GPU & AI chips — June 2026

мне интересно...сколько разработчики за накрутку отзывов платят?😁

Чел пишет, что у него не лагает на 1650ти...Если что, там минимальные требования 6гб видеопамяти, у него 4гб. И при этом игра лагает даже на видеокартах с 8-10гб памяти.

Цирк да и только...Верим всей палатой в дурке. Для сравнения добавил отзыв человека с намного более мощным пк😎

P.S. самое смешное, что все негативные отзывы расписаны минимум на несколько абзацев, а позитивные вот такие. Либо это накрутка, либо людям веществ завезли вместе с игрой.

Seeking or Hiring: ✅ Hiring ✅

Website: https://o1.exchange/

Twitter: https://x.com/o1_exchange

1 Line Description of the Firm (in bullets): o1.exchange is Onchain Robinhood, where you can build advanced crypto-native strategies over any assets, spot/perp/prediction markets. Join a team of hackers to build the next gen financial platform.

Who we're looking for and what you'll be doing (5 Bullet points max): Staff/Principal AI Engineer — Agentic Trading Systems We're hiring a Staff/Principal AI Engineer to design and build the agentic models at the core of our trading platform. You'll own the full lifecycle — from model architecture and fine-tuning through inference, deployment, and live performance — building autonomous agents that ingest market data, reason over it, and execute trading strategies under real capital and real latency constraints. This is a hands-on senior role: you set technical direction, write production code, and are accountable for how the models perform in the market. Responsibilities

* Design and build agentic trading models with planning, reasoning, tool use, memory, and execution across market data and trading venues. * Own the full model lifecycle, including data pipelines, training, fine-tuning, evaluation, inference serving, monitoring, and continuous improvement. * Apply full fine-tuning, LoRA / PEFT, RLHF / RLAIF, and reward modeling to improve trading-specific reasoning and decision-making. * Optimize inference for low latency and high throughput through quantization, batching, caching, distillation, and serving infrastructure. * Build backtesting and simulation environments to evaluate agent behavior before deploying real capital. * Develop guardrails, risk controls, and observability systems to ensure safe and predictable production behavior. * Set technical standards and mentor engineers across AI and quantitative teams.

Requirements

* 7+ years of experience building and shipping production ML / AI systems, with hands-on ownership across the full model lifecycle. * Strong expertise in model tuning, PEFT, reinforcement learning methods, and inference optimization across latency, throughput, cost, and serving. * Experience building agentic systems involving planning, tool use, memory, multi-step reasoning, and orchestration. * Strong Python skills and experience with PyTorch, Hugging Face, vLLM, TensorRT, or similar technologies. * Solid software and systems engineering fundamentals, with experience handling large-scale, real-time, and time-series data. * A rigorous, evaluation-driven mindset with strong backtesting, simulation, and validation practices.

Nice to Have

* Experience in trading, quantitative finance, digital assets, or other latency- and risk-sensitive domains. * Background in reinforcement learning for sequential decision-making. * Experience operating models under strict reliability, risk, or regulatory constraints.

Telegram (person filling the form): @Clyde_Klein

Email (Optional) : [email protected]

Команда исследователей из ШАДа Яндекса ускорила работу графовых нейросетей Приближается ICML — престижная международная конференция по машинному обучению, которая в этом году пройдет 6–11 июля в Корее. Статус Spotlight присваивают работам, получившим самые высокие оценки программного комитета. Одну из них написали преподаватели и студенты ШАД.

О чем статья? Графовые нейросети — популярный класс моделей для работы со сложными взаимосвязанными данными: от транспортных сетей и биологических систем до рекомендательных систем и антифрод-решений.

Несмотря на высокое качество результатов и широкое применение на практике, такие модели плохо раскрывают потенциал современных GPU. Причина в том, что неструктурированная природа графовых данных приводит к нерегулярным обращениям к памяти. Из-за этого одна из ключевых операций графовых нейросетей — агрегация информации от соседей вершины в графе — часто ограничена не вычислительной мощностью устройства, а скоростью чтения и записи данных в память GPU.

Проблему усугубляет то, что архитектура GPU оптимизирована под регулярные вычисления, например операции с плотными матрицами (большим количеством ненулевых элементов). Поэтому даже использование более мощных ускорителей не всегда позволяет добиться существенного прироста производительности.

Команда предложила решение этой проблемы, разработав набор специализированных GPU-кернелов для популярных семейств графовых нейросетей. В них оптимизированы обращения к памяти, устранены лишние операции чтения и записи данных, а для части вычислений используются тензорные ядра, что дополнительно ускоряет работу на графах с высокой плотностью.

В результате авторам удалось ускорить выполнение отдельных операций до 10 раз и сократить пиковое потребление памяти до 70 раз.

🔜 Полный текст уже доступен на arXiv, а весь код — на GitHub.

Поздравляем авторов, а особенно студентов — такой результат и такой опыт точно пригодятся им в будущем. 🔥

AI Developer (Full-Time) 10 Roles

We’re looking for creative, skilled, and detail-oriented AI Developers from those who love experimenting with cutting-edge models to production-focused engineers who can ship reliable, scalable AI systems that actually solve real problems.

What We’re Looking For 1. Strong Python skills with core data/AI libraries: NumPy, Pandas, Scikit-learn, plus solid data wrangling and visualization. 2. Proficiency with PyTorch or TensorFlow/Keras, including experience with Transformers, LLMs, fine-tuning, and inference optimization. 3. Strong grasp of machine learning fundamentals — supervised/unsupervised learning, evaluation metrics, feature engineering, and managing overfitting. 4. Hands-on experience with Generative AI and LLM systems — prompt engineering, RAG, LangChain/LlamaIndex, and vector databases (Pinecone, Weaviate, etc.). 5. Familiarity with MLOps — model deployment (FastAPI, Docker, cloud platforms), versioning, monitoring, and scalable ML workflows. 6. Ability to write clean, maintainable, production-ready code. 7. A strong portfolio (GitHub/Kaggle/Hugging Face) demonstrating real AI/ML projects. 8. Curiosity and drive to grow in a fast-paced, collaborative environment.

Position Details Salary:  20,000 – 40,000 ETB (negotiable)

Apply here • forms.gle/bb1RmxBwRw7Hg9ZV6

🛠 AMD играет в долгую: платформа AM5 с нами надолго! 🚀

На выставке Computex компания AMD сделала шикарный подарок для всех геймеров. Производитель официально подтвердил: платформа AM5 будет поддерживаться вплоть до 2029 года!

• Легендарный сокет AM4 показал, что AMD умеет развивать свои платформы годами. • Покупая материнку на AM5 сегодня, вы гарантированно сможете обновить процессор через пару лет без замены платы - достаточно просто обновить BIOS 💻 • Процессоры с технологией 3D V-Cache выдают запредельный FPS в любых играх.

Собираете ПК с прицелом на легкий апгрейд в будущем? AM5 - лучший выбор в 2026 году! 🎯

👇 У нас есть готовое ультимативное решение на этой платформе:

🔥 Игровой монстр DOOM PC • Процессор: Топовый Ryzen 7 7800X3D • Видеокарта: Мощнейшая RTX 5070 Ti • Память: 64 GB DDR5 + быстрый SSD на 2 TB

👉 Купить DOOM PC 🛒

Хотите изменить конфигурацию под свои задачи? Пишите в сообщения группы - соберем ПК вашей мечты! 🔌

❇️سناتور هالک

ANDROID HYBRID OTT BOX با S2، گیرنده✅ FTA 4K/8K در سال 2024

♻️مشخصات فنی

✅هسته پردازنده:    چهار هسته

✅پردازنده:    Amlogic S905 X3 4x ARM Cortex-A55 @ 1.9 گیگاهرتز GPU 2x ARM Mali-G31 @ 850 مگاهرتز رم LPDDR3-2133

✅وضوح پشتیبانی:    8k، 4K UHD، 10 بیت H265/H264

✅سیستم عامل: اندروید 9

✅پشتیبانی از 4K 60fps  و HEVC H.264 ad H.265 10 بیتی سازگار

✅ پردازنده چهار هسته ای Amlogic

✅اکانت آلفا (36ماهه)

✅رام 4 گیگابایتی DDR3

✅32 گیگابایت فلش

✅نمایشگر VFD

✅ منبع تغذیه   DC 12V/1.5A

✅سازگار با DVB-S/DVB-S2

✅پشتیبانی از Wi-Fi داخلی 2.4/5.8G  Bluetooth V4.0

✅ پشتیبانی از PowerVU و Biss Key از گوگل پلی استور پشتیبانی کنید

✅ 2 پورت USB برای اتصال سخت افزار یا هارد اکسترنال

✅پورت شبکه اترنت 10/100M، استاندارد RJ-45

✅خروجی AV

✅خروجی HDMI 2.1

✅پشتیبانی از مودم 3G

✅پشتیبانی از فایل های m3u و m3u8

✅پشتیبانی از DiSEqC 1.0/1.1/1.2 USALS

✅پشتیبانی از HDR,HLG

✅پشتیبانی از Vp9+

✅پشتیبانی از Dolby +

✅مادون قرمز اضافی

🚛ارسال تمام نقاط  کشور

خرید و ثبت سفارش از آیدی معتبر :

@STAR_T1

Veo, Midjourney и ещё 200 нейросетей в одном окне

Есть открытый бесплатный проект Open Generative AI. Это студия с единым интерфейсом, заявлено больше 200 моделей для генерации картинок и видео. Ставится десктопом или работает прямо в браузере. Вместо того чтобы заводить отдельную подписку на каждый сервис, вы получаете один вход во всё сразу.

Сразу про главное, чтобы не было завышенных ожиданий. Бесплатна сама оболочка, то есть интерфейс. А генерации в облачных моделях вроде Veo, Kling и Midjourney идут через сервис Muapi и оплачиваются по его тарифам. Для этого нужен ключ Muapi, его вводят при первом запуске.

По настоящему бесплатно работают только локальные модели на вашем железе. Это набор поменьше, SD 1.5, SDXL, Z-Image, Flux Dev через свой GPU. Топовые модели так не запустить, они живут только в облаке.

Кому пригодится 🔘тем кто хочет один вход в кучу моделей вместо десятка отдельных подписок и готов платить за облако через один ключ 🔘тем у кого есть GPU и кто хочет бесплатно гонять открытые модели локально 🔘тем кто строит пайплайны, внутри есть визуальный конструктор воркфлоу, плюс всё дёргается из Claude Code и Codex через набор скилов

Если коротко - это не халявный доступ ко всем платным нейронкам разом. Это удобный бесплатный интерфейс, который собирает всё в одном окне и экономит на подписках, но за облачные генерации вы всё равно платите. Как единая точка входа штука полезная, если держать в голове где проходит граница бесплатного.

🧷 Ссылка на репозиторий тут 🧷 Версия в браузере, без установки

#ИИ #AI #Нейросети ——— #Инструменты #Видео ✍️ Подписывайтесь: @aiforproduct

Intel не сдается в битве за видеокарты

Алекс Катузян, топ Intel, снова говорит, что видеокарты для компании важны. Они работают с разработчиками игр и драйверы обновляют. Даже выпустили чипы для консолей ARC G3.

Но пока мы видим только обещания. Говорят, что новые дискретки ARC Celestial сильно задерживаются. Даже если Intel не просто маркетинг разводит, ждать игровых GPU придется еще очень долго.

Безумцы в рекламе | 🌊 «Одно незабываемое путешествие в Тартарары» Иногда нужно потеряться, чтобы найтись.

Ну что сказать, Cursor AI теперь в топ 1 по всем фронтам. Фронт первый: его выкупила SpaceX за колоссальную сумму Фронт второй: Cursor готовит БОМБУ для кодинга — это абсолютно новая модель на 1,5 ТРИЛЛИОНА параметров.

Что известно: 🔅Тренировали с полного нуля — никаких файнтюнов китайских поделок; 🔅Для обучения использовали суперкомп Colossus от xAI, который работает на 100 000 видеокарт NVIDIA H100; 🔅Модель будет поддерживать агентские задачи; 🔅Выйдет через пару недель. Сотрудничество с Маском уже даёт плоды. Фронт третий : Я уже полгода готовлюсь к этому моменту себя и своих учеников 🙈. Артур - почему Claude Code не используешь ? - Да потому что это теперь студенческий стартап, которые ещё собственное правительство пинает за цветочные запреты. Cursor всегда был лучшим по агентской системе IDE, а теперь вообще разрыв будет. Дайте насладиться моментом 😁

Сегодня в 19:00 МСК (на закрытом канале) — занятие про AI-автоматизации через Cursor AI

Покажу, всё что нужно знать про автоматизации любых процессов через Cursor:

берут задачу; делят её на шаги; запускают нужных AI-помощников; проверяют результат; исправляют ошибки; работают в облаке, пока вы занимаетесь своими делами. Это для тех, кто хочет автоматизировать контент, заявки, документы, таблицы, отчёты, публикации и рутину в бизнесе.

Без программистского ада. Без “напишите идеальный промпт”. С понятной схемой, которую можно применить к своим задачам.

Сегодня, 19:00 МСК. ха-ха-ха (коварный смех)

✅ Обучение по Make.com, нейросетям и Вайб-кодингу

[slides] OffensiveCon 2026: Tile-Based Deferred Rooting: When Your GPU Starts Rendering To Kernel Code Space! (CVE-2025-25180) https://androidoffsec.withgoogle.com/slides/art_imagination_gpu_offensivecon_2026.pdf

🚀 Железный кризис 2026: SSD и оперативка бьют рекорды! 📈

В июне 2026 дефицит чипов DRAM и NAND достиг пика. Из-за бума ИИ заводы Samsung, Micron и SK Hynix заняты серверной памятью 🤖 Потребительское железо выпускают по остаточному принципу. По данным TrendForce, цены за квартал взлетели на 60-75% 🤯 Стабилизации не ждут до 2027 года.

🛑 Наш совет - не ждите снижения цен. В COMPBASTER мы успели закупить комплектующие и держим отличные цены!

🔥 Компьютер на фото флагман для 2K гейминга: • Процессор: Ryzen 7 9800X3D (лучший для игр) • Видеокарта: Новейшая RTX 5070 Ti (16 GB) • Память: 32 GB скоростной оперативки + быстрый SSD Сборка идет без компромиссов и урезаний. Хватит на ультра-настройки в любых играх на годы вперед! 🎮

👇 Успейте забрать мощный ПК по честной цене

Заглядывайте в каталог или пишите нам. Подберем ПК, пока старые запасы есть на складе! 🔌

AI-компании начали менять токены на доли в компаниях

В мае 2026 OpenAI предложила каждому стартапу текущего батча Y Combinator $2M в API-токенах за долю. И токены — не по себестоимости: маржинальная стоимость инференса в разы ниже розничной цены, по которой считается сделка

Но дело не в том, что инференс дёшев. Инференс стоит денег — GPU, электричество, мощности. Дело в другом: эти мощности и так бы крутились. OpenAI отдаёт то, что и так производит

Но обычно он продаёт инференс за деньги. Разовая сделка, конец. А здесь он отдаёт тот же инференс — и берёт долю

Стартап не может обналичить токены. Не может потратить на зарплаты, на аренду. Токен тратится только на инференс — то есть обратно у OpenAI. И тем же инференсом стартап строит свой продукт быстрее. Тот самый продукт, долей в котором OpenAI теперь владеет

Это как если бы магазин давал тебе кашу, от которой ты лучше работаешь, и брал за это долю твоей выросшей зарплаты

Токен из операционного расхода становится капитальной валютой. Расход остаётся расходом — мощности всё равно горят. Меняется то, чем он становится: долей в будущем, которое сам же производишь

Один и тот же токен и товар, и доля: стартап потребляет товар, OpenAI владеет долей

Это уже было. В конце девяностых Cisco, Lucent и Nortel давали телеком-стартапам оборудование в долг и брали долю — стартапы на это оборудование строились, вендоры росли вместе с ними

И если довести до конца — это уже не про один батч и не про $2M. Если инференс — это сырьё, то поставщик сырья берёт долю в каждом, кто из сырья что-то строит. Как если бы электрическая компания владела долей в каждом заводе, работающем на её токе

Тот, кто владеет вычислениями, начинает владеть тем, что на вычислениях построено

🧠 Глубокое обучение и анализ данных. Практическое руководство

Хотите разобраться в нейросетях на практике?

Подробное руководство по глубокому обучению, которое показывает весь путь — от базовых принципов работы нейронных сетей до создания собственных AI-приложений на Python.

✅ Построение нейронных сетей с нуля. ✅ Практика на задачах компьютерного зрения и обработки текста. ✅ Работа с PyTorch, TensorFlow и Keras. ✅ Разбор ключевых алгоритмов глубокого обучения. ✅ Реальные примеры и готовый код на Python. ✅ Создание собственного проекта на основе данных из браузера.

Теория, практика и современные инструменты — всё необходимое для уверенного старта в мире Deep Learning.

#books

#ReDigest

Продолжаем субботнюю рубрику, тут я кратко рассказываю про новости из мира технологий и AI, которые привлекли мое внимание.

Дайджест недели:

- Anthropic выпустила новую модель Claude Fable 5 - подробности в посте выше.

- Через пару дней Минторг США приказал отключить Fable 5 и Mythos 5 для всех иностранцев (подозрение на jailbreak). Разделить трафик быстро нельзя, поэтому Anthropic вырубила обе модели для всех.

- Apple на WWDC показала переработанную Siri AI: на своих версиях Gemini, понимание контекста и экрана, релиз осенью (без ЕС и Китая). Также интегрировали AI в другие свои фичи.

- Google срезал цену самого дешевого AI-плана с $8 до $5 в месяц и дал вдвое больше хранилища.

- SpaceX провела крупнейшее IPO в истории: $75 млрд при оценке ~$1,8 трлн.

- Z.ai представила GLM-5.2 - флагман для агентного кодинга с 1M контекста и режимом Max-effort.

- Google выпустил Gemini 3.5 Live Translate - потоковый синхронный голосовой перевод. В Google Translate, Meet и через Live API.

- Google выложил открытую диффузионную DiffusionGemma: генерирует текст блоками, а не по токену, до 4x быстрее, качество пониже Gemma 4.

- Два эссе от лидеров индустрии: Альтман пишет про ускорение и AGI каждому, а Дарио Амодеи призывает к осторожности и FAA-подобному регулированию.

- OpenAI купила Ona - облачную оркестрацию для агентов.

- Google законтрактовал у SpaceX ~110 тыс. GPU Blackwell за $920 млн в месяц до 2029.

- OpenAI, по данным The Information, вероятно отложит IPO на 2027: объясняют это прогрессом в самообучающемся ИИ и сильными метриками Anthropic. Сотрудникам предложили выкуп акций.

- Китай строит единую национальную вычислительную сеть из дата-центров (сейчас большай фрагментация).

- ChatGPT не убил Поиск Google - он на историческом максимуме: выручка Search +19% год к году.

- Джефф Безос вышел из стелса с Prometheus и сразу поднял $12 млрд на AI инженерию для физического мира.

- Сооснователь xAI Игорь Бабушкин запустил River AI - адаптивные персонализированные агенты, костяк команды из xAI.

- Stack Overflow перезапускается под агентов.

- Cognition обещает до $10M кредитов, если Devin недоработает по годовому корпоративному контракту (прецедент гарантии b2b AI).

- Xiaomi выпустила MiMo UltraSpeed - 1-триллионную MoE со скоростью 1000+ ток/с на обычном 8-GPU сервере.

- Cohere выпустила North Mini Code - открытую coding-модель, быстрее сравнимой Devstral Small 2 в 2,8 раза.

- Moonshot выпустила Kimi K2.7-Code - открытую модель для агентного кодинга.

- Moonshot представила Kimi Work - десктопный агент, прямой ответ на Claude Cowork.

- Cognition представила FrontierCode - насколько модель тянет стандарты качественных продакшен-кодбаз. Сделан опенсорс-мейнтейнерами.

- Claude Code апдейт: субагенты могут спавнить субагентов (до 5 уровней), fallbackModel при перегрузке, /cd без сброса кеша.

- Anthropic открыла observability для MCP-коннекторов: дашборд по adoption, health, error rate и пр.

- OpenAI разрешила в Codex ограниченно откладывать сбросы лимитов про запас и активировать в удобный момент + на две недели реферальная акция: пригласи друга (до 3х) - оба получите по дополнительному сбросу лимитов.

- К ЧМ по футболу Google временно открыл всем бесплатно генеративный UI в AI Mode (обычно Pro и Ultra): на вопрос о тактике поисковик рисует интерактивные схемы.

- Google завез Colab в терминал можно скилами провижинить GPU и попросить "зафайнтюнь модель на моем датасете"

- Vercel запустил skills.sh API - запросы к коллекции 600k+ skills.

- skill-eval-harness - маленький Python-harness, чтобы прогнать evals на своих skills и понять, помогают они модели или вредят.

- text-to-lottie - открытый скилл для Claude Code и Codex, генерит production-ready Lottie-анимации по текстовому промпту.

- 🤩 NotebookLM полностью обновили: теперь это автономные агенты, работа со скиллами (100+ на каждый блокнот) и запуск кода, а под капотом Gemini 3.5 и движок Antigravity.

США запретили Anthropic пускать иностранцев к Fable и Mythos. Под раздачу попали даже сотрудники самой компании

Первый в истории случай, когда доступ к ИИ-модели режут по паспорту. И, судя по всему, не последний.

12 июня в 17:21 по нью-йоркскому времени Anthropic получила от правительства США директиву экспортного контроля: со ссылкой на нацбезопасность приостановить доступ к Fable 5 и Mythos 5 для любых иностранцев — хоть за пределами страны, хоть внутри неё, включая собственных сотрудников-неграждан.

Отдельно отфильтровать неграждан на лету компания не может — инфраструктуры для проверки гражданства у неё нет. Поэтому, чтобы гарантированно выполнить требование, Anthropic просто вырубила обе модели для всех. Остальные модели, включая свежий Opus 4.8, работают. Пока.

Отдельная ирония — что под запрет попадают и звёздные наймы. Например, Андрей Карпаты, сооснователь OpenAI и экс-глава автопилота Tesla, в мае перешедший в Anthropic в команду претрейна. Словак по рождению, канадец по паспорту — даже он теперь не может пользоваться моделями, которые сам помогает обучать.

Формальная причина — якобы власти узнали о способе «взломать» защиту Fable. Anthropic посмотрела демонстрацию: это узкий, неуниверсальный джейлбрейк — по сути, модель просят прочитать конкретную кодовую базу и починить в ней уязвимости. Выдаёт он пару давно известных мелких багов, которые, по словам компании, спокойно находят и другие публичные модели — включая GPT-5.5 от OpenAI — безо всякого взлома.

Тут надо понимать, что Fable и Mythos — это одна и та же модель. Разница в обвесе: на Fable навешаны жёсткие гардрейлы (особенно по киберу), чтобы её можно было отдать публике; у Mythos их нет или они мягче, поэтому она доступна лишь избранным организациям. Защита Fable настолько топорная, что юзеры жалуются на ложные срабатывания — заикнись про кибербез, и модель уходит в отказ.

Anthropic называет это «недопониманием» и обещает вернуть доступ как можно скорее. Логика компании: отзывать модель, которой пользуются сотни миллионов человек, из-за одного узкого бага — абсурд, и если так судить всех, деплой фронтир-моделей встанет у всей индустрии.

Но шанс на быстрый откат невелик, потому что корни глубже. США не первый год закручивают экспортный контроль на всё, что касается чипов и ИИ. Забавно, что администрация Байдена ещё в январе 2025-го пыталась ввести рамку AI Diffusion — она в том числе контролировала бы доступ к весам закрытых фронтир-моделей по странам-«тирам», — но её отменили в мае 2025-го как слишком бюрократическую. А теперь ту же «невидимую руку рынка» вернули точечно и куда в более грубом виде — жахнули точечно по крупнейшей компании. Ну и так, на всякий: если кому-то запрет на Fable для неамериканцев кажется дикостью, вы просто не пробовали купить топовые видеокарты Nvidia, будучи неамериканской компанией.

Давайте пофантазируем. Если это всерьёз и надолго, доступ к фронтир-моделям будет по паспорту — и не только у Anthropic, но и у Google, OpenAI, xAI. А следом и Китай начнёт ограничивать свои топовые модели. То есть мы в шаге от мира суверенных моделей — а щас только середина 2026-го.

Главный вопрос — как тут заведут KYC: есть ощущение, что одной сменой IP для получения доступа скоро уже не отделаешься. И как обычно, мера оставит с носом 99% обычных безобидных юзеров. А тех, кто реально хотел бы дистиллировать Fable/Mythos или применить их во зло, KYC не остановит — ровно как запрет на продажу оружия не мешает преступникам его доставать.

P. S. По сети разошёлся скрин со словарным толкованием слова fable — «короткая поучительная история, преподающая моральный урок», то бишь басня. Учитывая, что неограниченную модель назвали Mythos (миф), а публичную, в наморднике, — Fable, нейминг вышел действительно пророческим.

Exploiting CVE-2024-1065 via the Page Cache!

A strategy for physical-page UAFs in MIGRATE_MOVABLE, where Dirty Pagetable and Dirty Cred don't apply.

https://kuzey.rs/posts/MaliUAF/

Demonstrated on the Mali GPU UAF found by Project Zero.

Tldr: on-device AI lab, от фаундеров Prisma / Reface (100+ mln users), $10 mln raised, fully remote. 2 роли - ML Research Engineer, Inference Engineer

Про компанию:

Mirai — AI lab, разрабатывающая фундаментальную модель и инфраструктуру инференса для AI на устройствах пользователя (on-device AI), что позволяет запускать LLM локально с ультранизкой задержкой.

📱Сегодня экономика AI плохо масштабируется через облачные вычисления и GPU-инференс. Со временем значительная часть AI-нагрузок переместится с серверов непосредственно на устройства пользователей.

🔝Компания основана фаундерами Prisma labs (одними из пионеров on-device ML) и Reface (100+ млн пользователей), а также привлекла $10 млн в рамках seed-раунда.

Fully remote, distributed-команда (от Лондона до Токио), английский — основной рабочий язык.

Позиция - ML Research Engineer

Основные направления: — quantization — speculative decoding — optimization для LLM inference — NLP / transformer research

Что предстоит делать: — исследовать и внедрять новые подходы к оптимизации моделей — читать и адаптировать research papers по NLP / LLM systems — писать production-quality ML systems

Нам интересны кандидаты с опытом в: — Deep Learning / NLP / transformers / LLMs — ML research / publications / open-source projects — training, fine-tuning или оптимизации моделей

Будет плюсом: — research labs / Kaggle / ICPC / олимпиады — опыт реализации paper → production pipeline

Контакт - @ann_rish

Позиция - Inference Engineer

Обязанности — Разрабатывать и оптимизировать основной inference stack, включая низкоуровневые compute kernels. — Добавлять поддержку новых model architectures, modalities, а также различных hardware/software backends. — Разрабатывать продвинутые возможности инференса, такие как KV cache paging, continuous batching, quantization. — Создавать tooling вокруг inference stack, чтобы систему было проще тестировать, понимать и надежно выводить в продакшен.

Требования — Сильный опыт в low-level systems engineering — вы должны понимать, как работают компьютеры на уровне ниже прикладного программирования (application-level programming). — Уверенное владение одним из systems languages: Rust, C, C++ или аналогичными.

Будет плюсом — Качественные open-source contributions. — Опыт написания высокопроизводительных GPU kernels или работы с Metal, Vulkan, CUDA и аналогичными технологиями.

Контакт - @armantg

Нейронка-монстр без цензуры вышла в свет — энтузиасты взяли Gemma 4 от Google и «испортили» её с помощью облитерации

Модель выдаёт 0 отказов из 842 тестов даже на самых жёстких и кошмарных запросах — можете не стесняться самых смелых фантазий. При этом качество не пострадало: она работает так же хорошо, как и оригинал.

Технические детали: ` Вес — 22 ГБ, запускается даже на обычной видеокарте с 8 ГБ RAM; ` Работает в Ollama, LM Studio, llama.cpp, Jan, Msty — буквально везде; ` Модель бесплатна.

Забирайте — здесь.

Технолоджия

БОРЬБА ЗА ТЫЛ

Искусственный интеллект играет ключевую роль — он позволяет перейти от «сотен ПНВ и МОГ» к сети, где каждый элемент умнее, а покрытие шире и глубже.

Вместо линейного наращивания количества постов с пулемётами/ПЗРК предлагается построить трёхуровневую архитектуру, управляемую ИИ: 1. Распределённый пассивный сенсорный слой (замена классических ПНВ) 2. Слой дешёвых высокоточных перехватчиков (замена дорогих ЗУР) 3. Единый центр тактического ИИ и связности

Пассивный сенсорный слой с ИИ-классификацией

Задача — обнаружить среднелет на дистанции, в разы превышающей 500 м, и сделать это без активного излучения. • Акустические станции. Кольцевые микрофонные решётки с нейросетевой обработкой способны пеленговать винтовые и реактивные БПЛА на 3–7 км (в зависимости от фона). ИИ выделяет характерный спектр «Хорнета» среди шумов, определяет азимут, примерную дальность и тип цели. Одна такая станция заменяет несколько ПНВ, а главное — работает автоматически, без постоянного напряжения оператора. • Оптико-тепловизионные посты с машинным зрением. Поворотные камеры с автотрекингом, активируемые по целеуказанию от акустики или радара малой мощности. Нейросеть на борту подтверждает цель, распознаёт модель и выдаёт координаты. Дальность устойчивого автосопровождения — 1,5–3 км даже для небольших объектов. • Сеть сенсоров вместо линии постов. Разместив такие станции через 4–6 км, можно перекрыть весь фронт со значительно меньшим количеством элементов. При протяжённости фронта, требующей сотен классических ПНВ, здесь потребуется в разы меньше точек, причём без постоянного присутствия личного состава — только периодическое обслуживание.

Слой перехвата на базе ИИ-камикадзе

Решение — дрон-перехватчик, управляемый ИИ, стоимостью в сотни долларов, способный уничтожить среднелет таранным ударом или подрывом.

Тактический ИИ-координатор

Мозг системы — программный комплекс, развёрнутый на защищённом сервере или распределённый по узлам. • Слияние данных. Объединяет треки от акустики, камер, редких радаров и данных РЭР, формирует единую картину воздушной обстановки в масштабе бригады/дивизии . • Классификация и приоритезация. Отличает ложные цели, определяет наиболее опасные маршруты, прогнозирует точки возможного удара. • Автоматическое назначение перехватчиков. С учётом расстояния, остатка энергии у целей, количества доступных дронов-камикадзе. Исключает двойной расход боеприпасов на одну цель. • Поддержка принятия решения. Оператор только санкционирует поражение (или система действует полностью автоматически в зоне ответственности). Реакция ускоряется в разы по сравнению с цепочкой «наблюдатель — голос — командир — стрелок».

Реализуемость и первые шаги

Современный уровень микроэлектроники и нейросетевых фреймворков позволяет создать все компоненты быстро и относительно недорого. Для этого необходимо: 1. Разработать эталонный акустический и визуальный датасет по основным типам среднелетов противника, обучить компактные нейромодели (TensorFlow Lite / ONNX) для работы на микрокомпьютерах сенсоров и на борту перехватчиков. 2. Спроектировать FPV-перехватчик с автономным оптическим захватом, провести полигонные испытания роевого взаимодействия. 3. Интегрировать все элементы в единый боевой софт, реализовав помехозащищённую Mesh-сеть передачи данных (например, на основе технологии MANET).

5 Must-Know Python Concepts for AI Engineers

1. 🔥 Tensors & Autograd

Stop writing backprop by hand. requires_grad=True tracks every operation → .backward() applies the chain rule automatically.

import torch

x = torch.tensor(2.0) y = torch.tensor(5.0) w = torch.tensor(0.5, requires_grad=True) b = torch.tensor(0.1, requires_grad=True)

pred = w * x + b loss = (pred - y) ** 2 loss.backward()

print(w.grad.item(), b.grad.item())

✅ Exact gradients, zero math errors.

2. ⚙️ The __call__ Method

Why model(x) works, not model.forward(x). call runs hooks before forward.

class LinearLayer: def __init__(self, w, b): self.w, self.b = w, b self._hooks = []

def __call__(self, x): for hook in self._hooks: hook(x) return self.forward(x)

def forward(self, x): return x * self.w + self.b

⚠️ Always call model(x) — .forward() skips hooks → silent bugs.

3. 💾 Pickle vs ONNX

pickle = Python-locked + code execution risk 🚨. ONNX = static, language-agnostic graph.

import torch

model.eval() dummy_input = torch.randn(1, 10)

torch.onnx.export( model, dummy_input, "model.onnx", export_params=True, opset_version=15, input_names=["input"], output_names=["output"], dynamic_axes={"input": {0: "batch_size"}} )

✅ Portable, fast, decoupled from training code.

4. 🧱 Abstract Base Classes

@abstractmethod forces subclasses to implement methods. Miss one → fails at startup, not mid-request.

from abc import ABC, abstractmethod

class ModelInterface(ABC): @abstractmethod def predict(self, x: list) -> list: ...

@abstractmethod def get_metadata(self) -> dict: ...

✅ Fail fast, fail safe.

5. 🔐 Env Variables & Secrets

Never hardcode keys. Store in .env, gitignore it, load with python-dotenv.

import os from dotenv import load_dotenv

load_dotenv()

api_key = os.getenv("OPENAI_API_KEY") if not api_key: raise ValueError("OPENAI_API_KEY is not set!")

✅ Same code locally + Docker/Lambda. Zero leaks.

❤️ Follow AIJobs  for more AI drops

НОВОЕ ВИДЕО

В этом видео мы создали, пожалуй, самый необычный десктопный компьютер, который эффективно охлаждает 7 видеокарт RTX 5090 и горячий процессор! Но зачем и кому нужен такой компьютер? Для майнинга? Для ИИ? Может для полета на луну?

Все ответы в новом видео!

📱 YouTube 📱 VKВидео

#контентHYPERPC

ПОЛНЫЙ ПЕРЕСКАЗ ЧАТА СМЕРТИ с новой финальной частью ЁМАЁ! Уже на ютубе - https://www.youtube.com/@ComeHuma/videos

Видеокарточка разбита по таймкодам, если они у вас не работают. То в описании можете кликать по нужной для вас части! Ну и 21-я часть выбери меня выйдет в бесплатный доступ уже завтра

Обзор и тест корпуса MSI MPG GUNGNIR 300R AIRFLOW

Продуваемая передняя панель, красивая и удобная подставка под две видеокарты, встроенный контроллер подсветки. Изучаем детали игрового корпуса от MSI.

https://i2hard.ru/publications/50863/

MLOps / DevOps Engineer (Middle, AI/ML) NITEC 700.000 to 1400000 kzt per month Astana / Office

NITEC is a major player in Kazakhstan's IT market

Responsibilities: • Develop and maintain infrastructure for AI/ML projects • Deploy and support ML services in production • Set up CI/CD pipelines for ML models and APIs • Containerize services using Docker and Kubernetes • Optimize infrastructure for LLM inference • Document infrastructure and deployment processes

Requirements: • 2+ years in DevOps/MLOps/Infrastructure Engineering • Docker, Kubernetes, GitLab CI/CD • Linux server administration • API deployment and microservices architecture • Understanding of ML/AI product lifecycle • Monitoring and logging setup (Prometheus, Grafana)

Optional: • Experience with GPU servers and ML infrastructure • Deployment of LLM, embedding, or speech-to-text models • Experience with MLflow, Airflow, Kubeflow

Contacts: 📧 [email protected] 📱 @erlanishere