Нейроканал - ИИ нейросети

От идеи до продакшна < 3 месяцев, менять государственные и бизнес процессы — готовы? 🚀 Прямо сейчас Сбер ищет NLP-специалиста в команду, которая внедряет передовые harness в масштабные процессы, создаёт мультиагентные сценарии, RAG для миллионов документов, OSINT/deep‑research. Вы будете работать с передовым LLM‑стеком: LangChain и LangGraph, vLLM и PEFT/LoRA, полным RAG‑стеком, Vector DB (Qdrant, Weaviate) и инфраструктурой на FastAPI, Pydantic и asyncio. Попасть в команду можно за 1 день — если пройдёте все этапы отбора на One Day Offer 5 сентября. Регистрирутесь по ссылке — количество слотов стремительно уменьшается! 💚

Слово дня на HN: harness engineering. Если коротко, всё, что вокруг модели в кодовом агенте, называется harness, и Биргитта Бёкелер из Thoughtworks разложила, из чего его собирать себе, чтобы агент реже ошибался и сам себя чинил до того, как диф дойдёт до вас. Два типа контролей. Guides работают до действия: AGENTS․md, skills, скрипты бутстрапа, кодмоды. Sensors после: тесты, линтеры, структурные проверки границ модулей, ревью другим агентом. Каждый из них либо computational (детерминированный, тесты и линтеры, миллисекунды), либо inferential (LLM-судья, дорого и недетерминированно). Только guides — агент повторяет одни ошибки; только sensors — правила есть, а работают ли, никто не знает. Практический приём: сообщения линтера писать под модель, с инструкцией, как исправить, это «полезная prompt injection». И правило петли: ошибка повторилась дважды — не чинить руками, а добавить guide или sensor, чтобы третьего раза не было. @neuro_channel

GLM-5.3-Flash теперь можно запустить у себя: Unsloth выложили динамические GGUF-кванты и гайд под llama.cpp и свой десктоп. Полная модель в BF16 весит 642 ГБ, 1-битный квант ужат до 93 ГБ и сохраняет 71% точности, 3-битный на 120 ГБ держит 82%, 4-битный на 200 ГБ уже 93%. То есть 1 бит влезает в 100 ГБ памяти (RAM плюс VRAM), 3 бита в 128 ГБ, ровно как у Mac Studio или DGX Spark. Самый короткий путь: curl -fsSL Ссылка скрыта | sh, потом unsloth run --model unsloth/GLM-5.3-Flash-GGUF:UD-IQ3_XXS, дальше Unsloth сам разложит слои по GPU и оперативке и подберёт параметры. Через llama.cpp пока нужна их ветка glm5next/upstream из форка unslothai (в апстрим ещё не влили), потом hf download unsloth/GLM-5.3-Flash-GGUF --include "*UD-IQ3_XXS*" и llama-cli с --temp 1.0 --top-p 0.95. Уровень рассуждений задаётся через --chat-template-kwargs '{"reasoning_effort":"max"}', есть low, high и max, по умолчанию max. Контекст до 1 млн токенов. MoE, 18 млрд активных из 320, так что после загрузки в память крутится она шустро. Веса и таблицу квантов забирать на HF и в доках. @neuro_channel

Лимиты Codex только что сбросили. Пока что все анонсы сбываются, но я что-то не успеваю уже тратить лимиты с этим новым марафоном сбросов :) Всем приятного вечернего кодинга! 👾 @neuro_channel

Google выпустила Gemini 3.5 Transcribe, отдельную модель распознавания речи в семействе Gemini 3. Работает она через два API: gemini-3.5-transcribe разбирает готовые записи, gemini-3.5-transcribe-live идёт потоком через Live API с задержкой меньше секунды. По замерам Artificial Analysis средняя ошибка по словам 2,6% на файлах и 4,0% в потоке. В общей таблице точности это пятое место, впереди Fun-Realtime-ASR с 1,7%, Scribe v2 от ElevenLabs с 2,2% и MAI-Transcribe 1.5 от Microsoft с 2,4%. Скорость 79,6 к реальному времени, цена 5 долларов за 1000 минут. По прайсу Google выходит около 0,005 доллара за минуту записи и 0,009 за минуту потока, есть и бесплатный тир. Теперь про русский, ради которого я и полез в документацию. Код ru-RU в списке языков есть, рядом украинский, белорусский, казахский, армянский, грузинский, таджикский, узбекский и киргизский. Отдельных цифр по русскому Google не даёт: многоязычные 5,04% на файлах и 5,50% в потоке посчитаны на FLEURS по «топовым локалям». В голосовом вводе Rambler на Gboard русский указан прямо в справке, там всего одиннадцать позиций, правда сам Rambler требует Pixel 11. В приложении Gemini на macOS диктовка пока только английская. Умный режим убирает «э-э» и делает самокоррекцию вроде «встретимся во вторник, нет, в среду». К нему прилагаются словарь под свои термины и написания имён, разметка до трёх говорящих, пословные таймстемпы и переключение языка прямо посреди фразы. @neuro_channel

Вчера в комментах были вопросы про аналог Cowork на GLM, так вот ответ — да, у Z․ai есть такое. Новая GLM-5.3-Flash и так имеет 3х лимитов в их Coding Plan, а если работать через ZCode, то дают ещё плюсом 1,5х лимитов. Ну т.е. на самом деле не лимитов больше, а списываются они меньше, но это уже технические детали. Там же в комментах вчера писал, что эти 1,5х не отображаются, но, оказывается, при этом всё равно работают, так что я ошибся, акция в силе. И управление браузером и ПК тоже есть. Мультимодальность новой модельки сразу же и пригодилась. @neuro_channel

Тибо сменил аватарку и намекает, что завтра будет сброс лимитов. А ещё появились сообщения, что после исчерпания лимитов codex активирует резервные лимиты на Luna и они тоже раз в неделю сбрасываются. Чтобы не оставлять нас совсем уж без доступа к хоть каким-то моделям. @neuro_channel

JetBrains выпустила Junie Local: агент Junie теперь работает целиком на маке, без облака, кредитов и регистрации. Команда /local скачивает Qwen3.6-27B в 4 битах (около 15 ГБ, на диске нужен 21 ГБ), поднимает фоновый сервер с OpenAI-совместимым API и переключает агента на него. Бесплатно и без лимитов. Порог входа высокий, и JetBrains сами это признают: macOS 26, Mac на M5 и 64 ГБ памяти, а сама команда пока только в nightly-сборках. M5 выбран не из вредности: в его Neural Accelerator есть 8-битные инструкции, которых нет у M4, они дали около 40% к prefill, то есть к чтению файлов проекта, а на него у кодового агента уходит основное время. Плюс переиспользование KV-кэша между задачами и спекулятивное декодирование через черновую MTP-модель, примерно вдвое к скорости генерации. Патч обещают отправить в MLX-VLM. Про качество: на внутреннем наборе JetBrains Qwen3.6-27B без reasoning набирает наравне с Sonnet 4.5 при лимите в 10 000 токенов рассуждений, GPT-5 на medium чуть выше. Reasoning у локальной модели отключён полностью: по их замерам он почти ничего не добавляет, но жжёт в 2–3 раза больше токенов, при этом облачные модели в сравнении шли с рассуждениями. Qwen3.8 по умолчанию не взяли, потому что ей reasoning нужен, и с ним задачи идут вчетверо медленнее; поставить её можно флагом --model qwen3.8. Прототипы под DGX Spark и RTX 5090 есть, думают про карты на 24 ГБ. @neuro_channel

Z․ai в блоге сравнивает GLM-5.3-Flash с Opus 4.8 и GPT-5.6 Terra, а это не самые сильные из доступных сейчас моделей. Я пересобрал картинку по замерам Artificial Analysis с актуальными соперниками: Opus 5, GPT-5.6 Sol, старшая GLM-5.3 и свежие DeepSeek V4 Pro 0813 и V4 Flash 0731, все в режиме max. В терминале Flash идёт вровень со старшей GLM (84,3 против 83,9), Opus 5 и Sol впереди на 4–5 пунктов, обе DeepSeek отстают на 6. На GDPval-AA, где модели делают офисную работу, Flash обходит и Sol, и большую GLM, уступает только Opus 5. На τ³-Banking и длинном контексте AA-LCR она лучше Opus 5 и Sol. Провалы там, где нужны знания и наука: HLE 39,9 против 54,9 у Opus 5, CritPt по физике вдвое ниже Sol, SciCode на 10 пунктов ниже своей же старшей версии. По GPQA все шесть моделей в пределах трёх с половиной пунктов. На этом марафон постов на сегодня немного приторможу, думаю я вам и так уже ленту захламил инфой про новую модель :) Хорошего кодинга! 👾 @neuro_channel