ИИ в Google Colab теперь будет доступен бесплатным пользователям 🕺

К моделям уже можно обратиться двумя способами:

1. Через библиотеку google.colab.ai, которую сделали открытой для всех пользователей. Прямо в ячейке прописываете from google.colab import ai, и затем можете:

– Просмотреть все доступные вам модели:

ai.list_models()

– Сгенерировать что-нибудь:

response = ai.generate_text("2+2?", model_name = 'google/gemini-2.0-flash-lite')
print(response)

– Или стримить ответ:

stream = ai.generate_text("Tell me a short story.", stream=True)
for text in stream:
print(text, end='')



2. Через новую кнопку «Add AI prompt cell», которая теперь расположена рядом с кнопкой +Code. Тут уже никакой код писать не надо, система сама предложит вам готовую ячейку с интерфейсом для написания промпта.

Из моделей и там и там бесплатным пользователям будут доступны gemini-2.5-flash и gemini-2.5-flash-lite.

🍯

Anthropic зафиксировали первый официальный случай крупной кибератаки, выполненной с помощью ИИ. Стартап утверждает, что за операцией стоит китайская государственная группировка.

По данным Anthropic, это был даже не единичный случай, а целая кибершпионская кампания, целью которой были около тридцати организаций по всему миру. Среди них бигтех, финансовые институты, хим.производства и государственные агентства.

Преступники использовали Claude Code и "агента на основе Claude". Модельку джейлбрейкнули, попросив ее выполнять мелкие задачи без раскрытия истинной цели и убедив, что она работает для легальной фирмы кибербезопасности.

Ну а дальше все как по маслу. Модель провела разведку инфраструктуры целевой организации, написала эксплойты, получила нужные доступы, создала бэкдоры, украла данные и даже услужливо написала по всему этому подробную документацию 😍

По оценке Anthropic, вмешательство человека во всем этом требовалось 4-6 раз: преступники автоматизировали всю деятельность на 90%. Отловить атаку удалось благодаря тому, что аналитики заметики подозрительную активность и тут же запустили расследование.

Большиство запланированных атак, по словам стартапа, удалось предотвратить, и все же преступники «успешно компрометировали небольшое число случаев».

Вот вам и весь хваленый элаймент 🤠

А тем временем суд все-таки обязал OpenAI предоставить The New York Times 20 миллионов чатов пользователей

Первая часть этой истории здесь. Кратко: NYT сейчас судятся с OpenAI из-за того, что ChatGPT якобы воспроизводит защищенные материалы издания. В рамках расследования они потребовали от стартапа отдать им на рассмотрение 20 миллионов случайных обезличенных пользовательских диалогов.

Стартап пытался противостоять запросу, но «будем биться за приватность пользователей до последнего» продлилось довольно недолго.

По оценке OpenAI, 99.99% логов вообще не будут относиться к делу. Они предлагали альтернативное решение с выборочной выдачей чатов, но судья посчитала, что обезличивания диалогов и охранного судебного ордера будет и так достаточно для защиты данных юзеров 🙂

OpenAI подал ходатайство о пересмотре решения, но суд пока требует выполнить приказ и передать данные в ближайшее время.

LeJEPA: новая статья от Яна Лекуна

(Да-да, с каждым разом названия этой линейки моделей все лучше и лучше 😂 )

Небольшое предисловие о том, что вообще такое эта ваша JEPA. Если кратко, это попытка Лекуна сделать шаг навстречу тем самым world models, о которых он так много говорит. Расшифровывается JEPA как Joint Embedding Predictive Architecture –Self-Supervised архитектура, предназначенная для понимания внешнего физического мира.

Вот, допустим, есть у вас видео, и вы хотите, чтобы модель не просто могла дорисовать пиксели для следующего кадра, а действительно понимала, что в сцене происходит: где объект, куда он движется, что неизменно, что может меняться и под действием каких сил и тд.

JEPA как раз отличается от большинства моделей тем, что работает не с предсказанием следующего токена/генерацией пикселей, а пытается предсказывать смысл наблюдаемого фрагмента на основе контекста (по факту, эмбеддинги).

Лекун считает, что это идеалогическая альтернатива привычному ИИ, потому что предсказание пикселей или токенов – это лишь имитация понимания структуры мира, а тут модель действительно учится понимать физику и логические связи. И, кстати, за счет того, что предсказание происходит на уровне скрытого пространства, JEPA еще и намного эффективнее той же авторегрессии.

Ну так вот. Впервые JEPA была предложена в 2022. С тех пор уже вышла I‑JEPA для изображений, V‑JEPA для видео и V‑JEPA 2 (ну и куча сторонних надстроек, это не считаем). Сейчас вот вышло следующее большое обновление архитектуры – LeJEPA.

Оно построено на важном теоретическом результате: исследователи впервые доказали, что существует оптимальная форма латентного распределения для foundation-моделей, и это изотропный гаусс. Оптимальная – значит такая, которая минимизирует среднюю ошибку на любых задачах. Раньше были только какие-то эмпирические наблюдения, а сейчас впервые появился четкий рецепт.

И, собственно, практическое обновление состоит только в том, что они добавили новый лосс, который заставляет эмбеддинги становиться гауссовыми, – SIGReg (Sketched Isotropic Gaussian Regularization). Но в итоге этот лосс:

1. Помог избавиться вообще от всех предыдущих костылей. Он заменил stop-grad, teacher-student, EMA, всякие трюки с нормализацией и пр.
2. Прокачал стабильность.
3. Дал SOTA качество на 10+ датасетах. Теперь по уровню это примерно DINOv2, но гораздо проще и с нормальной сходимостью.

В общем, приколько. Теперь JEPA уже несколько больше, чем исследовательская идея, и уже похожа на полноценный практический метод. Если любите математику, обязательно почитайте статью полностью, там красиво.

https://arxiv.org/abs/2511.08544