Стали известны некоторые подробности продукта стартапа Миры Мурати
Оказывается, у Thinking Machines Lab пока не будет собственной ИИ-модели. Они целятся в первую очередь в b2b, и будут предлагать клиентам разработки на базе опенсорсных моделей.
При этом особое внимание в пост-обучении будет уделяться RL – и специально под такие метрики, как выручка или LTV.
Один из инвесторов, говоривших с Мирой, назвал ее продукт «RL для бизнеса»🧐
Оказывается, у Thinking Machines Lab пока не будет собственной ИИ-модели. Они целятся в первую очередь в b2b, и будут предлагать клиентам разработки на базе опенсорсных моделей.
При этом особое внимание в пост-обучении будет уделяться RL – и специально под такие метрики, как выручка или LTV.
Один из инвесторов, говоривших с Мирой, назвал ее продукт «RL для бизнеса»
Please open Telegram to view this post
VIEW IN TELEGRAM
Google выпустили модель для роботов, которую можно запускать on-device без подключения к Интернету
Первую Gemini Robotics компания выпустила в марте – о ней мы рассказывали вот тут.
Если кратко, GR – это VLA (vision-language-action) модель, то есть базовая модель, которая на вход принимает кадры окружающей среды и команды, а на выход отдает четкие инструкции и траектории, по которым должен двигаться робот. На момент выхода Gemini Robotics выбила SOTA.
А сейчас вот Google решили расширить линейку и выпустили вариант GR, который оптимизирован для запуска локально на роботе. Уже из коробки она сможет выполнять кучу задач, включая что-то на мелкую моторику или что-то многошаговое. Какой будет робот – неважно, модель универсальная, потому что предобучена на большом датасете ALOHA.
При этом при необходимости систему можно дообучить: говорят, робот хорошо схватит новый навык всего за 50-100 демонстраций.
По замерам Google модель на голову перепрыгивает предыдущие on-device и работает чуть хуже основной Gemini Robotics (где-то даже наравне).
Ну и вишенка: Google также выпустили фреймворк инструкций (software development kit) по тому, как запустить все это на своей собственной железке. Там можно будет даже потестировать прототип в симуляторе.
github.com/google-deepmind/gemini-robotics-sdk
Первую Gemini Robotics компания выпустила в марте – о ней мы рассказывали вот тут.
Если кратко, GR – это VLA (vision-language-action) модель, то есть базовая модель, которая на вход принимает кадры окружающей среды и команды, а на выход отдает четкие инструкции и траектории, по которым должен двигаться робот. На момент выхода Gemini Robotics выбила SOTA.
А сейчас вот Google решили расширить линейку и выпустили вариант GR, который оптимизирован для запуска локально на роботе. Уже из коробки она сможет выполнять кучу задач, включая что-то на мелкую моторику или что-то многошаговое. Какой будет робот – неважно, модель универсальная, потому что предобучена на большом датасете ALOHA.
При этом при необходимости систему можно дообучить: говорят, робот хорошо схватит новый навык всего за 50-100 демонстраций.
По замерам Google модель на голову перепрыгивает предыдущие on-device и работает чуть хуже основной Gemini Robotics (где-то даже наравне).
Ну и вишенка: Google также выпустили фреймворк инструкций (software development kit) по тому, как запустить все это на своей собственной железке. Там можно будет даже потестировать прототип в симуляторе.
github.com/google-deepmind/gemini-robotics-sdk
This media is not supported in your browser
VIEW IN TELEGRAM
Уже пользовались GigaChat? Предлагаем принять участие в его разработке! 💻
Сбер приглашает на One Day Offer талантливых DL-инженеров в команду production-внедрения GigaChat.
С вас — понимание, как работают модели на уровне математики и аппаратуры, и желание оптимизировать работу LLM моделей, создавать инфраструктуру для нагрузок на кластеры и выводить новые архитектуры в промышленную среду.
С нас — интересные задачи, современное железо, график на выбор и классное IT-комьюнити.
Встречаемся 28 июня в 10:30, а потом, вполне возможно, и за соседним рабочим столом в офисе! Зарегистрироваться! 👌
Сбер приглашает на One Day Offer талантливых DL-инженеров в команду production-внедрения GigaChat.
С вас — понимание, как работают модели на уровне математики и аппаратуры, и желание оптимизировать работу LLM моделей, создавать инфраструктуру для нагрузок на кластеры и выводить новые архитектуры в промышленную среду.
С нас — интересные задачи, современное железо, график на выбор и классное IT-комьюнити.
Встречаемся 28 июня в 10:30, а потом, вполне возможно, и за соседним рабочим столом в офисе! Зарегистрироваться! 👌
OpenAI планирует создать прямого конкурента Microsoft Office
Это будет «приложение для всего»: совместное (с ИИ или другими пользователями) написание текстов и кода, таблицы, презентации, запись встреч, умные заметки и др. Об этом сообщает The Information.
Говорят, внутри компании прототип уже существует довольно давно, а функция Canvas в ChatGPT – это что-то типа мини-демоверсии.
Интересно, как отнесется к такому Microsoft. Ведь это буквально означает, что стартап, который они спонсировали миллиардами несколько лет, становится их прямым конкурентом🤡
Это будет «приложение для всего»: совместное (с ИИ или другими пользователями) написание текстов и кода, таблицы, презентации, запись встреч, умные заметки и др. Об этом сообщает The Information.
Говорят, внутри компании прототип уже существует довольно давно, а функция Canvas в ChatGPT – это что-то типа мини-демоверсии.
Интересно, как отнесется к такому Microsoft. Ведь это буквально означает, что стартап, который они спонсировали миллиардами несколько лет, становится их прямым конкурентом
Please open Telegram to view this post
VIEW IN TELEGRAM
Как хорошо люди на ИИ-конференциях действительно знают ML?
Пару недель назад мы были на конференции МТС True Tech Day. Там админы на денек вообразили себя блогерами с Патриков и решили проверить, насколько хорошо случайные участники события знают машинное обучение. Результат смотрите сами😎
Кстати, те, кто с первого раза ответил правильно на все 5 вопросов, получали от нас фирменную футболку. Признавайтесь, справились бы/
Пару недель назад мы были на конференции МТС True Tech Day. Там админы на денек вообразили себя блогерами с Патриков и решили проверить, насколько хорошо случайные участники события знают машинное обучение. Результат смотрите сами
Кстати, те, кто с первого раза ответил правильно на все 5 вопросов, получали от нас фирменную футболку. Признавайтесь, справились бы/
Please open Telegram to view this post
VIEW IN TELEGRAM
Исследователи Яндекса разработали и внедрили в свои сервисы рекомендации нового поколения — на базе больших генеративных моделей
Алгоритмы точнее понимают контекст и подбирают релевантный контент, учитывая большее количество обезличенных действий пользователей. Тема интересная, потому что пока подобные решения есть только у Google, Netflix и нескольких других компаний в мире. Сейчас разберемся, что это значит.
В основном все рексис в мире двухэтапные: сперва одной моделью отбираются кандидаты, другая - сортирует их в выдачу. Модели обычно берутся небольшие, так как строк данных (пользователи, товары, история) в рексис просто триллионы.
Перейти от небольших моделей к большим сложный челлендж – что, исследователи, собственно, и сделали. Их новая модель называется ARGUS (AutoRegressive Generative User Sequential Modeling). Вот, в чем ее отличие:
➖ Быстрее обучается, может работать с более длинными последовательностями
➖ Масштабируется: результаты улучшаются с ростом параметров модели.
➖ Легко пересчитывается в оффлайне. Архитектура построена так, чтобы можно было работать с ней на доступном железе.
ARGUS уже внедрили в Яндекс Музыку и Маркет. Результаты говорят сами за себя:
➖ Музыка стала первым сервисом, в который внедрили новые рекомендации и перевели их в онлайн. Так, пользователи стали на 20% чаще ставить лайки и добавлять себе впервые услышанные рекомендованные треки. Разнообразие рекомендаций выросло, и пользователи теперь чаще слушают рекомендованную музыку.
➖ В Маркете покупатели чаще натыкаются на полезные товары: они стали добавлять в корзину больше товаров из ленты и находить новые товары и бренды на платформе.
Подробнее можете почитать на Хабре – здесь и здесь
Алгоритмы точнее понимают контекст и подбирают релевантный контент, учитывая большее количество обезличенных действий пользователей. Тема интересная, потому что пока подобные решения есть только у Google, Netflix и нескольких других компаний в мире. Сейчас разберемся, что это значит.
В основном все рексис в мире двухэтапные: сперва одной моделью отбираются кандидаты, другая - сортирует их в выдачу. Модели обычно берутся небольшие, так как строк данных (пользователи, товары, история) в рексис просто триллионы.
Перейти от небольших моделей к большим сложный челлендж – что, исследователи, собственно, и сделали. Их новая модель называется ARGUS (AutoRegressive Generative User Sequential Modeling). Вот, в чем ее отличие:
ARGUS уже внедрили в Яндекс Музыку и Маркет. Результаты говорят сами за себя:
Подробнее можете почитать на Хабре – здесь и здесь
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
Вау: Google выпустили опенсорсного агента Gemini CLI для использования ИИ прямо из терминала
Из командной строки можно будет пользоваться всеми возможностями Gemini 2.5 Pro: поиск в Интернете, обработка любых файлов, автоматизация рабочих процессов (типа отправки PR), написание кода и прочее и прочее. Контекст – 1 миллион токенов, так что вместится большинство даже самых больших проектов.
При желании можно прикрутить любой MCP. Например, генерировать прямо из терминала картинки или видео, привязать Notion/Jira или что-то еще.
Ну и самое главное – это лимиты. Абсолютно бесплатно доступно 60 запросов в минуту и 1000 в день. Приятно 🍯
github.com/google-gemini/gemini-cli
Из командной строки можно будет пользоваться всеми возможностями Gemini 2.5 Pro: поиск в Интернете, обработка любых файлов, автоматизация рабочих процессов (типа отправки PR), написание кода и прочее и прочее. Контекст – 1 миллион токенов, так что вместится большинство даже самых больших проектов.
При желании можно прикрутить любой MCP. Например, генерировать прямо из терминала картинки или видео, привязать Notion/Jira или что-то еще.
Ну и самое главное – это лимиты. Абсолютно бесплатно доступно 60 запросов в минуту и 1000 в день. Приятно 🍯
github.com/google-gemini/gemini-cli
Google анонсировали AlphaGenome – модель для понимания генетики
Она может предсказывать, какое влияние окажут те или иные изменения в ДНК.
При достаточной точности такая модель может абсолютно перевернуть наше понимание болезней и биологии в целом, потому что геном человека, по сути, управляет в нашем организме всем. Небольшие вариации на молекулярном уровне в ДНК могут повлиять на что угодно: внешность, иммунитет, возникновение заболевания. Но как именно устроена эта связь – для людей, по большому счету, до сих пор загадка.
Основное, за счет чего работает AlphaGenome – это длинное контекстное окно в 1 миллион токенов. Без такого контекста модели бы просто не хватило информации для предсказания (и даже 1 миллиона иногда очень мало).
AG принимает на вход огромные последовательности пар оснований ДНК и предсказывает тысячи молекулярных свойств последовательности. Например, сколько вырабатывается РНК, как гены расположены в разных видах тканей, как они реплицируются и тд. Ну а сравнивая свойства одних последовательности с другими, можно оценить эффекты генетических мутаций.
Google утверждают, что по точности предсказаний они достигли SOTA. Обучали модель на открытых данных крупных лабораторий (в которых все это проверяли экспериментально). Под капотом – свертки, трансформер и декодер в нужные модальности.
Самое интересное, что Google уже открыли модель для использования через API – попробовать может каждый желающий. Так они хотят собрать больше фидбэка от ученых.
Блогпост | Статья (103 страницы на секундочку) | GitHub
Она может предсказывать, какое влияние окажут те или иные изменения в ДНК.
При достаточной точности такая модель может абсолютно перевернуть наше понимание болезней и биологии в целом, потому что геном человека, по сути, управляет в нашем организме всем. Небольшие вариации на молекулярном уровне в ДНК могут повлиять на что угодно: внешность, иммунитет, возникновение заболевания. Но как именно устроена эта связь – для людей, по большому счету, до сих пор загадка.
Основное, за счет чего работает AlphaGenome – это длинное контекстное окно в 1 миллион токенов. Без такого контекста модели бы просто не хватило информации для предсказания (и даже 1 миллиона иногда очень мало).
AG принимает на вход огромные последовательности пар оснований ДНК и предсказывает тысячи молекулярных свойств последовательности. Например, сколько вырабатывается РНК, как гены расположены в разных видах тканей, как они реплицируются и тд. Ну а сравнивая свойства одних последовательности с другими, можно оценить эффекты генетических мутаций.
Google утверждают, что по точности предсказаний они достигли SOTA. Обучали модель на открытых данных крупных лабораторий (в которых все это проверяли экспериментально). Под капотом – свертки, трансформер и декодер в нужные модальности.
Самое интересное, что Google уже открыли модель для использования через API – попробовать может каждый желающий. Так они хотят собрать больше фидбэка от ученых.
Блогпост | Статья (103 страницы на секундочку) | GitHub
Data Secrets
Некоторое время назад Альтман заявил, что его сотрудники не уйдут в Meta даже за предложенные им 100 миллионов долларов, потому что в OpenAI лучшая ✨культура AGI✨
Так вот, кому-то видимо 100 миллионов долларов все-таки оказались дороже, чем атмосфера Сэма: Цукерберг успешно захантил троих крутых исследователей OpenAI.
К нему ушли Лукас Бейер, Александр Колесников и Сяохуа Чжай. Неизвестно, заплатили ли им обещанные 100 миллионов или меньше, но сумма, видимо, была внушительной.
Так вот, кому-то видимо 100 миллионов долларов все-таки оказались дороже, чем атмосфера Сэма: Цукерберг успешно захантил троих крутых исследователей OpenAI.
К нему ушли Лукас Бейер, Александр Колесников и Сяохуа Чжай. Неизвестно, заплатили ли им обещанные 100 миллионов или меньше, но сумма, видимо, была внушительной.
Cloud․ru открыл доступ к инструментам для работы с ИИ в облаке и запустил AI-помощника для упрощения работы в облаке
Cloud․ru Evolution AI Factory – это облачная среда с готовыми AI- и ML-инструментами для простого и быстрого внедрения LLM и создания мультиагентных систем. Она позволяет пользоваться готовыми опенсорс-решениями, дообучать модели, тестировать и в несколько кликов их деплоить, и даже мгновенно прикручивать и RAG. При этом все получится даже у тех, кто не имеет специфических знаний в ML.
Также Cloud․ru запустил AI-помощника Клаудию на основе GenAI в своем публичном облаке Cloud․ru Evolution — он не только проконсультирует, но и поможет управлять облачными ресурсами и инфраструктурой, самостоятельно выполняя конкретные действия. Этакий второй пилот под любые ваши задачи. AI-помощник доступен в режиме Public Preview.
Так, он поможет с подбором сервисов, самостоятельным развертыванием виртуальных машин, работой в консоли в режиме Co-pilot и настройкой мониторинга и реагирования. Клаудия позволит разработчикам любого уровня, администраторам, техлидам, DevOps и SRE-инженерам автоматизировать рутину, ускорить запуск проектов и высвободить время для архитектурных и стратегических задач.
Cloud․ru Evolution AI Factory – это облачная среда с готовыми AI- и ML-инструментами для простого и быстрого внедрения LLM и создания мультиагентных систем. Она позволяет пользоваться готовыми опенсорс-решениями, дообучать модели, тестировать и в несколько кликов их деплоить, и даже мгновенно прикручивать и RAG. При этом все получится даже у тех, кто не имеет специфических знаний в ML.
Также Cloud․ru запустил AI-помощника Клаудию на основе GenAI в своем публичном облаке Cloud․ru Evolution — он не только проконсультирует, но и поможет управлять облачными ресурсами и инфраструктурой, самостоятельно выполняя конкретные действия. Этакий второй пилот под любые ваши задачи. AI-помощник доступен в режиме Public Preview.
Так, он поможет с подбором сервисов, самостоятельным развертыванием виртуальных машин, работой в консоли в режиме Co-pilot и настройкой мониторинга и реагирования. Клаудия позволит разработчикам любого уровня, администраторам, техлидам, DevOps и SRE-инженерам автоматизировать рутину, ускорить запуск проектов и высвободить время для архитектурных и стратегических задач.
Data Secrets
Тем временем трещин в отношениях OpenAI и Microsoft становится все больше Новой точкой преткновения стало приобретение Альтманом стартапа Windsurf. Напоминаем, что слухи об этой покупке ходят уже месяцами, но сделка до сих пор не подписана. Оказывается…
Будущее партнёрства OpenAI и Microsoft зависит от того, что именно они подразумевают под AGI
Обе компании продолжают работать над деталями нового соглашения. OpenAI планирует превратиться в полноценную коммерческую компанию и готовится к IPO, но для этого им нужно согласие от Microsoft.
Основной причиной разногласий стало понимание термина AGI. OpenAI считает, что находится на пороге его создания, что позволит компании освободиться от эксклюзивных обязательств перед Microsoft и начать лицензировать технологии другим компаниям. В свою очередь, Microsoft ставит под сомнение реалистичность достижения такого уровня развития ИИ и настаивает на строгих условиях для пересмотра договоренностей.
Сейчас Microsoft контролирует интеллектуальную собственность OpenAI и требует, чтобы стартап продавал свои ИИ-продукты исключительно через платформу Azure. Компания готова принять 35%-ную долю в новой коммерческой структуре OpenAI, однако стремится сохранить своё эксклюзивное положение на случай реального прорыва.
Обе компании продолжают работать над деталями нового соглашения. OpenAI планирует превратиться в полноценную коммерческую компанию и готовится к IPO, но для этого им нужно согласие от Microsoft.
Основной причиной разногласий стало понимание термина AGI. OpenAI считает, что находится на пороге его создания, что позволит компании освободиться от эксклюзивных обязательств перед Microsoft и начать лицензировать технологии другим компаниям. В свою очередь, Microsoft ставит под сомнение реалистичность достижения такого уровня развития ИИ и настаивает на строгих условиях для пересмотра договоренностей.
Сейчас Microsoft контролирует интеллектуальную собственность OpenAI и требует, чтобы стартап продавал свои ИИ-продукты исключительно через платформу Azure. Компания готова принять 35%-ную долю в новой коммерческой структуре OpenAI, однако стремится сохранить своё эксклюзивное положение на случай реального прорыва.
Смотрите, какую прелесть сделали ученые из университета Айдахо
Это система, которая показывает, насколько новым является какое-либо исследование, и рисует вот такие визуализации и карты развития идей во времени. Это отличается от классического анализа цитирования, тут оценивается именно новизна концепций, а не влияние других работ.
Называется KnoVo – то есть Knowledge Evolution. Под капотом LLM, которая извлекает из статьи фичи (типа датасеты, методология, графики), по которым затем сравнивает работу с предыдущими и, при необходимости, с последующими исследованиями.
Так можно даже не просто оценивать новизну, а отслеживать динамику развития идей, тренды или слепые пятна.
Ну и, в конце концов, это просто красиво😍
www.alphaxiv.org/abs/2506.17508
Это система, которая показывает, насколько новым является какое-либо исследование, и рисует вот такие визуализации и карты развития идей во времени. Это отличается от классического анализа цитирования, тут оценивается именно новизна концепций, а не влияние других работ.
Называется KnoVo – то есть Knowledge Evolution. Под капотом LLM, которая извлекает из статьи фичи (типа датасеты, методология, графики), по которым затем сравнивает работу с предыдущими и, при необходимости, с последующими исследованиями.
Так можно даже не просто оценивать новизну, а отслеживать динамику развития идей, тренды или слепые пятна.
Ну и, в конце концов, это просто красиво
www.alphaxiv.org/abs/2506.17508
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM