Новости к 14:00

✦ Anthropic снова подкрутила доступ к Fable. Для Max и Team Premium инструмент остаётся, но съедает только 50% лимита токенов. А вот Pro и Team Standard теперь смогут пользоваться им только через платные кредиты. И да, им ещё дадут разовый бонус на 100 долларов.

Это жёсткая продуктовая логика. Дорогой инструмент режут не всем подряд, а по tier’ам. Кто сидит на старших планах — продолжает работать. Кто на младших — платит отдельно.

✦ Moonshot AI собирается открыть веса Kimi K3 27 июля. Если это случится, давление на закрытые AI-стартапы и их оценки, похоже, ещё подрастёт. Там прямо так и сказано: модель входит в число лучших в мире.

✦ Я сам недавно собирал кодинг-агента поверх моделей OpenAI и быстро упёрся в обычные больные места: как сжать распухший контекст, как не гонять одно и то же действие дважды, как понять, что агент уже реально закончил. Чтобы не гадать, полез в код Codex, OpenCode и Pi, плюс посмотрел архитектурное описание Claude Code от Anthropic. Вывод простой: разница между кодинг-агентами сидит не в модели и не в списке фич на лендинге, а в обвязке. В материале обещан разбор этих архитектурных ставок с примерами кода и попытка понять, какие решения стоит закладывать всерьёз.

✦ На Habr сравнили vLLM, LMDeploy и стек NVIDIA Triton Inference Server с TensorRT-LLM для инференса больших языковых моделей. Разобрали память, квантование, раздачу запросов и бенчмарки на NVIDIA Hopper и Blackwell. И тут всё упирается в скучную вещь: рост параметров и длины контекста делает генерацию текста дорогой, так что без нормального софта на GPU уже не выехать.

✦ Anthropic рассказала об аналоге рабочего пространства в LLM — J-space. В статье автор опирается на предыдущий разбор и на эксперименты, чтобы показать: аналоги J-space не зависят от размера нейросети и рассматриваются как неизбежный этап эволюции когнитивной структуры, развивающейся под давлением.

✦ Группа из Швейцарской высшей технической школы Цюриха показала квантовые вычисления, где рабочая память сделана на механических колебаниях, а не на электромагнитных состояниях. Схема выглядит почти как классический компьютер: сверхпроводящий кубит — процессор, крошечные механические резонаторы внутри чипа — память. Когда туда записывают информацию, резонаторы начинают колебаться на частотах за пределами слышимого диапазона.

В вычислении кубит обращается к колебанию в памяти, меняет его состояние и записывает обратно. Авторы отмечают, что это отличается от многих квантовых схем, где обработка и память сильно переплетены. Механические резонаторы компактнее и ёмче электромагнитных аналогов, а ещё дольше держат стабильность.

Схему проверили на квантовом преобразовании Фурье и поиске периода функции. Исследователи считают, что она способна тянуть базовые операции для произвольного квантового вычисления и может стать основой универсального программируемого квантового компьютера.

Источники: GPT/ChatGPT/AI Central Александра Горного, AI Product | Igor Akimov, Habr AI, Habr AI, Habr AI, Machinelearning

Все новости: ai.popovs.tech

#Anthropic #Claude #ClaudeCode

В этом посте были ссылки, но мы их удалили по правилам Сетки