Эксперт Google Ричард Серотер объяснил, что подход к ИИ с использованием «полного стека» объединяет все уровни технологий в единую систему. Такой подход повышает надёжность, снижает затраты и упрощает разработку. Google предлагает инструменты для работы с ИИ — от создания прототипов до автоматизации процессов.
Файл Markdown из 65 строк (проект andrej-karpathy-skills) набрал 176 000 звёздочек на GitHub и стал одной из самых обсуждаемых практик разработки ИИ. В документе сформулированы четыре принципа, которые помогают избежать систематических ошибок при написании кода с помощью ИИ. Тенденция породила ряд исследовательских проектов, в том числе систему автоматической оптимизации правил ИИ.
NVIDIA представила ПО ENPIRE для автономного обучения роботов, а Tencent — систему ARGUS для отслеживания и анализа при обучении ИИ на больших наборах данных. Исследователи из Калифорнийского университета в Беркли создали корпус данных LOCUS с местными постановлениями США для работы с ИИ. Эти разработки показывают прогресс в автоматизации обучения и анализа данных.
EntMTP — метод ускорения работы LLM за счёт адаптивного многотокенного прогнозирования с учётом энтропии; даёт ускорение в 1,15–1,36 раза в ряде тестов.
Представлена новая архитектура нейронной сети context-ready transformer, которая быстрее и эффективнее стандартных трансформаторов за счёт предварительной контекстуализации токенов. Модель хорошо работает с длинными текстами.
Netease Youdao представила словарную ручку X8 с моделью подписки на ИИ‑сервисы. Базовые функции доступны бесплатно, продвинутые — за доплату. Такой подход меняет логику конкуренции в сегменте обучающего оборудования: теперь важнее не технические параметры устройства, а возможности ИИ‑сервисов.
Prism Transformer — новая архитектура для обработки внимания: прогрессивное распределение «головок» улучшает эффективность модели без дополнительных затрат.
Система ToE автоматически проверяет факты, выстраивая дерево аргументов и собирая доказательства из разных источников. Улучшает точность на 4–24 п. п. по сравнению с аналогами.
Видео-облако трансформируется из инфраструктуры контента в инфраструктуру агентов. Аудио и видео становятся инструментом взаимодействия между людьми и ИИ. Volcano Engine развивает Agentic vCloud, внедряя мультимодальную связь и AI MediaKit для выполнения задач агентами в реальном времени. По данным IDC, сегмент взаимодействия аудио- и видеоматериалов с помощью ИИ в первой половине 2025 года достиг порядка 440 млн долларов.