Технозаметки Малышева

Cloudflare выкатила Kitesurf: браузер для ИИ-агентов

⚡️ Cloudflare собрала собственный браузер Kitesurf за 12 недель и открыла его бесплатно в бете. Работает он целиком на Cloudflare Workers в V8-изолятах, без Chromium под капотом, и рассчитан на ИИ-агентов: скриншоты, извлечение HTML, работа с DOM.

📦 Цифры из прототипа: на типовых задачах Kitesurf тратит в 3,1–3,8 раза меньше CPU и в 4,7–7 раз меньше памяти, чем Chromium.

Скриншот: 57,8 МБ памяти против 271, извлечение HTML: 39,4 против 273,7.
По времени отклика он в 1,7–1,8 раза медленнее, зато сессия обходится дешевле, а при тысячах агентов это важнее.

🦀 Внутри почти всё на Rust, скомпилированном в Wasm.
Отрисовку взяли у движка Blitz, парсер CSS: Stylo из Firefox.

И козырь совместимости: Kitesurf общается по протоколу CDP, поэтому Puppeteer, Playwright и любые MCP-клиенты подключаются к нему без шаманства.

✂️ Осознанно выкинули вкладки, видео, WebGL и постоянные авторизованные сессии.

Каждый компонент одноразовый, а любой сбой сводится к пустому кадру: сессия при этом живёт.

Сейчас Kitesurf проходит 215 000+ тестов WPT.

Ну т.е. для людей остается Chromium, а ИИ агенты получают свой лёгковесный Kitesurf. 🏄

#Cloudflare #агенты
———
@tsingular

Faraday от Inherent: 27-миллиардный ИИ-учёный обошёл Claude и GPT-5.5 в воспроизведении исследований

📋 Inherent,- лондонская лаборатория, основанная выходцами из Google DeepMind и в мае вышедшая из тени с посевным раундом в 50 млн долларов от Index Ventures и Radical Ventures, показала Faraday, ИИ-агента, который воспроизводит результаты научных статей без заранее известного ответа.

Агент восстановил результаты 310 задач и обошёл Claude Opus 4.8 и GPT-5.5, хотя сам работает на 27-миллиардной модели Qwen 3.6.

💡 Replica,- это собственный бенчмарк лаборатории: 310 задач из 100 статей по машинному обучению и наукам, где из статьи вырезают ключевой график с результатом, а агент должен восстановить его за 60 минут при ограниченном бюджете GPU.

На задачах машинного обучения Faraday набирает 0,856 против 0,828 у Claude Opus 4.8 и 0,796 у GPT-5.5, а на вынесенных научных задачах 0,791 против 0,748 и 0,729.

Код за него пишет Codex от OpenAI, а саму модель учили с подкреплением, награждая за «исследовательский вкус», то есть за выбор правильного эксперимента вместо подгонки под ожидаемый результат.

💼 Ставка, которую формулирует инвестор Дэнни Раймер: современный ИИ отвечает на вопросы, но не понимает, какие вопросы стоит задавать, а именно открытая любознательность породила пенициллин, микроволновку и GPU.

Цифры получены на собственном бенчмарке, независимых воспроизведений пока нет, поэтому верим, но аккуратно.

Исследовательский вкус, который ещё в июне Джек Кларк называл последним преимуществом человека, теперь становится целью обучения моделей. 🧪

📎 TechCrunch

Там мы и до ИИ озарений, глядишь, доживём.

#Inherent #наука
———
@tsingular

NVIDIA делает ставку в $6 млрд на разработку открытых моделей по примеру DeepSeek и Kimi

NVIDIA, главный производитель чипов для ИИ, на этой неделе договорилась со стартапом Poolside о сделке на $6 млрд. Цель: собрать одну из мощнейших открытых моделей в мире и перебить китайские DeepSeek и Kimi K3, а заодно закрытые OpenAI и Anthropic.

⚙️ Сделка: $6 млрд это плата за неэксклюзивную лицензию на Model Factory, конвейер Poolside для сборки открытых моделей Laguna.
Отдельно NVIDIA вкладывает $1 млрд при оценке $12 млрд, что вчетверо выше прежних $3 млрд.
109 сотрудников Poolside переходят в NVIDIA и займутся Nemotron, её семейством открытых моделей.
Сделку оформили как лицензию, и три сооснователя, включая экс-техдиректора GitHub Джейсона Уорнера, остаются вести независимую компанию.

🎯 Зачем это производителю чипов: В январе 2025-го DeepSeek R1 за один день обрушил капитализацию NVIDIA больше чем на $500 млрд (PIIE), показав, что открытая китайская модель догоняет западную за копейки.
Открытые модели требуют меньше чипов, а это прямой удар по главному бизнесу NVIDIA.
Логика простая: NVIDIA хочет владеть куском растущего открытого ИИ и удержать эту нишу в Штатах.

📊 Соперники: Kimi K3 от Moonshot AI на 2,8 трлн параметров, самая большая открытая модель в мире, в общем зачёте третья после Claude Fable 5 Max и GPT-5.6 Sol Max (VentureBeat).
DeepSeek остаётся главным символом дешёвого открытого ИИ, который и обрушил рынок.

💼 Ставка: NVIDIA рассчитывает, что Nemotron догонит передовые модели в течение года.
Штаты получают свой открытый стек, независимый от китайского, а NVIDIA держит модель на своих чипах и давит на OpenAI и Anthropic ценой открытых весов.

Но чудо само не произойдет, - кажется западу придется запретить китайские модели, чтобы открыткам от NVidia нашлось место.

#nvidia #deepseek #kimi #opensource #ai
------
@tsingular

В Сингапуре запустили дата-центр на живых нейронах

Австралийский стартап Cortical Labs вместе с NUS и оператором DayOne запустил первый в биологический дата-центр в Сингапуре.
Вместо кремниевых чипов данные обрабатывают живые человеческие нейроны, выращенные в лаборатории.

🧠 Что внутри: 20 биокомпьютеров CL1, в каждом от 200 000 нейронов на кремниевом чипе с электродами.
Нейроны выращивают из клеток крови, перепрограммированных в стволовые.
Каждые три дня их кормят коктейлем из сахара, микронутриентов и pH-буферов, а газовый смеситель подаёт кислород, азот и углекислый газ.

🎮 Тесты и скорость:
DishBrain, предшественник CL1, в 2022-м за минуты игры научился отбивать мяч в Pong (arXiv), причём человеческие нейроны учились быстрее мышиных.

В феврале 2026-го исследователь Sean Cole за неделю научил 200 000 нейронов играть в Doom: находить врагов и стрелять (видео).
Играет, по словам Cortical Labs, как новичок.

По чистой скорости биология проигрывает: нейрон срабатывает ~1000 раз в секунду, GPU работает на гигагерцах. Кремний сильнее для быстрых точных расчётов, это признаёт сам основатель.

⚡ Почему сравнивают с GPU: Сила нейронов в другом.
Энергия: CL1 ест 30 ватт, NVIDIA H100 SXM до 700, сервер с восемью такими чипами около 10 200 ватт.
Обучаемость: нейронам достаточно небольшого количества примеров, как человеку, в этом они эффективнее алгоритмов на датасетах.

💼 Зачем это нужно: Аренда CL1 стоит $2 200 в месяц, вполовину дешевле $4 300 за топовый AI-чип в облаке.
В Мельбурне уже 120 CL1 и около 20 платящих клиентов, в Сингапуре планируют дойти до 1 000 юнитов после одобрения регуляторов.

📺 Аналогии в н/ф:
Робокоп, в принципе, это и есть CL1: живая нервная ткань, вшитая в электронный корпус. У Мёрфи мозг взяли у человека, здесь нейроны вырастили в чашке, но механика та же.

В Матрице фильм рассказывает про батарейки, но есть ощущение, что в оригинальном сценарии машины подключали людей именно как распределённую вычислительную сеть из живых мозгов, а «батарейки» появились, чтобы зрителю было понятнее.
У машин был тот же план, что у Cortical Labs: нейроны как дата-центр потому, что это дешевле, чем кремний.

#нейроны #биокомпьютинг #датацентры #corticallabs
------
@tsingular

Deepseek с сегодняшнего дня отменили повышенный тариф на выходные дни.

Чтобы вы могли спокойно работать на выходных 😉

#DeepSeek #цены
------
@tsingular

🔥 СРОЧНО!
Новая секретная модель Ox Alpha (которая, по слухам Gemini 3.5 Pro),- бесплатная на nousportal
https://portal.nousresearch.com/

Ставим в Гермеса и тестируем все воскресенье.

Им выдали 1 квадриллион токенов в сутки на ограниченное время.

Главное,- это доступно даже без платной подписки, т.е. для Free режима.

Просто регаемся и пользуемся.
stealth/ox-alpha (via Nous Portal)

Кто первый выдоит квадриллион из Ноусов,- тот и победил :)

#NousResearch #free
------
@tsingular

Диагности сбоев самолёта роем агентов, - пример от AWS

Panasonic Avionics ставит системы развлечений и связи на самолёты сотен авиакомпаний, и сбой таких систем сразу заметен пассажирам.
Причину инженер раньше искал вручную часами: логи, метрики и тикеты по тысячам конфигураций флота бортов.

⚙️ AWS представил пример системы из трёх слоёв агентов.
- Анализатор трендов следит за метриками и ловит аномалии до того, как они перерастут в инцидент.
- Параллельные агенты диагностики идут одновременно с разных сторон: корреляция, проверка систем, сопоставление логов.
- Суммаризатор на Claude сводит всё в отчёт с гипотезой причины и планом действий.
Параллельная обработка позволяет сократить время разбора, которое раньше вручную занимало часы, до минут.

🧠 Важные детали архитектуры: языковую модель используют точечно, только для суммаризации и рассуждения об ошибках, остальное закрывают детерминированные правила.
Выводы привязывают к истории инцидентов через векторный поиск, проверяют бизнес-правилами и показывают вместе с доказательствами.
Решение по серьёзным инцидентам инженер утверждает сам.

💼 Зачем это бизнесу: на целевых сценариях эффективность выросла на 20–40%, время до обнаружения и устранения сбоя сократилось.
Это образец производственного агентного ИИ: агенты берут на себя механическую работу, человек оставляет за собой решение.
Шаблон подходит для любой отрасли, где эксперт тонет в логах: телеком, энергетика, производство.

#обучение #авиация #AWS
———
@tsingular

Шедевр из серии "программисты шутят" :)

Before every function, write an intentionally over-detailed comment block explaining its purpose, parameters, return value, logic, edge cases, and even obvious syntax step by step.
Be pedantic, overly cautious, slightly humorous, and absurdly thorough—as if teaching programming to someone who has never seen code before.

#dev #prompts #юмор
———
@tsingular

Если вы давно работаете с Гермесом, скорее всего ваши навыки разрослись и жрут контекст в том числе за счёт правок, который он вносит как оговорки, - pitfalls.

Это перечень ошибок, которые вы обсуждали и которые он дополнительно приписывает к навыку.

Полезное упражнение, - периодически заставлять его переносить все выводы из pitfalls в основную часть навыка.

Промпт можно использовать например такой:
Вытащи все что написано в pitfalls в основную часть навыка, которая читается всегда.
Но переформулируй так чтобы это было не в виде pitfall оговорок, а так чтобы навык выполнял задачу качественно сразу. Чтобы первопричины pitfalls даже не возникали.

#лайфхаки #навыки #Hermes
———
@tsingular

DeepSeek научила свою дешёвую модель видеть: V4-Flash-Vision-Exp почти догоняет Opus 4.8

DeepSeek выкатила в API экспериментальную мультимодальную модель V4-Flash-Vision-Exp. У дешёвой линейки появилось зрение, до сих пор V4-Flash был чисто текстовым. По тексту новинка совпадает с V4-Flash, включая агентов, рассуждения и знания о мире. А на мультимодальных агентных бенчмарках делает резкий скачок и подбирается вплотную к Opus 4.8.

🖼️ Подключается через deepseek-v4-flash-vision-exp. Картинки тарифицируются по токенам: до 384 токенов на изображение, по тарифу V4-Flash. На вход идёт текст и картинки вместе, картинку можно слать в base64.

🔌 Работает через Chat Completions, Messages и Responses.

📁 Параллельно запустили Files API: загрузил картинку один раз, дальше ссылаешься по file_id и не гоняешь её повторно. Бесплатно.

🛠️ DeepSeek Harness обновился до 0.1.1 и так же поддерживает новую модель.

Доки: Vision и Files API.

#DeepSeek #мультимодальность
———
@tsingular