Короткие заметки по суперкомпьютерам
Наконец-то: В МГУ появился мощный суперкомпьютер для работы с ИИ. Что о нем известно?
Хоть он и создавался только для ИИ, это все равно потрясающая новость. 
Надо пробовать во все отечественные институты, где появляются суперкомпьютеры, писать письма, что у нас есть отечественные проекты RakeSearch и SiDock и чтобы они бы хоть 1 процент от мощности выделили бы на отечественные проекты.
Цитата: Yura12 от 11.09.2023, 07:46Надо пробовать во все отечественные институты, где появляются суперкомпьютеры, писать письма, что у нас есть отечественные проекты RakeSearch и SiDock и чтобы они бы хоть 1 процент от мощности выделили бы на отечественные проекты.
Во-первых - не дадут. Во-вторых - смысл в том, чтобы задействовать простаивающие ресурсы обычных ПК. Да, на суперкомпьютерах они тоже могут быть в виде отдельных простаивающих узлов, но было бы намного больше пользы, если бы просто больше людей подключали свои ПК. Но вот казалось бы, самая что-ни есть заинтересованная в этом часть аудитории - научные сотрудники, этого-то и не делает. Причём так везде.
Тут какой-то новый суперкомпьютер собрали в сибирях.
Суперкомпьютер, занимающий один шкаф - это, конечно, внезапно
Небольшой институтский кластер. Вполне нормально. Если от него будет реальные результаты, то появятся деньги и на более мощный.
В TOP 500 новый лидер - El Capitan. Как и Frontier на AMD APU, но Instinct MI300(A) могут составлять вычислительный узел без обычного CPU что делает архитектуру суперкомпьютера более однородной. И сверх-ЭВМ снова начинают отрываться по своей архитектуре от обычных персональных компьютеров (хотя первые APU такого вида были представлены именно в сегменте персоналок!).
Впечатляет и то, что 1051392 ядер CPU были набраны не за счёт самых больших по числу ядер моделей, а за счёт именно тех 24 ядер, что входят в Instinct MI300A. То есть этот кластер ещё и просто очень большой по числу узлов - 10592. Но, видимо, на нём будет считаться только то, что хорошо ложится на GPU. Для всего остального возможным исследователям надо будет искать кластер из CPU.
Что думаете по этому поводу:
Прорыв к отказоустойчивым квантовым компьютерам: учёные впервые очистили магические состояния
Визуализация открытия.
Команда учёных из компании QuEra Computing, Гарварда и MIT объявила о прорыве на пути к созданию мощных и отказоустойчивых квантовых компьютеров. Впервые в истории им удалось экспериментально провести «дистилляцию магических состояний» — ключевой процесс для выполнения сложных вычислений — на основе защищённых от ошибок логических кубитов.
Для выполнения любых, а не только базовых, задач квантовому компьютеру необходимы специальные ресурсы — так называемые «магические состояния». Однако их создание подвержено ошибкам. Продемонстрированный учёными процесс дистилляции, или «очистки», решает эту проблему: он позволяет из нескольких несовершенных, «шумных» состояний получить одно — высокого качества, с минимальным уровнем ошибок. Это открывает дорогу к универсальным квантовым вычислениям.
Главная новизна эксперимента заключается в том, что дистилляция впервые проведена не на обычных, физических кубитах, а на логических. Логический кубит — это система из нескольких физических кубитов, которая способна самостоятельно обнаруживать и исправлять ошибки. Успешно реализовав протокол на своём квантовом компьютере Gemini, исследователи доказали, что вся цепочка — от защиты информации до создания ресурсов для сложных вычислений — может работать как единый отказоустойчивый механизм.
Это достижение устраняет один из ключевых барьеров на пути к масштабированию квантовых систем. Оно на практике подтверждает жизнеспособность теоретических концепций, разработанных два десятилетия назад, и доказывает, что создание мощных и одновременно надёжных квантовых компьютеров является достижимой инженерной задачей. Прорыв приближает эру, когда квантовые вычисления смогут решать практические задачи, недоступные классическим суперкомпьютерам.
Собираем домашний LLM‑сервер
Неделя вышла плотной, писал мало. Исправляюсь: поизучал «настольный» DGX Spark от Nvidia. Мини-компьютер как базу для домашнего LLM‑сервера .
Короткий вывод: Spark — это про объёмные модели, а не про скорость генерации. Для повседневного офлайнового инференса компактнее и быстрее обычный ПК или мини‑ПК + внешний док под десктоп‑GPU. Выйдет быстрее и дешевле.
Почему так
– У Spark 128 ГБ унифицированной памяти, поэтому влезут большие модели. Их ещё можно объединять в ферму по оптике (кабель 15000₽), а значит доступной памяти станет больше. Для сравнения у RTX 4090 будет 24GB, у 5090 будет 32 ГБ.
– Но память LPDDR5x ~273 ГБ/с — скорость памяти станет узким местом для быстрой работы ИИ. Для сравнени RTX 5090 используется GDDR7 с ~1.8 ТБ/с, почти на порядок быстрее.
– Цена: Spark — $3 999. За те же деньги можно укомплектовать мини‑ПК + док + 5080 (а если повезёт — и 5090), получив почти на порядок более высокую скорость работы ИИ.
– Spark логичен, когда нужна ёмкость: дообучение (LoRA/QLoRA) и работа с большими моделями 70b–200b
Альтренативы для дома:
🛠️ Beelink GTi‑линейка + EX Pro Dock (прямой PCIe 5.0 ×8, БП 600 Вт
🛠️ GPU:
– RTX 5090 — максимум по скоростям, но близко к лимиту по питанию дока и может не влезть по размерам, надо смотреть по производителю
– RTX 5080 — проще по теплу/ваттам, 16 ГБ достаточно для 8–14и моделей и аккуратно подобранных 30–33b моделей
Вывод
Для «домашнего/офисного» LLM‑сервера я бы не покупал Spark. Скорее — мини‑ПК + док + 5080/5090 или собирал бы обычный домашний компьютер. Spark нужен тем, кому важнее влезть в очень большие модели или обучать их. Пусть и медленно
Загруженные файлы:
Опыт: Кнут работал несколько недель. Claude решил задачу за час.
«Шок! Шок! Я узнал вчера, что открытая задача, над которой я работал несколько недель, только что была решена Claude Opus 4.6.»
Это написал 28 февраля 2026 года Дональд Кнут — лауреат премии Тьюринга, создатель TeX и «Искусства программирования». Вчера Reddit нашёл статью — и тред взорвался.
Задача была про куб из m³ точек: нужно нарисовать три маршрута, каждый из которых проходит через все точки ровно по одному разу, не повторяя ни одну, — и найти правило для куба любого нечётного размера. Формально: разбиение вершин m³-вершинного ориентированного графа на три Гамильтонова цикла для всех нечётных m > 2. Кнут работал над этим несколько недель.
Коллега Кнута Filip Stappers провёл с Claude около 31 итерации за примерно час. Не один промпт — управляемый процесс: модель пробовала brute force, serpentine-паттерны, fiber decompositions, simulated annealing, заходила в тупики и меняла стратегию. На 31-й — рабочая конструкция.
Паттерн нашёл Claude — доказательство написал Кнут. Он верифицировал результат, обобщил и вывел строгое математическое доказательство сам. Конструкция переоткрыла код Грея — классическую структуру в комбинаторике. Существует ровно 760 таких разложений, она работает для всех нечётных чисел до 101.
«Какая радость — не только узнать, что моя гипотеза имеет красивое решение, но и отпраздновать этот драматический прогресс в автоматическом выводе и творческом решении задач.»
— Дональд Кнут, «Claude's Cycles», 28 февраля 2026
Статью Кнут назвал в честь модели. И добавил: «Похоже, мне придётся пересмотреть своё мнение о генеративном AI в один из этих дней.»
Кнут 50 лет учил людей думать алгоритмически. Теперь алгоритм удивил его самого.
— Когда скептик пересматривает мнение письменно — это не реклама, это данные. • Лера