✔️ Anthropic даёт стартапам год Claude Team и 1000 долларов на API

Программу Claude for Startups расширили - участникам полагается год тарифа Claude Team на пять премиальных мест и 1000 долларов кредитов на разработку с Claude.

Этим шагом компания стремится переманить разработчиков и фаундеров на ранних стадиях, напрямую конкурируя с программами поддержки от OpenAI и облачных гигантов Microsoft Azure и AWS.

К участию допускаются проекты, основанные в течение последних пяти лет. Подать заявку можно на странице программы Claude for Startups.
techcrunch.com

✔️ Google открыла веб-платформу генерации браузерных игр

Платформа Playground, запущенная в рамках партнерства Google и Unity, предоставляет возможность генерации браузерной игры по текстовому запросу с настраиваемой физикой, правилами механики, окружением и внешним видом персонажей. Созданную игру можно запустить в мобильном или десктопном браузере.

В сервис встроены публичная галерея проектов, лидерборды и мультиплеер для некоторых жанров. В будущем заявлена интеграция с Unity Spark. через который можно будет экспортировать текстовые наработки в движок Unity для добавления 3D-графики и игровой логики.

На старте Playground доступен пользователям из США. Лимиты на генерацию зависят от уровня подписки Google One.
blog.google

✔️ Nous Research представила бенчмарк оценки эффективности и стоимости агентов

Исследовательская группа собрала Hermes Index, публичный лидерборд для сравнения языковых моделей внутри фреймворка Hermes Agent при максимальной глубине рассуждения.

Итоговый балл формируется на основе четырёх тестов: Terminal-Bench 4, Terminal-Bench Science, SkillsBench и нового набора Hermes Bench. В последнем агент выполняет 150 разноплановых задач в реальном рабочем пространстве, оперируя файлами и внешними инструментами.

Первое место заняла Claude Opus 5.5 с расходом около $5 на задачу, опередив GPT 6 Astra, которая показала второй результат, но оказалась самой дорогой в рейтинге - $11,6. Тройку замкнула Sonnet 5.5 ($2,8).

В бюджетном сегменте на границу Парето вышли DeepSeek V4.1 Flash (36,91 балла при 26 центах за задачу) и GPT6 Luna (14 центов). Они стали наиболее выгодными с точки зрения баланса цены и продуктивности.
nousresearch.com

✔️ ElevenLabs запустила инструмент сборки и отладки голосовых агентов через диалог

Открылось альфа-тестирование специализированного ассистента Architect, помогающего создавать, конфигурировать и оптимизировать голосовых агентов с помощью текстовых или голосовых команд.

Инструмент понимает логику, структуру баз знаний, настройки синтеза речи и системных промптов. Ему достаточно передать системе лог сбоя, статистику эскалаций на операторов или общий запрос на улучшение, после чего Architect самостоятельно выполнит анализ транскриптов, выявит узкие места и предложит готовые решения.

Все предложенные обновления фиксируются в виде версионируемых черновиков и применяются в продакшене только после ручного подтверждения.

Architect доступен внутри ElevenLabs и в Cursor, Claude Code, ChatGPT и Grok Bot.
elevenlabs.io

✔️ Boston Dynamics показала новые манипуляторы для Atlas под ручной инструмент

Новинка получила 13 степеней свободы - четыре оси на противопоставленном большом пальце и по три на остальных. Инженеры отказались от мизинца для упрощения кинематики и снижения себестоимости. Конструкция позволяет удерживать дрели, горелки и пневмопистолеты с возможностью нажатия на курок.

Механика построена на закрытых электроприводах прямого действия без тросовых тяг и выдерживает нагрузку свыше 45 кг. Подушечки пальцев и ладонь оснащены матрицами тактильных датчиков давления.

Аппаратная часть оптимизирована под sim2real. Точная проприоцепция минимизирует динамическую погрешность при моделировании - манипулятивные политики обучаются через RL в симуляции и напрямую переносятся на физического робота.
bostondynamics.com


@ai_machinelearning_big_data

#news #ai #ml

📌Baseten выпустила бесплатный учебник по инженерии инференса

Платформа, которая хостит модели Cursor, Notion и Harvey, выложила в открытый доступ книгу Inference Engineering за авторством Филипа Кайли. который четыре года работает в Baseten и написал её по интервью с инженерами компании и собственным докладам.

Среди рецензентов - автор FlashAttention Три Дао.

Книга собирает в одном месте путь от выбора модели и GPU до мониторинга работающего сервиса.

Baseten основана в 2019 году тремя выходцами из Gumroad, четвёртым сооснователем стал Панкадж Гупта из Uber.

Компания продаёт выделенные развёртывания открытых и собственных моделей клиентов, готовые Model APIs и инфраструктуру для дообучения, а также развивает открытый фреймворк упаковки моделей Truss.

Восемь глав объясняют, как сформулировать требования к продукту, как устроены модели и где они тормозят, прежде всего в механизме внимания, разбирают GPU NVIDIA поколений Hopper и Blackwell и программный уровень, от CUDA и PyTorch до движков vLLM, SGLang, TensorRT-LLM и Dynamo.

Отдельные главы посвящены методам ускорения, моделям для речи, изображений и видео, а также эксплуатации - от автомасштабирования и батчинга до постепенной выкатки новых версий.

Новичку книга даёт карту области и порядок действий - как определить задачу, бюджет задержки, стоимости и подобрать модель, а в последующем заняться оптимизацией.

Базовые понятия вроде предзаполнения, декодирования и KV-кэша объяснены с нуля, а незнакомые термины можно найти в глоссарии.

Опытным инженерам будут интересны пороги и практические правила. Для каждой техники ускорения автор объясняет, как она устроена, при каком трафике и размере модели окупается и чем рискует качество ответов.

Отдельно сравниваются движки инференса и разобраны задачи эксплуатации, которые обычно приходится решать методом проб и ошибок.

Последний раздел посвящён продуктам компании, а оборудование рассматривается почти целиком на примере NVIDIA, другим ускорителям отведено около двух страниц.

🔜 Запросить книгу бесплатно в форматах PDF, EPUB или аудиоверсию


@ai_machinelearning_big_data

#AI #ML #Inference #Book #Baseten

✔️ Организатора схемы накрутки ИИ-музыки приговорили к 18 месяцам тюрьмы

Федеральный суд США назначил полтора года тюремного заключения фигуранту первого уголовного дела о мошенничестве со стриминговыми сервисами с применением генеративного ИИ.

Злоумышленник загружал в каталоги платформ Spotify и Apple Music сотни тысяч сгенерированных треков, после чего симулировал прослушивания через распределённую сеть бот-аккаунтов для получения роялти.

Чтобы обходить антифрод стримингов, схема опиралась на дробление трафика - боты распределяли фиктивные стримы тонким слоем по огромной библиотеке композиций, не поднимаясь выше триггеров аномальной активности для единичных треков.

Прецедентный приговор подсветил уязвимость традиционных эвристик безопасности платформ и вынудил их ускорить внедрение поведенческого анализа и систем выявления синтетического контента в реальном времени.


@ai_machinelearning_big_data

#news #ai #ml

✔️ Meta*, DeepMind и Isomorphic Labs присоединились к проекту симуляции живых клеток

Некоммерческая научно-исследовательская организация Biohub семейного фонда Цукербергов расширила программу Virtual Biology Initiative для симуляции клеточных процессов in silico.

К проекту присоединились Google DeepMind, Meta и Isomorphic Labs Демиса Хассабиса. Общий бюджет консорциума достиг $1,8 млрд.

Задача партнерства - создать фундаментальные модели для предсказания отклика клеток на лекарственные препараты до проведения клинических экспериментов.

Для обучения модели требуются датасеты на триллионы записей и первую партию верифицированных данных планируют собрать до конца 2027 года, а готовую архитектуру представят в течение пяти лет.

Техногиганты выделяют на проект $300 млн. Министерство энергетики США направит более $500 млн на вычислительные мощности, а Национальные институты здравоохранения предоставят накопленные биологические базы.

Результаты исследований и датасеты откроют для научного сообщества. Коммерческие участники консорциума получат годичный эксклюзивный доступ к данным, собранным на их средства.

*организация признана экстремистской, её деятельность на территории РФ запрещена.

@ai_machinelearning_big_data

#news #ai #ml

📌 Кейноут Windows and Surface event

На осенней презентации 7 октября Microsoft рассказала о своих новинках и планах.

Встроенная в Windows 11 песочница Microsoft Execution Containers (MXC), которая на уровне системы ограничивает, к каким файлам и сетям допущен агент, вышла из предварительной версии.

Вместе с ней компания показала маршрутизацию задач между локальными и облачными моделями, новый Copilot и компьютеры на чипе NVIDIA RTX Spark, рассчитанные на запуск локальный моделей.

MXC уже поддерживают Codex от OpenAI, GitHub Copilot, OpenClaw, LM Studio и OpenShell от NVIDIA, следом обещаны Claude Code, Perplexity, Manus и другие агенты.

Действия агента Windows записывает отдельно от действий пользователя, а корпоративные администраторы могут управлять агентами через Intune и Agent 365.

Также Microsoft показала квантованную трёхбитную версию своей кодинг-модели MAI Code 1.1 Flash для запуска на устройствах.

До конца октября GitHub Copilot в CLI, приложении и VS Code научится сам решать, отправить задачу локальной модели или в облако.

В среду выполнения Windows ML добавят llama.cpp для запуска открытых моделей.

Ноутбук Surface Laptop Ultra на RTX Spark с унифицированной памяти до 128 ГБ будет стоить от 2599 долларов и поступит в продажу 16 октября, свои компьютеры на этом чипе готовят Asus, Dell, Lenovo, HP и MSI.

Мини-ПК Surface RTX Spark Dev Box планируют продавать от 5999 долларов, поставки в США начнутся в ноябре.

До конца года Dell и HP выпустят рабочие станции DGX Station для Windows на суперчипе GB300.


@ai_machinelearning_big_data

#news #ai #ml

✔️ OpenAI начала развёртывание GPT-6 с динамическим интерфейсом

Главное новшество – система Intelligent UI. Вместо статичного текста модель собирает под задачу интерактивные компоненты, от схем и графиков до калькуляторов и мини-игр.

Внутри своя библиотека потоковых компонентов и компилятор, который отрисовывает интерфейс по мере генерации токенов, не дожидаясь конца ответа.

Поменялся и механизм рассуждений, теперь модель чередует скрытые вычисления с генерацией текста и отдаёт частичные результаты без пауз на размышление.

GPT-6 Sol открыта на платных тарифах Plus, Pro, Business и Enterprise, облегчённая GPT-6 Luna придёт на Free и Go.
openai.com

✔️ Google представила автономного агента для корпоративной среды

На конференции Gemini at Work компания анонсировала агента для многодневных инженерных и организационных задач. Работает он как сотрудник, со своей учётной записью, почтой, календарём и хранилищем.

Вычисления идут в облаке, контекст синхронизируется между CLI, Slack и Google Workspace, модели берутся из семейств Gemini и Claude, позже обещана поддержка открытых.

Память разделена на четыре уровня – сессионный, семантический, процедурный и эпизодический, – и это позволяет накапливать знания о внутренних регламентах. К инфраструктуре агент подключается через Git, Jira, BigQuery, Databricks и MCP.

Код запускается в песочницах, действия проходят криптографическую аутентификацию. Тарифы и сроки не раскрыты.
google.com

✔️ Grok Bot научился читать посты в X

Ассистент теперь читает данные платформы напрямую, без платного X API и отдельной авторизации. Так он собирает публикации, сводит отзывы и отслеживает новостные поводы, тогда как августовской версии требовались привязка учётной записи и расход квот API.

Встроенный планировщик позволяет разбирать X по расписанию, структурировать найденное и присылать сводки в чат. Публикация твитов от имени пользователя осталась отдельной функцией и по-прежнему требует настройки авторизованного коннектора.
x.com

✔️ GitHub открыла доступ к локальной песочнице для Copilot

Механизм изолирует автономные действия агентов в VS Code, десктопном приложении и Copilot CLI, закрывая терминальным командам файловую систему хоста, сетевые сокеты, связки ключей и переменные окружения.

Строится он на движке Microsoft eXecution Container, который переводит единые правила безопасности в средства ОС, то есть в bubblewrap на Linux, Seatbelt на macOS и ProcessContainer на Windows. Изоляция не тарифицируется и работает на ресурсах самой машины.

Администраторы могут включить песочницу принудительно и запретить разработчикам менять правила на своих устройствах. Вместе с ней в Copilot CLI появилась маршрутизация запросов к локальным моделям через Ollama и поддержка Microsoft MAI Code Flash для работы без облака.
github.blog

✔️ ByteDance профинансирует ИИ-кино

Компания запустила международную программу Dreamina Originals для авторов полнометражных ИИ-фильмов и сериалов. Команды и студии получат приоритетный доступ к мощностям для работы видеомоделей, инженерные консультации и ресурсы на продвижение.

Авторам полного метра выделят до 15 млн кредитов, а дистрибуцию и подачу работ на кинофестивали ByteDance берёт на себя.

Сериалы с суммарным хронометражем около 100 минут поделены на две категории. Проекты категории S получают неограниченный доступ к токенам на производство, а категории A – до 1 млн кредитов на эпизод и гранты до 10 тысяч долларов на продвижение в YouTube, TikTok и X.

Сама программа – глобальное расширение китайской Dreamina Studio, запущенной в августе, через которую ByteDance выстраивает экосистему контента, целиком созданного нейросетями.
Dreamina AI в X


@ai_machinelearning_big_data

#news #ai #ml

✔️ Odyssey выпустила модель мира Odyssey-3

Новая модель стартапа Odyssey, основанного выходцами из разработки беспилотных автомобилей, по текстовому запросу создаёт интерактивное окружение и в реальном времени просчитывает, как в нём двигаются и взаимодействуют объекты.

Попробовать её можно на сайте компании, вышли две версии, Odyssey-3 с разрешением 832х480 пикселей и Odyssey-3 Pro с разрешением 1280х720.

Модель продолжает видео кадр за кадром с опорой на предыдущие и на ходу принимает команды и запросы, а на каждый фрагмент тратит всего несколько шагов генерации, поэтому успевает отвечать в реальном времени.

По сгенерированному миру можно перемещаться от первого или третьего лица, отдельно управлять камерой и во время генерации добавлять события, на которые сцена реагирует.

Odyssey позиционирует новинку как симулятор для обучения роботов и других физических систем. Поверх неё обучают отдельные декодеры действий и политики управления.

На Physics-IQ Verified, который проверяет, насколько правдоподобно модель продолжает видео с физическими процессами, Odyssey-3 Pro набрала 66,1 балла, это лучший опубликованный результат на этом наборе.

На WorldMark модель заняла первое место в трёх категориях из четырёх, а в генерации реалистичных сцен от первого лица оказалась третьей, уступив Lyra 2.0 и AlayaWorld.

Доступ к API запрашивается через портал для разработчиков, стоимость неизвестна.


@ai_machinelearning_big_data

#news #ai #ml

🔍 Microsoft выпустила модель, которая только принимает решения. В 35 раз быстрее GPT-6 Sol, выходные токены бесплатно

Microsoft-Decision-1 получает запрос и фиксированный набор вариантов и за один проход выдаёт откалиброванную вероятность для каждого. Да/нет, выбор из списка, рейтинг, оценка ответа ИИ или действия агента по рубрике. Внутри Qwen3.5-9B после пост-трейна.

На 36 закрытых бенчмарках, почти 150 тысяч вопросов, модель показала лучшую точность среди LLM и других decision-моделей. По задержке она в 4,5 раза быстрее ближайшего конкурента и в 35 раз быстрее GPT-6 Sol. На перефразированных и перемешанных вариантах решение меняется лишь в 1,3% случаев.

Внутри Microsoft её уже используют. Xbox Research разметили 10 тысяч отзывов с качеством уровня GPT-6 Sol, но в 14 раз быстрее и в 200 раз дешевле. В Copilot модель оценивает ответы агентов в 100 раз быстрее GPT-5.6 Luna.

Цена $0,042 за миллион входных токенов. Уже в Microsoft Foundry, скоро на OpenRouter.

https://commandline.microsoft.com/microsoft-decision-1-model-foundry/

@ai_machinelearning_big_data

#Microsoft

✔️ Anthropic апрувнул все заявки на Claude Code Projects

Все, кто подавался с тарифов Pro и Max - проверяйте.

Для тех кто не в курсе, Anthropic записали видеообзор новой сущности, разработанной на основе Projects, но для Claude Code.

В отличие от стандартных проектов в веб-интерфейсе, которые работают как изолированные базы знаний для чата, Claude Code Projects превращают рабочее пространство в среду для полноценного автономного агента, способного координировать сложную разработку.

@ai_machinelearning_big_data

#news #ai #ml

✔️ Главы ИИ-компаний готовятся к жёсткой реакции властей на крупный инцидент

Руководители ведущих лабораторий проводят закрытые учения, моделируя кризис после крупного инцидента с участием ИИ.

Инсайдеры индустрии ждут крупной кибератаки с отключением банковских систем, связи или энергосетей в ближайшие 6–12 месяцев и считают, что первый же серьёзный ущерб вызовет резкую реакцию общества, а ответственность возложат на создателей моделей.

Кроме стресс-тестов самой защиты лаборатории озабочены политикой и опасаются, что Конгресс США, не разбираясь в деталях, в панике примет радикальные меры.

В OpenAI подтвердили, что проводят такие учения, Anthropic комментировать отказалась.
axios.com

✔️ Создатели модели принятия решений Jev привлекли 870 млн долларов

Раунд стартапа TypeSafe AI возглавил Andreessen Horowitz при участии Sequoia Capital. В команде чуть больше двадцати человек, в основном выходцы из OpenAI, Google и лаборатории Цукерберга.

Несмотря на раннюю стадию, стартап заявил о выходе на чистую прибыль, точных показателей не раскрыв. Единственный его продукт – модель Jev, представленная несколько недель назад.

По словам TypeSafe, она обрабатывает десятки миллиардов токенов в день, набрала больше миллиона пользователей, а тестирует её примерно треть компаний из Fortune 500.

Деньги пойдут на инфраструктуру, найм инженеров и закупку мощностей.
bloomberg.com

✔️ Anthropic выпустила ИИ-сканер уязвимостей для открытого кода

OSS Scanner – бесплатный аудит безопасности открытых проектов, который выполняют модели компании.

Предварительную проверку в отделе ИБ Anthropic отчёты не проходят, зато содержат описание уязвимости, способ её воспроизвести и, если нужно, предложения по правке.

В пилоте участвовали PostgreSQL, wolfSSL, OpenSSL и curl, и, по словам создателя curl Даниэля Стенберга, сканер нашёл одну из самых серьёзных уязвимостей библиотеки за последние годы.

Проекты подключают через пул-реквест в репозитории на GitHub.
anthropic.com

✔️ JetBrains представила открытую модель для кодинг-агентов

Mellum 2.1 – обновление модели на архитектуре MoE с 12 млрд параметров, из которых активны 2,5 млрд.

Этап посттренинга переработан, обучение с подкреплением перенесли в реальные изолированные среды и прогнали миллионы запусков в песочницах. Модель теперь ориентируется в кодовой базе, сама правит файлы и проверяет результат собственными тестами.

Предсказание нескольких токенов разом ускорило генерацию одиночных запросов примерно в 1,6 раза, а под высокой нагрузкой на одном ускорителе H200 модель выдаёт почти вдвое большую пропускную способность, чем Qwen3.5-9B.

Веса лежат на Hugging Face под лицензией Apache 2.0, сборки GGUF для llama.cpp, Ollama и LM Studio обещают выпустить в ближайшее время.
jetbrains.com

✔️ OpenRouter отдала отдел продаж агенту

Инструмент Rasp на собственном движке Ori экономит команде из пяти менеджеров около 600 часов в месяц.

Агент взял на себя оценку заявок, справки перед звонками, выжимки из расшифровок и заполнение CRM, время на одно обращение упало со 103 до 44 минут. По данным компании, цикл закрытия сделок ускорился на 34%, конверсия выросла вдвое.

Расходы на бота упали с 800 долларов у первых прототипов до 30 долларов в день, из которых 18 уходит на инференс модели GLM 5.2.

Снизить стоимость удалось слоем маршрутизации Ori, который сам подбирает модель под подзадачу.
openrouter.ai

@ai_machinelearning_big_data

#news #ai #ml

✔️ Криптоиндустрии пора готовиться к взлому кошельков с помощью ИИ

Исследователь Джастин Дрейк предложил блокчейн-индустрии готовиться к режиму бункера, то есть к массовому переводу средств на новые адреса на случай, если ИИ поможет взломать ECDSA.

На этой схеме цифровой подписи держатся кошельки Bitcoin и Ethereum.

По словам Дрейка, теперь разумно допускать, что ECDSA сломают раньше, чем появятся достаточно мощные квантовые компьютеры, и в худшем случае счёт пойдёт на месяцы.

Взломом он считает возможность за неделю восстановить закрытый ключ на кластере GPU.

Поводом Дрейк называет недавние математические результаты, полученные с помощью ИИ, в том числе 722 работы внутренней модели OpenAI.

Защита, которую он предлагает, опирается на устройство адресов. Пока с адреса не отправили ни одной транзакции, в блокчейне виден только хеш открытого ключа, а восстановить ключ по хешу нельзя.

Первая же подпись раскрывает открытый ключ, и тогда при взломе ECDSA по нему можно вычислить закрытый.

Поэтому Дрейк советует держать средства на адресах, которые ещё ничего не подписывали, а после каждой подписи переводить остаток на новый адрес. Новой криптографии и новых кошельков для этого не нужно.

Крупных игроков, Binance, Robinhood и Tether, он призвал заранее укрепить холодное хранение и при этом предостерёг от паники и спешки.

Сооснователь Ethereum Виталик Бутерин в ответе согласился с Дрейком, но не советует никому срочно переводить средства.

На неудачных миграциях, по его словам, он сам потерял больше денег, чем на взломах.

Бутерин считает, что успехи ИИ в математике могут ударить и по решёточным схемам вроде ML-DSA, которые сейчас считают устойчивыми к квантовым атакам, поэтому в будущем предлагает строить защиту по возможности только на хеш-функциях.

Ни одной практической атаки на ECDSA пока не известно, предупреждение Дрейка - оценка рисков.

@ai_machinelearning_big_data

#news #ai #ml

📌 Астрофизик Брис Менар собрал с помощью Claude Science первую полную карту неба в ультрафиолете

Карту всего неба в дальнем и ближнем ультрафиолете исследователь Университета Джонса Хопкинса собрал вместе с ИИ-агентами Claude Science, рабочего пространства Anthropic для учёных.

Агенты сами нашли и скачали открытые данные нескольких космических миссий, очистили их, привели к общей калибровке, разрешению и свели в одну карту.

Менар, по его словам, только ставил задачи и проверял результаты, а Claude часами считал самостоятельно. Работа заняла несколько дней этим летом и претерпела больше десятка версий.

Основа карты – около 38 тысяч снимков телескопа NASA GALEX, который в 2003–2013 годах покрыл примерно две трети неба, но обходил яркие области, в том числе большую часть плоскости Галактики.

Часть пробелов закрыли данные Swift и корейской FIMS/SPEAR, а оставшуюся треть неба, где ультрафиолет никто не измерял, пришлось высчитывать.

Для этого Claude по измеренной части неба выучил, как яркость в ультрафиолете связана с яркостью в видимом, инфракрасном и радиодиапазоне по данным Planck и Gaia.

На проверке, когда участки с известными измерениями скрывали и восстанавливали заново, прогноз расходился с реальными данными примерно на 10%.

🟡 Совсем без человека не обошлось

На ранних версиях остались едва заметные круглые следы от свечения атмосферы на отдельных снимках GALEX, и две проверки агентов их пропустили.

Заметил их Менар, после чего Claude за несколько часов исправил все 38 тысяч снимков.

Карту Менар предлагает использовать прежде всего в обучении, а другим учёным советует вернуться к отложенным проектам, которые теперь можно поручить агентам.

Интерактивная версия с измеренными и предсказанными слоями открыта на сайте Университета Джонса Хопкинса.


@ai_machinelearning_big_data

#news #ai #ml

✔️ Google открыла публичный доступ к SynthID Detector

Компания запустила веб-версию инструмента SynthID Detector, позволяющего анализировать изображения, видео и аудио на наличие невидимых меток, внедряемых ИИ на этапе генерации.

Ранее утилита тестировалась в закрытом режиме представителями медиаиндустрии и определяла только собственные метки экосистемы Google.

Обновленный сканер теперь распознает водяные знаки формата SynthID и сторонних вендоров - OpenAI, NVIDIA и Kakao.

Сервис не классифицирует сгенерированный контент эвристически, а проверяет наличие конкретной совместимой сигнатуры.

Отсутствие детекции не подтверждает подлинность файла, так как материал мог быть создан моделью без встроенного модуля SynthID или подвергнуться агрессивной постобработке.

Для проверки требуется авторизация, действует лимит примерно в 10 запросов в сутки.


@ai_machinelearning_big_data

#news #ai #ml

🆕 Карпатый: 5000 человек живут в другом ИИ мире, чем остальные 8 млрд

Андрей Карпатый считает, что разрыв в понимании возможностей LLM за полгода только вырос и стал похож на резкую воронку.

Около 6 млрд человек с LLM почти не сталкивались. Ещё 1-2 млрд использую только бесплатный чат-бот, который иногда тупит, и работают с ним им как улучшенным поиском.

Около 20 млн разработчиков и математиков на frontier-моделях видят, как проекты на недели и месяцы агенты закрывают по одному промпту.

А примерно 5000 человек внутри лабораторий наблюдают рои из тысяч агентов, которые неделями ищут zero-day, двигают науку и математику быстрее, чем люди успевают это проверять.

Согласно Карпатому, воронку создают три вещи. Отдача растёт с размером задачи, и вопрос на абзац систему почти не нагружает.

Способности модели неровные: пик там, где задачи цифровые, проверяемые и денежные, потому что RL на верифицируемых наградах настраивают под выручку. И доступ: бесплатный, платный или внутренний.

Большинство людей видит глуповатого бота, а небольшая прослойка уже чувствует головокружение от кривой, которая уходит вертикально вверх. И всё это одновременно.

https://x.com/karpathy/status/2109361546505966046

@ai_machinelearning_big_data

⚡️ Sakana AI научила модель учиться у собственной команды агентов

Sakana AI вместе с UC Berkeley представила MASS (Multi-Agent Self-Supervision). Это способ рекурсивного самоулучшения модели без людей и без внешнего учителя.

Идея такая. Одна модель играет сразу три роли: исполнителя, оптимизатора воркфлоу и судьи. Сначала она решает задачу командой виртуальных сабагентов, затем сама ищет лучшую схему их взаимодействия и сама выбирает победителя.

Лучшие прогоны команды становятся данными для дообучения, и после LoRA-тюна модель запоминает коллективный опыт своих агентов уже без подсказок про воркфлоу. Затем цикл повторяется.

Эксперимент проводили на Qwen3.6-27B и синтетических открытых исследовательских задачах. После двух циклов показатель «очки на выходной токен» вырос в 1,2-1,6 раза относительно базы: 1,6x на MLR-Bench, 1,35x на DSBench, 1,28x на AstaBench и 1,2x на ScienceAgentBench. На Terminal-Bench 2.0 и SWE-bench Verified прироста не было.

Модель учили только решать задачи, но при этом у неё заодно выросли навыки оптимизатора и судьи.

Мультиагентные траектории оказались эффективнее одиночных: 68% побед над базой при примерно 31% меньшем объёме данных. И скорость улучшения упирается в оптимизатор, а не в судью.

Авторы честно называют главный риск. Когда модель сама себя оценивает, её слепые зоны могут засчитываться как прогресс и закрепляться обучением. Если ИИ будет развиваться выше уровня человеческой экспертизы, нужно уметь вовремя замечать такие сбои и вмешиваться.

Блог: https://pub.sakana.ai/mass/
Статья: https://arxiv.org/abs/2610.12176
Код: https://github.com/SakanaAI/mass

@ai_machinelearning_big_data

#Sakana