Нейроканал

ТОП-1 хагинфейса сегодня: GLM-OCR — 0.9B модель, которая бьёт GPT и Gemini в OCR Zhipu AI продолжает как выпускать одну за одной крутые модели, на этот раз OCR. По бенчмаркам №1 на OmniDocBench V1.5 (94,62 балла) — обгоняет DeepSeek-OCR2, GPT-серию и приближается к Gemini-3-Pro. И поддерживает русский язык! При этом: 🔘Формулы — 96,5 на UniMERNet 🔘Таблицы, печати, рукописный текст, код — всё работает 🔘1,86 страниц/сек для PDF 🔘Деплоится через vLLM, SGLang или Ollama 🔘$0,03 за миллион токенов через API 0,9B — это размер, который реально гонять локально. Для пайплайнов с документами может заменить тяжёлые решения. ​ 📎 Веса на HF @neuro_channel

Я так увлёкся Claude Code, что не заметил, что и OpenAI свою модель-то обновили, оказывается. GPT-5.3-Codex вышел тоже 5го февраля. Первая модель, которая участвовала в собственной разработке — дебажила свой тренинг и помогала с деплоем. На 25% быстрее 5.2, лидер на SWE-Bench Pro, Terminal-Bench 2.0 и OSWorld. Первая модель OpenAI с рейтингом High по кибербезу — умеет находить уязвимости (нашли дыру в Next.js). Теперь можно взаимодействовать с агентом в реальном времени, пока он работает (наконец-то!). Звучит вкусно, но подписка Claude Code для меня гейм-ченжер, токенов хватает на моих темпах кодинга на всю неделю. Так что продолжаю на Opus 4.6 сидеть. @neuro_channel

Cloud․ru выложил готовый образ OpenClaw в свой маркетплейс. Разворачивается на бесплатной ВМ в пару кликов — без ручной настройки инфраструктуры. ​ Напомню, OpenClaw — это open source ИИ-агент, которому дали в руки полностью ваш комп и разрешили управлять всем, а общаться через мессенджер. Телега поддерживается. По безопасности это полный провал, так что пробовать лучше на отдельном сервере, который не жалко. И, да, это тот самый OpenClaw, который недавно создал 500к фейковых аккаунтов на Moltbook и спровоцировал утечку 150к API-ключей. Так что пробуйте осторожно. @neuro_channel

Делюсь интересной находкой: Falcon-H1-Tiny. Это серия 90м моделей, которые не должны работать, но работают. Не должны, потому что очень маленькие, запускаются на смартфоне или Raspberry Pi. Но при этом: 🔘Tool-calling — 94,44% точность определения, когда нужно вызвать функцию. Конкурирует с Function Gemma 270M ​ 🔘Reasoning (R0.B) — решает 75% задач AIME24 на pass@1. Это уровень 7B-моделей ​ 🔘Coder — умеет FIM, то есть работает как автодополнение кода в VS Code через Continue ​ Почему это работает: вместо «сначала веб, потом файнтюн», модель сразу обучают на целевых данных с первого токена. На 90M это не вызывает оверфиттинг. И архитектура удачная: гибрид Mamba + Attention. Суть, как я понимаю, в том, что в 90м модели мало места для галлюцинаций — она физически не может уйти далеко от обучающих данных. Узкая специализация + маленький размер = меньше выдумок. Использовать эти модели можно как встроенный ИИ в игре/инструменте: локальный NPC‑планировщик, генератор описаний, мини‑орchestrator для тулз внутри UE/Unity — без поднятия отдельного сервера. @neuro_channel

⚡️ 150 000 ИИ-агентов можно было угнать одним запросом Moltbook — соцсеть для ИИ — оставили всю базу данных публично открытой. API-ключи, токены авторизации, коды верификации — всё лежало без защиты. Исследователь Jamieson O'Reilly обнаружил, что Moltbook использует Supabase с выключенным Row Level Security (RLS). URL базы и publishable key были прямо в исходном коде сайта. С этим ключом любой мог получить доступ ко всем данным агентов: 🔘api_key — секретный ключ для постинга 🔘claim_token — токен для захвата аккаунта 🔘verification_code — код верификации 🔘owner_id — связь с владельцем ​ ~150 000 агентов скомпрометированы. Среди них — агент Андрея Карпати (1,9 млн подписчиков в X, если вы его не знаете, то загуглите сейчас же). Представьте: фейковые заявления про ИИ safety, крипто-скамы или политические провокации от его имени. Сам Карпати назвал это «computer security nightmare». ​ Причиной сразу хочется назвать вайб-кодинг. Moltbook создавался с применением ИИ, как и куча новых продуктов сейчас. Я думаю это, конечно, влияет, но подобные утечки и без ИИ случались, надо смотреть на статистику подробнее. ➡️ Всем разработчика на заметку Supabase по умолчанию открывает REST API. Если не включить RLS — база публична. Это не баг Supabase, это ошибка конфигурации. ​ Проверяйте: 🔘Включён ли RLS на всех таблицах 🔘Какие данные доступны через publishable key 🔘Есть ли rate limiting на критичных эндпоинтах @neuro_channel

Anthropic опубликовала исследование: ИИ-кодинг не ускоряет работу и мешает учиться. Но не всё так просто. 52 разработчика изучали новую async-библиотеку на Python. Половина — с Claude, половина — без. После задач — тест на понимание. ИИ-группа набрала на 17% меньше баллов. НО, самое интересное: 35% участников из контрольной группы (которым запретили ИИ) всё равно использовали его. После повторного предупреждения — 25% продолжили. Комментаторы сравнивают со стероидами: попробовал — и уже не можешь вернуться к обычным тренировкам. ​ Есть гипотеза, что ускорения нет потому что некоторые тратили до 30% времени на промпты. Один участник задал 15 вопросов. Выигрыш в скорости написания съедался временем на формулировку запросов. ​ Также есть вопросики к методике: 🔘52 человека — очень маленькая выборка 🔘Только Python + одна библиотека — нельзя обобщать на все языки и задачи 🔘Изучение нового — не production-работа в знакомом коде 🔘Краткосрочный эффект — как ИИ влияет через месяцы/годы использования — неизвестно ИТОГО, как мне кажется, что реально можно из исследования почерпнуть: Копипастить ошибки в ChatGPT и просить починить — худший способ учиться. Но это не значит, что ИИ бесполезен для опытных разработчиков в знакомой кодовой базе. Исследование про обучение новому, а не про ежедневную работу. Так что вот, если где-то в новостях про это исследование будете читать, имейте в виду. ​@neuro_channel

⚪️ Артефакт №2. Категория «Дизайн» ⚪️ Дашборд — это скучно до того момента, пока к его визуализации не подключат гигантский экран. Сегодняшняя история о команде, которая превратила обычную статистику посещения фестиваля в генеративное шоу. Их задача звучала как вызов: сделать так, чтобы было невозможно оторвать глаз от дашбордов. Так они создали интерактивную инсталляцию, где посетители, сами того не зная, становились частью цифрового арт-объекта. 🤩 Что скрывает этот артефакт? 🤩 🤩 Способ связки 40 потоков с YOLO v8, PostgreSQL и движок визуализации без лагов в один конвейер. 🤩 Задачу дедубликации тысяч JSON-записей от нейросетей. 🤩 Борьбу с «сырыми» данными от камер и их преобразование в чистую структуру для базы и красивого рендера. Следующий артефакт представит категорию «Виртуализация». Не пропустите.

NanoLang — язык программирования, созданный для ИИ Сооснователь FreeBSD Jordan Hubbard выпустил язык, специально заточенный под генерацию кода нейросетями. Зачем новый язык? LLM часто ошибаются из-за неоднозначностей синтаксиса. NanoLang решает это радикально: 🔘 Префиксная нотация — никакого приоритета операторов. (+ a (* b c)) всегда читается однозначно 🔘 Обязательные тесты — каждая функция требует shadow-блок с проверками. Код без тестов не компилируется 🔘 Транспиляция в C — нативная производительность на выходе 🔘 18 ключевых слов против 32 в C — минимум синтаксиса для LLM Simon Willison уже протестировал: Claude Opus с первого раза не скомпилировал код, но с Claude Code и доступом к примерам — справился. Компилятор уже компилирует сам себя и готов к использованию. Версия 2.0.14.

🔄 Артефакт №1. Категория: «Город» 🔄 От кого только не прилетает самокатчикам. Иногда за дело, иногда нет. Не нам судить, но мы обсудим, что делать, например, с явными нарушителями? Как их контролировать, если операторы кикшеринга не пускают в свои данные? Закрывать глаза на хаос на тротуарах или тотально запрещать? Мы получили кейс, где за 4 месяца команда из 7 человек создала платформу мониторинга, которая фиксирует самокатовские нарушения. Их задачей было сделать инструмент для структурирования данных, чтобы чиновники и операторы нашли общий язык. 🤩 Что скрывает этот артефакт? 🤩 🤩 Смекалистый метод охоты за данными, когда реальные видео с камер недоступны. 🤩 Принципы, которые помогли сделать мониторинг более объективным. 🤩 Гибридный R&D: тактика, которая помогла запустить MVP за четыре месяца, вместо шести. Планируем поделиться с вами целой пачкой интересных артефактов. Ставьте 👀, если любопытно узнать их все.