Big Data AI

Кто-то разобрал Claude Code почти до винтика learn-coding-agent - репозиторий для тех, кто хочет понять, как устроены современные coding agents не на уровне промо-страниц, а на уровне архитектуры. Автор собрал разбор Claude Code по публичным источникам: цикл агента, систему инструментов, разрешения, работу с контекстом, сессии, подпроцессы, MCP, удалённые настройки, телеметрию и скрытые флаги. Получился не “гайд по использованию”, а карта внутренней логики CLI-агента: как он принимает решение, когда просит разрешение, как вызывает инструменты, как хранит историю и как расширяется через внешние интеграции. https://github.com/justxor/Claudecourse/

Unsloth выкатили Gemma 4 NVFP4 quants. Заявка простая: быстрее 4-bit inference на Blackwell GPU без обычного компромисса “сжали, но стало заметно тупее”. Главные цифры: * Gemma-4-12B NVFP4 запускается на 11 GB VRAM * Gemma-4-26B-A4B доходит до 13K tok/s на B200 * NVFP4 даёт до 1.5× ускорения на GPU NVFP4 - это не просто “ещё один 4-bit формат”. Он заточен под Blackwell и позволяет делать inference быстрее, сохраняя точность лучше, чем грубая квантизация. Для локального и self-hosted inference это важный сдвиг: больше моделей помещается в память, throughput растёт, стоимость токена падает. Особенно полезно для тех, кто гоняет много коротких запросов, агентные пайплайны или batch-инференс, где скорость и VRAM решают всё. Blog: https://unsloth.ai/docs/basics/nvfp4 Gemma NVFP4: https://huggingface.co/collections/unsloth/nvfp4

XQuad - “LLVM” для quadratic optimization на Rust Интересный проект на стыке Rust, оптимизации и quantum tooling. Идея такая: вы описываете QUBO, Ising или discrete optimization problem один раз, а потом можете запускать её через разные backend’ы: quantum annealers или классические solver’ы. Что внутри: * Rust VM для quadratic models * Python reference VM * единая спецификация * CLI и Python API * solver adapters, включая D-Wave * примеры для TSP и MaxCut * CI-проверка: если Rust VM и Python VM расходятся, сборка падает github.com/QuipNetwork/xquad

🚨 Grok 4.5 примерно в 17 раз дешевле Opus 4.8 на реальных задачах Цены: * Grok 4.5: $2 за input / $6 за output * Opus 4.8: $5 за input / $25 за output То есть Grok 4.5 дешевле примерно в 4 раза за токен. Но важнее другое: для решения той же задачи он тратит в 4,2 раза меньше токенов. В итоге реальная стоимость выполнения задачи получается примерно в 17 раз ниже.

Amazon Kani для Rust получил академическую статью, принятую на ASE 2026. 🦀 Kani пытается формально доказать корректность Rust-кода математически. Что умеет: * доказывать отсутствие panic, overflow и нарушений memory safety * проверять, что `unsafe`-код действительно безопасен * гонять 16 000+ harness’ов на каждый commit в Rust standard library * находить баги, которые раньше не видели в промышленных Rust-проектах Главное отличие простое: fuzzing пытается найти баги через множество входных данных. Kani проверяет свойства кода формально, в рамках заданного harness’а. Kani интегрирован в CI стандартной библиотеки Rust. Каждый commit в std проходит формальную проверку. 🔗 arxiv.org/abs/2607.01504

✔️ Власти США сняли ограничения на релиз GPT-5.6 Министерство торговли США разрешило полномасштабный релиз GPT-5.6. OpenAI планирует открыть доступ к модели в ближайшие дни. Ранее развертывание допускалось только поэтапно для предварительно одобренных правительством организаций. Ограничения сняли после тестирования системы в Институте безопасности ИИ и очных консультаций технической команды OpenAI с регулятором в Вашингтоне. Сейчас допуски для крупных LLM согласовываются в ручном режиме. По заявлению OpenAI, фрагментированный доступ стал вынужденной мерой, так как единых стандартов в отрасли нет, а требования безопасности из последнего указа администрации США еще дорабатываются. axios.com ✔️ xAI выпустила Grok 4.5 Новая модель позиционируется как инструмент для кодинга и агентнтых задач. Продукт создавался совместно с командой Cursor, который в июне перешел под контроль SpaceX. В Terminal Bench 2.1 Grok 4.5 почти сравнялся с GPT-5.5 и на один балл отстал от Fable 5. При этом в DeepSWE 1.1 модель уступает лидерам в решении задач из GitHub-репозиториев. Стоимость API - $2 за 1 млн входных токенов и $6 за 1 млн выходных. По заявлению создателей, в SWE Bench Pro модель тратит в 4,2 раза меньше токенов по сравнению с Opus 4.8. Скорость генерации достигает 80 токенов в секунду. Grok 4.5 доступна в консоли xAI, среде Grok Build и редакторе Cursor. Выпущены официальные плагины для Word, PowerPoint и Excel. Релиз в странах Евросоюза отложен до середины июля. x.ai ✔️ Mistral анонсировала навигационную модель для роботов Французский стартап представил 8-миллиардную модель Robostral Navigate для пространственной ориентации роботов. Система использует только данные с одной RGB-камеры, полностью обходясь без лидаров и дополнительных датчиков. Во время инференса модель покадрово рассчитывает следующий шаг по изображению. Если цель пропадает из поля зрения, алгоритм задействует базовые двигательные команды для смены ракурса и поиска. По данным Mistral, результат тестов превосходит метрики как других монокамерных решений, так и мультисенсорных систем, а Эксперименты с RL-дообучением уже дали прирост общей эффективности на 3,2%. Модель применима для колесных платформ, шагающих роботов и дронов. Сроки релиза и формат распространения весов пока не раскрываются. mistral.ai ✔️ MiniMax обучает крупнейшую в Китае модель Стартап готовит к релизу в 3-м квартале откытую модель на 2,7 трлн параметров. По данным источников, рабочее название проекта - M3 Pro. Архитектуру масштабировали для улучшения логического вывода и точного выполнения многошаговых инструкций. Текущий флагман разработчика, модель M3, насчитывает 428 млрд параметров. Выпуском открытой модели такого объема MiniMax планирует усилить позиции на рынке и составить конкуренцию локальным Zhipu, DeepSeek и Moonshot AI. theinformation.com ✔️ ИИ-компании оккупируют центр Нью-Йорка Anthropic арендовала 16-этажное здание площадью 43 тыс. кв. метров на Манхэттене по адресу Гудзон-стрит, 330. Новая площадка в 30 раз больше текущего нью-йоркского офиса. После переезда компания планирует увеличить местный штат до 1000 человек к концу года. По данным агентства CBRE, за первый квартал ИИ-компании арендовали в Нью-Йорке 96 тыс кв. метров - это больше, чем за весь прошлый год. Доля ИИ-сектора в объеме технологической аренды города выросла с 20,9% в 2024 году до 56%. Ранее крупные офисы на Манхэттене сняли OpenAI и Harvey. nytimes.com @ai_machinelearning_big_data #news #ai #ml

Отличная новость. Anthropic продлила доступ к Claude Fable 5 для платных пользователей до 12 июля. Старое ограничение остаётся: Fable 5 может использовать только 50% вашего недельного лимита Claude. Сам недельный лимит — это внутренний usage budget, который не показывается напрямую. Длинные чаты, файлы, инструменты и более тяжёлые модели расходуют его быстрее.

Microsoft подняла точность ChatGPT с 41% до 80%, не меняя ни одного параметра модели. Система называется SkillOpt. Обычно все думают, что AI-агенты становятся лучше через промпты или fine-tuning. Но fine-tuning дорогой, медленный и жёсткий. А “prompt engineering” часто превращается в угадайку. Подход Microsoft другой: они оптимизируют не модель, а skill-документ. То есть текстовую инструкцию, которая объясняет агенту, как решать задачу. SkillOpt делает этот документ живым: он учится на ошибках агента. Как это работает: 1. Агент выполняет задачи и собирает успешные и провальные попытки. 2. Отдельная маленькая модель анализирует результаты и точечно меняет skill-документ: добавить, удалить или заменить фрагмент. 3. Новая версия принимается только если реально улучшает результат на отдельном наборе задач. По сути, это что-то вроде градиентного спуска для естественного языка. Результаты сильные: на шести крупных бенчмарках SkillOpt обошёл и человеческие skills, и одноразовые LLM-подходы. На ALFWorld одна модель выросла с 70% до 85% точности. В чат-сценариях прирост был больше 23 пунктов. Главный плюс: нет лишней нагрузки во время инференса. Ты один раз тратишь compute на оптимизацию skill-документа, а потом агент работает с уже улучшенной инструкцией. Идея мощная: агент становится лучше не потому, что ты переписываешь код или дообучаешь модель. А потому что его “плейбук” сам улучшается через обратную связь. arxiv.org/pdf/2605.23904

Восточная горнорудная компания сделала AI-платформу, которая в реальном времени балансирует парк из 350 карьерных самосвалов. А теперь с тем же подходом: «сначала продукт, потом вакансия», компания меняет представления о найме в тяжелой индустрии. Проект «Дивизион Марс» выглядит как серия трейлеров к фантастическому фильму. Но это реальная работа. Без привычного «требуется специалист с опытом от 3 лет». Сначала — концепт и масштаб задачи, конкретные направления и позиции — чуть позже. Сейчас можно оставить заявку на интерес первым по ссылке.

🇨🇳 Плохие новости для open-source AI: доступ к frontier-моделям может перестать быть глобальным. Китай готовит ограничения для иностранных пользователей на свои самые сильные AI-модели. Это может поднять стоимость AI по всему миру и расколоть рынок моделей по национальному признаку. Пекин уже обсуждал этот вопрос с Alibaba, ByteDance и Z.ai. Речь идёт о том, чтобы удерживать продвинутые китайские модели внутри страны, включая те, которые ещё даже не вышли. Обсуждения вело Министерство коммерции Китая, а также участвовало государственное агентство по планированию. Это больше похоже не на обычное регулирование платформ, а на будущий экспортный контроль. Под ограничения могут попасть не только закрытые модели, но и open-weight системы. То есть проблема не только в API-доступе, но и в возможности скачивать сильные модели. Китайские чиновники также обсуждали идею считать утечки или кражу проприетарного AI вопросом национальной безопасности, а не просто спором об интеллектуальной собственности. Ещё один слой — возможные ограничения на то, кто сможет финансировать китайские AI-стартапы. Так Пекин может одновременно контролировать капитал, таланты и доступ к моделям. Для зарубежных компаний это риск: они могут потерять доступ к дешёвым китайским моделям как раз в момент, когда эти модели стали достаточно сильными для реального production. США уже ограничивают доступ к продвинутым американским моделям по соображениям безопасности. Китай теперь тоже опасается, что модели вроде Mythos могут искать уязвимости в софте и использоваться против китайских интересов. Обе стороны всё чаще относятся к AI как к стратегической инфраструктуре. Пекин также проверял китайские AI-стартапы, которые переезжали за границу, и, по данным Reuters, давил на Meta, чтобы та свернула сделку с Manus на $2 млрд. Вероятный сценарий - многоуровневый контроль: базовые open tools проходят регистрацию, более сильные системы идут на проверку, а frontier-модели остаются внутри страны. Для открытого AI это серьёзный удар. Прогресс моделей может больше не распространяться просто через качество продукта и цену. Reuters