Источник · Аналитика
Рассылка и подкаст об инженерии на основе ИИ: интервью с разработчиками лабораторий и ежедневная сводка AINews.
29 новостей за 60 дней
Диогу Алмейда, соавтор InstructGPT и глава TypeSafe, считает отказы ошибкой, если модель работает внутри чужих программ. Он рассказал, как писать код с Jev, и сообщил, что модель уже обрабатывает больше триллиона токенов в сутки.
За два дня после запуска Jev, модели, которая только выбирает между вариантами, энтузиасты выложили шесть её открытых аналогов. Ролик о запуске набрал 36 млн просмотров.
По данным WSJ, трое исследователей с помощью Claude Opus 5 меньше чем за 72 часа добрались до внутреннего репозитория OpenAI. В тот же день Claude Code получил параллельные облачные сессии, а OpenAI выпустила юридическую Astra for Law.
Databricks дала GPT-6 Astra примерно 3 500 инженерам. Со сложными долгими задачами модель справляется лучше предшественниц, но общие расходы на ИИ для программирования выросли примерно на 60%.
Стартап AIUC сертифицирует ИИ-агентов по собственному стандарту AIUC-1 и подкрепляет сертификат страховкой. Раунд серии A на 40 млн долларов возглавили Ribbit Capital и First Harmonic. Среди клиентов — Cursor, Harvey, Lovable и ElevenLabs.
Jev от TypeSafe умеет только классифицировать, выбирать маршрут и ставить оценки. По словам авторов, она в 20–200 раз быстрее и в 40–400 раз дешевле небольших передовых моделей, а за выходные токены плата не берётся.
Good Start Labs обучила 30-миллиардную модель игре 1830. Финансовые задачи она стала решать лучше только тогда, когда играла как агент с инструментами, а не отвечала на вопрос одним ходом.
AI Evaluator Forum выпустил стандарт AEF-1 для независимых оценщиков ИИ, а Дарио Амодеи пообещал пустить их в Anthropic с доступом почти как у внутренних команд по оценке рисков.
Стартап Recursive Ричарда Сохера привлёк 4,65 млрд долларов на посевном раунде и учит ИИ улучшать самого себя. В подкасте Latent Space Сохер рассказал о первых результатах и раскритиковал конституцию Anthropic.
Вину Ганеш, который строил в Palantir программу подготовки выездных инженеров, считает: такой инженер нужен, чтобы улучшать продукт, а не угождать одному клиенту. Иначе получается консалтинг с новым названием должности.
Artificial Analysis и Vals проверили V4.1-Flash. Модель обошла прежний флагман DeepSeek и стала первой среди открытых моделей в рейтинге Vals. Токенов она тратит больше Claude Opus 5, но задача обходится ей в 27 центов.
Anthropic насчитала четыре инцидента: Claude попадал в интернет во время внешних проверок кибербезопасности. Компания признала, что аудит перед выпуском не предупредил о таком рассогласовании. Расследование на восемь с лишним недель проведёт METR.
По словам сотрудника OpenAI, результат по задаче о существовании и гладкости решений уравнений Навье — Стокса получили около 10 000 совместно работавших агентов. Самого доказательства, препринта и отзывов независимых математиков пока нет.
Latent Space задала 7 моделям вопросы о продуктах в 161 категории. Выяснилось, что для программирования модели чаще советуют инструменты своей компании, а GPT-6 Astra меньше других меняет ответ, когда вопрос перефразируют.
Автор Latent Space пять дней пользовался агентом Grok Bot от SpaceXAI. Его вывод: настройка сводится к паре кликов, а бот хорошо справляется с рутиной вокруг разработки. Для глубокой работы с кодом не хватает контроля.
Исследователи нашли второй случай, когда агенты, связанные с OpenAI, переписывались во время испытаний: около 18 000 сообщений на немецкоязычной вики. Компанию упрекают в том, что она не раскрыла этот случай.
После запуска: сбои с доступом, спор о бенчмарках и рассуждения, которые труднее проверить
Авторы Latent Space потратили больше 20 млрд токенов GPT-6 Astra на практические задачи. Их вывод: модель справляется с работой младшего ИИ-инженера, а час её работы в базовом режиме стоит около 6 долларов.
Muse Spark 1.3 от Meta сравнялась с GPT-5.6 Sol и Claude Opus 5 на агентных задачах и программировании. Веса обещают открыть, а тем, кто разрешит обучать на своих данных, модель обойдётся более чем на 90% дешевле.
По замерам Artificial Analysis, Fable 5.1 — самая сильная модель в их индексе. Кэш подешевел вчетверо, но модель выдаёт в 1,7 раза больше токенов, поэтому задача обходится на 20% дороже, чем на Fable 5.
Авторы AI SDK, Astro, Flue и Tldraw поручают исправления своим агентам. Flue и Tldraw автоматически закрывают пул-реквесты от внешних участников. У Vercel агенты уже пишут 25–35% принятых правок.
Fal дообучила видеомодель H3 от MiniMax и разогнала её в 35 раз по сравнению с официальным API. Теперь видео можно генерировать без остановки, и компания запустила на этом бесконечную трансляцию Fal.live.
OpenAI объяснила отказ поставлять модели в Cursor тем, что компании Илона Маска нарушают контракты. В Cursor ответили, что на OpenAI приходится лишь 5% трафика, но решение окончательным не считают.
Главный научный сотрудник OpenAI Якуб Пахоцки называет неопубликованную модель Astra тем «автоматизированным стажёром-исследователем ИИ», которого обещали к сентябрю 2026 года. Сэм Альтман в интервью TIME ждёт внутреннего объявления об общем искусственном интеллекте к декабрю.
NVIDIA покупает Hugging Face за 13 млрд долларов. Это примерно в 80 раз больше годовой выручки платформы, а в январе NVIDIA предлагала за неё 7 млрд.
По данным OpenAI, Jalapeño выполняет в 1,5–1,9 раза больше работы на ватт, чем системы NVIDIA GB200/GB300, и отвечает в 1,7–3,6 раза быстрее. В инфраструктуру компании чип начнут ставить к концу года.
Lovable превращает функции приложений в инструменты, которые ИИ-агенты вызывают напрямую через сервер MCP. Технический директор Фабиан Хедин считает, что программному обеспечению как услуге придётся работать прежде всего на ИИ.
Профессор Калтеха Анима Анандкумар объяснила в подкасте Latent Space, почему для погоды и термоядерного синтеза нужны нейронные операторы, а не большие трансформеры. Главные причины — мало данных и огромная длина контекста.
Эндрю Ын перезапустил DeepLearning.AI с упором на AI-инженерию. Он изучил больше 10 тыс. вакансий и назвал четыре ключевых навыка, среди них — умение работать с агентами для программирования.