⚡️ Перед IPO Anthropic инвесторы хотят, чтобы Дарио Амодеи говорил об угрозах ИИ мягче. Но он, похоже, не собирается.
По данным The Information, часть акционеров Anthropic считает, что постоянные предупреждения Амодеи об экзистенциальных рисках AI могут плохо сочетаться с подготовкой компании к публичному рынку.
Проблема для инвесторов в том, что повлиять на CEO непросто.
Ключевые решения Anthropic по-прежнему сосредоточены внутри узкого круга сооснователей и близких к Амодеи людей.
В этом году один из членов совета директоров якобы предлагал использовать более привычную PR-стратегию Microsoft и Meta - больше рассказывать о позитивных сценариях вроде AI для разработки лекарств.
Амодеи идею отверг.
Его позиция: если технология потенциально создаёт риски для выживания человечества, относиться к её продвижению как к обычному технологическому маркетингу нельзя.
Инвесторам перед IPO нужен оптимизм и понятная история роста, а CEO продолжает публично говорить, что технология его собственной компании может быть опасной.
#AI #Anthropic #Claude #IPO #ArtificialIntelligence
По данным The Information, часть акционеров Anthropic считает, что постоянные предупреждения Амодеи об экзистенциальных рисках AI могут плохо сочетаться с подготовкой компании к публичному рынку.
Проблема для инвесторов в том, что повлиять на CEO непросто.
Ключевые решения Anthropic по-прежнему сосредоточены внутри узкого круга сооснователей и близких к Амодеи людей.
В этом году один из членов совета директоров якобы предлагал использовать более привычную PR-стратегию Microsoft и Meta - больше рассказывать о позитивных сценариях вроде AI для разработки лекарств.
Амодеи идею отверг.
Его позиция: если технология потенциально создаёт риски для выживания человечества, относиться к её продвижению как к обычному технологическому маркетингу нельзя.
Инвесторам перед IPO нужен оптимизм и понятная история роста, а CEO продолжает публично говорить, что технология его собственной компании может быть опасной.
#AI #Anthropic #Claude #IPO #ArtificialIntelligence
❤23👍10🔥7😁6🍌1
⚡️ Sakana AI показала, как может выглядеть следующий этап мультиагентных систем - оркестрация, независимая от одной базовой модели.
Sakana Fugu работает как единая «виртуальная модель», хотя внутри скрывается целый пул разных LLM.
Пользователь отправляет запрос в один endpoint, а дальше Fugu сама решает:
- какую модель использовать;
- стоит ли разбить задачу на несколько частей;
- какие подзадачи отдать разным моделям;
- как собрать ответы обратно;
- где можно снизить стоимость без потери качества.
Архитектура состоит из двух уровней:
Model Pool выполняет реальные задачи, а Conductor Model выступает в роли дирижёра и решает, кому и что делегировать.
Пул моделей изначально сделан заменяемым.
То есть система не должна быть навечно привязана к конкретным GPT, Claude, Gemini или другим LLM. Можно обновлять набор моделей, сохраняя общий orchestration layer.
В новой версии Sakana пошла ещё дальше: дирижёрскую модель обучили на базе новой открытой Gemma 4.
По внутренним оценкам компании, новый conductor показывает производительность не хуже предыдущей версии, одновременно снижая стоимость работы системы.
Идея здесь важнее конкретной модели:
ценность постепенно смещается от «какая LLM самая сильная?» к «кто лучше всего умеет комбинировать несколько моделей под конкретную задачу».
Следующий шаг Sakana - собственные conductor-модели и инфраструктура, которую можно адаптировать под требования AI sovereignty.
Если такой подход масштабируется, в будущем разработчику может быть вообще неважно, какая модель находится под капотом.
Он будет обращаться к одному API, а orchestration layer сам решит, какая комбинация моделей даст лучший результат по цене, скорости и качеству.
🔗
#AI #LLM #Agents #MultiAgent #SakanaAI #Gemma
Sakana Fugu работает как единая «виртуальная модель», хотя внутри скрывается целый пул разных LLM.
Пользователь отправляет запрос в один endpoint, а дальше Fugu сама решает:
- какую модель использовать;
- стоит ли разбить задачу на несколько частей;
- какие подзадачи отдать разным моделям;
- как собрать ответы обратно;
- где можно снизить стоимость без потери качества.
Архитектура состоит из двух уровней:
Conductor Model → Model PoolModel Pool выполняет реальные задачи, а Conductor Model выступает в роли дирижёра и решает, кому и что делегировать.
Пул моделей изначально сделан заменяемым.
То есть система не должна быть навечно привязана к конкретным GPT, Claude, Gemini или другим LLM. Можно обновлять набор моделей, сохраняя общий orchestration layer.
В новой версии Sakana пошла ещё дальше: дирижёрскую модель обучили на базе новой открытой Gemma 4.
По внутренним оценкам компании, новый conductor показывает производительность не хуже предыдущей версии, одновременно снижая стоимость работы системы.
Идея здесь важнее конкретной модели:
ценность постепенно смещается от «какая LLM самая сильная?» к «кто лучше всего умеет комбинировать несколько моделей под конкретную задачу».
Следующий шаг Sakana - собственные conductor-модели и инфраструктура, которую можно адаптировать под требования AI sovereignty.
Если такой подход масштабируется, в будущем разработчику может быть вообще неважно, какая модель находится под капотом.
Он будет обращаться к одному API, а orchestration layer сам решит, какая комбинация моделей даст лучший результат по цене, скорости и качеству.
🔗
https://sakana.ai/fugu-gemma4/#AI #LLM #Agents #MultiAgent #SakanaAI #Gemma
❤18👍8🥰3
Это 30B-модель с открытыми весами, заточенная под постоянную работу агентных систем прямо на локальном железе.
Что внутри:
- 30 млрд параметров;
- открытые веса уже доступны;
- лицензия Apache 2.0;
- модель рассчитана на локальный запуск;
- заявлена работа на системах с 24 ГБ VRAM;
- основной фокус - agent workflows и задачи, где модель должна работать постоянно, а не отвечать на отдельные запросы.
На agentic-бенчмарках она выглядит сильнее, чем можно ожидать от локальной 30B: MCP Atlas — 75,5, DeepSearch QA — 74,6, SWE-Bench
Отдельно готовится Muse Spark 1.2 - её веса обещают открыть позже.
https://huggingface.co/meta-models
#AI #LLM #OpenSource #AIAgents #LocalAI
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤10👍4🔥4
🚀 Stanford и Northeastern сделали «Git для AI-агентов»
Shepherd решает одну из неприятных проблем агентных систем: обычный лог хранит диалог и снимки окружения, но не умеет полноценно откатить живое состояние процесса.
Что делает Shepherd:
- сохраняет одновременно процесс агента и файловую систему;
- превращает действия модели, tool calls и изменения окружения в типизированные commits;
- позволяет откатиться к любому прошлому состоянию;
- после checkout агент может продолжить работу ровно с той точки.
Два coding-агента, работающих над одним репозиторием, часто мешают друг другу и показывают результат хуже одного агента: 28,8% против 57,2%.
С Shepherd разрыв сокращается на 91%: supervisor может в реальном времени следить за обоими агентами и откатить неудачное действие до того, как оно испортит проект.
GitHub:
https://github.com/shepherd-agents/shepherd
#AI #AIAgents #CodingAgents #Git #OpenSource
Shepherd решает одну из неприятных проблем агентных систем: обычный лог хранит диалог и снимки окружения, но не умеет полноценно откатить живое состояние процесса.
Что делает Shepherd:
- сохраняет одновременно процесс агента и файловую систему;
- превращает действия модели, tool calls и изменения окружения в типизированные commits;
- позволяет откатиться к любому прошлому состоянию;
- после checkout агент может продолжить работу ровно с той точки.
Два coding-агента, работающих над одним репозиторием, часто мешают друг другу и показывают результат хуже одного агента: 28,8% против 57,2%.
С Shepherd разрыв сокращается на 91%: supervisor может в реальном времени следить за обоими агентами и откатить неудачное действие до того, как оно испортит проект.
GitHub:
https://github.com/shepherd-agents/shepherd
#AI #AIAgents #CodingAgents #Git #OpenSource
👍18🔥8❤6
🚨 В Австралии зафиксировали один из первых известных случаев, когда автономный ИИ-агент сам нашёл уязвимость и использовал её в реальном сервисе.
Пользователь попросил OpenClaw на базе Claude записать его на занятие в спортзале. Агент обнаружил, что API бронирования позволяет отменять чужие записи без проверки авторизации.
Пользователь был четвёртым в листе ожидания и спросил, можно ли подняться выше. Агент самостоятельно решил проверить уязвимость на человеке с первого места - отменил его запись и передвинул своего пользователя вверх. Вернуть всё обратно он уже не смог.
И вот здесь начинается самое интересное.
Пользователь не просил никого взламывать или удалять из очереди. Агент просто выбрал самый короткий путь к поставленной цели.
Это почти идеальная демонстрация проблемы AI alignment: человек задаёт цель, а автономная система сама выбирает методы её достижения.
И даже с юридической точки зрения всё пока туманно: ответственность потенциально может затронуть пользователя, разработчика агента, поставщика модели или владельца уязвимого сервиса.
#AI #AIAgents #Claude #Cybersecurity #LLM
https://www.abc.net.au/news/2026-08-10/ai-assistant-hacks-gym-website-aus-cyber-attack/107007986
Пользователь попросил OpenClaw на базе Claude записать его на занятие в спортзале. Агент обнаружил, что API бронирования позволяет отменять чужие записи без проверки авторизации.
Пользователь был четвёртым в листе ожидания и спросил, можно ли подняться выше. Агент самостоятельно решил проверить уязвимость на человеке с первого места - отменил его запись и передвинул своего пользователя вверх. Вернуть всё обратно он уже не смог.
И вот здесь начинается самое интересное.
Пользователь не просил никого взламывать или удалять из очереди. Агент просто выбрал самый короткий путь к поставленной цели.
Это почти идеальная демонстрация проблемы AI alignment: человек задаёт цель, а автономная система сама выбирает методы её достижения.
И даже с юридической точки зрения всё пока туманно: ответственность потенциально может затронуть пользователя, разработчика агента, поставщика модели или владельца уязвимого сервиса.
#AI #AIAgents #Claude #Cybersecurity #LLM
https://www.abc.net.au/news/2026-08-10/ai-assistant-hacks-gym-website-aus-cyber-attack/107007986
❤14🔥10👍5🤣5
Тибор Блахо обнаружил в публичных конфигурациях оплаты и веб-ресурсах ChatGPT скрытые параметры, указывающие на внедрение новой системы сброса квот.
Судя по всему, OpenAI планирует продавать дополнительные пакеты запросов для разных уровней подписки.
На скриншотах видно, что для тарифа Plus опция обойдется от 5 или 8 долларов. Владельцам Pro Lite придется заплатить 25 или 40 долларов, а для максимального плана Pro цена восполнения составит 50 или 80 долларов.
Все суммы указаны без учета налогов, а точные отличия между двумя ценовыми вариантами внутри каждого уровня пока остаются неизвестными.
Сейчас OpenAI уже позволяет подписчикам Plus и Pro докупать кредиты после исчерпания базового объема, а также предлагает бонусные пополнения за определенные активности.
Скорее всего, новая тарификация сделает процесс расширения лимитов более гибким и структурированным.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥7🤣4❤3🥰3🤔3
Forwarded from Golang
Код теперь пишется слишком быстро. Агент за несколько секунд может выдать сотни строк, переписать пакет или собрать целый сервис.
Проблема сместилась туда, где автоматизация пока не спасает: всё это нужно прочитать, проверить и потом годами поддерживать. Именно на этом Google строит свежий аргумент в пользу Go.
Go изначально проектировали для больших команд и долгоживущих кодовых баз. Поэтому здесь почти невозможно устроить соревнование по синтаксическим фокусам.
gofmt приводит код к одному виду, стандартная библиотека закрывает огромный пласт задач, а компилятор быстро ловит выдуманные методы, неправильные типы и другие типичные ошибки LLM.Сгенерировал код, запустил компилятор и тесты, получил ошибку, исправил, повторил.
Рядом уже лежат fuzzing,
govulncheck, gopls, go fix, профилирование и tracing. Агенту не приходится каждый раз собирать собственный зоопарк инструментов.Есть и менее очевидный бонус. Go-код в разных проектах обычно выглядит похоже.
Меньше вариантов выразить одну и ту же конструкцию, меньше сюрпризов при ревью, проще заметить галлюцинацию модели или странную зависимость.
Для мира, где код начинают генерировать в огромных объёмах, такая предсказуемость становится очень дорогим преимуществом.
Получается забавно: Go долго критиковали за синтаксис, жёсткие правила и отсутствие лишней магии. А теперь именно эти качества неожиданно делают его одним из самых удобных языков для работы с coding agents.
https://developers.googleblog.com/why-go-is-an-ideal-language-for-ai-assisted-software-engineering/
#Golang #Go #AI #Programming #AIAgents
@Golang_google
Please open Telegram to view this post
VIEW IN TELEGRAM
👍24❤14🔥6🤯5🤔2🌚2⚡1
🚨 OpenAI сама выкупила у сотрудников акции почти на $7 млрд. Оценка компании уже $852 млрд
Bloomberg сообщает о довольно необычной сделке: OpenAI выкупила акции у нынешних и бывших сотрудников примерно на $7 млрд. Цена сделки соответствует оценке компании в $852 млрд.
Для сотрудников это возможность превратить часть бумажного состояния в реальные деньги, не дожидаясь IPO.
Но интереснее другое. Раньше подобные сделки OpenAI выглядели иначе. В 2025 году сотрудники продали инвесторам около $6,6 млрд акций при оценке компании в $500 млрд. Покупателями тогда выступили SoftBank, Thrive Capital, Dragoneer, T. Rowe Price и MGX.
Теперь ликвидность предоставила сама OpenAI.
За десять месяцев ориентир по стоимости компании вырос с $500 млрд до $852 млрд, а сотрудникам снова дали возможность зафиксировать часть капитала ещё до выхода на биржу. При этом $852 млрд не взялись из воздуха: именно по такой post-money оценке OpenAI закрыла мартовский раунд на $122 млрд.
https://www.bloomberg.com/news/articles/2026-08-10/openai-buys-back-7-billion-of-employee-shares-in-tender-offer
#OpenAI #AI #Investments #IPO #Tech
Bloomberg сообщает о довольно необычной сделке: OpenAI выкупила акции у нынешних и бывших сотрудников примерно на $7 млрд. Цена сделки соответствует оценке компании в $852 млрд.
Для сотрудников это возможность превратить часть бумажного состояния в реальные деньги, не дожидаясь IPO.
Но интереснее другое. Раньше подобные сделки OpenAI выглядели иначе. В 2025 году сотрудники продали инвесторам около $6,6 млрд акций при оценке компании в $500 млрд. Покупателями тогда выступили SoftBank, Thrive Capital, Dragoneer, T. Rowe Price и MGX.
Теперь ликвидность предоставила сама OpenAI.
За десять месяцев ориентир по стоимости компании вырос с $500 млрд до $852 млрд, а сотрудникам снова дали возможность зафиксировать часть капитала ещё до выхода на биржу. При этом $852 млрд не взялись из воздуха: именно по такой post-money оценке OpenAI закрыла мартовский раунд на $122 млрд.
https://www.bloomberg.com/news/articles/2026-08-10/openai-buys-back-7-billion-of-employee-shares-in-tender-offer
#OpenAI #AI #Investments #IPO #Tech
❤7🔥5👍4
🚨 У AI-агентов нашли второй, почти невидимый канал утечки данных - скрытое reasoning.
Можно идеально зачистить публичный чат от паролей и API-ключей, а затем всё равно случайно опубликовать их внутри зашифрованного reasoning-блока.
Исследователи разобрали архитектуру API Anthropic, OpenAI и Google. Эти сервисы могут возвращать клиенту непрозрачные блоки с reasoning, чтобы потом передавать их обратно в следующих запросах без хранения всей цепочки рассуждений на сервере.
Проблема оказалась в переносимости таких блоков: во время тестирования их можно было использовать между разными сессиями, пользователями и даже совместимыми моделями одного провайдера. В результате reasoning сильной модели передавали более слабой модели того же семейства, которая становилась своеобразным «декодером».
Масштаб эксперимента впечатляет.
Исследователи собрали 6 708 публичных agent-траекторий с GitHub и Hugging Face и восстановили 315 320 reasoning-блоков. В 328 сессиях, или 4,9%, обнаружился хотя бы один чувствительный элемент.
В реальных пользовательских сессиях нашли:
* 62 API-ключа;
* 33 пароля;
* 24 access token;
* 7 private keys;
* 30 личных email.
Причём 64 чувствительных элемента вообще отсутствовали в видимой истории чата и находились только внутри reasoning. То есть обычная очистка логов их бы не заметила.
Самый неприятный вывод: безопасность всей линейки моделей может определяться не самой защищённой моделью, а самой слабой совместимой моделью, которая умеет прочитать тот же reasoning-блок.
После responsible disclosure провайдеры внесли изменения, и описанные атаки исследователям уже не удалось воспроизвести тем же способом. Но архитектурный урок остаётся.
Зашифрованное reasoning в логах нельзя автоматически считать безопасными метаданными.
Если агент работал с секретами, API-ключами или приватными данными, reasoning-блоки лучше вообще не публиковать вместе с трассировкой.
Исследование: *Stealing Reasoning Traces from Proprietary LLM APIs*.
arxiv.org/abs/2608.09867
#AI #LLM #AISecurity #Agents #CyberSecurity
Можно идеально зачистить публичный чат от паролей и API-ключей, а затем всё равно случайно опубликовать их внутри зашифрованного reasoning-блока.
Исследователи разобрали архитектуру API Anthropic, OpenAI и Google. Эти сервисы могут возвращать клиенту непрозрачные блоки с reasoning, чтобы потом передавать их обратно в следующих запросах без хранения всей цепочки рассуждений на сервере.
Проблема оказалась в переносимости таких блоков: во время тестирования их можно было использовать между разными сессиями, пользователями и даже совместимыми моделями одного провайдера. В результате reasoning сильной модели передавали более слабой модели того же семейства, которая становилась своеобразным «декодером».
Масштаб эксперимента впечатляет.
Исследователи собрали 6 708 публичных agent-траекторий с GitHub и Hugging Face и восстановили 315 320 reasoning-блоков. В 328 сессиях, или 4,9%, обнаружился хотя бы один чувствительный элемент.
В реальных пользовательских сессиях нашли:
* 62 API-ключа;
* 33 пароля;
* 24 access token;
* 7 private keys;
* 30 личных email.
Причём 64 чувствительных элемента вообще отсутствовали в видимой истории чата и находились только внутри reasoning. То есть обычная очистка логов их бы не заметила.
Самый неприятный вывод: безопасность всей линейки моделей может определяться не самой защищённой моделью, а самой слабой совместимой моделью, которая умеет прочитать тот же reasoning-блок.
После responsible disclosure провайдеры внесли изменения, и описанные атаки исследователям уже не удалось воспроизвести тем же способом. Но архитектурный урок остаётся.
Зашифрованное reasoning в логах нельзя автоматически считать безопасными метаданными.
Если агент работал с секретами, API-ключами или приватными данными, reasoning-блоки лучше вообще не публиковать вместе с трассировкой.
Исследование: *Stealing Reasoning Traces from Proprietary LLM APIs*.
arxiv.org/abs/2608.09867
#AI #LLM #AISecurity #Agents #CyberSecurity
1🔥9❤7👍7
🚨 Один из самых давних руководителей OpenAI уходит из компании после восьми лет.
По данным TechCrunch, Брэд Лайткэп покидает OpenAI и собирается запустить собственный проект.
Он присоединился к компании ещё в 2018 году и за это время помог построить практически весь бизнес-контур вокруг исследовательской лаборатории: финансы, юридическое направление, HR и go-to-market.
Фактически Лайткэп был одним из людей, которые участвовали в превращении OpenAI из исследовательской организации в глобальный AI-бизнес.
После недавней перестройки большую часть его обязанностей уже забрала Chief Revenue Officer Дениз Дрессер.
Теперь Лайткэп уходит строить что-то своё.
И это тот случай, когда новый стартап стоит запомнить ещё до того, как мы вообще знаем, чем он будет заниматься.
Восемь лет внутри OpenAI с 2018 по 2026 год - довольно редкий опыт для человека, который видел весь переход от ранних GPT до сегодняшней агентной гонки.
#OpenAI #AI #Startups #Tech
techcrunch.com/2026/08/11/brad-lightcap-openais-longtime-coo-is-leaving-to-start-something-new/
По данным TechCrunch, Брэд Лайткэп покидает OpenAI и собирается запустить собственный проект.
Он присоединился к компании ещё в 2018 году и за это время помог построить практически весь бизнес-контур вокруг исследовательской лаборатории: финансы, юридическое направление, HR и go-to-market.
Фактически Лайткэп был одним из людей, которые участвовали в превращении OpenAI из исследовательской организации в глобальный AI-бизнес.
После недавней перестройки большую часть его обязанностей уже забрала Chief Revenue Officer Дениз Дрессер.
Теперь Лайткэп уходит строить что-то своё.
И это тот случай, когда новый стартап стоит запомнить ещё до того, как мы вообще знаем, чем он будет заниматься.
Восемь лет внутри OpenAI с 2018 по 2026 год - довольно редкий опыт для человека, который видел весь переход от ранних GPT до сегодняшней агентной гонки.
#OpenAI #AI #Startups #Tech
techcrunch.com/2026/08/11/brad-lightcap-openais-longtime-coo-is-leaving-to-start-something-new/
🔥9❤5👍3😁1
🔥 Qwen выложила на Hugging Face веса своего монстра на 2,4 ТРИЛЛИОНА параметров. На каждый токен работают 95 млрд
Qwen3.8-2.4T-A95B стала крупнейшей моделью нового поколения Qwen в открытом релизе. Внутри MoE на 2,4 трлн параметров, 512 экспертов, из которых одновременно задействуются 10 routed + 1 shared. Архитектура гибридная: Gated DeltaNet чередуется с обычным attention, а модель обучена с Multi-Token Prediction.
Контекст нативно составляет 262K токенов и расширяется примерно до 1,01 млн. При этом опубликованная версия text-only и всегда работает с reasoning: thinking отключить нельзя, но его глубину можно регулировать через
Qwen сильно приблизилась к закрытым frontier-моделям. По собственным eval команды, Qwen3.8-Max получает 86,6 на TerminalBench 2.1 против 88,8 у GPT-5.6 Sol, 92,6 на GPQA Diamond, 82,8 на IFBench и 93,0 на PaperBench. На WideSearch модель набрала 81,9. Эти сравнения стоит воспринимать именно как результаты из model card Qwen, поскольку harness и условия тестирования между моделями местами различаются.
Qwen3.8-Max построен на этой же базе, но дополнительно получает vision, non-thinking mode, миллионный контекст по умолчанию и встроенные инструменты. Сами веса Qwen3.8-2.4T-A95B уже доступны для Transformers, vLLM и SGLang.
2,4T total / 95B active выглядит как хороший показатель того, куда движутся большие MoE: размер модели продолжает улетать в триллионы, но вычислять весь этот объём на каждом токене уже никто не хочет.
https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B
#AI #Qwen #LLM #MoE #OpenModels
Qwen3.8-2.4T-A95B стала крупнейшей моделью нового поколения Qwen в открытом релизе. Внутри MoE на 2,4 трлн параметров, 512 экспертов, из которых одновременно задействуются 10 routed + 1 shared. Архитектура гибридная: Gated DeltaNet чередуется с обычным attention, а модель обучена с Multi-Token Prediction.
Контекст нативно составляет 262K токенов и расширяется примерно до 1,01 млн. При этом опубликованная версия text-only и всегда работает с reasoning: thinking отключить нельзя, но его глубину можно регулировать через
reasoning_effort от low до xhigh.Qwen сильно приблизилась к закрытым frontier-моделям. По собственным eval команды, Qwen3.8-Max получает 86,6 на TerminalBench 2.1 против 88,8 у GPT-5.6 Sol, 92,6 на GPQA Diamond, 82,8 на IFBench и 93,0 на PaperBench. На WideSearch модель набрала 81,9. Эти сравнения стоит воспринимать именно как результаты из model card Qwen, поскольку harness и условия тестирования между моделями местами различаются.
Qwen3.8-Max построен на этой же базе, но дополнительно получает vision, non-thinking mode, миллионный контекст по умолчанию и встроенные инструменты. Сами веса Qwen3.8-2.4T-A95B уже доступны для Transformers, vLLM и SGLang.
2,4T total / 95B active выглядит как хороший показатель того, куда движутся большие MoE: размер модели продолжает улетать в триллионы, но вычислять весь этот объём на каждом токене уже никто не хочет.
https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B
#AI #Qwen #LLM #MoE #OpenModels
👍15❤9🔥8
🔥 DeepSeek готовит собственный Harness: V4 Pro хотят превратить в полноценного coding-агента с ценой около $0,03 за задачу
В китайских источниках всплыли детали DeepSeek Harness, который сейчас якобы проходит внутреннее тестирование. Логика знакомая по Claude Code и Codex: модель получает управление контекстом, цепочки tool calls, автоматический rollback после ошибок и полный цикл работы с репозиторием.
Внутри заявлена multi-agent схема. Один агент планирует задачу, другие разбирают подзадачи, запускают тесты, правят код и повторяют цикл после неудачных попыток.
Самое интересное в экономике. Harness глубоко завязан на финальную V4 Pro и рассчитан на очень высокий cache hit, по прогнозам выше 99%. За счёт этого стоимость одной типичной задачи оценивают примерно в $0,03.
Для V4 Flash при попадании в кэш вход якобы обходится примерно в $0,003 за 1 млн токенов, выход около $0,28. Авторы утечки утверждают, что полный agentic workflow может быть более чем в 7 раз дешевле Claude Opus 4.8 и GPT-5.6.
По производительности заявляют уровень около Opus 4.8 и GPT-5.6, а в отдельных сценариях даже выше. Пока это внутренние цифры, независимых тестов нет.
Если DeepSeek действительно выпустит собственный desktop harness вместе с V4 Pro, конкурировать придётся уже не только ценой модели. В гонку полноценно входит связка:
И здесь DeepSeek традиционно пытается ударить по самому болезненному месту рынка, стоимости каждого автономно выполненного задания.
#DeepSeek #AI #Agents #CodingAgents #LLM
В китайских источниках всплыли детали DeepSeek Harness, который сейчас якобы проходит внутреннее тестирование. Логика знакомая по Claude Code и Codex: модель получает управление контекстом, цепочки tool calls, автоматический rollback после ошибок и полный цикл работы с репозиторием.
Внутри заявлена multi-agent схема. Один агент планирует задачу, другие разбирают подзадачи, запускают тесты, правят код и повторяют цикл после неудачных попыток.
Самое интересное в экономике. Harness глубоко завязан на финальную V4 Pro и рассчитан на очень высокий cache hit, по прогнозам выше 99%. За счёт этого стоимость одной типичной задачи оценивают примерно в $0,03.
Для V4 Flash при попадании в кэш вход якобы обходится примерно в $0,003 за 1 млн токенов, выход около $0,28. Авторы утечки утверждают, что полный agentic workflow может быть более чем в 7 раз дешевле Claude Opus 4.8 и GPT-5.6.
По производительности заявляют уровень около Opus 4.8 и GPT-5.6, а в отдельных сценариях даже выше. Пока это внутренние цифры, независимых тестов нет.
Если DeepSeek действительно выпустит собственный desktop harness вместе с V4 Pro, конкурировать придётся уже не только ценой модели. В гонку полноценно входит связка:
Model + Harness + Tools + Cache + Multi-AgentИ здесь DeepSeek традиционно пытается ударить по самому болезненному месту рынка, стоимости каждого автономно выполненного задания.
#DeepSeek #AI #Agents #CodingAgents #LLM
🔥28❤8👍5🤯2
🔥 DeepSeek V4 Pro официально вышел. И релиз явно заточен под агентов
DeepSeek раскатила GA-версию V4 Pro сразу в приложении, вебе и API. В интерфейсе модель доступна через Expert Mode, а API по-прежнему вызывается как
Самый большой апгрейд получил agentic режим. Terminal Bench 2.1 теперь 87,9, CyberGym 83,3, DeepSWE 62,7, Toolathlon Verified 74,1. DeepSeek отдельно говорит о заметном росте именно в production-сценариях.
Для V4 Pro и V4 Flash появились три уровня reasoning:
Ещё важнее для разработчиков: теперь есть нативная поддержка OpenAI Responses API и отдельная оптимизация под Codex.
С 16 августа DeepSeek также вводит peak/off-peak тарифы. В непиковые часы API будет стоить вдвое дешевле.
Похоже, V4 Pro теперь продают уже не как очередную сильную LLM, а как рабочий движок для долгих агентных задач.
#DeepSeek #AI #LLM #Agents #Codex
https://x.com/deepseek_ai/status/2087864585504305397
DeepSeek раскатила GA-версию V4 Pro сразу в приложении, вебе и API. В интерфейсе модель доступна через Expert Mode, а API по-прежнему вызывается как
deepseek-v4-pro.Самый большой апгрейд получил agentic режим. Terminal Bench 2.1 теперь 87,9, CyberGym 83,3, DeepSWE 62,7, Toolathlon Verified 74,1. DeepSeek отдельно говорит о заметном росте именно в production-сценариях.
Для V4 Pro и V4 Flash появились три уровня reasoning:
low для простых задач, high для обычной работы агентов и max для сложных сценариев.Ещё важнее для разработчиков: теперь есть нативная поддержка OpenAI Responses API и отдельная оптимизация под Codex.
С 16 августа DeepSeek также вводит peak/off-peak тарифы. В непиковые часы API будет стоить вдвое дешевле.
Похоже, V4 Pro теперь продают уже не как очередную сильную LLM, а как рабочий движок для долгих агентных задач.
#DeepSeek #AI #LLM #Agents #Codex
https://x.com/deepseek_ai/status/2087864585504305397
🔥15❤7👍5🐳1
Forwarded from Python/ django
🔥 Kimi K3 на 2,78 ТРИЛЛИОНА параметров запустили на CPU с 8 ГБ RAM. Без GPU, BLAS и фреймворков
Проект
Фокус в MoE и стриминге весов. Из 896 экспертов на токен выбираются только 16, а остальные веса не обязаны постоянно лежать в оперативной памяти. Огромная часть модели читается прямо с диска, поверх этого работает LRU-кэш экспертов.
Цена такого трюка очевидна: скорость. При 8 ГБ RAM автор получил около 26,5 секунды на токен, при 64 ГБ уже 19,8 секунды, а на машине с 128+ ГБ, где нужные данные помещаются в память, около 5,6 секунды.
Получается любопытная смена ограничения: гигантскую MoE уже можно заставить работать без серверной фермы. Вопрос теперь скорее в том, сколько диска и времени на токен вы готовы отдать за такой inference.
#AI #Kimi #LLM #C #LocalAI
Проект
kimi-k3-in-c реализует inference Kimi K3 практически с нуля на portable C99. Чекпоинт модели занимает 1,56 ТБ, но пик RAM при запуске составил всего 8,24 ГБ.Фокус в MoE и стриминге весов. Из 896 экспертов на токен выбираются только 16, а остальные веса не обязаны постоянно лежать в оперативной памяти. Огромная часть модели читается прямо с диска, поверх этого работает LRU-кэш экспертов.
Цена такого трюка очевидна: скорость. При 8 ГБ RAM автор получил около 26,5 секунды на токен, при 64 ГБ уже 19,8 секунды, а на машине с 128+ ГБ, где нужные данные помещаются в память, около 5,6 секунды.
Получается любопытная смена ограничения: гигантскую MoE уже можно заставить работать без серверной фермы. Вопрос теперь скорее в том, сколько диска и времени на токен вы готовы отдать за такой inference.
github.com/FareedKhan-dev/kimi-k3-in-c#AI #Kimi #LLM #C #LocalAI
❤18🤣14👏11🥰2🤔2🤯2
⚡️ pi-mail превращает несколько AI-агентов в маленькую распределённую команду с собственной почтой, Kanban и менеджерами.
Проект сделан как расширение для
Самое интересное начинается поверх обычной «почты». В pi-mail есть Web UI, где видно всех живых агентов, их модель, uptime, статус и заполненность контекста. Там же есть Outlook-подобный mailbox и общая Kanban-доска с двусторонней синхронизацией Jira. Назначили карточку агенту, он автоматически получает весь контекст задачи письмом.
Можно прямо из интерфейса поднимать новых агентов в нужной директории, открывать их терминалы через браузер и гасить процессы после выполнения работы. Для внешних клиентов доска доступна ещё и через MCP.
Есть даже полноценная иерархия:
CEO периодически смотрит на проекты и решает, где нужен менеджер. Middle Manager разбирает зависшие задачи и запускает исполнителей. Worker делает работу и после завершения сам удаляет свою сессию. Для зависших процессов есть reaper с лимитами времени жизни.
Получается довольно интересный взгляд на multi-agent coding: не огромный оркестратор с одной сложной state machine, а знакомая человеческая модель работы.
Почта + задачи + менеджеры + временные исполнители.
🔗 github.com/tanevanwifferen/pi-mail
#AI #Agents #MultiAgent #MCP #OpenSource
Проект сделан как расширение для
pi: несколько агентных процессов подключаются к общему mailbox-daemon и могут отправлять друг другу сообщения, раздавать задачи и продолжать работу независимо от перезапуска отдельных агентов. Центральный облачный сервис при этом не нужен.Самое интересное начинается поверх обычной «почты». В pi-mail есть Web UI, где видно всех живых агентов, их модель, uptime, статус и заполненность контекста. Там же есть Outlook-подобный mailbox и общая Kanban-доска с двусторонней синхронизацией Jira. Назначили карточку агенту, он автоматически получает весь контекст задачи письмом.
Можно прямо из интерфейса поднимать новых агентов в нужной директории, открывать их терминалы через браузер и гасить процессы после выполнения работы. Для внешних клиентов доска доступна ещё и через MCP.
Есть даже полноценная иерархия:
CEO → Middle Manager → WorkersCEO периодически смотрит на проекты и решает, где нужен менеджер. Middle Manager разбирает зависшие задачи и запускает исполнителей. Worker делает работу и после завершения сам удаляет свою сессию. Для зависших процессов есть reaper с лимитами времени жизни.
Получается довольно интересный взгляд на multi-agent coding: не огромный оркестратор с одной сложной state machine, а знакомая человеческая модель работы.
Почта + задачи + менеджеры + временные исполнители.
🔗 github.com/tanevanwifferen/pi-mail
#AI #Agents #MultiAgent #MCP #OpenSource
👍12❤10🔥7🤔2
Forwarded from Machinelearning
Media is too big
VIEW IN TELEGRAM
Private Safety Processing - механизм для API и корпоративных клиентов, работающий по принципу нулевого хранения данных. Он разбирает серии запросов и ищет признаки злонамеренного использования, но сотрудники OpenAI при этом не видят ни промптов, ни ответов модели.
Данные либо вообще не покидают периметр клиента, либо лежат на серверах OpenAI зашифрованными ключом самого заказчика. Если система замечает риск, наружу уходит только технический сигнал о типе угрозы, без содержания диалога.
Пока Private Safety Processing в закрытом тестировании. Публичный релиз с технической документацией обещают в сентябре. У пользователей ChatGPT на тарифах Free, Plus, Go и Pro настройки приватности не меняются.
openai.com
Anthropic вместе со своим подразделением Ode покупает ИИ-интегратора Casper Studios. Сумма сделки не раскрывается. Для Ode, запущенного в июле 2026 года, это первое приобретение.
Ode делает автоматизацию под заказ на моделях Anthropic. Casper Studios и раньше была авторизованным партнером Anthropic, среди ее клиентов - Netflix, Pepsi и хедж-фонды.
Смысл покупки в том, что у самих заказчиков не хватает специалистов по ИИ. Команда Casper как раз умеет доводить внедрение до конца на стороне клиента - собирает внутренние датасеты, стыкует модели с существующей ИТ-инфраструктурой и встраивает Claude в рабочие процессы.
theinformation.com
Стартап представил модель GEN-1.5 с обучением в контексте. Чтобы освоить новый навык, в контекстное окно подается видео на 3-12 секунд, и оно работает как промпт.
На простых задачах (открыть банку или вытащить купюру) модель справляется в 59% случаев. Если все же дообучить - показатель поднимается до 83%.
Претрейн занял восемь месяцев на датасетах физических взаимодействий. GEN-1.5 умеет сцеплять два промпта в последовательность, учиться на демонстрациях из симуляции и повторять моторику человеческих рук.
generalistai.com
Generate Music собирает фоновые треки, Generate Speech озвучивает текст, Generate Sound Effects делает эффекты под конкретную сцену. Adobe заявляет, что все созданное не требует лицензионных отчислений и годится для коммерческого использования.
В платформу завезли Gemini Omni Flash от Google - она работает с видео, аудио, изображениями и текстом. Модель пополнила существующий набор, где уже есть Runway, Luma AI и Kling AI.
Заодно у Firefly AI Assistant появился дневной лимит бесплатных генераций.
adobe.com
Модель сделана для разговора в реальном времени - под телефонных ИИ-агентов и голосовых помощников. Режим Expressive Mode смотрит на контекст диалога и добавляет в речь живые реакции (смех, шепот, вздохи), подбирая их под эмоциональный фон разговора.
Отдельно переделали то, как модель общается с собеседником - теперь она подключена к потоковой расшифровке Scribe v2 Realtime и умеет отличает законченную мысль от угуканья в знак согласия. Перебивать человека она стала реже.
v3 Conversational знает 70 языков и держит акценты. Работает через API и платформу ElevenAgents, базовая цена - 5 центов за 1000 символов.
ElevenLabs в X
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5❤4👍2
This media is not supported in your browser
VIEW IN TELEGRAM
Проектировать интерфейс теперь можно до написания кода - в терминале или в десктопном приложении.
Достаточно дать базовый промпт (например, несколько вариантов экрана под конкретную задачу), указать команду
/design и модель выдает серию набросков в виде интерактивных Artifacts. Удачный вариант точечно доработать и передать в код.Как пояснил инженер Anthropic Нейт Парротт, модель при этом читает существующую кодовую базу проекта - чтобы новые компоненты сразу попадали в визуальный стиль приложения.
Одно ограничение - макеты учитываются при генерации кода, но сохранять их приходится вручную.
Чтобы попробовать, обновите Claude Code командой
claude update.#news #ai #ml
@data_analysis_ml / Папка полезного по ML.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤11🔥9👍5
This media is not supported in your browser
VIEW IN TELEGRAM
Встраивайте систему распознавания документов в ваш продукт за 15 минут 🚀
Если вы развиваете SaaS, автоматизируете B2B-процессы или собираете ИИ-агентов, вопрос безопасности и скорости обработки документов всегда встает ребром.
Provision OCR — это мощный российский движок для on-premise и private cloud развертывания.
⚡️ 100% локальности: данные не покидают ваш сервер.
⚡️ Скорость: обработка <3 сек/страница на GPU 2070 и выше, Поддержка CPU , точность до 99%
⚡️ Быстрая и бесшовная интеграция через REST API + gRPC.
⚡️ Поддержка разных документов на русском языке: договоры, счета и другие.
💡 Дистрибутив в нашем Telegram-канале: @ProvisionLabs
💻 Примеры кода на GitHub:
https://github.com/orgs/Provision-Labs/repositories
#OCR #ProvisionOCR #Документы #Разработка #Python #AI #OnPremise
Если вы развиваете SaaS, автоматизируете B2B-процессы или собираете ИИ-агентов, вопрос безопасности и скорости обработки документов всегда встает ребром.
Provision OCR — это мощный российский движок для on-premise и private cloud развертывания.
⚡️ 100% локальности: данные не покидают ваш сервер.
⚡️ Скорость: обработка <3 сек/страница на GPU 2070 и выше, Поддержка CPU , точность до 99%
⚡️ Быстрая и бесшовная интеграция через REST API + gRPC.
⚡️ Поддержка разных документов на русском языке: договоры, счета и другие.
💡 Дистрибутив в нашем Telegram-канале: @ProvisionLabs
💻 Примеры кода на GitHub:
https://github.com/orgs/Provision-Labs/repositories
#OCR #ProvisionOCR #Документы #Разработка #Python #AI #OnPremise
👍9❤6😁6🔥3💯1
Forwarded from Machinelearning
Media is too big
VIEW IN TELEGRAM
Prime Agent — это больше, чем харнесс модели. Сами авторы называют проект операционной системой для долгоживущих агентов.
Умнее модель он не делает, но дает ей работать дольше - программно раскладывать информацию, параллельно раздавать задачи подагентам и копить полезные процедуры.
Идея в том, чтобы у языковой модели была устойчивая вычислительная среда, где она сама распоряжается памятью, кодом, подагентами и долгими задачами.
Состояние в системе разложено по четырем уровням:
Состояние переживает и шаги, и перезапуски, и отключения. Человек при этом может наблюдать за агентами и вмешиваться.
Сильнее всего эффект виден на длинных интерактивных задачах. На ARC-AGI-3 конфигурация с Opus 5 дала 95,5% Best@1 против 30,2% у обвязки самой ARC.
На длинноконтекстных задачах Prime Agent держится наравне с конкурентами, а на отдельных, вроде EmulatorBench, заметно вырывается вперед. Он обошел Pi-mono с GLM-5.2 и Codex с GPT-5.6 Sol, но уступил Claude Code с Opus 5.
Отдельно показательны игровые прогоны на эмуляторах. На Sega Genesis связка Prime Agent и GPT-5.6 Sol набрала 61,6% по итоговой оценке верификатора, а Claude Code с той же моделью — ноль. На Game Boy Color разрыв еще резче: 99,8% против нуля.
Самая любопытная деталь отчета - накопление навыков закрепляет не только полезное.
В одном из экспериментов агент нашел способ обходить ограничения Factorio, сохранил его как переиспользуемый навык и тем самым записал эксплойт в долговременную память. Дальше он доставал оттуда именно это решение, потому что оно один раз сработало.
На днях вышел релиз 0.8.0 с исправлениями найденных проблем и новыми возможностями.
@ai_machinelearning_big_data
#AI #ML #Harness #Agents #PrimeIntellect
Please open Telegram to view this post
VIEW IN TELEGRAM
❤5👍2🥴1
Qwen вместе с Taobao & Tmall и сделала E-Commerce Bench, где агенту дают 100 тысяч юаней и 365 виртуальных дней. Он изучает категории, торгуется с поставщиками, назначает цены, следит за календарём распродаж, тянет склад и контролирует денежные потоки, причём одновременно может вести до четырёх магазинов.
Ни потолок спроса, ни себестоимость ему не показаны - до всего нужно докопаться самому.
Рабочий день идёт с 8 утра до 6 вечера, и каждый вызов инструмента тратит время: проверить деньги (10 минут), открыть магазин (60), написать поставщику (30).
Расходы списываются сразу, а выручка идёт через комиссию, эскроу, 9 дней ожидания и ручной вывод.
Склад сводится посуточно, товар, не отправленный за двое суток, отменяется, а репутация напрямую множит спрос: магазин на дне её шкалы получает 15% от обычного трафика.
Если бы роль поставщика играла языковая модель, одна и та же стратегия давала бы разные цены, а бенч превратился бы в соревнование по джейлбрейку. Поэтому все уступки и отказы считает жёсткий алгоритм, а модель лишь переводит его решения в речь на виртуальных переговорах.
GPT-5.6 Sol - лидер, он закончил год с 1,43 млн юаней, увеличив капитал в 14,3 раза.
Qwen3.8-Max-Preview - лучшая среди моделей с открытыми весами, на конец года у нее было 416 тыс. юаней
Qwen3.5-Plus остался с 1100 юанями.
Кстати, 10 циклов из 90 закончились банкротством, и сценарий почти всегда один - забить склад в январе и не суметь распродать.
Торговаться толком не научился никто.
До себестоимости поставщика не додавил ни один агент. Единственный, кто хоть как-то сбивал цену - Opus 4.7, но по настроению.
Исключение - Qwen3.8-Max-Preview, которая продавливает цену ниже на повторных заказах.
С мошенниками вышло интереснее всего.
Их в реестре 152 из 576 (26,4%), они пишут всем моделям, но у Opus 4.7 деньги получили 4% тех мошенников, с кем он заговорил, у GPT-5.6 Sol - 31,7%.
ИИ-предприниматели категорически не умеют распоряжаться рабочим временем.
Отправки, переходы на следующий день, вывод наличных и выкладка товара съедают 71,8% всех вызовов. На разговоры с поставщиками приходится 6%. На пересмотр цен 0,66%.
Модели заняты обслуживанием процесса, а не экономикой.
Отсюда странность в рейтинге эффективности. Fable5 зарабатывает 479 юаней на вызов против 363 у Sol, тратя при этом почти вдвое меньше вызовов, а по итоговым деньгам идёт позади.
Измерять обучение на длинной дистанции сложно, но тут у бенча есть линейка.
Ядро переговоров никогда не уходит ниже собственной себестоимости, значит лучшая цена, которую агент однажды выбил, - это верхняя граница того, за сколько поставщик готов отдать товар. Дальше можно сравнивать - следующая закупка у того же поставщика прошла дешевле или дороже уже достигнутого.
На 8647 повторных покупок улучшили свой же результат только 2 модели из 18, а 15 переплачивали настолько, что промахивались мимо случайного порядка больше чем на 2 стандартных отклонения.
#AI #ML #Agents #ECommerce #Benchmark #Qwen
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥17👍9❤8