Постоянна тема: Новини за целия AI сектор: модели, програмиране, агенти, роботика, научни изследвания, хардуер и практически приложения.

JEDEC очерта DDR6 с по-широка шина, но стандартът още не е окончателен

Предварителният план включва 12,8 GT/s за RDIMM и 96 линии за данни. За AI системите важен остава целият път между паметта и изчисленията.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

jedec-ddr6-preview-bandwidth-not-final-standard-2026-c81b5cc01546c04a.jpg


JEDEC представи предварителен план за DDR6, публикуван на 19 ноември в съобщение, препредадено от Design & Reuse. Той включва начални RDIMM скорости от 12,8 GT/s, перспектива за 14,4 GT/s и по-широка шина от 96 вместо 64 линии за данни. Посочените характеристики са в развитие и могат да бъдат променени. Това не е финален стандарт или обявена обща наличност на DDR6 продукти.

Какво всъщност сравнява числото

Пропускателната способност не определя сама скоростта на приложението. Повече пренос може да помогне при ограничение в паметта; не го превръщаме в гарантиран процент ускорение на AI модел.

За сравним контекст Micron представя DDR5 като семейство памет с различни характеристики и технически материали за конкретни изделия. Това напомня, че поколението е начало на избора, а не пълна спецификация на една система. Страницата за DDR5 не потвърждава бъдещата съвместимост или наличността на DDR6.

Скорост, капацитет и закъснение

Полезно е тези свойства да се разглеждат поотделно. Капацитетът отговаря колко данни могат да бъдат държани, а скоростта на пренос — колко могат да бъдат придвижвани за време. Изчакването за отделен достъп е друг въпрос. Общ етикет „по-бърза памет“ може да прикрие различни компромиси между тях.

В условен пример една задача често препрочита голям работен набор, а друга прави редки малки заявки. Двете не е задължително да реагират еднакво на една промяна в паметта. Това е обяснителен пример, не измерване на бъдещ DDR6 модул. Той показва защо изборът на натоварване участва в преценката.

Как бихме оценили бъдеща система

Нашият предложен подход е да се започне от реалната задача и текущото ѝ ограничение. Бихме запазили еднакви модел, данни и критерий за качество, а после бихме сравнили време до резултат и потребление на системата. При различен размер на работния набор тази разлика трябва да остане видима.

За продуктово решение бихме изисквали отделно потвърждение за поддържаната платформа и конкретния модул. Предварителна архитектурна рамка не удостоверява съвместимост с налична дънна платка или процесор. Също така DDR6 не бива да се смесва с имената GDDR6 и LPDDR6, които обозначават различни семейства памет.

Новината е важна като посока на стандартизацията за бъдещи изчислителни системи. SIExpo не разполага с готов DDR6 продукт за изпитване и не посочва непотвърдена дата за масов пазар. Засега има проектна рамка, чиито окончателни характеристики и приложения предстои да бъдат установени.

Източници
JEDEC issuer release republished by Design & Reuse — DDR6 preview — 2026-11-19
DDR5 DRAM | Micron Technology Inc.

Статия в SIExpo.bg: https://siexpo.bg/article/jedec-ddr6-preview-bandwidth-not-final-standard-2026
 
Dnotitia показва VDPU ASIC за векторно търсене, с важна разлика между демонстрация и цел

На SC26 компанията демонстрира търсене сред около 2,6 млн. видеокадъра. Посочените показатели трябва да се четат заедно с условията и стадия на разработката.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

dnotitia-vdpu-asic-sc26-vector-search-demonstration-2026-c8c08e88c4fbe0e3.jpg


Dnotitia обяви на 19 ноември първа публична демонстрация на работещия си VDPU ASIC за векторно търсене на SC26 в Чикаго. Компанията описва заявки на естествен език върху около 2,6 милиона видеокадъра и поне 90% по-ниско натоварване на хост процесора при изнасяне на търсенето. Това са фирмени измервания. Посоченото приблизително десеткратно ускорение при многокартова конфигурация е цел, а не доказан резултат от демонстрацията.

Какво е новото спрямо предишния етап

В съобщението от септември компанията представя оценки с FPGA и работа по първите ASIC образци. Този по-стар материал е полезен като предистория: сегашната новина е демонстрацията със специализирания чип. Не бива резултат от една програмируема конфигурация да се пренася безусловно върху друг хардуер или върху бъдещ сървър.

Документацията на Faiss дава общия софтуерен контекст: търсенето по сходство сравнява векторни представяния и използва индекси за работа с големи набори. Това не е независим тест на VDPU. То помага да се разбере защо изборът на данни, индекс и критерий за качество участва в оценката на всяка подобна система.

Освободен процесор и по-бърз отговор са различни показатели

Нашият прочит е да се измерват отделно натоварването на хоста и времето до полезен резултат. Възможно е част от работата успешно да се премести към ускорител, но общият отговор да зависи и от друг етап. Затова процентът за CPU не бива автоматично да се превежда като същия процент икономия за цялата услуга.

Условен пилот може да използва колекция с известни търсени кадри и предварително зададени заявки. Първо се проверява дали правилните резултати действително се намират. Едва след това има смисъл да се сравняват скорост, едновременни заявки и използвани ресурси. Примерът е предложена редакционна методика, а не тест, извършен от SIExpo.

Какво трябва да остане съпоставимо

Сравнението би било по-полезно при еднакви данни и еднакъв критерий за приемлив отговор. Ако една конфигурация връща по-бързо по-малко подходящи резултати, това не е еднозначна победа. Ако друга използва различен начин на подреждане, тази разлика трябва да бъде записана, вместо да се прикрие в обща цифра за производителност.

Има значение и как системата се обновява при нови данни. За агент, който работи с променяща се информация, бързият отговор върху вчерашния индекс може да не е достатъчен. В предложената оценка бихме включили добавяне на нов материал и проверка кога той става откриваем. Това е въпрос към бъдещите измервания, не твърдение за наличен проблем в VDPU.

Новината показва конкретен хардуерен етап в специализацията на AI инфраструктурата. SIExpo не е възпроизвеждал демонстрацията и не я представя като независимо установено превъзходство. Следващите полезни доказателства са съпоставими резултати и надеждност при продължителна работа.

Източници
Dnotitia Presents First Live Demonstration of Its VDPU Vector Search ASIC at SC26 — 2026-11-19
Dnotitia Brings Dedicated Vector Silicon to Server Scale at AI Infra Summit 2026 — 2026-09-18
Home · facebookresearch/faiss Wiki · GitHub

Статия в SIExpo.bg: https://siexpo.bg/article/dnotitia-vdpu-asic-sc26-vector-search-demonstration-2026
 
Microsoft поставя Office и агентите в центъра на Copilot, с отделен въпрос за правата им

Ignite свързва документи, общи работни пространства и продължителни задачи. За организациите важни са конкретната наличност и контролът върху действията.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

microsoft-office-in-copilot-workspaces-ignite-controls-2026-77240fe5cf3943db.jpg


На Ignite 2026 Microsoft представи Copilot като обща среда за Office, съвместна работа и агенти. В съобщението от 17 ноември са включени Workspaces, дълго работещият Autopilot и Office in Copilot. Изразът „операционна система за работа“, отразен и от Калдата, описва продуктова стратегия. Той не означава ново ядро на операционна система или замяна на Windows.

От разговор към редактиран файл

Официалният Book of News посочва обща наличност на Office in Copilot с Word, Excel и PowerPoint. Файловете се записват в OneDrive и наследяват правата и контролите на Microsoft 365. Други анонси са в различен стадий; например Copilot Code е през програмата Frontier, с обща наличност планирана за декември.

Практическата промяна може да се обясни с условен екип, който подготвя месечен отчет. Разговорът с агента е само началото. Трябва да има редактируем документ, таблица с проверими числа и презентация, която не противоречи на тях. Общият интерфейс може да улесни координацията, но не доказва сам достоверността на крайния резултат. Това е наш пример за оценка.

Контекстът не замества правомощията

Достъпът до необходимата информация и разрешението за промяна са различни неща. Един агент може да има основание да прочете файл за справка, без да има задача да го редактира. По същия начин чернова на писмо и изпратено писмо са различни резултати. Тези граници трябва да са ясни и когато работата се управлява от един общ прозорец.

За предложен пилот бихме започнали с ограничен набор от документи и конкретен завършен резултат. След това бихме проверили дали използваните източници са правилните версии и дали файловете действително са записани. При следваща стъпка бихме разграничили автоматично подготвеното от действията, които изискват решение на отговорния човек.

Как да се оцени полезността

Полезен критерий е времето до приет резултат, включително поправките. Ако красивата презентация изисква дълго сверяване с таблицата, това време е част от процеса. Ако пък системата открие липсващ източник и го посочи ясно, това е ценна информация, дори задачата да не е напълно приключила. Успехът не бива да се определя само от убедителния финален отговор.

В такъв пилот бихме запазили и кратък запис какво е направил агентът и какво е потвърдил човекът. Това позволява да се различат проблем в данните, неподходяща инструкция и липсващо право. Предложената оценка не е проведен от SIExpo тест на Copilot.

Съобщението на Microsoft показва посока към общо работно пространство за хора и агенти. Практическата му стойност ще зависи от конкретната функция, реалния достъп и проверимото завършване на работата. По-широкият интерфейс има смисъл, когато помага тези отговорности да останат ясни.

Източници
Microsoft Source — Ignite 2026: human ambition, intelligence and trust — 2026-11-17
Калдата — Microsoft превърна Copilot в нова среда за работа
Microsoft Ignite 2026 — Book of News

Статия в SIExpo.bg: https://siexpo.bg/article/microsoft-office-in-copilot-workspaces-ignite-controls-2026
 
Google разширява суверенния AI в Европа с Gemini за Dedicated и външен контрол върху ключовете

Обявеното в Брюксел добавя варианти за местно управление. Наличността на моделите, ключовете и непрекъснатостта трябва да се оценяват поотделно.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

google-sovereign-ai-dedicated-gemini-key-control-2026-512532654d9c4ac2.jpg


Google обяви на 17 ноември в Брюксел, че Gemini предстои да бъде добавен към партньорски управлявания Google Cloud Dedicated. Компанията представи и Confidential External Key Management в preview. Dedicated е проектиран да може да продължи работа до 12 месеца при прекъсната връзка с Google; това не е универсална гаранция за всяка функция на Gemini. Темата е отразена и от Калдата.

Различни нива на контрол

Google разграничава публичен облак с ограничения, партньорски управлявана инфраструктура и разполагане при клиента. Тези варианти не означават еднаква наличност на всички услуги; „предстои“ и „preview“ остават съществени уточнения.

Страницата на Google за Confidential Computing обяснява общия принцип за защита на данни по време на обработка чрез изолирани и проверими изчислителни среди. Това е допълващ технически контекст, а не самостоятелна проверка на всички обещания в новото суверенно предложение.

Контролът върху ключа е конкретно правомощие

Нашият редакционен прочит е да се започне с точния въпрос кой може да разреши използването на ключа и как се доказва това. Местоположението на данните, операторът на средата и достъпът до криптографските операции са свързани, но различни характеристики. Една карта с европейски центрове не отговаря сама на всички тези въпроси.

В условен пилот бихме описали една отделна услуга и нейните зависимости. Кои компоненти са локални, кои изискват външна връзка и какво се случва при временно прекъсване? След това бихме проверили как се възстановява нормалната работа. Това е предложена методика за техническа оценка, а не изпитан от SIExpo сценарий на Google Cloud.

Непрекъснатостта не е едно число

Срок за автономна работа има практическа стойност само заедно с обхвата му. Ако отделен компонент остава активен, това още не показва дали всички обновявания, модели и свързани услуги работят по същия начин. Полезният приемателен документ би изброил функциите, които трябва да останат достъпни, и критерия за проверката им.

Същото важи за контрола върху актуализациите. Организацията трябва да знае какво точно може да отложи, кой взема решението и как се проследява версията. Наличието на такъв механизъм е различно от доказателството, че той е подходящ за всяко натоварване. Не правим правен извод за съответствие от техническо рекламно описание.

Новината разширява набора от варианти за използване на AI под местно управление. Реалният избор ще зависи от проверената конфигурация и договорения обхват. SIExpo не е тествал предлаганата автономност; посочените срокове и възможности остават приписани на Google, с ясно отделени текущи и предстоящи функции.

Източници
Sovereign AI on your terms, made with Europe | Google Cloud Blog — 2026-11-17
Калдата — Европа, Google и суверенният AI
Confidential Computing | Google Cloud

Статия в SIExpo.bg: https://siexpo.bg/article/google-sovereign-ai-dedicated-gemini-key-control-2026
 
Perplexity Brain превръща опита в обновявани умения, без да променя теглата на модела

Компанията описва как историята на задачите може да подобрява процедурните инструкции. Решаващият въпрос е дали поправката е подкрепена с доказателства и проверена.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

perplexity-brain-personal-skills-evidence-checks-2026-631831673aeeed43.jpg


Perplexity описа на 18 ноември как Brain създава и обновява умения на агентите въз основа на предишна работа. Персонализацията променя инструкциите и контекста, не теглата на основния модел. Компанията представя цикъл от доказателства, предложение, проверка и активиране. При общите вградени умения кандидатите преминават повторно изпълнение на проверки и човешки преглед, преди да станат действаща версия.

Паметта и процедурата имат различна задача

Отвореният формат Agent Skills описва умението като папка с SKILL.md и възможни допълващи скриптове, справки или шаблони. Името и описанието подпомагат откриването, а подробните инструкции се зареждат при нужда. Това е технически контекст за процедурното знание, а не доказателство за качеството на конкретната реализация на Perplexity.

Разликата може да се обясни с условен седмичен отчет. Паметта пази кои показатели интересуват човека; процедурата описва как да бъдат намерени, сравнени и представени. Ако тези роли се смесят, агентът може да помни предпочитание, но пак да пропусне проверката, която прави резултата използваем. Примерът е наш редакционен прочит.

Една поправка може да създаде друг проблем

Да предположим, че в отчет често липсва датата на последната актуализация. Добавянето на такава стъпка е разумен кандидат за подобрение. Но инструкция „винаги използвай най-новия файл“ може да бъде неподходяща, ако задачата изисква точно определена историческа версия. Добрата процедура трябва да пази и това изключение.

За подобен собствен процес бихме търсили следа от конкретния пропуск, малка ясно описана промяна и примери, върху които тя се проверява. Особено полезни са и случаи, които вече са работили правилно. Те помагат да се види дали новата инструкция поправя един проблем за сметка на друг.

Какво означава проверимо подобрение

Същественото е да има сравнение между старата и предложената процедура при съпоставими входове. Самото появяване на по-дълъг текст с инструкции не доказва по-добър резултат. Възможно е новата версия да добавя излишни действия или да затруднява намирането на същественото правило. Качеството се вижда в изпълнението, а не в броя написани правила.

Нашата предложена практика е всяка промяна да може да бъде обяснена с едно изречение: какъв наблюдаван пропуск поправя и кога се прилага. Отделно е нужен начин да се разбере коя версия е действала при дадена задача. Това прави последващия разбор по-конкретен и не превръща всяка грешка в повод за ново общо правило.

SIExpo не е тествал автоматичните обновявания на Brain. Новината е описаната архитектура за учене на процедури от работа, с проверки преди прилагане. Тя показва практическа посока за персонализация на агенти, която трябва да бъде оценявана чрез последващите резултати, а не като обещание, че грешките вече няма да се повтарят.

Източници
Self-improving skills — 2026-11-18
Agent Skills Overview - Agent Skills

Статия в SIExpo.bg: https://siexpo.bg/article/perplexity-brain-personal-skills-evidence-checks-2026
 
OpenAI отчита повече самостоятелно завършени изследователски задачи, с неравномерен напредък

Докладът „The jagged frontier“ разглежда как агентите участват в AI разработката. Човешката намеса и изборът на задачи остават част от обяснението.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

openai-jagged-frontier-research-acceleration-evidence-2026-97354af8c4fdded7.jpg


OpenAI публикува на 18 ноември нов доклад за използването на агенти в собствената си изследователска работа. За задачи, оценени като два до четири часа човешки труд, вътрешната оценка за успех без човешка намеса нараства от 23% през март до 46% през октомври. Авторите предупреждават, че се променя и подборът на делегираните задачи. Данните показват неравномерен напредък, а не изчезване на човешката роля.

Защо сравняването изисква внимание

Независимият контекст идва от METR, но за друга организация. В оценка от 5 ноември изследователите разглеждат ускоряването на AI разработката в Anthropic и подчертават голямата несигурност. Значителна част от най-информативните им доказателства е редактирана от компанията. Този труд показва колко трудно е да се оцени целият процес, без да потвърждава конкретните стойности в новия доклад на OpenAI.

Нашият прочит е, че „задача без намеса“ трябва да бъде определена преди сравняването. Ако един месец агентите получават кратки и добре описани проблеми, а друг — по-сложни, суровият процент смесва няколко промени. Обратно, по-доброто предварително формулиране на задачата може да помогне, дори основният модел да е същият.

Полезно е да се разграничат подготовката, изпълнението и приемането. Човек може да е подбрал входовете и критерия за успех, след което агентът да работи самостоятелно. Накрая отново може да е необходим преглед. Без това разделение думата „автономно“ лесно придобива по-широк смисъл от действително измереното.

От повече активност до повече знание

Условен екип може да пусне два пъти повече експерименти и въпреки това да не получи два пъти повече полезни изводи. Част от опитите могат да повтарят една идея или да бъдат отхвърлени при проверка. Това е наш аналитичен пример, не допълнителна статистика за OpenAI или Anthropic.

За собствено проследяване бихме записвали не само броя на изпълненията, а и колко резултати са приети, колко са преработени и защо. Отделна колона за човешки преглед би показала дали времето просто се е преместило от писане към проверяване. Целта е да се разбере завършеният работен процес, вместо да се награждава само видимата активност.

Какво следва от доклада

Публикуването на методи и ограничения дава по-полезна отправна точка от едно общо твърдение за ускорение. За читателя важният въпрос е кои части от работата вече могат надеждно да бъдат делегирани и кои остават тесни места. Отговорът може да е различен за писане на код, анализ и планиране.

SIExpo не е възпроизвеждал вътрешните оценки. Новината е наличието на по-конкретни данни за реална употреба в лабораторията, с ясно посочени граници. Те подкрепят разговор за променящата се организация на изследванията, без да установяват, че AI вече сам управлява целия научен цикъл.

Източници
OpenAI — Research acceleration: The jagged frontier — 2026-11-18
Independent Assessment of AI R&D Acceleration at Anthropic in October 2026 - METR — 2026-11-05

Статия в SIExpo.bg: https://siexpo.bg/article/openai-jagged-frontier-research-acceleration-evidence-2026
 
OpenAI и AMD насочват AI към описанието на чиповете, но проверката остава решаваща

Новият разбор на OpenAI отчита подобрения в GPU блокове чрез промени в RTL. Значението е в съчетаването на предложенията на модела с инженерни проверки.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

openai-amd-chip-design-rtl-verification-2026-39677bd2fe28c95e.jpg


OpenAI публикува на 18 ноември разбор за използването на своите модели при проектиране на чипове. Компанията съобщава за до 14% подобрение по показатели за мощност, производителност и площ при вече оптимизирани GPU блокове на AMD. Предложенията променят SystemVerilog RTL, а инструменти на Synopsys проверяват поведението. Това са отчетени от участниците резултати за конкретни блокове, не обещание за същото ускорение на цял графичен процесор.

Какво се променя в инженерната работа

RTL описва хардуерното поведение и движението на данните между регистри. Полезна опора за този контекст е документацията на Ibex: отворено 32-битово RISC-V ядро, написано на SystemVerilog, с отделни ръководства за интеграция, устройство и проверка. Такива достъпни проекти позволяват да се изследва конкретна конструкция, вместо да се разчита само на общо твърдение за „по-умен“ модел.

Като предистория, на 30 септември Synopsys обяви сътрудничество с OpenAI за GPT-Synopsys — модел, насочен към работа с инструментите за електронно проектиране. Партньорското съобщение описва посока на развитие. То не е доказателство, че универсална автономна система вече може да замени всички етапи на проектирането и приемането на чип.

По-малко логика не е достатъчен критерий

Нашият редакционен прочит започва от ограничението на задачата. Ако се търси по-малък блок, трябва да е ясно кои функции се запазват и кои работни натоварвания се оценяват. Решение, което изглежда по-икономично при една проверка, може да не е приемливо за друга конфигурация. Затова числото има смисъл заедно с базовия вариант, условията и проверките.

Представете си условен изчислителен блок, в който два последователни етапа могат да споделят част от логиката. Идеята може да намали повторението, но инженерът трябва да провери времето на работа, допустимите входове и поведението при гранични случаи. Примерът е обяснение на компромис, не допълнителен резултат от изследването на OpenAI.

За собствен пилот бихме отделили създаването на кандидата от приемането му. Моделът предлага промяна; фиксирани проверки оценяват дали запазва изискванията. След това резултатите се сравняват при един и същ набор от ограничения. Ако проверка се провали, това е отхвърлен кандидат, дори картинката за площта да изглежда обещаващо.

Къде е практическата стойност

За екипите по хардуер новината е за разширяване на пространството от предложения, които могат да бъдат проверени. Въпросът не е само колко бързо се генерира код, а колко приемливи решения стигат до следващия инженерно потвърден етап. Разходът за оценяване също участва в тази сметка.

SIExpo не е възпроизвеждал тестовете и не разполага с независими измервания на посочените GPU блокове. Същественото в съобщението е конкретният работен цикъл между предложения, ограничения и проверка. Той е по-информативен за бъдещите приложения на AI в хардуера от едно общо обещание за автоматично създаване на процесори.

Източници
OpenAI — Advancing chip design with OpenAI models — 2026-11-18
Ibex: An embedded 32 bit RISC-V CPU core — Ibex Documentation 0.1.dev50+gf5b143929 documentation
Synopsys — September30 GPT-Synopsys partnership — 2026-09-30

Статия в SIExpo.bg: https://siexpo.bg/article/openai-amd-chip-design-rtl-verification-2026
 

Горе