Publications du canal PHYGITAL BUSINESS

Американский Леруа Мерлен - Home depot - стоит дороже, чем все стартапы Европы вместе взятые. @banksta

Ну вот, теперь официально — Anthropic представила Claude 3.7 Sonnet — первую "гибридную" модель с возможностью рассуждений. Модель может давать как быстрые ответы, так и развернутые пошаговые рассуждения, видимые пользователю. В API можно даже указать, сколько токенов модель может потратить на "размышления".

Особенно по данным компании заметны улучшения в кодинге и фронтенд-разработке.

Вместе с моделью компания выпускает Claude Code — инструмент для командной строки, позволяющий делегировать задачи разработки непосредственно Claude.

Claude 3.7 Sonnet доступен во всех тарифах, включая бесплатный (правда, без режима расширенных рассуждений), а также через API Anthropic, Amazon Bedrock и Google Cloud Vertex AI. Цены остались прежними: $3 за миллион входящих токенов и $15 за миллион исходящих, включая токены "размышлений".

С версионированием у AI-разработчиков явные проблемы — постоянные дробные числа, Claude 3 Opus, кстати, до сих пор на сайте компании значится как самая мощная Claude модель, OpenAI тоже как-то своеобразно подходит к вопросу. Впрочем, в данном случае хотя бы номер изменили, а то прежний "апгрейд" даже обозначить не получалось. Что еще хорошо — что теперь модели известны события до октября 2024 года. Это в практическом смысле означает, например, что теперь Claude некоторое время не будет втихую исправлять в скриптах gpt-4o на gpt-4 или вовсе gpt-3.5-turbo, поскольку, по его мнению, других моделей не существует.

https://www.anthropic.com/news/claude-3-7-sonnet

🇨🇳#ии #BABA
Alibaba,в ближайшие 3 года, инвестирует $52 млрд в создание облачных платформ и инфраструктуры ИИ — CEO

✴️#альткоины #крипто #презентация
CEO CryptoQuant считает, что традиционный цикл (тот самый) на пути к альтсезону устарел, и предложил новую концепцию... там где массового альтсезона не будет, а вырастут только некоторые альткоины. (многие эксперты ранее уже выдвигали эту точку зрения)

https://www.linkedin.com/posts/gartner-for-it-leaders_gartnerit-ai-genai-activity-7298073364567388162-EG7W?utm_source=social_share_send&utm_medium=member_desktop_web&rcm=ACoAAAo229EBgUVwBUm62kNn262oyuBMAG5gFx0

Аналитическая ИИ-лаборатория EpochAI опубликовала свои прогнозы на 2025:

⭐ К концу года FrontierMath будет решен на 75%. На данный момент это самый сложный мат.бенчмарк. Текущие модели (включая o3-mini) решают его на <10%, а o3, судя по анонсам, будет решать примерно на 25.

⭐ SWE Bench Verified будет решен на 90% (сейчас это <40).

⭐ Доход OpenAI составит примерно 12 миллиардов долларов. Это почти в 3.5 раза больше, чем в 2024.

⭐ Модели будут пока становиться больше, и можно ожидать повышение цен на API в 2-3 раза.

⭐ В целом прогресс за 2025 можно будет сравнить с прогрессом, который мы до этого наблюдали в течение двух лет, то есть с момента выхода GPT-4.

Отчет

Вот вам две картинки из статьи Sherwood про шествие AI в мире стартапов.

На первой — объем инвестиций в AI-стартапы в 2024-м превысил даже нажористый 2021-й, когда инвестировали вообще во все подряд. Конечно, тогда еще не было столько AI-стартапов, но тем не менее.

На второй — сколько стартапов в акселератора Y Combinator используют выражение AI. Таких в 2024-м было 80% (478).

А нам точно нужно столько AI-стартапов?

@TheEdinorogBlog — тот самый канал про стартапы🦄

🌎#ии #мир #макро #прогноз
Расходы на глобальную ИИ-инфраструктуру превысят $200 млрд к 2028г — прогноз International Data Corporation (IDC)

🤖 СМИ: Возглавляемая Илоном Маском группа компаний хочет купить контрольный пакет OpenAI за $97.4 млрд.

Сэм Альтман ответил: «Нет, спасибо, но мы купим Twitter за $9.74 млрд, если хотите».

@DeCenter

Топ-10 исследований ИИ за январь 2025

Вышла моя новая статья на Хабре, где я сделал обзор десяти самых перспективных (на мой взгляд) исследований в ИИ за январь этого года. Вот краткий обзор каждого исследования:

1. DeepSeek R1

Китайская модель DeepSeek R1 демонстрирует, как с помощью обучения с подкреплением можно научить ИИ рассуждать, генерируя подробные цепочки мыслей. R1 успешно конкурируют с закрытыми аналогами на задачах математики, логики и программирования, а также требует меньше вычислений для обучения.

2. Cosmos World Foundation Model Platform for Physical AI

Cosmos WFM (модель мира) от Nvidia – платформа для «Физического ИИ», способная предсказывать следующие кадры видео и моделировать реальные физические процессы. Платформа позволяет обучать роботов и устройства с сенсорами без риска для реальных устройств.

3. GameFactory: Creating New Games with Generative Interactive Videos

GameFactory – фреймворк, который на основе диффузионных видеомоделей генерирует интерактивные игровые сцены. Специальный датасет из Minecraft и многоступенчатая стратегия обучения позволяют системе реагировать на действия пользователя, открывая новые горизонты в создании игр.

4. UI-TARS: Pioneering Automated GUI Interaction with Native Agents

ИИ-агент от разработчиков TikTok, который, используя только скриншоты, самостоятельно анализирует графические интерфейсы и принимает решения (клики, ввод текста и т.д.). Модель генерирует цепочки рассуждений перед каждым действием, демонстрируя рекордные результаты на различных задачах взаимодействия с пользовательским интерфейсом.

5. Multiagent Finetuning: Self Improvement with Diverse Reasoning Chains

Исследователи из Гарварда, Оксфорда, MIT и Google DeepMind предложили метод мультиагентного дообучения, при котором несколько агентов участвуют в «дебатах», чтобы выбрать финальное решение. Такой подход сохраняет разнообразие логических цепочек и значительно повышает точность при решении сложных задач.

6. Chain of Agents: Large language models collaborating on long-context tasks

Метод Chain-of-Agents от Google Cloud AI Research делит длинные тексты на фрагменты, каждый из которых обрабатывается отдельным агентом. Итоговый менеджер объединяет результаты, что позволяет улучшить суммаризацию и ответы на вопросы, хотя передается риск потери деталей при передаче информации между агентами.

7. Towards System 2 Reasoning in LLMs: Learning How to Think With Meta Chain-of-Thought

Исследователи из Стэнфорда и Беркли предлагают Meta Chain-of-Thought – метод, в котором модель не только генерирует пошаговые рассуждения, но и фиксирует историю перебора гипотез. Такой подход приближает мышление ИИ к «Системе 2», позволяя решать более сложные задачи с элементами самоанализа и коррекции.

8. Humanity’s Last Exam

Бенчмарк Humanity’s Last Exam – это комплексный тест из более чем 3000 вопросов уровня PhD по дисциплинам от математики до археологии. Он позволяет оценить истинный уровень знаний современных моделей и стимулирует дискуссии о безопасности и регулировании ИИ.

9. VideoRAG: Retrieval-Augmented Generation over Video Corpus

VideoRAG расширяет концепцию RAG, объединяя визуальные и текстовые данные для работы с видеоконтентом. Модель динамически находит релевантные видео из огромного корпуса и интегрирует их в ответ, что значительно повышает точность и детализацию результатов.

10. Agent Laboratory: Using LLM Agents as Research Assistants

Лаборатория ИИ-агентов автоматизирует весь цикл научного исследования – от обзора литературы до генерации отчетов. Система помогает ускорить рутинные процессы, оставляя за исследователем возможность контроля и корректировки итоговых результатов.

Читайте полную статью на Хабре, чтобы быть на шаг впереди в этом быстро меняющемся мире технологий.

#анонс #статьи