Machinelearning

📌 Fable 5.1 вскрыла шифр, который не поддавался 370 лет

Сотрудник ValsAI Геби Джафф несколько месяцев безуспешно пробовал натравливать модели на нерешённые исторические шифры.

Воодушевившись метриками Fable 5.1, он поставил ей задачу - найти шифр самой и решить его, но с условием не браться за те, где ответ уже известен или где возможно множество правдоподобных версий.

И ещё не лезть в совсем неподъёмное вроде Kryptos K4, над которым бьются лучшие умы и ЦРУ.

🟡Модель перебрала кандидатов и остановилась на криптограмме Томаса Эркарта

В конце его трактата Логопандектейсион 1653 года стоят две строки по 32 числа.

Загадку выносили как открытую проблему ещё в 1899 году, она попадала в криптографическую литературу XX века, а Клаус Шмее включил её в список пятидесяти нерешённых зашифрованных сообщений.

Fable потратила на неё 44 минуты и 176 тысяч токенов без вмешательства человека.

🟡Ключом оказалась сама книга

Криптограмма напечатана сразу после 32 разделов трактата, а в каждой строке шифра ровно 32 числа. Совпадение неслучайное, и Fable зацепилась именно за него.

Правило оказалось таким: i-е число в строке - это индекс слова внутри i-го раздела книги. Берём слово по индексу, берём его первую букву, собираем по порядку. Обычный поиск по смещению, только вместо массива текст.

Результатом расшифровки оказалась роялистская молитва: Господи, храни короля Карла Второго и сделай его верховным правителем этой земли.

Дальше Fable взялась за второй шифр Эркарта - Cyphral Octastich из трактата The Jewel 1652 года, 285 чисел, тоже нерешённый.

Тот же приём, только числа указывают на страницы книги, а не на абзацы. Из 285 букв сложились 276 - там тоже оказалась молитва. Девять букв дали бессмыслицу: либо Эркарт ошибся сам, либо наборщик переставил цифры при печати.

Шифр, безусловно, простой и другие модели, скорее всего, тоже справились бы, но этот случай не про способности Fable в криптоанализе, а в умении разглядеть среди десятков задач одну податливую и не бросить её на полпути.

@ai_machinelearning_big_data

#news #ai #ml

✔️ Dyson представила умную зубную щетку с камерой и машинным зрением

Устройство CameraJet объединяет ультразвуковую чистку и направленную ирригацию, устраняя необходимость в зубной нити.

В головку щетки встроена камера с разрешением 100 тысяч пикселей и подсветкой, стробирующей на частоте 257 Гц синхронно с движениями головки.

Собственный алгоритм машинного зрения Gap Optical Targeting, натренированный на 470 тысячах снимков зубного ряда, обрабатывает видеопоток со скоростью 28 кадров в секунду, распознает зазоры между зубами и в течение 100 миллисекунд подает микрозалп ополаскивателя.

Жидкость подается из резервуара с мембранным насосом, предотвращающим завоздушивание системы при любом угле наклона устройства.

Чтобы оптика не слепла от пены, инженеры разработали специальную беспенную пасту без лаурилсульфата натрия, а фирменная док-станция способна автоматически заправить бак ополаскивателем всего за три секунды.

По Wi-Fi щетка умеет транслировать видеопоток в приложение MyDyson в реальном времени, выполняя роль стоматологического эндоскопа.

Продажи уже начались - устройство доступно в голубом и розовом цвете по цене 499 долларов.

@ai_machinelearning_big_data

#news #ai #ml

🧠 Google Research вместе с HHMI Janelia и другими исследователями впервые построили полную карту мозга и центральной нервной системы взрослой самца дрозофилы.
В карту вошли:

- более 166 000 нейронов
- почти 11 700 типов нервных клеток
- связи между мозгом и нервной цепочкой, управляющей движением
- отдельные визуально-моторные пути и различия между мужским и женским мозгом дрозофилы

Для реконструкции учёные сделали миллионы 2D-снимков тонких срезов, а затем с помощью вычислений и AI собрали их в детальную 3D-модель и классифицировали нейроны.

Такая карта позволяет буквально прослеживать путь сигнала: от зрения и вкуса до моторных нейронов и конкретного поведения, включая ухаживание.

Самое неожиданное открытие - что половые различия мозга могут находиться именно в схеме соединений. Один и тот же тип нейрона присутствует и у самца, и у самки, но связывается с разными соседями - и в итоге участвует в разном поведении.

Одновременно вышли три исследования, использующие эту карту для изучения зрения, вкуса и социального поведения дрозофил.

https://blog.google/innovation-and-ai/technology/research/male-fruit-fly-brain-map/

🚨 GPT-6 Astra показывает очень сильные первые результаты:

— FrontierMath Tier 4 v2 — 97,6%
— DeepSWE v1.1 — 74,1%
— BenchCAD — 95,9%
— GPQA Diamond — 96%
— ExploitBench — 100%
— ARC-AGI-3 — 98,6% по заявленным данным

Особенно выделяются математика, coding и cybersecurity.

OpenAI планирует открыть доступ к GPT-6 Astra платным пользователям ChatGPT и через API в ближайшие дни.

https://thenewstack.io/openai-gpt6-astra-benchmarks/

✔️ Alibaba отсудила домен alibabа.ai

Китайский техгигант официально вернул контроль над международным доменным именем alibaba.ai.

Спор рассматривался в Чешском арбитражном суде, который принял решение принудительно передать права корпорации.

В июле 2026 года доменный инвестор из арабского региона выкупил имя на вторичном рынке за $3 333. Практически сразу он выставил его на перепродажу, но уже с десятикратной наценкой - за $33 333.

Юристы Alibaba, которые к тому моменту начали процесс защиты бренда в рамках международной процедуры UDRP, заблокировали сделку и довели дело до суда.

Защита ответчика выглядела весьма оригинально. Киберсквоттер пытался доказать арбитражу, что термин "Али-Баба" не имеет отношения к китайскому маркетплейсу, а выбрано исключительно из-за его глубокого культурного и литературного значения в арабском мире, намекая на сказку про сорок разбойников.

Но международного арбитра такой аргумент не впечатлил. Суд указал на очевидные маркеры недобросовестности:

🟠Перекупщик не планировал создавать литературный или культурный сайт;

🟠На домене висела пустая заглушка исключительно ради спекулятивной перепродажи;

🟠Доменная зона .ai уже прочно ассоциируется во всем мире с Artificial Intelligence.

Alibaba сейчас активно инвестирует в собственную разработку ИИ, поэтому покупка такого имени сторонним лицом - это прямое паразитирование на бренде.

В итоге суд признал действия сквоттера оппортунистическими, и теперь домен послужит официальным ИИ-проектам Alibaba Group.


@ai_machinelearning_big_data

#news #ai #ml

🌟 Meta* обновила Muse Spark до версии 1.3

Новая версия рассчитана на длинную работу в одной сессии - модель ведет несколько параллельных задач в одном треде, сама набирает контекст инструментами из разных источников, замечает и латает пробелы в собственном плане и держит в памяти все, что успела выяснить, до готового результата.

Отдельно доработали поведение с человеком. Она задает уточняющие вопросы, когда запрос неоднозначен, зовет на помощь, когда застряла, и спрашивает подтверждения перед необратимыми действиями.

На долгих задачах подстраивается под привычки пользователя, т.е либо регулярно отчитывается, либо молча работает в фоне.

В длинном контексте точнее понимает, к какой задаче относится новое сообщение - правит ли пользователь давнюю просьбу или перебивает текущую.

Еще заявляют, что модель стала лучше понимать собственные пределы. Зайдя в тупик, она должна сообщить об этом, а не выдумывать результат.

🟡Код

Здесь Muse Spark 1.3 натаскивали на объемных инженерных задачах. По сравнению с версией 1.2 она делает меньше лишних ходов, меньше разглагольствует и кодит чище.

В сравнениях инженеров Meta новая версия оказалась экономнее - на 20% меньше вызовов инструментов и на 25% меньше токенов.

🟡Бенчмарки

Версию 1.3 в режиме максимального ризонинга сравнили с прошлой версией, GPT-5.6 Sol и Claude Opus 5.

Относительно версии 1.2 прирост везде, а местами - приростище.

OSWorld 2.0 (работа с компьютером) - 66,9 против 47,6. Внутренний индекс следования инструкциям - 57,8 против 46,2. AutomationBench (бизнес-процессы) - 49,4 против 38,2. DeepSWE (длинные задачи по коду) - 75,4 против 55,0.

Самый резкий скачок на длинном контексте, и там же единственная категория, где Muse Spark лидирует безоговорочно.

На MRCR в диапазоне от 256 до 512 тысяч токенов - 98,5 против 66,3 у прошлой версии и 91,5 у GPT-5.6 Sol. На отрезке от 512 тысяч до миллиона отрыв еще больше: 98,1 против 55,5 и 73,8. У Opus 5 результатов в этой категории нет.

В коде тоже первое место.

DeepSWE 75,4 против 74,0 у Opus и 73,0 у Sol, понимание кодовой базы на SWEAtlas - 59,4 против 52,7 и 53,5, а на Terminal-Bench 2.1 ничья с Sol, 88,8 у обоих.

А вот в агентной части результаты скромнее.

Opus 5 впереди на четырех тестах из шести - GDPVal-AA v2 (1824 против 1754), JobBench (65,7 против 64,9), OSWorld (68,3 против 66,9) и AutomationBench (50,3 против 49,4). GPT-5.6 Sol забирает агентный браузинг (93,0 против 89,4) и следование инструкциям (60,5 против 57,8).

🟡Безопасность и доступность

Модель стала устойчивее к состязательным вводам и промпт-инъекциям, а на сложных агентных задачах лучше калибрована в том, какие действия необратимы.

Muse Spark 1.3 доступна в клиенте Muse Code для macOS и Linux и через Meta Model API.

Дальше в планах - релиз более крупных модели и открытая публикация весов Muse Spark.

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

@ai_machinelearning_big_data

#news #ai #ml

⚡️ Покупка Hugging Face компанией NVIDIA может неожиданно стать одним из лучших сценариев для open-source AI.

Бизнес компании хорошо совпадает с интересами открытой экосистемы.

NVIDIA не нужно, чтобы победила одна конкретная модель. Компания зарабатывает, когда миллионы разработчиков обучают, дообучают и запускают миллионы разных моделей.

Hugging Face при этом контролирует один из важнейших каналов распространения open-source AI.

Если сделка состоится, Hugging Face получит доступ к огромной инфраструктуре и капиталу, а NVIDIA - ещё более сильную позицию в экосистеме разработчиков.

При условии, что NVIDIA действительно сохранит поддержку разных моделей, облаков и ускорителей, такая покупка может пойти на благо всем разработчикам.

https://x.com/JensenHuang/status/2095482647355244762

@data_analysis_ml / Папка полезного по ML.

⚡️ Qwen представила E-Commerce Bench - новый бенчмарк для проверки AI-агентов на долгосрочном управлении бизнесом.

Агент получает ¥100 000 и должен целый год управлять интернет-магазином:

- искать поставщиков
- торговаться
- выставлять цены
- запускать акции
- контролировать склад
- управлять денежным потоком

Среда построена на реальных данных электронной коммерции.

Внутри:

- 6886 товаров
- 576 поставщиков
- 152 из них мошенники
- комиссии за хранение
- возвраты
- репутация
- ограниченный рабочий день

Оценка идёт сразу по 7 направлениям, поэтому одной модели, которая была бы лучшей во всём, пока нет.

Blog: https://qwen.ai/blog?id=e-commerce-bench

Paper: https://arxiv.org/abs/2608.30730

Project: https://ecbench.github.io

Code: https://github.com/QwenLM/E-CommerceBench

@ai_machinelearning_big_data

#Qwen

✔️ В Astra применили зацикленные трансформеры и это усложнило аудит модели

OpenAI использовала в Astra рекуррентную глубину - информация многократно прогоняется через одни и те же веса, поэтому на каждый токен приходится больше вычислений, а число параметров при этом не растет пропорционально. Компактная модель получает производительность крупной и экономит память.

Побочный эффект - скрытая цепочка рассуждений. Вычисления оседают во внутренних скрытых состояниях, а не разворачиваются в читаемый текст, поэтому проследить логику модели снаружи труднее.

Вопрос прозрачности здесь не абстрактный. По данным OpenAI, Astra перешагнула порог высокого риска в кибербезопасности - получив доступ к инфраструктуре, она способна сама находить уязвимости и писать эксплойты без участия человека.

Чтобы удержать контроль, OpenAI обещает построить дополнительные контуры мониторинга скрытых рассуждений и автоматические классификаторы, обрывающие опасные цепочки действий в реальном времени.
theinformation.com

✔️ Anthropic выложила шаблоны агентов для электронной торговли

В наборе две заготовки. Первая - агент для покупателя, который встраивается в интернет-магазин, принимает команды текстом, собирает корзину и берет на себя первую линию поддержки при выборе товара.

Вторая - ассистент для самого продавца. Он следит за остатками на складе, разбирает продажи, предлагает, как менять цены и что запускать в маркетинге.

Anthropic утверждает, что агенты увеличивают средний чек до 35%, а конверсию в покупку - на 60%. В разработке и адаптации участвовали Visa, Mastercard и Accenture.
claude.com

✔️ Пентагон подключил Grok и ChatGPT к своей ИИ-платформе

К внутреннему сервису GenAI.mil добавили Grok for Government и ChatGPT Mil. Обе системы прошли сертификацию IL5 и допущены к работе с контролируемой несекретной информацией.

Платформа мультивендорная и теперь на ней работают модели трех лабораторий, раньше там была только Gemini. По данным ведомства, за девять месяцев порталом воспользовались 1,7 млн пользователей.

Задачи поделили. ChatGPT отдали логистику, административную работу, регламенты и операционное планирование, Grok - анализ цепочек поставок и исследования по оборонным закупкам.
war.gov

✔️ Alibaba обновила флагманскую Qwen3.8-Max

Версия Qwen3.8-Max-0902 вышла всего через месяц после оригинала. Архитектуру не трогали - 2,4 трлн параметров и контекстное окно на миллион токенов.

Модель прицельно дообучили под длительные автономные задачи. Мультимодальные показатели остались прежними, зато результаты выросли во всех восьми тестах на генерацию кода: TerminalBench 3.0 - с 11,3 до 29,0 балла, DeepSWE 1.1 - до 69,3, QwenSWEbench V2 - до 70,0.

Новая версия доступна через API с прежними тарифами - 2 доллара за млн входных токенов и 6 за млн выходных.
Qwen в X

✔️ Банки Уолл-стрит хотят, чтобы юристы делились экономией от ИИ

Morgan Stanley и Citigroup сообщили ведущим юридическим фирмам, что хотят новых схем оплаты, которые сэкономят банкам деньги. Goldman Sachs запрашивал у фирм данные о том, сколько им экономит технология, и рассчитывал получить часть выгоды.

Под ударом привычная модель, где прибыль партнеров растет за счет почасовой оплаты тысяч младших юристов - тех, кто вручную искал данные, вычитывал документы и разбирал договоры. Именно эту работу ИИ делает в разы быстрее.

Банки переводят подрядчиков на тендеры и фиксированные гонорары и ждут внятных отчетов о том, сколько экономит технология. Сдвиг уже заметен - почти половина крупных фирм признают, что ИИ повлиял на их ценообразование, а набор стажеров и выпускников сокращается.
ft.com


@ai_machinelearning_big_data

#news #ai #ml

От идеи до продакшна < 3 месяцев, менять государственные и бизнес процессы — ты готов ? 🚀

Прямо сейчас Сбер ищет NLP-специалиста в команду, которая внедряет передовые harness в масштабные процессы, создаёт мультиагентные сценарии, RAG для миллионов документов, OSINT/deep‑research.

Ты будешь работать с передовым LLM‑стеком: LangChain и LangGraph, vLLM и PEFT/LoRA, полным RAG‑стеком, Vector DB (Qdrant, Weaviate) и инфраструктурой на FastAPI, Pydantic и asyncio.

Попасть в команду можно за 1 день — если пройдёшь все этапы отбора на One Day Offer, который состоится уже 5 сентября.

Регистрируйся по ссылке — количество слотов стремительно уменьшается! 💚

🌟 Аблитерированная GLM-5.3

AbliterationAI сделали версию GLM-5.3 под названием abliterated-model-large-v2. В материнской модели изменены веса в части ослабления механизма отклонения запросов.

Модель позиционируется как инструмент для наступательной кибербезопасности, задач ред-тиминга и использования агентами.

По собственным замерам AbliterationAI на CyberGym, где было обнаружено 1507 уязвимостей OSS-Fuzz в 188 проектах, модель показала 84,5% успешных прохождений.

Для сравнения: GPT-5.5 - 85,6%, DeepSeek V4 - 83,3%, Mythos - 83,1%.

На Terminal-Bench 4.0 она выполнила 41,8% задач, Opus 5 - 51,8%, Fable 5 - 44,5%, GPT-5.6 Sol - 37,3%.

API сервиса по умолчанию принудительно блокирует только взрослый контент, связанный с несовершеннолетними, и селфхарм, все остальные ограничения сняты.

Сервис предоставляет доступ через совместимые с OpenAI и Anthropic-style эндпоинты с гарантией нулевого сохранения промптов, результатов вывода и метаданных по подписке от 20 до 200 долларов в месяц.

Есть ознакомительный период в веб-песочнице с лимитом в 1 доллар.

@ai_machinelearning_big_data

#news #ai #ml

⚡️ Google представила Gemini 3.8 Flash и Gemini 3.8 Flash Cyber

Новая версия оптимизирована для работы со сложными массивами информации, где требуется одновременный анализ текста и изображений.

Главный акцент в сделан на поддержку разработки программного обеспечения - модель отлично справляется с кодингом, веб-поиском и комплексным тестированием приложений.

В профильном бенчмарке DeepSWE 1.1 новинка показала результат 73.7%, уступив флагманской Claude Opus 5 всего три сотых процента (74%), но при этом предложив значительно более выгодную экономику.

До 31 декабря 2026 года тарифы на API: 0,75 доллара за млн токенов ввода и 3,75 доллара за млн токенов вывода.

С 1 января 2027 года стоимость возрастет до 1,50 и 7,50 доллара соответственно.

Gemini 3.8 Flash доступна через Google AI Studio и API, а обычным пользователям - в платной подписке одноименного чат-бота.

Одновременно с базовой версией анонсировали Gemini 3.8 Flash Cyber, специализированную модель для автоматического поиска уязвимостей и тестирования безопасности.

По результатам тестов она генерирует в 2,6 раза больше корректных патчей для браузера Chrome, чем крупные коммерческие аналоги.

Доступ к кибер-модели открыт только доверенным партнерам в рамках закрытой программы Fairwind.


@ai_machinelearning_big_data

#news #ai #ml

✔️ Google запустила агентный анализ видео сразу в Gemini 3.7 Flash, 3.6 Flash и 3.5 Flash-Lite.

Теперь модель не обязана одинаково подробно обрабатывать весь ролик. Она сама решает, какие фрагменты стоит изучить внимательнее, где можно снизить частоту кадров и какие части видео вообще не требуют глубокого анализа.

По данным Google, новый подход даёт:

- до 88% меньше токенов
- до 66% ниже стоимость анализа
- более высокую точность на видео-задачах

Особенно полезно это для длинных роликов, где раньше модель тратила огромное количество токенов на кадры, которые почти не влияли на ответ.

https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-agentic-video-in-gemini/

@ai_machinelearning_big_data

#Gemini #Google