AI Qazaqstan
Каналы

Материал на языке оригинала: English.

Hugging Face (Twitter)

RT @HuggingPapers: StepFun's Step 3.5 Flash A sparse MoE model with 196B parameters, 11B active per token. Achieves frontier-level reasoning comparable to GPT-5.2 xHigh and Gemini 3.0 Pro at 1/6th the decoding cost. Ranks #1 on MathArena with 97.3% on AIME 2025.

13 февраля 2026 г. · Источник: Hugging Face (KB)

Hugging Face (Twitter)

RT @HuggingPapers: StepFun's Step 3.5 Flash

A sparse MoE model with 196B parameters, 11B active per token.

Achieves frontier-level reasoning comparable to GPT-5.2 xHigh and Gemini 3.0 Pro at 1/6th the decoding cost.

Ranks #1 on MathArena with 97.3% on AIME 2025.

Читать у источника →

Ещё в теме

КаналыИИ создал бесконечные Backrooms, в которых даже разработчик не знает, что будет дальшеВ браузере появилась хоррор-игра, где Claude Opus 5.5 генерирует жуткие комнаты, монстров и случайные события прямо по мере прохождения. Каждая новая дверь может привести в совершенно неожиданное место. Причём заранее неизвестно, какие испытания ждут игроков. Исследовать бесконечные лабиринты можно Telegram — GPT Time | Нейросети | ИИ
КаналыGoogle представила TPU 8i Max и 8tx: новые ускорители для ИИ-агентовGoogle расширила линейку TPU восьмого поколения до четырёх систем. TPU 8i Max рассчитан на огромные контекстные окна и сложные агентные задачи: - Два объединённых TPU 8i. - В 2 раза больше вычислительной мощности. - В 2 раза больше SRAM и пропускной способности HBM. TPU 8tx предназначен для конфиденTelegram — AI Machine Learning Big Data
Каналы99,999% мировых вычислений могут переехать в космос. Ларри Пейдж уже назвал эту цифру 🤯Сооснователь Google, по словам инвестора Патрика О'Шонесси, считает, что практически все вычислительные мощности человечества в будущем окажутся на орбите. О'Шонесси рассказал об этом в подкасте Invest Like the Best. По его словам, кто-то спросил Пейджа, какая доля вычислений будет выполняться в косTelegram — AI Machine Learning Big Data
КаналыGoogle научили ИИ-агентов находить новые квантовые алгоритмы и сразу доказывать их корректность и стоимость в Lean.Над этим работала как команда DeepMind, так и Quantum. Эта работа отличается от прошлых подходов, где ИИ-агенты проверяли квантовые схемы численным моделированием на классическом компьютере. Здесь же агенты работают с алгоритмами на тысячах кубитов, которые невозможно просимулировать классически, ноTelegram — blockchainRF (блокчейн / мозг / space / WEB 3.0)