@complete_ai
Complete AI
Telegram channel @complete_ai: 7.9K subscribers, 2.2K views per post
No score yet
Fewer than 5 posts went out here in the last 30 days.
- 7.9K
- Subscribers
- 2.2K
- Median views over 30 days
- 28.5%
- Views / subscribers over 30 days
- 3
- Posts over 30 days
Data as of October 1, 2026
Covers artificial intelligence research and development: the author sits on the program committee of Practical ML Conf and shares industry insider takes, from leaked benchmarks of upcoming models to open-source releases. As of 16 September: subscribers stand at 7.9K, below the category median, posts come out less often — 4 over 30 days versus 26 for category peers, while engagement sits at the category median, 24.2%. Over the past month the channel covered the launch of GigaAgent, an autonomous agent built on Ouroboros that rewrites its own code through self-evolution, broke down Z.ai's GLM-5.3 release, and featured CADENA, a CAD reverse-engineering model from the FusionBrain lab and AIRI. The author also writes about diffusion language models, a generative AI course from Yandex Research, and upcoming conferences where he speaks himself.
catalog description About the channel, by its author
Меня зовут Андрей Кузнецов Руковожу управлением в Sber AI, построил успешную лабораторию FusionBrain в AIRI, один из основателей Kandinsky, к.т.н., 15+ лет опыта в Computer Vision, выступаю с лекциями и пишу о событиях в AI и ML
Common questions
- How many subscribers?
- Subscribers: 7.9K. Median views per post: 2.2K. Views per subscriber: 28.5%. Measured on October 1, 2026.
- How often are posts published?
- Posts in the last 30 days: 3 — that is less than once a week. Measured on October 1, 2026.
- Does this channel have a Telegram tick?
- No Telegram tick.
- Who runs this channel page in the catalog?
- Nobody yet. If this is your channel, claim the page: you will be able to reply to reviews and see its stats.
Is this your channel?
Claim it — accurate metrics, replies to reviews as the channel, and an owner badge on the page.
Verify ownershipTakes a minute: a post with a code, or the bot as an admin
Your page on tg.place
Know the owner?
Forward them this message — they can verify their rights and collect what has piled up: page statistics and replies to reviews.
7,8697,840
Oct 17,859
Hover the chart or swipe it — we show the day.
Latest posts
Posts are in Russian — that is what the channel publishes.
- AI + разработка — Senior-разработчиков ждут в Ozon Tech В компании развивается новое направление, команда, которая будет строить платформу для создания и запуска AI-агентов. Предстоит работать не над одним AI-продуктом, а над инфраструктурой для агентских систем от SDK и инструментов до оркестрации, observability и evaluation. Ребята в поисках Senior-разработчиков. Можно приходить с любым стеком — Go будет основным, но на интервью разрешают использовать привычный язык. Go можно спокойно освоить уже после выхода: команда поможет с переходом. Откликнуться
- Мы выложили программу Practical ML Conf 2026 Я уже не первый год состою в программном комитете конференции, помогал отбирать доклады. Из того, что сам точно не пропущу: ➡️ Антон Разжигаев из AIRI в онлайне разберёт, что находится внутри Ouroboros, как устроена петля самоулучшения агента и какие грабли встретились по дороге. Про Ouroboros я здесь уже писал, поэтому особенно интересно послушать от Антона лично) ➡️ Данил Кашин из Яндекса расскажет про Agentic Vision: как научить VLM рассуждать, строить план и использовать внешние инструменты. Будут visual reasoning, OCR, детекторы, поиск и исполняемый код ➡️ Александр Куцаков из GigaChat расскажет про temporal grounding для длинных аудиозаписей: как научить Audio LLM понимать не только что произошло, но и когда именно. Внутри синтетический датасет на 13 тысяч часов, миллион семплов и снижение ошибки в тайм-кодах с 66 до 3,5 секунды Отдельный респект кейноутам этого года) Я тоже буду на конфе, так что вечером, как всегда, встретимся на нетворк-тусовке и поболтаем! ➡️ Посмотреть программу и зарегаться
- Утекли предполагаемые бенчмарки Gemini 4 - цифры выглядят безумно 🤯 В сети разошлась таблица с прогнозируемыми результатами Gemini 4: - 99,9%+ — ARC-AGI-3 - 99,1% — FrontierMath Tier 4 v2 - 72,8% — Terminal-Bench Science 0.1 - 70,2% — HealthBench Professional - 62,3% — Terminal-Bench 4.0 - 48,7% — AutomationBench - 98,6% — BenchCAD В этой таблице Gemini 4 опережает GPT-6 Astra и Fable 5.1 на всех перечисленных тестах. Особенно сильный скачок якобы приходится на математику, scientific reasoning, работу в терминале и agentic-задачи. Сам Gemini 4 реален: Google уже подтвердил, что запустил для него свой «самый амбициозный pre-training run» на сегодняшний день.
- 17 сентября в Москве пройдёт AI R&D DAY — конференция для исследователей, разработчиков, руководителей R&D-команд и специалистов, которые создают и внедряют передовые решения на основе искусственного интеллекта, где я буду выступать с лекцией «Автономный универсальный агент для повышения эффективности сотрудников Сбера». В центре программы — NextGenAI, проект, который исследует новые вызовы и формирует образ будущего ИИ. Вас ждут 22 доклада в рамках двух треков. Поговорим о: 🔘новых подходах к созданию и обучению моделей 🔘системах, которые одновременно работают с текстом, изображениями, звуком и другими типами данных 🔘развитии голосовых технологий 🔘оценке качества AI-решений 🔘внедрении технологий в реальные продукты Участие бесплатное, места ограничены. 17 сентября — Москва (очно) и онлайн. Регистрируйтесь.
- Сегодня вечером мы вместе с Денисом Макрушиным встретимся на стриме и разгоним базу про безопасность в нашем новом дивном мире агентов. Обсудим потенциальные векторы атаки, как обезопаситься от них и контролировать агентов после внедрения. Будет одинаково полезно и для тех кто делает агентов, и тех, кто использует их для разработки Присоединяйтесь
- 🔥 GLM-5.3 от Z.ai — главное за 30 секунд: Чистый post-training. Та же базовая модель —GLM-5.2 — все улучшения получены только масштабированием RL на длинных агентных задачах (фреймворк slime + SAO) Сильнейшая open-weight модель для кода. +50% на внутреннем Z.ai Code Bench; Terminal Bench 3.0: 28.3 (было 4.6); DeepSWE v1.1: 66.9 (было 46.2). На TB 2.1 (88.2) вплотную к Fable 5 и GPT-5.6 Sol. Эмерджентные способности в кибербезопасности — главный сюрприз. Модель сама начала выстраивать полные цепочки эксплуатации уязвимостей. CyberGym 84.5% — #1 среди всех моделей; ExploitBench удвоился (24→54). В реальных проектах нашла 2 436 уязвимостей в 269 OSS-проектах, включая баги возрастом до 40 лет. Веса будут открыты через 2 недели после завершения safety-аудита и hardening Честное позиционирование на бенчмарках. Z.ai прямо показывают, где отстают от closed frontier (Fable 5, GPT-5.6 Sol) — ExploitBench 54 vs 78, Terminal Bench 3.0 28 vs 35 Все детали по ссылке
- 🐍 Сегодня мы выпустили ГигаАгента Расскажу, что мы построили и почему это важно. ГигаАгент — это автономный универсальный ИИ-агент на базе Ouroboros, который переписывает свой собственный код через reviewed self-evolution. Буквально: редактирует рантайм, коммитит через multi-model review gate, рестартится на новой версии. Если сломался — откатывается. Если совсем плохо — /panic. Это результат синергии, которая редко случается в индустрии: исследовательская команда лаборатории FusionBrain AIRI отвечала за архитектуру агента и самоэволюцию, фреймворк и научный фундамент, а инженерная команда в Сбере — за продуктовую обвязку, инфраструктуру и адаптацию под бизнес-сценарии и enterprise-ограничения. Когда исследователи и инженеры работают как одна команда, получается отличная синергия: 🏆 SOTA на трёх бенчмарках разом: — Terminal-Bench 2.1: 86.97% (предыдущий лучший — 83.8%) — OSWorld-Verified: 90.69% — работа мышкой/клавиатурой в реальном десктопе — CL-Bench: 0.2301 normalized reward — накопление знаний между задачами На SWE-bench Pro и GAIA — паритет с Claude Code и Codex. 🧬 Ключевая фишка — саморазвитие Агент может менять свои навыки, промпты, контекст и даже логику ревью. Но каждое изменение проходит через иммунную систему: несколько LLM от разных вендоров независимо ревьюят дифф, голосуют кворумом, плюс отдельная модель с большим контекстом проверяет, не ломает ли правка проект целиком. Fail-closed — при сомнении изменение не проходит. Пользователю доступны разные режимы глубины эволюции: от ядровых компонент до навыков. Он также умеет — Создавать рой субагентов для сложных задач — Проектировать навыки по запросу пользователя — Решать задачи по расписанию (cron) — Подключать уже созданные ранее навыки в других агентах, интегрирован магазин ClawHub, есть MCP и A2A протоколы для взаимодействия — Анализировать и создавать презентации, дэшборды, документы, таблицы, PDF Как продукт — Работает в фоне, не нужно контролировать каждый шаг — Хранит память между сессиями — Сам создаёт и подключает навыки по необходимости — Учится на ошибках — Доступен через Agents Space от Cloud.ru, 4000 бонусов на старте 📄 Техрепорт на arXiv: arxiv.org/abs/2608.08311 📰 Хабр:🔗 Попробовать: cloud.ru/agents-space
habr.com/…
https://habr.com/ru/companies/airi/articles/1065428/ - ⚡️ Диффузионные языковые модели: что в них работает, а что вызывает вопросы Выложили большой разбор dLLM — результат совместной работы нескольких команд: «Интерпретируемый ИИ» лаборатории FusionBrain, «Основы генеративного ИИ» Института AIRI (@Ivan_Oseledets) и «Генеративная поэзия» Сергея Маркова (@oulenspiegel_channel) SberAI. tldr: год возились с диффузионными языковыми моделями — воспроизводили чужие методы, обучали свои, ускоряли инференс. Разобрали за вас целое поле и рассказываем, что уже стоит брать, а куда пока лучше не вкладывать время. Для тех, кто не в теме: dLLM генерируют текст не по одному токену слева направо, а параллельно, раскрывая замаскированные позиции по всей последовательности. Отсюда обещание кратного ускорения — но на практике всё упирается в KV-кэш, который в классической диффузии нормально не работает. Мы разобрали три подхода — и вот что у нас получилось: Адаптация — переучить готовую LLM в диффузионную за небольшую долю стоимости исходного претрейна. Сегодня это основной путь к большим dLLM — так получают модели вплоть до сотен миллиардов параметров. У нас DiffuGPT/DiffuLLaMA не воспроизвёлся: нашли и исправили кучу проблем в коде, прогнали на GPT-2, Qwen и GigaChat — но генерация всё равно осталась плохой. Зато ReFusion + GigaChat 3B завёлся: 2,7× ускорение по wall-clock и более чем 2× рост на GSM8K. Обучение с нуля — дорого и почти всегда не нужно в прикладном сценарии, но без него сложно проверять методические гипотезы. Разбираем MDLM как полигон для экспериментов и Eso-LM, где ради работающего KV-кэша пожертвовали двунаправленным вниманием. Дистилляция — ускорить уже обученную модель, сократив число шагов расшумления. Рассказываем про свой метод IDLM (ICML 2026): для MDLM число шагов сокращается с 1024 до 16. В конце — таблица с рекомендациями: какой подход выбирать под конкретную задачу и ограничения. 👉 Хабр
- Alibaba, что ты делаешь? Прекрати! 12.08 нас ждёт большой залив весов в опенсурсе. Приятно, что для простых смертных дают дистиллированную версию на 27B параметров💪
- Курс по Visual GenAI от Yandex Research и ШАД Авторы CV Time не только пишут обзоры статей о компьютерном зрении, но и создают обучающие курсы. Сегодня делимся курсом ШАДа «Генеративные модели в компьютерном зрении», который ведёт Дмитрий Баранчук, руководитель группы GenAI в Yandex Research, вместе с праймовой командой исследователей в этой области. Будет полезно тем, у кого есть базовые знания по генеративкам и желание разобраться глубже: • в теории диффузионных моделей, эффективных методах их обучения и семплирования; • в новых гибридных моделях на основе диффузии для генерации изображений, видео и 3D. У курса есть открытый GitHub-репозиторий, где можно найти слайды, записи лекций и семинаров, а также домашние задания. CV Time
The channel in numbers
- Created
- October 27, 2022
- Photos
- 517
- Videos
- 38
- Files
- 10
- Links
- 288
Telegram data as of October 1, 2026
Reviews
Leave a review
No reviews yet. Yours would be the first.
