«Контекстное окно на 100 миллионов слов уже возможно. Это примерно объём всего, что человек слышит за жизнь. Сейчас узкое место - только инференс. И модели действительно умеют учиться прямо внутри контекста, без изменения весов». — Дарио Амодей, CEO Anthropic https://www.youtube.com/watch?v=mYDSSRS-B5U @ai_machinelearning_big_data
MaMachinelearning
Самая актуальная информация из мира ML , Нейронных сетей , DI.
По всем вопросам- @haarrp
send all your questions to admin - @haarrp
@pythonl - Our Python channel
@machinee_learning - chat
@ArtificialIntelligencedl - AI
КатегорияTechnologyЯзыкRUДобавлен06 июл. 2026 г.КачествоПроверен
Подписчики11.7K
Сред. просмотры127.7K
ERR136.6%
Цена-- RUB
Цена / подписчик--
Цена / просмотр--
Метрики обновлены: 06 июл. 2026 г.
Последние посты
🌟 Как поднять X11 в контейнере и запустить Unity в YTsaurus Команда 3D-реконструкции в Яндексе запустила рендеринг Unity-сцен в YTsaurus. За два дня отсканировали гостей премьеры «Кибердеревни», превратили в 3DGS-аватары и отрендерили тысячи роликов. Графические движки оказались требовательнее вычислительных задач. Для запуска Unity в контейнере недостаточно пробросить /dev/nvidia0. 🟡 Что добавили: 🟢 /dev/nvidia-modeset 🟢 /dev/dri/card0 🟢 /dev/dri/renderD128 🟢 X11-сервер с DDX-драйвером nvidia_drv.so 🟢 dbus внутри контейнера Прошли путь от контейнеров в локальном Docker до операций в YTsaurus. На пути выяснилось, каких устройств не хватает. Коллеги из Yandex Infrastructure за несколько часов добавили поддержку Xorg для GPU-хостов. Перед запуском протестировали на Quake II RTX. У A100 нет RT-ядер и NVENC — трассировка через Compute-шейдеры, видео кодируется софтом на CPU. Результат: рендеринг стал обычным шагом в пайплайне. Никаких виртуалок и ручных запусков. @ai_machinelearning_big_data #AI #ML #YTsaurus #3DGS #Unity
Tencent выложила Hy3 Это MoE-модель на 295B параметров, но активируется около 21B на токен. Контекст - до 256K. В blind tests модель обходит GLM-5.1, при этом использует меньше активных параметров, чем модели, с которыми конкурирует. 295B MoE, 21B active, 256K context. И всё это на обычном GQA. Без sparse attention, без MLA. Это значит, что эффективность пока не вытянута архитектурными трюками до предела. Там ещё остаётся запас. Модель можно запускать через vLLM и SGLang, есть FP8-версия, лицензия - Apache 2.0. https://huggingface.co/tencent/Hy3 @ai_machinelearning_big_data
LongCat-2.0 открыли в open source. Это MoE-модель на 1,6T параметров с примерно 48B активных , заточенная под агентное программирование и длинный контекст до 1M токенов . По бенчмаркам: • 59,5 на SWE-bench Pro • 70,8 на Terminal-Bench 2.1 • 77,3 на SWE-bench Multilingual Внутри: sparse attention для длинного контекста, ScMoE для экономной активации экспертов и MOPD для разделения задач между агентными, reasoning и interaction-экспертами. Модель обучали с нуля на 35T+ токенов . Есть поддержка деплоя на GPU и NPU . 🤖 https://modelscope.ai/collections/meituan-longcat/LongCat-20
MWS Cloud вошла в топ-3 GPU Cloud 2026 по версии CNews Market Облачная инфраструктура MWS Cloud на базе VMware заняла одно из лидирующих мест в рейтинге провайдеров GPU Cloud — сервисов с графическими ускорителями для ИИ, ML, LLM и других тяжелых вычислительных задач. В инфраструктуре MWS более 30 видов производительных процессоров и 13 современных видов GPU-ускорителей под задачи разной сложности. Для быстрого старта доступны 60+ готовых фиксированных конфигураций серверов: можно не собирать инфраструктуру с нуля, а выбрать подходящий вариант под проект. Форматы работы тоже разные: аренда оборудования в собственных ЦОД MWS, on-premise-размещение на площадке заказчика, мгновенный запуск без ожидания, стандартные заявки, долгосрочное бронирование ресурсов и предзаказ мощностей. Для ИИ-проектов есть готовая среда: MWS GPT Models Hub для работы с открытыми LLM, Inference Valve, U-Speech Analytics для речевой аналитики в облаке и ML-платформа. Производительность обеспечивают технологии высокоскоростного обмена данными, шины межчипового соединения и быстрые локальные NVMe-диски. SLA — 99,95%. Параллельно компания развивает собственную MWS Cloud Platform , где уже доступно preview виртуальной инфраструктуры с GPU.