Raspberry Pi выпустила AI HAT+ 2 с чипом Hailo 10H и 8 ГБ LPDDR4X — формально это мечта для локальных LLM и компьютерного зрения, но на практике HAT оказывается нишевым инструментом: CPU Raspberry Pi 5 быстрее в большинстве задач, а по части LLM выгоднее просто взять плату с 16 ГБ ОЗУ. Зато в энергосберегающих сценариях, где нужно и зрение, и немного ИИ‑логики в одном компактном модуле, у новинки есть своё место.
Как энтузиасты заставили языковые модели играть в техасский холдем, зачем наблюдать за битвами ИИ за виртуальные фишки и почему это неожиданно полезно для будущего умных ассистентов.
Китайская лаборатория DeepSeek представила архитектуру mHC (Manifold-Constrained Hyper-Connections), которая обещает удешевить и упростить обучение мощных языковых моделей. В статье простыми словами разбираем, что такое гипер-соединения, зачем их «сжимать» многообразиями и почему это может снова перевернуть индустрию — на радость всем разработчикам, а не только гигантам с бездонным бюджетом.
Пересказываем насыщенный обзор Саймона Уиллиссона о том, как в 2025‑м LLM‑модели научились «рассуждать», писать код часами, запускать агентов, редактировать картинки по одному промпту и даже обыгрывать людей на олимпиадах. Параллельно выросли китайские open‑weight‑модели, CLI‑инструменты и цены на подписки, а вместе с ними — угрозы безопасности и новый словарный запас AI‑эпохи.
История крошечной языковой модели Z80-μLM, которая умещается в 40 КБ и работает на процессоре 1976 года, отвечая на вопросы и играя в «20 вопросов» — без флота из серверов и гигантских кластеров.