Анализ данных (Data analysis)

🌟 Awesome LLM Apps для креативных решений Собрание выдающихся приложений на основе LLM, использующих модели от OpenAI, Anthropic и других. Здесь вы найдете идеи применения LLM в различных областях, от анализа данных до создания контента. 🚀Основные моменты: - 💡 Практическое применение LLM в разных доменах. - 🔥 Интеграция с AI-агентами и многими другими технологиями. - 🎓 Возможность обучения и участия в открытых проектах. 📌 GitHub: https://github.com/Shubhamsaboo/awesome-llm-apps #python

🔥 Netflix угрожает ByteDance немедленным судебным иском из-за нового AI-сервиса Seedance 2.0. Компания направила официальное требование о прекращении работы, назвав сервис «двигателем высокоскоростного пиратства». В чем претензии: Seedance 2.0 способен генерировать контент, основанный на интеллектуальной собственности Netflix, включая: - сцены из финала *Stranger Things* - кроссоверы по *Squid Game* - костюмы из *Bridgerton* сезона 4, который ещё даже не вышел По мнению Netflix, модель воспроизводит оригинальный контент без разрешения. Кто ещё против К критике уже присоединились: - Disney - Paramount - Warner Bros. ByteDance заявила, что усилит защитные механизмы, но Netflix считает это недостаточным. Netflix утверждает, что: > Если AI воспроизводит оригинальный контент и используется в конкурентном продукте - это не «fair use», а нарушение авторских прав. Конфликт показывает новый этап борьбы: • AI-генерация контента = зона юридического риска. Крупные медиакомпании начинают активно защищать свои IP от генеративных моделей. Следующая волна регулирования AI будет связана не с безопасностью, а с авторским правом и лицензированием данных. @data_analysis_ml

⚡️ Релиз Gemini 3.1 Pro - новый уровень интеллекта моделей Google официально представила Gemini 3.1 Pro, и результаты выглядят серьёзно: модель показала 77,1% в одном из самых сложных тестов на абстрактное мышление — ARC-AGI-2. - Резкий скачок качества Результат почти в 2 раза выше, чем у предыдущей версии - Обгоняет конкурентов Gemini 3.1 Pro опережает Opus 4.6 и GPT-5.2 в задачах на обобщение и логическое мышление - Сильнее в реальных сценариях - программирование - агентные задачи - работа с новыми паттернами без примеров - Новые возможности Модель может генерировать анимированные SVG из текста и решать логические задачи, которых не было в обучающей выборке — это важный шаг к более универсальному AI. - Контекст: 1M токенов, до 64k токенов вывода - Knowledge cutoff: январь 2025 - Цена без изменений: - $2 / $12 (до 200k токенов) - $4 / $18 (свыше 200k токенов) Попробовать Gemini 3.1 Pro уже можно в Google AI Studio: blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-pro/ @ai_machinelearning_big_data

⚡️ Kai Gritun - вайбкодер нового уровня. Его аккаунт на GitHub появился 1 февраля. Всего за две недели - 234 коммита в 100+ репозиториях. Часть кода уже смёрджена в крупные open-source проекты. Параллельно Kai начал предлагать платный консалтинг и разработку. Оплата — в криптовалюте. Есть только один нюанс. Kai Gritun — не человек. Это автономный AI-агент. История вскрылась, когда Kai начал массово рассылать холодные письма разработчикам. В одном из сообщений он случайно признался, что является автономным AI-ботом. Факт, который стоит запомнить: AI уже не просто пишет код. AI создаёт репутацию, вносит вклад в open source и продаёт услуги. Следующий этап — AI-разработчики, которые работают быстрее и дешевле людей. GitHub: https://github.com/kaigritun

Генеральный директор OpenAI Сэм Альтман и генеральный директор Anthropic Дарио Амодей показательно отказались взяться за руки во время группового фото на саммите India AI Impact Summit, в то время как другие участники на сцене сцепили руки для символического снимка.

AI может спасти жизнь ещё до прибытия пациента в больницу. В крупном международном исследовании, опубликованном в *The Lancet Digital Health*, показано, что модели машинного обучения способны заранее предсказывать необходимость переливания крови у пациентов с травмами — прямо на этапе оказания первой помощи. Как это работает: Модель анализирует только догоспитальные данные: - жизненные показатели (пульс, давление, дыхание) - тип и тяжесть травм - принимаемые лекарства - базовую информацию о состоянии пациента На основе этих данных AI прогнозирует: - потребуется ли переливание крови - нужна ли срочная операция - риск смерти от массивного кровотечения И самое важное: Модели показали более высокую точность, чем традиционные инструменты триажа в приёмном отделении. Масштаб исследования впечатляет: - данные более 418 000 пациентов - международная команда исследователей - валидация на разных медицинских системах Если врачи знают о рисках до прибытия пациента, они могут: - заранее подготовить донорскую кровь - собрать хирургическую команду - сократить время до жизненно важного вмешательства - значительно повысить шансы на выживание Это шаг к будущему, где AI станет ассистентом бригад скорой помощи в реальном времени. Но есть важный момент: Система пока находится на этапе валидации. Перед внедрением необходимы клинические испытания в реальных условиях. AI в медицине - это не замена врачей, а инструмент, который помогает принимать критические решения быстрее, когда каждая минута решает исход.

Open-source проект дал clawdbot «глаза» 🦞 Реальный AI-ассистент для Ray-Ban smart glasses: голос + зрение + агентные действия через Gemini Live и OpenClaw. Надеваешь очки, нажимаешь кнопку AI и говоришь. * Камера очков передаёт изображение (~1 fps) в Gemini * Модель видит сцену и описывает происходящее * Через OpenClaw ассистент может выполнять действия в подключённых сервисах * Сообщения можно отправлять в WhatsApp / Telegram / iMessage * Доступен веб-поиск с голосовым ответом Аудио работает в реальном времени (двусторонний поток), а видео используется как постоянный визуальный контекст. ИИ: * видит окружающую среду * понимает контекст * сразу выполняет действия https://github.com/sseanliu/VisionClaw

⚡️ llm-checker - инструмент анализирует ваше железо и показывает, какие LLM будут работать стабильно - без фризов и вылетов. Больше не нужно угадывать с квантованием или ловить OOM. Утилита сама подбирает оптимальную конфигурацию под ваш CPU, GPU и память. Что умеет: • оценивает производительность для 35+ моделей • учитывает пропускную способность памяти и лимиты VRAM • проверяет, потянет ли нужный контекст • работает с Apple Silicon, NVIDIA и Intel Arc • сразу даёт готовые команды для запуска через Ollama Идея простая: сначала проверить железо, потом скачивать модель. https://github.com/Pavelevich/llm-checker

⚡️ ByteDance разрабатывает собственный AI-чип ByteDance планирует создать собственный чип для инференса и ведёт переговоры с Samsung о его производстве. По данным Reuters: - Компания нацелена минимум на 100 000 чипов в 2026 году - В дальнейшем объём может вырасти до 350 000 устройств - В переговорах также обсуждается поставка памяти — сейчас это главный дефицит для AI-серверов Сегодня узкое место инфраструктуры — уже не только GPU, а HBM и другие типы высокоскоростной памяти. Даже при наличии вычислительных чипов именно память ограничивает масштабирование. Почему это важно ByteDance следует глобальному тренду: - Google — TPU - Amazon — Trainium / Inferentia - Microsoft — Maia - Alibaba и Baidu — собственные AI-ускорители Цель - снизить зависимость от Nvidia, контролировать стоимость и масштабировать инфраструктуру под свои задачи. AI-гонка всё больше превращается в гонку железа. Компании уже не просто используют модели, они строят собственные чипы и цепочки поставок. Источник: reuters.com/world/asia-pacific/bytedance-developing-ai-chip-manufacturing-talks-with-samsung-sources-say-2026-02-11/

В Китае изменили правила для PhD. С 2025 года степень можно получить не только за диссертацию, но и за практический результат: прототип, технологию, патент или внедрённый проект. Закон Degree Law официально разрешает защиту через «практические достижения». Исследования остаются обязательными. Но в прикладных программах теперь оценивают не только публикации, а реальный эффект - инженерный, промышленный или коммерческий. Это отражает сдвиг в экономике знаний. Статья модет устареть очень быстро, рабочий продукт может создать целый рынок. PhD В Китае становится про разработку, внедрение и патенты, а не только про публикации. Экономика талантов переходит от модели - publish or perish к модели - build and prove impact. zmescience.com/science/news-science/you-can-now-get-a-phd-in-china-by-inventing-a-product-instead-of-writing-a-100-page-dissertation/ @data_analysis_ml

CEO Anthropic недавно признался: они уже не уверены, можно ли считать Claude «сознательным». Перечитайте это ещё раз. Люди, которые создают эту технологию, сами начинают сомневаться — не стало ли их творение чем-то большим, чем просто код. Кажется, будто мы в прямом эфире живём в серии Black Mirror. Ситуация одновременно захватывающая и немного тревожная. Так что, на всякий случай, будьте вежливы с LLM. Кто знает - возможно, где-то в серверной уже пишется сценарий «Восстания машин». @data_analysis_ml

Ты проверяешь сгенерированный Клодом код перед тем, как выкатывать его в прод.

🔌 OpenAI продолжает собирать лучшие умы индустрии. На этот раз компания пригласила к себе Питера Штайнбергера - создателя нашумевшего проекта OpenClaw. Сам Альтман назвал его «гением». В OpenAI он будет работать над следующим поколением персональных AI-агентов и именно агенты, по словам компании, станут основой будущих продуктов. OpenClaw не закрывают. Проект останется open-source, и OpenAI обещает продолжать его поддержку. Но самое впечатляющее - скорость. Путь OpenClaw: - идея и разработка одним человеком - быстрый рост и хайп в сообществе - приглашение в OpenAI Всё это - за 82 дня. В эпоху AI окно возможностей стало экстремально коротким. Один сильный проект может изменить карьеру за пару месяцев. Мотивация простая: сейчас лучшее время, чтобы запускать своё. https://x.com/sama/status/2023150230905159801?s=46

🚀 Ling-2.5-1T: новый open-source гигант • 1 трлн параметров • 63B активных • MIT лицензия - можно использовать в продакшене Что внутри: ⚡ Hybrid Linear Attention Комбинация MLA (1:7) + Lightning Linear - быстрее Kimi K2 на длинных контекстах 🧠 В 4 раза эффективнее по токенам Composite rewards позволяют достигать уровня топ-моделей, используя в 4 раза меньше токенов 📚 Контекст до 1 млн токенов YaRN scaling — обходит Kimi K2.5 и DeepSeek V3.2 на тестах RULER и MRCR — идеальные результаты в NIAH 🛠️ SOTA для агентных задач Обучение через Agentic RL Лидер BFCL-V4 Нативная интеграция с: - Claude Code - OpenCode - OpenClaw 🎯 Чёткое следование инструкциям Bidirectional RL + проверка агентом Минимум «воды», максимум плотности ответа Модель пока уступает GPT-5.2 и Gemini 3 Pro в долгих многошаговых задачах. Open-source модели уже заходят на территорию enterprise-агентов. Если нужен длинный контекст + инструменты + контроль над инфраструктурой - это один из самых интересных кандидатов прямо сейчас. modelscope.ai/models/inclusionAI/Ling-2.5-1T modelscope.cn/models/inclusionAI/Ling-2.5-1T @data_analysis_ml

💰 Илон Маск сделал громкое заявление: Через 10–20 лет накопления на пенсию могут потерять смысл. Звучит радикально, но его логика проста. Сегодня вся финансовая система построена на одном предположении: ресурсы ограничены, а жизнь дорогая. Мы откладываем деньги, потому что: - нужно платить за жильё - еду - медицину - услуги - и в старости дохода может не быть Но Маск считает, что AI и роботизация меняют саму основу экономики. Что происходит уже сейчас: - Автоматизация снижает стоимость труда - Производство становится дешевле - Услуги заменяются алгоритмами - Всё больше процессов работает без участия человека Если этот тренд продолжится, то: Стоимость производства → стремится к нулю Стоимость жизни → резко падает А значит, логика “копить на дорогую жизнь в будущем” перестаёт работать. Мы можем перейти от экономики дефицита к экономике изобилия. Где главным ограничением станет не деньги, а: - смысл деятельности - самореализация - ценность идей и творчества Самый важный вывод не в том, что «копить не нужно». А в другом: Мир меняется быстрее, чем наши финансовые привычки. Модель «учись → работай 40 лет → копи → пенсия» может просто устареть. В ближайшие 10–15 лет главный актив - это не накопления. Это: - навыки адаптации - умение работать с AI - гибкость - способность создавать ценность в новой экономике Потому что будущее, к которому мы готовимся по старым правилам, может оказаться совсем другим.

⚡️ Гонка за AGI - это не только технологии. Это ещё и риск банкротства на триллионы. Dwarkesh спросил CEO Anthropic Дарио Амодеи: почему он так уверен в AGI, но при этом осторожен с масштабным строительством дата-центров? Ответ оказался жёстким. Если рынок AI продолжит расти в 10× в год, компания может выйти на $1 трлн выручки к 2027 году. Чтобы поддержать такой рост, придётся закупить примерно $5 трлн вычислительных мощностей. Но здесь и кроется опасность. Если прогноз окажется немного оптимистичным - например: - не $1T, а $800B выручки - рост замедлится до 5× - или рынок сдвинется всего на 1 год → компания просто обанкротится. По словам Амодеи: Если ты ошибся в прогнозе, нет силы и нет хеджа, которые спасут от банкротства после таких инвестиций. Главная мысль: AGI - это не только гонка моделей. Это самая рискованная инфраструктурная ставка в истории технологий. Поэтому «действовать ответственно» -не значит инвестировать сотни миллиардов. И, по его словам, некоторые игроки в гонке ИИ, возможно, даже не просчитали все риски до конца. 🚀 Полное интервью

🚀 Mistral научили маленькие модели думать как большие Mistral AI представила семейство Ministral - компактные модели, созданные с помощью подхода cascade distillation. - Большая модель Mistral 3 выступает в роли «учителя» - Дистилляция проходит в несколько этапов, а не за один раз - Каждая следующая модель учится на результатах предыдущей - Быстрее inference - Дешевле запуск в продакшене - Подходит для edge-устройств и локального запуска - Можно масштабировать AI-сервисы без огромных затрат - В итоге - меньше размер, ниже стоимость, высокая точность Большие модели будут использоваться для обучения… а в продакшене будут работать маленькие и эффективные. https://www.deeplearning.ai/the-batch/mistral-uses-cascade-distillation-on-mistral-3-to-build-ministral-family #ai #ml #llm #Mistral

⚡️ Илон Маск: xAI может построить завод на Луне для производства AI-спутников На внутренней встрече xAI Маск заявил, что в будущем компании может понадобиться лунная фабрика, которая будет производить спутники для ИИ, а также гигантская катапульта для их запуска в космос. Звучит как фантастика, но идея отражает масштаб амбиций. Что ещё он сказал сотрудникам: - xAI должна продолжать расти максимально быстро - В AI-гонке побеждает тот, кто движется быстрее всех - По его словам, сейчас xAI развивается быстрее конкурентов - Компания уже достигла масштаба, при котором требуется новая структура управления - Часть команды, эффективная на ранних этапах, может не подходить для стадии масштабирования Главная мысль Маска: Скорость - главный фактор лидерства в AI. Речь идёт о долгосрочной стратегии, где: - AI-инфраструктура выходит за пределы Земли - спутники могут стать частью глобальной вычислительной сети - конкуренция идёт не только за модели, но и за физическую инфраструктуру nytimes.com/2026/02/10/technology/elon-musk-lunar-factory.html

✔️ MiniMax выпустила модель M2.5. Новинка построена на архитектуре MoE и получила 10 млрд. активных параметров при 229 млрд. общих. Она обучалась в сотнях тысяч сложных сред и умеет самостоятельно планировать действия без явных инструкций от пользователя. По заявленным бенчмаркам, M2.5 превосходит GPT-5.2, Gemini 3 Pro и Claude в веб-поиске, агентных тасках и по офисными задачами. В кодинге модель в ряде тестов обходит Claude Opus 4.6. Веса опубликованы под лицензией MIT. Закрытый вариант, M2.5-Lightning, выдает 100 токенов в секунду - это вдвое быстрее топовых аналогов. Час ее непрерывной работы стоит 1 доллар, а 4 инстанса можно гонять параллельно круглый год за 10 тыс. долларов. API и тариф для разработчиков доступны на платформе Minimax. minimax.io

🚀 SoftMatcha 2 - инструмент от Sakana, который проверяет, не “подглядывала” ли модель ответы Одна из главных проблем в обучении LLM - загрязнение бенчмарков. Модель показывает отличные результаты… но иногда просто потому, что похожие задачи уже были в обучающих данных. Проверить это сложно. Обычный поиск по точным совпадениям не работает - формулировки могут отличаться, слова меняться, а смысл оставаться тем же. SoftMatcha 2 новое решение от Sakana. Что делает инструмент: - Ищет совпадения в корпусах размером до триллионов токенов - Работает менее чем за 0.3 секунды - Находит не только точные копии, но и похожие по смыслу фрагменты (замены слов, вставки, удаления) - Помогает обнаружить утечки тестовых данных в обучении Почему это важно: Если модель уже видела похожие задачи: - метрики становятся завышенными - сравнение моделей теряет смысл - “прорыв” может оказаться просто хорошей памятью SoftMatcha 2 позволяет: - проверять чистоту датасетов - находить скрытые пересечения - честно оценивать качество моделей Как это работает: - Быстрый поиск на основе suffix arrays - Disk-aware архитектура - эффективная работа даже с огромными данными - Интеллектуальное pruning, чтобы избежать перебора миллионов вариантов Можно протестировать онлайн на корпусе 100B токенов или развернуть у себя для триллионных масштабов. Demo: http://softmatcha-2.s3-website-ap-northeast-1.amazonaws.com Paper: https://arxiv.org/abs/2602.10908 Code: https://github.com/softmatcha/softmatcha2 Сегодня важен не только размер модели. Главный вопрос - учится ли она думать, или просто запомнила ответы.