ИИ-модель Миры Мурати на 594 млрд параметров вошла в тройку лучших и обошла многие известные модели в рейтинге генерации сайтов и интерфейсов
Inkling 2 Small от Thinking Machines Lab набрала 1340 баллов в рейтинге DesignArena, уступив только двум моделям Muse
Inkling 2 Small — мультимодальная модель, которая работает с текстом и изображениями. Её архитектура Mixture of Experts (MoE, «смесь экспертов») позволяет задействовать только часть параметров для каждого запроса. Это снижает вычислительную нагрузку по сравнению с моделью, в которой одновременно работают все параметры, хотя общий объём весов всё равно требует значительных ресурсов. Модель также поддерживает настройку глубины рассуждений.
В рейтинге DesignArena от 5 ноября Inkling 2 Small заняла 3-е место в категории создания сайтов с результатом 1340 баллов. Выше оказались Muse Wonder с 1366 баллами и Muse Spark 1.3 с 1351 баллом. Среди других моделей в списке — GPT-6 Astra, Kimi K3 и Claude Opus 5.5. В индексе Artificial Analysis Intelligence Index модель получила 30,6 балла — заметно больше, чем предыдущие версии Inkling.
Источник изображения: Thinking Machines Lab
Одна из особенностей Inkling 2 Small — использование визуальной обратной связи при программировании. Модель может создавать сайты, игры и трёхмерные проекты, анализировать изображения получившегося результата и вносить исправления. В ходе обучения её также тренировали на продолжительных задачах разработки ПО, включая работу с реальными репозиториями, оптимизацию графических процессоров и самостоятельное обучение других моделей.
Сейчас Inkling 2 Small доступна через платформу Tinker для запуска и дообучения, но её веса пока закрыты. Thinking Machines Lab намерена опубликовать их под лицензией Apache 2.0 на следующей неделе, после завершения внешних проверок безопасности и испытаний на устойчивость к попыткам обойти ограничения. До этого момента разработчики оставляют доступ к модели через собственную инфраструктуру.
Источник
Для просмотра ссылки Войди или Зарегистрируйся
OpenAI привлекла $11 миллиардов при оценке в 1,25 триллиона
Компания рассчитывает увеличить объём раунда до $20 млрд, хотя первоначально планировала получить более $30 млрд при оценке в $1,4 трлн
OpenAI завершила первый транш нового раунда финансирования, получив от инвесторов $11 млрд при оценке компании в $1,25 трлн. В ближайшие недели объём привлечённых средств может увеличиться до $20 млрд. По данным Bloomberg, сделка закрепила за разработчиком ChatGPT оценку, заметно превышающую мартовские $852 млрд.
Первоначально OpenAI рассчитывала привлечь более $30 млрд при оценке в $1,4 трлн. Однако компания пересмотрела планы после переноса сроков выхода на биржу (IPO) и общего спада на технологическом рынке.
Инвесторы стали осторожнее относиться к вложениям в ИИ-компании на фоне растущих расходов на вычислительную инфраструктуру. Дополнительную неопределённость создают возможные политические ограничения на строительство дата-центров в США. Их появление связывают с результатами промежуточных выборов в стране.
Несмотря на сокращение первоначальных планов по привлечению средств, оценка OpenAI продолжила расти: за 8 месяцев она увеличилась с $852 млрд до $1,25 трлн. Новый раунд финансирования должен обеспечить компании дополнительные средства для развития, однако его окончательный объём пока не определён.
Источник
Для просмотра ссылки Войди или Зарегистрируйся
Nvidia ищет следы контрабанды — будущих партнёров в Азии обяжут подключить мониторинг чипов
Nvidia ужесточила условия получения статуса официального облачного партнёра в Юго-Восточной Азии. Как сообщает Bloomberg со ссылкой на осведомлённые источники, теперь претендентам на этот статус нужно подключиться к системе Fleet Intelligence, которая, помимо прочего, позволяет определять местоположение ИИ-ускорителей. Nvidia рассчитывает таким образом расширить охват программы, которая может помочь выявлять незаконные поставки чипов в Китай.
Источник изображений: Nvidia
Статус Nvidia Cloud Partner (NCP) востребован среди провайдеров облачных ИИ-вычислений: он служит своего рода знаком качества и даёт приоритетный доступ к ускорителям Nvidia. Компания использует эти преимущества, чтобы побудить операторов подключаться к Fleet Intelligence. Для тех, кто не претендует на партнёрский статус, участие остаётся добровольным. Nvidia не уточнила, придётся ли подключаться к системе действующим партнёрам, чтобы сохранить свои привилегии, и появится ли такое требование за пределами Юго-Восточной Азии.
Nvidia анонсировала разработку системы в декабре 2025 года, а в мае 2026-го представила её под названием Fleet Intelligence. Прежде всего это инструмент для операторов ЦОД: он собирает данные о загрузке, энергопотреблении и состоянии ускорителей. Система также позволяет определять, где установлено оборудование, но по умолчанию участники не обязаны передавать сведения о его местоположении ни Nvidia, ни властям США. Как ранее пояснил представитель компании, если эти данные понадобятся американским регуляторам, им придётся обращаться к самим пользователям системы.
Юго-Восточная Азия давно служит перевалочным пунктом для товаров, подпадающих под экспортные ограничения. Для поставок передовых ускорителей Nvidia китайским компаниям, как правило, нужна американская лицензия. Тем не менее, по оценке властей США, китайским фирмам удалось получить такое оборудование на миллиарды долларов, главным образом через контрабандные каналы в Юго-Восточной Азии. Некоторые американские чиновники считают, что Nvidia не обращала должного внимания на признаки обхода ограничений. В компании отвечают, что соблюдают закон, а выявлять нарушителей должны государственные органы.
Показательный пример — сингапурская Megaspeed International, деятельность которой уже больше года расследуют в США и Сингапуре. Сама компания отрицает нарушения. На прошлой неделе глава Nvidia Дженсен Хуанг (Jensen Huang) заявил, что компания проверила, где Megaspeed разместила её ускорители, и пересчитала каждый из них. Ранее Nvidia сообщала, что установила местонахождение почти всего поставленного оборудования. Между тем арендодатель, предоставлявший площадку для основного вычислительного узла Megaspeed, расторг договор, а два других оператора ЦОД в регионе оспорили сведения Nvidia о том, где находились чипы. Проводила ли компания дополнительные проверки, её представитель не уточнил.
Fleet Intelligence — не единственная мера Nvidia. Ранее в этом году компания сократила примерно вдвое собственный список азиатских покупателей, одобренных для закупок ИИ-ускорителей. Кроме того, по данным Financial Times, Nvidia потребовала, чтобы облачные провайдеры по новым контрактам предоставляли не менее 51 % своих услуг некитайским компаниям. Действующих договоров это условие не касается. При этом американские правила в целом позволяют китайским компаниям пользоваться ускорителями, которые принадлежат зарубежным операторам и размещены за пределами Китая.
Источник
Для просмотра ссылки Войди или Зарегистрируйся
Tencent создала ИИ, который умеет работать в CAD и Blender без постоянных подсказок
Tencent показала Hy4: ИИ управляет приложениями и работает в Blender и CAD
Китайская Tencent представила нейросеть Hy4, которая умеет самостоятельно управлять компьютером, работать с профессиональными программами и решать сложные задачи. Разработчики заявляют, что новинка вошла в число сильнейших открытых ИИ-моделей, причём особое внимание уделили её безопасности.
Hy4 получила функции визуального анализа, которых не было в предварительной версии. Нейросеть распознаёт детали изображений, разбирается в сложных графиках и решает математические задачи с визуальными элементами. Разработчики также улучшили понимание длинных документов, выполнение инструкций и способность последовательно решать многоэтапные задачи без постоянного вмешательства человека.
Одним из главных нововведений стала функция Computer Use. Hy4 может взаимодействовать с командной строкой и графическими интерфейсами, управляя приложениями для выполнения поручений. Tencent специально обучала модель работе с Blender и CAD-системами, чтобы нейросеть могла создавать трёхмерные сцены, выполнять проектные операции и переключаться между программами.
Основой Hy4 стала архитектура Mixture-of-Experts с 770 миллиардами параметров, из которых при обработке каждого токена активируются 49 миллиардов. Такой подход позволяет задействовать только часть нейросети. Контекстное окно предварительной версии достигает миллиона токенов, что помогает работать с крупными документами и продолжительными диалогами.
В корпоративных испытаниях WorkBuddy модель набрала 83,18 балла при доле успешно выполненных заданий 96,15%. Hy4 заняла первое место в девяти из двенадцати сценариев на китайском рынке. Отдельное слепое тестирование с участием 213 финансовых специалистов охватило 579 практических задач. Результат Hy4 составил 3,04 балла против 2,97 у DeepSeek-V4.1-Flash-1017.
Особое внимание Tencent уделила кибербезопасности. При обучении модель получала материалы по защитным задачам, поиску уязвимостей и подготовке исправлений. Разработчики исключили наступательные материалы, предназначенные для эксплуатации слабых мест. При этом нейросеть знакома с обратной разработкой и тестированием на проникновение.
Специалисты Xuanwu Lab и Keen Security Lab проверили возможности Hy4 в анализе исполняемых файлов, работе с криптографией и эксплуатации уязвимостей. По оценке Tencent, тесты не выявили существенных рисков, связанных с наступательными возможностями модели. Биологические способности также оценили отдельно, обнаружив ограничения при планировании сложных экспериментов.
Компания объявила, что вскоре опубликует веса Hy4 и документацию по безопасности. Пока новая версия доступна через облачные сервисы и приложения Tencent, а открытыми остаются веса Hy4 Preview. Стоимость API составляет $2,70 за миллион выходных токенов. До 15 ноября WorkBuddy и CodeBuddy доступны бесплатно.
Hy4 также развивается в направлении самостоятельного совершенствования ИИ. С помощью системы Hyra 2.0 модель помогла оптимизировать инфраструктуру обучения меньших нейросетей. Ранее Tencent уже выпускала открытые модели Hunyuan для машинного перевода, а теперь расширяет семейство инструментами для программирования, научных исследований и офисной работы.
Источник
Для просмотра ссылки Войди или Зарегистрируйся
TSMC не хочет заниматься памятью, даже если просит Nvidia — компания ответила на слухи о выпуске DRAM
Ранее появилась информация, что TSMC по просьбе Nvidia изучает возможность наладить производство памяти типа 3D DRAM. Интерес к этой технологии возник на фоне роста спроса на оборудование для систем искусственного интеллекта, что привело к мировому дефициту и росту цен на DRAM. Реализация проекта помогла бы TSMC открыть новое направление бизнеса и существенно укрепить своё положение в цепочке поставок для отрасли ИИ. Но в компании подчеркнули, что специализируются исключительно на производстве логических чипов и намерены придерживаться этой стратегии, то есть, по сути, опровергли эту информацию.
Источник изображений: tsmc.com
, — заявили в компании ресурсу Tom's Hardware. Ранее издание The Information со ссылкой на два источника сообщило, что в ответ на запрос Nvidia, своего крупнейшего клиента, TSMC всё же начала подготовку к производству 3D DRAM. Курирует новый проект, предположительно, Сюй Го-цинь (Hsu Kuo-chin) — вице-президент TSMC, отвечающий за передовые технологии упаковки, который ранее возглавлял тайваньское подразделение Micron.
На мировом рынке обозначился повсеместный дефицит чипов памяти — она превратилась из рядового товара в стратегически важный ресурс, от наличия которого зависит, способна ли та или иная компания поставлять свою продукцию конечным потребителям. TSMC тесно сотрудничает с производителями DRAM и интегрирует кристаллы памяти в «системы в корпусе» (SiP), но у неё нет ни опыта, ни производственных мощностей для выпуска самой DRAM, не говоря уже о более сложной технологии 3D DRAM. От серийного выпуска последней сейчас далеки даже ведущие производители памяти, и реализация подобной стратегии не смогла бы решить проблему дефицита памяти как минимум в ближайшие пять лет.
В отличие от традиционной DRAM, где ячейки памяти располагаются в одной плоскости, 3D DRAM предполагает их размещение на нескольких уровнях по вертикали, что позволяет увеличить ёмкость в расчёте на одну кремниевую пластину. Собственные разработки в области 3D DRAM сейчас ведут все три мировых лидера рынка памяти: Micron, Samsung и SK hynix. Стратегия Micron в области DRAM, в частности, предполагает развёртывание ещё как минимум четырёх поколений планарных техпроцессов, прежде чем начать выпуск 3D DRAM.
TSMC обладает лучшими в отрасли технологиями производства логических чипов, но выпуск DRAM потребует совершенно новых производственных процессов, и их пришлось бы разрабатывать с нуля, если бы компания действительно решила наладить производство памяти для своих клиентов. Создание 3D DRAM требует принципиально иных методов изготовления: требуется сформировать несколько слоёв ячеек памяти, обеспечив контроль над дефектами и приемлемый уровень выхода годных изделий. Не располагая конкурентоспособной технологией изготовления планарных DRAM, разработать технологический процесс 3D DRAM практически невозможно, а у TSMC такой технологии нет.
Компания могла бы приобрести небольшого производителя памяти, обладающего собственными производственными мощностями, и открыть реальный путь к выпуску передовой DRAM, не разрабатывая решений с нуля. Но у небольших компаний, как правило, отсутствуют передовые техпроцессы для массового производства DRAM, так что TSMC всё равно пришлось бы вложить миллиарды долларов и потратить годы на исследования и разработку для создания современной технологии производства такой памяти.
Выход в сегмент DRAM был бы сопряжён для TSMC со значительными рисками. Из-за дефицита памяти производители начинают наращивать выпуск, что в итоге приводит к избытку предложения, падению цен и снижению прибыльности. Это может осложнить и отношения компании с партнёрами — в частности, со SK hynix, для которой TSMC выпускает логические кристаллы для памяти HBM.
Наконец, это грозит возникновением вопросов у регулирующих органов: компания уже занимает доминирующее положение в области производства логических чипов и передовой упаковки. Регуляторы могут инициировать проверку, не позволит ли TSMC вертикальная интеграция с производством памяти отдавать предпочтение собственной продукции в ущерб не располагающим такой вертикальной интеграцией конкурентам. С другой стороны, этот шаг мог бы усилить конкуренцию в сегменте DRAM, где сейчас доминируют всего три компании.
В действительности TSMC не обязана производить DRAM, чтобы заработать на спросе на передовую память — ей хватило бы производства сложной логики для HBM, интеграции памяти с процессорами с помощью гибридного соединения SoIC, разработки индивидуальных решений с такими партнёрами, как GUC, и признанными производителями DRAM. TSMC вполне способна расширить своё присутствие на рынке передовой памяти, не вкладывая миллиардов в разработку конкурентоспособных технологий выпуска DRAM или десятков миллиардов — в создание дополнительных производств.
Источник
Для просмотра ссылки Войди или Зарегистрируйся
NVIDIA научила нейросети создавать целые миры, в которых роботы могут жить и ошибаться
Теперь можно создать пробку, дождь и ночную трассу одной командой.
NVIDIA представила четыре специализированные модели Cosmos 3 Nano для создания виртуальных миров, в которых беспилотные автомобили и роботы могут взаимодействовать с окружением. Новые разработки позволяют проверять поведение автономных систем без испытаний на реальной технике.
Главная особенность новых моделей заключается в способности изменять виртуальную обстановку в зависимости от действий машины. Если беспилотник поворачивает руль, симуляция должна показать, как меняется вид из камер и показания датчиков. Роботизированная рука может перемещать предметы, а система генерирует последующие кадры с учётом выполненных движений. Подобная обратная связь позволяет испытывать алгоритмы управления в интерактивной среде.
Все четыре разработки основаны на Cosmos 3 Nano и содержат по 16 млрд обучаемых параметров. NVIDIA специализировала их для разных задач, поскольку создание дорожных сценариев и моделирование движений робота требуют различных входных данных. Вместо универсального видеогенератора разработчики получают готовые варианты для конкретных типов симуляций, которые можно дополнительно обучать на собственных материалах.
Первая модель, Cosmos3-Nano-Transfer-Auto, предназначена для создания искусственных дорожных сцен. Система одновременно генерирует изображения с 11 камер, включая широкоугольные объективы типа «рыбий глаз», и поддерживает данные LiDAR. Лидар измеряет расстояния с помощью лазерных импульсов и помогает автомобилю определять расположение окружающих объектов. В симуляции показания камер и лидара должны соответствовать одной дорожной обстановке.
Разработчики задают расположение полос, дорожную разметку, объекты и движение транспорта через специальные карты сценариев World Scenario Map. Текстовые команды позволяют менять погоду, освещение и время суток, сохраняя структуру дороги и заданные траектории. Например, одну поездку можно воспроизвести солнечным днём, ночью или под дождём. Подобные вариации нужны для обучения и проверки алгоритмов, которым сложно показать все опасные условия на реальных дорогах.
Вторая версия, Cosmos3-Nano-Sim-Auto, рассчитана на интерактивное моделирование движения. В отличие от Transfer-Auto, создающей подготовленные последовательности кадров, Sim-Auto генерирует изображение небольшими фрагментами и учитывает предыдущие результаты. После каждого действия система управления получает новые виртуальные показания камер и лидара, принимает решение и передаёт его симулятору. Для полноценной работы такого цикла требуется отдельная среда, обновляющая дорожный сценарий.
Третья модель, Cosmos3-Nano-Sim-Transfer, решает другую задачу. Она превращает упрощённое представление виртуальной сцены в реалистичное цветное видео. На вход можно подавать карты глубины, границы объектов, контуры или размытые изображения вместе с текстовым описанием. Например, физический симулятор рассчитывает перемещение робота и столкновения предметов, а нейросеть создаёт соответствующую картинку с нужными материалами, освещением и фоном.
Такой подход разделяет физические расчёты и визуализацию. За положение предметов и их движение отвечает обычный симулятор, а Cosmos формирует изображения, которые увидит система компьютерного зрения. Разработчики могут менять внешний вид помещения или освещение, не перестраивая физическую модель. Одновременно сохраняется возможность использовать точные координаты и другие параметры, рассчитанные симулятором.
Четвёртая разработка, Cosmos3-Nano-Sim-Bimanual, предназначена для роботов с двумя манипуляторами. Модель прогнозирует, как изменится изображение после движения рук, захватов или камеры. Поддерживаются роботизированные платформы YAM и AgiBot, а действия могут задавать алгоритмы управления либо человек с помощью джойстиков. Разработчик начинает с изображения сцены, передаёт последовательность команд и получает видео предполагаемых последствий.
В демонстрационном варианте Sim-Bimanual использует 59 управляющих значений, описывающих движения и состояние системы. При обучении их число дополняли до 64. Формат учитывает системы координат, углы поворота, параметры захватов и признаки корректности команд. Благодаря этому модель может связывать изменения изображения с конкретными движениями манипуляторов, а не просто создавать визуально похожую последовательность кадров.
В основе новых разработок лежат модели мира, которые учатся прогнозировать изменение окружающей среды. В архитектуре Cosmos 3 используются два взаимосвязанных трансформерных компонента для обработки информации и генерации изображений. Нейросеть создаёт последовательность кадров, постепенно уточняя их внутреннее представление с учётом команд управления и уже сформированной истории.
Для ускорения интерактивной генерации NVIDIA применяет многоэтапное обучение. Сначала модель осваивает связь между действиями и видеозаписями, затем учится предсказывать короткие фрагменты по предыдущим наблюдениям. На следующем этапе сокращается количество вычислительных шагов, необходимых для получения очередного кадра. Финальная стадия использует собственные результаты модели при обучении, чтобы уменьшить накопление ошибок в длинных последовательностях.
Последняя проблема особенно существенна для автономных машин. Если генератор немного ошибся в положении объекта, следующий кадр строится уже с учётом неправильной картины. При длительной симуляции отклонения могут накапливаться и искажать дальнейшие события. NVIDIA рассчитывает уменьшить подобные ошибки за счёт специальной процедуры обучения, однако компания признаёт, что достоверность виртуальных сценариев и пригодность моделей для оценки реальных алгоритмов ещё требуют проверки.
Веса всех четырёх моделей доступны на Hugging Face по лицензии OpenMDW 1.1, допускающей коммерческое и некоммерческое использование при соблюдении её условий. NVIDIA также опубликовала инструменты для запуска, дообучения и адаптации моделей к другим датчикам и роботизированным платформам. Для работы необходимы Linux, графические ускорители NVIDIA и соответствующее программное окружение. Например, конфигурацию Sim-Bimanual проверяли на GB200, но производитель не называет такой ускоритель обязательным минимумом.
Новые модели развивают семейство Cosmos 3, представленное 31 мая 2026 года. Базовая платформа объединяет обработку текста, изображений, видео, звуков и управляющих действий. NVIDIA предлагает использовать её для робототехники, автономного транспорта и промышленной автоматизации. Специализированные варианты показывают, как общую модель можно приспособить к конкретному оборудованию без разработки всей системы генерации с нуля.
Практическая ценность подхода зависит от того, насколько точно виртуальная среда воспроизводит реальные последствия действий. Правдоподобное видео само по себе не доказывает корректность физической симуляции. Для испытаний роботов и автомобилей разработчикам потребуется сравнивать результаты с измерениями настоящих датчиков и проверять поведение алгоритмов на независимых сценариях. Пока NVIDIA предлагает открытые инструменты для подобных экспериментов, а не подтверждённую замену натурным испытаниям.
Источник
Для просмотра ссылки Войди или Зарегистрируйся
