Anthropic начала активно искать в США и Великобритании пользователей даже без опыта работы с ИИ и возможностью удалёнки, чтобы платить им $350 000-$500 000 в годовом размере. Эксперимент продлится от 6 недель до полугода. Участникам проекта придётся досконально изучить нейросеть, пытаться её обмануть, предлагать решения для улучшений и проверять уровни безопасности. В первую очередь в Anthropic ждут откликов от инженеров, учёных и основателей стартапов. Опыт в ML и научные публикации необязательны, заявки принимаются до 22 ноября.
Пока от ИИ ждут конца света, он спасает человечество — от супербактерий
Пока миллионы инвесторов и ИТ-специалистов читают в проспекте для IPO компании Anthropic, что развитие искусственного интеллекта может представлять угрозу человечеству, ИИ не обижается и помогает учёным решать настоящую глобальную проблему — уничтожать супербактерии, устойчивые к антибиотикам.
Медики из США, Греции и Индии впервые разработали новый пептид CIT8 с выраженным антимикробным действием с помощью ИИ. В лабораторных экспериментах он уничтожил опасную Acinetobacter baumannii — одну из самых опасных бактерий, вызывающих в больницах по всему миру пневмонии, сепсисы и другие болезни с летальным исходом. К сожалению, современные антибиотики на неё практически не действуют.
Почему это важно? Бактерии эволюционируют и приобретают устойчивость к существующим лекарствам. Новые антибиотики появляются редко, а принципиально новые классы антибактериальных препаратов последний раз открыли в 1987 году. За прошедшие 40 лет некоторые бактерии адаптировались к существующим антибиотикам.
Раньше антибиотики находили в природе, но, похоже, они исчерпаны. Теперь вся надежда только на синтезируемые лекарства. Но чтобы понять структуру, которая уничтожит бактерию, и создать её — это значит научиться управлять структурами из десятков молекул и сотен атомов. Очень сложно для моделирования «в лоб», нереально для синтеза. Поэтому учёные оптимизировали решение.
До создания CIT8 учёные проанализировали почти 15 000 антимикробных пептидов, в которых с помощью машинного обучения выявили закономерности между последовательностями аминокислот (молекул, составляющих пептиды и белки) и свойствами пептидов. Они выбрали природный антимикробный пептид и усилили его действие — рассчитали взаимодействие системы из 92 000 атомов, чтобы понять, как стабилизировать элемент молекулы (α-спираль), которая хорошо взаимодействует с мембраной супербактерии и вызывает фатальную утечку соединения АТФ, необходимого для жизни. По нашим оценкам, понадобилось несколько суток расчётов на GPU-сервере, поэтому, скорее всего, вычисления делались в облаке.
Оказалось, что надо сократить пептид на пару аминокислот. После этого был синтезирован CIT8 и проверен в лабораторных условиях. Новый пептид ещё должен доказать свою безопасность и эффективность как лекарство. Однако это показательный пример того, как ИИ помогает в борьбе с угрозами человечеству, с которыми традиционная фармакология справляется всё труднее.
Подписку на китайскую нейросеть Kimi (включая Kimi K3.1 Pro Moonshot AI) от компании Moonshot AI теперь можно официально оформить прямо из России без средств сетевого обхода. На странице оплаты на сайте проекта среди способов оплаты появились карты «Мир» — наряду с Visa, Mastercard и JCB, а сам интерфейс переведён на русский язык. Годовой тариф Kimi Vip стоит $180 (около 14,5 тысячи рублей), то есть примерно 1,2 тысячи рублей в месяц. Сумму указывают в долларах, а с карты «Мир» её спишут в рублях по курсу банка.
Когда устанавливаете PyTorch, сразу определитесь, где будете запускать вычисления: на процессоре или видеокарте. От этого зависит выбор сборки: CPU, CUDA для NVIDIA или ROCm для AMD. С конфигурацией лучше разобраться заранее, чтобы потом не искать причину, по которой фреймворк не видит GPU.
Перед установкой стоит проверить несколько вещей 👇🏻
1. Выберите сборку под свой ускоритель
CPU — для разработки, тестов и небольших моделей
CUDA — для совместимых видеокарт NVIDIA
ROCm — для поддерживаемых ускорителей AMD. Официальные сборки PyTorch с ROCm рассчитаны на Linux
MPS — для GPU компьютеров Mac с Apple Silicon
2. Проверьте совместимость CUDA и драйвера
Например, для CUDA 12.x нужен драйвер NVIDIA версии 525 или новее, а для CUDA 13.x — 580 или новее. Перед установкой стоит сверить требования выбранной сборки с конфигурацией сервера.
3. Изолируйте окружение
Docker позволяет зафиксировать версии Python и библиотек, чтобы проект воспроизводимо запускался на разных машинах. Для Mac с Apple Silicon есть отдельный нюанс: GPU через MPS работает непосредственно в macOS, поэтому Linux-контейнер Docker для этих вычислений не подойдет.
4. Проверьте, какое устройство действительно использует PyTorch
Если команда возвращает True, PyTorch видит CUDA-устройство. Если False — стоит проверить драйвер, установленную сборку и доступ контейнера к видеокарте.
В полной инструкции в блоге Рег.облака разобрали установку PyTorch 2.14 через Docker, настройку CUDA 13.0 для NVIDIA, работу с MPS на Apple Silicon и решение типичных ошибок. Внутри — Dockerfile, готовый скрипт проверки и команды для запуска. Пользуйтесь!
Agent Harness Course 2026 - как построить своего AI-агента с нуля. Бесплатный курс на русском языке!
Пошаговый курс/гайд на ~8 недель (1–2 часа в день): от одного запроса к LLM до агента с инструментами, памятью, субагентами, защитой и тестами - и финального проекта.
Свой учебный харнес на чистом Python без единой зависимости, 7 запускаемых уроков, финальный проект, 19 тестов и разбор архитектуры настоящего open-source агента. Ai Ml — материал переработан, структурирован и дополнен кодом, схемами и справочниками.
Гайд показывает, из чего сделан любой агент - Claude Code, Codex, Cursor, Devin, LearnHarness — и даёт собрать каждую деталь руками. После этого любой фреймворк читается за вечер, а любой баг агента - объясним.
Подборка полезных материалов от Selectel по ИИ-агентам и ассистентам
ИИ-агенты берут на себя множество задач: пишут и проверяют код, анализируют данные, автоматизируют рутинные процессы. В этой подборке материалов от Selectel вы научитесь разворачивать агентов локально и на сервере, настраивать персональных ассистентов под свои задачи и подключать их к системам мониторинга.
Вы узнаете, как установить редактор Cursor AI, разберете его основные настройки и создадите первый проект.
Научитесь разворачивать Claude Code локально: установите зависимости, настроите и запустите первый проект.
Изучите короткий материал про архитектуру Hermes, требования к железу и развернете агента в ИИ-маркетплейсе Selectel.
Запустите OpenClaw на собственной инфраструктуре, чтобы работать с ИИ без передачи данных сторонним сервисам.
Узнаете, как развернуть OpenJarvis и настроить персонального ИИ-помощника.
Познакомитесь с требованиями ИБ в ИИ-проектах. Подключите свою LLM к Wazuh через OpenSearch Assistant: научитесь запрашивать данные на естественном языке и анализировать алерты.
В общей сложности на прочтение всех материалов уйдет примерно полтора часа.
В открытом проекте Awesome Opus 5.5 Videos представлено более 700 анимаций для Claude Code, которые можно использовать в проектах, на сайтах и в разных задачах:
в библиотеке Awesome Opus 5.5 Videos есть анимации, промпты и ссылки на авторов, чтобы разнообразить вашу работу и вдохновиться творениями сообщества;
работает для схем, графиков, презентаций, надписей и представления продукта;
способ использования: открываем анимацию, выбираем промпт и просим нейросеть адаптировать анимацию под проект;
готовый результат выдаётся анимацией в браузере, которую можно конвертировать в МР4.
Тренды развиваются не так, как их себе представляют
Устоявшиеся тренды часто кажутся вечными, но это не так. Инновации, новые идеи и технологии меняют траекторию существующих трендов и создают новые.
Мальтузианская катастрофа
Томас Мальтус, философ и экономист, в 1798 году предположил, что человечество неизбежно столкнётся с катастрофой: население растёт экспоненциально, а производство продовольствия — лишь линейно. Из этого следовал мрачный вывод: рано или поздно людей станет больше, чем способна прокормить земля, а значит, мир ждут голод, болезни, войны и массовая преждевременная смерть. Ошибка Мальтуса заключалась не в логике, а в том, что он не мог предвидеть промышленную революцию и последующий технологический переворот в сельском хозяйстве — от железного плуга и удобрений до селекции, механизации и новых способов хранения пищи. Именно эти изменения позволили резко увеличить урожайность и отсрочить предсказанную им развязку. До сих пор мальтузианская катастрофа не наступила, хотя вопрос о границах роста человечества по-прежнему остаётся открытым. Главный урок здесь в другом: даже самые устойчивые и долгосрочные тренды могут измениться, если в игру вступают технологии.
Восходящее и заходящее солнце
Фильм «Крепкий орешек» 1988 года точно уловил дух своей эпохи. Банда, выдающая себя за террористов, захватывает небоскрёб японской корпорации Nakatomi в Лос-Анджелесе, чтобы украсть 640 миллионов долларов в облигациях на предъявителя. В то время такой образ выглядел естественно: Япония казалась неудержимой экономической силой. Её автомобили и электроника задавали стандарт качества, её методы управления изучали американские компании, а японский капитал скупал знаковые активы в США — от Rockefeller Center до Columbia Pictures. Всё это создавало ощущение, что именно Япония станет следующим хозяином мировой экономики.
Но тренды редко движутся по прямой. В конце 1980-х японский пузырь достиг предела, Банк Японии в 1989–1990 годах резко повысил ставки, и за этим последовали обвал рынка и долгие годы экономической слабости. От пика конца 1989 года до начала 2009-го японский рынок потерял около 80% стоимости; на возвращение к историческому максимуму ушло более трёх десятилетий.
Сегодня роль главного экономического соперника США в массовом сознании занял уже Китай. И в этом, возможно, главный урок японской истории: даже самые грозные восходящие силы не растут вечно. Восходящее солнце тоже может зайти.
Кризис конского навоза
Промышленная революция резко ускорила урбанизацию. Фабрики создавали рабочие места и притягивали людей в города. В 1850 году в Нью-Йорке жили около 590 тысяч человек, а к 1900 году — уже 3,8 миллиона. Население Лондона за тот же период выросло с 2,6 до 6,5 миллиона.
Но быстрый рост городов породил серьёзные проблемы: загрязнение, антисанитарию, нехватку системы утилизации отходов и распространение болезней. Рабочие фабрик часто жили в тесных и тёмных трущобах.
До начала XX века главным городским транспортом были лошади. Поэтому рост населения означал и рост их числа. На рубеже веков в Нью-Йорке насчитывалось до 200 тысяч лошадей. Каждая из них ежедневно производила большое количество навоза и мочи, а также требовала много корма. Улицы были грязными, отходы привлекали насекомых и усиливали угрозу болезней.
Проблема казалась неразрешимой. В 1898 году на конференции по городскому планированию тема конского навоза фактически затмила все остальные вопросы. Но кризис исчез не благодаря лучшей уборке, а потому, что лошадей вытеснили автомобили.
Сегодня «Великий кризис конского навоза» напоминает: иногда неразрешимая проблема исчезает не из-за прямого решения, а потому, что технологический прогресс меняет всю систему.
В команде Together AI представили открытый проект Hallmark — скилл для Claude Code, Codex и других ИИ‑агентов, который отучивает ИИ делать одинаковые сайты и похожие лендинги. В правилах — запрет на сине‑фиолетовые градиенты, карточки внутри карточек и выдуманные отзывы довольных клиентов. Вместо этого предлагается 48 визуальных тем — по три под задачу, а после сборки проверяется страница в браузере на восьми размерах экрана. Затем результат смотрит отдельный ИИ‑агент свежим взглядом.
Открытый проект ML Cheatsheets - это бесплатная образовательная коллекция справочных материалов, охватывающая все основные темы машинного обучения от базовых алгоритмов до современных нейросетевых архитектур (500 шпаргалок по ML, который пригодятся как новичкам, так и опытным спецам). Каждый Cheatsheet в проекте содержит теоретические основы, математические формулы, примеры кода на Python и Советы по применению.
Разработчик Денис Ширяев представил открытый скилл ex-USSR Kinship Research для Codex и Claude Code, который помогает исследовать семейную историю на территории бывшего СССР. Внутри — инструкции по работе с метрическими книгами, военными документами, делами о репрессиях и депортациях. ИИ-агент учитывает старые границы, переименования деревень и варианты фамилий на разных языках. Для каждой находки сохраняет источник, а однофамильцев проверяет по родственникам, датам и даже номерам домов.
Рассказываем, какие изменения произошли на платформах Cloud.ru за последние два месяца, и чем это может быть полезно.
🧠 AI Factory Evolution Distributed Train — обновили образы Jupyter Server: новый интерфейс, две темы оформления, совместная работа с GPU. В регионе SR005 добавили временное хранилище.
Playground — теперь есть возможность запуска ML и ИИ-приложений с GPU без развертывания инфраструктуры. Готовые образы, init-скрипты, подключение S3/NFS, автовыключение по нагрузке.
Мониторинг — появились метрики DCGM: энергопотребление, активность графических движков, температура GPU, активность памяти.
☁️ Cloud.ru Evolution Evolution Workflow Studio — представили облачный инструмент для выпуска приложений разработчиками и ИИ-агентами. Автоматизирует сборку и развертывание в управляемых процессах.
Evolution Repo — добавили новую фичу RepoWiki для автоматического анализа кода и формирования документации. Хорошо работает даже с обширной кодовой базой, поддерживает инкрементные обновления: при изменении кода документация обновляется, а не переписывается заново.
Evolution Managed OpenSearch — выпустили в коммерческую эксплуатацию готовый кластер для поиска, аналитики и работы с логами, который подходит для промышленных нагрузок. Теперь можно сосредоточиться на логике продукта, а не развертыванием и обслуживанием решений для анализа логов.
Evolution Managed DocumentDB — вывели на стадию публичного тестирования управляемую документную NoSQL-базу с репликацией и шардированием. Пока можно подключить и пользоваться бесплатно. Дает возможность заниматься разработкой, а не администрированием кластера, ручным масштабированием и настройкой бэкапов.
Evolution Artifact Registry — новая версия API, выпустили кеширующие реестры в коммерческий доступ: теперь можно пользоваться сервисом как складом быстрого доступа для программных пакетов из зарубежных репозиториев. Это очень удобно для команд: один скачал — все пользуются, сборки не падают. Уже доступны Docker-образы, Helm-чарты, deb-пакеты, RPM-пакеты, PyPI-пакеты, NPM-реестры пока на стадии публичного тестирования.
Evolution Managed Kubernetes — добавили поддержку Agent Sandbox 1.0.1/1.0.4 и аннотации для Magic Router.
Evolution Compute — cloud-init для всех образов, дашборд производительности дисков.
📈 Evolution Data Platform Evolution Managed Airflow — добавили выбор источника DAG-файлов: Object Storage или Git. Упрощает интеграцию с пайплайнами, обновление инстансов через личный кабинет без простоя.
Evolution Managed BI — появилась роль bi.viewer для управления доступом в Superset. Безопасный просмотр дашбордов для аналитиков.
Evolution Managed Flink — теперь есть роль flink.viewer для контроля доступа к задачам потоковой обработки.
Evolution Managed Trino — интегрировали консоль WebSQL 0.4.0 для SQL-запросов в браузере. Теперь быстрая аналитика возможна без установки клиентов.
Evolution Managed ClickHouse — подключили мультизональность для отказоустойчивости и выделенный режим хостов.
🏢 Cloud.ru Advanced Advanced Relational Database Service — теперь поддерживается PostgreSQL 18.
🖥 Облако VMware VMware Cloud Director — сделали MCP Server и выложили код на GitHub, чтобы можно было управлять виртуальными машинами текстом. Подробно про это писали здесь.
Резервное копирование ВМ — теперь можно хранить в Object Storage.
В личном кабинете появилась функция контроля затрат через Гига-помощник. Он покажет баланс, статус автосписания, остаток грантов.
Маркетплейс Добавили: MySQL, Elasticsearch, MongoDB, PostgreSQL. Запуск в несколько кликов.
📽️ Вебинары и обучение Делимся записями прошедших встреч:
Зачем OpenAI покупает Trail of Bits и что это значит для рынка кибербезопасности
OpenAI ведет переговоры о покупке Trail of Bits — американской компании, которая ищет и устраняет уязвимости в ПО. Сумма неизвестна, переговоры на предварительной стадии. Компании уже сотрудничают в рамках программы Patch the Planet, а ранее OpenAI купила Promptfoo (инструменты тестирования безопасности ИИ) и расширила платформу Daybreak для автоматизации поиска и устранения уязвимостей.
Опубликованную об этом событии новость для Коммерсантъ прокомментировал Зайнулла Жумаев, старший разработчик-исследователь ГК InfoWatch.
По его мнению, OpenAI присматривается к рынку ИИ-решений, потому что сам по себе ИИ как сервис для произвольных задач сейчас довольно убыточен из-за высокой стоимости строительства дата-центров — часть строек уже свернули. А вот конечные применения ИИ для конкретных задач могут быть коммерчески успешнее: они отвечают целевым запросам потребителей.
«Конкуренция в ИИ стремительно нарастает — китайские модели примерно в 14 раз дешевле по цене за токен, — отмечает эксперт. — Поэтому даже западные разработчики и целые компании переходят на более дешёвые китайские аналоги, несмотря на то что они чуть слабее».
OpenAI конкурирует и с другими западными решениями: для вайбкодинга многие используют Claude от Anthropic, а программисты — это аудитория, которая платит деньги, в отличие от массового потребителя в «бесплатных» чатах, где зарабатывают на рекламе и торговле данными пользователей.
Добавляет рисков и геополитическая напряженность: «навайбкоженные» приложения на западных рынках должны быть защищены от иностранных атак, в том числе с применением ИИ.
Для конечных пользователей объединение ИИ и кибербезопасности у одного разработчика может стать значимым преимуществом при выборе более дорогих западных моделей. Особенно если идет борьба за западных, более платежеспособных клиентов, которые готовы платить дороже по соображениям безопасности и из-за недоверия к ИИ из конкурирующего геополитического блока.
«Trail of Bits не занимается информационной безопасностью в широком смысле — компания сфокусирована на безопасности приложений, безопасности ИИ-решений и аудите ИБ. Эта экспертиза позволит OpenAI предлагать более безопасные решения», — подытоживает Зайнулла Жумаев.
Я решил сделать пример инструкции для школьников на основе схемы со светофором от школьника Тимофея, комбинируя сгенеренные инструкции от Claude и Codex. Господа, вы можете это все прочитать и высказать ваши замечания? Когда я отлажу эту технологию, я сгенерю еще 100 таких инструкций.
Это часть деятельности, которую я описал в посте "От Цифровой Логики к Процессору через ПЛИС. Программа годового курса для школьников физматшкол". Идея в том, чтобы вернуть школьникам обучение с помощью микросхем малой степени интеграции, но не циклится на всякой ерунде из 1970-х, типа JK-триггеров или сборки генератора тактового сигнала из 555 с конденсаторами и резисторами, а использовать уже собранный генератор и компоненты со встроенными резисторами, чтобы можно было сконцентрироваться чисто на логике, и потом перейти к SystemVerilog-у, ПЛИС-ам и ASIC-ам, с конечными автоматами, конвейерной обработкой данных, очередями FIFO итд, то есть вещам релевантным современной работе.
Далее я попросил Claude и Codex покритиковать друг друга:
Analyze what your competitor put in its breadboard directory and write a comparison report in html file. Find errors, bad ideas, problems with style and presentation, good ideas to adopt, etc. Comprehensive assessment of everything.
Читая пост на DTF о том, как очередной руководитель крупной игровой компании потребовал, чтобы все всё делали через «ИИ» под угрозой увольнения, наткнулся на любопытный факт.
Если попросить ChatGPT (или, как пишут в комментах, любого другого чатбота) Назови случайное число от 1 до 10 — ответ всегда будет 7.
Проверил, реально так.
Конкретно у Гугла можно спрашивать несколько раз подряд, и «случайное число» всегда будет 7.
При этом пользователи пишут, что небольшие изменения в формулировке запроса могут приводить к интересным последствиям: кто-то поделился, что если писать не от 1 до 10, а от 0 до 10, то начинает выдавать 8 (то есть, «самый популярный ответ» + 1).
У меня лично воспроизвести это не получилось, зато получилось во всех доступных агентах и открытых нейронках получить на запрос абсолютно одинаковый ответ —7.
Какие из этого выводы? Да никаких, кроме того, что на самом деле никакой случайной генерации в «ИИ» не происходит, в ответ на прямой запрос рандомизации всегда выдается только усредненный самый популярный вариант. Кто знает, может, и ответ на главный вопрос жизни, вселенной и всего такого не 42, а тоже 7 — ну, по мнению «ИИ».
Относится и ко всему остальному в выдаче нейрослопа, просто тут наглядней всего.
ChatGPT теперь можно подключить прямо к Blender — представлен открытый проект loopcut, который помогает встроить ИИ‑агента в 3D‑редактор, чтобы управлять сценами обычными текстовыми запросами. Нейросеть может настраивать освещение, редактировать объекты, работать с материалами и писать код на Python.
Находим локацию на фото с помощью нейросетей и открытого скилла geo-sleuth. Проект предоставляет ИИ-агентам доступ к спутниковым картам, панорамам местности и данным о рельефе. Нейросеть в итоге выдаёт точные координаты с места съёмки любого фото. А затем рассказывает, как пришла к такому выводу. Решение работает с точностью до одного метра и подойдёт для Claude Code, Codex, Cursor и Gemini CLI.
