23-летний студент бросил универ и создал ИИ-помощника за $2.5 млрд. Что не так с этой красивой историей?
Ноа Шинн бросил университет, создал Instinct и за 7 месяцев довел стартап до оценки $2.5 млрд. При этом у сервиса всего 100+ тыс пользователей, он до сих пор работает в закрытой бете и доступен по приглашениям. То есть толком даже не стартовали, а инвесторы уже ставят на то, что спрос на ИИ-помощника рванет после массового запуска. Теперь за стартапом гоняются крупнейшие венчурные фонды, ходят слухи бывший студент метит в оценку $10 млрд - в четыре раза выше, чем месяц назад.Красивая история.
Исследователи представили DrivingBench — бенчмарк, в котором популярные LLM управляют настоящей Toyota Corolla
Исследователи из Axiom Math запустили бенчмарк DrivingBench, в котором дали современным языковым моделям управлять настоящей Toyota Corolla 2022 года выпуска. Нейросеть получала изображение с камер и телеметрию автомобиля, а затем самостоятельно управляла рулём, педалями газа и тормоза. Полностью пройти тестовую трассу смогла только GPT-6 Astra.
TAPe+ML v3 на arXiv: превосходим SOTA в классификации, детекции и сегментации при <100 тыс. параметров
Мы опубликовали на arXiv статью TAPe+ML: A Compact Structured Representation for Multi‑Task Computer Vision. В ней собраны результаты TAPe+ML v3 на задачах классификации, object detection, instance segmentation, индексации и поиска сцен в видео, а также в промышленном OOD‑пилоте.Статья на arXiv: TAPe+ML: A Compact Structured Representation for Multi‑Task Computer VisionЕсли вы впервые читаете о TAPe, можно начать с наших предыдущих материалов:TAPe + ML: универсальная архитектура компьютерного зренияTAPe‑дневник: эксперименты с детекцией на COCO
Как мы дописываем оборванные ответы языковой модели и почему склейка оказалась сложнее, чем кажется
Мы делаем русскоязычный сервис с несколькими языковыми моделями в одном чате. Однажды партнёр прислал скриншот: модель начала отвечать списком из ста пунктов и оборвалась на середине слова. В админке лежал тот же обрывок. Ни ошибки, ни предупреждения.Почему ответ обрывается. У каждого запроса есть потолок max_tokens. У нас он был 1200 токенов. На английском это около 900 слов, а на русском кириллица съедает больше токенов, и 1200 токенов оказались примерно полутора тысячами знаков. Длинный список просто не помещался. Модель при этом возвращает finish_reason: "length" (у некоторых поставщиков max_tokens
Рынок вычислений в России, Казахстане и Беларуси
Часть 2 из 2 · Хабр · Холодный анализ · Часть 1: «Карточный домик из GPU: архитектура neocloud-пузыря»У них всего с избытком: денег, площадок, обещанных гигаватт. У нас всего не хватает: мощностей, чипов, компетенций. Пузырь — не наш, но его цены и его дефициты мы импортируем.В первой части
И все‑таки AI уже стал математиком или нет?
Я решил разобраться в этом вопросе, когда OpenAI и Anthropic стали нон‑стопом сыпать новостями про новые математические рекорды и открытия.
DrivingBench проверили GPT-6 Astra, GPT-5.6 Sol, Grok 4.6 и Claude Fable 5.1 на возможность управлять авто
Исследователи из DrivingBench проверили
Flowise закрыли, я его форкнул — и выяснил, что форкать было нельзя
Flowise — визуальный конструктор для LLM-приложений: перетаскиваете на холст модель, векторное хранилище, инструменты и память, соединяете их линиями и получаете чат-бота, RAG-поиск по документам или агента. У проекта 55 тысяч звёзд на GitHub, 25 тысяч форков и почти 7 миллионов скачиваний Docker-образа. Его разворачивают у себя компании, которым нельзя отправлять данные в облачные конструкторы.
LLM предлагает, код исполняет: как разделить reasoning и side effects в production‑пайплайне
Привет! Я Андрей Непряхин — директор департамента разработки в AGIMA.
Как мы перестали писать описания к merge request руками: AI Describer в GitLab CI и Jenkins
Привет, Хабр! Я фулстек‑разработчик в TravelLine. Мы делаем единую систему для гостиничного предприятия, которая помогает отелям, санаториям и другим средствам размещения автоматизировать свои бизнес‑процессы. В этой статье я расскажу о том, как мы внедрили ИИ для генерации описаний PR/MR.Проблема: сложно влиться в контекст измененийУ нас два хостинга репозиториев и столько же билд‑серверов: одни команды живут в GitLab со сборкой в GitLab CI, другие — в Bitbucket Server (в компании его до сих пор зовут Stash) со сборкой в Jenkins. Общее у них одно: поле описания merge/pull request зачастую пустое или содержит только список commit messages.

