Новинки AMD, еще одно исследование про ИИ-агентов и другие события из мира ML

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.

🔗 Читать статью ^[1]

ИИ — это не только про обучение LLM

Небольшая статья про взгляд SambaNova на Inference. График расходов на обучение ^[2] моделей и инференс от Gartner, а также показатели роста этого направления прилагаются. 

🔗 Читать статью  ^[3]

AMD представила ускорители серии MI400

Если коротко: стало лучше, быстрее и дороже. Особенно хотим отметить AMD Helios с 31 ТБ HBM4 памяти ^[4]. В состав входит 72 ускорителя, то есть это прямой конкурент NVIDIA NVL 72, но со значительно большим объемом быстрой памяти. 

🔗 Читать обзор ^[5]

Арендуйте GPU за 1 рубль!

Выберите нужную конфигурацию в панели управления Selectel ^[6]. *

Подробнее → ^[6]

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 ^[8]. 

🔗 Читать исследование ^[7]

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.

🔗 Подробнее про сделку ^[9] 

Как ИИ влияет на мир: исследование Microsoft

Microsoft выпустили большое исследование о распространении искусственного интеллекта ^[10] в разных странах мира. Примечателен факт, что DeepSeek больше всего популярен в трех странах: Китай — 89%, Беларусь — 56% и Россия — 43%.

🔗 Читать исследование ^[11]

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.

🔗 Читать статью целиком ^[12]

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 ^[13] работы с ним.

🔗 Смотреть новый выпуск ^[14]

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. 

🔗 Смотреть новый выпуск ^[15]