Лента новостей

🚀 Inkling – лучший открытый весовой модель США Сейчас модель Inkling от Thinking Machines Lab занимает первое место среди открытых весовых моделей США. Она опережает все отечественные конкуренты, в том числе NVIDIA Nemotron Ultra, и находится примерно на пятом месте в мировом рейтинге всех открытых моделей. Это значительный шаг США в конкуренции с Китаем в области открытых весовых моделей. Поздравляем команду Thinking Machines с достижением 👍

💼 Microsoft обучает продавцов критиковать конкурентов По сообщениям, в Microsoft проводят обучение сотрудников продаж, чтобы они умело сравнивали собственные модели ИИ с решениями OpenAI и Anthropic. ⚙️ В рамках этих инструкций акцент делается на том, что внутренние модели компании работают эффективнее и обходятся дешевле, чем предложения конкурентов. Цель — позиционировать разработки Microsoft как более выгодный вариант для клиентов.

🤖 Thinking Machines представила открытую модель Inkling Компания Thinking Machines анонсировала свою первую откры‑модель Inkling, сделав шаг против универсальных решений в сфере ИИ. Это первое публичное подтверждение работы компании после полутора лет разработки AI‑инфраструктуры, о которой почти не сообщалось. Inkling теперь доступна для широкой аудитории, открывая новые возможности для разработчиков.

🚀 Дорогой AI из США: стартапы переходят на китайские модели Искусственный интеллект становится одной из самых быстрорастущих статей расходов для компаний. Некоторые стартапы уже ищут способы экономии, отказываясь от дорогих американских решений в пользу более доступных китайских моделей. Переключение позволяет снизить затраты без изменения основных функций ИИ.

⚖️ Сотрудники Meta подали иск из‑за применения ИИ при сокращениях Сотрудники компании Meta подали коллективный иск, утверждая, что искусственный интеллект использовался при отборе работников для увольнения. По их словам, в начале этого года было внедрено мониторинговое приложение, которое передавало данные в систему ИИ, а затем эта система определяла, кого уволить. Истцы требуют пересмотра процесса сокращений и компенсацию за нарушение их прав.

🛡️ Хакер обнаружил, что Suno использовал YouTube для обучения ИИ В результате взлома стало известно, что генератор музыки Suno собирал аудиоматериал с YouTube. 🎧 Для доступа к исходному коду злоумышленник использовал учетные данные сотрудника, что позволило увидеть, как компания «скрейпила» десятилетия звуковых записей.

🛒 Whatnot покупает Shaped Платформа прямых трансляций покупок Whatnot объявила о покупке AI‑стартапа Shaped. Shaped занимается машинным обучением, разрабатывая решения для рекомендаций и поиска в реальном времени. Сделка усилит персонализацию и функции обнаружения товаров на Whatnot, поддерживая выход в новые категории продукции.

🤖 Робот‑учитель в школах Северного штата Нью-Йорк Школьный округ в северной части штата Нью-Йорк объявил, что уже этой осенью в классах появится гуманоидный робот, выступающий в роли учителя. Робот будет работать совместно с педагогами, помогая проводить занятия и демонстрировать новые способы подачи материала. Это первый подобный эксперимент в данном районе, направленный на оценку эффективности роботизированных помощников в образовании.

🧠 Agents‑A1‑4B: масштабирование горизонта, а не параметров Новая модель Agents‑A1‑4B (возможно Qwen3.7‑4B) опубликована командой InternScience. Файлы модели и GGUF доступны на Hugging Face: https://huggingface.co/InternScience/models?search=a1-4b. В тестах модель показала конкурентные результаты как среди плотных моделей (~4 B параметров), так и среди MoE‑моделей (35 B‑3 B). На наборе BrowseComp она набрала 74.1, а на XBench‑DS‑2510 — 90.0, что является лучшим показателем. Полные результаты benchmark'ов: BrowseComp — 47.2  66.8  61.0  67.9  74.1  75.5 XBench‑DS‑2510 — 73.0  90.0  77.0  71.0  82.0  86.0 Seal0 — 31.5  45.8  41.4  38.7  49.6  56.4 GAIA — 58.3  95.1  59.8  78.6  82.5  96.0 Engineering & Research Tasks: SciCode — 16.1  29.6  37.7  35.8  29.9  44.3 MLE‑Lite — 7.6  22.7  24.2  34.9  34.9  43.9 LiveCodeBench‑V6 — 55.8  59.6  76.2  78.1  59.1  76.2 FrontierScience‑Research — 1.7  33.3  2.5  2.9  5.0  40.0 Instruction Following: IFBench — 59.2  69.1  70.2  64.4  54.1  80.6 LongBench‑v2 — 50.0  52.1  59.0  57.7  59.6  60.2 IFEval — 89.8  94.8  91.9  91.3  88.4  94.8 General & Scientific Agentic Tasks: τ²‑Bench — 79.9  78.2  81.2  79.0  74.5  79.8 VitaBench — 22.0  40.3  31.9  35.6  23.0  38.8 MatTools — 10.9  49.3  21.0  15.9  34.1  47.1

⚠️ Генеративный ИИ — инженерный провал В недавнем обзоре эксперты назвали развитие генеративного искусственного интеллекта инженерным провалом. По их оценкам, проект оценивается в триллион долларов, но эффективность его реализации остаётся шокирующе низкой 💸.