$25 тысяч за проверку одного репозитория: ИИ-поиск уязвимостей становится новой крупной статьёй расходов компаний.

По данным The Information, примерно столько UiPath платит за одно сканирование кода моделью Anthropic Mythos.

Масштаб находок тоже растёт: по словам представителя Palo Alto Networks, 12 компаний за месяц обнаружили более 37 тысяч потенциальных уязвимостей в открытом ПО. Месяцем ранее во всём мире было зарегистрировано около 1500.

Эти цифры нельзя сравнивать напрямую: не все новые находки подтверждены, и речь не только о критических ошибках.

Теперь компаниям нужны ресурсы на проверку и исправление:

- Bank of America нанимает 1000 подрядчиков для устранения проблем в ПО.
- Goldman Sachs обсуждает перспективу тратить на ИИ-безопасность столько же или больше, чем на ИИ-инструменты для программирования.

https://www.theinformation.com/articles/nobodys-ready-ai-found-bugs-spark-corporate-security-spending-spree

415 страниц документа Anthropic перед IPO обработали на Mac – локальной OCR-моделью размером около 1,2 ГБ.

По сообщению авторов демонстрации, MiniCPM-OCR 1.0 от OpenBMB прошла весь документ S-1 на MacBook с M5 Max, затрачивая примерно четыре секунды на страницу.

При таком темпе обработка занимает около 28 минут. По их словам, данные не покидали ноутбук.

Модель распознаёт текст, таблицы и формулы, преобразуя страницы в машиночитаемый формат для дальнейшего поиска и анализа.

Речь именно об OCR-разборе документа: распознать 415 страниц не означает проверить финансовые показатели или сделать инвестиционный анализ.

GGUF-сборки для локального запуска:

https://huggingface.co/AtomicChat/MiniCPM-OCR-1.0-GGUF

📄️️️️️️ Agent Harness Course 2026 - как построить своего AI-агента с нуля

Пошаговый курс на ~8 недель (1–2 часа в день): от одного запроса к LLM до агента с инструментами, памятью, субагентами, защитой и тестами - и финального проекта.

Свой учебный харнес на чистом Python без единой зависимости, 7 запускаемых уроков, финальный проект, 19 тестов и разбор архитектуры настоящего open-source агента. Ai Ml — материал переработан, структурирован и дополнен кодом, схемами и справочниками.

Курс не учит «пользоваться ещё одним фреймворком». Он показывает, из чего сделан любой агент — Claude Code, Codex, Cursor, Devin, LearnHarness — и даёт собрать каждую деталь руками. После этого любой фреймворк читается за вечер, а любой баг агента - объясним.

https://github.com/justxor/agent-harness-course/

Команда AI VK в новой статье на Хабре рассказала, как развивает Discovery-платформу — единую инфраструктуру для рекомендаций, поиска и рекламы.

Продукты используют общий стек, а удачную оптимизацию можно применить сразу в нескольких сервисах. Экономию дали перенос части вычислений на GPU, переиспользование признаков, кэширование кандидатов и сокращение лишних копирований данных.

- Запуск нового рекомендера занимает теперь один день
- Около 90% задач ранжирования решаются изменением конфигурации, без написания нового кода.
- Команды получили общий доступ к нейросетевому ранжированию на GPU
- Время просмотра главной VK Видео увеличилось на 20%, время в ленте ВКонтакте - на 11%, а в VK Клипах - на 22%

Вышел PyTorch 2.15: быстрее LLM на Blackwell и Apple Silicon, больше контроля над распределённым обучением

В релиз вошли 3117 коммитов от 583 участников.

Что обновили:

- Переписанный NCCL-бэкенд включён по умолчанию. При зависании коллективных операций диагностический «чёрный ящик» сохраняет данные для разбора.
- Новый транспорт NIXL позволяет передавать данные между процессами без создания process group, с поддержкой захвата передач в CUDA Graphs.
- FSDP2 и pipeline parallelism получили более гибкое управление памятью, точностью параметров и перекрытием коммуникаций с вычислениями.
- NVIDIA Blackwell: NVGEMM ускоряет декодирование LLM в формате NVFP4, сокращая отдельные запуски ядер.
- Apple Silicon: добавлены FP8 и публичный API torch.mps.Stream. В приведённых тестах на M3 Ultra пропускная способность MoE-декодирования выросла в 1,32–1,34 раза.
- Платформы: CUDA 13.2 в стандартных сборках, дополнительные сборки с CUDA 13.4 и ROCm 10.0, поддержка torch.compile на Python 3.15.

Перед обновлением: Python 3.10 больше не поддерживается, а для GPU-ускорения через MPS требуется macOS 15+. Часть новых API пока нестабильна.

5 ноября в 22:00 МСК команда проведёт онлайн-сессию вопросов и ответов по релизу. Регистрация - в статье.

https://pytorch.org/blog/pytorch-2-15-release-blog/

OpenAI удвоила лимиты для платных подписчиков. Причём без повышения стоимости.

Компания объявила об увеличении лимитов использования сразу в 2 раза для нескольких тарифов:

- ChatGPT Pro $100
- ChatGPT Pro $200
- ChatGPT Pro $500
- ChatGPT Business Premium

Ещё один приятный бонус: для Pro $200 отменили запланированное снижение лимитов в ChatGPT Work и Codex. Пользователи сохранят прежние условия вместо ожидаемого урезания.

Изменения уже вступили в силу, ничего дополнительно активировать не требуется.

По сути, подписчики получают вдвое больше возможностей для работы с ИИ за те же деньги.

Источник:
https://x.com/thsottiaux/status/2115850175868727621

💥️️️️️️ Tencent открыла Hy-Nomas - модель, которая генерирует мир и позволяет управлять происходящим

Вместо одного запроса на готовый ролик - последовательные команды и управление камерой. Hy-Nomas создаёт продолжение сцены, учитывая текущие инструкции и сохранённую историю.

В основе - диффузионная модель на 8 млрд параметров. Отдельный компонент переводит запрос пользователя и историю взаимодействий в условия для следующего видеофрагмента.

Одна из задач архитектуры - разделять постоянный контекст и временные действия: описание мира сохраняется между фрагментами, а команда действует в предназначенный для неё момент.

Доступны веса модели и Hy-Nomas-Bench: 280 тестовых случаев для проверки текстовых команд, навигации камерой, сочетания обоих способов управления и пространственной памяти.

Команда также опубликовала сравнение с примерами Genie 4. Это демонстрация разработчиков, а не независимый вердикт о превосходстве модели.

Демо: https://hy-nomas.hy.tencent.com/

Модель: https://huggingface.co/tencent/Hy-Nomas

Бенчмарк: https://huggingface.co/datasets/tencent/Hy-Nomas-Bench

Технический отчёт: https://arxiv.org/abs/2610.36729

Anthropic расширяет бесплатный доступ к Claude для научных исследований

Программа AI for Science теперь охватывает 20 научных фондов, институтов и исследовательских групп. Они получат кредиты Claude для собственных проектов или распределения среди учёных.

Среди участников - Simons Foundation, Wellcome Sanger Institute, EMBL и Space Telescope Science Institute, который обеспечивает научную работу телескопов Hubble и James Webb.

Поддержка затронет конкретные задачи:

- FlyWire - изучение нейронных связей мозга.
- LEAP - улучшение климатических моделей.
- AstroPath - исследование опухолей на уровне отдельных клеток.
- gnomAD - анализ генетических вариаций и редких заболеваний.
- Tau Ceti - создание библиотеки математики с проверяемыми в Lean доказательствами.

Учёные используют Claude для формулирования гипотез, планирования экспериментов, анализа данных и подготовки результатов.

Часть проектов должна дать открытые датасеты, программные инструменты и стандарты для научного сообщества. Многие партнёрства пока находятся на ранней стадии.

https://www.anthropic.com/news/ai-for-science-expands-foundations-research-institutions

💲 DeepSeek привлекла почти $16 млрд. Среди инвесторов - китайские технологические гиганты и государственные структуры, сообщает The Information.

Среди крупнейших участников раунда - Tencent и производитель аккумуляторов CATL. Reuters также называло Meituan, Geely, Midea и NetEase.

Почему DeepSeek понадобилось столько денег? По пересказу публикации, компания удвоила размер раунда прежде всего из-за роста цен на ускорители NVIDIA Blackwell на чёрном рынке. Государственные инвесторы обеспечили 27% привлечённых средств.

Даже если алгоритмы позволяют экономнее использовать вычисления, оборудование всё равно нужно покупать. А ограничения доступа к нему могут резко увеличить расходы.

https://www.theinformation.com/articles/behind-deepseeks-16-billion-funding-chinese-tech-titans-state-players

Верификационная фоточка для Claude, не благодарите

Claude нашёл 62 уязвимости в Chrome и научился получать root-доступ к Linux-серверам без авторизации.

Anthropic опубликовала результаты эксперимента с внутренней моделью Claude, которая самостоятельно исследовала реальное ПО и создавала рабочие цепочки атак.

Вот что получилось:

Chrome. Claude обнаружил уязвимости в V8, обошёл несколько уровней изоляции и добился выполнения произвольного кода за пределами песочницы браузера. Google исправила 62 уязвимости, включая 13 способов выхода из sandbox.

Safari. Модель построила цепочку, позволяющую вредоносному сайту обходить Same-Origin Policy, читать cookies, историю браузера и получать доступ к данным других сайтов, где пользователь авторизован.

Android. Claude нашёл способ извлекать фотографии и личные файлы с заблокированного Pixel 9 через USB без подтверждения владельца.

Windows. Обнаружил ошибку в реализации QUIC на уровне ядра. Несколько специально сформированных сетевых пакетов могли удалённо вызвать падение сервера.

Claude нашёл race condition в сетевом стеке ядра и собрал zero-click эксплойт. Атакующему достаточно отправлять пакеты серверу с включённым Multipath TCP, чтобы получить выполнение команд от root.

В демонстрации на Linux взлом занял около 53 минут.
Модель анализировала бинарники через Ghidra, обходила защитные механизмы и объединяла несколько ошибок в полноценные атаки.

Для масштабирования исследователи запускали множество агентов параллельно, каждый из которых искал уязвимости своей стратегией.

Все описанные уязвимости были переданы разработчикам и исправлены.


https://www.anthropic.com/research/discovering-vulnerabilities-with-claude

ИИ-бум начал бить по тем, кто его финансирует. Акции Intel, Reddit и Amazon резко упали после отчётов.

По данным Fast Company, на премаркете 30 октября:

- Intel теряла около 25% после слабого прогноза на следующий квартал.
- Reddit - почти 20% на фоне заметного снижения переходов из поиска Google.
- Amazon - около 6% после отчёта, показавшего отрицательный свободный денежный поток за последние 12 месяцев.

Накануне акции Alphabet упали примерно на 12%.

Причины у компаний разные, но инвесторов всё сильнее волнует стоимость ИИ-гонки. Amazon продолжает наращивать инфраструктурные расходы, Intel сталкивается со слабым рынком ПК и производственными ограничениями. Reuters связывает распродажу с сомнениями в сроках окупаемости огромных вложений в ИИ.

Для Reddit проблема другая: поисковая выдача с готовыми ИИ-ответами может оставлять пользователю меньше причин переходить на сайт. Fast Company рассматривает снижение поискового трафика именно в этом контексте.

https://www.fastcompany.com/91632937/tech-stocks-down-intel-reddit-amazon-ai-reckoning-here

Более $2 трлн капитализации под угрозой: инвесторы всё сильнее сомневаются в цене ИИ-гонки.

По данным Reuters, Nasdaq 100 потерял свыше 5,8% с начала октября. Если падение сохранится к закрытию месяца, совокупное снижение стоимости компаний индекса превысит $2 трлн.

Масштаб расходов объясняет тревогу рынка. По оценке JPMorgan, Amazon, Alphabet, Meta, Oracle и Microsoft могут потратить на ИИ за один 2026 год столько же, сколько вместе потратили за весь период с запуска ChatGPT в ноябре 2022-го.

Расходы ускоряются, а инвесторы хотят понимать, когда новые дата-центры и вычислительные мощности начнут приносить сопоставимую отдачу.

Это снижение рыночной стоимости акций. Но оно показывает, насколько резко рынок может пересмотреть цену ожиданий от ИИ.

https://www.reuters.com/business/media-telecom/nasdaq-faces-2-trillion-wipeout-october-ai-spending-fears-deepen-2026-10-30

🔎 Xiaomi открыла модель для разбора документов размером всего 0,8 млрд параметров

Xiaomi-OCR-0 объединяет распознавание текста, разбор структуры документа, извлечение ключевой информации и ответы на вопросы по содержимому.

То есть задача модели шире обычного «перепечатать текст с картинки»: она помогает превратить документ в данные, с которыми можно работать дальше.

По данным разработчиков:

- 95,24 балла на Real5-OmniDocBench.
- 83,2 балла в среднем на пяти тестах вопросов и ответов с опорой на распознавание текста.
- Первое место среди моделей меньше 1B параметров по качеству разбора документов на OmniDocBench v1.6.

В открытый доступ выложили веса, код инференса, интерактивное демо, MCP-сервис и Agent Skill. Последние два компонента позволяют подключать обработку документов к рабочим процессам ИИ-агентов.

Компактный размер делает модель интересной для собственной инфраструктуры. Но качество на конкретных сканах, языках и сложных таблицах стоит проверять отдельно: результаты бенчмарков не гарантируют точность на любых документах.

🤗 Huggingface: https://huggingface.co/xiaomi-research/Xiaomi-OCR-0
🔗 GitHub: https://github.com/xiaomi-research/Xiaomi-OCR-0
📄 Demo: https://huggingface.co/spaces/loongwayX/Xiaomi-OCR-0-demo #XiaomiAI #OCR #OpenSource

Google показала AI-агентов, которые могут менять собственные инструменты после сбоев

В Google Cloud описали Project Chrysalis - архитектуру на Gemini Agent Platform, где агент не только ищет причину проблемы, но и адаптирует свою работу по ходу инцидента.

Например, при перегрузке сервиса агент может:

- найти источник сбоя;
- сгенерировать новый инструмент или патч;
- проверить его через политики безопасности;
- применить без перезапуска;
- оценить, помогло ли изменение;
- сохранить удачное решение в память.

Отдельно система умеет менять не только инструменты, но и структуру multi-agent системы. Более рискованные изменения требуют подтверждения человека.

Google называет такой подход governed self-evolution - агент развивается сам, но внутри заданных ограничений и проверок.

https://developers.googleblog.com/architecting-governed-self-evolving-ai-agents-on-gemini-agent-platform/

💀️️️️️️ OpenAI объединяет лимиты ChatGPT и Codex: теперь они будут расходовать один общий бюджет

С декабря пользователи Plus, Pro и Business получат общий лимит использования для ChatGPT и Codex.

Что меняется:

- Единый лимит: работа в ChatGPT и Codex будет расходовать общий бюджет.
- Оплата в токенах: расход зависит от выбранной модели и сложности задачи.
- Дорогие задачи: продвинутые модели и сложные агентные операции расходуют больше лимита.
- Instant Chat: обычный чат в режиме Instant не будет расходовать этот бюджет.
- Контроль расходов: остаток лимита и время сброса можно будет посмотреть в Settings → Usage.

Если лимит закончится, останется три варианта: дождаться сброса, перейти на другой тариф или докупить кредиты для поддерживаемых функций.

OpenAI ожидает, что большинству пользователей не придётся ждать обновления лимита чаще, чем сейчас.

Печаль.

https://help.openai.com/en/articles/20001625-understanding-chatgpt-and-codex-usage-limits

📄️️️️️️ 109 млн параметров против 72 млрд: Лекун показал силу другого способа обучения ИИ

Ян Лекун и Рэндалл Балестриеро доказали платоническую гипотезу представлений для архитектур JEPA при определённых условиях.

Идея такая: модели, обученные на разных типах данных, могут сформировать похожие внутренние представления о мире. Одна читает тексты, другая рассматривает изображения, но обе обнаруживают сходные закономерности.

В работе две модели обучаются независимо: визуальная - на разных снимках одной сцены, текстовая - на разных описаниях. Пары «изображение + текст» для обучения самих моделей не нужны.

Полученные представления совпадают с точностью до поворота пространства признаков. Проще говоря, модели строят совместимые «карты», используя разные системы координат.

В экспериментах авторов:

- Для одинакового уровня согласования текста и изображений потребовалось в 42 раза меньше обучающих примеров, чем при предсказании следующего токена.
- Текстовая JEPA со 109 млн параметров превзошла все проверенные языковые модели размером до 72 млрд параметров по согласованию с визуальными моделями.

alphaxiv.org/abs/2610.39302

📄️️️️️️ OpenAI хочет переименовать дата-центры и ввести «ограничения скорости» для мощных ИИ

По данным Axios, компания готовит масштабную политическую и PR-кампанию, которую запустит сразу после выборов в Конгресс США 3 ноября.

Что задумали:

- Переименовать дата-центры в AI Compute Campuses - «вычислительные кампусы ИИ». Это должно помочь снизить негативную реакцию на строительство новых объектов.
- Продвигать обязательные «ограничения скорости» для самых мощных AI-систем, чтобы сохранить контроль человека над технологиями.
- Предложить новые правила строительства дата-центров с учётом интересов местных жителей.
- Повлиять на обсуждение регулирования ИИ перед президентскими выборами 2028 года.

Предложения готовятся ещё с августа. OpenAI рассчитывает начать их продвижение в Конгрессе уже 9 ноября.

«ИИ станет главным вопросом выборов 2028 года», заявил Axios директор OpenAI по глобальным вопросам Крис Лехейн.

Интересно, что компания одновременно выступает за ускоренное развитие мощных моделей и обязательные ограничения для них.

https://www.axios.com/2026/11/01/scoop-openai-post-midterm-policy