# Сопутствующие статьи по теме Масштабирование

Новостной центр HTX предлагает последние статьи и углубленный анализ по "Масштабирование", охватывающие рыночные тренды, новости проектов, развитие технологий и политику регулирования в криптоиндустрии.

GitHub, пробитый ИИ

В начале 2026 года GitHub столкнулся с серией серьезных сбоев, включая крупный инцидент 9 февраля. Истинной причиной проблем стал взрывной рост нагрузки не со стороны людей, а от ИИ-агентов. Например, еженедельное количество коммитов достигло 275 миллионов, что прогнозирует увеличение годового объема в 14 раз по сравнению с 2025 годом. Такие агенты, как Claude Code, совершают миллионы коммитов в неделю, создавая PR и репозитории с нечеловеческой скоростью. Это привело к двум фундаментальным вызовам: инфраструктура GitHub, рассчитанная на человеческие ритмы работы, не справляется с новым типом нагрузки, что потребует полной перепроектировки архитектуры под масштабирование в 30 раз. Кроме того, традиционная подписочная модель Copilot стала убыточной, поскольку автономные ИИ-агенты потребляют огромные вычислительные ресурсы, что вынудило GitHub перейти на оплату по факту использования. Платформа переживает качественный сдвиг: из инструмента человеческой коллаборации она превращается в "выхлопную трубу" для автоматизированных рабочих процессов ИИ. GitHub, как первая и ключевая инфраструктура в цепочке ИИ-инструментов, оказалась на передовой этой трансформации. Его текущие усилия по перестройке и повышенная прозрачность в отчетах об инцидентах — это попытка адаптироваться к новой реальности, где реальными "пользователями" всё чаще становятся не люди, а агенты искусственного интеллекта.

marsbit06/04 10:41

GitHub, пробитый ИИ

marsbit06/04 10:41

Главный инвестиционный директор Cyber Capital заявляет, что Ethereum провалился, называет Виталика «диктатором» — ссылаясь на «смертельное сочетание»

Джастин Бонс, главный инвестиционный директор Cyber Capital, резко раскритиковал Ethereum и его сооснователя Виталика Бутерина, назвав его «диктатором». Он утверждает, что централизованное управление сетью в сочетании с её «дисфункцией» представляет собой «смертельную комбинацию». Бонс считает, что подход Ethereum к масштабированию через L2 и ZKEVM ошибочен, делает сеть неконкурентоспособной, медленной и приводит к чрезмерной централизации. По его мнению, высокие комиссии угрожают долгосрочной децентрализации, а Ethereum рискует превратиться лишь в объект спекуляций. В качестве альтернатив он называет Solana (SOL), Hyperliquid (HYPE) и NEAR, отмечая их более высокую производительность и децентрализацию. Бонс заявляет, что Ethereum «потерпел неудачу» и пути к исправлению ситуации нет. На момент публикации курс ETH упал ниже $2000, потеряв 15% за месяц.

bitcoinist06/02 06:33

Главный инвестиционный директор Cyber Capital заявляет, что Ethereum провалился, называет Виталика «диктатором» — ссылаясь на «смертельное сочетание»

bitcoinist06/02 06:33

Альма-матер 'Цинхуа' выпускник 00-х Ван Гуан представил новую работу: разрушение парадигмы предобучения Transformer с использованием 1/900 токенов и 1/432 вычислительной мощности

Новая работа выпускника Университета Цинхуа, Ван Гуана (р. 2000), предлагает альтернативу дорогому и ресурсоёмкому предварительному обучению больших языковых моделей. Исследователи представили HRM-Text — эффективную модель, основанную на иерархической рекуррентной архитектуре (HRM), которая заменяет стандартный Transformer. Ключевые инновации включают: 1. **Архитектура HRM:** Использует модули с медленной (H) и быстрой (L) временной шкалой, выполняющие несколько рекуррентных обновлений на один токен. Это увеличивает вычислительную глубину без роста числа параметров. 2. **Целевая функция обучения:** Модель обучается непосредственно на парах "инструкция-ответ", вычисляя потери только для ответной части с использованием маски PrefixLM (двунаправленное внимание для инструкции, причинное — для ответа). 3. **Методы стабилизации:** MagicNorm (гибридная нормализация) и Warmup Deep Credit Assignment (постепенное увеличение глубины обратного распространения градиента) обеспечивают стабильность глубокого рекуррентного обучения. Эксперименты показывают, что HRM-Text 1B, обученная всего на 40B уникальных токенах с бюджетом около $1500, демонстрирует производительность, сопоставимую с открытыми моделями размером от 2B до 7B параметров. При этом она требует до 900 раз меньше токенов и до 432 раз меньше вычислений для обучения. Модель достигает, например, 60.7% на MMLU и 84.5% на GSM8K. Основные направления будущих исследований: разделение "знаний" и "рассуждений", внедрение адаптивного времени вычислений для снижения затрат на вывод, проверка масштабируемости на больших моделях и оптимизация развёртывания архитектуры PrefixLM.

marsbit05/26 03:17

Альма-матер 'Цинхуа' выпускник 00-х Ван Гуан представил новую работу: разрушение парадигмы предобучения Transformer с использованием 1/900 токенов и 1/432 вычислительной мощности

marsbit05/26 03:17

Vitalik лично «разбирает» Ethereum Foundation

Заголовок: Виталик Бутерин «разбирает» Фонд Ethereum (EF) Статья подчёркивает, что Vitalik Buterin в недавнем посте переопределяет миссию Фонда Ethereum, отдаляя его от роли центрального управляющего органа. Он подчёркивает, что EF должен стать узлом в децентрализованной экосистеме, а не её сердцем. Основное внимание должно сместиться с погони за скоростью и массовым внедрением на защиту ключевых ценностей, обозначенных акронимом CROPS: устойчивость к цензуре (Censorship Resistance), устойчивость к захвату (Capture-Resistance), открытый исходный код (Open Source), конфиденциальность (Privacy) и безопасность (Security). Vitalik указывает, что если Ethereum будет конкурировать только по показателям TPS и низким комиссиям, он рискует стать «лишь чуть более децентрализованным» вариантом других блокчейнов, потеряв свою уникальность. Вместо этого, приоритетами EF должны стать технические направления, укрепляющие основы: формальная верификация для создания «доказуемо безошибочного Ethereum», повышение отказоустойчивости консенсуса и сокращение зависимости пользователей от посредников (например, RPC-провайдеров). Он также отмечает, что EF, обладая лишь ~0.16% от общего количества ETH, не должен и не может управлять всем в экосистеме. Задачи роста, маркетинга и сотрудничества с институциями должны взять на себя внешние команды и сообщество. Таким образом, EF намеренно становится меньше и более сфокусированным, чтобы защитить основные, нематериальные ценности Ethereum, которые обеспечивают его долгосрочную значимость и устойчивость.

marsbit05/26 01:49

Vitalik лично «разбирает» Ethereum Foundation

marsbit05/26 01:49

Рост NEAR в 2 раза: 3 ключевых фактора стали «двигателем» стоимости монеты

За последний месяц цена токена NEAR выросла более чем вдвое, достигнув $2.37, а рыночная капитализация вернулась к отметке выше $30 млрд. Этот рост обусловлен тремя ключевыми факторами. Во-первых, это активное развитие ИИ-нарратива. Сооснователь NEAR Илья Полосухин является одним из авторов революционной архитектуры Transformer. Проект делает ставку на ИИ, о чём свидетельствует запуск супераппа Near.com со встроенными ИИ-агентами, а также прямое упоминание NEAR в контексте децентрализованного ИИ. Во-вторых, реализация функций приватности. С запуском NEAR Intents, системы для выполнения межсетевых транзакций, возникла потребность в конфиденциальности для защиты от MEV-атак. Команда представила функции Confidential Payments и Intents, позволяющие скрывать данные о переводе, и Confidential Treasuries для предприятий, что усилило практическую utility блокчейна. В-третьих, позитивная механика токеномики. После завершения всех разблокировок основное давление на предложение сменилось на ежедневные эмиссионные награды валидаторам. При этом весь протокольный доход от NEAR Intents теперь направляется на выкуп токенов NEAR с рынка, создавая постоянный покупательский спрос. TVL в NEAR Intents превысил $80 млн, что генерирует значительный объём комиссий для выкупа.

marsbit05/25 08:32

Рост NEAR в 2 раза: 3 ключевых фактора стали «двигателем» стоимости монеты

marsbit05/25 08:32

Anthropic представляет «Руководство для основателей»: все 4 этапа стартапа полностью переосмыслены с помощью ИИ

Публикация «Руководство основателя» от Anthropic переосмысливает процесс создания стартапов с помощью ИИ. Вместо просто добавления ИИ-инструментов в традиционные компании, речь идёт о построении «нативного для ИИ» бизнеса, где ИИ с первого дня является основной инфраструктурой. Роль основателя меняется: он становится архитектором и куратором, который фокусируется на стратегии и ключевых решениях, поручая выполнение задач ИИ-агентам (таким как Claude Chat для исследований, Claude Code для разработки и Claude Cowork для автоматизации рабочих процессов). В руководстве процесс создания стартапа разделён на четыре этапа: 1. **Этап идеи:** Проверка, действительно ли проблема существует и стоит ли её решать. ИИ помогает исследовать рынок и оспаривать предположения. 2. **Этап MVP:** Создание минимального жизнеспособного продукта для проверки спроса. ИИ ускоряет разработку, но важно избегать технического долга и сосредоточиться на архитектуре. 3. **Этап запуска:** Масштабирование бизнеса с отлаженными процессами роста и операциями. ИИ автоматизирует рутинные задачи (отчётность, CRM), освобождая время основателя. 4. **Этап масштабирования:** Обеспечение устойчивости и роста компании. ИИ используется для углубления конкурентных преимуществ, оптимизации и автоматизации. Ключевой вывод: в эпоху ИИ возможность быстро создать продукт перестаёт быть главным преимуществом. На первое место выходят более фундаментальные качества: глубокое понимание проблемы и аудитории, деловая интуиция и способность принимать верные стратегические решения.

marsbit05/22 13:59

Anthropic представляет «Руководство для основателей»: все 4 этапа стартапа полностью переосмыслены с помощью ИИ

marsbit05/22 13:59

Основатель Cardano говорит: «Leios на подходе», так как предложение направлено в DReps

Основатель Cardano Чарльз Хоскинсон анонсировал прогресс в разработке Leios, следующего крупного обновления консенсуса сети, по мере того, как Input Output вынесла на одобрение DRep предложение о финансировании в размере ₳27,7 млн. Предложение направлено на превращение Leios из прототипа публичной тестовой сети в кандидата для запуска в основной сети, что является ключевым элементом стратегии масштабирования Cardano до 2030 года. Leios призван дополнить, а не заменить, текущий протокол консенсуса Ouroboros Praos. Обновление, как утверждается, увеличит пропускную способность сети в 10–65 раз за счет введения блоков-одобрителей и комитетной валидации, сохраняя при этом безопасность и децентрализацию. Финансирование покроет 6–9 месяцев разработки, нацеленной на создание готового релиза, всестороннее тестирование и подготовку инфраструктуры к хард-форку. Предложение подчеркивает, что активация обновления в основной сети будет зависеть от готовности экосистемы и последующего голосования сообщества. Риски включают возможные задержки, технические ограничения и более высокие операционные затраты для операторов пулов ставок (SPO).

bitcoinist05/15 16:03

Основатель Cardano говорит: «Leios на подходе», так как предложение направлено в DReps

bitcoinist05/15 16:03

Почему слова «год реализации вычислительной мощности ИИ» могут ввести в заблуждение? — Разбираем четыре барьера на пути от «сигналов политики» до «реальных заказов»

Недавно в аналитических отчетах часто встречается фраза «2026 год — первый год полной реализации отечественных ИИ-вычислений». Однако термин «первый год реализации» скрывает важное различие: госзакупки, пробные заказы, масштабное развертывание и зрелость программной экосистемы — это четыре разных этапа с разным темпом и ценностью для отрасли. Их смешение может привести к системным ошибкам в оценке реального прогресса. Чтобы понять, что такое «реальная реализация», нужно рассмотреть цепочку: госзакупки → реальное развертывание → зрелость программной экосистемы → масштабное тиражирование. Это четыре последовательных барьера. **Первый барьер: госзакупки.** Он уже широко открыт в 2026 году благодаря масштабным госзаказам и кредитам на поддержку ИИ и полупроводников. Крупные компании размещают заказы на десятки тысяч чипов, таких как Ascend 950PR. Однако объем закупок не равен объему реального использования. **Второй барьер: реальное развертывание.** Здесь есть прогресс, но он еще не повсеместный. Ключевое доказательство — DeepSeek V4, первая крупная языковая модель, полностью обученная и развернутая на отечественных чипах (Huawei Ascend), отказавшаяся от экосистемы NVIDIA CUDA. Это доказывает практическую пригодность отечественных вычислений для мирового уровня. Цикл «снижение цены моделей → рост спроса на вычисления» только начался. Развертывание в головных сценариях идет, но для массового рынка потребуется время. **Третий барьер: зрелость программной экосистемы.** Это самый узкий и критически важный барьер. Экосистема Huawei CANN, хотя и быстро развивается (поддерживает более 160 моделей), значительно уступает 20-летней экосистеме NVIDIA CUDA (более 23 000 моделей). Глубокая привязка DeepSeek V4 к отечественным чипам — позитивный сигнал, но для созревания экосистемы для широкого круга разработчиков потребуется еще 1-2 года. **Четвертый барьер: масштабное тиражирование.** Это конечная цель, которая в 2026 году еще не достигнута. Речь идет о том, когда тысячи средних предприятий смогут легко использовать отечественные вычисления для своих ИИ-задач без высоких затрат на миграцию и адаптацию. Для этого нужны полностью упакованные решения. Ожидается, что этот этап наступит в 2027-2028 годах. **Вывод:** Термин «первый год реализации» верен для первого барьера (госзакупки) и частично для второго (развертывание в ведущих компаниях). Однако полная реализация ценности отрасли и масштабный рост рынка произойдут только после преодоления третьего и четвертого барьеров, что займет еще несколько лет. Глубокая интеграция DeepSeek V4 с отечественными чипами — самый важный сигнал 2026 года, меняющий повестку с вопроса «можно ли их использовать» на вопрос «когда их будет достаточно».

marsbit05/08 11:37

Почему слова «год реализации вычислительной мощности ИИ» могут ввести в заблуждение? — Разбираем четыре барьера на пути от «сигналов политики» до «реальных заказов»

marsbit05/08 11:37

a16z: «Амнезия» ИИ, может ли непрерывное обучение ее вылечить?

В статье a16z рассматривается проблема «амнезии» больших языковых моделей (LLM), которые после обучения не могут обновлять свои параметры новыми знаниями, подобно герою фильма «Помни» с антероградной амнезией. Для компенсации используются внешние методы, такие как контекстное обучение (ICL) и системы поиска, но они не позволяют моделям по-настоящему усваивать информацию. Авторы утверждают, что контекстное обучение, хотя и эффективно, имеет ограничения: оно не подходит для решения truly новых задач (например, математических доказательств),对抗ных сценариев или работы с неявными знаниями. Настоящее обучение требует сжатия (compression) опыта в параметры модели. Предлагается подход непрерывного обучения (continual learning), который позволяет моделям обновлять свои веса после развертывания. Рассматриваются три основных пути: работа с контекстом (внешняя память), модульные подходы (адаптеры) и прямое обновление параметров (весов). Последний метод — самый сложный, но именно он позволяет моделям полностью усваивать новые знания и навыки. Статья также затрагивает проблемы катастрофического забывания, безопасности и аудируемости, которые возникают при обновлении весов, и рассматривает текущий ландшафт стартапов, работающих над этими решениями. Ключевой вывод: будущее — за гибридными системами, сочетающими контекстное обучение, модульность и параметрическое обновление для создания моделей, способных к непрерывному совершенствованию.

marsbit04/25 04:31

a16z: «Амнезия» ИИ, может ли непрерывное обучение ее вылечить?

marsbit04/25 04:31

活动图片