Борис опять

Жизнь стартапера это постоянное FOMO. Ты еще ничего не успел выпустить. В это время то школьники-азиаты перспективная неолаба из YC выпустит свою вундервафлю, то фронтир лаба объявит в очередной раз, что компьютер юз решен, то компьютер юз теперь точно решен потому что есть Jev, то ещё кто-то выпустит генератор апишек с которым компьютер юз не нужен. Так примерно каждые два дня. Будучи Steelaman Labs (а не Strawman Labs) мы внимательно на всё это смотрим, пробуем и задаемся вопросами. Что это для нас значит? Как влияет на наше позиционирование? Нужно ли то, что мы делаем, или надо что-то менять? Чаще всего оно не проходит мою личную лестницу простых вопросов: - Какой скор на OSWorld 2? - Решает ли оно WebGames? - Спустя неделю, кто-нибудь реально этим пользуется? Уже первый вопрос отсеивает почти всех. Второй вообще всех. Пока что во всех случаях мы узнавали, что или очередная штука не существует, или не закрывает те проблемы, которые мы видим и стремимся решить. То есть наш тезис остается актуальным, и мы продолжаем строить компьютер юз на радикальной идее, что чтобы пользоваться интерфейсом надо смотреть на этот интерфейс. Иметь непопулярную позицию хорошо, но только если в конце окажется, что ты прав. До тех пор не так уж сладко, потому что ты можешь быть бесконечно прав, но какой в этом толк, если VC на звонке с тобой уверен, что уже есть MCP ко всему и вопрос закрыт. Многое действительно меняется. Например, появились Meta Muse и Instict, которые по отзывам закрывают многие ассистентские юзкейсы. Всё ещё на костылях, но некий пользовательский компьютер юз появился, и питч "computer use is broken" актуальный пол года назад уже трансформируется в более сложное "computer use is not reliable." Здесь постоянно приходится соблюдать баланс: 1. Держаться за своё видение, но не убедить себя в чем-то просто потому что в это хочется верить. 2. Адаптироваться под меняющиеся условия, но не прогнуться под ожидания окружающих и очередную моду твиттера. Этот опыт в корне отличается от любого опыта, что у меня был в наемной роли. На работе я всегда мог себя успокоить: если не получится, то я всё равно получу зарплату. Все же видели, что я много старался, ввел хорошие практики и красиво организовал документацию. Здесь же совсем другая ситуация. Или мои предположения верны, или нет. Или мои решения верные, или нет. Или моё исполнение достаточно, или нет. Вообще всё равно какие практики ты там ввел или не ввел, если это не повлияло на результат. В конце концов или получится, или нет. Несмотря на то, что стресса больше, почему-то я так себя чувствую даже спокойнее. Как будто гораздо проще. Никаких третьеступенчатых размышлений о том, достаточно ли я постарался, чтобы получить плюсик на ревью. Просто пытаешься сделать и всё

В языковых моделях информация проходит через множество слоев, и по пути числовые представления токенов могут становиться слишком похожими. Важные различия теряются, а модели становится сложнее решать задачи с многошаговыми рассуждениями. Исследователи Т-Банка разработали метод LIMe, который помогает с этим справиться. Разработку представили на EMNLP 2026 — международной конференции по обработке естественного языка уровня А* Он добавляет в трансформер маршрутизатор — модуль, который выбирает, какую информацию из предыдущих слоев использовать дальше. Так модель сохраняет различия между токенами и повторно использует результаты вычислений. Увеличивать размер внутренних представлений для этого не нужно. LIMe проверили на моделях примерно с миллиардом параметров и сравнили с LLaMA, DenseFormer и HyperConnections. Для достижения того же уровня ошибки обучения, что и у базовой LLaMA, метод потребовал на 15% меньше вычислений. На бенчмарках языкового моделирования и рассуждений он также показал более высокое качество по сравнению с другими методами. Особенно заметной разница оказалась на синтетических арифметических задачах и в более глубоких архитектурах. https://github.com/corl-team/lime

#дайджест Дайджест AI/ML за неделю 19-26 октября 2026 Рубрика - агенты опять нашли критические уязвимости в критическом софте. За эту неделю: PHP, Wiz, LiteLLM, Railway. Кроме того CrowdStrike описал четыре группировки, которые оставили свои наступательные агентные фреймворки в открытых директориях. В общем, счастливого всем наступающего 2027г. OpenAI: GPT-6.1 Terra Terra наконец доехала до шестого поколения. $1/$5, кэш $0.05, вдвое дешевле GPT-5.6 Terra и GPT-6.1 Sol. На Agents' Last Exam на medium у нее 57.6%, ровно как у Astra, Opus 5.5 впереди (63.2% против 60.0%). Terminal-Bench 4.0 вырос до 50.3% с 21.5% у прошлой Terra. В обычный чат пока не завезли. Блогпост, The Decoder Moonshot: Kimi K3.1 Pro Китайский Ахиллес опять почти догнал Американскую черепаху. В индексе AA 55, это четвертое место: впереди только Opus 5.5, Sonnet 5.5 и Muse Wonder Full. Плюс 11 пунктов к K3 при том же размере. Terminal-Bench 4.0 65.7% против 66.4% у Opus. Цена $2/$10, на треть дешевле K3, веса обещают до 4 ноября. Очень болтливая: на прогон индекса ушло 150M токенов, $2.11 за задачу. Перед открытием весов из mid-training и RL вырезали данные про кибербез, разберётся на практике. AA Anthropic: S-1 Подали публичную заявку на IPO, тикер на Nasdaq будет ANT, объем и цена размещения пока не определены. Выручка за первое полугодие 2026г $16.3 млрд против $4.6 млрд за весь 2025г. Четверть выручки приходится на двух неназванных клиентов без долгосрочных контрактов. Анонс DeepSeek: DeepInfer Выложили движок, на котором крутится их собственный API. Пока поддерживается только V4.1 Flash и только офлайн-инференс. Движок работает на Nvidia и Huawei Ascend. GitHub Canva: Craft Первая собственная модель Canva для генерации картинок, доступна всем в Dream Lab. Сначала планирует раскладку, потом рисует. 2K, больше 30 соотношений сторон, текст на 55 языках. На DesignArena стартовала с четвертого места. Генерация занимает около минуты. TechCrunch-разбор Ideogram: Vector 1.0 Вслед за Arrow 2 от Quiver еще одна SVG-модель. Генерирует редактируемые SVG по тексту или переводит в вектор готовую картинку. Цвета, формы и градиенты правятся по отдельности. $0.13-0.20 за SVG. Векторизация $0.10. X Corridor Digital: CorridorKey 2.0 Удалятель зелёного фона с видео. Предсказывает цвет полупрозрачного переднего плана и учитывает соседние кадры, поэтому маска не мерцает. Как плагин для Resolve, Nuke, After Effects, Premiere и Blender - платно. Как веса и код - бесплатно. Сайт, GitHub Менее значимые новости: OpenAI: Decisions API вышел из беты. Добавили кэширование, интеграцию с GPT-Live и до 400 вопросов в одном запросе. В Decision Index от AA Jev на третьем месте, OpenAI на четырнадцатом. Новость Hugging Face: Carbon-X Модель на 14.8B на базе Qwen3-14B, для биомедицины, принимает ДНК в чате. В среднем по пяти DNA-бенчам 66.7% против 67.5% у GPT-6.1 Sol и примерно в 1800 раз дешевле. HF OpenBMB: MiniCPM-V 4.7 Первая MoE в серии, 35B-A3B. На iPhone 17 Pro Max выдает 13+ токенов в секунду при 3 GB памяти. Обходит Qwen3.6 35B-A3B. HF Krea: сделали плагин для своей модели в Premiere. Генерирует шоты, плейты и инсерты прямо в монтаже, результат ложится в проект как обычное медиа. Krea UserArena: бенчмарк для симуляторов покупателей (насколько правильно модель предсказывает решение человека из группы Х). 64729 сессий от 11010 реальных пользователей. Лидерборд пока пустой, датасет планируется. Сайт Air Street: State of AI Report 2026. Китайские открытые модели обогнали американские по упоминаниям в статьях. Claude к августу делал 26% работы по R&D моделей в самой Anthropic, в феврале было меньше 1% и ещё всякое разное можете посмотреть  в отчёте stateof.ai Анлок видеокарт Мода с майнинговых CMP перекинулась на геймерские карты. Модуль ядра gpu-unlock вдвое ускоряет выдачу FP16/BF16-инструкций на RTX 30. На 3090 Ti BF16 вырос с 87.5 до 157 TFLOPS. В vLLM префилл быстрее на 14-36%, декод почти не меняется, потому что пропускную способность памяти анлок не трогает. GitHub

Ворлдбилдинг от ллм потрясающий Вчитался в то, что написали агенты в игре, перед грядущим релизом. В пустынном Чаша есть энкаунтер где игроку по задумке объясняют, что можно лутать развалины и продавать в городе найденное. Там сцена в текстовом квесте, как женщине привозят лом, она его взвешивает и платит за него. После этого её можно спросить зачем они покупают лом. Тогда происходит гениальное объяснение. Чаша закупает буквально лом (не какие-нибудь ценные находит из руин цивиллизации, а буквально ржавый металл). Далее они переплавляют его во всякие предметы обихода типа дверных петель. Дверные петли дождь уничтожает ржавчиной за год (мы в пустынном пост-апокалипсисе). Поэтому нужно покупать больше лома. Варианта спросить "зачем они год за годом выставляют ржавеющий металл под дождь?" спросить нет, так что видимо посыл автора (Опуса) здесь был в том, что в Чаше живут терминально тупые дебилы. Или возможно это его глубокая шутка, что люди в целом терминально тупые, покупают мусор, чтобы затем с помощью природы превращать его ещё в меньший мусор. Ещё, короче одна из локаций это в форт с насосной станцией, которая поставляет воду в два местных центра цивиллизации. Так вот Опус написал лор, что этой насосной станцией управляет одна условняа Баба Нюра с дочуркой. То есть у него весь скейл такой получился: если источник воды, то буквально вот, одна колонка и бабка рядом.

Хорошо не иметь продакшна

Forbes: почти 60% врачей используют ИИ в своей практике. В том числе IQDOC AI. https://www.forbes.ru/healthcare/570671-konsilium-s-cat-botom-pocti-60-vracej-ispol-zuut-ii-v-svoej-praktike 3,7% – звучит мало, но для стартапа, который начал свой путь в феврале этого года – хороший результат. Лиха беда начало! 🚀 В целом видно, что ИИ в медицине стал не просто развивающейся технологией, которую надо "внедрять", а нормой. Именно поэтому, понимая всю ответственность перед врачами и пациентами, мы постоянно улучшаем нашу систему, чтобы она была точной, полезной и безопасной 🤖

🟥Diffusion Week 2026: предварительное расписание Хотим напомнить про наше новое мероприятие — Diffusion Week 2026! Это серия онлайн-лекций о диффузионных моделях от DLS, которая пройдет с 29 октября по 6 ноября, в рамках которой мы разберём основы и углубимся в актуальные направления исследований: видеодиффузия, world models, интерпретируемость и ускорение диффузионных моделей. Полное расписание уже доступно на сайте. 🔵 Среди спикеров — команды и исследователи Kandinsky и AIRI. Все лекции проходят по вечерам в онлайн-формате! 🔵Как участвовать? Вступайте в чат Diffusion Week и подключайтесь к трансляциям! 🔵А соревнование будет? Да! Параллельно мы запустим соревнование по мультиконцептной персонализации. Задача: научить модель генерировать несколько заданных объектов на одном изображении, не смешивая их между собой. Соревнование пройдёт в трёх треках, все детали опубликуем чуть позже 🙏 🎉 Готовьтесь к увлекательному погружению в латентное пространство диффузионных моделей, и до встречи! В скором времени мы выложим дополнительную подборку которы можно посмотреть до начала 🍸

#дайджест Дайджест AI/ML за неделю 12-18 октября 2026 Meta: Muse Wonder и Muse Wonder Full Мета (впервые?) во фронтире. В индексе AA у Full 56 это больше чем у Астры, меньше чем у Опуса. у обычного Wonder 52. Местами страшные бенчи: DeepSWE 1.1 у Full 79% против Opus 5.5 с 74.2%. Full обходит Opus в 8/13 бенчей. Выяснить насколько это правда можно только по $50, $200 подпискам, в API выйдет только меньшая версия по цене Opus 5.5.  Блогпост, Карточка модели Meta: Muse Spark Open Выпустили новую модель, старую открыли донашивать сообществу. MoE на 816B, 42B активных. Контекст 1М, мультимодальная. Мета называет ее лучшей американской открытой моделью и отдельно оптимизировала под M5 Ultra вместе с Apple. В индексе AA у нее 39. Проигрывает всему китайскому фронтиру, и на один пункт выше Mistral Large 4 с его 38. Европа, держись.  Цена у провайдеров $1.25/$4.25. AA Kuaishou: Kling 4.0 и Kling 4.0 Flash Полная версия доступна всем на kling.ai, MCP и CLI. Ролики от 3 до 30 секунд, до 4K. До 10 кейфреймов и до 15 референсов. Flash генерирует до 20с в 720p. Кроме пробной версии ничего нет. Анонс, kling.ai BFL: FLUX 3 Image Klein Маленькую версию FLUX 3 выпустили в опенсорс. Это 5.6B в двух вариантах: base для файнтюна и step-distilled для быстрой генерации. Умеет в генерацию, редактирование, до 10 референсов, нативный 4K, правит без дрейфа остальной картинки как большая. В INT8 запускается на картах с 8 GB. По внутренним тестам первая среди открытых моделей и обходит даже закрытые Ideogram V4.5 и FLUX.2 [pro].  Модель, HF Krea: Krea 3 (бета) Модель для редактирования изображений (в генерацию может, но плохо). Область задается рамкой, до 8 референсов. Принимает цвет в hex. $0.03 за 1K и $0.06 за 2K, доступна в API везде. Второе место после GPT Image 2.5. Обещают дообучение LoRA, весов пока нет. Krea 3 OpenAI: GPT-Live-1.1 Обновление дуплекс модели ChatGPT: платные подписчики получают GPT-Live-1.1, бесплтные получают Quip. Новые голоса на разных бусурманских языках, плюс новый английский голос Bubbie. На Plus 3 часа в сутки, на Pro за $100 15 часов, на Pro за $200 без лимита. В API пока нет, как и бенчмарков. Release notes BytePlus: OmniHuman 2.0 Из одной картинки и аудиодорожки делает видео до 5(!) минут. Движения и камеру можно задать текстом, на выходе 720p. Цена упала с $0.12 до $0.07/сек. Из языков по традиции поддерживает хоть крики птиц, но не русский. На демо заметно, что фон плывет. Анонс REA и реверс инжиниринг агентами REA подключает агента к инструментам реверса: нативные бинарники, .NET, Electron, APK, прошивки, трафик. Работает как CLI и как MCP.  Репозиторий создан в апреле, но только недавно выстрелил. Уже надекомпилировали все подряд от Modern Warfare 2 до фотошопа и завалили YouTube франкинштейн моддингом игр. GitHub, пост про MW2 Odyssey: Odyssey-3 Новая SOTA world-model. Есть вид от первого и третьего лица и свободная камера. Разрешение 832×480, у Pro 1280×720. Роборуку обучили по десяткам часов демонстраций, машину на дорогах Индии по 20 часам данных при замороженном бэкбоне. Flash можно бесплатно попробовать в браузере, сессия 5 минут. Блогпост, демо Менее значимые новости: Google: Gemini 4 Argon - раскатили везде. В API $2/$10, в чате доступна для Pro. В Antigravity, AI Studio и Android Studio только для Ultra. 9to5Google TypeSafe: Jev 1.14. У Jev появилось зрение и output в виде bounding box. TypeSafe сами пишут, что с картинками модель работает хуже, чем с текстом.Docs Кроме того TypeSafe подняли около $870М при оценке $7.5 млрд. Вот бы кто-нибудь ещё сделал маленькую модель, которая решает узкую задачу не заставляя LLM неэффективно генерить много токенов (допустим computer use) и поднял кучу денег. Microsoft: LensErase. Модель удаляет по маске что угодно: объекты, текст, вотермарки и сопутствующие эффекты. Обучена на датасете из 101 млн триплетов. Код обещают позже. Microsoft учит удалять вотермарки. arXiv, проект fal: Reframe. Изменение соотношения сторон видео через H3 Max. $0.05/сек в 480p и $0.08 в 768p. fal FlashML: FreeVideo. Обрезанный MiniMax H3 под 8 GB VRAM и 16 GB RAM. GitHub

Давайте вспомним, что в России делали такие предвыборные ролики без всякого AI

#книги # Anathem, текстовые квесты и почему AI не умеет писать Хороший текст это очень сложная вещь. Я кое-что понимал в этом как автор научно-популярной книги. Однако окончательно это понимание кристаллизовалось в моей голове после двух недавних событий: я попробовал использовать LLM для генерации текстовых квестов в ROAM и прочитал Anathem Нила Стивенсона. Мою книгу под рабочим названием "ИИ для всех", которое мы обязательно поменяем на что-то более кликбейтное, можно ждать на полках весной 2027. Я давно об этом вам не писал, так что вкратце: кига уже была готова, но издательство посчитало её слишком сложной и я, после некоторого сопротивления, признал их правоту. Они выделили мне отличного редактора и с тех пор мы над ней работаем. Книга становится лучше. Во время работы над книгой я много раз переписывал одни и те же главы. Каждый раз мне казалось, что лучше уже нельзя, но взгляд другого человека показывал, что там или не всё понятно, или читатель потеряется, или не интересно, и так далее. Потому что писать тексты сложно. В популярном сознании программировать сложно. Мой тейк: любой язык программирования это просто продвинутый список покупок для компьютера. Если вы знаете его правила, то дальше оно или работает, или нет, и вы сразу об этом узнаете. А теперь сравните это с любым текстом на естественном языке. Текст обязан быть интересным, но не слишком сложным. Простым, но не слишком предсказуемым. Музыкальным, но не вычурным. Понятным, но не пустым. Причем эти и другие требования должны соблюдаться одновременно. Например, нельзя компенсировать недостаток глубины идей более красивым описанием природы. Если любого компонента не хватает, всё рассыпается, текст не работает. В свою RPG ROAM я завел движок ink для полноценных текстовых квестов. Opus 5.5 у меня отлично накодил много сложных игровых фич, поэтому я думал, что он должен неплохо справиться с созданием пары квестов. Процесс был такой. Я скормил ему лор своей давней FATE CORE (система наподобие Dungeon and Dragons) компании и адаптировал под эту игру. Потом я запустил настолку из агентов для генерации таймлайна мира: много Haiku играли каждый за одну фракцию в мире, делали ходы раз в игровой год, а Opus как гейм мастер описывал что получилось и делал нарратив. Получился неплохой скелет. Затем я запустил Opus делать квест, GPT Sol 6 тестировать и оценивать по нескольким критериям, а Gemini Flash править русский язык. Система была неплохая, но получился всё равно слоп. Я думал, что выйдет нечто вроде "сойдет." Может не ламповые Космические Рейнджеры, но хотя бы поиграть можно. Нет, видимо "сойдет" текстов не бывает. Оно просто не работает. Ты видишь текст и он сразу не клеится, ты не вовлекаешься, что-то не то. Например, описание одной из сцен, заброшенной фермы, изначально включало такой пассаж от агента: "Рядом с колодцем лежит веревка, на ней множество узлов и ни один из них не мокрый." Закономерно, я спрашиваю агента: "это что за херня? Какой нахрен мокрый узел, угашенный ты об дерево?" Оказалось, что по лору хозяин этой фермы измерял количество воды в колодце веревкой с узлами. Опус пытался таким образом донести до игрока этот кусок лора. Вот только для этого надо было мысленно поместить себя на место игрока. Я задумался о том, насколько это сложно. Даже простейшее описание локации требует понимать какая информация доступна читателю, а какая нет. И немного смоделировать мир в голове, чтобы понять, что смотря на ферму с холма невозможно понять какой узел на какой-то веревке мокрый, а какой нет. Поэтому я со времен Claude Sonnet 3.5 тестирую, может ли LLM написать за меня следующую главу книги. Модели стали многократно круче, а ответ всё так же "нет." LLM или даже агентская система с множеством лупов не способна на данный момент написать такую книгу, которую стоит читать. Иронично, что большие языковые модели не умеют писать! Код оказался намного проще. Так вот, это приводит нас к Anathem. Это книга от автора Snow Crash – новеллы, которая ввела термин "метавёрс." Поэтому я знал, что Нил Стивенсон хороший фантаст, но я не ожидал, что настолько. Про Anathem тяжело написать без спойлеров, поэтому я скажу так. Это очень сложный текст. Не для читателя, ведь читается она очень легко (после первых глав, там надо вкатиться). Это сложный текст с той точки зрения, что он объединяет в себе собственный язык, несколько переплетающихся сюжетных линий, глубокий слоёный символизм, рассуждения о природе сознания и квантовой физике, крутой экшен и человечных персонажей. И при всём этом оно работает. Такую хрупкую конструкцию могло бы разрушить что угодно, но в книге нет ни одного лишнего слова. Например, там есть три главы подряд где персонажи просто сидят за столом и обсуждают параллельные миры. Причем не абстрактно, а речь идет о настоящей физике. Но только в выдуманных автором терминах. Звучит невероятно скучно, да? Но я не мог оторваться. Сцена, персонажи, ритм и переплетающиеся сюжетные линии так подобраны, что это очень интересно читать. Да ещё и к концу ты остаешься полностью убежден, что именно так и работает вселенная в реальности. Я думаю в книге автор, на самом деле, выражает своё видение мира. Поэтому я читал эту книгу с двух точек зрения. Как читатель я просто получал удовольствие. Как автор же, я смотрел на эту книгу как на шедеврально собранный механизм, и задавался вопросом, смогу ли я когда-то создать нечто близкое к такому уровню мастерства.