devsp

Революция в код ревью и автоматизации программирования OpenAI выпустила обновление GPT 5 Codex который стал не просто усовершенствованной версией GPT 5 но и мощным инструментом для профессиональных разработчиков Специально настроенный для агентного программирования GPT 5 Codex решает сложные задачи разработки от код ревью до масштабных рефакторингов и автономного выполнения долгих задач Новые возможности GPT для разработки GPT 5 Codex стал значительно более управляемым и точным в выполнении задач Модель теперь не просто генерирует код по запросу но и активно участвует в процессе отладки тестирования и поиска критических ошибок в коде Это особенно важно на стадии разработки где даже малейшая ошибка может привести к серьёзным последствиям Помогает находить баги ещё до релиза и минимизирует нагрузку на разработчиков анализируя всю кодовую базу и зависимости Поддерживает длительные задачи например масштабные рефакторинги и может работать с проектами включающими сотни файлов и тысячи строк кода Этот инструмент оптимизирует взаимодействие с разработчиком снижая затраты времени на многократные итерации Как Сodex улучшает рабочие процессы Теперь GPT интегрируется не только в облако и GitHub но и в локальные среды такие как IDE и Codex CLI Разработчики могут работать как в облаке так и локально не теряя контекста и мгновенно переключаясь между различными платформами Важным обновлением стала возможность работы с изображениями и визуальными элементами теперь можно анализировать скриншоты и вайрфреймы для упрощения дизайна интерфейсов К тому же Codex стал ещё более безопасным Новая версия включает расширенные меры защиты данных минимизируя риски утечек и злоупотреблений Обновления в Codex поднимут качество код ревью и взаимодействия с командой на новый уровень GPT 5 Codex значительно упрощает процессы разработки и делает работу с кодом более интуитивно понятной и менее подверженной ошибкам Что вы думаете о таких возможностях Будете ли вы использовать GPT 5 Codex в своих проектах Data Science

Qwen3 Next Новая модель от Alibaba мощь цена и скорость в одном флаконе Alibaba представила новое поколение своих языковых моделей Qwen3 Next которое обещает сочетание мощности крупных моделей с ценой и скоростью средних В линейке доступны три версии Base для исследований и дообучения Instruct основная версия для приложений и общения Thinking для задач требующих пошагового рассуждения например в математике или логике Что нового в Qwen3 Next Qwen3 Next использует уникальную архитектуру mixture of experts из 80 миллиардов параметров модель задействует лишь 3 миллиарда выбирая нужных специалистов под задачу Это позволяет значительно ускорить работу без потери качества Кроме того модель поддерживает работу с очень длинными документами до 262 тысяч токенов из коробки и до 1 миллиона токенов в специальном режиме По заявлению разработчиков обучение модели обходится в 10 раз дешевле чем у предыдущей версии Qwen3 32B а её пропускная способность на длинных контекстах увеличена более чем в 10 раз Уровень производительности сопоставим с Gemini 2 5 Flash и Qwen3 235B но при этом запуск требует меньших ресурсов Открытая лицензия Apache 2 0 доступ через Hugging Face Подходит для работы с движками SGLang и vLLM поддерживающими как длинный контекст так и ускоренные режимы генерации Как вам такие решения от китайцев Data Science

OpenAI ускоряет сжигание денег прогноз расходов вырос до 115 млрд Reuters сообщает что OpenAI пересмотрела свои финансовые ожидания До конца 2029 года компания потратит около 115 млрд это на 80 млрд больше чем прогнозировалось всего полгода назад Где горят деньги По новым расчетам в 2025 году расходы превысят 8 млрд а уже к 2028 му достигнут 45 млрд Для сравнения в старом прогнозе на этот год фигурировала сумма всего 11 млрд Львиная доля пойдет на обучение моделей 9 млрд в 2025 м и 19 млрд в 2026 м а также на компенсации сотрудникам акциями их объем в прогнозе вырос на 20 млрд А как с доходами Только ChatGPT в 2025 м должен принести почти 10 млрд на 2 млрд выше прежних ожиданий К 2030 му выручка чатбота оценивается уже в 90 млрд Общая выручка компании к концу десятилетия должна достичь 200 млрд Главная ставка монетизация бесплатной аудитории через подписки и рекламу ожидается около 110 млрд допдохода за 2026 2030 годы При этом OpenAI планирует увеличить средний доход на пользователя с 2 до 15 и довести число еженедельных активных пользователей до 2 млрд Чем больше OpenAI тратит тем выше поднимает планку выручки Но первые реальные прибыли компания ожидает только ближе к 2029 2030 годам Data Science

Open Datasets and Tools An overview for Hugging Face В статье собраны недавние релизы крупных ML датасетов разных типов структурированные таблицы временные ряды аудио и геоданные Среди них Yambda 5B от Яндекса крупнейший музыкальный рекомендательный датасет с 4 79 млрд взаимодействий прослушивания лайки дизлайки В мировом ML сообществе уже отметили его пользу для науки и индустрии Эксперты считают что такие датасеты значительно ускорят развитие рекомендательных систем Читать

ИТМО определил самые популярные Open Source решения в сфере ML/Data в России Свежее исследование от ИТМО определило лидеров среди компаний, активно развивающих open-source проекты в области машинного обучения. Первое место занял Яндекс c 120 решениями и 65000+ звёзд на GitHub мощный отрыв от остальных участников . На втором месте — Сбер, а замыкает тройку Т-банк. Критериями оценки были популярность и востребованность проектов в РФ и остальном мире. Исследователи отмечают, что лидерство компании стало возможным, благодаря множеству успешных open source проектов в сфере Data/ML, активному участию в поддержке сообщества через мероприятия и гранты, а также высокому качеству репозиториев и активным контрибьюторам. Эксперты также поделились общими выводами по сфере: — Вклад в открытый код становится важнее конкуренции — Open source объединяет специалистов со всего мира — GitHub остаётся стандартом, но растёт интерес к альтернативам — Компаний ориентируются не только на внутренний, но и на международный рынок Статью об исследовании можно почитать на хабре.