Квест Теория Каст и Ролей 🕘 история названий (1)

Какие ИИ дает возможности, которыми грех не воспользоваться? Сегодня в 18:00 в Риге будем зажигать. Ответы на опросы, кейсы, кто то может расскажет о своих проектах - чаще всего это особенно интересно. Всегда пробивает мысль - а что так можно было? Все будет довольно неформально. Начало в 18:00 по времени Риги, на пару часов. Поскольку зал небольшой, очно все места уже заняты, но я организую стрим - по ссылке: https://us06web.zoom.us/webinar/register/WN_Z5Aqlc1sQpWraTG4m9Qcfw страница мероприятия - https://luma.com/vw2t28vr Мероприятие бесплатное, из любви к искусству и ради возможности пообщаться на интересные темы. Огромное спасибо всем, кто помог организовать встречу и предоставил ресурсы и помещение: Olga Grigorenko Romanas Bagdonas Lev Fainveits Misha Guscin Aleksandrs Morozovs Elizabete Krivcova Svyatoslav Miterev и множество других прекрасных людей, кто предложил свою помощь. Готовьте вопросы, можно будет задавать их в чате zoom. И нет, это не будет лекция или семинар, которых я уже прочитал достаточно, в т.ч. и совершенно безвозмездно, т.ч. даром. Вы можете найти их здесь - https://alexeykrol.com/ Мероприятие было организовано совершенно спонтанно по случае нашего пребывания в Юрмале с целью наслаждения красотами, природой и поедания вкусной рыбы, выпечки... поиска смысла жизни... и вообще.

🔥 Nvidia выделяет $7 млрд на открытые модели и идет за DeepSeek и Kimi Nvidia резко усиливает ставку на open-weight AI. По данным WSJ, компания заплатит $6 млрд за лицензирование технологий Poolside и заберет в команду Nemotron больше 100 ее сотрудников. Еще $1 млрд Nvidia инвестирует непосредственно в Poolside при оценке стартапа в $12 млрд до сделки. Задача амбициозная: превратить Nemotron в семейство моделей, способное конкурировать не только с DeepSeek и Kimi, но и с закрытыми моделями OpenAI и Anthropic. Получается интересный разворот. Компания, которая зарабатывает миллиарды на продаже GPU крупнейшим AI-лабораториям, теперь сама вкладывает миллиарды в альтернативу их закрытым моделям. Похоже, гонка open-weight моделей только начинается. https://www.wsj.com/tech/ai/nvidia-is-spending-6-billion-to-build-a-powerful-u-s-alternative-to-chinese-ai-c51c38cc @data_analysis_ml / Папка полезного по ML.

Ребята сработали супер оперативно. 26-ого в среду в Риге устроим небольшие посиделки на тему: Какие ИИ дает возможности, которыми грех не воспользоваться. Начало в 18:00, на пару часов. Вопросы, кейсы, кто то может расскажет о своих проектах - чаще всего это особенно интересно. Всегда пробивает мысль - а что так можно было? Все будет довольно неформально. Если получиться, сделаю стрим в zoom, но надо будет сначала потестировать. Если все случится с zoom - чуть позже дам ссылку. Мероприятие бесплатное, из любви к искусству и ради возможности пообщаться на интересные темы. Регистрация по ссылке: https://luma.com/vw2t28vr

у нас тут, в Юрмале - шторм приключился, валит деревья. Мы были на концерте, прямо с залом с диким треском рухнуло дерево, огромная сосна прямо рядом с залом. После концерта все бежали по ценру улицы, справа и слева порывы ветра, деревья трещат, как в заводском цеху - все бегут - на всякий случай не попасть под ствол. Стихия!

⚡️ GPT-5.6 Sol подешевел на 3 месяца OpenAI снизила стоимость флагманской GPT-5.6 Sol в API и кредитах - в среднем больше чем на 20%. Это акция, она действует до 21 ноября 2026 года. Тарифы API уже пересчитаны, кредиты для ChatGPT Work и Codex переводят на новые ставки. Подписчиков Plus, Pro и Business это не касается - включенные в подписку лимиты не выросли. Возрадуются те, кто работает через API, и те, кто докупает кредиты в Work и Codex. Цены на коротком контексте - миллион входных токенов теперь 4 доллара вместо 5, миллион выходных - 20 вместо 30. На длинном контексте было 10 и 60 долларов, стало 8 и 30 - вывод подешевел вдвое. В конце июля OpenAI уже снижала цены на GPT-5.6 Terra и Luna, но Sol тогда не тронули. @ai_machinelearning_big_data #news #ai #ml

⚡️ Anthropic запустила бесплатную Claude Academy Теперь у Claude появилась полноценная обучающая платформа с бесплатными курсами и гайдами для всех желающих. Внутри есть разные уровни: от базового понимания, как работает AI, до более продвинутого использования Claude в повседневной работе. Некоторые курсы дают сертификаты, так что скоро их наверняка станет заметно больше и в LinkedIn. Все материалы бесплатные и открыты без ограничений. https://academy.claude.com @ai_machinelearning_big_data #Anthropic #claude

📌Qwen 3.8 решает юридические задачи лучше и дешевле Opus 4.8 Стартап Engram, который занимается памятью для ИИ-агентов, вместе с легалтех-компанией Harvey проверил, что будет, если агент заранее изучит рабочее пространство фирмы, а не будет каждый раз перечитывать документы. Для эксперимента собрали синтетическую юрфирму Calderwood & Harkness: 100 млн токенов, 9 286 файлов, 266 клиентских дел - от судебных споров до сделок M&A и раундов финансирования. Модель Qwen3.8-27B не просто получила этот массив на вход - она изучала его тысячами прогонов, сама генерировала себе обучающие данные и записывала заметки. Часть знаний осела в весах через LoRA, часть - в структурированных заметках, куда агент потом ходит поиском. Исходные 100 млн токенов ужались в 1 млн токенов заметок. 🟡Результаты Выше оказалась не абсолютная точность, а интеллект на токен. По этой метрике кастомная Qwen дает 190,8 балла на 100 тысяч токенов против 129,3 у Opus 4.8 и 104,2 при высоком уровне рассуждений. По доле полностью верных ответов модель тоже обошла Opus 4.8 - 30% против 25%, - и обошлась в 0,13 доллара за запрос против 1,32. Это примерно десятикратная разница по ценам OpenRouter на август 2026. Отдельно измерили, сколько модель усвоила в веса. Отвечая на вопросы о фирме вообще без инструментов и заметок, до изучения она была права в 4,7% случаев, после - в 72,6%. Поменялось и поведение. Обученная модель в 99,2% случаев начинает с точечного поиска, тогда как базовая в 94% случаев первым делом лезет открывать заметки. До нужного дела обученная доходит за 3,7 хода против 5,9. Рабочее пространство в эксперименте статично, а в реальной компании документы меняются каждый день, и меняются сами вопросы. Как дешево и непрерывно обновлять память без переобучения - открытая задача, и Engram называет ее своим основным направлением. @ai_machinelearning_big_data #news #ai #ml