
Обзор последних новостей в области искусственного интеллекта: релизы моделей, новые архитектуры и платформы. ➡️➡️➡️
Zyphra представила модель ZAYA1-8B типа Mixture of Experts на AMD аппаратном обеспечении Компания Zyphra AI выпустила языковую модель ZAYA1-8B с архитектурой Mixture of Experts, имеющую 760 миллионов активных параметров и 8,4 миллиарда общего числа параметров. Модель обучена исключительно на аппаратном обеспечении AMD Instinct MI300 и демонстрирует конкурентоспособные результаты на бенчмарках по математике и коду по сравнению с значительно более крупными моделями. ZAYA1-8B распространяется под лицензией Apache 2.0 на платформе Hugging Face и доступна в качестве serverless эндпоинта в облаке Zyphra Cloud. Источник: Страница модели на Hugging Face ➡️➡️➡️
Google добавляет event-driven вебхуки в Gemini API, убивая необходимость постоянного опроса Google представил событие-ориентированные вебхуки для Gemini API — систему push-уведомлений, которая избавляет разработчиков от необходимости постоянно опрашивать API о статусе длительных операций. Это решение направлено на одну из главных болей в agentic и высоконагруженных ИИ-воркфлоуах, где задачи типа Deep Research или генерации длинных видео могут занимать часы. Вебхуки работают в двух режимах: статических (на уровне проекта для глобальных интеграций вроде Slack или синхронизации БД) и динамических (на уровне конкретного запроса для маршрутизации задач в отдельные эндпоинты). Безопасность реализована через стандарт вебхуков: статические используют HMAC с симметричным ключом (один раз… ➡️➡️➡️
Digest of AI News Как построить production-grade ML пайплайн с ZenML: кастомные материализаторы и гиперпараметрический поиск Тutorial демонстрирует создание end-to-end машинного обучения пайплайна с использованием фреймворка ZenML. Показан процесс создания кастомного материализатора для доменно-специфичного объекта DatasetBundle, что позволяет бесшовно сериализовывать и извлекать метаданные. Пайплайн включает разделение данных, масштабирование, обучение нескольких моделей кандидата (Random Forest, Gradient Boosting, Logistic Regression) с логированием метаданных на каждом этапе, followed by fan-in шаг выбора лучшей модели на основе ROC AUC метрики. Автор подчеркивает преимущества подхода: полная воспроизводимость благодаря кэшированию, прозрачность через логирование артефактов и метрик, эффективность за счет повторного использования кэшированных компонентов. Демонстрация проводится на… ➡️➡️➡️
Zyphra представляет Tensor и Sequence Parallelism (TSP): аппаратно-осознанная стратегия обучения и вывода Zyphra представила новую технику параллелизма TSP, которая объединяет тензорное и последовательное параллелизм на одной оси устройственного mesh, уменьшая как память весов, так и память активаций на одинаковый коэффициент 1/D. Тестирование на до 1024 GPU AMD MI300X показало 2.6x увеличение пропускной способности по сравнению с традиционными TP+SP подходами при длине контекста 128K токенов. Основное преимущество проявляется в длинно-контекстных сценариях, где память становится bottleneck-ом. Официальная публикация Zyphra о TSP ZenML: руководство по созданию production-grade ML пайплайна с кастомными материалайзерами и отслеживанием метаданных Статья демонстрирует создание комплексного ML пайплайна с использованием… ➡️➡️➡️
Топ API для поиска и извлечения данных для создания ИИ-агентов в 2026 году В 2026 году экосистема поисковых и извлекательных API для ИИ-агентов значительно созрела, предложив специализированные инструменты, заменяющие старый подход с оберткой вокруг сырых данных Google SERP. Лидеры рынка включают TinyFish с агентно-ориентированным дизайном и низким потреблением токенов, Tavily с глубокой интеграцией в LangChain и LlamaIndex, Exa с нейронными эмбеддингами для семантического поиска, Firecrawl с открытым исходным кодом под AGPL-3.0, Jina Reader для простого преобразования URL в markdown, Serper для эффективного получения Google SERP данных и Brave Search API для конфиденциальных развертываний с независимым индексом. TinyFish — платформа с… ➡️➡️➡️
Новое исследование NVIDIA показывает ускорение генерации rollout в NeMo RL на 1.8× при 8B и прогнозируемый 2.5× при 235B благодаря спеkulative декодированию Команда исследователей NVIDIA интегрировала спеkulative декодирование непосредственно в цикл обучения с подкреплением NeMo RL, достигнув потери ускорения генерации rollout в 1.8 раза для моделей масштаба 8B и прогнозируемого 2.5-кратного ускорения end-to-end для моделей 235B, при этом сохраняя точное выходное распределение модели. Метод реализован в NeMo RL v0.6.0 с бэкендом vLLM и поддерживается вместе с SGLang, оптимизатором Muon и обучением YaRN для длинного контекста. Исследовательская статья на arXiv: Speculative Decoding in NeMo RL Туториал по декодированию лингвистических признаков из… ➡️➡️➡️
Даже в потоке новостей бывают прорывы: Moonshot открывает FlashKDA, Microsoft учит World-R1 3D-согласованности, IBM выпускает Granite Speech 4.1 2B. ➡️➡️➡️
Digest Mistral AI запускает удалённые агенты в Vibe и выпускает Mistral Medium 3.5 с результатом 77,6% на SWE-Bench Mistral AI анонсировала удалённых агентов для своей платформы Vibe, позволяющих выполнять кодовые задачи в облаке, а также представила новую флагманскую модель Mistral Medium 3.5 — плотную 128-миллиардную модель с 256k контекстным окном, multimodal возможностями и настраиваемым уровнем усилий рассуждений. Модель доступна с открытыми весами на Hugging Face и демонстрирует сильные результаты на тестах SWE-Bench Verified и τ³-Telecom. Официальный анонс Mistral AI Создание мультиагентного ИИ-воркфлоу для моделирования биологических систем В этом туториале демонстрируется построение единой пайплайна для моделирования ген регуляторных сетей, предсказания белково-белковых… ➡️➡️➡️
Введение в Kosong от Moonshot AI В мире, где технологии развиваются с невероятной скоростью, разработчики сталкиваются с множеством вызовов при интеграции различных инструментов и моделей. Как же упростить этот процесс? Ответ кроется в Kosong — новом абстрактном слое LLM от Moonshot AI, который служит основой для Kimi CLI. Эта библиотека предлагает элегантное решение для программирования современных агентных приложений, избавляя разработчиков от рутины постоянных обновлений и переписывания кода. Как работает Kosong? Kosong — это библиотека на Python, предназначенная для упрощения интеграции различных LLM и инструментов в единую архитектуру. Она объединяет структуры сообщений, управляет асинхронной оркестрацией инструментов и позволяет подключать разные чаты,… ➡️➡️➡️
Gelato-30B-A3B: Современная модель привязки для задач GUI В мире автоматизации бизнеса искусственный интеллект открывает новые горизонты, и одна из самых многообещающих разработок — это модель Gelato-30B-A3B. Эта передовая модель привязки, разработанная исследователями из ML Foundations, существенно превосходит свои предшественники, такие как GTA1-32B, в способности находить и кликать на определенные элементы интерфейса на экране, основываясь на естественных языковых инструкциях. Зачем это нужно? Представьте, что ваша команда разработчиков или менеджеров по продукту сталкивается с задачей автоматизации взаимодействия с графическими интерфейсами. Традиционные модели часто не обеспечивают необходимую точность и удобство. Здесь на сцену выходит Gelato-30B-A3B, обещая повысить эффективность и снизить затраты времени на… ➡️➡️➡️
Meet Kosmos: ИИ-ученый, который автоматизирует исследование на основе данных В современном мире, где объемы данных растут с каждым днем, автоматизация процессов исследований становится не просто желательной, а необходимой. Meet Kosmos — это революционная система, разработанная Edison Scientific, которая использует искусственный интеллект для проведения обширных исследовательских кампаний с одной целью. Но как именно Kosmos может помочь вам в вашей работе? Давайте разберемся. Как работает Kosmos? Kosmos — это автономная система, способная выполнять итеративные циклы анализа данных, поиска литературы и генерации гипотез. Она принимает набор данных и открытые цели на естественном языке, а затем синтезирует результаты в полностью цитируемый научный отчет. Каждый… ➡️➡️➡️
Введение в нейронные агенты памяти В современном мире, где данные и технологии развиваются с неимоверной скоростью, способность машинного обучения адаптироваться к динамическим условиям становится критически важной. Как же создать систему, которая не только учится, но и запоминает, не теряя при этом ранее усвоенные знания? Ответом на этот вопрос служит реализация нейронных агентов памяти с дифференцируемой памятью, мета-обучением и воспроизведением опыта. В этой статье мы рассмотрим, как эти технологии могут быть применены на практике для решения реальных задач бизнеса. Что такое нейронные агенты памяти? Нейронные агенты памяти — это модели, которые способны хранить и извлекать информацию, подобно человеческой памяти. Они используют… ➡️➡️➡️
AI Interview Series #1: Объяснение стратегий генерации текста в LLM В современном мире автоматизации бизнеса использование ИИ становится неотъемлемой частью стратегии компаний, стремящихся к повышению эффективности и креативности. В этой статье мы поговорим о стратегиях генерации текста, используемых в крупных языковых моделях (LLM), и о том, как их применение может принести реальную пользу вашему бизнесу. Понимание стратегий генерации текста Когда вы обращаетесь к LLM с запросом, модель не генерирует ответ сразу — она строит его поэтапно, предсказывая, какой следующий токен (слово или символ) будет наиболее вероятным. При этом важно не только знать вероятности, но и иметь стратегию выбора следующего токена.… ➡️➡️➡️
StepFun AI представляет Step-Audio-EditX: открытая модель аудио редактирования нового поколения В мире аудиообработки сегодня возникает множество вызовов, и StepFun AI решает их с помощью своей новейшей разработки — Step-Audio-EditX. Это мощная открытая модель аудио редактирования на базе 3B параметров, которая предоставляет возможность выразительного и итеративного редактирования аудио на уровне токенов. Вам интересно, как это может изменить вашу работу? Давайте разберемся вместе. Трансформация редактирования звука С Step-Audio-EditX редактирование аудио становится интуитивно понятным, как редактирование текста. Модель позволяет пользователям не просто изменять звук, а управлять эмоциями, стилем и даже паралингвистическими элементами. Никаких сложных архитектур и запутанных настроек — всё просто и доступно.… ➡️➡️➡️
Введение в Nested Learning В мире машинного обучения и искусственного интеллекта постоянно возникают новые подходы, которые обещают улучшить производительность моделей и решить проблемы, с которыми сталкиваются исследователи и инженеры. Одним из таких подходов является Nested Learning — инновационная методология, которая рассматривает модели как набор вложенных оптимизационных задач. Эта концепция не только помогает преодолеть проблему катастрофического забывания, но и улучшает обработку длинных контекстов. Но как именно Nested Learning может изменить правила игры для бизнеса и технологий? Что такое Nested Learning? Nested Learning — это новый подход, предложенный исследователями Google, который рассматривает модель как совокупность меньших вложенных оптимизационных задач. Вместо того чтобы… ➡️➡️➡️
Prior Labs Releases TabPFN-2.5: Unlocking Scale and Speed for Tabular Foundation Models Введение в TabPFN-2.5 Современные бизнесы сталкиваются с огромными объемами табличных данных, которые требуют эффективных решений для их анализа и обработки. Prior Labs представила новую версию TabPFN-2.5, которая открывает новые горизонты в масштабировании и скорости работы с табличными моделями. Эта статья поможет вам понять, как TabPFN-2.5 может улучшить вашу работу с данными и повысить эффективность бизнес-процессов. Что нового в TabPFN-2.5? TabPFN-2.5 — это значительный шаг вперед по сравнению с предыдущими версиями. Он поддерживает обработку до 50,000 образцов и 2,000 признаков, что в 20 раз больше, чем в предыдущих версиях.… ➡️➡️➡️
Возможности нового подхода Anthropic: «Code Execution With MCP» С каждым годом автоматизация бизнес-процессов становится все более актуальной. В условиях растущей конкуренции компании стремятся оптимизировать свои операции и уменьшить затраты. В этом контексте подход Anthropic, который трансформирует MCP-агентов в системы с использованием кода, открывает новые горизонты для бизнеса. Проблематика традиционных методов Современные системы на базе Model Context Protocol (MCP) сталкиваются с рядом проблем. Основная из них — это необходимость загружать множество определений инструментов в контекст модели, что приводит к неэффективности. Например, когда агент извлекает длинный транскрипт встречи из Google Drive и обновляет запись в Salesforce, он обрабатывает весь текст, потребляя при… ➡️➡️➡️
Введение в создание многопользовательских веб-приложений В современном мире автоматизации и цифровизации построение веб-приложений стало неотъемлемой частью бизнес-процессов. Рассмотрим, как создать продвинутое многопользовательское веб-приложение на базе Reflex с использованием базы данных в реальном времени, динамического управления состоянием и реактивного пользовательского интерфейса. В этой статье вы получите практические рекомендации и полезные примеры, которые помогут вам в разработке. Понимание архитектуры Reflex Reflex — это динамическая библиотека, позволяющая разрабатывать полностековые веб-приложения на Python, избегая необходимости использования JavaScript. Это значит, что вы можете писать как серверный, так и клиентский код на одном языке, что значительно упрощает процесс разработки. Структура приложения включает в себя возможность работы… ➡️➡️➡️
Введение в мир ADK Go от Google AI С каждым днем возможности искусственного интеллекта становятся все более доступными для разработчиков. Недавно Google представил Agent Development Kit (ADK) Go — новый открытый инструмент, который позволит разработчикам на Go создавать мощные AI-агенты. Но что это значит для вас, как для разработчика? Каковы практические применения этого инструмента в реальной жизни? Давайте разберемся. Что такое ADK Go? ADK Go — это набор инструментов, который помогает разработчикам интегрировать AI-агентов в свои приложения на Go. С помощью этого набора вы можете легко создавать, тестировать и развертывать AI-агентов, используя знакомые инструменты и языки. Это означает, что вам… ➡️➡️➡️