MLечный путь

Токенами надеюсь?)

(с) Артем Гаврилов

Сейчас одна на даче, муж уехал. очень нужна помощь занести мебель в дом, за помощь щедро отплачу

Пусть даст 100 рублей нам

Денег займешь в долг?

Хотите совмещать учебу/основную работу с доходом из дома? Гибкая занятость: от 2–3 часов в день Доход зависит только от вашего ресурса времени ($400–$2200) Обучение встроенное, все покажу и расскажу По всем вопросам обращайтесь: @Smirnova_Sashha

Отлично начинание от компании Artificial analysis. Раз уж в реальной жизни компаний метрики качества моделей смещаются в область выполнения реальных задач (имею в виду измерение Cost Per Successful Task), то инструментарий для создания собственный бенчей - ожидаемый шаг рынка. Почему мне кажется это важным? Artificial analysis одно из самых прокаченных аналитических агентств. У них есть свой Индекс Интеллекта моделей и куча инструментов для аналитики. Очень интересно понаблюдать, куда будет развиваться этот инструмент. https://artificialanalysis.ai/optima

🚀 DeepSeek Harness набрал 122K+ звёзд на GitHub всего за 3 дня и стал одним из самых быстрорастущих репозиториев в истории платформы. Harness сделан как оркестрационный слой, где почти всё можно заменить плагином: • модель • shell • редактирование файлов • web search • skills • storage • sessions • reasoning effort • permission scope • UI • scheduling Конфигурация собирается через YAML, а сам Harness запускается локально как web-приложение. sub-agents можно подключить Claude Code, Codex или другие агенты как плагины и отправлять разные подзадачи туда, где они решаются лучше. MIT-лицензия позволяет вообще не использовать API DeepSeek: можно подключить другого провайдера или собственную локальную модель. Практически одновременно с релизом Harness DeepSeek подняла цену cache-hit input примерно в 6–12 раз. А именно cached input особенно активно расходуют агентные циклы: каждый новый шаг снова тащит system prompt, историю и накопленный контекст. То есть компания выпускает фреймворк, который делает агентные циклы массовыми, и в ту же неделю заметно повышает цену именно на тот тип токенов, который такие циклы потребляют больше всего. https://github.com/deepseek-ai/deepseek-harness

🦥 Unsloth релизнули своё десктоп приложение для локального обучения и запуска моделей — Unsloth Desktop упрощает тренировку и деплой моделей в разы. • Поддерживает обучение 500+ моделей, включая Qwen, DeepSeek, Llama, Gemma, Mistral, GLM и gpt-oss. • Можно подключить Claude Code и Codex к локальным LLM. • Модели обучаются в 2 раза быстрее и тратят на 70% меньше VRAM по сравнению с обычным файнтюном. • На 50% точнее вызывает инструменты и автоматически исправляет ошибочные запросы. • Можно подключить веб-поиск, Deep Research, RAG, MCP и многие другие фичи. Работает на Mac, Windows и Linux. Установить — тут. @notboring_tech

🎙️ NVIDIA выкатила Nemotron VoiceChat — первый открытый голосовой агент, который вызывает любые инструменты в реальном времени. Что умеет говорилка: • Общается как человек без пауз и использует эмоции. • Позволяет юзерам мгновенно перебивать её с задержкой 480 мс. • Прямо во время диалога можно вызвать инструменты: поиск в интернете, календарь и многое другое. • Поддерживает мультимодальные сценарии использования. • Можно настроить разные стили голоса. • Обучена на 550 тысячах часов реальной и синтетической речи. • Можно слушать, говорить, прерывать ответ и вызывать тулзы в одном диалоге. Универсальный голосовой ИИ-агент для любых задач — тут. @notboring_tech

Последние два пункта, при определённом желании, можно объеденить в один. Если в моделях мира речь идёт про физику роботов, то vla - вариант реализации, например, манипулятора на ковейерной линии.

из массовых трендов ИИ я бы выделил Убытки

Опрос: у каких не массовых тем (трендов) в ИИ есть потенциал к росту в ближайшей перспективе в России?

А сегодня читаем статью Эда Зитрона - большой финансовый разбор ИИ-пузыря простыми словами 📉 Внутри разбираем: - сколько реально должны OpenAI и Anthropic (спойлер: очень и очень много) - почему гиперскейлеры (Microsoft, Google, Amazon, Oracle) оказались в ловушке - сколько на самом деле стоит построить один ИИ-датацентр - откуда возьмутся деньги, если основных клиентов на эти датаценты нет - и что будет, когда рынок поймёт, что OpenAI не потянет свои обязательства Цифры и неудобные вопросы 😜 👉 Читаем тут: https://alesha.pro/articles/ai-stanovitsya-slishkom-dorogim 😐 Думайте. Подписаться

⚡️ Qwen представила Qwen3.8-Max - модель на 2,4 трлн параметров для автономной разработки и рабочих агентов По заявлению команды, модель способна вести длинные проекты почти без вмешательства человека: планировать работу, писать код, запускать инструменты, анализировать результат и исправлять ошибки по обратной связи. Пример - oh-my-cli. Агент начал с пустой папки и развивал проект больше десяти дней, оставив полный журнал изменений в открытом GitHub-репозитории. Qwen также заявляет о сотнях последовательных итераций при оптимизации чипов, долгосрочном планировании бизнес-стратегий и нативной работе с изображениями. Визуальные данные используются внутри цикла «планирование - выполнение - проверка», а не только как входной контекст. Цена API: - ввод - $2 за 1 млн токенов; - вывод - $6; - закешированный ввод - $0,25. На следующей неделе компания обещает открыть веса Qwen3.8-Max и более компактной Qwen3.8-27B. Если заявленные возможности подтвердятся на независимых тестах, Qwen получит редкую комбинацию: огромную агентную модель, мультимодальность и открытые веса. Блог: https://qwen.ai/blog?id=qwen3.8 Qwen Studio: https://chat.qwen.ai/?models=qwen3.8-max API: https://qwencloud.com/models/qwen3.8-max Автономный проект: https://github.com/qwen-code-dev-bot/oh-my-cli @ai_machinelearning_big_data #qwen

🤖🎓🧠#MLечный_путь Всем привет! У меня накопилось много статей, которыми хочется поделиться, но не хватает времени, чтобы сесть и нормально про них написать. Раз так, то просто закидаю вас ссылками. How to build a better agent harness with traces and evals The end of fine-tuning: Why evals, context, and traces matter more How Hermes implements an open source agent harness architecture The best eval harness for production AI and agents: A comparison AI benchmarks are breaking. Trace analysis is what comes next Supermicro shows off Vera Rubin NVL72 rack with all-new type of coolant Enterprise agent systems: How to design, deploy, and govern AI agent networks at scale NVIDIA Dynamo Snapshot: Fast Startup for Inference Workloads on Kubernetes Astera Labs Scorpio 320-Lane PCIe Switch Update Hidden Infrastructure Challenges in Distributed LLM Inference on Kubernetes Speculation Is All You Need How to write effective AI agent skills: 6 data-backed practices Cost per successful task: Benchmarking Kimi K3, GPT-5.5, and 8 more AI models How to measure AI productivity: From LLM token costs to business value with Arize AX What is a loop in AI engineering, anyway? DataRobot OpenCode: your coding agent, your model choice How can enterprises govern MCP connections at scale? AMD and Cerebras partner on low-latency, high-throughput AI inference Understanding Disaggregated Inference Context Engineering for AI Agents: Managing Intelligence at Scale 🌌 Группа про MLOps/DataOps: MLечный путь А ещё мы ищем MLOps-инженеров в свою команду AI-платформы. Вакансия

А сегодня вечером я предлагаю вам прочитать новую статью Эда Зитрона - Чем больше покупаешь, тем больше теряешь, в которой он рассуждает о том, как облачные гиганты, NVIDIA, OpenAI и SoftBank закольцевали друг на друга триллионы долларов долга, а взамен получают только раздутые балансы и обещания будущих чудес. Зитрон разбирает по косточкам экономику ИИ-бума и показывает простую вещь: спрос на GPU держится не на реальной пользе, а на страхе отстать и бесконечных финансовых кругах, где каждый слой индустрии кормит слой выше, а прибыль так никто и не увидел. Перевод уже лежит на Локальном Максимуме, читайте, это того стоит.