Midjourney и другие нейросети - страница 1241

Новый комментарий
Там Эпл провёл презентацию. Новый айфон, раскладушка с тремя экранами, siri без русского языка и куча всего остального. От меня одна строка текста)

Арты. Миджорни


GigaChat 3.5 Reasoning: Вышла новая модель с полноценным логическим мышлением на 432B параметров


//текст и обложка Gemini 3.1 PRO. https://huggingface.co/ai-sage/GigaChat3.5-432B-A28B-Reasoning-bf16

Разработчики линейки GigaChat (профиль ai-sage на Hugging Face) опубликовали новую флагманскую нейросеть — GigaChat 3.5 Reasoning. Это первая модель семейства, прошедшая сквозное обучение с подкреплением в реальном времени (Online RL) для решения сложных логических, математических и агентских задач.


Архитектура и технические особенности

Модель построена на гибридной архитектуре смеси экспертов (Mixture-of-Experts, MoE):

  • Масштаб и активность: Общий размер модели составляет 432 млрд параметров (432B), из которых для обработки каждого токена активируются 28 млрд (28B).

  • Гибридный механизм внимания: Модель совмещает стандартные слои Multi-head Latent Attention (MLA) с линейным вниманием на базе GatedDeltaNet. Это позволяет удерживать контекст до 262 144 токенов (262K) без существенного роста объема KV-кэша.

  • Ускоренный вывод (Speculative Decoding): Благодаря трем MTP-головам (Multi-Token Prediction) модель может генерировать несколько токенов за один шаг, что значительно увеличивает скорость инференса.

  • Стабилизация обучения: Для устранения «просадок» при обучении на большом масштабе применен механизм GatedNorm.

Обучение через Online RL и 6 доменных экспертов

После базового обучения (SFT) команда применила оригинальный подход: независимо друг от друга с помощью алгоритма CISPO и Online RL обучили 6 специализированных экспертов:

  1. STEM: Математика, олимпиадные задачи и естественные науки.

  2. Code: Алгоритмы, редактирование кода и генерация тестов.

  3. Code Agent: Решение сложных задач на уровне репозиториев в стиле SWE-bench.

  4. General Agent: Вызов функций (function calling), работа с памятью и поиск.

  5. Dialogue: Поддержание естественного диалога.

  6. Soft Skills: Строгое следование формату, структурированный вывод и длинный контекст.

Затем знания всех шести экспертов объединили в одну релизную модель с помощью метода On-Policy Distillation (OPD).

Результаты в бенчмарках

По сравнению с версией GigaChat 3.5 Ultra Instruct новая модель показывает кратный рост в сложных математических дисциплинах, коде и следовании инструкциям.

Бенчмарк / Задача GigaChat 3.5 Ultra Instruct GigaChat 3.5 Ultra Reasoning DeepSeek V4 Flash Reasoning
AIME 2025 (Math) 68.00% 89.00% 88.95%
AIME 2026 (Math) 67.00% 92.00% 90.40%
HMMT 2025 (Math) 36.67% 83.13% 95.21%
GPQA-Diamond (Научные задачи) 61.11% 82.32% 87.40%
IFBench (Инструкции) 43.66% 77.00% 73.33%
LiveCodeBench v6 (Программирование) 56.20% 85.40% 87.87%
SWE-bench Verified (Агентский код) 42.60% 64.70% 78.60%
Ru LLM Arena (Русский язык) 53.80% 64.00% 48.50%
Средний результат 51.47% 68.88% 72.71%

Эффективность токенов рассуждения

Важным преимуществом GigaChat 3.5 Reasoning стала лаконичность «цепочки рассуждений» (CoT). В математических тестах модель тратит в среднем на 37% меньше токенов мышления, чем DeepSeek V4 Flash Preview, сохраняя при этом аналогичную или более высокую точность ответов.

Как попробовать и запустить

Модель распространяется под открытой лицензией MIT. В репозитории на Hugging Face уже доступны:

  • BF16 / FP8 веса: Для дообучения, квантования и высоконагруженного сервинга через SGLang .

  • GGUF-версии: Для локального запуска на пользовательских ПК с использованием llama.cpp и интеграции в локальные агенты.

Релиз DeepSeek-V4.1-Flash: прорыв в кэшировании, нативная мультимодальность и закрытие V4-Pro


//текст и обложка Gemini 3.6 Flash. https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash , https://www.deepseek.com/en/news/deepseek-v4-1-flash/

Компания DeepSeek официально представила модель DeepSeek-V4.1-Flash — мультимодальную нейросеть с открытыми весами (лицензия MIT) и архитектурой Mixture-of-Experts (MoE).


Главный итог этого релиза — кардинальная перестройка линейки моделей. Новая версия Flash настолько превзошла прошлые модели по качеству, скорости и экономичности, что разработчики приняли решение отправить на покой не только старый Flash, но и предыдущий флагман компании DeepSeek-V4-Pro.

Архитектура: Каузальный кодер-декодер и сжатие кэша

Ключевой фокус V4.1-Flash сделан на эффективную обработку сверхдлинных контекстов (до 1 млн токенов) и выполнение сложных автономных агентских сценариев.

  • Causal Encoder-Decoder (CED): Модель состоит из 20 слоёв каузального кодера и 20 слоёв декодера. Общий объём нейросети составляет 552 млрд параметров (плюс 196 млрд параметров условной памяти Engram). При этом на этапе ввода (prefill) активируется всего 8 млрд параметров, а на этапе генерации — 16 млрд.

  • Сжатие KV-кэша в 4 раза: Благодаря обновлённому механизму CSA2 (Compressed Sparse Attention 2) и квантованию кэша в FP4 размер KV-кэша снизился до рекордных 890 байт на токен. Это в 4 раза меньше, чем у V4-Flash, и в 437 раз меньше, чем у первого поколения DeepSeek-V1.

  • Нативная мультимодальность: В модель встроен визуальный энкодер DeepSeek-ViT (с поддержкой 2D-RoPE), благодаря чему она единовременно обрабатывает текстовые и визуальные промпты без необходимости использовать отдельные модели для картинок.

  • Управляемая глубина мышления: Появился параметр reasoning_effort (от 1 до 100), позволяющий точечно балансировать между скоростью ответа и глубиной логических рассуждений.

Бенчмарки и сравнение с конкурентами

В классических академических тестах (например, GPQA) модель сохраняет уровень топовых флагманов, но настоящий рывок произошёл в агентских задачах (Agentic AI) — отладке кода, работе с консолью и автономном управлении рабочими процессами.

Бенчмарк / Метрика DeepSeek V4 Flash DeepSeek V4 Pro DeepSeek V4.1 Flash GPT-5.6 Sol Claude Opus-5.0
DeepSWE v1.1 (Решение задач в коде) 54.4% 62.7% 74.2% 73.0% 74.0%
Terminal-Bench 2.1 (Работа в консоли) 82.7% 87.9% 90.6% 88.8% 89.1%
Terminal-Bench 4.0 (Сложный агентский тест) 7.0% 12.4% 31.2% 39.9% 51.8%
AutomationBench (Автоматизация задач) 37.7% 43.2% 54.8% 45.8% 50.3%
HumanEval (Базовый кодинг) 69.5% 76.8% 79.4% — —
GPQA Diamond (Научные рассуждения) 89.9% 92.4% 90.9% 94.1% 93.4%

За счёт ультрадешёвого KV-кэша V4.1 Flash радикально снижает стоимость цикличной работы AI-агентов: агент может десятки раз перечитывать контекст кодовой базы объёмом в сотни тысяч токенов, расходуя доли цента.


Изменения в API, цены и судьба старых версий

В связи с выходом V4.1-Flash команда DeepSeek полностью обновила маршрутизацию вызовов в API:

  1. Судьба V4-Flash и V4-Flash-Vision-Exp: Старые версии Flash официально выведены из эксплуатации (retired). Запросы к ручкам deepseek-v4-flash и deepseek-v4-flash-vision-exp автоматически и прозрачно перенаправляются на новую DeepSeek-V4.1-Flash.

  2. Отключение V4-Pro: С 14 сентября 2026 года все запросы к deepseek-v4-pro будут также автоматически перенаправляться на V4.1-Flash (по тарифам V4.1-Flash) вплоть до будущего выхода V4.1-Pro.

  3. Единый алиас: Основным именем модели в API становится deepseek-flash — она изначально поддерживает и текст, и зрение.

  4. Лимиты: Лимит параллельных запросов (Concurrency Limit) для пользователей был увеличен до 2 500 RPS.

Актуальные тарифы API (за 1 млн токенов)

Сохраняется система с пиковыми и внепиковыми часами (скидка 50% во внепик):

  • Входной контекст (Cache Miss): $0,15 вне пика / $0,30 в пик.

  • Чтение из кэша (Cache Hit): $0,003 вне пика / $0,006 в пик (дешевле более чем в 2 раза по сравнению с прошлым поколением).

  • Генерация ответа (Output): $0,60 вне пика / $1,20 в пик.

Реакция сообщества и интеграция

Разработчики встретили релиз энтузиазмом. Открытая лицензия MIT позволяет свободно использовать модель в коммерческих проектах и разворачивать её на собственном оборудовании.

Модель уже получила поддержку в ключевых инструментах и экосистемах:

  • Локальный запуск: Поддерживается в Transformers , vLLM и SGLang .

  • IDE и среды разработки: Интегрирована в плагины OpenCode, CodeBuddy и WorkBuddy.

  • Облачные провайдеры: Доступна через OpenRouter, Novita и DeepInfra.

Итог

DeepSeek V4.1 Flash поднимает планку для открытых нейросетей: легкая модель начального уровня не просто обошла прошлый флагман V4-Pro, но и сделала многочасовую работу автономных AI-агентов максимально доступной для разработчиков по всему миру.

Закулисье GPT-6 Astra: Что раскрыл утекший системный промпт и при чём тут AGI


//текст и обложка Gemini 3.6 flash (частично анализ был от deepseek 4.1). https://github.com/elder-plinius/CL4R1T4S/blob/main/OPENAI/Codex_Desktop/GPT-6_Astra_Prompts.md

В открытый доступ попал системный промпт GPT-6 Astra — файл объемом более 5000 строк (~331 КБ), опубликованный исследователем elder-plinius в репозитории CL4R1T4S . Публикация вызвала шквал обсуждений: от громких заявлений «AGI наконец-то наступил» до скепсиса о том, что всё дело лишь в грамотном маркетинге и искусных инструкциях.


Разбираем, что на самом деле скрывается внутри инструкции, из-за чего модель показывает невероятные результаты в тестах и какую роль во всём этом играет промпт-инжиниринг.

1. Анатомия промпта: 4 главных архитектурных паттерна Astra

Опубликованный документ описывает поведение модели в роли автономного агента Codex. В отличие от стандартных системных инструкций, промпт Astra спроектирован не как «свод правил вежливости», а как алгоритм управления контекстом и процессами:

  • Сдвиг в сторону действия (Action-Bias): Модели категорически запрещено тратить токены на подтверждение своих возможностей («Да, я могу это сделать, вот мой план...»). При любом запросе она обязана сразу активировать инструменты и выполнять задачу.

  • Иерархия суб-агентов: В инструкции описан механизм рекурсивного порождения агентов. Корневой процесс может создавать подчиненных агентов, а те — своих. Все они обладают одинаковым уровнем интеллекта и прямым доступом к инструментарию.

  • Жесткий бан «AI-мусора» (Anti-AI Jargon): Промпт прямо запрещает использовать шаблонные переходы, размытые фразы вроде «delve», «leverage», «it's worth noting», а также контрастные конструкции вида «This isn't about X. It's about Y».

  • Асинхронность и молчаливое выполнение: Модели предписано группировать независимые операции поиска и чтения данных, а также не отвлекать пользователя промежуточными дисклеймерами, если нет критической ошибки.

2. Иллюзия AGI: Заслуга модели или системной обвязки?

Дискуссию вокруг AGI подогрели результаты тестов: Astra показала 99,9% на ARC-AGI-3 и 97,6% на FrontierMath Tier 4. Однако независимый анализ раскрывает важную деталь:

Важный нюанс: Рекордные 99,9% в ARC-AGI были получены в специальной конфигурации с сохранением латентного состояния рассуждений между вызовами. В стандартном режиме «вопрос-ответ» результат упал до 62,7%.

Это наглядно демонстрирует разницу между базовым интеллектом LLM и мощью агентного каркаса:

Компонент Что дает системе Результат для пользователя
Базовая модель (GPT-6) «Латентное мышление», глубокое понимание кода, логика. Высокая точность решения сложных математических и инженерных задач.
Системный промпт (Astra) Дисциплина, автономность, оркестрация суб-агентов. Ощущение «AGI»: модель не задает лишних вопросов и сама доводит задачу до конца.

3. Что говорит сообщество и разработчики

Реакция рынка оказалась неоднородной:

  • Разработчики агентных систем (Cognition, Jane Street): Отмечают колоссальный прорыв. Astra гораздо лучше держит контекст крупной кодовой базы, требует меньше итераций правки кода и эффективно управляет окружением.

  • Обычные пользователи (Reddit, X): В повседневном тексте и простых чат-задачах разница с предыдущими версиями практически не ощущается, что вызывает волну разочарования у тех, кто ждал «настоящего искусственного разума».

Итог

Утекший промпт GPT-6 Astra доказал: современный промпт-инжиниринг перерос уровень простых текстовых указаний. Сегодня это полноценная архитектура управления моделью.

Astra — это не AGI в фундаментальном смысле, а демонстрация того, как сильная модель в связке с бескомпромиссным агентным промптом способна создавать полноценную иллюзию автономного разума.
Vitaliy Kuznetsov #:
Жесткий бан «AI-мусора» (Anti-AI Jargon): Промпт прямо запрещает использовать шаблонные переходы, размытые фразы вроде «delve», «leverage», «it's worth noting», а также контрастные конструкции вида «This isn't about X. It's about Y».

Что интересно. Сейчас моделям прописывают в инструкциях, чтобы они избегали нейро-штампов. И в то же время появляются люди, которые перенимают ИИ привычки и уже сами используют такие текстовые конструкции.

Неизменно только одно - под каждой статьёй всегда есть комментарий: "это сгенерировала нейросеть, тьфу")

Suno представила нейросеть v6: гибкое редактирование, союз с лейблами и жесткие лимиты на скачивание


//текст и обложка Gemini 3.6 Flash. https://suno.com/blog/introducing-v6

Компания Suno официально анонсировала шестое поколение своей флагманской нейросети для генерации музыки — Suno v6. Разработчики назвали этот релиз новым этапом развития платформы, сделав главный акцент на точечном контроле над композициями, мультимодальности и выходе из правовой «серой зоны» благодаря партнерству с крупнейшими музыкальными издательствами.


Однако реакция пользовательского сообщества оказалась смешанной: вместе с долгожданными функциями точечной правки треков релиз принес изменение характера звучания и неприятные ограничения на скачивание файлов.

Что нового в Suno v6: три модели и точечный контроль

Главное технологическое отличие v6 — переход от единой нейросети к линейке из трех специализированных моделей:

  • v6 (Флагман) — версия для подписчиков тарифов Pro и Premier. Нацелена на предсказуемый результат, высокую точность выполнения промпта и чистый, полированный звук.

  • v6-wild (Экспериментальная) — вариант для творческого поиска. Модель менее предсказуема, смело комбинирует жанры и генерирует необычные музыкальные текстуры.

  • v6-mini (Бесплатная) — облегченная версия, доступная всем пользователям без подписки для быстрой проверки идей.

Ключевые возможности:

  1. Редактирование фрагментов на естественном языке: Теперь можно изменить отдельную секцию трека (например, заменить инструмент в бридже или добавить хор в припев), не пересоздавая песню целиком.

  2. Точечные правки текста: Возможность переписать одну строчку или заменить конкретное слово в вокале без сброса всей аранжировки.

  3. Мультимодальные запросы: В качестве источника вдохновения можно использовать не только текст, но и голосовые заметки, аудиосэмплы, изображения и видео.

  4. Сэмплирование и мешапы: Появилась функция изоляции конкретных инструментов из одного трека и сборка нового бита на их основе.

Легализация и партнерство с лейблами

В v6 компания кардинально изменила подход к обучению моделей. Suno заключила соглашения с гигантами музыкальной индустрии, включая Warner Music Group, BMG и Believe.

Генерация музыки перешла на лицензированные датасеты. В рамках v6 закладывается фундамент для программы opt-in: музыканты смогут добровольно предоставлять свои голоса и стили для обучения нейросети и получать за это отчисления, когда пользователи генерируют треки с их участием.

В связи с переходом на новую архитектуру компания планирует постепенно вывести из эксплуатации предыдущие версии моделей (включая v4 и v5.5).

Отзывы сообщества: за что хвалят и за что критикуют v6

Если профессиональные музыканты и продюсеры встретили новые функции редактирования с интересом, то среди рядовых пользователей и контент-мейкеров релиз вызвал волну споров.

Плюсы:

  • Инструменты точечной доработки: Возможность заменить неудачный фрагмент или исправить фальшивую ноту экономит время и генерационные кредиты.

  • Снижение цифрового шума: На высоких частотах уменьшилось количество неприятных артефактов и фонового «песка».

Минусы и главные поводы для критики:

  1. Урезание лимитов на скачивание: Одновременно с релизом v6 платформа ввела жесткие квоты на скачивание файлов и стэмов. Даже на платных тарифах скачивание перестало быть безлимитным (например, 20 скачиваний в месяц на тарифе Pro и 60 — на Premier). Учитывая, что коммерческие права на трек привязаны к источнику скачивания, авторы контента посчитали это скрытым подорожанием сервиса.

  2. «Стерильный» микс: Многие отмечают, что звук v6 стал плоским и чрезмерно сжатым. Из композиций ушел живой объем и естественный драйв, характерный для прошлых версий.

  3. Проблемы с тяжелыми и редкими жанрами: Из-за перехода на очищенную лицензионную базу данных модель стала хуже справляться с роком, металом и нишевой электроникой.

  4. Отключение v5.5: Пользователей расстроил факт закрытия предыдущей версии v5.5, к звучанию которой многие успели привыкнуть.

Итог

Suno v6 знаменует собой переход ИИ-музыки во взрослую фазу: сервис превращается из эксцентричного генератора «песен по одной кнопке» в легальный, коммерчески безопасный инструмент для продюсеров и лейблов.

Однако платой за легальность и глянец стали ограничения на скачивание и более нейтральный звук, что заставило часть аудитории искать альтернативы.

Разное. Миджорни


Три столпа полезности ИИ


//текст и обложка ChatGPT. Мысль авторская.

Обычно возможности новой ИИ-модели обсуждают по принципу: лучше пишет, лучше рассуждает, лучше отвечает на вопросы. Но есть более интересный способ посмотреть на развитие индустрии — посмотреть, на каких задачах разработчики сами измеряют прогресс моделей.

И здесь постепенно вырисовываются три особенно важных направления: программирование, бизнес и финансы, а также биология и медицина.

Это не случайный выбор. При каждом новом поколении моделей всё больше внимания уделяется именно этим задачам.

От «самой умной модели» к окупаемости

Есть ещё одна причина, почему именно эти направления сегодня становятся настолько важными.

После первых лет гонки за качеством моделей у индустрии появился новый вопрос: а где этот интеллект действительно способен окупиться?

Очень показательный пример — Anthropic. Компания сделала особенно сильную ставку на программирование, а после появления Claude Code рынок получил почти идеальную демонстрацию экономической ценности специализированного ИИ-агента. Всего через шесть месяцев после публичного запуска Claude Code достиг $1 млрд годовой выручки. К 2026 году этот показатель вырос ещё в несколько раз.

Это стало важным сигналом для всей отрасли.

Оказалось, что модель необязательно должна быть полезна «во всём понемногу». Она может взять одну дорогую профессиональную область, стать там очень сильной и превратиться из чат-бота в инструмент, за который компании готовы платить большие деньги.

Поэтому сегодня особенно интересно смотреть не только на сами модели, но и на бенчмарки, которыми разработчики измеряют их новые поколения.

Если при каждом новом релизе отдельно проверяют программирование, финансовый анализ, бизнес-задачи, медицину, геномику или разработку лекарств, это уже косвенно показывает, где индустрия ожидает получить следующую большую отдачу от ИИ.

И в этом смысле бенчмарки становятся своеобразной картой будущего рынка.

Первый столп — код

Программирование, пожалуй, стало первым настоящим экономическим полигоном для ИИ.

В бенчмарках появляются специализированные тесты вроде SWE-Bench, Terminal-Bench, DeepSWE и FrontierCode. Они проверяют уже не способность написать несколько строк Python по запросу, а умение работать с настоящими кодовыми базами, находить ошибки, менять существующий проект, запускать инструменты и доводить задачу до результата.

В свежих релизах крупных моделей кодирование стабильно занимает отдельный раздел с десятками процентов всей таблицы оценок. Для GPT-6 Astra, например, опубликованы отдельные результаты по Terminal-Bench, DeepSWE, FrontierCode и задачам миграции баз данных.

Это довольно прозрачный сигнал: ИИ должен не просто разговаривать с программистом — он должен участвовать в производстве программного обеспечения.

Второй столп — бизнес и деньги

Следующий шаг гораздо интереснее.

Можно проверить, знает ли модель формулу EBITDA. А можно дать ей реальную финансовую задачу и посмотреть, сможет ли она построить модель, провести анализ и сделать правильные выводы.

Именно такие тесты быстро становятся отдельным классом бенчмарков.

OpenAI, например, оценивает модели на FinanceAgent и на внутренних задачах инвестиционного банкинга: построение финансовых моделей, анализ компаний и другие рабочие процессы. В GPT-5.5 этот раздел опубликован рядом с кодированием как одна из основных категорий профессиональных возможностей.

Более того, OpenAI уже создала отдельный benchmark для сложных задач личных финансов, который оценивали более 50 специалистов финансовой отрасли.

А 10 сентября 2026 года OpenAI вообще представила отдельный ChatGPT for Financial Services с финансовыми данными, моделированием LBO, анализом компаний и подготовкой инвестиционных материалов.

Здесь появляется принципиально новый критерий полезности:

может ли ИИ не просто дать правильный ответ, а помочь заработать, сэкономить или принять дорогостоящее решение?

Третий столп — биология, медицина и долголетие

Третий столп потенциально самый важный для человечества.

В новых моделях всё чаще появляются специализированные оценки научных и медицинских задач. У GPT-6 Astra это уже отдельная категория Science and Health: GeneBench Pro, MedChemBench, LifeSciBench и HealthBench Professional.

GeneBench Pro проверяет уже не простое знание биологии, а способность разбираться с неоднозначными генетическими данными и принимать решения, близкие к реальной исследовательской работе.

HealthBench, созданный OpenAI совместно с 262 врачами из 60 стран, оценивает модели на 5000 реалистичных медицинских диалогах. Причём проверяется не только правильность фактов, но и безопасность, работа с неопределённостью, полнота ответа и способность понять, когда человеку нужна медицинская помощь.

Anthropic идёт практически в том же направлении. В оценках Claude отдельно фигурируют медицинские задачи, computational biology, protein understanding, spatial biology и другие life-science тесты.

Это уже трудно назвать случайностью.

Похоже, индустрия постепенно определяет один из главных вопросов будущего: сможет ли ИИ ускорить понимание самого сложного объекта из всех — живого организма.

А что с остальными направлениями?

Они никуда не исчезают. Просто их роль немного другая.

Математика показывает фундаментальную способность рассуждать. Поиск и длинный контекст нужны для работы с огромным количеством информации. Computer use и агентные тесты проверяют способность самостоятельно действовать в цифровой среде. Кибербезопасность измеряет практическое применение интеллекта в одной из самых сложных технических областей. Абстрактные тесты вроде ARC-AGI проверяют более общие способности к решению новых задач.

И постепенно все эти направления начинают объединяться.

ИИ должен понять задачу → найти информацию → рассуждать → написать код → воспользоваться компьютером → провести расчёты → принять решение → проверить результат.

И тогда три столпа выглядят особенно логично:

Код — создавать.

Бизнес — зарабатывать и управлять.

Биология — улучшать здоровье и жизнь.

Это уже не просто три популярные области применения ИИ. Судя по тому, какие бенчмарки появляются в новых поколениях моделей, именно здесь индустрия всё активнее пытается превратить интеллект машины в измеримую практическую ценность.

Чат стал ощутимо скоростным https://chat.deepseek.com/

Всё же версия 4.1 - реально мощная, код лупит, только в путь.

1...123412351236123712381239124012411242124312441245124612471248...1253
Новый комментарий