Anthropic нашли внутри Claude внутреннее пространство, где хранятся его мысли
Стартап выпустил одну из самых интересных работ по интерпретируемости за последнее время. Они обнаружили, что в LLM есть отдельный небольшой внутренний набор нейронных активаций, который используется как рабочая память для сложного мышления: так называемый J-space.
Мы часто представляем LLM как огромную мешанину чисел, где знания и рассуждения размазаны по миллиардам параметров. Но похоже, что это не совсем так.
Любопытно, что человеческий мозг работает похожим образом. Есть когнитивная теория, утверждающая, что он состоит из множества специализированных подсистем, которые работают независимо; но иногда какая-то информация попадает в небольшой общий workspace, становится доступной сразу многим областям мозга и может использоваться для рассуждений и принятия решений. И вот именно такой механизм исследователи обнаружили в Claude.
Вот как работает J-space:
— Название происходит от разработанной учеными техники Jacobian Lens. Она позволяет по текущим активациям понимать, какие токены с большей вероятностью появятся в будущем. При этом то, что они появятся – далеко не факт, но это значит, что модель о них думает и держит их в J-space, чтобы использовать в рассуждениях. По сути, это чтение мыслей Claude.
— Если спросить Claude, о чем он думает, то содержимое J-space хорошо совпадает с ответом модели. Другие внутренние представления таким свойством не обладают. А еще модель умеет сознательно менять J-space. Например, если сказать ей «думай о слонах, пока решаешь задачу», то эта концепция появится в J-space. При решении сложной задачи промежуточные шаги тоже появляются именно внутри J-space, даже если их при этом нет в цепочках мыслей.
— Если полностью отключить J-space, то у модели почти исчезают способности, требующие сложного мышления и многошагового рассуждения. Например, она больше не может сочинять стихи.
Самое важное во всем этом то, что J-space можно читать и менять. Anthropic приводят пример: исследователи специально внедряли модели скрытую цель во время обучения и затем наблюдали, как эта цель проявляется в J-space, хотя в ответах напрямую она ни разу не озвучивалась. При этом изменяя активации в J-space, они могли менять дальнейшие решения модели.
Потенциально это путь к тому, чтобы создавать (полностью?) безопасные и контролируемые модели. По крайней мере, сегодня Anthropic уже сделали черный ящик немного более прозрачным.
www.anthropic.com/research/global-workspace
Стартап выпустил одну из самых интересных работ по интерпретируемости за последнее время. Они обнаружили, что в LLM есть отдельный небольшой внутренний набор нейронных активаций, который используется как рабочая память для сложного мышления: так называемый J-space.
Мы часто представляем LLM как огромную мешанину чисел, где знания и рассуждения размазаны по миллиардам параметров. Но похоже, что это не совсем так.
Любопытно, что человеческий мозг работает похожим образом. Есть когнитивная теория, утверждающая, что он состоит из множества специализированных подсистем, которые работают независимо; но иногда какая-то информация попадает в небольшой общий workspace, становится доступной сразу многим областям мозга и может использоваться для рассуждений и принятия решений. И вот именно такой механизм исследователи обнаружили в Claude.
Вот как работает J-space:
— Название происходит от разработанной учеными техники Jacobian Lens. Она позволяет по текущим активациям понимать, какие токены с большей вероятностью появятся в будущем. При этом то, что они появятся – далеко не факт, но это значит, что модель о них думает и держит их в J-space, чтобы использовать в рассуждениях. По сути, это чтение мыслей Claude.
— Если спросить Claude, о чем он думает, то содержимое J-space хорошо совпадает с ответом модели. Другие внутренние представления таким свойством не обладают. А еще модель умеет сознательно менять J-space. Например, если сказать ей «думай о слонах, пока решаешь задачу», то эта концепция появится в J-space. При решении сложной задачи промежуточные шаги тоже появляются именно внутри J-space, даже если их при этом нет в цепочках мыслей.
— Если полностью отключить J-space, то у модели почти исчезают способности, требующие сложного мышления и многошагового рассуждения. Например, она больше не может сочинять стихи.
Самое важное во всем этом то, что J-space можно читать и менять. Anthropic приводят пример: исследователи специально внедряли модели скрытую цель во время обучения и затем наблюдали, как эта цель проявляется в J-space, хотя в ответах напрямую она ни разу не озвучивалась. При этом изменяя активации в J-space, они могли менять дальнейшие решения модели.
Потенциально это путь к тому, чтобы создавать (полностью?) безопасные и контролируемые модели. По крайней мере, сегодня Anthropic уже сделали черный ящик немного более прозрачным.
www.anthropic.com/research/global-workspace
3❤259🔥87👍48🤯15🤔11😁8🗿4👌2🏆2✍1
Data Secrets
Anthropic нашли внутри Claude внутреннее пространство, где хранятся его мысли Стартап выпустил одну из самых интересных работ по интерпретируемости за последнее время. Они обнаружили, что в LLM есть отдельный небольшой внутренний набор нейронных активаций…
Смешной пример из исследования: Claude говорят не думать о мосте в Сан-Франциско во время ответа на вопрос, и в ответ на это во внутреннем пространстве мыслей модели сначала появляется слово «мост», а затем «damn» («черт»).
Ближе к человеку, чем кажется
Ближе к человеку, чем кажется
6😁536
Пока ждем GPT-5.6 Sol (должен выйти уже в ближайшие часы), ловите веселые новости из Китая
Их министерство коммерции собирается ограничить доступ иностранцев к фронтирным моделям страны.
В частности, чиновники уже провели встречи с представителями Alibaba, ByteDance и Z.ai и обсудили соответствующие меры. Сообщается, что относится новые правила будут даже к моделям с открытыми весами😭
Кроме того, государство собирается ограничить возможности иностранных инвестиций, а разглашение запатентованных технологий ИИ будут рассматривать как преступление против национальной безопасности.
Больше никаких квенов…
Их министерство коммерции собирается ограничить доступ иностранцев к фронтирным моделям страны.
В частности, чиновники уже провели встречи с представителями Alibaba, ByteDance и Z.ai и обсудили соответствующие меры. Сообщается, что относится новые правила будут даже к моделям с открытыми весами
Кроме того, государство собирается ограничить возможности иностранных инвестиций, а разглашение запатентованных технологий ИИ будут рассматривать как преступление против национальной безопасности.
Больше никаких квенов…
Please open Telegram to view this post
VIEW IN TELEGRAM
1🤯237
Оп, Anthropic продлили доступ к Fable по подписке до 12 июля!
Чего только не сделаешь, когда конкуренты выпускают новую модель✨
Чего только не сделаешь, когда конкуренты выпускают новую модель
Please open Telegram to view this post
VIEW IN TELEGRAM
1😁284🔥41❤22
GPT-5.6 выходит завтра – официальный анонс от OpenAI
Все три модели выйдут одновременно. В линейке, напоминаем, будет:
1. Sol, самая крупная и мощная, примерно на уровне Mythos, и при этом дешевле в два раза.
2. Terra, промежуточный вариант. Уровень Opus 4.8.
3. Luna, самый дешевая и быстрая модель.
Тем временем уже сейчас стартап расширяет превью доступ. Так что некоторые счастливчики могут попробовать модели уже сейчас.
Все три модели выйдут одновременно. В линейке, напоминаем, будет:
1. Sol, самая крупная и мощная, примерно на уровне Mythos, и при этом дешевле в два раза.
2. Terra, промежуточный вариант. Уровень Opus 4.8.
3. Luna, самый дешевая и быстрая модель.
Тем временем уже сейчас стартап расширяет превью доступ. Так что некоторые счастливчики могут попробовать модели уже сейчас.
1❤133👍43🔥38🦄6🤯5👏2😁2🤩1🫡1🎄1
Полный I'll be back: "Терминатор 2" возвращают в кинотеатры. Джеймс Кэмерон заявил, что это "послание надежды, в котором хорошие парни побеждают ИИ"
В этом году фильму исполняется 35 лет. Дистрибьюторы конвертнули картину в 4к и 3D, и готовятся снова выпустить ее на экраны 28 августа. Вот что сказал по этому поводу Кэмерон:
Он что-то знает?
В этом году фильму исполняется 35 лет. Дистрибьюторы конвертнули картину в 4к и 3D, и готовятся снова выпустить ее на экраны 28 августа. Вот что сказал по этому поводу Кэмерон:
Я думаю, спустя 35 лет уже можно раскрывать спойлеры, так что СПОЙЛЕР: хорошие парни побеждают искусственный суперинтеллект! И, возможно, это именно тот посыл надежды, который всем нам не помешает этим летом.
Он что-то знает?
😁196❤44🤔15
Anthropic бесплатно раздают пол года Claude Max 20x
Стартап запустил программу "Claude for Open Source". Условия относительно простые, и любой, кто так или иначе связан с опенсорсом, может получить в подарок пол года самого мощного тарифа антропиков. Сорвать куш можно, если:
– Вы автор библиотеки или поддерживаете ее: 500+ зависимых репозиториев, 100+ зависимых пакетов или 200 000+ суммарных загрузок в месяц в любом реестре;
– Вы являетесь официальным коммиттером или мейнтейнером крупного проекта (аля CPython, Rust, Kubernetes, Linux и др);
– Вы просто активно контрибьютите: за последний год у вас было 100+ принятых PR в чужие репозитории;
– Вы создаете проекты, в которые контрибьютит сообщество: за последний год в один из ваших репозиториев было принято 20+ PR от уникальных внешних участников;
– Вы поддерживаете критически важную инфраструктуру: один из ваших репозиториев имеет OpenSSF Criticality Score 0.4 или выше.
Если не подходите под критерии, но делаете что-то полезное для сообщества, Anthropic все равно советуют подаваться. Форма для подачи: https://claude.com/contact-sales/claude-for-oss
Стартап запустил программу "Claude for Open Source". Условия относительно простые, и любой, кто так или иначе связан с опенсорсом, может получить в подарок пол года самого мощного тарифа антропиков. Сорвать куш можно, если:
– Вы автор библиотеки или поддерживаете ее: 500+ зависимых репозиториев, 100+ зависимых пакетов или 200 000+ суммарных загрузок в месяц в любом реестре;
– Вы являетесь официальным коммиттером или мейнтейнером крупного проекта (аля CPython, Rust, Kubernetes, Linux и др);
– Вы просто активно контрибьютите: за последний год у вас было 100+ принятых PR в чужие репозитории;
– Вы создаете проекты, в которые контрибьютит сообщество: за последний год в один из ваших репозиториев было принято 20+ PR от уникальных внешних участников;
– Вы поддерживаете критически важную инфраструктуру: один из ваших репозиториев имеет OpenSSF Criticality Score 0.4 или выше.
Если не подходите под критерии, но делаете что-то полезное для сообщества, Anthropic все равно советуют подаваться. Форма для подачи: https://claude.com/contact-sales/claude-for-oss
2
Релиз пришел откуда не ждали. Это первая модель от xAI (теперь уже SpaceX), ориентированная на кодинг и агентов. Итак:
– По бенчмаркам в целом уровень GPT-5.5 и Opus 4.8, но на SWE Pro пока не дотягивает.
– При этом модель быстрее и дешевле. Цена: 2$/6$ за миллион input/output.
– Также обещают 80 токенов в секунду и экономичный расход токенов: модель тратит примерно в 4 раза меньше токенов на ответ, чем тот же Opus 4.8.
Очень даже неплохо. Модельку можно потестить в Cursor или через API, а также бесплатно в Grok Build: x.ai/cli.
https://x.ai/news/grok-4-5
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
2👍157❤48😁16🔥8🏆3🫡3👌2
Data Secrets
Новый Grok-4.5 уже доступен в нашем API-сервисе DS Lab
Теперь попробовать модель можно без VPN и иностранной карты. Цены: 200р/1М input, 600р/1М output.
Пробуйте: https://dslab.tech/ai/models/llm/grok-4.5
Теперь попробовать модель можно без VPN и иностранной карты. Цены: 200р/1М input, 600р/1М output.
Пробуйте: https://dslab.tech/ai/models/llm/grok-4.5
1👍49❤16😁14⚡13🤨3🦄2👏1🗿1
Media is too big
VIEW IN TELEGRAM
OpenAI выпустили GPT-Live – голосовой режим нового поколения
(Вообще-то релиз случился еще вчера, но Grok-4.5 немного его затмил)
Итак, что мы имеем:
— Модель научили слушать и говорить одновременно. Даже в Advanced Voice Mode это был все еще обмен репликами по очереди, но теперь общение ощущается как живой разговор (особенно, если вы говорите с моделью по английски). Мы потестили на синхронном переводе, и звучит действительно хорошо.
— Архитектуру заменили на Full-Duplex. Это значит, что вместо последовательности «юзер -> обработка -> ответ» модель теперь слушает, обновляется и думает одновременно. В частности, раз в несколько секунд она принимает решение: продолжать слушать, перебить, вызвать инструмент и тд.
— Если запрос сложный, система умеет перенаправлять вопрос GPT-5.5 (при этом разговор естественно поддерживается, пока ответ подготавливается).
Новый режим (+ новые голоса) можно попробовать уже сегодня. На бесплатный тариф раскатывают GPT-Live-1 mini, остальным уже должна быть доступна GPT-Live-1.
Видео и демонстрации экрана пока нет, и некоторые языки звучат с заметным акцентом, но разработчики обещают все это постепенно исправить.
https://openai.com/index/introducing-gpt-live/
(Вообще-то релиз случился еще вчера, но Grok-4.5 немного его затмил)
Итак, что мы имеем:
— Модель научили слушать и говорить одновременно. Даже в Advanced Voice Mode это был все еще обмен репликами по очереди, но теперь общение ощущается как живой разговор (особенно, если вы говорите с моделью по английски). Мы потестили на синхронном переводе, и звучит действительно хорошо.
— Архитектуру заменили на Full-Duplex. Это значит, что вместо последовательности «юзер -> обработка -> ответ» модель теперь слушает, обновляется и думает одновременно. В частности, раз в несколько секунд она принимает решение: продолжать слушать, перебить, вызвать инструмент и тд.
— Если запрос сложный, система умеет перенаправлять вопрос GPT-5.5 (при этом разговор естественно поддерживается, пока ответ подготавливается).
Новый режим (+ новые голоса) можно попробовать уже сегодня. На бесплатный тариф раскатывают GPT-Live-1 mini, остальным уже должна быть доступна GPT-Live-1.
Видео и демонстрации экрана пока нет, и некоторые языки звучат с заметным акцентом, но разработчики обещают все это постепенно исправить.
https://openai.com/index/introducing-gpt-live/
👍111❤40🔥21👏5😁3☃1
Российские исследователи нашли способ улучшить качество текста и кода в моделях маскированной диффузии
Исследователи из лаборатории научных исследований Т-Технологий и Института ИИ и цифровых наук ФКН НИУ ВШЭ разработали G-Star+ — новый метод для моделей маскированной диффузии, который улучшает генерацию текста и кода. Работу представили на ML-конфе ICML 2026 в Сеуле.
Проблема таких моделей для генерации текста и кода в том, что они заменяют замаскированные элементы на токены постепенно. Если модель ошибается на раннем этапе, исправить ошибку потом сложно: выбранные токены больше не пересматриваются.
Авторы предлагают решить эту проблему с помощью Guided Star-Shaped sampler. По сути, это «внутренний редактор» модели: он находит подозрительные токены, маскирует их и дает модели возможность переписать их позднее.
При этом подход не требует полного переобучения модели: достаточно дообучить один дополнительный слой. Модуль обучается не на искусственных грубых ошибках, а на реальных, которые допускает сама модель и которые сложнее обнаружить, чем очевидно случайные замены.
На практике метод оказался особенно полезен в режимах быстрой генерации (64–256 шагов), где время на исправление ошибок ограничено. G-Star+ был оценен на семи бенчмарках и может использоваться в ИИ-ассистентах, инструментах генерации и автодополнения кода и в других системах, где одновременно важны скорость работы и качество ответа.
Статья
Исследователи из лаборатории научных исследований Т-Технологий и Института ИИ и цифровых наук ФКН НИУ ВШЭ разработали G-Star+ — новый метод для моделей маскированной диффузии, который улучшает генерацию текста и кода. Работу представили на ML-конфе ICML 2026 в Сеуле.
Проблема таких моделей для генерации текста и кода в том, что они заменяют замаскированные элементы на токены постепенно. Если модель ошибается на раннем этапе, исправить ошибку потом сложно: выбранные токены больше не пересматриваются.
Авторы предлагают решить эту проблему с помощью Guided Star-Shaped sampler. По сути, это «внутренний редактор» модели: он находит подозрительные токены, маскирует их и дает модели возможность переписать их позднее.
При этом подход не требует полного переобучения модели: достаточно дообучить один дополнительный слой. Модуль обучается не на искусственных грубых ошибках, а на реальных, которые допускает сама модель и которые сложнее обнаружить, чем очевидно случайные замены.
На практике метод оказался особенно полезен в режимах быстрой генерации (64–256 шагов), где время на исправление ошибок ограничено. G-Star+ был оценен на семи бенчмарках и может использоваться в ИИ-ассистентах, инструментах генерации и автодополнения кода и в других системах, где одновременно важны скорость работы и качество ответа.
Статья
👍150❤45🔥17😁13🤔3🤯3😭3🕊2😎2⚡1🗿1
SWE-Bench Pro умер и больше не подходит для измерения моделей, – расследование OpenAI
Некоторое время назад OpenAI выпустили статью, в которой заявили, что один из самых популярных бенчмарков для оценки способностй моделей в кодинге – SWE-bench Verified – больше не работает. Они нашли в нем кучу проблем, сказали, что результаты на нем мало чего стоят, и призвали всех переходить на SWE-Bench Pro. Подробности вот: t.me/data_secrets/8779.
Это было в конце февраля, менее 5 месяцев назад. И угадайте, что? Сейчас OpenAI объявили, что провели аналогичный тест для SWE-Bench Pro, и он... тоже оказался сломан.
В случае с SWE-bench Verified основная проблема состояла в том, что модели воспроизводят решения "по памяти" из-за утечек задач в обучающие датасеты. Здесь же проблема скорее в самих задачах. Дело в том, что issues и PR из опенсорсных репозиториев изначально создавались для человеческого сотрудничества через долгие переписки и уточнения, а вовсе не как изолированные, чистые задачи для оценки моделей. В частности, всплыли такие проблемы:
– Слишком строгие тесты, которые навязывают конкретные детали реализации, не указанные в условии задачи, из-за чего множество функционально корректных решений отбраковываются.
– Тесты с низким покрытием, которые, наоборот, недостаточно проверяют запрошенную функциональность, из-за чего неполные решения все равно проходят.
– Вводящие в заблуждение условия, которые направляют модель к неверному поведению или прямо противоречат тому, что требуют тесты.
OpenAI оценивает, что примерно 30% задач SWE-Bench Pro сломаны (автоматический пайплайн проверки пометил как испорченные 200 задач, а кампания ручной аннотации людьми – 249 задач, то есть 34,1%). Когда 1/3 задач бенчмарка – с такими ошибками в условиях, доверять ему сложно, поэтому OpenAI формально отзывает свою прежнюю рекомендацию использовать SWE-Bench Pro и "надеется, что сообщество разработает новые бенчмарки, созданные специально для тестирования возможностей моделей".
openai.com/index/separating-signal-from-noise-coding-evaluations/
Некоторое время назад OpenAI выпустили статью, в которой заявили, что один из самых популярных бенчмарков для оценки способностй моделей в кодинге – SWE-bench Verified – больше не работает. Они нашли в нем кучу проблем, сказали, что результаты на нем мало чего стоят, и призвали всех переходить на SWE-Bench Pro. Подробности вот: t.me/data_secrets/8779.
Это было в конце февраля, менее 5 месяцев назад. И угадайте, что? Сейчас OpenAI объявили, что провели аналогичный тест для SWE-Bench Pro, и он... тоже оказался сломан.
В случае с SWE-bench Verified основная проблема состояла в том, что модели воспроизводят решения "по памяти" из-за утечек задач в обучающие датасеты. Здесь же проблема скорее в самих задачах. Дело в том, что issues и PR из опенсорсных репозиториев изначально создавались для человеческого сотрудничества через долгие переписки и уточнения, а вовсе не как изолированные, чистые задачи для оценки моделей. В частности, всплыли такие проблемы:
– Слишком строгие тесты, которые навязывают конкретные детали реализации, не указанные в условии задачи, из-за чего множество функционально корректных решений отбраковываются.
– Тесты с низким покрытием, которые, наоборот, недостаточно проверяют запрошенную функциональность, из-за чего неполные решения все равно проходят.
– Вводящие в заблуждение условия, которые направляют модель к неверному поведению или прямо противоречат тому, что требуют тесты.
OpenAI оценивает, что примерно 30% задач SWE-Bench Pro сломаны (автоматический пайплайн проверки пометил как испорченные 200 задач, а кампания ручной аннотации людьми – 249 задач, то есть 34,1%). Когда 1/3 задач бенчмарка – с такими ошибками в условиях, доверять ему сложно, поэтому OpenAI формально отзывает свою прежнюю рекомендацию использовать SWE-Bench Pro и "надеется, что сообщество разработает новые бенчмарки, созданные специально для тестирования возможностей моделей".
openai.com/index/separating-signal-from-noise-coding-evaluations/
😁91❤38⚡7👍6🤯3🕊2💯1🤨1💘1😎1
This media is not supported in your browser
VIEW IN TELEGRAM
Тем временем в мире ИИ-слопа
Кто-то сгенерировал кавер на God's Plan Дрейка, но только – про агентов и вайбкодинг
Кто-то сгенерировал кавер на God's Plan Дрейка, но только – про агентов и вайбкодинг
😁214❤25🏆13⚡3👍2🔥2🗿2
В продолжение к предыдущему посту — важный контекст о том, что происходит дальше.
Методология, которую приняли крупнейшие игроки финансового рынка, — это первый шаг. Она создана для финансовой отрасли и решает задачу внутри неё. Но проблема оценки финансового эффекта от ИИ ровно такая же в промышленности, энергетике, ритейле, транспорте — везде, где идут внедрения.
Следующий шаг — Атлас финансовых эффектов от ИИ, новые активы (АФИИНА), универсальная методология для ключевых отраслей экономики, над которой сейчас ведётся работа.
Она будет построена на трёх уровнях оценки — от краткосрочных финансовых результатов до долгосрочного влияния на устойчивость, капитал и конкурентную позицию отрасли. Это важно: оценивать ИИ только через окупаемость за год — значит намеренно не видеть большую часть его реального эффекта.
По сути, отрасль движется к тому, что уже давно есть в финансовом учёте: общие принципы, сравнимые результаты, доверие к цифрам. Просто применительно к новому классу активов.
Как устроена уже принятая методология и как по ней считают миллиарды реальные компании — в подробном разборе в статье Никиты Худова.
Следим за развитием.
Реклама. Альянс в сфере ИИ, ИНН 9725034035
Методология, которую приняли крупнейшие игроки финансового рынка, — это первый шаг. Она создана для финансовой отрасли и решает задачу внутри неё. Но проблема оценки финансового эффекта от ИИ ровно такая же в промышленности, энергетике, ритейле, транспорте — везде, где идут внедрения.
Следующий шаг — Атлас финансовых эффектов от ИИ, новые активы (АФИИНА), универсальная методология для ключевых отраслей экономики, над которой сейчас ведётся работа.
Она будет построена на трёх уровнях оценки — от краткосрочных финансовых результатов до долгосрочного влияния на устойчивость, капитал и конкурентную позицию отрасли. Это важно: оценивать ИИ только через окупаемость за год — значит намеренно не видеть большую часть его реального эффекта.
По сути, отрасль движется к тому, что уже давно есть в финансовом учёте: общие принципы, сравнимые результаты, доверие к цифрам. Просто применительно к новому классу активов.
Как устроена уже принятая методология и как по ней считают миллиарды реальные компании — в подробном разборе в статье Никиты Худова.
Следим за развитием.
Реклама. Альянс в сфере ИИ, ИНН 9725034035
1🗿61🤨15😁9🤯8❤6❤🔥2
Вышла новая модель от Meta*!
Встречаем: Muse Spark 1.1. Бенчмарки наверху. Кратко: уровень Opus 4.8 и GPT-5.5, в кодинге совсем немного отстает, но все равно выглядит очень конкурентоспособно.
Как водится, модель ориентирована в первую очередь на агентов и оркестрацию мультиагентных систем, а также на длительные задачи. Контекст – до 1 миллиона токенов.
Пишут, что модель очень хорошо ориентируется в модальностях и интерфейсах и отлично выполняет даже сложные многошаговые computer use задачки. Это интересно потестить.
Параллельно запускают новое Meta Model API. Пока в превью, но Spark 1.1 уже доступна. Кстати, по очень приятной цене: $1.25/М input, $4.25/M output.
Неужели Цукерберг все-таки возвращается в гонку?
https://ai.meta.com/blog/introducing-muse-spark-meta-model-api/
Встречаем: Muse Spark 1.1. Бенчмарки наверху. Кратко: уровень Opus 4.8 и GPT-5.5, в кодинге совсем немного отстает, но все равно выглядит очень конкурентоспособно.
Как водится, модель ориентирована в первую очередь на агентов и оркестрацию мультиагентных систем, а также на длительные задачи. Контекст – до 1 миллиона токенов.
Пишут, что модель очень хорошо ориентируется в модальностях и интерфейсах и отлично выполняет даже сложные многошаговые computer use задачки. Это интересно потестить.
Параллельно запускают новое Meta Model API. Пока в превью, но Spark 1.1 уже доступна. Кстати, по очень приятной цене: $1.25/М input, $4.25/M output.
Неужели Цукерберг все-таки возвращается в гонку?
https://ai.meta.com/blog/introducing-muse-spark-meta-model-api/
👍79😁23❤13🔥7🦄2❤🔥1