источник · аналитика · 67 новостей за 60 дней
Рассылка и подкаст об инженерии на основе ИИ: интервью с разработчиками лабораторий и ежедневная сводка AINews.
Повторы подтвердили: новейшие модели пишут веса, то есть числа внутри крошечных нейросетей, но языковая модель Qwen прибавила в математике в основном потому, что реже зацикливается.
GPT-6 Astra без обучения поправила 0,016% весов (числовых параметров) маленькой нейросети Qwen: результат в математическом тесте вырос с 7,9% до 48,1%, потому что та реже зацикливается.
Команда из трёх инженеров и трёх юристов создаёт тестовые среды по образцу клиентских задач, поскольку разработчики не могут читать записи работы агента.
ИИ-режим поиска Google AI Mode приносит меньше денег с запроса; Latent Space связывает падение акций на 15% и с другими результатами отчётности.
Сторонние замеры ставят новую модель Google выше Claude Opus 5.5 и GPT-6 Astra в сводном индексе, но в программировании она им уступает.
DecoyCount ловит модели, которые называют ожидаемое число вместо подсчёта: GPT-6 Astra верно ответила на 43% вопросов, Glimpse стартапа Elorian, по его замеру, — на 50%.
Ведущий подкаста Latent Space проверил, что советуют ИИ-модели для серверной части приложений: почти всегда Supabase. По словам основателей, чем больше приложений с Supabase собирают ИИ-агенты, тем чаще новички доходят до работающего приложения.
Феликс Ризеберг больше не даёт кандидатам в свою команду задачи на код: Claude, по его словам, решает их лучше. Новичкам он советует показывать прототипы.
Руководители платформы Anthropic для разработчиков рассказали в подкасте Latent Space, как переписали API Claude на Rust, почему агент Claude не видит паролей и ключей к сервисам пользователя и где фильтры безопасности ошибаются.
В проспекте Anthropic — 974 млн долларов операционной прибыли за квартал; почти половина выручки идёт через облака Amazon, Google и Microsoft, а платить за вычисления компания обязалась на годы вперёд.
Сооснователи Supabase говорят, что сервис уже создаёт 5 млн баз данных в месяц, ждут миллиардов из-за ИИ-агентов и готовят под этот рост маленькие базы Spark.
По замерам Artificial Analysis, уже вышедшая модель Moonshot AI отстаёт от лидера рейтинга Claude Opus 5.5 на три балла, а её веса компания обещает открыть к 4 ноября.
Автор Latent Space считает, что ИИ сильнее всего в задачах, где нужно мало озарений и много тяжёлой работы: проверка идеи стоит модели минут, а человеку месяцев.
За 21–22 октября раскрыли больше десятка опасных уязвимостей и взломов: часть уязвимостей нашли с помощью ИИ, а в некоторых атаках хакеры применили ИИ-агентов; скептики напоминают, что большинство нашли раньше.
По словам главы облачной компании Modal, выручка от песочниц — сред, где ИИ-агенты запускают свой код, — растёт на 30% в месяц, а обвала цен на видеокарты он боится больше, чем их роста.
Две критические уязвимости в самом PHP позволяют без входа в систему запустить свой код на сайте; их независимо нашли исследователь фирмы по кибербезопасности Calif с GPT-5.6 Sol и команда Wiz из Google Cloud.
По опыту инженера Дэна Макатира, моды — пользовательские плагины к ИИ-агенту для программирования Claude Code — помогают не пропустить важное в его работе, но шумят, тратят токены и получают все права пользователя.
Час работы одного ИИ-ускорителя приносит DeepSeek 38 долларов по ценам для часов низкой нагрузки. Если этот час обходится компании в 5–10 долларов, после таких расходов остаётся 74–87% выручки.
Из сотни крупных компаний, с которыми общается консалтинговая фирма Tenex, ИИ-модель дали сотрудникам 90%, а ИИ-агентов, которые сами делают офисную работу, запустили около 5%.
Площадка SF Compute выставила на открытые торги 5% своих мощностей, а её глава предупреждает: индексами цен аренды видеокарт, к которым привязывают контракты без поставки, легко манипулировать.
DeepSeek обновила дешёвую открытую модель V4.1 Flash: цена прежняя, а в независимых тестах модель стала сильнее в задачах агентов и реже выдумывает.
Ник Каммарата годами считал, что нейроны моделей ИИ отвечают сразу за несколько несвязанных понятий. Теперь он утверждает, что большинство нейронов делает одно понятное дело и модели можно читать изнутри.
Оценка Modal, облака для ИИ-моделей и агентов, за пять месяцев выросла более чем втрое; выручка в пересчёте на год превысила 1 млрд долларов.
OpenAI, Anthropic, Two Sigma и Bloomberg советуют финансистам не множить запреты для ИИ-агентов, а выбирать, где агента проверяют правила или человек.
В средах Minos от Leash Bio ИИ-агенты ищут молекулы, связывающиеся с белком, — выбирают 100 из миллионов и получают результаты заранее проведённых опытов; сильные модели чаще бросают тупиковые направления.
Модель Google по сводному индексу Artificial Analysis не уступает GPT-6 Astra и по вводным ценам выполняет задания тестов дешевле, но в тесте разработчика Тео Брауна больше половины её утверждений о коде оказались ложными.
Модель Dyna-2 сначала предсказывает, что робот увидит дальше, и только потом выбирает движение. Чтобы освоить новое дело, ей хватает записей длиной от десятков минут до пары часов, где человек выполняет задачу, управляя роботом.
Muse Wonder Full от Meta набрала в индексе Artificial Analysis 56 баллов против 58 у Claude Opus 5.5, а в рейтинге агентов для кода обошла её.
В Claude Managed Agents, облачном сервисе Anthropic для ИИ-агентов, модель сама пишет программу, которая делит задачу между агентами, до тысячи за запуск. Это дороже, чем один агент, но тщательнее.
Производитель роботов-манипуляторов Standard Bots держит ИИ-модели небольшими, запускает их прямо в цехе и исправляет редкие сбои несколькими десятками примеров с заводов.
Стартап TypeSafe закрыл раунд во главе с Andreessen Horowitz через три недели после выхода модели Jev. Оценка оказалась ниже 10 млрд, о которых писали в сентябре.
По словам Пушмита Коли из Google DeepMind, AlphaFold учили повторять структуры белков из базы данных, а как белки двигаются и меняют форму, ещё предстоит понять.
Трое уволенных исследователей считают, что пострадали за то, что ставили безопасность ИИ выше сиюминутных интересов OpenAI. Компания, по сообщениям, обвиняет их в нарушениях при работе с конфиденциальной информацией.
Periodic Labs учит модели на данных своей роботизированной лаборатории, включая неудачные опыты, и надеется за месяц перебирать столько веществ, сколько учёные проверяли за всю карьеру.
В тестах Artificial Analysis Haiku 5.5 реже GPT-6 Luna выдумывает ответы и лучше работает в командной строке, но отстаёт в автоматизации и тратит больше токенов.
OpenAI выложила 722 статьи, где её закрытая модель предлагает решения открытых математических задач: одни математики называют это историческим событием, другие требуют показать модель и запросы.
Модель на 501 млрд параметров обучили в США с нуля. По оценкам наблюдателей, она держится на уровне китайской GLM 5.2, но уступает более новым китайским моделям.
Крис Ола из Anthropic предлагал отказаться от участия в презентации энциклики — папского послания, отрицающего сознание у ИИ, — а потом его команда убеждала советников папы не закрывать вопрос, пишет NYT.
Открытый агент Pi для программирования дошёл до версии 1.0, а вместе с ним вышел Pi Durable — фреймворк для агентов, которые после сбоя продолжают работу.
Алекс Чжан считает, что агенты для программирования собраны по одной схеме, а в его схеме RLM модель работает с данными через код, поручает подзадачи своим копиям и легче переносит навыки на новые задачи.
* Meta Platforms Inc., которой принадлежат Facebook и Instagram, признана в России экстремистской организацией, её деятельность запрещена.