Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #39

GitHub

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

76

CODING · 1 ИСТОЧН. · Cohere

Cohere опубликовала megakernel-сервер для North Mini Code с ускорением декодирования на H100

Cohere описывает сервер на основе megakernel для модели North Mini Code (30B), работающий в BF16 на одной NVIDIA H100 и демонстрирующий ускорение 1.25×–1.41× в энд‑ту‑энд сравнении с vLLM; при batch=1 заявлены 292 ток/с (62% от теоретического предела), что примерно в 1.58× быстрее vLLM. Система поддерживает необходимые для продакшна функции (непрерывное батчирование, постраничное внимание, неравные длины), совместима с OpenAI API, реализована в одном CUDA‑файле, код опубликован на GitHub.

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

CADWorld: бенчмарк для длительных рабочих процессов механического CAD в FreeCAD

CADWorld — новый бенчмарк (arXiv:2609.16251v1) для длительных задач проектирования в FreeCAD, содержащий 200 заданий в 11 категориях рабочего процесса (эскизирование, моделирование деталей, сборки, CAM, FEM, измерения, обработка сетки, технические чертежи и др.). Агенты работают через скриншоты и GUI‑действия и оцениваются исполняемыми проверками сохранённых артефактов FreeCAD; среди семи протестированных агентов лучший показывает 17,5% успеха против 87,0% у эксперта, что указывает на существенный разрыв в надёжности выполнения инженерных рабочих процессов.

6.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Исследование: разреженная интерполяция внутри анатомии превосходит перенос LightGBM между анатомиями для суррогатов аортального FSI

Авторы оценили геометрический LightGBM-прайор, выбранный по схеме leave-one-anatomy-out на трёх моделях и протестированный нулевым выносом на четвёртой, затем применили восстановление поля с 5% якорей; нулевой перенос показал плохие результаты, тогда как интерполяция внутри анатомии (обратное взвешивание по расстоянию и радиальные базисные функции) дала существенно более высокие R2 для OSI и стрессовых метрик. Код и данные опубликованы на GitHub, исследование основано на четырёх обезличенных аортальных моделях (arXiv:2609.16322v1).

5.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Amazon Bedrock AgentCore Identity добавляет портал согласия для управления OAuth конечных пользователей

В AgentCore Identity от Amazon Bedrock появился управляемый портал согласия и конечная точка привязки сессий для AgentCore Gateway. В статье показано, как развернуть портал, настроить цели авторизации по коду для GitHub и Slack, пройти поток согласия конечного пользователя и просмотреть активность через AWS CloudTrail.

6.0

MODELS · 1 ИСТОЧН. · InfoQ AI, ML & Data Engineering

Project HydraFusion в GitHub Copilot обещает передовую производительность через маршрутизацию нескольких моделей

Project HydraFusion — это исследовательский превью для GitHub Copilot, реализующее рантайм‑оркестрацию моделей от разных поставщиков, динамически собирающее планы выполнения и использующее три шаблона исполнения в зависимости от сложности задачи. В предварительных оценках, приведённых в превью, отмечают высокое качество решений при заметном снижении эксплуатационных затрат.

7.0

CODING · 1 ИСТОЧН. · GitHub AI & ML

Приложение GitHub Copilot для начинающих: использование diff, терминала и браузера

В статье в блоге GitHub дано руководство для начинающих по приложению GitHub Copilot: показано, как просматривать diffs, выполнять команды в терминале и предварительно просматривать веб‑приложения рядом друг с другом, чтобы не переключать вкладки при проверке кода, сгенерированного агентом.

4.0

MODELS · 1 ИСТОЧН. · GitHub AI & ML

Проект HydraFusion — исследовательский превью с мульти-модельной оркестровкой в GitHub Copilot

GitHub выпустила исследовательский превью Project HydraFusion в GitHub Copilot. В контролируемых оффлайн-оценках селективные рабочие процессы кодирования HydraFusion соответствовали или превосходили оценивавшийся базовый Opus 5 и при этом снизили оценочную стоимость рабочих процессов, говорится в публикации на блоге GitHub.

6.0

CODING · 1 ИСТОЧН. · GitHub AI & ML

Блог GitHub: как запускать несколько агентов в приложении Copilot

GitHub опубликовал в блоге инструкцию для начинающих о запуске параллельных агентов в приложении GitHub Copilot. Публикация призвана помочь пользователям перейти от сомнений к эффективному использованию нескольких агентов в приложении.

3.0

COMPANIES · 1 ИСТОЧН. · GitHub AI & ML

GitHub объясняет новую AI-терминологию — loops, harnesses, squads, hill climbing

Команда GitHub по AI & ML (через подкаст и блог GitHub) опубликовала разъяснение новых AI-терминов, которые используют разработчики — включая loop engineering, harnesses, squads, open weights и hill climbing. Пост призван прояснить, как эти концепции обсуждаются в сообществе разработчиков.

3.0

CODING · 1 ИСТОЧН. · GitHub AI & ML

GitHub объясняет, как снизить затраты на AI‑кодирование без потери качества задач

Запись в блоге GitHub AI & ML объясняет, почему более короткие ответы моделей иногда приводят к росту затрат и описывает, как GitHub Copilot уменьшает напрасную работу в рамках всего процесса кодирования. Пост опубликован в The GitHub Blog; в кратком анонсе не приведены подробные технические изменения.

5.0

MODELS · 1 ИСТОЧН. · GitHub AI & ML

GitHub: Как оценивать большие языковые модели перед выводом в продакшн

Блог GitHub опубликовал материал «Как оценивать большие языковые модели перед выводом в продакшн», в котором изложены выводы команды при оценке моделей для реальной системы поиска секретов. Статья подается как практическое руководство по проверке поведения и пригодности моделей перед развертыванием.

6.0

CODING · 1 ИСТОЧН. · GitHub AI & ML

Как канвасы делают агентные рабочие процессы заметными, управляемыми и экономичными

Пост в блоге GitHub AI & ML рассказывает об использовании канвасов для отображения, управления и снижения стоимости агентных (многоэтапных AI-агентов) рабочих процессов, указывая, что канвас-виды позволяют избежать потери видимости и контроля, характерной для чатов. Автор описывает применение канвасов в собственных рабочих процессах и объясняет, почему другим командам это может быть полезно.

5.0

CODING · 1 ИСТОЧН. · Mistral AI

Mistral представляет Vibe — единый AI‑агент для работы и кодинга

Mistral объявила о Vibe — едином AI‑агенте для длительных многоэтапных задач (Work Mode) и рабочих процессов по разработке (Code Mode). Vibe заменяет Le Chat, работает на флагманских моделях Mistral, включает расширение для VS Code и CLI, интегрируется с корпоративными сервисами (Google Workspace, Outlook, SharePoint, Slack, GitHub и др.) и доступен в планах Free, Pro, Team и Enterprise.

7.0

MODELS · 1 ИСТОЧН. · Mistral AI

Mistral выпускает Medium 3.5 (128B) с открытыми весами в публичном превью и добавляет облачные удалённые агенты в Vibe и Le Chat

Mistral Medium 3.5 — 128B dense «объединённая» модель с контекстом 256k и открытыми весами по модифицированной MIT-лицензии — доступна в публичном превью и становится моделью по умолчанию в Le Chat и Vibe. Обновление включает облачные удалённые агенты в Mistral Vibe и новый режим Work в Le Chat для многозадачных сценариев; цена — $1.5 за млн входных токенов и $7.5 за млн выходных, модель демонстрирует сильные результаты в бенчмарках (напр., 77.6% SWE-Bench Verified).

8.0

COMPANIES · 1 ИСТОЧН. · Mistral AI

Mistral выпускает Connectors и API/SDK для кастомных MCP в Studio (публичный предпросмотр)

Mistral добавила Connectors в Studio (публичный предпросмотр): все встроенные коннекторы и кастомные MCP теперь доступны через API/SDK для вызовов моделей и агентов. Обновление вводит прямой вызов инструментов, потоки утверждения с участием человека и централизованную регистрацию коннекторов для повторного использования в приложениях Mistral (LeChat, AI Studio; Vibe скоро).

7.0

MODELS · 1 ИСТОЧН. · Google Research

Exphormer: масштабирование графовых трансформеров с помощью экспандер-графов

Exphormer — это фреймворк с разреженным вниманием для графовых трансформеров от Google Research (представлен на ICML 2023), который заменяет плотный граф взаимодействий полным вниманием на разрежённый d-регулярный экспандер (используется случайная конструкция Фридмана, близкая к раманджуану). Подход комбинирует ребра экспандера с входным графом и виртуальными узлами, даёт линейное число рёбер и показывает сильные эмпирические результаты на разных графовых датасетах; реализация доступна на GitHub.

7.0