Рассказываем, что происходило с AI-технологиями в январе.
Вновь считаем эффективность внедрения ИИ
MIT и HPE выпустили совместную статью о том, как превращать перспективные пилотные проекты в масштабируемую и надежную систему. Коллаборация неожиданная, материал интересный, рекомендуем к прочтению.
ИИ — это не только про обучение LLM
Небольшая статья про взгляд SambaNova на Inference. График расходов на обучение моделей и инференс от Gartner, а также показатели роста этого направления прилагаются.
AMD представила ускорители серии MI400
Если коротко: стало лучше, быстрее и дороже. Особенно хотим отметить AMD Helios с 31 ТБ HBM4 памяти. В состав входит 72 ускорителя, то есть это прямой конкурент NVIDIA NVL 72, но со значительно большим объемом быстрой памяти.
Считаем индекс прозрачности базовых моделей
В декабре вышла очередная версия оценочного исследования от Стэнфордского университета. По ее итогам лидером по части прозрачности базовых моделей назван IBM.
Напомним, что в IBM есть семейство Granite, представители которого хороши в задачах RAG. Их мы задействуем в своей Foundation Models Catalog.
ClickHouse приобрел Langfuse за $400 миллионов
ClickHouse вновь совершил покупку — на этот раз речь про Langfuse. Причины этой сделки кроются в смене позиционирования. Теперь ClickHouse хочет стать базой для логов и прочих observability-инструментов для ML — и прямо заявляет об этом в рекламе.
Как ИИ влияет на мир: исследование Microsoft
Microsoft выпустили большое исследование о распространении искусственного интеллекта в разных странах мира. Примечателен факт, что DeepSeek больше всего популярен в трех странах: Китай — 89%, Беларусь — 56% и Россия — 43%.
ИИ-агенты: баланс между затратами и производительностью
В блоге DataRobot вышла большая статья про экономику AI-агентов. Среди ключевых выводов один отметим особо: стоимость принятия решения помогает более объективно оценить ROI агентов, чем стоимость инференса. Эта метрика отражает как затраты, так и коммерческую ценность каждого автономного решения.
ML Automotive х АТОМ | ML-сезон подкаста «Сегодня на ретро», выпуск №5
В отчете о новом наборе Y Combinator есть интересная мысль: физический искусственный интеллект должен обучаться на основе ограниченных и дорогостоящих данных из реального мира и физических симуляций. Это смещает акцент на сам процесс обучения, где контроль над генерацией данных и моделированием определяет, насколько эффективны могут быть роботы.
Так вот, ML Automotive — это физический искусственный интеллект. В новом выпуске подкаста коллеги из Атома рассказывают про свой опыт работы с ним.
Как ИИ-агенты меняют бизнес | ML-сезон подкаста «Сегодня на ретро», выпуск №6
Также в новом сезоне подкаста мы не могли не поговорить про AI-агенты. Для этого пригласили тех, кто их делает и продает другим — сооснователя сервиса KTS Александра Опрышко и владельца платформы Kolmogorov.ai Михаила Зайцева.
Автор: SofiaShpak
