🔥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
🚀 AI TRENDS | Tether Launches QVAC SDK for Cross-Platform AI Development
Tether has introduced the QVAC SDK, a unified software development kit designed to enable developers to build, run, and fine-tune AI applications directly on any device. According to Foresight News, this SDK ensures consistency across different environments.
Applications developed using the QVAC SDK can seamlessly operate on platforms such as iOS, Android, Windows, macOS, and Linux. The same codebase can function across all supported environments without the need for platform-specific branches, rewrites, or conditional logic.
The QVAC SDK is built on QVAC Fabric, a branch of llama.cpp, offering broad compatibility with the llama.cpp model ecosystem for text generation, embedding, and multimodal workloads.
#AI#SDK#CrossPlatform#MachineLearning#LlamaCpp#SoftwareDevelopment#Multimodal#QVAC
⚡Gemini 3 Flash - быстрый ИИ нового поколения от Google
Gemini 3 Flash:
- это очень быстрая модель с минимальной задержкой
- при этом она сохраняет сильные способности к рассуждению
- Frontier-уровень на GPQA Diamond - рассуждения уровня PhD
- Хорошие результаты на Humanity’s Last Exam
- State-of-the-art на MMMU Pro - хорошо работает с видео и мультимодальными данными
- В целом, качество сопоставимо с Gemini 3 Pro
Стоит в четыре раза дешевле, чем Gemini 3.0 Pro, при этом показывает сопоставимые результаты почти во всех бенчмарках, включая HLE и ARC-AGI 2. На некоторых бенчмарках модель обходит GPT-5.2.
Более того, в ряде тестов модель даже превосходит более мощную версию Pro, оставаясь при этом значительно дешевле.
По сути, Flash - это попытка Google сбалансировать три вещи одновременно: скорость + интеллект + стоимость.
Цены:
- Text input: $0.30 per 1M tokens
- Text output: $2.50 per 1M tokens
- Cache read: $0.075 per 1M tokens
- Input audio: $0.999 per 1M tokens
- Input audio (cached): $0.249 per 1M tokens
- Web search: $0.035 per request
- Cache storage: $1 per hour per 1M tokens
https://blog.google/products/gemini/gemini-3-flash/
@ai_machinelearning_big_data
#AI#Gemini#Google#LLM#Multimodal#AIModels#MachineLearning
https://writeout.ai
#Transcribe and #translate any #audio file. 100% free to use.
This website with source code available (it can be hosted locally) allows you to upload any audio file and receive a transcription and/or text translation. It uses OpenAI's Whisper API on the back end.
Source on GitHub:
https://github.com/beyondcode/writeout.ai
#writeout#ai#speech#recognition
👥 Sora Code Finder | 实时获取最新 Sora 邀请码
Sora Code Finder 是一款专为 OpenAI Sora 用户设计的实时邀请码搜索工具，能帮助你快速获取最新可用的 Sora 邀请码。只需输入个人的 Google Gemini API 密钥，即可一键启动全网检索系统，自动每隔五分钟更新数据，确保你看到的永远是最新、未过期的邀请码。
工具基于 Google AI Studio 官方密钥授权，无需注册账号即可使用，支持全球公开邀请码同步搜索
😎小编有话说：抢邀请码这件事，有了它就像开了挂
🚀Sora Code Finder
标签：#SoraCodeFinder#Sora邀请码#OpenAI#AI#Sora#Gemini
🗓@xiuerSearch 搜索历史资源
✈️频道 | 💬群聊 | 📱中文包
📖Stanford HAI: 2026 as the Year of AI Reckoning
Stanford’s Institute for Human-Centered Artificial Intelligence predicts that 2026 will mark a shift from AI hype to disciplined evaluation. Co-Director James Landay expects no breakthrough toward AGI and more companies openly acknowledging that measurable productivity gains remain concentrated in coding and call centers. Economist Erik Brynjolfsson anticipates the rise of “AI dashboards” tracking task-level displacement and productivity on a monthly basis, replacing slow, retrospective assessments.
In applied domains, Curtis Langlotz forecasts a “ChatGPT moment” for healthcare as training costs for medical models fall and access to datasets improves. In law, Professor Julian Nyarko expects firms to move beyond surface-level use cases, focusing instead on how well AI performs on specific tasks, under what constraints, and with what legal and operational risks—particularly in more complex legal work.
The common thread is not collapse, but recalibration. After a year of heavy investment and inflated expectations, 2026 is framed as a test of accountability: fewer demos, more evidence; fewer claims of transformation, more scrutiny of real-world value.
#AI#Governance#StanfordHAI#ResponsibleAI#LegalTech
Elon Musk Challenges OpenAI’s Transition Again
According to The Guardian Elon Musk has filed a new lawsuit against OpenAI and CEO Sam Altman, alleging manipulation and deceit in the company’s shift from non-profit to for-profit status. The lawsuit claims OpenAI breached its "founding agreement" to develop AI for humanity's benefit and accuses the company of federal racketeering violations and numerous acts of wire fraud. OpenAI denies these allegations, citing Musk’s prior support for the for-profit transition.
This lawsuit, coming just months after Musk dropped a similar case, adds to a turbulent day for OpenAI marked by leadership changes. The outcome of this legal battle remains uncertain but could potentially reveal key insights into OpenAI’s operations and strategic decisions.
#AI#OpenAI#ElonMusk#SamAltman
🎨 Alibaba представили мощное обновление для своего ИИ-художника — Qwen-Image 2512.
Команда серьезно прокачала модель, которую уже называют «убийцей Nano Banana». Ключевые улучшения направлены на фотореализм и детализацию.
Что стало лучше:
✅ Исчез «мыльный эффект», картинки выглядят четче и естественнее.
✅ Генерация текста на изображениях теперь работает намного точнее.
✅ Отрисовка шрифтов, текстур и шерсти вышла на новый уровень.
Теперь изображения от Qwen стали ещё убедительнее и детализированнее.
➡️Юзать нейронку можно бесплатно ТУТ.
#Alibaba#Qwen#Нейросети#ГенерацияИзображений#ИИхудожник#AI
🎄 С Новым годом, NeuroOffice!
🌟LMCache: умное кэширования для LLM-инференса.
LMCache - проект, который предлагает решение по сохранению KV-кэша на CPU, диске или даже в специализированной памяти NIXL. По сути, это инструмент, который превращает одноразовые вычисления в многократно используемые блоки, экономя время и ресурсы.
Представьте, что в чат-боте пользователи часто ссылаются на один и тот же системный промпт или историю диалога. Обычно модель заново обрабатывает эти данные, но LMCache просто загружает готовый кэш. Выгрузка KV-кэшей освобождает GPU для новых задач, уменьшая TTFT (время до первого токена) вплоть до 10 раз.
🟡LMCache гибкий.
Кэши можно не только выгружать, но и делиться между разными инстансами LLM. Проще говоря, если два пользователя одновременно обращаются к разным копиям модели с одинаковым запросом, система не будет дублировать работу: результаты одного prefill’а станут доступны всем. Это работает даже для неполных префиксов, например, при частичном совпадении входных данных.
🟡LMCache умеет в раздельную предобработку.
Prefill и decode, которые обычно выполняются на одном GPU, теперь могут быть разнесены: первый этап обрабатывается на мощных узлах, а второй на оптимизированных для генерации. Для распределенных систем такая техника повысит пропускную способность.
Тесты разработчиков проекта показывают, что в реальных задачах задержка снижается в 3–10 раз, а GPU-циклы экономятся на повторных вычислениях.
Проект тесно интегрируется с vLLM, в репозитории есть большой набор с примерами, документация и советы по установке и настройке.
⚠️Калькулятор KV-кеша с выбором модели, ее типа данных и количества токенов, который поможет прикинуть, сколько VRAM можно сэкономить.
📌Лицензирование: Apache 2.0 License.
🖥Github
@ai_machinelearning_big_data
#AI#ML#LLM#LMCache#KVCache#Github