NAJWAŻNIEJSZE
Po pierwsze, Alibaba pokazała QwenGyre, środowisko uczenia ze wzmocnieniem dla godzinnych zadań agentowych, które przenosi obciążenie między generowaniem a treningiem w trakcie pracy i przyznaje częściowy kredyt zadaniom przerwanym przez limit czasu. Na modelu Qwen 3.8 o dwóch i czterech dziesiątych biliona parametrów skróciło to trening czterdziestu ośmiu kroków z ponad stu trzydziestu godzin do siedemdziesięciu pięciu, a skuteczność generowania repozytoriów wzrosła o sześć punktów procentowych. Kod nie został udostępniony, więc wynik czeka na niezależne odtworzenie (Qwen, arXiv, AlphaSignal).
Źródło: alphasignal
Po drugie, otwarte wagi zeszły na biurko. Projekt Maya uruchamia model GLM-5.3-Flash o trzystu dwudziestu jeden miliardach parametrów na jednej stacji roboczej z jednym układem graficznym i trzydziestoma dwoma gigabajtami pamięci, rozkładając ekspertów między pamięć układu, pamięć operacyjną i dysk, przy zachowaniu niemal pełnej dokładności w wersji skwantowanej. To ta sama presja, którą opisaliśmy przy kompresji modeli w wydaniu z 10 października, przeniesiona o rząd wielkości wyżej (Project Maya, licencja MIT, AlphaSignal).
Źródło: alphasignal
Po trzecie, raport Crunchbase za trzeci kwartał pokazuje rekordową koncentrację kapitału: dwadzieścia siedem spółek pozyskało rundy o wartości co najmniej miliarda dolarów, a sztuczna inteligencja wzięła sześćdziesiąt cztery procent globalnego finansowania venture. Pieniądze płyną do laboratoriów, centrów danych i producentów układów, co oznacza, że rynek wciąż wycenia skalę, a nie produkt (Crunchbase, 12.10).