Лучшие ИИ

Gemini‑SQL2 Gemini‑SQL2 — это возможность преобразования естественного языка в готовые к выполнению SQL‑запросы, построенная на модели Gemini 3.1 Pro. Google позиционирует её не как отдельную фундаментальную модель, а как улучшенный механизм «text‑to‑SQL». Бенчмарки Оценка проводилась по BIRD (BIg Bench for Large‑scale Database Grounded Text‑to‑SQL Evaluation) — набору из 12 751 пары «вопрос‑SQL» из 95 баз данных и 37 профессиональных доменов. В отличие от старых наборов (например, Spider), BIRD содержит «грязные» данные и требует внешних знаний. Метрика измеряет execution accuracy (EX): сгенерированный запрос должен выполниться и вернуть те же результаты, что и эталонный. Gemini‑SQL2 достиг 80.04 % EX в категории Single Model, обойдя предыдущую версию… ➡️➡️➡️

Что такое Kimi Work и зачем он нужен? Kimi Work — это приложение‑агент от Moonshot AI, которое работает прямо на вашем компьютере (macOS или Windows). Вы задаёте цель обычным языком, а агент, построенный на модели K2.6, исполняет её, читая локальные файлы, управляя вашим реальным браузером и запуская запланированные задачи. Ключевые компоненты Kimi Work Agent Swarm — до 300 суб‑агентов, работающих параллельно и координирующих выполнения шагов. WebBridge — расширение браузера, позволяющее агенту действовать в вашем реальном сеансе (использует ваши логины, куки). Cron‑диспетчер — встроенный планировщик задач с поддержкой привычных cron‑выражений. Работа с локальными файлами и кодом — агент читает любые смонтированные папки и может исполнять Python‑скрипты, не меняя файлы без вашего… ➡️➡️➡️

Что такое Zamba2‑VL Zamba2‑VL — семейство открытых моделей vision‑language, построенных на гибридном ядре SSM‑Transformer (Mamba2 + Transformer). Выпущены три версии: 1.2 B, 2.7 B и 7 B параметров. Архитектура соответствует популярному шаблону LLaVA: визуальный энкодер (Vision Transformer из Qwen2.5‑VL) → лёгкий MLP‑адаптер → языковая модель, умеющая обрабатывать перемежающиеся токены изображения и текста. Поддерживается как одно‑, так и мульти‑изображение, а также «grounding» (указание на объекты в картинке). Архитектура В основе — гибрид Mamba2‑state‑space‑слоёв и небольшого количества общих трансформер‑блоков. Mamba2 обеспечивает линейную сложность O(n) при фиксированном размере состояния, а трансформер‑блоки сохраняют способность к контекстному поиску. Каждый блок снабжён уникальным LoRA‑адаптером. В качестве токенизатора используется Mistral v0.1, модель предобучена на 100 B токенов… ➡️➡️➡️

Что такое Grok Build Plugin Marketplace? Это встроенный каталог плагинов для терминального кодинг‑агента Grok Build от xAI. Плагин – это готовый набор skills, слеш‑команд, под‑агентов, хуков, MCP‑ и LSP‑серверов, упакованный в одну директорию. С помощью Marketplace вы можете находить, устанавливать и обновлять такие наборы, не покидая терминал. Структура плагина Каждый плагин состоит из фиксированных компонентов, расположенных в предопределённых папках: Skills – skills/ (файл SKILL.md описывает возможности) Commands – commands/ (слеш‑команды) Agents – agents/ (описания под‑агентов) Hooks – hooks/hooks.json (жизненный цикл) MCP servers – .mcp.json LSP servers – .lsp.json Опциональный файл plugin.json добавляет метаданные и позволяет переопределять пути к компонентам. Как… ➡️➡️➡️

Deep Research в Perplexity Computer Perplexity перенесла режим Deep Research в свою новую мульти‑модельную оркестровочную платформу — Computer. Обновление повышает точность, глубину анализа и качество цитирования. Теперь система разбивает сложные запросы на подзадачи и распределяет их между более чем 20 передовыми моделями, а результатом становятся готовые к использованию отчёты, презентации и дашборды. Как работает Deep Research в Computer Режим состоит из двух ключевых компонентов: Agent Search SDK и Search as Code. По одному сложному вопросу автоматически формируется исследовательский план, после чего система ищет первоисточники на сотнях сайтов и приводит ссылки на каждый пункт вывода. Search as Code: что это? Модель генерирует код,… ➡️➡️➡️

North Mini Code – новый кодинг‑модель от Cohere AI На этой неделе команда Cohere AI выпустила свою первую модель, предназначенную напрямую для разработчиков – North Mini Code. Это открытая модель с 30 млрд параметров, из которых активируется лишь 3 млрд на каждый токен. Архитектура построена по принципу mixture‑of‑experts (MoE), что позволяет удерживать вычислительные затраты на низком уровне. Почему это важно для разработчиков Модель позиционируется как решение для «sovereign» AI: вы можете запускать её на собственных серверах без необходимости держать огромные GPU‑кластеры. Это особенно актуально для небольших команд, которым нужны мощные инструменты кодогенерации, но при этом ограничены в бюджете. Ключевые характеристики Размер: 30 B… ➡️➡️➡️

Что такое Profile Builder и зачем он нужен? Profile Builder – это конфигурационный генератор для Hermes Agent, позволяющий быстро собрать нужный набор параметров без ручного правки YAML‑файлов. По сути, это небольшая веб‑формочка, где выбираете провайдера, включаете‑выключаете инструменты и задаете серверы MCP. Всё это «вываливается» в готовый файл ~/.hermes/profiles/researcher/config.yaml, который потом подхватывается агентом. Ключевые боли, которые решает Profile Builder Сложность настройки. Без Builder вам придётся писать YAML “в лоб”, угадывая имена параметров и их типы. Ошибки в синтаксисе. Одна лишняя табуляция — и агент откажется стартовать. Переключение между провайдерами. Нужно сменить OpenRouter на NVIDIA? В Builder это просто выпадающий список. Управление инструментами. Включение/выключение наборов… ➡️➡️➡️

Что делает этот скрипт? Приведённый кусок кода – типичный «рабочий» пайплайн для обучения модели в экспериментах с рефлексивным обучением (rollout‑>reflect‑>aggregate‑>select‑>update‑>gate). Он собирает параметры из словаря RUN_KNOBS, запускает обучение через CLI, а затем строит простую визуализацию метрик. Ключевые шаги и «подводные камни» Запуск через CLI – run_cli([…]) сразу передаёт все аргументы скрипту train.py. Частая ошибка – забыть про кавычки вокруг путей с пробелами; в таком случае скрипт откажется стартовать. Параметры обучения – большинство из них берутся из k = RUN_KNOBS. Убедитесь, что в словаре присутствуют все нужные ключи: num_epochs, batch_size, minibatch и т.д. Отсутствие хотя бы одного из них приведёт к… ➡️➡️➡️

Что такое DiffusionGemma DiffusionGemma — это экспериментальная открытая модель генерации текста от Google AI (включая DeepMind). Вместо привычного автогенеративного (autoregressive) декодирования она использует текстовую диффузию, генерируя сразу блоки текста параллельно. Модель распространяется по лицензии Apache 2.0, что даёт полную свободу для разработчиков и исследователей. Как работает текстовая диффузия Модель начинает с «полотна» из случайных токен‑заполнителей. Несколько проходов «очищают» полотно: уверенные токены фиксируются, остальные пере‑генерируются. В результате происходит сходимость к финальному тексту. В отличие от автогенеративных моделей, где каждый токен фиксируется сразу и может лишь смотреть назад, DiffusionGemma использует двунаправленное внимание, позволяя поправлять уже сгенерированные токены в любом месте текста. Архитектура 26‑млрд параметров MoE… ➡️➡️➡️

Claude Fable 5 and Claude Mythos 5 Anthropic released two models on June 9 2026: Claude Fable 5 and Claude Mythos 5. Both belong to the “Mythos‑class” tier, which sits above the Opus class in capability. Fable 5 is marketed as the safe‑for‑general‑use version, while Mythos 5 is the same model with some safeguards lifted and is kept in a limited release. The capability case Anthropic reports that Fable 5 is state‑of‑the‑art on almost all tested benchmarks. Highlights include: Software engineering: In early access, Stripe used Fable 5 to perform a code‑base‑wide migration in a 50‑million‑line Ruby project in one day – a task that would normally take a team several months.… ➡️➡️➡️

Как AI меняет процесс разработки в 2026 году Когда‑то мы писали код «ручкой», а сейчас – описываем намерения и позволяяем агентам делать работу. Современные инструменты планируют задачи, правят несколько файлов, запускают тесты, открывают pull‑request и даже выкатывают продукт в продакшн с минимальным надзором. Почему один инструмент не спасёт всех Кратко: каждый сервис решает свою часть пути от идеи до готового продукта. Выбирайте по задаче, а не по шуму в маркетинге. Обзор платформ AI‑ассистированного развития Atoms – команда AI‑агентов «под ключ» Представьте продукт‑менеджера, архитектора, full‑stack инженера, SEO‑специалиста, аналитика и рекламщика, работающих одновременно. Описываете идею простым языком, а Atoms генерирует готовое приложение с аутентификацией, базой… ➡️➡️➡️

Почему визуализация репозитория важна? Когда в каталоге скопилось несколько десятков тысяч файлов, трудно представить «внутреннее устройство» проекта. Простой график сразу показывает, какие языки доминируют, какие типы файлов встречаются чаще всего и насколько глубоко зарыты файлы в иерархии каталогов. Это помогает быстро выявить аномалии, оптимизировать структуру проекта и принять обоснованные решения о дальнейшем развитии. Что будем строить? С помощью matplotlib и pandas подготовим четыре визуализации, размещённые в сетке 2×2: Топ‑12 языков программирования по количеству файлов. Топ‑12 расширений файлов. Гистограмма глубины вложенности каталогов. Топ‑10 репозиториев, откуда импортированы файлы. Подготовка данных Предположим, у вас уже есть DataFrame df с колонками: lang – язык… ➡️➡️➡️

Gemini 3.5 Live Translate — что это и зачем? Google представила Gemini 3.5 Live Translate — модель, переводящую речь в реальном времени. В отличие от традиционных “turn‑by‑turn” систем, она непрерывно преобразует входящий аудиопоток в перевод, задерживая его лишь на несколько секунд. Поддерживается более 70 языков, сохраняется интонация, темп и высота голоса. Как работает непрерывный поток? Модель обрабатывает звук по мере поступления, без ожидания окончания фразы. Это позволяет: Сохранять синхронность с говорящим; Уменьшать паузы, которые обычно требуются для анализа контекста; Обеспечивать работу в шумных условиях благодаря устойчивости к фоновому шуму. Подключение через Live API Для разработчиков доступен gemini-3.5-live-translate-preview. Конфигурация задаётся в блоке translationConfig внутри generationConfig: targetLanguageCode — BCP‑47 код языка… ➡️➡️➡️

Что измеряет исследование Исследование охватывает 90‑дневный период с 27 февраля по 27 мая 2026 года. Продукт Computer был запущен за два дня до начала окна. Методика сравнивает почти идентичные запросы в двух сервисах Perplexity: Search (разговорный ответный движок) и Computer (агент, планирующий и исполняющий задачи полностью). Были найдены 10 000 пар с косинусным сходством > 0,99, то есть фактически один и тот же запрос, выполненный двумя способами. Структура затрат Исследователи используют простую модель задачи: каждый шаг имеет небольшую ценность, а более длинные задачи – большую. Агент берет на себя более высокий фиксированный расход (делегирование, проверка), но снижает переменный расход на каждый шаг, потому что система исполняет… ➡️➡️➡️

Что такое cuTile и почему это важно? Если вы работаете с CUDA уже не первый год, то, скорее всего, слышали про cuTile – библиотеку, позволяющую писать «тайл‑ориентированные» ядра без повторного изобретения колеса. Принцип прост: разбиваем массивы или матрицы на небольшие плитки, обрабатываем их в рамках одного блока и тем самым экономим глобальную память и повышаем пропускную способность. Типичные проблемы при использовании тайлинга Неправильный размер тайла. Слишком маленький – вы теряете выгоду от совместного использования памяти, слишком большой – выходите за пределы регистров. Неудобный API. Стандартные примеры часто полны «магических» цифр и скрытых зависимостей. Отсутствие fallback‑механизма. Если CUDA недоступна, ваш скрипт… ➡️➡️➡️

Что такое Kimi Code CLI Kimi Code CLI – это открытый AI‑агент для разработки и работы в терминале. Он умеет читать и изменять код, выполнять shell‑команды, искать файлы, получать веб‑страницы и, опираясь на обратную связь, выбирать следующий шаг. Программа распространяется под лицензией MIT и размещена на GitHub. Ключевые возможности Один бинарный файл – установка одной командой, без необходимости предварительно ставить Node.js. Мгновенный старт – TUI появляется за миллисекунды. Поддержка суб‑агентов – встроенные coder, explore и plan работают в изолированных контекстах. Конфигурация MCP через чат – /mcp-config добавляет и аутентифицирует серверы Model Context Protocol без редактирования JSON. Видео‑ввод – можно бросить в чат запись экрана и агент её проанализирует. Хуки жизненного… ➡️➡️➡️

Что такое MiMo‑V2.5‑Pro‑UltraSpeed UltraSpeed — режим ускоренного обслуживания для модели MiMo‑V2.5‑Pro. Базовая модель построена на архитектуре Mixture‑of‑Experts (MoE) с триллионом параметров. UltraSpeed не повышает «ум» модели, а делает её более быстрой в генерации токенов. Достижение скорости более 1000 TPS (токенов в секунду) реализовано за счёт трёх согласованных техник и полностью работает на обычном 8‑GPU узле. Трёхслойный ускоряющий стек Скорость достигается за счёт одновременного применения: FP4‑квантования – уменьшает объём памяти и пропускную способность; DFlash‑speculative decoding – предсказывает блоки токенов параллельно; TileRT‑runtime – исполняет операции микросекундными ядрами без постоянных запусков. Слой 1 — FP4‑квантование Для экспертов MoE применён формат MXFP4, что снижает требования к памяти без заметного… ➡️➡️➡️

Что делает код и зачем он нужен В примере показан типичный рабочий процесс построения классификатора, который принимает два типа признаков: текстовое поле skill_md_content (обрезанное до 6000 символов); числовые метрики сканеров (skillspector_score, static_finding_count, skillspector_issue_count, virustotal_malicious_count). Задача – предсказать clawscan_verdict, то есть судить о том, безопасна ли сущность (например, репозиторий) согласно результатам сканирования. Подготовка данных Функция prep делает три вещи: заполняет пропуски в тексте пустой строкой и обрезает его до 6000 символов, чтобы TF‑IDF не «залипал» на гигантские документы; приводит все числовые колонки к типу float, заменяя ошибочные значения NaN; возвращает копию датафрейма, чтобы оригинал оставался нетронутым. Важный момент – df.copy() защищает… ➡️➡️➡️

Что такое агентный RAG от Google Google представила новый агентный RAG‑фреймворк, интегрированный в Gemini Enterprise Agent Platform. Он обеспечивает функцию Cross‑Corpus Retrieval, доступную в публичном превью. Основная идея – решить известный пробел в корпоративном поиске, когда обычный одноступенчатый RAG не справляется с запросами, требующими информации из нескольких источников. Почему обычный RAG не работает с multi‑source запросами Пример: «Какие характеристики сервера, использованного в проекте X?». Система может найти документ с ID сервера, но не знает, что нужно взять этот ID и поискать детали в другой базе. В итоге вы получите либо частичный ответ, либо сообщение «не найдено». Как работает многократный агентный… ➡️➡️➡️

Что такое MAI‑Transcribe‑1.5 MAI‑Transcribe‑1.5 — модель автоматического распознавания речи (ASR), разработанная Microsoft «с нуля». Она принимает аудио‑файл и возвращает текстовый транскрипт. Важный момент: одна модель поддерживает 43 языка, разные диалекты и акценты, а также работает в шумных условиях. Модель уже интегрирована в Copilot, Teams, GitHub и Dynamics 365 Contact Centre и доступна через Azure AI Foundry. Точность в цифрах Точность измеряется показателем Word‑Error‑Rate (WER) — чем ниже, тем лучше. По данным Microsoft, модель достигает рекордных результатов на мультилингвальном бенчмарке FLEURS, превзойдя конкурентов во всех 43 поддерживаемых языках. На открытом бенчмарке Artificial Analysis WER составил 2,4 %, что поставило модель на третье место.… ➡️➡️➡️