Machinelearning

✔️ Anthropic даёт стартапам год Claude Team и 1000 долларов на API Программу Claude for Startups расширили - участникам полагается год тарифа Claude Team на пять премиальных мест и 1000 долларов кредитов на разработку с Claude. Этим шагом компания стремится переманить разработчиков и фаундеров на ранних стадиях, напрямую конкурируя с программами поддержки от OpenAI и облачных гигантов Microsoft Azure и AWS. К участию допускаются проекты, основанные в течение последних пяти лет. Подать заявку можно на странице программы Claude for Startups. techcrunch.com ✔️ Google открыла веб-платформу генерации браузерных игр Платформа Playground, запущенная в рамках партнерства Google и Unity, предоставляет возможность генерации браузерной игры по текстовому запросу с настраиваемой физикой, правилами механики, окружением и внешним видом персонажей. Созданную игру можно запустить в мобильном или десктопном браузере. В сервис встроены публичная галерея проектов, лидерборды и мультиплеер для некоторых жанров. В будущем заявлена интеграция с Unity Spark. через который можно будет экспортировать текстовые наработки в движок Unity для добавления 3D-графики и игровой логики. На старте Playground доступен пользователям из США. Лимиты на генерацию зависят от уровня подписки Google One. blog.google ✔️ Nous Research представила бенчмарк оценки эффективности и стоимости агентов Исследовательская группа собрала Hermes Index, публичный лидерборд для сравнения языковых моделей внутри фреймворка Hermes Agent при максимальной глубине рассуждения. Итоговый балл формируется на основе четырёх тестов: Terminal-Bench 4, Terminal-Bench Science, SkillsBench и нового набора Hermes Bench. В последнем агент выполняет 150 разноплановых задач в реальном рабочем пространстве, оперируя файлами и внешними инструментами. Первое место заняла Claude Opus 5.5 с расходом около $5 на задачу, опередив GPT 6 Astra, которая показала второй результат, но оказалась самой дорогой в рейтинге - $11,6. Тройку замкнула Sonnet 5.5 ($2,8). В бюджетном сегменте на границу Парето вышли DeepSeek V4.1 Flash (36,91 балла при 26 центах за задачу) и GPT6 Luna (14 центов). Они стали наиболее выгодными с точки зрения баланса цены и продуктивности. nousresearch.com ✔️ ElevenLabs запустила инструмент сборки и отладки голосовых агентов через диалог Открылось альфа-тестирование специализированного ассистента Architect, помогающего создавать, конфигурировать и оптимизировать голосовых агентов с помощью текстовых или голосовых команд. Инструмент понимает логику, структуру баз знаний, настройки синтеза речи и системных промптов. Ему достаточно передать системе лог сбоя, статистику эскалаций на операторов или общий запрос на улучшение, после чего Architect самостоятельно выполнит анализ транскриптов, выявит узкие места и предложит готовые решения. Все предложенные обновления фиксируются в виде версионируемых черновиков и применяются в продакшене только после ручного подтверждения. Architect доступен внутри ElevenLabs и в Cursor, Claude Code, ChatGPT и Grok Bot. elevenlabs.io ✔️ Boston Dynamics показала новые манипуляторы для Atlas под ручной инструмент Новинка получила 13 степеней свободы - четыре оси на противопоставленном большом пальце и по три на остальных. Инженеры отказались от мизинца для упрощения кинематики и снижения себестоимости. Конструкция позволяет удерживать дрели, горелки и пневмопистолеты с возможностью нажатия на курок. Механика построена на закрытых электроприводах прямого действия без тросовых тяг и выдерживает нагрузку свыше 45 кг. Подушечки пальцев и ладонь оснащены матрицами тактильных датчиков давления. Аппаратная часть оптимизирована под sim2real. Точная проприоцепция минимизирует динамическую погрешность при моделировании - манипулятивные политики обучаются через RL в симуляции и напрямую переносятся на физического робота. bostondynamics.com @ai_machinelearning_big_data #news #ai #ml

⚡ Anthropic представила Claude Haiku 5.5 Claude Haiku 5.5 - самая быстрая и доступная модель в линейке Claude 5.5. Она рассчитана на задачи, где важны скорость, низкая стоимость и масштабирование: массовая обработка запросов, классификация, автоматизация, простые агенты и API-нагрузки. Линейка Claude 5.5 теперь выглядит так: - Opus 5.5 - максимум возможностей - Sonnet 5.5 - баланс качества и стоимости - Haiku 5.5 - скорость и минимальная цена Haiku 5.5 близкоподошла к более крупным моделям прошлых поколений по качеству. https://www.anthropic.com/claude-haiku-5-5

🌟 MIT CSAIL опубликовала модель разметки анатомии на рентгеновских снимках MIT вместе с коллегами из Массачусетской больницы общего профиля и Гарвардской медицинской школы сделала модель FleXray, которая находит и выделяет на снимке 60 анатомических структур, от рёбер и позвонков до костей таза и конечностей. Модель работает с разными областями тела, стандартными и косыми проекциями, кадрами рентгеноскопии во время операций, снимками взрослых и детей. На размеченных структурах можно автоматически делать измерения, например угла искривления позвоночника при сколиозе, или сопоставлять кадры рентгеноскопии с трёхмерной КТ для навигации во время вмешательств. Патологии модель не ищет, только анатомию, и правую сторону от левой не отличает. Внутри свёрточная сеть U-Net, снимок перед обработкой приводится к размеру 256 на 256 пикселей. Для максимального качества пять таких сетей работают ансамблем. 🟡Тесты На восьми наборах реальных снимков с разметкой FleXray набрала в среднем 0,875 по коэффициенту Dice, который показывает, насколько выделенная область совпадает с эталонной, от 0 до 1. Универсальные PAXray, TotalSegmentator2D и FluoroSAM она обошла на семи наборах из восьми. Сети nnU-Net, которые обучали отдельно под каждый набор, набрали в среднем 0,914. В оценке сколиоза средняя ошибка в угле искривления составила 5,13 градуса против 6,38 у TotalSegmentator2D. При совмещении кадров рентгеноскопии с КТ медианная ошибка снизилась с 335 до 1,2 мм. Попробовать FleXray можно в браузерной демоверсии, которая работает локально через WebGPU. 📌Лицензирование: CC-BY-NC-4.0 🟡Страница проекта 🟡Модель 🟡Arxiv 🟡Демо 🖥GitHub @ai_machinelearning_big_data #AI #ML #CV #Medical #Segmentation #FleXray

GPU, токены и деньги: как балансировать на ИИ-арене? 15 октября на ежегодной конференции Orion soft «Большая игра» обсудят, что происходит после успешного ИИ-пилота. Промышленный сервис требует распределять GPU между моделями, управлять нагрузкой в Kubernetes, защищать обращения к LLM и понимать, какое подразделение сожгло месячный запас токенов за три дня. На дискуссии «Deploy: Become AI-ready» топ-менеджеры ПИК, «Газпром нефти» и red_mad_robot разберут свой опыт внедрения ИИ: что меняется при переходе от эксперимента к промышленной эксплуатации, готова ли к этому корпоративная инфраструктура и как удержать расходы под контролем. Техническая часть будет посвящена двум слоям корпоративного ИИ. Первый — запуск и масштабирование AI-нагрузок в Kubernetes с помощью Nova AI, включая распределение GPU между командами и сервисами. Второй — AI Gateway на базе StarGuard AI: единая точка доступа к моделям, через которую можно применять политики безопасности, контролировать запросы и ответы, маскировать чувствительные данные и вести аудит. Отдельная премьера — новый продукт Orion soft для биллинга ИИ-токенов. Он должен ответить на вопрос, который быстро возникает после массового внедрения LLM: кто, какую модель и для каких задач использовал — и кому в итоге выставлять счёт. Кроме ИИ-трека, в программе — инфраструктура, DevOps, кибербезопасность, опыт импортозамещения и демо-лаборатории с продуктами Orion soft. 📌15 октября, Москва + онлайн 🕹Deploy: Become AI-ready → регистрация

🌟 VeriHarness: обвязка для проверки работы агентов той же моделью Google AI Research и Кембриджский университет открыли код VeriHarness, системы, которая проверяет результаты долгих агентных задач силами той же модели, что их сделала. Вместе с кодом выложены около 26 тысяч трейсов агентов Gemini 3.5 flash и Opus 4.8, на генерацию которых ушло больше 100 тысяч долларов. ИИ-агент решает одну и ту же задачу несколько раз, и каждая попытка даёт свой вариант отчёта, таблицы, документа или патча. VeriHarness сверяет все эти варианты с файлами и данными рабочего пространства и выдаёт лучший вариант, исправленный по найденным ошибкам, вместе с журналом проверок, но эталонных ответов и критериев оценки проверяющий не видит. Идею подсказали запуски Claude Opus 4.8 на бенчмарке APEX-Agents, где треть ответов, в которых сходились все десять попыток, оказалась ошибочной, а при расхождении верный вариант обычно был среди попыток, но голосование большинством выбирало его лишь примерно в половине случаев. 🟡 Механика Проверка идёт в двух отдельных контекстах модели. Первый разбирает утверждения, в которых прогоны расходятся, и подбирает проверку, которая лучше всего отделит верный вариант. Второй ищет ошибки там, где все прогоны согласны, например пересчитывает итоги или сверяет валюту с метаданными источника. Затем новый контекст сводит оба журнала, выбирает базовый прогон и план правок, а нерешённые вопросы помечает отдельно. Что именно проверять, подсказывают 18 навыков, коротких инструкций со скриптами для таблиц, PDF, документов, презентаций и патчей. Навыки умеют пополняться сами из разборов ошибок на отладочных задачах. Протокол работает внутри Gemini CLI, Claude Code и Codex. 🟡Тесты На пяти бенчмарках рабочих задач APEX-Agents, SpreadsheetBench 2 и JobBench, VeriHarness с правками поднял средний результат по сравнению с одиночным прогоном с 47,2 до 53,4 балла у Gemini 3.5 Flash и с 49,6 до 56,1 у Claude Opus 4.8. Сильнее всего вырос APEX-Agents у Opus, с 35,8 до 47,5. Без правок, в режиме выбора лучшего прогона, VeriHarness обошёл все сравниваемые методы, включая LLM-as-a-Verifier, на всех бенчмарках у обеих моделей. 📌Лицензирование: Apache 2.0 🟡Страница проекта 🟡Arxiv 🖥GitHub @ai_machinelearning_big_data #AI #ML #Agents #VeriHarness #Google

⚡️ Google выпустила Nano Banana 2.1 Модель построена на базе Gemini 3.6 Flash и предназначена для генерации и редактирования изображений с возможностью вывода сопутствующего текста. Обновление принесло увеличение входного контекста до 1 млн токенов (выходной буфер составляет 4K токенов для графики и 64K для текста), что позволяет обрабатывать большие текстовые описания и серии референсных картинок в едином запросе. На бенчмарках генерации и редактирования модель обошла Nano Banana 2 и Nano Banana Pro - в режиме ризонинга рейтинг предпочтений вырос до 1050 Elo. Google удалось заметно улучшить консистентность персонажей и объектов между кадрами, редактирование по маскам и эскизам, а также фактологическую точность при отрисовке инфографики за счет базы знаний Gemini. Обновлённая модель доступна в приложении Gemini, AI Studio, API, Flow и Stitch. deepmind.google ✔️ Отрыв США от Китая в ИИ сократился до минимума По расчётам аналитиков, средний разрыв между флагманами двух стран по ключевым бенчмаркам сузился с 15% в начале года до 9% в мае и 3% после выхода DeepSeek V4.1 Flash в сентябре. Прогресс китайских лабораторий связывают с оптимизацией алгоритмов под местные ускорители и сомневаются на этом основании в действенности экспортных ограничений США на чипы Nvidia. В деньги паритет пока не превращается - из-за ценовой войны сектор, по тому же прогнозу, может оставаться убыточным до 2030 года, зарабатывать получается у единиц вроде ByteDance, а DeepSeek отдаёт модели бесплатно и продаёт токены с околонулевой маржой.  bloomberg.com ✔️ Anthropic ослабила ограничения для проверенных ИБ-команд Cyber Verification Program свела прежнюю одноимённую программу и Project Glasswing в три уровня допуска к Opus 5.5, Sonnet 5.5 и Mythos 5.1. Defense Access рассчитан на центры мониторинга, разбор инцидентов, реверс вредоносов и анализ уязвимостей. Red Team Access добавляет авторизованный пентест, Specialized Access отведён организациям, тестирующим критичные для безопасности системы в сотрудничестве с правительством США. Заявку на первый уровень рассматривают дни, на второй берут только организации и рассматривают недели. Доступ через Claude Platform, Vertex AI и Microsoft Foundry. anthropic.com ✔️ Hugging Face выпустила инструмент обучения моделей в кодинг-агентах Multi-harness RL позволяет обучать языковые модели с подкреплением непосредственно в Claude Code, Codex и OpenCode. Из коробки поддерживается 10 сред. Инструмент работает через прокси-прослойку, которая перехватывает запросы в форматах OpenAI, Anthropic или Gemini, направляет их в vLLM, логирует token ID и logprobs, а затем передает траектории в библиотеку TRL. Это превращает агентский интерфейс в RL-окружение без изменения кодовой базы самого агента. Исходный код прокси в OpenEnv, обучающие скрипты для TRL и семь готовых моделей выложены в открытый доступ. Clement Delangue в X ✔️ Трафик ИИ-сервисов больше не гарантирует выручку Венчурный фонд Andreessen Horowitz опубликовал седьмой отчет Consumer AI, впервые сопоставив посещаемость сервисов с реальными тратами пользователей на основе банковских данных. Главный вывод - популярность продукта перестала напрямую определять его финансовую успешность: 29 из 50 самых прибыльных ИИ-компаний вообще не входят в топ по веб- или мобильному трафику. При этом монетизация сектора держится на сверхпользователях - верхний 1% платящей аудитории тратит в среднем 903 доллара в месяц, обеспечивая пятую часть всей выручки рынка, тогда как медианный чек составляет 25 долларов. Аналитики также зафиксировали замедление ротации лидеров - в рейтинги пробились лишь 11 новичков, что стало историческим минимумом. Единственной заметно растущей категорией остаются персональные агенты, ориентированные на выполнение прикладных задач вместо стандартного диалога. Индустрия постепенно смещается от хайпа вокруг чат-ботов к утилитарным агентским пайплайнам с четкой бизнес-моделью. a16z.com @ai_machinelearning_big_data #news #ai #ml

✔️ TikTok добавил ИИ-ассистента для покупок и оплату в один клик Платформа расширила коммерческий арсенал сервиса TikTok Shop, запустив диалогового ИИ-помощника для шопинга и механизм оформления заказов в один клик. Нововведения должны минимизировать отток аудитории на финальных этапах воронки и сократить дистанцию между просмотром контента и покупкой. Виртуальный ассистент интегрирован в интерфейс поиска и каталога - он обрабатывает пользовательские запросы, подбирает релевантные товары с учетом персональных предпочтений и контекста роликов, а также отвечает на уточняющие вопросы о характеристиках позиций. Функция быстрой оплаты, в свою очередь, сохраняет платежные и данные для доставки, позволяя закрывать транзакцию мгновенно прямо из ленты или карточки товара в обход стандартной многоэтапной корзины. Релиз усиливает давление соцсети на традиционные маркетплейсы за счет упрощения импульсивных покупок. @ai_machinelearning_big_data #news #ai #ml

Как сократить расход токенов на веб-контекст до трёх раз Если корпоративному ИИ-ассистенту нужны свежие данные из интернета, за поиском стоит отдельная работа: загрузить страницы, очистить HTML, разбить текст на фрагменты и отобрать релевантные. Всё это нужно разрабатывать и поддерживать. В Yandex Search API появились Smart Snippets - возможность получить подходящие фрагменты найденных страниц одним вызовом API. Отправляете запрос, получаете контекст с цитатами и ссылками на источники. Каждый фрагмент занимает около 500 токенов. В модель отправляются нужные выдержки вместо страниц целиком. По данным команды продукта, это позволяет сократить расход токенов на веб-контекст до трёх раз при том же качестве ответа. Итоговый ответ по-прежнему формирует ваша модель. Smart Snippets подготавливают для неё материал из веба, например, для проверки актуальных условий, поиска документации или сбора данных о рынке. Для команд, которые строят ИИ-агентов и корпоративных ассистентов, это меньше компонентов в поисковом пайплайне и ниже затраты на обработку веб-контекста. Свяжитесь с экспертом, чтобы протестировать – по ссылке.

📌 OpenAI выложила 722 математические работы своей внутренней модели Все статьи написала внутренняя модель компании, название которой не раскрывают. На GitHub они разбиты на 372 семейства, от теории чисел и теоретической информатики до геометрии и математической физики. Среди заявленных результатов есть доказательство рациональной гипотезы Ходжа для абелевых многообразий с комплексным умножением, гипотезы Капланского о прямой конечности в характеристике два и новая оценка показателя иррациональности числа π. Рецензию работы не проходили, и независимо их пока никто не проверял. Около 4000 задач модель получила во время внутренней оценки. Её расширили, когда прежние математические тесты перестали отличать модели друг от друга. В среднем на один результат уходило столько вычислений, сколько примерно за три часа тратит ChatGPT Pro в режиме рассуждений. Для 162 работ выложены доказательства на Lean. Каталог этих формализаций сама OpenAI считает как частичный и непроверенный. К десяти результатам приложены сокращённые записи рассуждений модели. О том, как публиковать такие результаты, OpenAI советовалась с независимой Консультативной группой по математике и ИИ при Институте перспективных исследований в Принстоне. Компания также обещает финансировать математические семинары и конференции в будущем. @ai_machinelearning_big_data #news #ai #ml

🌟 Xiaomi открыла модель для табличных данных Xiaomi-TabLDM решает задачи классификации и регрессии на таблицах и её не нужно обучать под конкретную задачу. Модель берёт размеченные строки датасета как контекст и за один проход предсказывает значения для новых строк. Классификатор и регрессор выпущены отдельными чекпоинтами. У классификатора 70 млн параметров, из них активны 61 млн, у регрессора – 71 и 62 млн. При предсказании модель объединяет результаты нескольких прогонов с перемешанными признаками и разной предобработкой, по умолчанию восьми. Напрямую модель различает до 10 классов, а метки задач с большим числом классов перекодирует в несколько разрядов, каждый не больше чем на 10 значений. Для повторных запросов к тем же данным есть KV-кэш, для крупных таблиц – выгрузка на CPU и диск. Xiaomi рассчитывали на таблицы от сотен до десятков тысяч строк и от нескольких до сотни с лишним столбцов. Время инференса растёт квадратично и с числом строк, и с числом столбцов. 🟡Архитектура Трёхступенчатый трансформер. Сначала столбцы группируются тройками по двум схемам циклических сдвигов, и каждый кодируется Set Transformer через 128 индуцирующих точек вместо внимания по всем строкам. Затем четыре CLS-токена собирают эмбеддинги столбцов в вектор строки. Последняя ступень – 24 блока обучения в контексте, где тестовые строки смотрят только на обучающие. На второй и третьей ступенях вместо обычных остаточных связей работает слой с обучаемыми весами, который выбирает, какие ранние представления брать. В последних 8 блоках полносвязный слой заменён смесью экспертов - из двух маршрутизируемых активен один, плюс общий эксперт. 🟡Тесты На регрессионной части TabArena из 13 сетов модель набрала 1900 очков Elo и заняла второе место после TabFM с 2019 очками. Следом идут EXAONE-Tabular с 1885 и TabPFN-3 с 1800. На полном TabArena из 51 датасета модель четвёртая с 1659 очками, почти вровень с AutoGluon 1.5 (1662) и TabPFN-3 (1650). Этап fit у неё на 82% быстрее, чем у TabFM, предсказание – на 68%. 📌Лицензирование: Apache 2.0 License 🟡Веса 🟡Arxiv 🖥GitHub @ai_machinelearning_big_data #AI #ML #TLDM #Classification #TabLDM #Xiaomi