Стартап Deep Cogito представил семейство открытых языковых моделей Cogito v1. Проект, основанный на архитектуре Llama 3.2 от Meta*, сочетает мгновенные ответы с функцией «саморефлексии» — способностью перепроверять и улучшать собственные выводы, аналогично моделям OpenAI «o»-серии и DeepSeek R1. Все модели компании доступны под открытой лицензией Llama, разрешающей коммерческое использование до 700 млн пользователей в месяц.

Основатель и CEO Deep Cogito Дришан Арора, ранее участвовавший в разработке LLM для генеративного поиска Google, заявил в X: «Наши модели стали сильнейшими в своём классе среди открытых решений, включая LLaMA, DeepSeek и Qwen». Линейка Cogito включает пять вариантов: 3 млрд, 8 млрд, 14 млрд, 32 млрд и 70 млрд параметров, доступных через Hugging Face, Ollama, а также API Fireworks и Together AI. Уже в ближайшие месяцы ожидаются релизы моделей до 671 млрд параметров.

Ключевое отличие подхода Deep Cogito — метод «итерированной дистилляции и усиления» (IDA), заменяющий традиционное обучение с обратной связью от людей (RLHF). Алгоритм, вдохновлённый стратегией самообучения AlphaGo, позволяет моделям генерировать улучшенные решения, а затем «впитывать» эти паттерны в собственные параметры, создавая петлю саморазвития.

Результаты тестирования подтверждают заявленные преимущества. Cogito 3B в стандартном режиме превосходит LLaMA 3.2 3B на 6,7% в тесте MMLU (Massive Multitask Language Understanding) — стандартизированный тест для оценки способностей языковых моделей обрабатывать информацию из 57 различных дисциплин, включая естественные науки, гуманитарные предметы, математику, медицину, право и профессиональные навыки — (65,4% против 58,7%), а в режиме рассуждений достигает 72,6%. Cogito 8B демонстрирует 80,5% на MMLU, обходя LLaMA 3.1 8B на 12,8 пунктов. Флагманская Cogito 70B (Standard) с 91,7% на MMLU опережает LLaMA 3.3 70B на 6,4%, а в мультиязычных тестах (MGSM) показывает 92,7% против 89,0% у DeepSeek R1. Однако в математических задачах (MATH) модель отстаёт: 83,3% против 89,0% у конкурента, что разработчики связывают с компромиссами при оптимизации.

Отдельный фокус — поддержка инструментальных вызовов (tool-calling) для интеграции в API и агентские системы. Cogito 3B обрабатывает четыре типа задач (включая параллельные и множественные) с точностью до 92,8%, тогда как LLaMA 3.2 3B не поддерживает эту функцию. Cogito 8B демонстрирует 89% точности против 35-54% у аналогичной модели Meta.

Грядущие планы включают выпуск моделей с архитектурой mixture-of-experts (109B, 400B, 671B параметров) и регулярное обновление существующих чекпойнтов. Партнёрами проекта стали Hugging Face, RunPod, Fireworks AI и другие ключевые игроки экосистемы.

* Компания Meta (Facebook и Instagram) признана в России экстремистской и запрещена

Компания Apple организовала срочную отправку 600 тонн iPhone (это примерно 1,5 миллиона устройств) из Индии в США на грузовых самолетах, чтобы избежать повышенных американских тарифов, которые неизбежно бы привели к росту стоимости смартфонов. Об этом сообщила Reuters со ссылкой на свои источники.

Чтобы обеспечить оперативную доставку, Apple лоббировала ускоренное таможенное оформление (6 часов вместо 30) в аэропорту Ченнаи. Но это ещё не все: чтобы перевезти в США как можно больше устройств до введения повышенных тарифов, Apple увеличила объемы производства на индийских заводах: на предприятиях добавили работников, а фабрика Foxconn India работала вообще без выходных.

С марта было осуществлено около шести грузовых рейсов, каждый с грузоподъемностью 100 тонн. Большая часть грузов была отправлена в крупные американские города, такие как Чикаго, Лос-Анджелес, Нью-Йорк и Сан-Франциско.

По данным Counterpoint Research, Индия сейчас обеспечивает пятую часть всех поставок iPhone в США, остальное приходится на Китай.

Компания Amazon анонсировала Nova Sonic — единую модель, объединяющую распознавание, анализ и синтез речи. Технология, доступная через API на платформе Bedrock, позволяет внедрять в приложения голосовые интерфейсы, способные поддерживать естественные диалоги с учётом пауз, прерываний и контекста. Часть компонентов модели уже используется в обновлённом функционале Alexa+.

«Раньше разработчикам приходилось комбинировать три отдельные системы, что усложняло процесс и снижало качество взаимодействия», — пояснил Рохит Прасад, старший вице-президент Amazon по ИИ. Nova Sonic сохраняет акустические нюансы (тон, ритм), что делает диалоги более естественными. Модель обрабатывает запросы в реальном времени — например, корректирует ответы при прерывании, что критично для служб поддержки.

Nova Sonic генерирует текстовые расшифровки разговоров для интеграции с внешними API, упрощая создание AI-агентов. В тестах модель превзошла Gemini Flash 2.0 (69,7% побед) и GPT-4o (51%) в диалогах на английском. Её задержка — 1,09 секунды против 1,18 у OpenAI и 1,41 у Google. При этом стоимость использования на 80% ниже, чем у GPT-4o. Мультиязычная точность Nova Sonic также выше: уровень ошибок (WER) составил 4,2% против 6,6% у GPT-4o Transcribe.

Среди ранних внедрений — оптимизация контакт-центров (ASAPP), обучение произношению (Education First) и голосовой доступ к спортивной аналитике (Stats Perform).

Amazon акцентирует ответственный подход: в модель встроены защита от «галлюцинаций» и запрет на клонирование голосов. Сейчас Nova Sonic поддерживает американский и британский английский, но новые языки и акценты в разработке. По словам Прасада, это «высокая планка надёжности для эпохи, где голос становится новым интерфейсом».

Минский автомобильный завод (МАЗ) совместно с российской компанией «Итэлма» разработал полностью импортозамещенный электробус МАЗ 303Е23, специально адаптированный для Санкт-Петербурга. В создании электробуса использованы только белорусские и российские комплектующие. МАЗ и другие белорусские производители отвечали за кузов, электрооборудование, тормозную систему, программное обеспечение, остекление и переднюю ось. Российская сторона предоставила телематические системы и силовую часть.

Электрическую платформу, включая электродвигатель мощностью 204 л.с. и тяговые аккумуляторы, обеспечивающие запас хода до 250 км, разработала и произвела компания «Системы автономной энергии» (САЭ), входящая в ГК «Итэлма». Другая компания из этой же группы, «Сервисный центр Транстелематика», создала современную мультисервисную платформу, включающую системы оплаты проезда, подсчета пассажиров и видеонаблюдение.

Главный конструктор МАЗ Андрей Савчиц подчеркнул, что новый электробус — полностью союзный продукт, исключающий технологические риски и способствующий развитию промышленного потенциала Беларуси и России.

МАЗ 303Е23 – низкопольный электробус, рассчитанный на перевозку 34 сидячих и 14 стоячих пассажиров. Высота подножки всего 32 см, предусмотрена система наклона к бордюру («книлинг»), а также рампа и специальное место для инвалидной коляски. Тестирование электробуса на маршрутах Санкт-Петербурга планируется начать в первой половине 2025 года.

Новые изображения Марса, полученные с помощью космического аппарата Mars Express Европейского космического агентства (ESA), демонстрируют поразительное разнообразие ландшафтов Красной планеты. Марс можно условно разделить на две контрастные области: обширную равнину, покрытую застывшей лавой, и более древнюю, испещренную кратерами и разнообразными геологическими образованиями.

Изображения Ахеронских борозд наглядно демонстрируют оба типа марсианского рельефа: гладкие лавовые равнины и пересеченную местность с кратерами и другими геологическими структурами.

Платформа Rescale, специализирующаяся на облачных вычислениях для инженерных симуляций, закрыла раунд финансирования Series D на $115 млн. Инвесторами стали Applied Ventures, Hitachi Ventures, NEC Orchestrating Future Fund, Nvidia, Foxconn, а также фонды и Университет Мичигана. Общий объём привлечённых средств компании превысил $260 млн. Ранее в Rescale инвестировали Джефф Безос, Сэм Альтман и сооснователь Y Combinator Пол Грэм.

Основной фокус компании — технология «ИИ-физика», позволяющая сократить время инженерных расчётов с дней до секунд. Нейросети обучаются на данных традиционных симуляций, после чего предсказывают результаты, которые проверяется математически. General Motors применила этот подход для аэродинамического моделирования болидов Formula 1: задачи, ранее занимавшие три дня, решались менее чем за секунду.

«ИИ-физика даёт не детерминированные, а вероятностные ответы, но их верификация исключает ошибки, в отличие от генеративных моделей», — пояснил CEO Rescale Джорис Порт. По его словам, платформа поддерживает 1150 приложений (ANSYS, OpenFOAM, MATLAB) и автоматически выбирает оптимальные конфигурации из 50 млн вариантов, распределяя нагрузки между 500 облачными дата-центрами.

Клиенты Rescale, включая Samsung, Arm и Министерство обороны США, ежегодно тратят свыше $1 млрд на виртуальные разработки. Новые инвестиции направят на расширение библиотеки ПО (сейчас она включает 1250+ инструментов), интеграцию системы Rescale Data для сквозного управления данными и развитие узкоспециализированных ИИ-моделей.

Компания также активизирует работу с «суверенными облаками» — инфраструктурами, соответствующими требованиям национальных юрисдикций. Это стало ответом на запросы клиентов из Японии, ЕС и других регионов, где критично соблюдение локальных норм хранения данных.

Рынок высокопроизводительных вычислений (HPC), по оценкам Rescale, достиг $50 млрд, при этом менее 20% нагрузок перенесены в облако. Миграция ускоряется благодаря сценариям вроде моделирования квантовых материалов или разработки медицинских устройств, где Rescale обеспечивает отслеживание всех параметров проекта — от исходных файлов до тестовых прогонов.

«Когда мы создавали крыло для Boeing 787 Dreamliner 20 лет назад, нехватка вычислительных мощностей вынуждала нас собирать ресурсы по всему предприятию, — вспоминает Порт. — Сейчас платформа Rescale позволяет инженерам проектировать в 1000 раз быстрее, не жертвуя точностью». Крыло самолёта, разработанное при участии основателей компании, обеспечило 20% экономии топлива и стало примером прорыва, который Rescale стремится тиражировать для других отраслей.

В ночь на 12 апреля жители Северного полушария смогут наблюдать первое весеннее полнолуние, известное как «Розовая луна» или «Пасхальная Луна». Пик освещённости спутника Земли наступит когда Луна окажется точно напротив Солнца. Наблюдать её лучше всего в сумерках — сразу после захода Солнца. В это время спутник, поднимаясь над горизонтом, приобретёт тёплый оранжевый оттенок из-за рассеивания коротковолнового синего света в атмосфере Земли. Иногда диск может казаться розоватым, хотя это явление кратковременно и не связано с происхождением названия «Розовая луна».

Традиционное название апрельского полнолуния отсылает к раннецветущему растению Phlox subulata («моховой флокс»), которое распространено в восточной части Северной Америки. Кроме того, это событие имеет религиозное значение: «Пасхальная Луна» определяет дату празднования Пасхи.

Особенностью нынешнего полнолуния станет близость к яркой звезде Спика (α Девы) — одной из самых заметных на ночном небе. Её расположение относительно Луны зависит от точки наблюдения, для точного времени восхода и положения небесных тел астрономы рекомендуют использовать онлайн-калькуляторы, такие как In The Sky.

«Розовая луна» будет выглядеть немного меньше обычного, так как 12 апреля она пройдёт апогей — наиболее удалённую от Земли точку орбиты. В отличие от суперлуния, когда спутник находится ближе к планете, видимый размер диска сократится.

Наилучшие условия для наблюдения сложатся во время восхода Луны: в этот момент её свет, проходя через плотные слои атмосферы, смягчается, позволяя рассмотреть детали поверхности без ослепляющей яркости.

Следующее полнолуние, «Цветочная Луна», ожидается 12 мая 2025 года.

Инсайдерский паблик Avtograd опубликовал фотографии легкосплавных колёсных дисков, которые, предположительно, будут устанавливаться на автомобиль Lada Granta Cross в кузове лифтбэк.

Админ паблика Avtograd в прошлом слил много точной информации, включая фотографии Lada Vesta NG, Lada Iskra и сведения о некомплектных Lada Granta.

Ученые из Сколтеха и Хакасского государственного университета исследовали, как наночастицы иридия и палладия меняют свои каталитические свойства при переходе из кристаллического состояния в аморфное. Катализаторы – это вещества, ускоряющие химические реакции, и наночастицы этих металлов широко используются в различных процессах, например, при окислении угарного газа.

В наномасштабе свойства материалов сильно отличаются от свойств больших образцов. Количество атомов на поверхности наночастицы сравнимо с количеством атомов внутри, поэтому квантовые эффекты играют значительную роль. Ученые изучили наночастицы иридия и палладия типа «ядро-оболочка», где один металл образует ядро, а другой – оболочку. Они рассмотрели разные варианты: иридий в ядре, палладий в оболочке и наоборот, а также сплав обоих металлов.

Так как температура плавления наночастиц значительно ниже, чем у крупных кусков металла, при высоких температурах, характерных для каталитических реакций, наночастицы могут переходить из упорядоченного кристаллического состояния в неупорядоченное аморфное. Ученые решили выяснить, как это изменение структуры влияет на каталитические свойства.

Исследование показало, что тип наночастицы (иридий в ядре или палладий в ядре) и толщина оболочки сильно влияют на распределение заряда на поверхности. Например, когда ядро из иридия покрыто палладием, электроны перетекают из ядра к поверхности, создавая отрицательный заряд. Интересно, что переход в аморфное состояние практически не меняет этот поверхностный заряд.

Ученые Севастопольского государственного университета (СевГУ) и Томского политехнического университета (ТПУ) разработали инновационный метод переработки отработавших солнечных панелей и других сложных элементов в ценные высокопрочные материалы, применяемые в космической и атомной промышленности.

Вместо традиционного механического измельчения и захоронения, которое неэффективно для больших объемов отходов, ученые предлагают использовать плазменную переработку. Оба университета работают над схожими технологиями, но с разными подходами к генерации плазмы: СевГУ использует постоянный ток, а ТПУ – переменный. Объединение этих методов может привести к созданию максимально эффективной и экономичной технологии.

Процесс переработки включает в себя разделение отработавших элементов на фрагменты и их последующую обработку плазмой в специальной камере. В результате образуется порошок, из которого можно извлекать ценные вещества, такие как карбиды кремния и бориды вольфрама. Эти материалы обладают высокой температурой плавления и прочностью, что делает их идеальными для использования в экстремальных условиях космоса и атомной энергетики.

Преимущество метода заключается в его универсальности: большинство материалов, требующих утилизации на энергетических объектах, содержат углерод, необходимый для плазменной переработки. Таким образом, технология не только решает проблему утилизации отходов, но и создает новый источник ценного сырья. Проект уже привлек внимание Росэнергоатома и компании ТВЭЛ. В настоящее время ученые СевГУ создали установки для переработки различных объемов материалов, успешно проведя испытания на малых партиях (около 80 граммов). Поскольку технология масштабируется, ее планируют внедрить в промышленное производство.