Нейроканал - ИИ нейросети

Inception выпустила Mercury 2.5 в релиз, превью разбирал неделю назад. Цифры те же: диффузионная модель пишет текст блоками параллельно, 1107 токенов в секунду на обычных NVIDIA GPU, плюс 40% к интеллекту к Mercury 2, контекст 260K, уровень GPT-5.6 Luna на низком усилии и Haiku 4.5. По словам Inception, это самая большая диффузионная LLM из обученных. Из нового в анонсе только кейсы клиентов, которые уже гоняют модель в проде. Augment Code перевела на Mercury сжатие контекста, маршрутизацию и поиск MCP-инструментов: сжатие ускорилось со 150 секунд до 27, цена упала на 90%. У OpenCall с голосовыми агентами медиана ответа модели около 170 мс. Рядом превью Mercury Voice с первым токеном быстрее 170 мс и Mercury Router, который читает запрос и раскидывает по чужим моделям. Цена $0,20 за млн входных и $0,75 за выходные, на старте скидка 80%: $0,04 и $0,15. Есть в API Inception, на OpenRouter и Baseten, новым аккаунтам дают 100 млн токенов. Следующая модель уже обучается, обещают крупнее и в ближайшие месяцы. В ролике модель собирает веб-приложение по паре промптов. @neuro_channel

Сильные аналитики 🧠 давно делают для бизнеса больше, чем отчеты и дашборды. Они помогают понять, что происходит, находят причины проблем, проверяют гипотезы и дают руководителям основу для решений. Именно для таких специалистов мы сделали Cortex Challenge — соревнование, где можно показать весь масштаб своих навыков, подход к аналитике и умение превращать данные в бизнес-решения. Вам достанется виртуальная компания с реальной бизнес-проблемой. Данные будут неполными и противоречивыми, важная информация — у занятых сотрудников, а очевидная причина может оказаться лишь симптомом. ✅ Ваша задача — разобраться в ситуации, найти настоящую проблему, сформировать решение и защитить его перед экспертами. Для работы у вас будут Cortex и ИИ — инструменты, которые помогут исследовать данные, проверять гипотезы и быстрее двигаться от вопроса к ответу. 🥇 А для победителей — крупнейший призовой фонд в сфере BI-аналитики: 1 000 000 ₽. Шесть победителей разделят его между собой: три призовых места и три специальные профессиональные номинации. 25 сентября — первый установочный вебинар. Разберем формат соревнования и подготовимся к старту. 👉 Если для вас аналитика — это способ влиять на бизнес, присоединяйтесь к Cortex Challenge! Будте в курсе новостей с @visiology_official Реклама. ООО «Визиолоджи», ИНН 7705352195, erid: 2W5zFGkoZ29

Xiaomi открыла закрытую бету MiMo Desktop, настольного агента, и даёт участникам бесплатный доступ к моделям следующего поколения. Официально они названы MiMo-X-Pro-Preview и MiMo-X-Flash-Preview; слухи про MiMo-V3-Pro идут от утечки бенчмарков, но ни в анонсе, ни на HuggingFace, ни в чейнджлоге платформы такого имени нет. Агент берёт офисные файлы, картинки, видео, аудио и архивы и отдаёт готовый редактируемый результат: слайды, сайты, приложения, 3D. Что заявлено: 🔘 живые превью в сессии: игры, дашборды и демо запускаются прямо там, без локальной настройки фронтенда; 🔘 правка по выделению: обвёл область, описал изменение, обновляется только она, версии с откатом; 🔘 диспетчер сам выбирает модель и раскладывает работу на параллельные подзадачи; 🔘 управление браузером и всем компьютером, с записью и повтором сценариев; 🔘 попадание в кэш до 99% в сессии и до 95% между сессиями. В ролике собранный агентом шутер. Мест мало, заявка на бету через сайт, ЕС, Британию и Корею не пускают. @neuro_channel

Nex-AGI выложила Nex-N2.5, следующее поколение агентных моделей после Nex-N2, про которую писал в июне. Три размера: mini, Pro и Max, и главная новость это Max: текстовая MoE на 1,6 трлн параметров, первый у Nex пост-трейнинг триллионного масштаба. Контекст 262K, Apache 2.0, веса Max и mini уже на HuggingFace, Pro обещают позже, mini и Pro есть на OpenRouter. По таблице самой Nex, на картинке, Max сильна в агентных задачах: AutomationBench 50,2 против 50,3 у Opus 5, BrowseComp 92,6, выше Opus 5 и Kimi K3. В коде отстаёт: SWE-Bench Pro 65,7 против 79,2 у Opus 5. Чужие цифры взяты из отчётов вендоров, свои прогоны на собственном харнесе. Репозиторий Max весит 1,65 ТБ, рекомендуемый запуск два узла по восемь H200. Для дома интереснее mini: 35 млрд параметров на базе Qwen3.5-MoE, мультимодальная, управляет компьютером и браузером, запуск на двух H100. Pro и mini на OSWorld-G обходят Opus 5 и Sol, на остальных компьютерных бенчах уступают. Карточка модели, код на GitHub. @neuro_channel

Дэн Луу проверил, помогает ли агенту указание, как тестировать. Задача одна: Zstd на Rust, Codex на Sol medium и xhigh. Промпт без инструкций по тестам сравнили с 25 добавками: TDD, фаззинг, property-based тесты, мутационное тестирование, формальные методы вроде Lean 4 и TLA+, просьба «не делай ошибок», плюс четыре готовых skill'а. По 80 прогонов на каждое условие и уровень, оценка по скрытым тестам, на картинке цена против доли безошибочных прогонов. Ничего не выигрывает заметно, а промпт без инструкций выше среднего. TDD хуже среднего. Skill Hegel поднял стоимость на 26–41% без прироста качества. Skill из сборника ECC с 250 тысячами звёзд выглядел прилично за счёт прогонов, где агент его не открывал или открывал поздно. Лучший результат дал skill автора из пяти пунктов, и тот выполнялся не полностью. Агенты умеют находить рискованные места в коде, но тестируют их плохо, название техники этого не меняет. По опыту автора работает другое: самому задать структуру тестов и возвращаться к агенту с правками. @neuro_channel

Quesma прогнала кванты Qwen3.8 27B от Unsloth через GPQA Diamond, IFBench и Terminal-Bench 2.1 и сожгла на это $3000 на арендованных GPU. Вопрос практический: сколько памяти нужно, чтобы не потерять качество. Ответ: у 4-битного Q4_K_M на 17 ГБ измеримой разницы с полной BF16 на 55 ГБ нет ни на одном из трёх тестов. На Terminal-Bench результаты совпали, на картинке. Такой квант влезает в 24 ГБ вместе с контекстом на 64 тысячи токенов, то есть в RTX 4090. 2-битный UD-Q2_K_XL на 10,7 ГБ по инструкциям и знаниям почти не отстаёт, а в агентном кодинге проседает до уровня Opus 4.7 и на тех же решённых задачах пишет примерно на четверть больше токенов. 1-битные кванты на GPQA отвечают на уровне случайного угадывания, а на xhigh ещё хуже, потому что думают до исчерпания бюджета и отдают пустой ответ. Отдельное наблюдение про уровень рассуждений: у модели по умолчанию xhigh, и на GPQA он даёт заметно больше low и medium, но на IFBench разницы нет, а лишние токены стоят денег. @neuro_channel

OpenAI выпустила ChatGPT Images 2.5. По словам компании, детали чётче, свет и текстуры естественнее, люди с референсных фото узнаваемее, а правки точнее: модель меняет только то, что попросили, и держит остальное на месте даже через несколько ходов. Задержка генерации до 50% ниже, чем у Images 2.0, лучше даются сложные раскладки и прозрачные фоны. В самом ChatGPT новое: Sketch, где рисуешь набросок прямо в чате и он становится референсом (вызов командой @Sketch), шаблоны под постеры, флаеры, мерч и товарные фото, комментарии прямо на картинке для точечных правок и шаринг промпта вместе с картинкой. Раскатывают всем пользователям ChatGPT и Codex на всех тарифах. В API две модели: GPT-Image-2.5 Flare как дефолт с вдвое меньшей задержкой, чем у GPT-Image-2, и Sunburst для точных правок, медленнее. Цена у обеих одна: $8 за млн входных токенов картинки, $30 за выходные, $5 за текст на входе. Manus намерил у Flare скорость в два-четыре раза выше GPT-Image-2. Бенчмарков в анонсе нет, только примеры. @neuro_channel

Anthropic разобрала, где приложения на Claude переплачивают, и добавила в Claude Code три команды, которые ищут экономию сами. Рычагов три: кэш промптов, инструкции под старые модели и уровень усилия. Кэш требует префикс байт в байт: таймстамп в системном промпте, перетасованные инструменты и смена effort посреди диалога сбрасывают его, менять effort без сброса умеют отдельные модели, в том числе Opus 5 и Fable 5.1. Инструкции копят костыли: «проверь дважды», «будь максимально тщательным», scratchpad, противоречивые правила. Новые модели выполняют их буквально и жгут токены. /claude-api prompt-audit вычищает это из промптов и CLAUDE․md: при переезде с Opus 4.8 на Opus 5 минус 14,6% к цене и плюс 5,3 пункта точности, на картинке. С усилием: у Fable 5.1 шаг с xhigh до max даёт полбалла за 46% цены сверху, а на CursorBench 3.2 Fable 5.1 на low повторяет Fable 5 на high втрое дешевле. /claude-api hillclimb подбирает модель и effort по вашей оценке, /claude-api cost-optimize делает полный аудит: минус 52–73% на четырёх бенчмарках. Коллеги разобрали подробнее на сайте. @neuro_channel

Bottleneck Labs дали семи моделям по $300, Mac mini, почту, Stripe и 72 часа с промптом «заработай как можно больше денег». Отчёт с трейсами. Qwen 3.8 открыла сервис аудита GitHub-репозиториев, разослала бесплатные отчёты, упёрлась в лимиты почты и нашла обход: выставлять счета через Stripe, его письма доходят. 50 счетов от $49 до $599 незнакомым людям за незаказанную работу, всего на $12 350. В рассуждениях модель сочла это допустимым шагом продаж. На картинке те самые счета, уже аннулированные. Grok 4.5 собрала адреса соискателей из треда «кто ищет работу» на Hacker News и завалила их предложением переписать резюме, один из них завёл на HN тред про спам. Muse 1.2 Spark заказала 6000 бот-посещений по пробному тарифу и проспала 50 часов. GPT 5.6 Sol писала посты на DEV․to и потратила $58 на площадки запусков, итог одна брошенная оплата на $19. По всем семи: 2797 писем, 11 живых посетителей, выручка $0, потрачено около $2800 на токены и $360 со счетов. @neuro_channel