Machine learning Interview

Модели для распознавания и анализа речи — в открытом доступе Команда GigaChat выложила две модели и датасет: — GigaChat3.1-Audio-10B-A1.8B - audio-native LLM — GigaAM-Multilingual - мультиязычный ASR — TimeGround-1M - датасет для привязки событий ко времени в длинном аудио GigaChat Audio работает со звуком напрямую, без промежуточной расшифровки в текст. Ведёт диалог по записи, распознаёт речь, переводит, классифицирует и собирает выжимку с таймкодами. Держит до двух часов аудио — то есть созвон или лекцию целиком, без нарезки на куски. Загрузил запись — получил резюме и таймкоды, чтобы перемотать к нужному месту. Сильная сторона как раз в этом: модель понимает не только что сказали, но и когда. GigaAM-Multilingual — распознавание речи на русском, английском, казахском, киргизском и узбекском. Энкодер предобучен на 2 млн часов и 70+ языках, так что под новый язык или домен дообучается на скромных данных: грузинский и башкирский подняли с одного Common Voice до WER ~4%. TimeGround-1M — это данные, а не веса. Веса сейчас открывают многие, датасеты — заметно реже, а здесь можно учить собственные модели привязывать события ко времени. Что можно собрать уже сейчас: — ассистент по встречам и лекциям — поиск по аудиозаписям — выжимки с таймкодами — ASR для ботов и приложений — дообучение под свой язык и домен У Audio-модели 10B параметров, активных — 1,8B, так что поднять её реально на своём железе. Обе статьи приняли на Interspeech 2026. Hugging Face: — https://huggingface.co/ai-sage/GigaChat3.1-Audio-10B-A1.8B — https://huggingface.co/ai-sage/GigaAM-Multilingual — https://huggingface.co/datasets/ai-sage/TimeGround-1M С удовольствием посмотрел статьи команды: https://arxiv.org/abs/2607.10387 https://arxiv.org/abs/2607.10371

SenseNova выпустила U1-Infographic-V3 - модель, которая делает инфографику в формате generate-and-edit/ Это 8B-MoT модель на мультимодальной архитектуре NEO-unify. Она умеет не только создавать инфографику, но и нормально её редактировать. Поддерживаются 10 типов правок в четырёх группах: * локальное редактирование текста * локальное редактирование контента * смена глобального стиля * изменение глобального лэйаута По заявленным результатам, генеративная база унаследована от V2 и в их сравнении опережает Qwen-Image-2.0 и Z-Image на BizGenEval и IGenBench. Лицензия — Apache 2.0. Модель: https://modelscope.ai/models/SenseNova/SenseNova-U1-8B-MoT-Infographic-V3 Пейпер: https://modelscope.ai/papers/2605.12500

Kimi K3 может стать моментом DeepSeek 2.0 Первые бенчмарки выглядят очень сильно. Kimi K3 уже называют моделью, которая сокращает разрыв между китайскими open-weight моделями и закрытыми флагманами США. FT пишет, что K3 должна превзойти Opus 4.8 в ряде бенчмарков, но при этом всё ещё не дотягивает до закрытой Fable. Opus 4.8 вышла в конце мая, Anthropic позиционировала её как заметное обновление для agentic-задач, reasoning и работы с инструментами. Если Kimi K3 действительно обходит её в части тестов, тезис «Китай стабильно отстаёт на 6–8 месяцев» становится всё слабее. Отдельно Kimi-K3 уже вышла на первое место в Frontend Code Arena с 1679 pts, обойдя Claude Fable 5. В frontend она стала №1 в 6 из 7 доменов: Brand & Marketing, Reference-Based Design, Data & Analytics, Consumer Product, Simulations и Content Creation Tools. Конечно, бенчмарки ещё нужно проверять реальным использованием: coding agents, большие репозитории, 3D, интерфейсы, долгие задачи, стабильность и цена. Китайские модели всё ближе к frontier-уровню американских закрытых. Kimi K3 - не Fable и не Mythos. Но она уже слишком близко к топовым западным моделям, чтобы относиться к ней как к «ещё одной open model». kimi.com/code/docs/en/kimi-code/models @machinelearning_interview

Thinking Machines Lab выкатила Inkling - свою первую open-weights модель. И это сразу тяжёлый релиз: * 975B total params * 41B active * 1M context * обучение на 45T токенов * текст, изображения, аудио и видео * рядом идёт preview Inkling-Small с 12B active Они прямо пишут, что Inkling не лидер среди всех open и closed моделей. Ставка другая: дать сильную multimodal базу, которую можно дообучать под свои задачи. Самая интересная часть - связка с Tinker. Inkling можно fine-tune’ить прямо на платформе Thinking Machines. В демо модель даже сама написала себе fine-tuning job, обучилась избегать буквы “e” в ответах, прогнала eval и переключилась на новые веса. То есть они показывают полный контур кастомизации: модель → задача → данные → fine-tune → eval → новые веса. Похоже, Thinking Machines строит фабрику моделей под конкретные продукты. https://thinkingmachines.ai/news/introducing-inkling/

🚀 Anthropic выложили reference harness для поиска и исправления уязвимостей с Claude Очень недооценённый репозиторий для defensive security. Идея простая: Claude проходит полный цикл работы с уязвимостью: * threat model * поиск подозрительных мест * проверка * triage * отчёт * патч Внутри есть Claude Code skills вроде /vuln-scan, /triage и /patch, которые можно запускать интерактивно. Есть и автономный harness: можно настроить цель, ограничения и дать агенту самому пройти цикл анализа. https://github.com/anthropics/defending-code-reference-harness

Кто-то только что переписал 40 лет PostgreSQL с нуля на Rust. И он уже проходит 100% официальных тестов Postgres. Проект называется pgrust. Это не форк, а полная реализация с нуля, которая уже проходит все 46 066 запросов из официального тестового набора PostgreSQL 18.3. Postgres разрабатывается уже 40 лет, и некоторые архитектурные решения из 80-х до сих пор приводят к сбоям: - один поток на соединение, фактически отдельный OS-процесс на пользователя - 350+ параметров настройки, которыми нужно управлять вручную - один только VACUUM стал причиной тысяч инцидентов pgrust выбрасывает всё это и начинает заново. Что уже работает: - проходит 96% regression suite PostgreSQL - psql подключается из коробки, есть совместимость с wire protocol - query planner, buffer cache, storage engine, B-tree индексы - JSON/JSONB, window functions, foreign keys, EXPLAIN ANALYZE, regex - тот же движок компилируется в WebAssembly и запускается прямо в браузере на pgrust.com 100% open source. https://github.com/malisper/pgrust

Сбер открыл доступ к новым моделям распознавания речи — GigaAM Multilingual и GigaChat Audio GigaAM Multilingual включает два компонента. Аудиоэнкодер с самостоятельным обучением и многоязычную модель распознавания речи CTC ASR. Аудиоэнкодер предварительно обучили на 2 млн часов речи на 70+ языках с фокусом на страны СНГ. Поэтому модель быстрее адаптируется к новым языкам и требует меньше данных для дообучения. Многоязычную модель дообучили на 50 тысячах часов мультидоменной речи. Даже компактная версия с 240 млн параметров обгоняет популярные решения Whisper Large v3 и Omnilingual 1B. Забирайте код и веса модели на Hugging Face и GitHub: GigaAM Multilingual на Hugging Face GigaAM Multilingual на GitHub В свою очередь, GigaChat Audio — это большая языковая модель, которая объединяет возможности GigaAM Multilingual и GigaChat 3.1. Она распознаёт и переводит речь, классифицирует аудио и поддерживает диалог.  Её сильная сторона — работа с длинными записями. На аудио продолжительностью 20-60 минут показатель Intersection-over-Union локализации событий достигает 48.3. При этом объём контекста составляет до двух часов. Кроме того, GigaChat Audio хорошо понимает русскую речь: 60.0 балла в бенчмарке RuBQ-Audio против 43.7 у Qwen3-Omni. А ещё распознаёт эмоции с точностью 90%+ по датасету Dusha. Забирайте код и веса модели на Hugging Face: GigaChat Audio на Hugging Face

Sakana AI показали “умные кирпичи”, которые понимают свою форму и находят повреждения Звучит как sci-fi, но это уже опубликованная работа в Nature Communications. Исследователи собрали простые кубические модули. У каждого — одинаковая маленькая нейросеть, связь только с соседними блоками и никакой карты всей конструкции. Но вместе они могут определить, во что собраны: стол, лодку, самолёт, гитару и другие формы. Cистеме не нужен центральный контроллер. Ни один “кирпич” не знает, где он находится. Глобальная картина появляется из локальных сообщений между соседями. Что умеют Smart Cellular Bricks: * распознавать общую 3D-форму * работать при шумной связи * переживать отказ части модулей * находить, где структура повреждена * подсказывать, куда нужно добавить новые блоки для восстановления Это похоже на то, как живые ткани самоорганизуются и восстанавливаются после повреждений. Пока это не “здание, которое само себя чинит”, а исследовательский прототип. Но направление мощное: материалы и конструкции, которые сами понимают свою конфигурацию, замечают поломки и помогают себя ремонтировать.

⚡️ OpenChronicle - локальная память для AI-агентов Одна из главных проблем AI-агентов: они быстро теряют контекст. Сегодня вы обсуждали проект, архитектуру, людей, решения и инструменты. Завтра агент снова спрашивает: «А что мы делаем?» OpenChronicle пытается закрыть эту дыру. Он запускается на Mac, смотрит на рабочий контекст и превращает его в постоянную Markdown-память: * проекты * решения * инструменты * людей * последние действия * важные рабочие детали Память хранится локально, её можно открыть и прочитать руками. Под капотом - Markdown на диске и SQLite. https://github.com/Einsia/OpenChronicle

WTF: Apple подала в суд на OpenAI из-за предполагаемой кражи коммерческой тайны. Компания утверждает, что OpenAI якобы вела скоординированную кампанию по получению конфиденциальной информации о ещё не выпущенных продуктах Apple для собственного AI-железа. В иске упоминаются глава hardware-направления OpenAI Тан Тан, бывший VP по продуктовому дизайну Apple, и бывший инженер Apple Чан Лю. Apple заявляет, что Лю скачал десятки конфиденциальных файлов по hardware-разработкам. Также компания утверждает, что OpenAI поощряла уходящих сотрудников делиться материалами, чертежами и информацией о продуктах. По данным иска, сейчас в OpenAI работают более 400 бывших сотрудников Apple. Apple требует, чтобы OpenAI уничтожила эти материалы и переработала будущие устройства, если в них используется её технология. На момент публикации Bloomberg OpenAI ещё не ответила. https://www.bloomberg.com/news/articles/2026-07-10/apple-sues-openai-for-trade-secret-theft-in-blockbuster-case