Најди сличен содржај

Ai Anime Girl — Channel Face Happy New Year! #Ai#AiArt#AiAnime#Art#Anime#ChannelFace#NewYear

Ai Anime Girl — Channel Face Happy New Year! #Ai#AiArt#AiAnime#Art#Anime#ChannelFace#NewYear

🖥HunyuanImage 2.1 теперь доступна в квантизованной версии! Это text-image модель, которая может генерировать изображения в 2K. Теперь модель можно запускать локально. Для этого необходимо минимум 24GB VRAM. 🟢Hugging Face: https://huggingface.co/tencent/HunyuanImage-2.1) 🟢Подробнее про модель: https://t.me/machinelearning_interview/2161 @ai_machinelearning_big_data #AI#HunyuanImage#StableDiffusion#ImageGeneration

✈️MCP — технология умных ассистентов в действии Хотите увидеть, как работает интеллектуальная обработка информации? На видео демонстрация нашего Telegram-бота, созданного на базе технологии MCP. MCP (Model Context Protocol) — это подход, позволяющий создавать системы, которые не просто выполняют заданные команды, а понимают суть информации и самостоятельно решают, как её обрабатывать. В отличие от обычных программ, MCP-решения адаптируются к различным запросам без необходимости перепрограммирования. Наш бот умеет мониторить любые Telegram-каналы (достаточно переслать ему пост), анализировать их содержимое и отвечать на вопросы естественным языком. Вы можете спросить "Что писали о блокчейне за неделю?" или "Собери основные мнения о последнем обновлении iOS" — и получите структурированный ответ. И всё это реализовано менее чем в 200 строках кода! 🤔 ➡️ Подробнее о технологии MCP, её преимуществах и применении порассуждали в нашей статье на Дзен-канале Шашков & Головко • AI в решениях. А кто уже экспериментировал с MCP-решениями? Поделитесь опытом в комментариях. #ИИ#AI#Нейросети#MCP ——— #Инструменты#Ассистенты ✍️Подписывайтесь: @aiforproduct

By Voodoont #some #portraits #girls #voodoont #арт#art#illustration#ai#stable_diffusion

◀️--sref 3612798423 #Painting#Pastel#StyleRandom#MidJourney#AiGenLabs#Ai 〰️〰️〰️〰️〰️ main channel📎

Google 发布 Gemma 4 开源模型：Apache 2.0 许可，31B 登顶 Arena AI 开源第三 Google DeepMind 于 4 月 2 日正式发布 Gemma 4，迄今最强大的开源模型家族。基于与 Gemini 3 相同的技术构建，专为高级推理和 Agent 工作流打造。全系列首次采用 Apache 2.0 开源许可，完全商用自由。 自初代发布以来，Gemma 已被下载超过 4 亿次，社区衍生出 10 万+变体。 ⚙️ 四款模型 - E2B（Effective 2B）：手机/IoT 边缘设备，128K 上下文，支持文本+图像+视频+音频 - E4B（Effective 4B）：手机/IoT 边缘设备，128K 上下文，支持文本+图像+视频+音频 - 26B MoE（混合专家）：推理时仅激活 3.8B 参数，256K 上下文，Arena AI 开源第 6 - 31B Dense（稠密）：最大化质量，256K 上下文，Arena AI 开源第 3，超越 20 倍参数量模型 🔑 核心能力 - 高级推理：多步规划与深度逻辑 - Agent 工作流：原生函数调用、结构化 JSON 输出、系统指令 - 代码生成：高质量离线代码，本地 AI 编程助手 - 多模态：全系列处理图像和视频，E2B/E4B 额外支持音频 - 140+ 语言原生训练 - Apache 2.0 许可：完全商用自由 📎 相关链接 官方博客：https://blog.google/innovation-and-ai/technology/developers-tools/gemma-4/ Google AI Studio：https://aistudio.google.com Hugging Face：https://huggingface.co/collections/google/gemma-4 Kaggle：https://www.kaggle.com/models?query=gemma-4&publisher=google #Google#Gemma4#开源模型#ApacheLicense#AI

🧠 Google выпускает крутейшее руководство по созданию AI-агентов! Инженеры Google представили практическое руководство для всех, кто хочет создавать по-настоящему умные и самостоятельные ИИ-системы. О чём этот документ? Раньше ИИ просто реагировал на запросы.Теперь он может самостоятельно ставить цели, планировать и действовать для их достижения. Такие системы называются агентными. Это новый уровень искуственного интеллекта. Чем это полезно обычному пользователю? Представьте себе не просто чат-бота, а умного цифрового помощника, который: ✅Сам разбирается с проблемами клиента, задаёт уточняющие вопросы и лезет в базу данных за ответами. ✅Не просто выполняет одну команду, а управляет целым процессом (например, бронирует вам весь отпуск: отель, билеты, экскурсии). ✅Автономно принимает решения, чтобы достичь цели, которую вы ему поставили. Что внутри? В руководстве— 21 готовый паттерн (шаблон) для построения таких систем. Это как конструктор для создания сложных ИИ. Всё подкреплено реальными примерами кода. Коротко о главном: Это наглядное пособие о том, как заставить ИИ не просто говорить, а делать сложную работу за нас. #ИИ#AI#Google#Agents#Разработка#Программирование https://t.me/semasci

Ethena to Announce Strategic Partnership with TON at TOKEN2049 Dubai On May 1 at 12:15 PM (Dubai,#TOKEN2049) the Ethena team will officially present the partnership with TON — information has already been published in the official conference program. ✈️ According to the project roadmap, the launch of sUSDe (an algorithmic stablecoin) in the Telegram ecosystem is planned for 2025, including transfers, payments, and savings in the format of a mobile neobank. 🍎 Integration with Apple Pay will ensure the smoothest possible transition from digital savings to one-click payments. ❤️ TON becomes part of the new financial infrastructure based on Ethena. Waiting for the official announcement #TON#Ethena#ApplePay

📌Насколько Skills реально помогают LLM-агентам. SkillsBench — исследование и первый бенчмарк, где Agent Skills тестируются как самостоятельный артефакт. Авторы из 15+ топовых университетов взяли 84 задачи из 11 доменов, запустили 7 конфигураций моделей (Claude Code с Opus/Sonnet/Haiku 4.5 и 4.6, Gemini CLI с Gemini 3 Pro/Flash, Codex с GPT-5.2) и проверили 3 условия: без Skills, с готовыми Skills и с самостоятельно сгенерированными Skills. Итого: 7 308 траекторий с детерминированными верификаторами на pytest. Готовые Skills в среднем поднимают pass rate на 16,2 процентных пункта: с 24,3% до 40,6%. Но картина неоднородная: в медицине прирост составил +51,9%, для производства — +41,9%, тогда как в разработке ПО всего +4,5%. Это объяснимо: там, где модели плохо покрыты обучением (клинические протоколы, промышленные воркфлоу), Skills дают максимальный эффект. Там, где модель и так знает домен - почти ничего. 🟡Главный и неожиданный результат: самогенерация Skills не работает. Когда моделям предлагали сначала написать нужные гайды, а потом решать задачу, средний результат упал на 1,3% по сравнению с работой вообще без Skills. Только Claude Opus 4.6 показал скромный плюс (+1,4%), а GPT-5.2 просел на 5,6%. Иными словами - модели не умеют надежно создавать то знание, которым умеют пользоваться. 🟡Еще один интересный момент - это объем Skills. Оптимальный вариант: 2–3 модуля, прирост +18,6%. При 4 и более - всего +5,9%. Подробная документация вообще дает отрицательный эффект: –2,9%, с ней агент буквально тонет в контексте. Показательна и стоимость решения задач: Haiku 4.5 со Skills обходит Opus 4.5 без Skills — меньшая и более дешевая модель с готовыми Skills бьет старшую модель без них. Gemini 3 Flash при этом показал лучший абсолютный результат среди всех конфигураций - 48,7% со Skills при цене $0,57 за одну задачу против $1,06 у Gemini 3 Pro. 🟡Страница проекта 🟡Arxiv @ai_machinelearning_big_data #AI#ML#LLM#Benchmark#Skills

⚡️GLM-5 выкатили в опен-сорс. Не прошло и суток с момента релиза, а Zhipu AI выложила веса GLM-5 и любезно поделилась проведенными бенчмарками. Архитектура пятого поколения построена на MoE: 744 млрд. общих параметров при активных 40 млрд. Модель учили на 28,5 трлн. токенов и она получила контекстное окно в 200 тыс. токенов. GLM-5 ориентирован на 5 доменов: кодинг, рассуждение, агентные сценарии, генеративное творчество и работа с длинным контекстом. Для эффективной обработки длинных последовательностей интегрирован механизм Dynamically Sparse Attention от DeepSeek, он позволяет избежать квадратичного роста копьюта без потери качества. По бенчмаркам GLM-5 занимает 1 место среди open-source моделей: 77,8% на SWE-bench Verified, лидирует на Vending Bench 2, BrowseComp и MCP-Atlas, а в задачах агентного кодирования и рассуждений вплотную подбирается к Claude Opus 4.5 и GPT-5.2. Вместе с моделью, авторы предлагают Z Code — собственную агентную IDE с поддержкой параллельной работы нескольких агентов над одной задачей. Локальный деплой поддерживается vLLM и SGLang, а также non-NVIDIA чипами: Huawei Ascend, Moore Threads, Cambricon (через квантование и оптимизацию ядер). Если вам негде поднять модель локально, она доступна через платформу chat.z.ai, API и на OpenRouter. Квантованные версии пока сделали только Unsloth, традиционно - полный набор от 1-bit до BF16. И да, стэлс-модель PonyAlpha на OpenRouter - это она и была. 📌Лицензирование: MIT License. 🟡Статья 🟡Модель 🟡GGUF 🖥GitHub @ai_machinelearning_big_data #AI#ML#LLM#GLM5#ZAI

⚡️Xiaomi MiMo-V2-Flash: MoE с 309 млрд. общих и 15 активных параметров. Модель интересна нестандартным подходом к механизму внимания. Xiaomi использовали гибридную схему, чередующую глобальное внимание и внимание скользящего окна в пропорции 1 к 5. Само скользящее окно всего 128 токенов, но несмотря на такую компактность, модель получила контекстное окно в 256 тыс. токенов. 🟡Модель создавалась с фокусом на эффективность инференса. MiMo-V2-Flash выдает 150 токенов в секунду по API и добиться таких показателей удалось благодаря Multi-Token Prediction . В отличие от стандартных методов, где декодирование упирается в пропускную способность памяти из-за низкой арифметической интенсивности, MTP генерирует несколько черновых токенов за раз. Основная модель затем валидирует их параллельно. Блок MTP в MiMo-V2-Flash спроектирован легковесным: он использует плотную сеть прямого распространения вместо MoE и опирается на все то же скользящее окно внимания. Измерения показали, что в этом есть смысл: при использовании 3-слойного MTP длина принятой последовательности составляет от 2,8 до 3,6 токена, что дает чистое ускорение инференса в 2,0–2,6 раза без увеличения операций ввода-вывода KV-кэша. 🟡На пост-трейне использовали парадигму Multi-Teacher Online Policy Distillation. Ее суть в том, что модель-студент сэмплирует варианты ответов из собственной политики, а награды ей выдают сразу несколько моделей-учителей. Это дало возможность масштабировать RL с ощутимой экономией: для пиковой производительности учителей требуется менее 1/50 вычислительных ресурсов по сравнению с традиционными пайплайнами SFT+RL. 🟡Боевые метрики на бенчмарках выглядят красиво. На SWE-bench Verified модель набрала 73,4%. Это первое место среди всех открытых моделей и очень близко к показателям GPT-5-High. В мультиязычном тесте SWE-bench Multilingual решила 71,7% задач. В математическом AIME 2025 и научном бенчмарке GPQA-Diamond MiMo-V2-Flash входит в топ-2 среди open-source решений. Для задач поиска на BrowseComp результат составил 45,4, а при использовании управления контекстом вырос до 58,3. В прямом сравнении ризонинг-задачах MiMo-V2-Flash держит паритет с K2 Thinking и DeepSeek V3.2 Thinking, но превосходит K2 Thinking на длинных контекстах. 🔜 Есть бесплатный доступ по API до конца года (потом - $0,1 за млн. входных токенов и $0,3 за млн. выходных). 📌Лицензирование: MIT License. 🟡Статья 🟡Техотчет 🟡Demo 🟡Модель @ai_machinelearning_big_data #AI#ML#LLM#MiMOv2Flash#Xiaomi