Elon Musk Drops OpenAI Lawsuit Elon Musk has officially withdrawn his lawsuit against OpenAI just one day before a key court hearing. The lawsuit had accused OpenAI of abandoning its mission to develop AI for the benefit of humanity. Musk alleged that since his departure in 2017, OpenAI shifted focus towards profits, especially through its partnership with Microsoft. OpenAI denied these claims, releasing emails from Musk’s tenure that contradict his accusations. The timing of Musk's withdrawal is notable, especially after his recent objections to OpenAI’s integration into Apple’s OS. While this lawsuit has been dropped, the ongoing tensions between Musk and OpenAI suggest that this conflict is far from over. #ElonMusk#OpenAI#AI#TechNews
TGINSIGHT SIMILAR POSTS
Найти похожее
Источник @procode404 · Post #3988 · 19 мар.
🔥Как работает нейросеть? — [9:59] Нейросети уже заполонили мир, особенно ChatGPT и Midjourney, поэтому важно приблизительно понимать как они работают. В этом ролике речь пойдёт об общем строении ИИ, что такое нейрон, вес и как подбирается результат. Перейти к просмотру #видео#ai
Найдено 11,663 похожих постов
Общий глобальный поиск
@ai_machinelearning_big_data · Post #9093 · 27.11.2025, 11:49
🚀 DeepSeek выпустили DeepSeek Math V2 - мощную модель для самопроверяемых математических рассуждений. Модель способна не просто решать задачи, а самостоятельно проверять корректность своих доказательств. Это шаг от генерации ответа к глубокому, надёжному и логически выверенному выводу. 📊 Результаты: - уровень золотой медали на IMO 2025 - почти идеальные результаты на CMO 2024 - 118 из 120 баллов на Putnam 2024 🔍 Главное отличие от предыдущих моделей: ИИ учится *мыслить строго*, пошагово формируя доказательство и сам проверяет логическую связность каждого шага. Подходит как для автоматизированного решения задач, так и для обучения, генерации разборов и проверки решений. https://huggingface.co/deepseek-ai/DeepSeek-Math-V2 @ai_machinelearning_big_data #AI#DeepSeek#Math#LLM#MachineLearning#OpenSource #
Anthropic CEO 暗讽谷歌、OpenAI:我们专心搞企业 AI,活得挺滋润 Anthropic首席执行官达里奥·阿莫代伊近日对OpenAI和谷歌的竞争策略提出批评。在谷歌发布Gemini 3后,OpenAI宣布进入“红色警戒”状态,而Anthropic则表示从未采取类似举措。阿莫代伊认为,Anthropic所受到的竞争压力较小,部分原因在于其产品战略更侧重于企业客户。Anthropic专注于企业级代码生成,并计划拓展至金融、生物医药、零售和能源等领域。尽管面临来自谷歌、OpenAI等公司的竞争,阿莫代伊对AI竞赛中巨额资金投入表示怀疑,强调Anthropic将以“负责任”的方式推进发展。IT之家 🏷#Anthropic#AI#竞争#企业 📢频道👥群组📝投稿
Hashtags
@filteredinternet · Post #365 · 16.03.2021, 17:57
🍹 Вы точно хотели бы такое, но прямо не догадывались об этом. Я говорю о новом расширении для Google Chrome от вьетнамской студии Bliss Interactive. Благодаря этому плагину будут включаться субтитры на YouTube именно в тот момент, когда вы начинаете хрустеть чипсами, из-за чего не слышны звуки из видео. Как вы догадываетесь, здесь не обошлось без модели машинного обучения, которую обучили на записях аж 178 часов жевания чипсов и прочих снеков. Можете установить расширение (на самом деле технически не важно, хрустите вы Lay's или другими чипсами). #AI#App#Service#Fun | Not Boring Tech
@JianjiaoPD · Post #9379 · 21.09.2025, 04:35
👥Windows-Use | 用AI直接操控Windows的电脑系统实现自动化操作 传统的 RPA 工具 要么复杂笨重,要么依赖大量配置,而 Windows-Use 直接让 AI 与 Windows GUI 层交互,实现了更灵活的 自动化体验。它能 打开应用、点击按钮、输入文字、执行 Shell 命令、捕获界面状态,而且无需依赖计算机视觉模型,任何 大语言模型(LLM) 都能直接驱动 😎 小编有话说:再这样玩下去,AI 真要把 Windows 变成“语音+文字遥控器”了 👩💻GitHub 标签:#WindowsUse#远程操作#远程控制#AI#AI控制 🗓@xiuerSearch 搜索历史资源 ✈️频道 | 💬群聊 | 📱中文包
Hashtags
@ai_machinelearning_big_data · Post #8857 · 27.10.2025, 09:31
🤖 MiniMax-M2: новая MoE-модель серииMiniMax MiniMax-M2 переосмысливает эффективность: это 230 млрд параметров (из них активно только 10 млрд) - мощная, быстрая и экономичная модель, которая сочетает интеллект уровня топовых LLM с оптимизацией под агентные применения и программирование. 🔹 Основные особенности 🧠 Интеллект мирового уровня. По данным *Artificial Analysis*, MiniMax-M2 демонстрирует отличные результаты в математике, науке, программировании, следовании инструкциям и использовании инструментов. Модель занимает #1 место среди всех open-source моделей по суммарному индексу интеллекта. 💻 Кодинг Разработана для полного цикла разработкт - от файловыхправок дотестировании кода и его автокоррекции. Модель показывает отличные результаты на Terminal-Bench и (Multi-)SWE-Bench, что делает её эффективной в IDE, терминалах и CI-системах. 🧩 Агентные возможности. MiniMax-M2 умеет планироватьи выполнять сложные цепочки действий через shell, браузер, retrieval и code runners. В тестах BrowseComp уверенно находит труднодоступные источники и восстанавливается после сбоев, не теряя цепочку рассуждений. MiniMax M2 построена по принципу GPT-OSS и использует сочетание Full Attention и Sliding Window Attention (SWA). Это помогает эффективно работать с длинным контекстом - часть модели анализирует всё сразу, другая концентрируется на ближайших фрагментах текста. Каждая attention-голова имеет собственный RMSNorm, а блоки Full Attention и SWA используют разные RoPE-параметры, это повышает гибкость и устойчивость модели. MiniMax-M2 - это новый стандарт эффективности для AGI-агентов и кодинга: умнее, быстрее и дешевле, чем аналоги. https://huggingface.co/MiniMaxAI/MiniMax-M2 @ai_machinelearning_big_data #AI#MiniMax#LLM#ArtificialIntelligence#Benchmarks
@aiforproduct · Post #774 · 26.01.2026, 13:16
↗️Как быстро собрать сложную схему с ИИ Есть бесплатная платформа draw.io - онлайн-редактор для схем, диаграмм, архитектуры. Работает из РФ прекрасно, не требует регистрации. Можно рисовать воронки, майндмэпы, флоу процессов, всё что угодно. По умолчанию нужно рисовать ручками. Но для больших проектов неудобно. ➡️Провели эксперимент: создание уже готовых схем для draw.io через ИИ. Взяли спецификацию ТГ-бота на 1700 строк - с сущностями, роутером, 16 FSM-состояниями, интеграциями. Загрузили файл + промпт с описанием задачи: собрать это всё красиво в схему. ❓Над задачей работали GPT и Claude. На видео показываем, как это всё быстро происходит. Обе нейронки выдали готовый файл, который просто открывается в draw.io и на рабочем поле вырастает структура. Claude справился лучше: 7 чётких зон, структура читается, цвета работают. GPT выдал всё, но визуально — стена, сложнее ориентироваться. У обеих нейронок есть блоки, которые поехали по размеру. Но это мелочи, легко тут же правится. На более простых схемах Claude даёт просто идеальную картинку, которую тут же можно экспортировать в PDF или JPEG. Качество экспорта хорошее. Всё чётко видно. 💡Что важно указать в промпте, чтобы не получить месиво из блоков со стрелками во все стороны: ◽️ Зоны визуально разделены (фоны или swimlanes) ◽️ Цветовое кодирование для разных типов элементов ◽️ Стрелки угловые (orthogonal), не диагональные ◽️ Легенда с обозначениями ◽️ Результат: файл .drawio #ИИ#AI#Нейросети#drawio ——— #Инструменты#Схемы ✍️ Подписывайтесь: @aiforproduct
@ai_machinelearning_big_data · Post #9420 · 22.01.2026, 13:25
🗣Qwen3-TTS - мощный open-source релиз (voice design + клонирование голоса) Qwen официально выпустили Qwen3-TTS и полностью открыли всю линейку моделей - Base / CustomVoice / VoiceDesign. Что внутри: - 5 моделей (0.6B и 1.8B классы) - Free-form Voice Design - генерация/редаквтирование голоса по описанию - Voice Cloning - клонирование голоса - 10 языков - 12Hz tokenizer - сильная компрессия аудио без сильной потери качества - полная поддержка fine-tuning - заявляют SOTA качество на ряде метрик Раньше лучшие генераторы были в закрытых API, а теперь появляется полноценный open-source стек TTS, где можно: - обучать под домен, - делать кастомные голоса, - и не зависеть от провайдера. ▪GitHub: https://github.com/QwenLM/Qwen3-TTS ▪Hugging Face: https://huggingface.co/collections/Qwen/qwen3-tts ▪Демо (HF): https://huggingface.co/spaces/Qwen/Qwen3-TTS ▪Блог: https://qwen.ai/blog?id=qwen3tts-0115 ▪Paper: https://github.com/QwenLM/Qwen3-TTS/blob/main/assets/Qwen3_TTS.pdf @ai_machinelearning_big_data #AI#TTS#Qwen#OpenSource#SpeechAI
Hashtags
GitHub 将从 2026 年 4 月开始使用 Copilot 交互数据训练 AI 模型 GitHub 将于 2026 年 4 月 24 日起修改其数据政策,允许使用 Copilot Free、Pro 和 Pro+ 计划用户的交互数据来训练 AI 模型,除非用户选择退出。此举旨在提升 AI 模型的性能,但引发了用户数据隐私方面的关注。THE DECODER 🏷#GitHub#Copilot#AI#Data#Policy 📢频道👥群组📝投稿
@ai_machinelearning_big_data · Post #8329 · 21.08.2025, 13:30
📌Как создавали RL-агент AutoGLM-OS, который выбил SOTA на OSWorld, обогнав OpenAI и Anthropic. Автономные агенты, способные управлять рабочим столом - это Грааль современного HCI. Но их обучение сопряжено с трудностями: GUI созданы для людей, а не для машин, а масштабирование RL упирается в неэффективность и нестабильность сред. В Z.ai сделали фреймворк COMPUTERRL, который лег в основу агента AutoGLM-OS. Результат - state-of-the-art на бенчмарке OSWorld: 48.1% успешных выполнений и это лучше, чем у OpenAI CUA 03 (42.9%), UI-TARS-1.5 (42.5%) и Claude 4.0 Sonnet (30.7%). OSWorld — это крупный бенчмарк из 369 заданий для проверки многомодальных ИИ-агентов в реальных условиях. Он работает в Ubuntu, Windows и macOS. В нем ИИ выполняет открытые задачи: работает с веб- и десктопными приложениями, управляет файлами, запускает процессы. Каждое задание имеет четкие начальные условия и скрипты для оценки, чтобы результаты можно было воспроизвести. Такие высокие показатели - результат комбинации 3-х инноваций. 🟡Новая парадигма взаимодействия API-GUI. Фреймворк объединяет GUI-взаимодействия с быстрыми и точными API-вызовами образуя систему, которая через LLM автоматически анализирует примеры задач, генерирует необходимый API-код для стандартных приложений Ubuntu и даже создает для него базовые тесты. Таким образом, агент использует быстрые API там, где это возможно, и переключается на GUI для общих задач, что повышает и скорость, и надежность. Абляция показала, что переход от GUI-only к API-GUI поднимает средний показатель успеха с 11.2% до 26.2%. 🟡Масштабируемая распределенная RL-инфраструктура. OSWorld крайне ресурсоемок, и запуск множества его экземпляров на одном узле это тот еще квест. Z.ai полностью переработали эту среду, используя qemu-in-docker для легковесного развертывания VM, gRPC для связи между узлами и полностью асинхронный фреймворк AgentRL. Это позволило создать кластер из тысяч параллельных виртуальных сред, к котором онлайн-обучение RL-агентов стало максимально эффективным. 🟡Стратегия обучения Entropulse. Entropulse решает проблему коллапса энтропии, чередуя фазы RL с периодическими сессиями SFT. Во время RL-фазы собираются все успешные траектории, и на их основе формируется новый SFT-датасет. Затем модель дообучается на этом датасете, что позволяет восстановить её исследовательскую способность без потери производительности. После этого запускается вторая, более эффективная фаза RL. Эта стратегия позволила AutoGLM-OS, построенному на базе 9B GLM-4, достичь финального результата в 48.1%, в то время как после первой RL-фазы показатель был 42.0%. 🟡Arxiv @ai_machinelearning_big_data #AI#ML#Agents#AutoGLM#Zai
@ai_machinelearning_big_data · Post #8086 · 16.07.2025, 09:01
🌟MoVieS: Синтез 4D-видов с учетом движения. ByteDance в соавторстве с Пекинским университетом и Карнеги Меллон разработали MoVieS, feed-forward модель, которая из обычного монокулярного видео за секунду синтезирует полноценную 4D-сцену, объединяя в себе геометрию, внешний вид и, что самое важное, движение. В основе метода лежит идея представления динамической сцены с помощью «динамических сплэттер-пикселей». Если вы знакомы с 3D Gaussian Splatting, то поймете сразу: модель представляет каждый пиксель входного видео как гауссов примитив в 3D-пространстве. Новизна MoVieS в том, что она не просто определяет их статичные параметры (положение, цвет, прозрачность), но и предсказывает вектор их движения во времени. Иными словами, для каждой частицы в сцене модель знает, где она будет в любой заданный момент. Архитектурно MoVieS построена на геометрически предобученном трансформере VGGT, который обрабатывает кадры видео. Далее в дело вступают три специализированные «головы»: 🟠Depth Head - предсказывает карту глубины; 🟠Splatter Head - отвечает за атрибуты самих гауссовых сплэттеров для рендеринга; 🟢Motion Head - самая главная, оценивает смещение каждого примитива. Такой единый фреймворк позволяет обучать модель на самых разнородных датасетах: где-то есть разметка глубины, где-то - трекинг точек, а где-то - только видео. MoVieS - это еще про скорость. Согласно техотчету, на генерацию сцены уходит меньше секунды (0.93 с), тогда как у альтернативных методов на это уходят десятки минут. При этом качество на бенчмарках динамических сцен (DyCheck и NVIDIA) либо на уровне, либо превосходит SOTA решения. Но самое интересное - это zero-shot возможности. Модель, обученная по сути на задаче синтеза новых ракурсов, внезапно оказывается способна без всякого дополнительного обучения сегментировать движущиеся объекты и оценивать scene flow (попиксельный поток в 3D). Достаточно просто посмотреть на предсказанные векторы движения. ⚠️Кода для инференса, обучения и чекпоинтов пока нет, но обещают. 📌Лицензирование: MIT License. 🟡Страница проекта 🟡Arxiv 🖥GitHub @ai_machinelearning_big_data #AI#ML#4D#MoVieS#ByteDance
Hashtags
@allencollect · Post #689 · 16.05.2025, 01:20
💋分歧终端机 | AI仲裁你的观点冲突 这是一个趣味性和实用性兼备的 AI争议仲裁工具。当你和他人在某个观点上出现分歧,可以邀请这款工具中的 7位AI裁判 来做出独立判断 它基于双方说法给出 MBTI性格倾向 分析、立场判断,并输出 幽默风趣的评判结果,帮助你理性看清问题本质 👉在线体验 标签:#AI#仲裁#MBTI#调解#观点 🖼官方汉化包: 简中 | 繁体 | English 🔍TG极速搜索:点我找資源👈 ➖➖➖➖➖➖➖➖➖➖➖ ♻️频道导航:合作投稿误封请联系 @allenming_bot