AI за сутки: OpenAI занялась математикой, Apple платит за Siri

Главное за сутки — от новых амбиций OpenAI и языковых данных до практических инструментов для локальных моделей и агентов. Внутри только новости, которые дают понятный контекст или полезный вывод.

🔥 Hot:

🔹 OpenAI создала математический совет после заявлений о решении более 100 открытых задач — Компания хочет подключить математиков к оценке и дальнейшему развитию таких возможностей AI. 🔹 Gates Foundation запустила коалицию для создания более репрезентативных языковых данных — Инициатива нацелена на то, чтобы AI лучше работал не только с крупнейшими языками и группами пользователей. 🔹 Владельцы iPhone могут подать заявки на выплаты по соглашению Apple на $250 млн из-за Siri — Речь идёт о коллективном иске, связанном с функциями AI-ассистента.

➡️ Новости:

🔹 Глава JPMorgan считает, что расходы гиперскейлеров на AI могут достичь $1 трлн в 2027 году — Оценка показывает масштаб ожидаемых инвестиций в инфраструктуру искусственного интеллекта. 🔹 AI помогает небольшим стартапам работать командами ещё меньшего размера — Компании используют AI, чтобы сокращать потребность в найме и выполнять больше задач малым составом.

➡️ Полезные материалы:

🔹 Jev предлагает новую архитектурную форму большой языковой модели — Разбор показывает, как авторы пытаются переосмыслить устройство LLM. 🔹 Метрики вроде числа токенов не показывают реальную продуктивность AI-команд — Полезный разбор того, почему считать нужно результат для пользователя, а не объём сгенерированной работы.

➡️ Обсуждения и кейсы:

🔹 aSPARK превращает Claude Code в команду AI-агентов для разработки продукта — Проект предлагает распределить продуктовые и инженерные роли между агентами. 🔹 DeltaTensors хранит дообучения моделей как разницу с базовой версией — Так несколько fine-tune одной модели не требуют сохранять полную копию каждого чекпойнта. 🔹 Сравнение ROCm и Vulkan показало разницу в производительности локальных LLM на одном железе — Автор проверил DeepSeek и Qwen на R9700+Strix Halo после обновлений ядра, драйверов и ROCm. 🔹 Локальный AI-агент собирает и проверяет требования в закрытом контуре — В связке используются расшифровка встреч, поиск по Confluence, агент-опросник и агент-контролёр.

📝 Если хотите дополнить список другими новостями и материалами, пишите в комментариях.