О, AWS выпустили новый чип Trainium3 для ИИ

Пробежимся по заявленным цифрам:

– Перформанс в 4.4 раза выше, чем у Trainium2
– Пропускная способность 4× (до 4.9 TB/s)
– performance-per-watt тоже 4x
– 144 GB памяти

Основное, чем хвастаются AWS, – это что Trainium3 можно объединять в крупные кластеры и легко их масштабировать. Например, в один высокоскоростной UltraServer можно сшить до 144 чипов.

При этом позиционируют они такие конфигурации как чуть ли не самую выгодную по цене/производительности опцию для крупных моделей. Обещают до ~50% экономии при обучении.

На Nvidia последнее время конкуренция сыпется со всех сторон

Anthropic собираются выходить в IPO в начале 2026 года

Это значит, что очень скоро их акции можно будет купить публично.

Напоминаем, что OpenAI планировала IPO только к 2027, так что Anthropic вполне могут оказаться на этом поприще первыми.

В любом случае, это будет один из крупнейших IPO в истории: Дарио Амадеи ведет переговоры об оценке стартапа в 300-350 миллиардов долларов.

Покупаем?

Как работает распознавание звука в Алисе

На прошлой неделе в Москве прошла большая встреча ML-комьюнити Data Dojo от Яндекса. Такие ивенты ценим прежде всего за интересные технические ML-ные доклады. В этот раз слушали их на прямой трансляции.

Больше всего зашло выступление от руководителя команды голосовой активации Дмитрия Солодуха под названием "Кухня, гости, музыка: как мы научили колонку реагировать в реальном хаосе".

Наверное, многим уже верхеуровнево известно, как активируется Алиса: внутри нее сидит небольшая локальная модель голосовой активации, которая работает на устройстве. Она цепляет из всего входящего голосового потока заданные наборы фраз с целью понять, когда пользователь начинает обращаться к ассистенту. Как только слово “Алиса” распознано локально – команда отправляется на сервер, где она обрабатывается.

Но если в целом принцип работы системы понятен, то многие детали могут быть не так очевидны. Например, вы задумывались, как такая крохотная модель распознает звук, если у вас одновременно играет музыка, кричат дети, разговаривают гости? Или как Алиса понимает, что вы обращаетесь к ней, если говорите просто "громче", а не "Алиса, громче"? Или какая там используется архитектура и фичи?

Обо всем этом как раз рассказал Дмитрий в своем докладе. Будет полезно тем, кто работает со сложными мультимодальными системами, и спецам, кто так или иначе занимается голосом и классификацией. Внутри много конкретных ML-деталей, о которых редко рассказывают публично.

Легенда Юнгер Шмидхубер опять поясняет за плагиат: на этот раз он доказывает, что CNN изобрел не Лекун

Напоминаем, что Шмидхубер – это тот самый ученый, который постоянно заявляет, что выдающие идеи ИИ – плагиат и воровство. По его словам:

– Хопфилд и Хинтон получили Нобелевскую премию незаслуженно, потому что украли идею из статьи шестидесятых годов
– Все, что сделали DeepSeek с R1, взято из статей Шмидхубера
– GAN – тоже его идея, а авторы основополагающей статьи про эту архитектуру наглые копирайтеры
– Трансформеры, естественно, придумал он, а не ребята из Google

Теперь же он утверждает, что Лекун с его CNN – тоже воришка, и что на самом деле ранние сверточные нейросети изобрел Кунихико Фукусим в Японии в 1979, а не Ян Лекун в конце восьмидесятых, как принято считать.

Шмидхубер даже продемонстрировал видео якобы 1986 года, на котором система Кунихико Фукусимы распознает рукописные цифры. Если что, то самое известное видео, на котором Лекун показывает то же самое, снято в 1989.

Верим?

Для тех, кому обычные визуализации работы трансформера уже приелись: ребята из alphaXiv сделали красивейший интерактивный RL Visualizer

На примере игрушечной задачи прохождения лабиринта можно отслеживать, как шаг за шагом агенты учатся с помощью обучения с подкреплением, и сравнивать разные алгоритмы.

Например, можно посмотреть, в чем практическая разница между PPO и GRPO.

Полезная штука, чтобы освежить знания или интуитивное понимание RL. А еще это красиво.

www.alphaxiv.org/labs/rl-playground

Исследователи Яндекса представили RATE — новую систему оценки нейропереводов

RATE (Refined Assessment for Translation Evaluation) опирается на критерии естественности речи и, по сути, меняет оценку с «Переведено верно» на «Переведено по-человечески».

Например, если система перевела «Sorry, my bad» как «Приношу извинения, это моя вина» вместо «Извини, ошибся» — RATE заметит, что перевод звучит неестественно, потому что сеть выбрала слишком официальный тон. Обычно существующие системы такие детали игнорируют, и поэтому качество перевода сложно улучшать.

RATE оценивает перевод по трём главным для пользователя критериям: точность — верно ли передан смысл, естественность языка и соответствие стилю оригинала.

Благодаря такой детализации RATE выявляет в семь раз больше ошибок, чем другие методы оценки. При этом система не только отмечает наличие ошибки, но и оценивает её значимость.

В перспективе это очень весомая работа, потому что на основе этой метрики разработчики смогут целенаправленно совершенствовать существующие модели.

Статья о RATE была представлена на большой международной конференции EMNLP 2025. Почитать статью полностью можно здесь.

Google продолжает генерировать занятные продукты: они запустили Workspace Studio – новый инструмент для быстрого создания агентов

Там можно будет проектировать, управлять и шарить ИИ-агентов вообще без написания кода. По сути это надстройка над Workspace: платформа рассчитана на агентов, которые будут работать в Gmail, Docs, Sheets, Drive, Chat, Slides, Meet и тд

Например, можно сделать:

– Агента, который постоянно будет мониторить вашу почту и собирать все рабочие письма в отдельную папку.

– Агента, который раз в месяц или по триггеру будет собирать метрики из нужных таблиц и делать по ним презентацию.

– Агента, который делает саммари по встречам в Meet и сразу ставит задачи на основе action items.

Google пишут, что в альфа‑тесте за 30 дней через агентов Workspace Studio уже прокрутили более 20 млн задач, от простых напоминаний до сложных процессов вроде юридического триажа и обработки клиентских обращений.

Пока продукт развернули только для бизнес-клиентов Workspace, но в январе обещают выпустить для всех

workspace.google.com/studio/

MWS AI выпустила корпоративную платформу MWS AI AGENTS PLATFORM для создания ИИ-агентов

Все как мы любим: можно создать агента на базе LLM в приятном визуальном интерфейсе, не написав ни одной строчки кода.

Количество возможных бизнес-сценариев огромно: построить можно даже мультимодальные и мультиагентные процессы. Агенты смогут распределять роли и функции, передавать друг другу результаты и проверять их.

Также на платформе есть уже готовые решения «из коробки», а еще инструменты для разметки и подготовки данных. А если с внедрением решения понадобится помощь, то MWS AI предоставят консультационную поддержку, обучение команд и экспертное сопровождение.

Кстати, в разработку платформы компания вложила 4 миллиарда рублей. Система разрабатывалась специально как enterprise-ready решение, так что надежность и устойчивость — на высоте.

Это они еще про грамоты за русского медвежонка не слышали

С чего начать строить свой стартап, если есть крутая идея?
 
В мире куча талантливых разработчиков, которые могли бы построить большие успешные стартапы. Но, к сожалению, большинство из них остановились из-за "У меня недостаточно денег", "Я недостаточно опытен" или "А вдруг не получится".
Если не хочешь так же и искренне веришь в свою идею – пора начинать двигаться вперед, несмотря на страхи. Тем более, что сейчас есть море возможностей развить свой потенциал. Например, Молодежные акселераторы от Сбера:
 
✅ Если сомневаешься в себе – рядом будет наставник с опытом в предпринимательстве.
✅ Если не хватает знаний – можно пройти обучение и быстро тестировать гипотезы с помощью ИИ.
✅ Если нет капитала – дадут доступ к инвесторам.
 
В итоге ты сможешь превратить свою идею в рабочий MVP и найдешь первых клиентов или инвесторов. Нужно только начать по ссылке!

Anthropic утверждают, что их сотрудники делегируют Claude уже 60% ежедневных задач

Всего года назад этот показатель составлял около 28%.

Компания также заявила, что ИИ повысил продуктивность инженеров на 30 процентных пунктов. И не только из-за автоматизации собственных задачек: например, среди сотрудников теперь существует негласное правило «сначала спроси у ИИ, затем у коллег», которое тоже сокращает нагрузку работников на многих позициях.

www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic