[00:04] Новый DeepSK уже здесь.  4.1 Flash, и это просто потрясающе.  Посмотрите-ка.  Это невероятно быстро.  И меня это тоже потрясло. Послушайте, в некоторых тестах он может превзойти Claude Opus 5
[00:16] Kim K3, но не во всех. Посмотрим, что из этого выйдет.  Но есть один нюанс.  Я покажу вам в конце.  Кроме того, он стабильно превосходит DeepSeek 4.0 0 Pro,
[00:29] что является огромным сюрпризом.  То есть, эксплуатация той системы на местном уровне обходится примерно в 300 тысяч долларов, а эта может обойтись в четверть этой суммы .  Что ж, это всё ещё большие деньги,
[00:41] но тенденция неоспорима.  Через год эти деньги могут оказаться у нас в кармане .  Оно также обладает врожденным визуальным восприятием.  Таким образом, наконец-то вы можете предоставить ему изображения культового игрового меню, и он напишет игру, которая его воспроизведет.
[00:57] Подробнее о других своих экспериментах я расскажу в конце.  И это в конце.  И это одновременно и огромное, и маленькое.  Как?  Что ж, а теперь придержите свои бумаги, уважаемые коллеги- ученые.  Он небольшой из-за
[01:11] ученые.  Он небольшой из-за кэша KV.  Эта версия содержит контекст и в 437 раз меньше, чем версия V1 3 года назад, но также в четыре раза меньше, чем предыдущая версия Flash 4.0.  Но это было всего
[01:29] несколько месяцев назад, и вы сжали его в 4 раза, то есть сколько?  Как им это удалось? Мы знаем?  Да, мы это делаем.  Уважаемые коллеги- ученые, это двухминутная статья с участием доктора Эра. Почему?  Потому что это открытая модель,
[01:45] и существует бесплатная научная статья, объясняющая её.  Я не эксперт, всего лишь студент, но постараюсь объяснить. Они называют эту технику CSA2, и, наконец, они на верном пути.  Как видите, нейронная сеть состоит из множества
[02:02] нейронная сеть состоит из множества слоев нейронов, и по мере распространения информации через эти слои каждый из них имеет свою собственную память типа ключ-значение, но здесь это не так. них имеет свою собственную память типа ключ-значение, но здесь это не так. Флэш-память Deepseek 4.1 наконец-то обеспечивает
[02:17] общую память между слоями.  Не каждый должен всё помнить.  Нет, они разделяют воспоминания.  Это невероятно сложно реализовать качественно, потому что для разных слоев требуется разный взгляд на одну и ту же историю.  А если заглянуть под капот
[02:34] и присмотреться, то увидим структуру кодировщика-декодера. Кодировщик создает общую глобальную память, а декодер считывает данные из нее.
[02:47] И всё это в конечном итоге приводит к значительному уменьшению размера кэша ключ-значение, что является моей головной болью, поскольку требует слишком много видеопамяти.  Невероятный шаг вперед.
[03:00] много видеопамяти.  Невероятный шаг вперед. Я также сказал, что это невероятно много — более 500 миллиардов параметров.  Поэтому у меня нет ни малейшего шанса запустить это дома. А когда я попытался воспроизвести эту прекрасную бумагу для спирализации меда, GPT6
[03:16] прекрасную бумагу для спирализации меда, GPT6 Astra справилась с задачей на отлично.  Просто потрясающе. Opus 5.1 не так впечатляет, но физика в нём довольно впечатляющая.  Рендеринг выполняется
[03:28] немного реже.  Что касается этого проекта, то нам еще нужно подготовить пару статей, чтобы он соответствовал предыдущему, но это обязательно произойдет.  В этом я уверен.  И видите ли, я здесь для того, чтобы показать вам правду, а не просто верить заголовкам.  Теперь,
[03:43] когда YouTube перестал рекомендовать мои работы по моделированию в физике, что меня очень расстраивает, я хотя бы могу показать вам это, и это наполняет меня радостью. Подпишитесь и нажмите на колокольчик, чтобы увидеть больше.   А ещё есть подвох.  4.1 Флэш любит
[03:59] ещё есть подвох.  4.1 Флэш любит много думать и тратит много жетонов. К счастью, это не так уж дорого, но, черт возьми, сколько же это жетонов!  Но если у вас есть необходимое оборудование, вы можете запускать всё это бесплатно.  Я этого не делаю, поэтому запускаю процесс
[04:13] через API или Lambda.  Но учитывая, что каждый раз, когда DeepS публикует новую что каждый раз, когда DeepS публикует новую статью, ИИ становится дешевле для всех нас. Огромное спасибо за этот колоссальный вклад в развитие человечества.  Это значительно
[04:28] облегчит работу многих врачей и ученых .  Открытая наука — залог успеха. Какое замечательное время, чтобы жить!  Я использую Lambda для воспроизведения научных работ по искусственному интеллекту, часто за считанные
[04:40] минуты.  Это также отлично подходит для обучения собственных моделей или тонкой настройки существующих. Выполнить логический вывод или преобразовать текст в изображение или видео.   Проще простого.  Запуск чат-бота простого.  Запуск чат-бота или агента Deepseek.  Очень быстро, очень надежно.
[04:55] Lambda предоставляет вам мощные графические процессоры NVIDIA для проведения собственных экспериментов.  Я проверяю идеи из статей, которые пишу, и через несколько мгновений получаю результаты.  Любить это.  Серьезно, попробуйте прямо it out now at lambda.ai/papers. EI/ peepers.