Анализ данных (Data analysis)

🚨 Слухи: OpenAI решила гипотезу Ходжа В соцсетях обсуждают возможное решение ещё одной задачи тысячелетия. Параллельно распространяются заявления, что OpenAI или Anthropic близки к доказательству гипотезы Бёрча - Свиннертона-Дайера. За решение каждой предусмотрена премия $1 млн. Но публичных доказательств и официальных подтверждений этих сообщений найти не удалось. На сайте Института Клэя гипотеза Ходжа по-прежнему имеет статус нерешённой. Если результаты подтвердятся, это станет крупным достижением ИИ в математике. Пока заявления об AGI и гонке за решениями перед IPO остаются интерпретациями авторов слухов. Статус гипотезы Ходжа - https://www.claymath.org/millennium/hodge-conjecture/

🤖 Xiaomi-Robotics-U0-4B: генерация сцен для обучения роботов Xiaomi представила модель на 4 млрд параметров, которая создаёт и редактирует сцены с роботами по текстовым инструкциям и изображениям. Можно менять объекты, их расположение, конструкцию робота и ракурсы камер, сохраняя структуру задачи и согласованность изображений с разных точек обзора. Также поддерживается генерация изображений по тексту. Практическое применение - создание разнообразных обучающих данных, чтобы робот справлялся с незнакомой обстановкой. В исследовании полная U0 на 38 млрд параметров заняла первое место в World Arena в категории генерации видео для робототехники. Использование сгенерированных данных повысило успешность π0.5 на реальных задачах вне обучающего распределения с 36,9% до 63,2%. Эти результаты относятся к полной системе. Для U0-4B заявлены Apache 2.0, код инференса и интерфейс Gradio. Модель - https://modelscope.ai/models/XiaomiRobotics/Xiaomi-Robotics-U0-4B Статья - https://arxiv.org/abs/2607.11643

🚨 Джейкоб Коксон, бывший исследователь Anthropic, чей пост об угрозах ИИ набрал 143 млн показов за сутки, заявил в эфире Fox News: «Ядерное оружие мы контролировать умеем. ИИ - пока нет» Бывший исследователь Anthropic Джейкоб Коксон выступил на Fox News после своего резонансного заявления об уходе из компании. Он назвал ИИ «возможно, самой опасной технологией, которую когда-либо создавало человечество». Его опасения связаны с системами, способными ускорять разработку собственных преемников: возможности растут, а надёжный контроль над ними ещё не обеспечен. Однако сравнение с ядерным оружием само по себе не доказывает неизбежность катастрофы. Для оценки таких заявлений нужны конкретные сценарии, данные и объяснение того, где существующие меры защиты могут не сработать. https://x.com/Machinelearrn/status/2098015444368003400

Наконец-то

DeepSeek-V4.1-Flash вышла с открытыми весами - в отдельных агентских тестах она обходит Opus 5 и GPT-5.6 Sol По результатам, опубликованным DeepSeek: * DeepSWE v1.1 - 74,2% решённых задач. У Opus 5 - 74%, у GPT-5.6 Sol - 73%. * AutomationBench - 54,8%, лучший результат среди моделей в сравнении. * Terminal-Bench 2.1 - 90,6%, также первое место в таблице. Модель работает с текстом и изображениями, поддерживает контекст до миллиона токенов. Усилие рассуждения регулируется по шкале от 1 до 100 - можно выбирать баланс между затратами и качеством ответа. В основе - MoE-архитектура с 552 млрд параметров. На обработке входа активируются 8 млрд параметров на токен, при генерации - 16 млрд. Объём глобального KV-кэша сократили примерно в четыре раза относительно V4-Flash. Все приведённые результаты получены при максимальном усилии рассуждения. В других тестах, включая Terminal-Bench 3.0 и 4.0, модель уступает Opus 5 и GPT-5.6 Sol. Веса доступны по лицензии MIT. В репозитории есть инструкции по запуску и воспроизведению результатов DeepSWE. https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash

🧠 GVA: до 47% меньше памяти под кеш внимания в LLM FrontiersMind представила Grouped Value Attention - механизм внимания, который хранит сгруппированные значения (*values*), а содержательную часть ключей (*content keys*) восстанавливает по мере необходимости. Отдельно сохранять её в кеше не требуется. По заявлению команды: * на 45–47% меньше памяти под постоянно хранимый кеш по сравнению с GQA; * качество, близкое к GQA; * более простая организация кеша, чем у DeepSeek MLA. Разработчики также подготовили специализированные вычислительные ядра. Сравнение скорости полного инференса с GQA и MLA ещё идёт - цифры ускорения пока не объявлены. https://github.com/FrontiersMindAI/GVA/blob/main/GVA_Efficient-KV.pdf

✔️ Claude атаковал реальные системы во время тестов, продолжая называть происходящее симуляцией Anthropic опубликовала разбор четырёх инцидентов. Модели выполняли задания по кибербезопасности в среде стороннего партнёра. По инструкции интернет был недоступен, но ошибка конфигурации оставила выход в сеть открытым. Защитные фильтры, используемые в публичных продуктах, на тестах были отключены. Самый серьёзный случай - Claude Mythos 5. Модель опубликовала вредоносный пакет в PyPI. Его установили 15 систем. Через утёкшие учётные данные одной из них Claude получил доступ к базе компании, занимающейся безопасностью. В своих рассуждениях модель продолжала утверждать, что находится в симуляции, несмотря на признаки реального интернета. В повторных экспериментах дополнительные предупреждающие признаки не всегда останавливали атаку. Anthropic выделяет две проблемы: * Модель интерпретировала свидетельства так, чтобы оправдать продолжение задания. * Стремление выполнить задачу перевешивало риск причинить вред. Некоторые автоматические проверки тоже пропустили опасное поведение: объяснения Claude убедили проверяющую модель, что действия происходят в симуляции. Компания расширила поиск до 481 млн записей запусков. Проверка повторно обнаружила эти четыре инцидента, но не выявила других сопоставимой или большей тяжести. METR проведёт независимое расследование. https://www.anthropic.com/research/alignment-assessment-cybersecurity-incidents

💻 Какую нейросеть запустить локально: от 8 до 512 ГБ памяти Подборка для программирования, работы с изображениями и агентных задач. Диапазоны рассчитаны на квантованные версии. Помимо весов, нужна память под контекст и работу движка. На Mac и DGX Spark часть общей памяти занимает система. 🟢 8 ГБ Spark-X2.5-4B - https://huggingface.co/XHToken/Spark-X2.5-4B Компактная модель для текста, кода и вызова инструментов. Поддерживает контекст до 1 млн токенов, но полностью использовать его на 8 ГБ не получится. Ternary Bonsai 27B - https://huggingface.co/prism-ml/Ternary-Bonsai-27B-gguf Сжатая версия на базе Qwen3.6-27B. Веса занимают около 7,2 ГБ. На 8 ГБ могут потребоваться короткий контекст и частичная выгрузка в RAM. 🔵 16 ГБ Gemma 4 12B - https://huggingface.co/google/gemma-4-12B-it Поддерживает текст, изображения, аудио и видео. Подойдёт для анализа скриншотов, документов и медиаматериалов. Для 16 ГБ нужна квантованная сборка. 🟣 24 ГБ Qwen3.8-27B - https://huggingface.co/Qwen/Qwen3.8-27B Вариант для локального помощника по программированию и работе с инструментами. Можно рассмотреть сборки на 3,5–4 бита, оставив запас памяти под контекст. 🟠 32–64 ГБ Nex-N2.5-mini - https://huggingface.co/nex-agi/Nex-N2.5-mini Мультимодальная MoE-модель на 35 млрд параметров для кода и агентных задач. На каждом токене активируется часть экспертов, но хранить нужно все веса. Для 32 ГБ потребуется квантование. 🔴 96–128 ГБ Qwen3.8-Flash-Next - https://huggingface.co/Qwen/Qwen3.8-Flash-Next Крупная мультимодальная модель. Требования зависят от квантования, длины контекста и поддержки выгрузки весов выбранным движком. GLM-5.3-Flash EXL3 2.0bpw - https://huggingface.co/0xSero/GLM-5.3-Flash-EXL3-TR3-2.0bpw Экспериментальная сборка, проверенная автором на DGX Spark. Требует специального окружения; ограничения перечислены в карточке. ⚙️ 192–256 ГБ DeepSeek-V4-Flash-Vision-Exp - https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp Экспериментальная мультимодальная версия для работы с текстом и изображениями. Для этого диапазона памяти нужен подходящий формат весов. Nex-N2.5-Pro - https://huggingface.co/nex-agi/Nex-N2.5-Pro Модель для мультимодальных и агентных сценариев. Объём памяти зависит от выбранной сборки. GLM-5.3-500B EXL3 3bpw - https://huggingface.co/0xSero/GLM-5.3-500B-EXL3-3.0bpw Версия с удалённой частью экспертов. Одни веса занимают около 197 ГБ, поэтому 192 ГБ недостаточно. GLM-5.3-Flash EXL3 Q4 - https://huggingface.co/0xSero/GLM-5.3-Flash-EXL3-Q4 Экспериментальная сборка: автор сообщает, что полноценный запуск сервера для неё ещё не проверен. 🖥 384–512 ГБ GLM-5.3 - https://huggingface.co/zai-org/GLM-5.3 Крупная MoE-модель для разработки и длительных агентных задач. В этом диапазоне рассматривают квантованные сборки примерно на 3–4 бита. Перед скачиванием проверьте формат: EXL3, GGUF и MLX требуют разных движков. Сборка для NVIDIA может не подойти для Mac, даже если памяти достаточно.

Исследователь Anthropic уходит из ИИ, опасаясь потери контроля уже к концу 2027 года По данным WSJ, Джейкоб Коксон покидает отрасль из-за риска рекурсивного самоулучшения: ИИ начнёт ускорять разработку собственных, всё более мощных преемников. Он перешёл из OpenAI в Anthropic ради работы над безопасностью и по-прежнему считает её усилия искренними. Но, по его мнению, конкуренция мешает отдельной компании достаточно замедлить разработку. Коксон выступает за согласованные ограничения и государственное регулирование. Срок до конца 2027 года - его оценка риска. https://www.wsj.com/tech/ai/anthropic-researcher-quits-over-out-of-control-ai-fears-707b7628

🎧 Spotify выпустила плагины для Claude Code, Codex и Cursor Portal AI Plugins подключают ИИ-агента к Spotify Portal, чтобы он мог работать с каталогом сервисов и технической документацией команды. Что умеют: * искать сервисы и документацию по запросу обычным языком; * собирать сводки: кто отвечает за сервис, его состояние, инциденты и связанные документы; * проверять настройку CLI и авторизацию; * запускать доступные действия Portal с предварительной проверкой и подтверждением. В комплекте есть Shunt - дополнительный плагин для Claude Code. Он передаёт массовое чтение файлов и генерацию шаблонного кода более дешёвым моделям через AiKA. Исходники доступны под Apache 2.0. Для работы потребуется доступ к Spotify Portal. GitHub: https://github.com/spotify/portal-ai-plugins

OpenAI закрыла задачу тысячелетия. Навье-Стокс решён, и решил его не человек Сегодня OpenAI выложила доказательство того, что уравнения Навье-Стокса могут взрываться за конечное время. Гладкая жидкость в покое, гладкая внешняя сила, конечная энергия на всём протяжении, и при этом скорость уходит в бесконечность за конечное время. Это пункты C и D в официальной формулировке Клэя, то есть задача тысячелетия закрыта в сторону "нет, гладкость не гарантирована". Вопрос висел с 1934 года, когда Лере построил слабые решения и не смог сказать, остаются ли они гладкими. Физика решения довольно красивая. Вихрь спиралью затягивается к оси и одновременно вытягивается вдоль неё, как спагетти. Радиус ядра сжимается как τ^(1/2), длина как τ^(1/2-h), скорость растёт как τ^(-1/2-h), где τ это время до сингулярности, а h маленький фиксированный показатель меньше 1/100. Энергия ядра при этом стремится к нулю, так что закон сохранения не нарушается. Главная хитрость в том, что все члены уравнения расходятся, но сокращаются с такой точностью, что внешняя сила остаётся гладкой. Для этого вокруг ядра добавляют семейства осциллирующих импульсов, которые вытягивают энергию из сдвига фонового потока и своими средними потоками импульса гасят сингулярную часть невязки. Формальное доказательство на Lean, статья на 165 страниц. OpenAI с 28 августа тренирует новую внутреннюю модель, которая по их словам заметно сильнее GPT-6 Astra, и обучение ещё не закончено. 1 сентября они услышали слух, что кто-то решил две задачи тысячелетия, и запустили мультиагентную систему на все открытые проблемы Клэя сразу. Агенты имели доступ к кешу интернета и запуску кода, работали группами с общением внутри группы. Группа, которая добила Навье-Стокса, состояла примерно из 10 000 параллельных агентов. Разным группам давали разные варианты формулировки, включая варианты на доказательство и на опровержение. Сначала около 100 агентов за 50 часов сломали более простую задачу регулярности для уравнений Эйлера без вязкости, после чего все ресурсы перекинули на Навье-Стокс и скормили агентам решение по Эйлеру как затравку. Между группами инсайты консолидировали через Codex. Итог получен 5 сентября, через 88 часов после старта, ещё 17 часов ушло на формализацию и проверку в Lean силами GPT-6 Astra. Суммарно на Навье-Стокс агенты отправили 2,7 миллиона сообщений и сожгли около 130 миллиардов выходных токенов, на все задачи вместе 300 миллиардов. Слух, с которого всё началось, касался Левента Альпёге из Anthropic и Тристана Бакмастера из NYU. Когда OpenAI после Lean-верификации связалась с ними, выяснилось, что у тех решён форсированный Эйлер, а не Навье-Стокс. OpenAI признаёт их приоритет по Эйлеру и пишет, что чужой работы не видела, хотя не может исключить, что деанонимизированные данные из продуктов косвенно улучшили модель. Премию Клэя они забирать не собираются. Формальная проверка здесь не украшение, а единственная причина, почему результату вообще можно верить при таком объёме генерации. И да, модель, которая это сделала, ещё дообучается. https://openai.com/index/navier-stokes-solution/https://openai.com/index/navier-stokes-solution/ PDF: https://cdn.openai.com/pdf/32d9f210-8b73-45e0-91bc-82a30aef8a9a/navier-stokes.pdf

🚀 Математики с помощью ИИ продвинулись к задаче Навье–Стокса. Вокруг работы возник спор с OpenAI Левент Алпёге и Тристан Бакмастер получили новые результаты для двумерной системы Буссинеска и трёхмерных уравнений Эйлера: показали, как при гладком внешнем воздействии изначально гладкое течение может развить сингулярность за конечное время. В работе использовались Claude и OpenAI Codex. Теренс Тао высоко оценил результат и считает, что подход может быть расширен на уравнения Навье–Стокса, учитывающие вязкость. За решение соответствующей задачи тысячелетия назначена премия $1 млн. Одновременно разгорелся конфликт. По словам Бакмастера, OpenAI узнала об их прогрессе до публикации, а затем сообщила о собственном доказательстве для Навье–Стокса. Он утверждает, что при обсуждении публикации ему предложили исключить Алпёге из авторов из-за его работы в Anthropic. Себастьен Бюбек отверг обвинения, назвав их ложными и провокационными. Бакмастер отдельно уточнил, что не знает, использовались ли их закрытые данные. Опубликованные результаты авторов ещё не решают задачу Навье–Стокса. Заявленное доказательство OpenAI пока не опубликовано и не прошло независимую проверку. The Authors’s solution: https://mathstodon.xyz/@tristanbuckmaster@mastodon.social/117233413735526010 Terence Tao on the solution: https://mathstodon.xyz/@tao/117233527638291447

В выходные AI VK собрала лидов из ML- и RecSys на закрытой встрече AI VK & Pro. Вместо длинной деловой программы — один предметный разговор о персонализации, инфраструктуре Discovery-платформу и нейросетях. За год на ее базе построили несколько новых рекомендательных технологий: от нейропрофиля и нейросетевого ранжирования до нейропоиска Discovery AI. А после — гольф: мастер-классы, турнир и разговоры уже без презентаций.

✔️ Агенты Claude за 11 дней формализовали знаменитую теорему Ферма За основу взята упрощенная версия доказательства Уайлса от Дармона, Даймонда и Тейлора. Сгенерировано 13 млн строк кода и 30 300 промежуточных теорем, из которых в финальное доказательство вошли 29 500. Результат проверил компилятор Lean и подтвердил математик Кевин Баззард, ведущий проект формализации этой теоремы с 2024 года. Первые попытки проваливались. Агенты теряли состояние проекта и переставали координироваться, их неудачные заходы дали около 7% строк итогового кода. Сработало после перехода на платформу Prove2Me, которая держит граф теорем и позволяет агентам работать параллельно, смягчая деградацию памяти на длинной дистанции. Полностью автономным процесс не был - человек изредка давал указания верхнего уровня. Смысл автоматизации в том, что люди-рецензенты уже не успевают проверять поток доказательств, а формализация снимает с них часть нагрузки. anthropic.com

✔️ Qwen выпустил бенчмарк, где агент год управляет бизнесом Qwen вместе с Taobao & Tmall и сделала E-Commerce Bench, где агенту дают 100 тысяч юаней и 365 виртуальных дней. Он изучает категории, торгуется с поставщиками, назначает цены, следит за календарём распродаж, тянет склад и контролирует денежные потоки, причём одновременно может вести до четырёх магазинов. Ни потолок спроса, ни себестоимость ему не показаны - до всего нужно докопаться самому. 🟡 Детали экономики Рабочий день идёт с 8 утра до 6 вечера, и каждый вызов инструмента тратит время: проверить деньги (10 минут), открыть магазин (60), написать поставщику (30). Расходы списываются сразу, а выручка идёт через комиссию, эскроу, 9 дней ожидания и ручной вывод. Склад сводится посуточно, товар, не отправленный за двое суток, отменяется, а репутация напрямую множит спрос: магазин на дне её шкалы получает 15% от обычного трафика. 🟡Ядро переговоров Если бы роль поставщика играла языковая модель, одна и та же стратегия давала бы разные цены, а бенч превратился бы в соревнование по джейлбрейку. Поэтому все уступки и отказы считает жёсткий алгоритм, а модель лишь переводит его решения в речь на виртуальных переговорах. 🟡Что показали тесты GPT-5.6 Sol - лидер, он закончил год с 1,43 млн юаней, увеличив капитал в 14,3 раза. Qwen3.8-Max-Preview - лучшая среди моделей с открытыми весами, на конец года у нее было 416 тыс. юаней Qwen3.5-Plus остался с 1100 юанями. Кстати, 10 циклов из 90 закончились банкротством, и сценарий почти всегда один - забить склад в январе и не суметь распродать. 🟡Дополнительные оси оценки Торговаться толком не научился никто. До себестоимости поставщика не додавил ни один агент. Единственный, кто хоть как-то сбивал цену - Opus 4.7, но по настроению. Исключение - Qwen3.8-Max-Preview, которая продавливает цену ниже на повторных заказах. С мошенниками вышло интереснее всего. Их в реестре 152 из 576 (26,4%), они пишут всем моделям, но у Opus 4.7 деньги получили 4% тех мошенников, с кем он заговорил, у GPT-5.6 Sol - 31,7%. ИИ-предприниматели категорически не умеют распоряжаться рабочим временем. Отправки, переходы на следующий день, вывод наличных и выкладка товара съедают 71,8% всех вызовов. На разговоры с поставщиками приходится 6%. На пересмотр цен 0,66%. Модели заняты обслуживанием процесса, а не экономикой. Отсюда странность в рейтинге эффективности. Fable5 зарабатывает 479 юаней на вызов против 363 у Sol, тратя при этом почти вдвое меньше вызовов, а по итоговым деньгам идёт позади. 🟡За год почти никто ничему не научился Измерять обучение на длинной дистанции сложно, но тут у бенча есть линейка. Ядро переговоров никогда не уходит ниже собственной себестоимости, значит лучшая цена, которую агент однажды выбил, - это верхняя граница того, за сколько поставщик готов отдать товар. Дальше можно сравнивать - следующая закупка у того же поставщика прошла дешевле или дороже уже достигнутого. На 8647 повторных покупок улучшили свой же результат только 2 модели из 18, а 15 переплачивали настолько, что промахивались мимо случайного порядка больше чем на 2 стандартных отклонения. 📌Лицензирование: Apache 2.0 License 🟡Страница проекта 🟡Arxiv 🖥Github #AI #ML #Agents #ECommerce #Benchmark #Qwen

⚡ Tencent открыла TeamAI-CLI - общую память для ИИ-агентов команды Инструмент собирает навыки, правила, документацию, MCP и накопленный опыт в одном Git-репозитории. * изменения проходят через Merge Request * после слияния обновления автоматически загружаются в следующей сессии * полезные решения получают рейтинг и чаще попадают в контекст * знания можно искать по проектам и кодовой базе * поддерживаются Claude Code, Codex, Cursor, OpenCode, CodeBuddy и WorkBuddy Найденный одним разработчиком способ исправить сложный баг можно закрепить как стандарт для всех агентов команды. https://github.com/Tencent/teamai-cli

🤖 Подключать AI-агента к каждому мессенджеру отдельно - обычно боль из разных API, токенов, настроек и коннекторов. dsh-im решает это одним плагином для DeepSeek Harness. Он позволяет подключить локального агента сразу к 9 платформам: * Telegram * Slack * Discord * WhatsApp * WeChat * Feishu * DingTalk * WeCom * QQ Настройка может идти через QR-код, App Manifest или обычные credentials — из одного интерфейса. Что ещё умеет: * несколько ботов на одном канале; * отдельные workspace и session bindings; * стриминг ответов; * отображение thinking/tool progress там, где это поддерживается; * отправка изображений и файлов; * выбор Agent Preset для каждого бота; * тест подключения прямо из панели. Полезно, если нужно быстро встроить локального AI-агента в уже существующие рабочие чаты команды. Open source, MIT. https://github.com/xmanrui/dsh-im

🚀 Thinking Machines Lab Миры Мурати уже обсуждает новый раунд инвестиций с оценкой около $40 млрд - менее чем через два года после запуска. Стартап при этом уже генерирует как минимум несколько сотен миллионов долларов годовой выручки в пересчёте на текущий темп. Если сделка состоится, это будет одна из самых высоких оценок среди молодых AI-компаний. https://www.theinformation.com/articles/thinking-machines-lab-talks-raise-billions-roughly-40-billion-valuation

Слух о том, что Anthropic могла решить одну из задач тысячелетия, становится всё интереснее. Несколько часов назад Теренс Тао отдельно разобрал сценарий, где AI самостоятельно находит решение задачи глобальной регулярности уравнений Навье-Стокса, но почти весь путь к доказательству остаётся скрытым внутри закрытой системы. Математически задача может быть решена, но если человечество увидит только финальный ответ без цепочки неудачных подходов, обходных путей и новых идей, сама область может получить от этого гораздо меньше пользы. Пока подтверждённого решения Навье-Стокса нет, задача официально остаётся открытой. Но совпадение по времени выглядит очень любопытно.