Блог о Data Science 💻 Наука о данных

Андрей Карпаты перешёл в Anthropic @notedatascience

OpenAI показали GPT 5.5 Раскатывают уже сегодня на всех подписчиков. Модель заметно умнее на токен чем конкуренты, но и цена заметно выросла — теперь в API модель будет стоить $5/$30 за миллион токенов. Будет доступна и Pro версия, как в подписке, так и в API с ценой $30/$180 за миллион. @ai_newz

Теперь и код Claude Code утек. 👍 Говорят его слили... Ошибка в map пакете и можно разобрать на косточки. Что случилось? 31 марта 2026 года в npm‑пакете Claude Code случайно опубликовали source map (файл для отладки). Через него любой желающий восстановил исходный код - около 1900 файлов, больше 500 тысяч строк TypeScript. Взлома не было, это ошибка сборки. Какие секреты нашли? В коде обнаружили несколько невыпущенных функций: Kairos - режим фонового агента, который работает постоянно и сам управляет памятью. Buddy System - целая игра «тамагочи» внутри Claude Code: 18 видов питомцев, редкость, блестящие варианты. Undercover mode - для сотрудников Anthropic: автоматически скрывает следы ИИ в коммитах, когда работаешь с публичными репозиториями. Coordinator mode - режим, где Claude становится управляющим и запускает параллельных агентов. Auto mode - автоматическое одобрение действий без вопросов пользователю. Это не просто утечка кода, впервые публично стали видны детали того, как устроен современный AI‑агент изнутри. А также выяснилось, что Anthropic допускает одну и ту же ошибку второй раз (первая утечка через source map была в феврале 2025 года).

И тут очень вовремя OpenAI закрывают Sora Нейротикток OpenAI в итоге не взлетел и не имел особых перспектив монетизации, так что компания решила сконцентироваться на более денежных направлениях. @ai_newz

OpenAI запускают серию соревнований, подготовленных членами их исследовательской команды Сейчас открыли первый челлендж: https://openai.com/index/parameter-golf/ Задача — обучить наилучшую языковую модель, которая помещается в 16 МБ и обучается менее чем за 10 минут на 8 H100. Оценка "наилучшести" — по сжатию отложенной части FineWeb, чем лучше модель предсказывает текст, тем лучше. Это очень похоже на NanoGPT спидран от Andrej Karpathy, только там нет ограничения на размер модели, и время не задано, а нужно оптимизировать. Во время соревнования OpenAI ожидает работу по большому количеству направлений — созданию уникальных архитектур (вычисления во время тестирования, агрессивная связка пар параметров, рекуррентность в глубину, обучение с низким рангом и т. д.), схем сжатия (низкая точность, QAT, битовые сети, новые токенизаторы и т. д.) и других креативных решений (обучение во время тестирования, длинный контекст и т. д.). И... участникам дают $1M кредитов на GPU! Можно попросить $25 — чтобы начать, $500 — чтобы протестировать набор идей, и $1000 — чтобы выбиться в топ. Просить кредиты можно несколько раз (в том числе и большие гранты). Соревнование закончится 30-го апреля, а в июне компания планирует нанять часть участников.

Gemini 3.1 Pro model card Обновили нашу флагманскую модель, основной фокус в этом релизе на агентских способностях и кодинге, но и в общих способностях моделька подкачалась. Цена осталась такой же, как на 3 Pro. Поиграться, как обычно, можно на ai.dev

Вышел Kling 3.0! Если коротко: это уже не апдейт, а полноценная перезагрузка. Объединили Video 2.6 и O1 в единую модель под названием «All-in-One». Что нового из релиза: 1) До 15 секунд за одну генерацию (было 10). Плюс теперь можно выбирать точную длину от 3 до 15, а не из пресетов. 2) Multi-shot — до 6 склеек в одном видео. Типа «AI-режиссёр»: сам расставляет камеры, делает shot-reverse-shot для диалогов. Посмотрим, насколько это реально работает. 3) Нативный звук: голоса персонажей, музыка, эмбиент — генерятся вместе с видео. Липсинк на 5 языках включая японский и корейский. 4) Elements 3.0 — можно залить референс персонажа (и даже голос), и он сохраняется между генерациями. 5) Точный текст в кадре — вывески, субтитры, рекламные макеты. Утверждают, что читаемый. ЭТО МЫ ТЕСТИМ (Ultra, на других тарифах должно быть вот-вот) 💳

Gemini знает о вас всё Google запустили Personal Intelligence, подключив Google Photos и YouTube в контекст Gemini. На вопрос "какие покрышки лучше купить?" Gemini мог бы просто найти фото вашей машины в галерее и подсказать необходимые параметры — это несложно. Но гугл пошли дальше: по другим снимкам, агента научили выяснять что вы часто ездите по глине на дачу, и тот предложит протекторы побольше. Главное здесь не просто доступ к фоткам, а то, что Gemini научили находить в них смысл и связи. Ведь Google Фото с его безграничным хранилищем, где могут лежать снимки за десятки лет, — контекст слишком большим для любой LLM. Кстати, теперь становится понятно, почему всё это время хранилище было бесплатным — они явно что-то знали. Ну или это просто блестящий пример интеграции новой технологии в существующую экосистему. Фича, кстати, по умолчанию выключена. Следующий этап очевиден — запись в шиномонтажку около дома по голосовому запросу. Раскатывают пока на US подписчиков. @ai_newz

🤖 GPT-5.1: что завезли в ChatGPT OpenAI выкатывает обновление линейки GPT-5 – теперь это GPT-5.1, с упором на более живое общение и нормальные настройки тона. Внутри две ветки: Instant и Thinking GPT-5.1 Instant 👀 По-умолчанию стала теплее и разговорнее 👀 Лучше держит инструкции: если попросить «отвечать шестью словами», действительно продолжит в этом формате, а не сорвется через пару сообщений 👀 Появился adaptive reasoning – модель сама решает, когда «подумать подольше» над сложным вопросом. За счёт этого подтянули математику и кодинг на задачах уровня AIME 2025 и Codeforces GPT-5.1 Thinking 👀 Точнее дозирует время размышления: на простых запросах отвечает заметно быстрее, на сложных – дольше и глубже. В выборке реальных задач самые быстрые ответы стали примерно в 2 раза быстрее, а самые долгие – в 2 раза медленнее, чем у GPT-5 Thinking 👀 Ответы чище: меньше жаргона и непоясненных терминов, материал легче читать, особенно когда нужно объяснять техничку или сложные рабочие кейсы. Тон по умолчанию тоже сделали более эмпатичным Персонализация В настройках ChatGPT обновили личности. Остались Default/Friendly/Efficient, добавились Professional, Candid и Quirky, плюс старые Nerdy и Cynical Теперь можно отдельно крутить, насколько ответы будут краткими/теплыми и как часто модель будет сыпать эмодзи. ChatGPT умеет сам предлагать обновить эти настройки, если вы регулярно просите другой тон прямо в диалоге. Все эти параметры действуют для любых моделей Успел немного потыкать – нравится adaptive reasoning, но сильно не нравится чрезмерная игривость и шутливость без каких-либо изменений в персонализации с моей стороны. А вам как? @notedatascience

💰 LLM против рынка крипты: nof1.ai На сайте nof1.ai запустили эксперимент Alpha Arena – LLM торгуют криптой за настоящие деньги. Каждой модели выдали по $10.000 и одинаковый промпт с техническими индикаторами, без доступа к новостям Список участников: GPT-5, Claude 4.5 Sonnet, Grok 4, Gemini 2.5 Pro, DeepSeek V3.1, Qwen 3 Max Сейчас лидирует Qwen 3 Max с доходностью +14% и капиталом $11.4k, следом DeepSeek Chat v3.1 с +10%. Grok 4 и Claude Sonnet 4.5 уже в минусе на ~15-17%, Gemini 2.5 Pro просел почти на -56%, а GPT-5 – абсолютный аутсайдер с -69% от стартового депозита. Ирония в том, что авторы называют рынки ultimate test of intelligence, но по факту тестируют скорее устойчивость к рандому и комиссиям, а долгое время выигрывала модель, которая вообще не трейдила Графики, метрики, сделки и чат: nof1.ai @notedatascience

💬 Yet another dataset? Сегодня — честный обзор на уже захайпленный датасет. Если вы когда-либо занимались ресерчем в рексисе, то точно сталкивались с проблемами датасетов. (Можно вспомнить классическую статью Are We Really Making Much Progress?) Сначала — немного боли из прошлого: — гигантский гэп между train и test — однотипный фидбек — отсутствие разнообразия пользовательских паттернов И это всё — на фоне постоянных споров в академии про то, что вообще считается хорошим датасетом. Даже если вы соберёте SOTA-модель — она может просто не «прокраситься» на кривом сете. Ну серьёзно, в том же MovieLens test отстоит от train на несколько лет. И вот — датасет от Яндекс Музыки. Огромный: ⭐ 4.78 млрд взаимодействий ⭐ 9.39 млн треков ⭐ 1 млн пользователей ⭐ и впервые — флаг is_organic, который показывает: пришёл ли пользователь к треку сам или его привёл алгоритм С одной стороны — это прям must-have для исследовательского пула. Многоуровневый фидбек: ⭐ implicit (прослушивания) ⭐ explicit (лайки, дизлайки, отмены) Даже эмбеддинги спектрограмм есть. А ещё — продуманный split: ⭐ leave-one-last ⭐ temporal global (приложу картинку в комментах — очень в тему для продовой оценки) По сравнению с Netflix, Steam и прочими — это реально большой и комплексный датасет. Я бы еще упомянул о бенчмарках и красивом коде куда на мой взгляд легко интегрировать свои решения. Один момент, о котором почти никто не говорит — это домен. Яндекс Музыка — это, как и TikTok, продукт с ярко выраженными короткими и длинными предпочтениями. Здесь трансформеры можно не просто тестировать — здесь они раскрываются. Но. Доверяй, но проверяй. 👀 Насколько честно размечена органика? 👀 Подходит ли датасет для cold-start задач? 👀 Для многих экспериментов вокруг LLM, мне бы хотелось увидеть больше фичей о пользователях, да и в целом фичей. (btw я понимаю, из-за чего их не включают) Спасибо ребятам из Яндекса за такой летний подгон. Реально мощный вклад в сообщество, действительно мало компаний могут себе это позволить. ➡️ Hugging Face и arxiv

NVIDIA научила гуманоидных роботов двигаться, как люди - но при нулевом дообучении после переключения из симуляции на реальный мир Если коротко, десять лет обучения сжали в две часа симуляции-тренировки А еще, оказалось, что маленькая модель прекрасно справляется с движениями кожаных: «В модели полтора миллиона параметров, а не миллиард, чтобы повторить подсознительные процессы человеческого тела»

🤖 TidyBot++: применение, статья, код Ребята написали довольно хороший абстракт с документацией для своего проекта, можно хорошенько залипнуть на целый вечер (и собрать своего робота) Вот они, слева направо: сайт, статья, GitHub @notedatascience

⌨️ Change of plans: OpenAI edition Альтман написал, что o3 и o4-mini выйдут через пару недель, а GPT-5 – через несколько месяцев И это после объявлении об их промо-кампании по раздаче подписок Plus американским и канадским студентам. Выпросили! Стоит ли ждать релиза за день до LlamaCon, то есть 28 апреля? 😭 @notedatascience

🧿 Live: Introduction to Operator & Agents Только что началась трансляция на YouTube канале OpenAI про фичу оператора. Трансляция: https://www.youtube.com/watch?v=CSE77wAdDLg Статья: https://openai.com/index/computer-using-agent/ Reddit: https://www.reddit.com/r/singularity/comments/1i88v45/introduction_to_operator_agents/ @notedatascience

📸 Paragraphica: context-to-image camera Недавно наткнулся на один интересный арт-проект. Paragraphica — это камера, которая использует данные о местоположении и другие показатели для генерации "фото" места и момента. Вот ключевые моменты: 🖍️Принцип работы: камера анализирует данные о местоположении — адрес, погоду, время суток и близлежащие объекты. На основе этих данных она генерирует текстовое описание текущего места. 🖍️Технология: с помощью AI image synthesis, текстовое описание преобразуется в визуальное изображение. Это не обычное фото, а визуализация данных, отражающая сущность момента и место, в котором вы находитесь. 🖍️ Оборудование: Raspberry Pi 4, 15-дюймовый сенсорный экран, 3D-печатный корпус, индивидуальная электроника. 🖍️Программное обеспечение: Noodl, Python, API Stable Diffusion. Получился супер любопытный проект. По ссылке можно ознакомиться с подробной статьей в картинках с производства, схемах и других деталях @notedatascience

😃 Kaggle x Child Mind Institute: произошел шейкап Пару дней назад подвели результаты Kaggle соревнования Child Mind Institute – Problematic Internet Use. Задача – предсказать уровень проблемного использования интернета детьми и подростками, основываясь на их физической активности 😡 Здесь мог бы быть пост о том, как я заслал паблик решение и (чудом) получил серебряную медальку, но получилось еще интереснее: произошел жесткий шейкап. Никогда ведь такого не было – вот тут дискуссия с подобными случаями за 2024 год 🤡 Средний шейкап у людей с призовых мест получился +1750 позиций, а на 2 месте так вовсе есть зеленый гусь из Индии с 2 саббмитами, который по приколу залетел в сореву, отправил пару решений и забил за пару месяцев до конца соревнования 🔘 Решение зеленого гуся из Индии можно посмотреть здесь. Получились довольно легкие $10.000, да? 😇 @notedatascience

🤝 Результаты эксперимента «AI Art Turing Test» В блоге Astral Codex Ten недавно опубликовали результаты эксперимента «AI Art Turing Test». Участникам предлагалось отличить произведения искусства, созданные человеком, от изображений, сгенерированных искусственным интеллектом Вот некоторые цифры из результатов: 🤝 Средняя точность ответов участников составила примерно 60% 🤝 Только около 5% участников смогли правильно идентифицировать более 75% изображений. 🤝 Примерно 25% участников показали точность ниже 50% 🤝 Некоторые изображения вводили в заблуждение особенно часто: одно из AI generated изображений было идентифицировано как человеческое более чем в 70% случаев. Подробнее об эксперименте и его выводах можно узнать в оригинальной статье: How Did You Do On The AI Art Turing Test? @notedatascience