⚡️ Claude Sonnet 5.5

Sonnet 5.5 - вторая модель линейки 5.5 после Opus 5.5. Anthropic позиционирует её как более быстрое и дешёвое дополнение к Opus 5.5 для чётко поставленных повседневных задач - исправления багов, подготовки документов, презентаций и таблиц.

По замерам, Sonnet 5.5 генерирует ответ на 30% быстрее Sonnet 5 и за счёт меньшего расхода токенов обходится до 30% дешевле за задачу.

Это первая модель Sonnet, прошедшая Pokémon Red только по скриншотам экрана.

🟡Бенчмарки

В Terminal-Bench 4.0, тесте агентного программирования в командной строке, Sonnet 5.5 набрала 70,6% против 10,3% у Sonnet 5 и 66,4% у Opus 5.5 на её лучшем уровне усилий.

В OSWorld 2.1, тесте на управление компьютером, у новой модели 80,1% против 81,8% у Opus 5.5 и 57% у Sonnet 5.

В GDPval-AA, где модели выполняют рабочие задачи из 44 профессий, Artificial Analysis насчитала Sonnet 5.5 1844 балла против 1846 у Opus 5.5 и 1449 у Sonnet 5, но тестировала предрелизную версию с багом в структурированном выводе.


Sonnet 5.5 стала первой моделью семейства с кибер-защитой - она сопоставима с Opus 5, поэтому запросы повышенного риска переадресуются на Sonnet 5. Кроме того, модель получила классификаторы против дистилляции, которые мешают извлекать её рассуждения.

Sonnet 5.5 уже доступна в приложениях Claude, через API под идентификатором claude-sonnet-5-5, а также в AWS, Google Cloud и Microsoft Azure.

Цена не изменилась: 2 доллара за миллион входных токенов, 10 долларов за миллион выходных и 0,20 доллара за миллион токенов при чтении из кэша.

Haiku 5.5 обещают в ближайшие недели.


@ai_machinelearning_big_data

#news #ai #ml

🌟 OpenScience: персональный учёный с режимом автономных экспериментов
Стартап Synthetic Sciences из зимнего набора Y Combinator 2026 года вывел на Product Hunt OpenScience – открытую рабочую среду с ИИ-агентом для научных исследований.

Сам агент компания выложила ещё в июле, а главное из обновления – режим Autoresearch, в котором агент без участия человека ставит серию экспериментов и улучшает заданную метрику.

OpenScience ведёт исследование целиком, от обзора литературы и гипотезы до кода, эксперимента, анализа и текста статьи.

Агенту доступны 295 встроенных навыков, от обучения моделей до молекулярной биологии, хемоинформатики и вёрстки в LaTeX, и около сорока научных баз, среди них UniProt, PDB, ChEMBL, PubChem, arXiv и Semantic Scholar.

🟡Механика

В Autoresearch задачу ставят обычными словами, например - снизить функцию потерь на валидационной выборке, остановить работу через час или при выходе метрики на плато и закончить после 20 запусков или 8 часов.

Агент сначала запускает базовый вариант, затем по очереди проверяет идеи, отсортированные по ожидаемой пользе, и по каждому запуску решает, сохранить изменение или откатить.

Чтобы цикл не затроил, после четырёх стартов без прогресса агент переключается на идеи другого типа, плюс каждые шесть запусков пересматривает подход.

Ход работы записывается в файлы с постановкой задачи, очередью идей, таблицей результатов и выводами.

Среда собрана как настольное приложение с деревом файлов, редактором, терминалом и просмотрщиками молекул, структур и геномов.

Модель выбирается, подойдут собственные ключи Anthropic, OpenAI, Google и других провайдеров, вход по подписке ChatGPT или Codex, локальные модели и фирменный сервис Ace.

Эксперименты запускаются локально, по SSH, в кластере под Slurm или PBS или в облаке Modal. Метрики собирает встроенный трекер, скрипты под wandb работают с ним без переделки.

🟡 Тесты

На Terminal-Bench Science агент решил 53 задачи из 70, это 75,7%.

В этом тесте OpenScience управляла GPT-6 Astra с GPT-6 Sol в роли исполнителей, на задачу давали 8 часов и одну попытку.

Лучший результат в таблице Snorkel – 68,1% у Codex с GPT-6 Astra, у Claude Code с Opus 5.5 там 63,3%.

В научной части Terminal-Bench 4.0 агент решил 10 задач из 14 против 60% у Claude Code с Fable 5.1, на BiomniBench-DA набрал 82,2 балла против 81,04 у aipoch.


📌Лицензирование: Apache 2.0


🟡Документация
🟡Бенчмарки
🟡Трассировки
🖥Github


@ai_machinelearning_big_data

#AI #ML #Agents #AiScientist #Bioinformatics #OpenScience

⚡️ ML-пайплайн больше не обязательно собирать внутри одной площадки

Эксперименты и вычислительные нагрузки можно распределять между on-premises и облаком в зависимости от текущей задачи. То есть пайплайн может использовать ресурсы разных сред как части одной инфраструктуры.

🟡 Связность между площадками
Cloud Interconnect в Yandex Cloud соединяет локальную инфраструктуру и облачный контур по приватному каналу. BareMetal Extend: Virtualization позволяет добавить к этой схеме частное облако на выделенных серверах.

🟡Хранение данных
Intelligent Tiering в Object Storage автоматически перемещает данные между тремя классами хранения с учетом частоты обращения. В закрытом контуре StackLand позволяет собрать полноценную платформу данных и подключить PaaS-сервисы.

🟡 Контроль ресурсов
Через Billing API можно получать детализацию потребления и расходов по облакам, сервисам и отдельным ресурсам, а затем передавать эти данные в свои системы аналитики и мониторинга.
В результате вычисления, данные и инфраструктурные мощности можно распределять между разными средами под конкретный ML-сценарий, объединяя их в один технологический контур.

@ai_machinelearning_big_data

#AI #ML #Cloud #Infrastructure

✔️ Агенты OpenAI выложили в сеть 53 фото пользователей

Изображения пользователи загружали в сервисы OpenAI, затем они попали в обучающие данные, а агенты из исследовательской среды компании разместили их на сторонних фотохостингах.

Ссылки не публиковались, но найти снимки было можно. Большую часть OpenAI удалила, остальное ещё в сети. Уведомить владельцев компания не может, её технический подход и политика конфиденциальности не позволяют связать снимки с аккаунтами.

Случай вошёл в обзор поведения агентов, который OpenAI ведёт после взлома ими Hugging Face.

На прошлой неделе премьер Австралии заявил, что агенты OpenAI проникли в базы национальной системы здравоохранения и через запрос Сената вызвал Сэма Альтмана и Дарио Амодея для дачи показаний по инциденту на парламентских слушаниях.
openai.com

✔️ OpenRouter доверил выбор модели нейросети Jev

Jev Router подбирает модель и глубину рассуждений под каждый запрос с учётом качества, скорости и цены. Решение принимает Jev, модель компании TypeSafe. Перед каждым запросом она оценивает его сложность и нужную точность.

На четырёх агентских бенчмарках Jev Router решил 237 задач из 423 против 130 у прежнего Auto Router, это по замерам самой OpenRouter. Роутер бесплатный, контекст 1 млн токенов.
openrouter.ai

✔️ Китай стал вторым рынком дата-центров после США

SemiAnalysis насчитала больше 1000 объектов у 60 с лишним операторов на 24 с лишним ГВт. Ещё около 20 ГВт в проектах со сроками ввода и 30 ГВт в анонсах.

Примерно пятую часть введённых мощностей занимает ByteDance, и почти всё она арендует. Капитальные затраты Alibaba, Tencent и Baidu во втором квартале выросли больше чем вдвое год к году, до 20 млрд долларов, и впервые все три компании показали дефицит свободного денежного потока. 
semianalysis.com

✔️ ElevenLabs выпустила Eleven v4 и Eleven v4 Turbo

Новая модель синтеза речи построена на другой архитектуре и подстраивает подачу под контекст сцены и предыдущие реплики. Интонацией управляют встроенными тегами, а произношением – через международный фонетический алфавит.

Для клонирования голоса хватает 10 секунд записи. Языков больше 90 и голос, записанный на одном, сохраняет тембр на остальных.

Turbo сделана для голосовых агентов. Медианная задержка около 100 мс, до начала речи около 150 мс.

Модели доступны в ElevenAgents, ElevenCreative и через ElevenAPI, в том числе бесплатно. Первые две недели API стоит 22 доллара за миллион символов для v4 и 11 для Turbo.
elevenlabs.io

✔️ Manus обновился до версии 2.0

Обновление построено вокруг нового харнесса Cascade, который подключает специализированные инструменты, только когда они нужны задаче.

В тестовой конфигурации он потратил на 23% меньше токенов и на 28% меньше времени и обошёлся на 32% дешевле прежней системы. Задачи теперь запускаются по событиям из почты, календаря, Slack или Notion, для постоянно работающих проектов предусмотрен Cloud Computer.

Десктопное приложение стало Manus Studio с видеоредактором на таймлайне и средой для разработки игр.

Отдельное приложение Cue даёт каждому агенту почту, номер телефона, кошелёк с лимитом трат и отдельную виртуалку.

Manus 2.0 доступен в вебе, на десктопе и Android, версия для iOS ждёт проверки в App Store. Cue в раннем доступе по инвайт-коду.
manus.im


@ai_machinelearning_big_data

#news #ai #ml

⚡️ 12 ноября в Москве пройдет MWS Cloud Day 2026

Это вторая конференция MWS Cloud, входящей в МТС Web Services. Формат гибридный: можно прийти очно или подключиться онлайн.

Тема понятная: компании постепенно доводят ИИ-пилоты до продакшена и встраивают модели в продукты и процессы. А вместе с этим возникают вопросы к инфраструктуре: хватит ли вычислений, как устроены данные и сети, как всё это мониторить и во сколько обойдётся.

Разбирать это будут в трёх треках: облака, ИИ и безопасность. Всего 20 докладов, в которых эксперты расскажут про cloud-native-подходы, создание и внедрение ИИ-систем и кибербезопасность, с упором на реальные бизнес-задачи.

Конференция рассчитана на CTO и CIO, руководителей инфраструктурных, платформенных, data- и ИИ-команд, DevOps-, backend- и platform-инженеров, а также технологических партнеров, интеграторов и клиентов MWS. Регистрация по ссылке.

@ai_machinelearning_big_data

✔️ Китай ограничил зарубежные поездки для семей ИИ-разработчиков

Власти КНР обязали семьи ключевых разработчиков в сфере ИИ и полупроводников согласовывать выезды за границу.

Новое требование затрагивает супругов и детей топ-менеджеров, исследователей и основателей частных технологических компаний. Для пересечения границы, в том числе в туристических целях, им требуется предварительное одобрение Пекина.

Ранее в этом году прямые ограничения на зарубежные поездки коснулись самих инженеров корпораций и стартапов.

До развития LLM подобный контроль применялся исключительно к сотрудникам государственных институтов, специалистам ядерной отрасли и руководству госкорпораций.

Формально механизм не вводит полного запрета на выезд. По оценкам аналитиков, контроль за перемещением семей направлен на предотвращение оттока кадров и технологий в США.


@ai_machinelearning_big_data

#news #ai #ml

⚡️ Liquid AI выпустила модели, которые принимают решения и не генерируют ни одного токена

Liquid AI представила decision models, первая из них называется d1. Модель получает контекст в виде текста или JSON и за один вызов возвращает откалиброванные вероятности по заранее заданным вариантам ответа.

Вопросы бывают трёх типов: «да или нет» с вероятностью от 0 до 1, выбор из нескольких вариантов с распределением вероятностей и оценка по шкале. Несколько вопросов можно задать в одном запросе.
Ответ не нужно парсить, ошибок схемы не бывает, задержка низкая и предсказуемая, а три вызова LLM сливаются в один. Вместе с ответом приходит уверенность модели, поэтому спорные случаи легко отправить на большую модель или человеку.

Архитектурную разницу между конкретными весами d1 и Jev компании пока публично не раскрывают.

Модели: https://docs.liquid.ai/lfm/models/decision-models

Гайд по миграции: https://docs.liquid.ai/guides/decision-model-guide

Демо: https://github.com/Liquid4All/cookbook/tree/main/examples/road-decider

@ai_machinelearning_big_data

#LiquidAI

📌 Anthropic оценила кибервозможности GLM-5.3

Anthropic впервые оценила открытую китайскую модель и опубликовала исследование о том, насколько GLM-5.3 от Z.ai продвинулась в поиске и эксплуатации уязвимостей.

Z.ai выпустила модель в августе, веса выложила через две недели.

Двумя неделями ранее её проверял CAISI, центр стандартов и инноваций ИИ при американском институте NIST, и назвал сильной в киберзадачах среди открытых моделей на сегодня.

По словам Anthropic, в ExploitBench GLM-5.3 довела до рабочего эксплойта известные уязвимости движка V8 в 50 попытках из 410, это 12%.

У Claude Mythos Preview результат 14%, у GLM-5.2 и Claude Opus 4.6 близок к нулю.

В ручных сессиях с человеком модель находила ранее неизвестные уязвимости в браузере и драйверах, а встроенные ограничения, утверждает Anthropic, обходятся без особых усилий и в открытых весах их можно снять.

🟡CAISI более сдержан в описании результатов

На четырёх кибербенчмарках GLM-5.3 заметно слабее американских передовых моделей, в SEC-Bench Pro она решает 40,4% задач против 90,2%.

Совокупное отставание CAISI оценивает примерно в четыре месяца.

Вывод обеих организаций совпадает в главном - возможности, которые год назад были только у закрытых лабораторий, теперь доступны любому, кто скачает веса.

В ответ на это Anthropic предлагает шире открывать передовые модели для безопасников и проверять достаточно сильные модели до выпуска на уровне государств.

Z.ai пока никак не отреагировала ни на оба исследования, ни на инициативу Anthropic.


@ai_machinelearning_big_data

#news #ai #ml

⚡️ DeepSeek перенесла DeepGEMM на Huawei Ascend и выжала из железа 99,8%

DeepSeek выложила DeepGEMM-Ascend, порт своей библиотеки матричных ядер на NPU Huawei Ascend 950. API остался тем же, что у оригинального DeepGEMM, а сами ядра переписаны под особенности Ascend.

Поддерживаются GEMM в FP4, FP8 и BF16, grouped GEMM для MoE, MQA logits и слитые операторы MegaMoE. Плотный GEMM почти упирается в теоретический потолок: FP4 даёт 1701 TFLOPS (98,3% от пика), FP8 861 TFLOPS (99,5%), BF16 431 TFLOPS (99,8%).

Внутри JIT-компиляция, конвейеризация на корутинах и тонкая обёртка над матричными инструкциями Ascend. Нужны CANN 9.20, torch_npu и Python 3.10+. Лицензия MIT.

https://github.com/deepseek-ai/DeepGEMM-Ascend

@ai_machinelearning_big_data

#DeepSeek

✔️ AMD покупает World Labs

Стартап Фей-Фей Ли, который с 2024 года разрабатывает модели пространственного интеллекта для работы с трехмерным физическим миром, подписал обязывающее соглашение о переходе в AMD.

Сама Ли станет исполнительным вице-президентом и главой по науке AMD и будет работать напрямую с генеральным директором Лизой Су. Сооснователи стартапа вместе с Ли продолжат руководить командой World Labs, на базе которой AMD создаст исследовательскую лабораторию.

Сделке предшествовало партнерство по оптимизации моделей World Labs под GPU AMD. Закрытие покупки ожидается до конца 2026 года после одобрения регуляторов.
worldlabs.ai

✔️ SpaceXAI запустила общих агентов Grok для рабочих команд

Компания открыла публичное бета-тестирование Team Bots на тарифах Teams и Enterprise. Это боты Grok Bot, которых настраивают под общую роль или процесс и выдают всей команде сразу.

Каждый бот получает файлы, инструкции и навыки, плагины для GitHub, Notion и Salesforce, учетные данные для сторонних API без плагинов и долговременную память, которая копит опыт в заданной роли.

Навыки и база знаний у бота общие, а переписка и память каждого сотрудника хранятся отдельно.

Цен в анонсе нет, но SpaceXAI собрала ботов для продаж, продуктового менеджмента, маркетинга и аналитики.
x.ai

✔️ Китай может разрешить закупку чипов Nvidia

Министерство промышленности и информатизации КНР запросило у Alibaba, ByteDance и других компаний планы закупок видеокарт Nvidia RTX Pro и дало понять, что намерено их одобрить, пишет The Information со ссылкой на два источника.

ByteDance, по данным издания, рассматривает партию около миллиона штук. RTX Pro 5500 сделана для рабочих станций на потребительском кристалле без памяти HBM и быстрых межчиповых соединений, облачные провайдеры планируют собирать их в серверные стойки по восемь графических процессоров..

Поставки могут начаться в конце декабря, около 500 тысяч карт в квартал, по цене порядка 13 тысяч долларов за штуку. Для Nvidia это шанс вернуться на рынок, где ее доля, упала с 95% почти до нуля.
theinformation.com

✔️ Kuaishou анонсировала Kling 4.0

Новая модель генерирует до 30 секунд видео за один проход, что вдвое больше Kling 3.0. Она принимает до 10 ключевых кадров, которые фиксируют смену сцен, состояния персонажей и тайминг, и до 15 референсов одновременно.

Модель умеет точечно редактировать готовое видео, продлевать генерацию, создавать стереофонический звук и выполнять липсинк на нескольких языках.

Полная версия выйдет в октябре, облегченная Kling 4.0 Flash с 28 сентября доступна подписчикам тарифа Ultra.
klingai.com

✔️ Американский бизнес переводит часть нагрузок на открытые модели

Растущие счета за модели OpenAI и Anthropic подталкивают компании в США к решениям с открытыми весами. На шлюзе Vercel доля открытых моделей в токенах выросла с 7% в декабре до 56% в августе, хотя в расходах на них пришлось лишь 14%.

На OpenRouter первую десятку по объему токенов возглавляют китайские открытые модели. Расходы Tinder на ИИ в годовом исчислении выросли с 1 до 10 млн долларов с января по июль, и компания начала отправлять часть запросов открытым моделям.

AT&T обрабатывает 45 млрд токенов в день и уже отдает открытым моделям около 40% нагрузок и за год хочет довести долю до 70%.

Кроме стоимости компании ценят возможность запускать модели на своих серверах и дообучать их на закрытых данных.
ft.com


@ai_machinelearning_big_data

#news #ai #ml