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.

Андрей Карпати, 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.

Карпати 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 Карпати использует LLM для создания, редактирования и поддержания базы знаний. Исходные материалы, такие как научные статьи, репозитории и веб-контент, сохраняются в формате Markdown. Карпати использует инструмент Obsidian Web Clipper для преобразования веб-страниц в локальные файлы, включая изображения.

Хотя система Карпати 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.

Карпати 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 Карпати может стать основой для новых продуктов, способных трансформировать управление знаниями как в личных, так и в корпоративных масштабах.

В официальной базе данных Intel появился новый процессор Core Ultra 7 251HX — это можно приравнивать к полноценной премьере. Датой запуска для новинки указан первый квартал 2026 года.

Intel Core Ultra 7 251HX получил конфигурацию c 6 высокопроизводительными ядрами и 12 энергоэффективными. Встроенная графика — с тремя ядрами Xe. Объем кэш-памяти второго и третьего уровней одинаков — по 30 МБ. Базовая частота высокопроизводительных ядер составляет 2,9 ГГц, в режиме Turbo она поднимается до 5,1 ГГц. Энергоэффективные ядра работают на частоте 2,5-4,5 ГГц. Максимальная частота iGPU — 1,8 ГГц.

Core Ultra 7 251HX ориентирован на использование в мощных ноутбуках — игровых и в портативных рабочих станциях.

Флагманский процессор AMD Ryzen 9 9950X3D2 Dual Edition начал появляться в каталогах ретейлеров еще до официального старта продаж, который запланирован на 22 апреля.

Канадский магазин PC-Canada оценил процессор в 1380 канадских долларов, что примерно соответствует 985 долларам США. Аналогичный ценник появился и у другого канадского продавца — ShopRBC.

В Великобритании процессор заметили у ретейлера Gamingkit.co.uk, причем там на странице фигурируют сразу две разные цены: 905,82 фунта (1196 долларов) и 725,54 фунта (954 доллара). Возможно, более низкая цена может быть приведена без учета НДС. Пока AMD не объявила официальную стоимость Ryzen 9 9950X3D2 Dual Edition, поэтому данные ретейлеров можно брать за ориентир.

«Фишка» Ryzen 9 9950X3D2 Dual Edition — огромный объем кэша: он составляет 208 МБ (L2 и L3 суммарно). Уровень TDP тоже немалый — 200 Вт. CPU имеет 16 ядер и выполняет 32 потока одновременно. Максимальная частота — 5,6 ГГц.

Астронавты миссии Artemis 2 во время пролета у обратной стороны Луны попытаются сделать новую версию одного из самых известных космических снимков в истории — «Восход Земли». Знаменитая фотография, на которой Земля поднимается над лунным горизонтом, была сделана экипажем «Аполлона 8» в канун Рождества 1968.

Облет Луны кораблем Artemis 2 запланирован на понедельник, 6 апреля — спустя более 57 лет после того, как «Аполлон 8» впервые доставил людей к Луне. Во время этого маневра экипаж постарается получить собственный кадр «Восход Земли».

В NASA подчеркивают, что «Восход Земли» был не просто удачной фотографией. На фоне войн и роста проблем с экологией в конце 1960-х этот снимок стал визуальным напоминанием о том, насколько мала и уязвима Земля в космическом масштабе. Именно поэтому новая попытка воспринимается не только как техническая задача, но и как символический жест.

Важное отличие от «Аполлона 8» заключается в том, что тогда снимок был сделан случайно. Во время четвертого витка вокруг Луны астронавт Билл Андерс заметил Землю, появляющуюся над горизонтом, и поспешно снял ее на камеру Hasselblad. В миссии Artemis 2 съемка уже заранее предусмотрена программой полета.

При этом новый кадр не будет точной копией снимка Apollo 8. В 1968 году корабль находился всего примерно в 97 километрах над лунной поверхностью, тогда как Artemis 2 пройдет на высоте около 6,4–9,65 тысячи километров. Из-за этого и перспектива, и масштаб изображения будут другими.

Изменится и техника съемки. Вместо легендарных камер Hasselblad эпохи Apollo астронавты будут использовать современные цифровые Nikon D5, которые дают значительно больше возможностей по настройке и качеству изображения.

Международная группа физиков впервые экспериментально зафиксировала, что оптические вихри, которые иногда называют «дырами» в свете, могут кратковременно двигаться быстрее света. Результат не противоречит теории относительности, поскольку эти структуры не являются материальными объектами и не переносят энергию или информацию.

Ключевым инструментом стал специализированный высокоскоростной электронный микроскоп с беспрецедентным пространственным и временным разрешением. Он позволил фиксировать процессы, происходящие всего за 3 квадриллионных доли секунды. Исследователи многократно повторяли эксперимент, каждый раз с небольшим временным сдвигом, а затем объединили сотни изображений в единый таймлапс.

На полученной последовательности кадров ученые увидели, как вихри сближаются и аннигилируют друг с другом, причем непосредственно перед исчезновением их скорость очень кратко достигает сверхсветового значения. Авторы исследования подчеркивают, что это не означает реального нарушения фундаментальных законов физики: движение таких сингулярностей определяется изменением формы волны, а не переносом чего-либо через пространство быстрее света.

По словам исследователей, открытие важно не только для фундаментальной физики волн, но и для развития новых методов электронной интерферометрии и микроскопии.

Исследователи из Принстонской лаборатории физики плазмы (Princeton Plasma Physics Laboratory, PPPL) обнаружили важный фактор, который влияет на поведение плазмы в диверторе термоядерного реактора. Как показала работа, именно вращение плазменного ядра играет ключевую роль в том, как частицы распределяются в области дивертора — узла, отвечающего за отвод тепла и частиц из токамака.

В токамаке плазма удерживается магнитными полями. Часть частиц со временем покидает магнитно удерживаемое ядро и направляется к дивертору, который выполняет функцию своеобразной «выхлопной системы». Там частицы сталкиваются с металлическими пластинами, охлаждаются и частично возвращаются обратно в систему. Однако эксперименты давно показывали странную особенность: гораздо больше частиц попадает на внутреннюю мишень дивертора, чем на внешнюю.

До сих пор это не удавалось полноценно объяснить. Основной версией были поперечные дрейфы внутри дивертора — движение частиц поперек магнитных линий. Но компьютерные модели, в которых учитывался только этот механизм, не могли воспроизвести ту степень асимметрии, которую наблюдали в реальных установках.

Чтобы разобраться в причине, команда под руководством Эрика Эмди проанализировала данные токамака DIII-D в Калифорнии. Ученые протестировали четыре сценария: модели с учетом и без учета поперечных дрейфов, а также с учетом и без учета вращения плазмы.

Результат оказался показательным: симуляции совпали с экспериментальными данными только тогда, когда в них включали измеренное вращение ядра плазмы со скоростью 88,4 километра в секунду. Это тороидальное вращение создает поток частиц вдоль магнитных линий, и именно он, как выяснилось, влияет на асимметрию не меньше, чем поперечные дрейфы.

По словам исследователей, новая работа показывает, что параллельный поток, вызванный вращающимся ядром, столь же важен, как и поперечное движение частиц, которое раньше считалось главным объяснением. Более того, наибольший эффект возникает именно из-за взаимодействия обоих механизмов, а не из-за одного из них по отдельности.

Это имеет прямое значение для разработки будущих термоядерных электростанций. Если инженеры смогут точнее предсказывать, где именно будут сосредоточены частицы и тепловые потоки, они смогут проектировать диверторы, способные выдерживать реальные рабочие нагрузки без повреждений. Иными словами, исследование дает более надежную основу для создания компонентов, от которых напрямую зависит жизнеспособность коммерческой термоядерной энергетики.

Исследователи разработали новый тип атомных часов на основе иттербия. По словам авторов работы, устройство отличается высокой чувствительностью и точностью и потенциально позволит искать признаки темной материи.

Проект возглавил физик Тайки Исияма из Высшей школы естественных наук Киотского университета в Японии. В основе разработки лежит редкий орбитальный переход в атомах иттербия — особый переход между энергетическими конфигурациями, связанными с внутренним электронным слоем атома. Ученые давно считали этот механизм многообещающим, поскольку он особенно чувствителен к тонким физическим эффектам, однако на практике добиться необходимой точности измерений было крайне сложно.

Обычные атомные часы измеряют время по частоте переходов электронов между двумя энергетическими уровнями атома. Такие переходы отличаются исключительной стабильностью, поэтому атомные часы остаются самыми точными измерителями времени, созданными человеком. Современные лучшие образцы, например, оптические часы на стронции, настолько точны, что ошиблись бы меньше чем на секунду за десятки миллиардов лет.

Однако иттербий может дать еще более чувствительный инструмент. Проблема заключалась в том, что в ранних экспериментах точность измерений сильно страдала из-за помех от лазеров, которыми атомы удерживаются в ловушке. Чтобы решить эту задачу, команда использовала метод «магической длины волны», при которой свет лазера почти не искажает нужные энергетические уровни атома. Атомы были помещены в трехмерную оптическую решетку, а также использовался высокостабилизированный лазер возбуждения.

Авторы считают, что новая технология открывает возможности не только для более точного измерения времени, но и для фундаментальных экспериментов в физике. Благодаря высокой чувствительности такие часы могут указывать на существование новых частиц, неизвестных взаимодействий или проявлений темной материи.

Исследователи также отмечают, что разработка может оказаться полезной и для более широкого круга задач в области квантовых технологий и квантовой науки, где критически важны контроль над атомными состояниями и сверхточные измерения.

Компания Apple, которую часто критикуют за высокие цены на её устройства, сейчас находится в очень необычно ситуации, когда её продукция может быть заметно дешевле конкурентов. Как минимум она не дорожает на фоне тех самых конкурентов, как показывают данные с китайского рынка. 

Там ноутбуки Apple стоят столько же, сколько и стоили на момент выхода, а вот свежие мобильные ПК на основе процессоров Panther Lake начали дорожать. 

И без того весьма недешёвый Asus Zenbook Duo 14 подорожал сразу на 4000-6000 юаней или на 580-870 долларов, что соответствует росту примерно на 25-35%.  

Само собой, при таком росте цен ноутбук на фоне конкурентов выглядит совершенно иначе, а на фоне недорожающих MacBook так тем более.