Искусственный интеллект. Высокие технологии

🚀 Qwen 3.5 выходит в компактном формате

Alibaba представила новую линейку малых моделей Qwen 3.5:
0.8B · 2B · 4B · 9B

Все модели построены на единой архитектуре Qwen 3.5:
- нативная мультимодальность
- улучшенная архитектура
- масштабированное обучение с RL
- оптимизация для реальных сценариев

0.8B и 2B
Подходят для edge-устройств, локальных приложений и быстрых inference-задач.

4B
Неожиданно сильная база для лёгких мультимодальных агентов и небольших AI-сервисов.

9B
Компактная модель, но уже заметно приближается по качеству к гораздо более крупным системам.

Отдельно выпущены и Base-версии.

Hugging Face: https://huggingface.co/collections/Qwen/qwen35

@ai_machinelearning_big_data

💰 FT: Nvidia может инвестировать до $30 млрд в OpenAI - вместо сделки на поставку чипов

По данным Financial Times, Nvidia меняет структуру сотрудничества с OpenAI.

Ранее обсуждалась многосторонняя сделка на $100 млрд, где финансирование Nvidia было привязано к:
- закупкам GPU
- росту инфраструктуры OpenAI
- этапам расширения дата-центров

Теперь формат меняется.

Что происходит:

- Nvidia рассматривает инвестицию до $30 млрд в капитал OpenAI
- вместо контрактной схемы — прямая покупка доли
- прежняя модель с обязательными закупками и milestone-условиями отменяется

Почему изменили структуру:

Старая схема выглядела для инвесторов «круговой»:
- OpenAI получает деньги от поставщика
- затем тратит их на покупку оборудования у того же поставщика

Новая модель, более прозрачная с точки зрения инвестиций.

Хотя обязательства по закупкам снимаются, ожидается, что значительная часть средств всё равно пойдёт на покупку GPU Nvidia

AI-инфраструктура превращается в стратегическое партнёрство.
Производители чипов больше не просто поставщики — они становятся крупными акционерами AI-компаний.

ft.com/content/dea24046-0a73-40b2-8246-5ac7b7a54323

Укротить машинное обучение — миссия выполнима 💪

В 2026 перед бизнесом стоит задача: окупить расходы на машинное обучение. Точно не обойтись без знаний по MLOps.

На помощь приходит мини-курс по машинному обучению от Академии Selectel.
Эксперты подробно рассказали:
- как работать с артефактами в MLOps,
- что нужно бизнесу от Feature Store,
- как работать с ML-моделями на open source-платформах.

🔝 Проходите уроки бесплатно по ссылке:

Хотите быть в курсе трендов и реальной практики машинного обучения? Присоединяйтесь к сообществу профессионалов: @mlpathway 👈

Эксперты Selectel поделятся тем, как развить надежную ИТ-инфраструктуру для ресурсоемких задач и инференса моделей.

⚡ Количество патентных заявок из Китая выросло в 67,7 раза с 2000 по 2024 год.

С 26 553 заявок в 2000 году до 1,8 млн в 2024 году.

Для сравнения:
США - около 503 тыс.
Япония - около 421 тыс.

Сегодня борьба за интеллектуальную собственность выглядит совсем иначе, чем в 2000-х.

🇨🇳 DeepSeek меняет правила игры в AI-индустрии.

Обычно всё происходит так:
AI-лаборатории заранее делятся новыми моделями с Nvidia и AMD, чтобы те оптимизировали софт под своё железо.
Так формируется стандарт: модель → оптимизация → лучше всего работает на американских GPU.

DeepSeek пошёл другим путём.

Перед релизом V4:
- код не дали Nvidia и AMD
- ранний доступ на несколько недель получили китайские производители, включая Huawei

Что это значит?

DeepSeek фактически делает ставку на то, чтобы их модели:
- работали лучше на локальном железе
- ускорили развитие китайских AI-чипов
- снизили зависимость от американской экосистемы

Но есть интересный нюанс.

По словам американского чиновника, последняя модель DeepSeek всё же обучалась на Nvidia Blackwell в материковом Китае.

То есть стратегия выглядит так:
- тренируемся на лучшем доступном железе
- оптимизируемся под свою инфраструктуру
- формируем собственный стандарт

Это уже не просто конкуренция моделей.

Это борьба экосистем:
- AI-модели
- чипы
- софт
- инфраструктура

И главный тренд ближайших лет:

Кто контролирует стек, тот контролирует рынок AI.

reuters. com/world/china/deepseek-withholds-latest-ai-model-us-chipmakers-including-nvidia-sources-say-2026-02-25/

Apple делает ставку на Visual Intelligence ИИ, который понимает реальный мир через камеры

Компания готовит новое поколение устройств, в центре которого будет технология Visual Intelligence — способность ИИ анализировать окружающую среду в реальном времени и помогать пользователю на основе того, что он видит.

В будущую линейку носимых устройств могут войти:
- умные очки (да, Apple наконец готовит их к выходу)
- продвинутые AirPods
- носимый кулон с камерой и сенсорами

Идея простая: устройства не просто отвечают на запросы, а понимают контекст вокруг пользователя - объекты, еду, маршруты, задачи и ситуацию в целом.

Параллельно Apple готовит масштабный анонс.

С 2 марта ожидается трёхдневная серия презентаций, где могут показать минимум пять новых устройств, включая:
- обновлённый бюджетный MacBook
- новые версии iPhone
- обновления линейки iPad

Похоже, Apple делает следующий шаг - от «умных устройств» к устройствам, которые видят и понимают реальный мир.

https://x.com/markgurman/status/2025557479573348739

Тестирование на российском датасете показало рекордное ускорение обучения ИИ-рекомендаций почти в 60 раз

Европейские ученые нашли способ радикально ускорить обучение рекомендательных моделей без потери качества. Ключевую роль в проверке новых алгоритмов сыграл открытый датасет Yambda, опубликованный Яндексом в 2025 году.

Он содержит почти 5 млрд обезличенных событий из Яндекс Музыки, это один из крупнейших публичных наборов данных такого типа.

Что сделали исследователи:

• улучшили подготовительный этап работы модели SEATER
• ускорили этап подготовки данных — главный bottleneck обучения
• добились максимального эффекта именно на больших массивах

Результаты тестов:

• быстрый метод — ускорение с 82 минут до 83 секунд (~х60)
• комбинированный — ускорение ~х15 + рост точности
• превосходство над SASRec, BERT4Rec и GRU4Rec на 13–17%

Фактически эксперимент показал: генеративные рекомендательные системы становятся практичными на реально больших каталогах, и именно открытые индустриальные датасеты начинают играть роль ускорителя научных прорывов.

🧠 RynnBrain: Интеллектуальная модель для физического мира

RynnBrain — это продвинутая модель, способная выполнять задачи, связанные с пониманием и планированием в физическом пространстве. Она предлагает несколько вариантов, включая модели для робототехнического планирования и навигации, обеспечивая высокую точность и гибкость в выполнении сложных задач.

🚀 Основные моменты:
- Модели с высокой плотностью и смесью экспертов для различных задач.
- Эффективное понимание видео и когнитивные способности.
- Мощные возможности локализации и пространственного рассуждения.
- Интеграция физики в планирование действий.

📌 GitHub: https://github.com/alibaba-damo-academy/RynnBrain

#python

Сегодня ИИ становится частью разработки. Компании ждут не экспериментов, а рабочих решений, которые можно встроить в продукт и масштабировать.

На программе «ИИ-разработчик» от МТУСИ и Нетологии учат создавать такие решения. За 6 месяцев вы пройдёте полный цикл ИИ-разработки: от работы с API и векторными базами данных до продакшена, агентов и MLOps.

В программе много практики. Вы разработаете ИИ-помощников, чат-ботов с контекстом, RAG-системы и агентные решения. В портфолио будет 5 проектов, которые покажет реальный уровень навыков.

Обучение проходит онлайн, в формате вебинаров и практических заданий с проверкой. По итогам вы получите два диплома о профессиональной переподготовке — от МТУСИ и Нетологии.

Промокод AIDEVNETO дает скидку 10 000 на курс.

Подробная программа и условия обучения – https://netolo.gy

Реклама. ООО "Нетология" ОГРН 1207700135884 Erid: 2VSb5wssLCh

Большинство подростков в США (13–17 лет) уже используют AI-чатботов - ChatGPT, Copilot, Character AI.
Около **30% обращаются к ним ежедневно**.

Как они используют AI:

🔹 57% — для поиска информации
🔹 54% — для помощи с учебой

🔹 47% — для развлечений
🔹 ~**40%** — для создания или редактирования контента, а также для суммаризации текстов

Интересно, что AI пока не стал полноценной заменой общения:

🔹 16% используют чатботы для обычных разговоров
🔹 12% обращаются за эмоциональной поддержкой или советом

Вывод простой:
AI для нового поколения — это уже не инструмент будущего, а повседневный помощник для учебы, творчества и задач каждый день.