Flow Matching, 276M параметров и моделирование хаоса: как мы научили генеративную модель Marchuk предсказывать погоду
Введение: взгляд на атмосферу через объектив видеокамерыПривет, Хабр! Мы команда «Генеративный ИИ для видео» лаборатории FusionBrain AIRI — группа исследователей в области Generative AI. Наш основной профиль — модели генерации изображений и видео: пиксели, временная когерентность, латентные пространства, трансформеры и diffusion/flow‑подходы.Мы — не метеорологи. До этого проекта мы не держали в голове уравнения Навье — Стокса и путались в направлениях циклонов и антициклонов. Но однажды мы посмотрели на задачу глобального прогноза погоды под другим углом, и всё изменилось.Если предельно упростить,
Из backlog в ТЗ: как мы с помощью AI превращаем клиентские запросы в исполнимые постановки на доработку системы
Мы в «Первой Форме» развиваем BPM-систему на базе low-code для автоматизации бизнес-процессов: документооборота, CRM, HR, PM и Service Desk. Мы работаем с B2B-клиентами, у которых платформа живет внутри реальных процессов компании: согласований, заявок, договоров, кадровых маршрутов, сервисных сценариев и внутренних регламентов. В такой модели у нас постоянно появляется поток запросов на доработку системы.
Брат, сестра и сорванец-канадец: кто стоит за Claude. Досье SpeShu.AI
OpenAI могут развалить бывшие сотрудники компании. Они объединились и создали конкурента, который уже обогнал компанию Сэма Альтмана на вторичном рынке — Antropic. Флагманский продукт Antropic — вирусная нейросеть Claude.
Промты для фото в Nano Banana: формула, которая даёт результат с первого раза в SpeShu.AI
Nano Banana 2 (она же Gemini 3 Flash Image) — это диффузионная модель нового поколения, которая в отличие от Stable Diffusion или Midjourney работает на базе трансформеров с глубоким пониманием физических взаимодействий. Например, классические нейронки до сих пор «просто придумывают» освещение, а Nano Banana вычисляет его на основе свойств материалов.Мы подготовили практичный гайд по сборке промптов для тех, кто не хочет надеяться на удачу.
Microsoft: число платных пользователей Copilot достигло 20 млн
Количество платных пользователей помощника на базе искусственного интеллекта Copilot достигло 20 млн, пишет TechCrunch со ссылкой на заявление генерального директора Microsoft Сатьи Наделлы. По его словам, вовлечённость в использование этого инструмента только растёт. Copilot встроен в ряд приложений Microsoft 365, включая Word, Excel, Outlook и другие.
Большое обновление TEAMLY 2026: ИИ-усиление для управления знаниями и обучения команды
TEAMLY выпустила крупное обновление 2026 года. В одной рабочей среде теперь ещё теснее связаны корпоративные знания, обучение и ИИ‑ассистент — это помогает крупному бизнесу снижать затраты и повышать эффективность команд за счёт системности.TEAMLY объединяет базу знаний, рабочие документы, обучение, умные таблицы и мощный ИИ‑инструментарий в интегрированную среду. Вместо набора разрозненных сервисов у компании появляется единое пространство, где живут процессы, контент и экспертиза.
Курсы по ИИ для подростков 2026: топ-7 для изучения AI с нуля
Рынок технологий 2026 года диктует жесткие условия. Нейросети автоматизируют рутину, поэтому базовых навыков программирования больше недостаточно для успешного старта карьеры. В этой статье разберем
Тюнинг Cursor: как я укротил AI-ассистента и радикально снизил счета за токены с помощью MCP-серверов
Cursor или его аналоги, здорово облегчают написание кода, когда речь идет о каких-то не очень больших проектах. Но стоит попробовать применить их к серьезному, сложному проекту, состоящему из нескольких репозиториев, и тут же сталкиваешься с тем, что эти “чудеса” оборачиваются просто огромными счетами за токены. Я в этой статье поделюсь, как мне удалось перестать впустую сжигать миллионы токенов. Для этого пришлось собрать и запустить три MCP-сервера по протоколу Model Context Protocol, что позволило сэкономить до 90% бюджета, при этом совершенно не потеряв в эффективности модели при работе с кодом.
Список слов русского языка из Wiktionary и сравнение с pymorphy3 на примере Пушкина и Noize MC *
ОглавлениеВведениеПроцесс создания словаря Попытка 1. Создание словаря на основе названий статей ВикисловаряПопытка 2. Создание словаря на основе полного дампа содержимого русского ВикисловаряВыборочная проверка словОсобенности словаряСравнение с pymorphy3Проверка на текстах Пушкина и Noize MCВыводСсылка на GitHubДругие ссылки
