Новости к 08:00
✦ Grok Bot ещё глубже вшит в X. Подробностей почти нет. Но смысл уже видно: X тащит бота внутрь своей нативной оболочки, а не держит его отдельной игрушкой сбоку.
Если они и дальше будут склеивать это так плотно, речь уже не про чатик с ИИ. Речь про интерфейс, который живёт внутри ленты и действий пользователя. X явно хочет, чтобы Grok был не приложением, а привычкой.
✦ OpenAI, по данным источника, готовит GPT Astra — систему с ИИ-агентами, которая может работать неделями почти без подсказок. Если это подтвердится, ставка тут не на «умнее отвечает», а на «дольше держит задачу и не разваливается по пути».
И вот это уже интересно. Агент, который не сдувается через 20 минут, — совсем другой класс штуки. Такие системы начинают претендовать не на помощь в отдельном запросе, а на длинную работу: поиск, сведение, проверку, доводку. Пока это слух, но направление очень понятное.
✦ Машинное обучение помогло выделить биологические подтипы аутизма. Исследователи собрали карту нейронных связей на базе фМРТ и генетических данных, чтобы связать паттерны мозга с тем, как люди отвечают на разные вмешательства.
Это хороший исследовательский ход. Не просто диагностика по поведению, а попытка разложить расстройство на более точные группы и заранее понять, кому что может помочь. До клиники тут ещё далеко — нужна независимая проверка. Но сама логика сильная.
✦ Lemmalog — это Datalog-движок для памяти LLM-агентов. Идея простая и мне она нравится: LLM переводит текст в факты, а дальше уже работает детерминированная логика со следами происхождения данных, отзывом и инкрементальными обновлениями.
То есть память агента перестают делать магической. Её собирают как нормальную систему со структурой и правилами. Это не про красивый нейрослоп, а про то, как вернуть предсказуемость туда, где обычно всё течёт сквозь пальцы.
✦ Samsung показала LPDDR5X-PIM — память, которая умеет считать прямо внутри себя. MAC-операции выполняются в чипе памяти, а не гоняются туда-сюда между DRAM и ускорителем. Заявленная внутренняя пропускная способность — 614 ГБ/с против 76,8 ГБ/с у обычной DRAM.
Для LLM это логичный вектор: веса рядом с вычислением, меньше лишнего обмена, меньше задержек. Но я бы не бежал праздновать раньше времени — главный вопрос тут не в слайде, а в том, дойдёт ли это до массового железа и нормального продукта.
✦ Anthropic показала Model Hardware Standard — протокол, чтобы ИИ-агенты проще цеплялись к лабораторному и промышленному оборудованию. В одном тесте Claude сам настроил скрипт для лазера квантового компьютера и поднял долю успешных прогонов с 58% до 99,3%.
Вот это уже пахнет не демкой ради демки, а попыткой сделать ИИ ближе к реальным системам, где ошибка стоит дорого. Если такие штуки станут стандартом, у агента появляется не только язык, но и руки. И это куда интереснее обычного чата.
Источники: xAI News, AI Post, Machinelearning, Prompt, Prompt, AI Updates Digest
Все новости: ai.popovs.tech
В этом посте были ссылки, но мы их удалили по правилам Сетки
