‑Autoround. В рамках метода Фейнмана AI задаёт пользователю вопрос о конкретном понятии, которое он изучает, и просит объяснить его вслух. После объяснения система формирует список всех предположительных «знаний‑опор», необходимых для понимания темы. Для каждого найденного опорного знания AI просит уточнить или разъяснить его. Если пользователь отвечает «не знаю», этот момент помечается как «слабое место». По завершении сессии выводится перечень всех слабых пунктов для дальнейшего повторения.

📅 Kimi K3: весовые данные появятся 27 числа 27 июня компания Kimi опубликует официальные веса модели Kimi K3. Подтверждённый аккаунт в WeChat уже разместил анонс: https://mp.weixin.qq.com/s/V4xhEIy8xDXSMDPrPkmUAQ 🌐 Англоязычная версия пресс‑релиза доступна здесь: https://www.kimi.com/blog/kimi-k3

🚀 DFlash ускорил Qwen3.6‑27B в 2,2 раза без потери качества Мы запустили модель Qwen3.6‑27B на одном RTX 6000 тремя способами: базовый, MTP и DFlash. Тесты включали быструю сортировку, запись библиотеки Steam в JSON, решение логической головоломки 🧩 и написание научно‑фантастической истории. Скорость вывода: базовый – 44 токена/с (1,00×), MTP – 65 токенов/с (1,45×, 71 % принятых), DFlash – 98 токенов/с (2,20×, 30 % принятых). DFlash генерирует сразу 15 токенов, поэтому эффективно обрабатывает повторяющиеся или структурированные данные: в JSON‑запросе он достиг 152 токенов/с (3,4 ×). При творческих заданиях большинство предсказаний ошибочны, и скорость может упасть ниже базовой (42 ток/с vs 44). MTP делает лишь 3 параллельных предсказания внутри модели, поэтому ошибка почти не влияет на производительность и она не опускается ниже базовой. Все три метода дают одинаковый результат, но DFlash лучше подходит для задач программирования, а MTP — для чата и креативного письма. Модель доступна по ссылке https://huggingface.co/Qwen/Qwen3.6-27B, а приложение для локального хостинга – Atomic.Chat.