Пользователь форума Reddit под ником Open_Advice_1411 рассказал о необычной находке в комиссионном магазине: ему удалось купить видеокарту ASRock Radeon RX 6950 XT OC Formula всего за 15,5 доллара. Позже он сообщил, что видеокарта запустилась и оказалась полностью работоспособной. Правда, стресс-тесты он еще не проводил.

Особый интерес вызывает сама модель. Речь идет не о стандартной Radeon RX 6950 XT, а о версии OC Formula (OCF) от ASRock — это одна из наиболее редких и топовых модификаций в линейке Radeon RX 6000. Карта получила мощную подсистему питания на 21 фазу, три 8-штырьковх разъема, две BIOS и фирменное охлаждение OC Formula 3X. По данным ASRock, ее boost-частота в режиме Performance BIOS достигает 2495 МГц. И, конечно же, важен объем памяти — тут 16 ГБ.

На фоне обычных цен на бывшие в употреблении видеокарты такая покупка выглядит почти невероятной: даже с учетом возраста Radeon RX 6950 XT остается довольно мощным решением.

У Intel сегодня день точечных премьер: компания представила не только

CPU получил 16 ядер в конфигурации 4 производительных + 8 энергоэффективных + 4 маломощных энергоэффективных, а также vjoye. встроенную графику Intel Arc B390. Turbo-частота составляет 5,0 ГГц (против 5,1 ГГц у Core X9 388H).

Главное отличие новинки — не в производительности, а в позиционировании. Core Ultra X9 378H ориентирован на потребительский рынок и не поддерживает vPro, а также лишен ряда корпоративных функций, включая AMT, SIPP и Remote Platform Erase. По сути, это «переупакованный» Core Ultra X7 368H без поддержки vPro.

Arcee, лаборатория из Сан-Франциско, выпустила Trinity-Large-Thinking — текстовую reasoning-модель с 399 миллиардами параметров. Модель распространяется под лицензией Apache 2.0, что позволяет её свободно использовать и модифицировать как независимым разработчикам, так и крупным компаниям.

Trinity-Large-Thinking создана как альтернатива закрытым моделям, которые доминируют на рынке. Релиз совпал с ростом обеспокоенности предприятий по поводу использования китайских архитектур в критической инфраструктуре. Arcee предлагает разработчикам инструмент, который они могут полностью контролировать.

Arcee — небольшая команда из 30 человек, которая выделяется подходом «инженерия через ограничения». В 2026 году компания вложила $20 миллионов, почти половину своего бюджета, в 33-дневный цикл обучения Trinity-Large. Для этого использовался кластер из 2048 GPU NVIDIA B300 Blackwell, что позволило достичь высокой скорости обучения.

Лицензия Apache 2.0 выделяет Trinity-Large-Thinking среди конкурентов, предоставляя предприятиям возможность полного контроля над моделью. Arcee также выпустила Trinity-Large-TrueBase — контрольную точку с 10 триллионами токенов, которая позволяет полностью адаптировать модель под свои нужды.

Trinity-Large-Thinking уже получила положительные отзывы сообщества. На платформе OpenRouter модель стала самой популярной в США, обработав более 80 миллиардов токенов за день. При стоимости $0.90 за миллион токенов Trinity значительно дешевле конкурентов, таких как Claude Opus 4.6 ($25 за миллион токенов).

Arcee планирует использовать наработки Trinity-Large для обновления своих компактных моделей Mini и Nano, открыв их так же для широкого круга пользователей.

Андрей Карпаты, бывший директор по искусственному интеллекту Tesla и сооснователь OpenAI, представил новый подход к управлению знаниями, который может изменить подход к исследовательским проектам. Его метод, названный LLM Knowledge Bases, предлагает использовать большие языковые модели (LLM) для создания и поддержания структурированных баз знаний в формате Markdown (.md). Этот подход решает проблему потери контекста в ИИ-проектах, делая процесс работы более эффективным и прозрачным.

Карпаты описал свою систему как способ решения проблемы «статичности» ИИ, когда контекст работы теряется после завершения сессии. В отличие от традиционных решений, таких как векторные базы данных и Retrieval-Augmented Generation («генерация, дополненная поиском», RAG), его подход делает акцент на простоте и прозрачности. Вместо сложных алгоритмов поиска система Карпаты использует LLM для создания, редактирования и поддержания базы знаний. Исходные материалы, такие как научные статьи, репозитории и веб-контент, сохраняются в формате Markdown. Карпаты использует инструмент Obsidian Web Clipper для преобразования веб-страниц в локальные файлы, включая изображения.

Хотя система изначально разрабатывалась для личных исследовательских проектов, у неё большой потенциал для корпоративного использования. Компании могут использовать этот подход для создания «корпоративной библии», которая будет автоматически обновляться и синхронизироваться с внутренними данными. Это особенно актуально для организаций с большим объёмом неструктурированных данных, таких как отчёты, логи и внутренние вики.

Карпаты видит дальнейшее развитие своей системы в направлении генерации синтетических данных и дообучения моделей. По мере роста базы знаний она может стать подходящим набором данных для обучения специализированных ИИ-моделей, которые будут интегрировать знания напрямую в свои веса. Его подход уже вызвал интерес в сообществе. Например, Лекс Фридман, известный подкастер и исследователь, использует схожую систему для создания временных баз знаний, которые помогают ему в работе.

Я часто использую систему для генерации динамического HTML (с JavaScript), что позволяет мне сортировать/фильтровать данные и интерактивно работать с визуализациями. Еще одна полезная функция — система генерирует временную, узкоспециализированную мини-базу знаний, которую я затем загружаю в LLM для голосового взаимодействия во время длительной пробежки на 7-10 миль

Лекс Фридман

Другие эксперты отмечают, что метод LLM Knowledge Bases может стать основой для новых продуктов, способных трансформировать управление знаниями как в личных, так и в корпоративных масштабах.