Борис опять

Война никогда не меняется

Claude Fable действительно поражает. Теперь любой простой софт создается всего за один промпт и месяцы последующих доработок

Полгода работы прошли не зря! У нас (Keenable) публичный запуск. Новый сайт: https://keenable.ai/ Новый бенч: https://keenableai.github.io/needle/ Твит: https://x.com/styskin/status/2092265673041084505 Пост про бенч будет на неделе. Ещё будет одна прикольная штука, которая называется Web Query Language.

https://mcp.vkusvill.ru/mcp

#дайджест Дайджест AI/ML за неделю 17–23 августа 2026 DeepSeek: V4 Flash Vision Exp DeepSeek приделала зрение к V4 Flash. Текстовые способности обещают на уровне обычного V4 Flash. На визуальных бенчах заявляют уровень около Opus 4.8. Контекст 1М, максимальный выход 384К. В непиковые часы стоит $0.22/$0.66 и $0.007 за кэш. В прайм-тайм все цены удваиваются. Пока доступна только через API, отдельных весов для визуального чекпойнта нет. Обновление, Цены Cerebras: CS-4 Cerebras представила четвертое поколение своей вафельницы. Обещают до 30× более быстрый инференс относительно GPU-систем, И 1000+ ток/с для 10T моделей Блогпост Stealth: Ox Alpha На OpenRouter появилась кодинг-модель Ox Alpha. Сообщество подозревает Z.ai и новую GLM, но пока это гадание по внутренностям ответов. Модель временно бесплатная с какими-то огромными лимитами, так что подключайте бесплатную около-фронтир модель уже сегодня. OpenRouter, OpenCode Go OpenAI: frontier-RL поставили на паузу После взлома Hugging Face и первых результатов Astra по кибербезопасности OpenAI на две недели остановила RL-обучение последних моделей. Самый большой запланированный frontier-run до сих пор не возобновили. Для моделей уровня Sol и выше добавили постоянный мониторинг, который съедает около 20% вычислений. Блогпост Harvard: Explorative Modeling Шок! Британские учёные открыли новое измерение масштабирования обученияпродолжение по ссылке... Black Forest Labs: FLUX Video Upscale Апскейлер для видео на базе FLUX 3. Увеличивает разрешение в 1.5–3 раза вплоть до 4K, принимает исходники от 480p, до 20 сек и сохраняет оригинальный звук. В точном режиме модель старается оставить все как было, только добавляя резкость. В creative mode она заново придумывает мелкие детали вроде мелких лиц. Апскейлер оптимизирован под FLUX 3 и уже используется в FLUX 3 Video для получения 1080p. Доступен через API Страница модели Cohere: North Micro Vision Открытая мультимодальная модель на 2.4B параметров: 2B  на языковую часть и 400M на визуальный энкодер. Принимает несколько изображений вперемешку с текстом. Модель заточена под документы и графики. Обходит Qwen3-VL-2B, но отстает от Qwen3.5-2B. Мультимодальную часть обучали и проверяли только до 8К контекста. Reasoning и инструменты тоже не завезли. Блогпост, Веса Alibaba: HappyShrimp 1.0 Продолжение волны выходов новых генераторов музыки, после того как копирайт задушил Suno. Обещают китайскую музыку (Удар!), поп, R&B, хип-хоп, рок, фанк, электронику, классику и джаз. И главная китайская специфика: Для продвижения Alibaba договорилась с TAIHE Music Group и собирается использовать модель в совместных проектах с артистами, а не умирать от судебных тяжб (Удар!х2) Пока это закрытая бета. Блогпост, Демо Менее значительные релизы: OpenAI: GPT-5.6 Sol подешевел - вход теперь стоит $4 за миллион токенов, кэш $0.40, выход $20. Скидка больше 20% действует как минимум до 21 ноября. Обновление, Тарифы LMArena: luna-lisa-alpha - в арене тестируют новый чекпойнт GPT Image. LMArena Mistral: OCR 4.1 - обновление добавило confidence score для отдельных блоков распознанного документа. Стоит $4 за тысячу обычных или $5 за тысячу аннотированных страниц. Документация Topaz Labs: Hyperion 2.5 Конвертор SDR-видео в HDR. Превращает 8-битные ролики в 10-битный ProRes с большим диапазоном яркости и цвета Модель

я ненавижу скафолды от модельных лаб. Опуская вопрос что они убогие, так они еще и закрытые, так еще и едят кредиты как фантики(ладно очевидно это фича). В связи с преждевременной кончиной лимитов я решил померить сколько каждый из скафолдов кушает на разных моделях: - Sol 5.6 medium - Kimi k3 high Собственно идея такая: есть задачка написать 3 body проблем для GPU и покрутить на gpu численную симуляцию, все модели справились НО pi agent стоит в 4! раза дешевле чем все соседи смотреть pr cмотреть логи

5 сентября Яндекс проводит deep tech night — конференцию о технологических вызовах в эпоху AI. Формат — онлайн, будет трансляция для зарегистрированных участников. Эксперты на реальных кейсах разберут подходы к решению задач, возникающих при разработке сложных систем машинного обучения и развитии инфраструктуры для ИИ. Из того, что зацепило в программе (это лишь часть докладов): — Мо Гавдат, ex-Chief Business Officer Google X — что будет после первого поколения AI-систем и куда эволюционируют инженерные команды. — Алексей Гусаков (CTO Бизнес-группы Поисковых сервисов и ИИ) — про переход от классического ML к генеративным моделям в рекомендательных системах. — Андрей Попов (управление машинного интеллекта) — показатели по AI и продуктивности в Яндексе: что реально заработало. Тут особенно интересно послушать, как они сравнивают ожидания от AI с тем, что происходит на практике: какие решения уже работают внутри и насколько они реально влияют на продуктивность. Тема прям актуальна (если вы слышали об их новой программе 75/75/75). В онлайне будет доступна трансляция части докладов и Q&A сессии с экспертами, а после конфы уже выложат записи всех докладов. По офлайну — все подробности на сайте.

Вообще забавно, что бенчмарки теперь бывают двух видов: 1. Научная статья, датасет и протокол для сравнения методов. Пир ревью, методология и всё такое. 2. Мы прикольно запромптили модели больших лаб и что-то получилось, вот блог-пост. Второй тип мне по вайбу напоминает социальные науки в 70-х. Например, как знаменитый Стенфордский эксперимент: мы сделали одних людей надзирателями, вторых заключенными, и ВЫ НЕ ПОВЕРИТЕ ЧТО БЫЛО ДАЛЬШЕ. Опускается, что автор эксперимента показывал надзирателям как лучше бить заключенных дубинкой для большей драматичности. Или множество исследований типа "мы задали три вопроса пяти студентам в коридоре нашего универа и вот что мы узнали про психику людей..." В общем всё то, что привело к кризису репликации. И позволило многим сделать целые карьеры занимаясь какой-то веселой херней. Короче это совсем не про науку, от бенчмарков там одно название и в целом никому не нужно

Finally, based on the "Don't build the Torment Nexus", the Torment Nexus AI Benchmark

Твой daily reminder, что настраивать скиллы и создавать агентский сетап из маркдаун лапши не является работой