Нужно ли использовать Qwen? Качество и цена
Текст носит юмористический характер и написан для @mahmud90 и @MountainGoatКитайские модели стоят в разы дешевле западных — и каждый месяц кто-нибудь спрашивает: а можно ли просто пересесть на Qwen и не платить за Claude с GPT? Я взял одну реальную задачу и прогнал её через три модели сразу, а потом свёл качество с ценой. Ниже — что получилось и кому Qwen реально подойдёт.Задача одна на всех: разобрать топ-10 heap alloc_objects
Coinbase запустила инструмент для управления торговлей ИИ-агентами
Coinbase запустила новый финансовый инструмент, который позволяет ИИ-агентам совершать сделки и транзакции напрямую от имени пользователей.
Agent Team в Claude Code: когда одного агента в терминале уже не хватает
Claude Code давно вырос из «чата в терминале». Он читает проект, правит файлы, гоняет тесты, ковыряет логи. Но у обычного режима есть потолок: одна сессия — один контекст и одна линия мыслей. Пока задача простая, это норм. А вот когда надо одновременно посмотреть на безопасность, тесты, производительность и архитектуру — контекст распухает, агент скачет между темами, половина деталей теряется.Для таких случаев есть экспериментальный режим Agent Team. Ниже — что это, как включить и где он правда помогает, а где только мешает.Что это такоеЕсли коротко: вместо одного агента запускается команда.
Точно ли агенты безопасны?
Буквально недавно я писал статью по мотивам материала Anthropic - того самого, где опять говорили "джуны больше не нужны".
ИИ по паспорту: как Fable 5 знаменует конец эпохи свободного доступа к frontier-моделям
Флагманскую ИИ-модель впервые отключили по признаку гражданства. Это не сбой, а первый видимый контур мира, где доступ к интеллекту определяет не карта, а паспорт
Anthropic, Fable 5, Claude Code и большой отбор игрушек
Самая сильная общедоступная модель Anthropic прожила четыре дня. У меня абонемент в кофейню живёт дольше.9 июня Anthropic выкатила Claude Fable 5, он же Mythos 5 в закрытом контуре. 12 июня доступ к обеим версиям сняли. А между этими датами уместилось столько, сколько иная модель не набирает за год жизни: скрытое ухудшение ответов для ИИ-исследователей, крик "Fable взломали и вытащили системный промпт" (пост Pliny в X, архив на GitHub
Сжать четыре токена в один вектор: запускаем автоэнкодер CALM на доменных данных (и на одном CPU)
Взяли автоэнкодер из свежей работы CALM (Continuous Autoregressive Language Models), который учится упаковывать чанк из K=4 токенов в один непрерывный вектор и разворачивать обратно, и обучили его не на 15 миллиардах токенов Pile на 8 GPU, как в оригинале, а на 18 тысячах коротких строк с требованиями из IT-вакансий - на обычной машине без видеокарты. По дороге выгребли три классических грабли (flash-attn без CUDA, deepspeed, который не импортируется под NumPy 2.x, и тихий OOM на 33 ГБ логитов). Ниже - подробный разбор архитектуры, конфигов и честные результаты round-trip-реконструкции.💡 Зачем вообще что-то менять в языковых моделях
Как я мерил точность ИИ в распознавании еды: бенчмарк, LLM-as-judge и баг с варёной гречкой
Строю приложение для подсчёта калорий по фото. Пользователь снимает тарелку, модель определяет блюдо, считает КБЖУ. Идея не новая, но мне важно, чтобы это работало именно на русской еде — борщи, гречки, котлеты по-домашнему.В какой-то момент стало некомфортно: я не знал, насколько модель вообще точна. «Кажется, работает нормально» — плохой ответ, если хочешь что-то улучшать. Решил померять нормально.Расскажу, что и как мерил, что получил — и про неожиданный вывод в конце, ради которого, честно говоря, и стоило это всё делать.Три вещи, которые хотелось знать
