DiffusionGemma: Google DeepMind ускоряет локальные LLM
Google DeepMind выпустила DiffusionGemma, открытую diffusion-LLM для быстрых локальных сценариев. Разбираем скорость, ограничения и риски памяти.
LLM
Всё о больших языковых моделях: архитектура, обучение, бенчмарки и практическое применение LLM в реальных проектах.
DeepSeek в расходах компаний США: что показал Ramp
Ramp увидел прямые платежи американских компаний DeepSeek. Разбираем, почему дешёвая LLM теперь конкурирует с enterprise-безопасностью.
Редкие навыки LLM: почему большие модели не забывают то, что малые теряют
Работа Anthropic, Stanford и партнёров показывает, почему редкие навыки LLM теряются в малых моделях и как частота задачи в обучающей смеси может быть важнее грубого роста данных.
Стоимость токенов в enterprise AI: почему счёт за LLM растёт
Разбор TechCrunch, FinOps Foundation и arXiv: почему token spend стал управленческой проблемой, где горят токены и какие метрики нужны CTO и FinOps.
AI-релизы июня 2026: imagegen, локальные модели и бизнес-агенты
Свежие AI-релизы июня 2026 показывают общий сдвиг: модели становятся не отдельными демо, а прикладными контурами для дизайна, локального инференса и бизнес-переписки.
Предрелизная проверка AI-моделей в США: что меняет указ Трампа
Предрелизная проверка AI-моделей в США — добровольный 30-дневный доступ к frontier models с сильными кибервозможностями, а не лицензирование релизов.
XCENA: почему AI-инференс упирается в память
XCENA подняла $135 млн при оценке $570 млн. Инвесторская ставка проста: в AI-инференсе дорого не только считать, но и гонять данные между памятью, CPU и GPU.