Неискусственный интеллект

Кто будет учить роботов быть людьми Стартап XDOF решил перехватить у ИИ-лабораторий часть работы и начать создавать системы, которые собирают и обрабатывают данные для обучения роботов. В потенциал задумки поверили венчурные фонды Thrive Capital, Spark Capital, a16z, Lux и WndrCo — в раунде финансирования компания привлекла $70 млн. Стартап планирует собирать данные через телеоперацию и носимые сенсоры, с помощью которых можно будет записывать движения человека. Тем самым ИИ-гигантов освободят от строительства «школ обучения» для роботов и найма операторов. Ну и видосы с YouTube можно не скармливать — всё равно толка от них мало. Первым делом XDOF выкатил открытый датасет ABC-130K (по их словам — крупнейший в мире). В нём лежит 130 тысяч траекторий манипуляций, 300 часов процессов симуляций и 100 часов тестов. Эти данные уже научили роботов складывать футболки или возвращать AirPods внутрь кейса. XDOF появился в 2024 году. Компанию основали выходцы из Калифорнийского университета в Беркли Филипп Ву, Фред Шэньту и Немо Цзинь. Как сообщается, XDOF уже обслуживает 20 клиентов, в том числе передовые лаборатории. Можем предположить, что среди них (есть или будет) OpenAI — в конце мая Сэм Альтман как раз начал поиски инженеров для только-только восставшего направления робототехники OpenAI Robotics. В марте компания также арендовала склад размером примерно 19 тыс. кв. метров., вероятно, для гуманоидной лаборатории. Среди других возможных кандидатов: Google DeepMind или Physical Intelligence (π). @anti_robots

Токен, удар, удар! Квоты на ИИ теперь режет не только американский бигтех. Сотрудники Tencent рассказали, что с июня компания заметно ограничила расходы на внешние модели и инструменты. Раньше некоторые разработчики могли тратить до $2 тыс. в месяц на ИИ-расходники. Теперь бюджеты составляют примерно от $150 до $1 тыс. в зависимости от подразделения, статуса сотрудника и решения руководителя. Сами токены при этом перестали быть личным пайком. Компания выделяет общий бюджет команде, а менеджер уже решает, кому и сколько достанется. Приоритетные подразделения ожидаемо получают больше: сотрудникам команды Hunyuan в среднем доступно около $1 тыс. в месяц, лаборатории YouTu [занимается компьютерным зрением] — примерно $780. Аутсорсеров Tencent Entertainment вообще посадили на голодный паёк со $150. Дополнительный бюджет можно запросить, но теперь его нужно обосновывать рабочей необходимостью. В одном из подразделений сотруднику, который писал с помощью ИИ втрое больше кода, квоту не сократили, а увеличили. Правда, как Tencent считала объём и качество этого кода, неизвестно. Ограничения в основном затронули внешние сервисы. Собственную модель Hunyuan и связанные с ней инструменты сотрудники пока могут использовать без лимитов. Такое вот импортозамещение. Самое интересное, что на государственном уровне Китай пока движется в обратную сторону. В марте глава Национального управления данных назвал токены расчётной единицей, связывающей предложение ИИ-технологий со спросом бизнеса. Фактически объём потребления начинают использовать как один из показателей развития всей ИИ-экономики. Среднесуточное потребление токенов в Китае выросло со 100 млрд в начале 2024 года до 140 трлн в марте 2026-го. Alibaba создала отдельный Token Hub, Tencent переименовала платформу моделей в TokenHub [любезно убрав у конкурента пробел], а ByteDance уже отчитывается о 140 корпоративных клиентах, каждый из которых потребляет больше триллиона токенов. При этом внутри ByteDance избрала довольно жёсткую политику. За сторонние сервисы сотрудник платит сам и получает частичную компенсацию: в отдельных подразделениях 50%, до $1 тыс. в год для разработки и $300 для других должностей. Внутри контура  доступ к включённым моделям формально широкий, но бывают очереди. Токенмаксинг ушёл на восток и встретил там закат. Но и на западе нового рассвета не ждут: как стало известно на прошлой неделе, экстремистская Meta, кажется, последней из бигтехов решила зафиксировать лимиты на внутреннее потребление токенов, а также запустить платформу для отслеживания расходов в реальном времени. От внешних зависимостей инженерам предлагают избавляться; на внутренние инструменты в 2026 году и так хотят потратить "миллиарды". В общем, хайп проходит и уходит, а бюджеты считать приходится всегда. @anti_agi

Технологии без границ и лимитов Наши Z.ai (я бы даже сказал зайки) открыли веса GLM-5.2, релизнутой на прошлой неделе. И, конечно, не преминули уколоть. Что в блогпосте, что в карточке HF пункт "Pure Open" подан так: лицензия MIT, никаких региональных ограничений, доступ без границ. На прошлой неделе американская администрация письмом заставила одного вендораса выключить две топовые модели по всему миру за полтора часа. Так что адресат фразы про доступ без границ всем нам понятен. Причем подколка эта многоцелевая. С одной, в адрес администрации США с ее экспортным контролем. С другой, в адрес соседей по китайскому цеху: Qwen за последние месяцы свернул открытость, флагман 3.7-Max закрыт, на 3.6 открыли только малые модели. Лидер опенсорса освободил нишу, Zhipu ее занял, причем с MIT на флагмане, а не на дистиллятах. По технике всё неплохо. 753B параметров, MoE с DeepSeek-style sparse attention. Главная инженерная фишка IndexShare: один легкий indexer на каждые 4 слоя, минус х2.9 по FLOPs на токен при миллионном контексте. На длинных запросах до 7 раз быстрее по пропускной способности, чем GLM-5.1, который на 256k и выше просто падает в out of context. GLM-5.2 на сегодня становится сильнейшей открытовесовой кодинг-LLM. Terminal-Bench 2.1: 81.0 против 85.0 у Opus 4.8. FrontierSWE: 74.4 против 75.1, разрыв около процента. GPT-5.5 обходит почти везде. Где честно слабее: SWE-Marathon, самые тяжелые многочасовые задачи, тут вдвое отстает от Opus. GLM-5.2 почти везде побеждает Qwen3.7-Max. Но на длинных агентных бенчах у Квена прочерки: их гоняла сторонняя лаба на открытых весах, а 3.7, повторюсь, закрыт. В блогпосте Zhipu уже как большие западные фронтир-лабы сами пишут, что 5.2 читерит при обучении охотнее предшественника: тянет готовые решения через curl с гитхаба, читает файлы с тестами. Им даже пришлось строить отдельный детектор. Итого: качество фронтир-смежное, цена в разы ниже, и есть свойство, которое не обесценится со следующим релизом конкурента - открытые веса GLM 5.2. Технологии без границ и лимитов, как и обещали Z.ai. Пока что.😏 @anti_agi