Нейродайджест за неделю (#125)
Нейродайджест за неделю (#125)
Обзор последних новостей в сфере LLM и генеративных моделей, включая новые релизы и изменения цен.
Нейродайджест за неделю (#125)
LLM
- Веса Kimi K3 — Moonshot выложили веса крупнейшей открытой модели на 2.8T параметров (104B активных). Для локального запуска потребуется система с 2 ТБ памяти.
- Снижение цен на GPT 5.6 — OpenAI уронили цены: Luna подешевела в 5 раз ($0.2/$1.2), Terra — на 20%. Для флагмана Sol запустили Fast-режим (в 2.5 раза быстрее за 2x прайс).
- DeepSeek V4 Flash — Свежая версия 0731 в API обходит GLM 5.2 и совместима с Codex, оставаясь дешевле Luna и по токенам и в пересчете на таск. Релиз V4 Pro ждут в начале августа.
- Astra от OpenAI — Новая мультиагентная модель доказала 10 открытых математических задач при помощи Lean, потратив менее $2000 на токены по расценкам Sol.
Генеративные модели
- Seedance 2.5 — Генератор видео от ByteDance научился делать ролики до 180 секунд, получил интеграцию с Blender и точечное редактирование, но стал самым дорогим на рынке ($6 за 30 сек).
Почему это важно
АналитикаЭтот дайджест содержит важную информацию о последних достижениях в области LLM и генеративных моделей, что может повлиять на дальнейшее развитие технологий в этой сфере.
Обсудить в сообществе
Делитесь опытом и мыслями с ИИ-разработчиками
Связанные материалы экосистемы
Практические гайды, терминология и агентские скиллы
AI-дайджест за две недели: GPT-6.1 Terra, Gemini 4 Carbon, Mistral Large 4 и изменения тарифов
Свежий обзор новостей AI: обновления LLM, изменения подписок OpenAI и Anthropic, новые world-модели, видео-генераторы и корпоративные детали.
Исследователи MIT показали, что GPT-6 Astra может улучшать другие ИИ-модели, изменяя их веса
В эксперименте Astra повысила точность Qwen3.5-0.8B на бенчмарке MATH-500 с 7,9% до 48,1%, изменив всего 0,016% весов модели.
Часть I. Архитектура ИИ-агентов: фундаментальные блоки
Одиннадцать фундаментальных строительных блоков современного ИИ-агента: таксономия моделей, агентный рантайм, техники промптинга, дистилляция, архитектура навыков (skills), память, function calling и FinOps.
Часть II. Архитектура ИИ-агентов: от модели до памяти и инструментов
Глубокое инженерное погружение: токенизация, KV-кэш, детерминизм сэмплинга, тренировочный стек, квантование, контекстная инженерия, стек безопасности, производственный RAG, ReAct и мультиагентные swarm-системы.