ai.
️ Zyphra выкатила ZAYA1-8B — маленькую MoE-модель, которая выглядит слишком бодро для своего размера
У модели меньше 1 млрд активных параметров, но Zyphra заявляет, что она конкурирует с куда более крупными open-weight и proprietary-моделями на математике, кодинге и reasoning-бенчмарках.ZAYA1-8B - это ставка на весь стек сразу:MoE-архитектура с Compressed Convolutional Attention;новый MLP-router для более стабильного выбора экспертов;learned residual scaling для контроля роста residual-норм;pretraining на AMD Instinct MI300x, без NVIDIA-стека;большой post-training pipeline с SFT, reasoning warmup, RLVE-Gym, math/code RL и RLHF/RLAIF;test-time compute метод Markovian RSA.
Самая криминальная команда в ИИ: кто стоит за Perplexity. Досье SpeShu.AI
Perplexity — поисковик с ИИ, который в августе 2022 года запустила команда из четырёх человек. К маю 2026-го компанию оценивают примерно в $21 млрд, но её рост уже идёт рядом с судебными претензиями: The New York Times и Dow Jones обвиняют Perplexity в незаконном использовании журналистских материалов, а BBC пригрозила судом из-за копирования контента и скрапинга. Претензия издателей сводится к одному: стартап продаёт новый поиск, но кормит его чужими текстами — иногда с сайтов, где автоматический сбор данных прямо запрещён.
Machine Unlearning. Как измерить и достичь «забывания»?
Всем привет! Меня зовут Вадим, я — Data Scientist в компании Raft. Эта статья написана по мотивам моего выступления на конференции AiConf 2025. В ней мы разберём, какими метриками измеряется машинное разучивание и какие основные методы позволяют добиться контролируемого «забывания» без полного переобучения модели. Погрузимся в методы, метрики и бенчмарки, связанные с машинным разучиванием.В первой части
200 OK по протоколу, но не OK для клиента: автоматизация контроля совместимости API и приложения
Выпустить релиз — часы работы команды. Упасть на старте — 1 секунда. Узнать об этом не из отзывов пользователей — бесценно. Серверные тесты проходят, эндпоинт отвечает 200 OK, но мобильный клиент падает на первом же ответе API.Типичный сценарий: в user.id приходит null, у status появляется новое значение или меняется вложенная структура — и ответ API расходится с клиентскими моделями.
200 OK иногда = кома: почему API «работает», а приложение — нет (и как нам помог ИИ)
Статус 200 OK коварен своей тривиальностью.Бэкенд-тесты «зеленые», API честно отдает данные, а веб-клиент мгновенно подхватывает изменения. Кажется, что всё в порядке, но в это же время мобильные клиенты теряют работоспособность. Приложение не выдает сетевых ошибок, оно просто не может корректно обработать обновленный DTO: клиент ожидает одну структуру данных, а получает другую.Это не баг логики сервера, а технический разрыв между живым API и замороженным артефактом — версией приложения, которая ничего не знает о правках в схеме данных, сделанных через полгода после его релиза.
Топ-5 примеров, когда нейросети творят искусство
Нейронки умеют рисовать не только пляшущих котов с баянами на деревенской свадьбе. Еще они могут творить настоящее искусство. И пять отобранных примеров в статье красноречиво это подтверждают.Кстати, а есть ли словарное определение слова “нейрослоп”, составленное прямо в традиции Ожегова? Если нет, то пока остановимся на следующей дефиниции:“Нейрослоп — медиа-продукт, будь то изображение, музыка или видео, созданный с помощью нейронной сети с минимальным участием живого человека и отличающийся безыдейностью и нулевой художественной ценностью”. #1
Размышления на тему задач стоящих перед ИТ‑специалистами и опрос
Это статья написана дипломированным инженером‑конструктором (по первому образованию), разработчиком систем автоматизированного проектирования (САПР) и (по известным причинам) вынужденно ставшим сертифицированным специалистом по системам офисного документооборота.

