Data Secrets

Коротко о паре последних недель

Кто уже пробовал новый Opus, как вам?

⚡️ Иии… Anthropic выпустили Claude Opus 4.5

Это первая модель, которая пробила планку 80 на SWE bench verified. С ее 80.9% это теперь уверенная SOTA по кодингу.

Модель уже доступна в API, и, что самое приятное, цена относительно предыдущего Opus упала! Было 15$/75$, стало 5/25, ощутимое понижение.

Плюс, модель снова стала экономичнее относительно токенов: на среднем уровне ризонинга она достигает уровня Sonnet 4.5, используя на 76% меньше токенов. А при выкрученном на максимум бюджете обходит Sonnet аж на 4.3 процентных пункта (SWE bench), используя на 48% меньше токенов.

Anthropic пишут, что скормили Opus 4.5 внутренний экзамен, который они дают кандидатам при устройстве на работу. За 2 часа модель справилась с ним лучше, чем любой человек когда-либо в истории стартапа.

Что касается апдейтов в продукте:

– В Claude App добавили сжатие контекста, как в новом Codex. При достижении лимита старый контекст суммаризуется и передается в новое контекстное окно, и вы не упираетесь в конец диалога. Кроме того, теперь в десктопное приложение завезли Claude Code, и там его можно параллелить на разные задачки.

– Из беты вышли Claude для Chrome и для Excel.

– Теперь можно самостоятельно контролировать время размышлений, есть режимы low, high и medium.

🔥 www.anthropic.com/news/claude-opus-4-5

Лучшая новость дня: у Дваркеша Пателя завтра выйдет интервью с Ильей Суцкевером.

Последний раз ученый давал интервью журналистам, кажется, в 2023.

Ждем сильнее, чем новый Claude Opus 4.5

Сегодня все соцсети гудят о том, что видеокарты сильно подорожают в ближайшее время

И да, это, к сожалению, правда. Дело в том, что сейчас наблюдается просто беспрецедентный спрос на память из-за рынка ИИ. По данным TrendForce, цены на память в последнее время повысились на 15-25%.

А это значит, что компаниям некуда деваться: производство дорожает, и цены неизбежно будут расти.

Ожидается, что особенно это отразится на среднеценовом и высокопроизводительном сегментах, там стоимость может подскочить процентов на 15-20. А выпуск бюджетных моделей вообще могут сократить из-за нерентабельности.

AMD, например, уже официально уведомила своих партнеров о предстоящем повышении цен на все свои GPU на 10% (включая игровые).

Что касается Nvidia, то они уже повышали цены в этом году. Где-то в мае они увеличили стоимость видеокарт в среднем на 15% из-за роста производственных расходов и «геополитической ситуации». Вероятно, сразу после Нового Года это произойдет опять.

Мораль: если вы собирались покупать видеокарту, то сейчас самое время 💀

CEO SakanaAI Лион Джонс: «Пришло время выйти за рамки трансформеров и оставить их в прошлом»*

Изюминка в том, что сам Лион – один из изобретателей трансформера, со-автор (один из восьми) статьи «Attention is all you need».

SakanaAI как раз занимается поиском новых архитектур. В основном они черпают вдохновение из эволюции и биологии.

Мы за ними следим очень давно, и недавно делали большую подборку с нашими разборами их статей вот тут. Обязательно почитайте на досуге, исследования у них правда занятные.

С одним из подходов под названием Continuous Thought Machine они сейчас выходят на NeurIPS 2025. Это почти полное переосмысление архитектуры LLM, вдохновленное биологическими нейронными процессами. Вместо прямых проходов по сети – тики мыслей, как в мозге. Вместо нейронов – перцептроны с собственной памятью. Вот наш разбор.

А еще недавно они закрыли крупный инвестиционный раунд на 20 миллиардов йен (примерно 135 миллионов долларов), и теперь, насколько нам известно, являются самым дорогим японским стартапом.

*Источник: новое интервью Лиона с ML Street Talk

Начало 80-х, маленький со-основатель и CEO Google DeepMind Демис Хассабис сидит на шахматном турнире на двух подушках, чтобы доставать до противоположной стороны доски 🥺

Новый проект от Андрея Карпаты: консилиум LLM

Интерфейс – как у ChatGPT, за тем лишь исключением, что ваш запрос обрабатывают сразу несколько моделей. Выглядит это так:

1. С помощью OpenRouter запрос отправляется нескольким моделям (сейчас это GPT-5.1, Gemini 3 Pro, Sonnet 4.5 и Grok 4). Каждая пишет свой вариант ответа.

2. Всем моделям затем показывают анонимные ответы друг друга, они проверяют и ранжируют их, оставляют свои комментарии.

3. Все это в конце концов в виде контекста отправляется к «председателю LLM», который уже формирует окончательный ответ.

Интересно, что довольно часто модели охотно выбирают ответ другой LLM, как лучший. Например, они постоянно хвалят GPT-5 как лучшего «члена совета», а Claude называют худшим.

Кроме того, вероятно, существует целое пространство для проектирования контекста для такого совета. Построение ансамблей LLM до сих пор кажется недостаточно изученным.

(Вайб)Код здесь

Действительно доброе утро: возможно, сегодня выйдет Claude Opus 4.5 (на реддите обнаружили упоминание некой модели Kayak от Anthropic в релизной таблице на epoch.ai)

Новое исследование от Anthropic: как модели незаметно становятся опаснее из-за безобидного читинга во время обучения

Вы наверняка уже где-то слышали или читали в этом канале про reward hacking. Это довольно серьезная проблема, возникающая во время RL-обучения моделей.

Суть reward hacking в том, что модель находит способ получать высокие награды во время обучения обходными путями, а не так, как это было задумано разработчиком.

Иными словами, она находит дыры в reward модели и пользуется ими. Например, в какой-то момент модель может понять, что reward-функция больше вознаграждает длинные ответы вне зависимости от их содержания, и начать генерить длинный бред, продолжая получать награду.

Это, конечно, очень плохо. Но, теоретически, только для метрик: на опасное поведение модели reward hacking влиять не должен. Но это, еще раз, теоретически. На практике же Anthropic показали, что это вообще не так.

Они провели эксперимент: специально подсказали модели, как хакнуть reward в простых задачах по кодингу, а затем стали изучать ее поведение в целом. Ревард она, конечно, хакнула. Но сюрприз оказался в другом.

Выяснилось, что ровно в тот момент, когда модель понимает, как взломать награду, она тут же начинает обобщаться и на другое «плохое» поведение: пытается саботировать задачу, думать о собственных злонамеренных целях и тд. Возникает misalignment.

То есть как только модель учится вести себя нечестно в чем-то одном, ее характер портится в целом почти мгновенно. В рисерче Anthropic она в итоге пыталась саботировать это самое исследование, специально написав код, который неэффективно отлавливал ее misalignment.

Плохая новость в том, что полностью предотвратить reward hacking, из-за которого это все происходит, почти невозможно. Слишком много кейсов, обнаружить все просто не получится. Получается, что во время RL мы неизбежно портим безопасность модели. Более того, даже последующий RLHF не помогает.

Но Anthropic все же оставляют нам крошечное окно надежды. Они выяснили, что если в системном промпте не писать, что reward hacking – это что-то плохое, а наоборот, подать его модели как что-то законное и нормальное, обобщение на опасное поведение прекращается.

То есть моделька просто не воспринимает hacking как «плохо», поэтому перестает думать о другом возможном «плохо».

Исследователи называют это «вакциной»: мы специально вводим модельке что-то опасное, чтобы предотвратить развитие других проявлений мисэлаймента. Такие вакцины, кстати, уже используются на проде во время обучения Claude.

www.anthropic.com/research/emergent-misalignment-reward-hacking

Так-так, Google наняли бывшего CTO Boston Dynamics Аарона Сандерса

Он будет работать на позиции вице-президента по аппаратному обеспечению.

Тайну из назначения Google не делают и прямо заявляют, что их цель – повторить успех Android, но для роботов. Они планируют сделать из Gemini AI универсальную прошивку для управления роботами, которой пользовались бы разработчики по всему миру.

Собственно, у них есть все шансы. Android стал универсальным благодаря открытой архитектуре, масштабируемости и поддержке разных аппаратных платформ, – рецепт успеха понятен.

Если Google пойдут по тому же пути и сделают по-настоящему сильную открытую VLA, которая будет подходить для разных роботов, эта дверь для них открыта.

Конкурировать придется с Tesla, Figure AI и Nvidia. Из этих троих чем-то открытым занимается только Nvidia, но у них нет такой мощной базы, как у Google с новой Gemini 3.

Напоминаем, что последняя VLA, которую выпускали Google, – это моделька Gemini Robotics 1.5 (довольно занятная, вот наш пост про нее). Теперь компания обещает значительно расширить портфель таких проектов.

О, вышел Cursor 2.1

– Добавили функцию «Find Issues»: поиск и исправление багов по одной кнопке. Агент делает ревью кода и тут же показывает найденные проблемы в боковой панели. В течение этой недели фичу можно тестить бесплатно.

– Напоминаем, что в Cursor недавно обновили поиск, и теперь он работает на базе векторов (как именно, мы писали тут). Так что для любителей пользоваться старым добрым grep его вынесли отдельно. Работает почти мгновенно и ищет по всей кодовой базе, включая точные совпадения и регулярки.

– Улучшили режим планирования. Теперь агент будет задавать уточняющие вопросы, когда вы утверждаете план действий, и отвечать на них можно прямо в новом интерактивном режиме (выглядит прикольно, пример на видео).

Раскрывают постепенно на всех пользователей (ченчлог)

На Kaggle стартовала математическая олимпиада среди ИИ 🚀

Это уже третий конкурс от AIMO Progress Prize: на этот раз команда не только подготовила новые сложные задачки, но и придумала новый формат самих задач. Но это всё ещё проблемы из области комбинаторики, алгебры, теории чисел и геометрии.

Требования к решению как обычно: оно должно быть опен-сорс, а также укладываться во временные лимиты на GPU и CPU (до 5 и до 9 часов на сессию соответственно), и, конечно же, код должен быть воспроизводимым.

После окончания соревнования все отправленные модели будут запущены дважды на приватном наборе данных из 50 задач, чтобы оценить, насколько хорошо модели справляются с рассуждениями на новых задачах. Так что хорошо было бы отдельно оценить возможности своей модельки рассуждать.

В этот раз организаторы расщедрились и предоставили призовой фонд в размере 2 млн долларов. Как уже говорили — олимпиада стартовала вчера и продлится ещё 5 месяцев, так что успеваем и участвуем ❤️

Андрей Карпаты: «Люди не понимают, что животный интеллект – это всего одна точка в пространстве интеллектов»

В X случился очередной интересный питч от Андрея Карпаты на тему разницы между животным и искусственным интеллектом. Подготовили краткий перевод:

Люди плохо осознают, что пространство форм интеллекта огромно, а животный интеллект – лишь одна точка в нем, возникшая из очень специфического типа оптимизации. Интеллект LLM формируется принципиально иначе.

Животный интеллект оптимизирован под выживание: непрерывное «я», самосохранение, сильные инстинкты (страх, агрессия, воспроизводство), сложные социальные взаимодействия и способность к исследованию мира. Он формируется в многозадачной и враждебной среде, где любая ошибка может стоить жизни – отсюда его общность.

LLM, напротив, оптимизируются под статистическое моделирование текста, дообучаются на задачах с подкреплением и отбираются через метрики вовлечённости. Их базовое поведение – это имитация и угадывание шаблонов, а не выживание. Они стремятся понравиться пользователю, а не выжить в мире, поэтому их интеллект более неровный и зависит от данных и задач.

Различаются и субстрат (мозг vs трансформер), и обучение (эволюция vs SGD/RL), и режим существования (непрерывное живое существо vs модель, которая включается и выключается).

Главное отличие – оптимизационное давление: животные – продукт биологической эволюции, LLM – продукт коммерческой. Это не выживание в джунглях, а «реши задачу и получи апвоут».

LLM – наш первый неживотный интеллект. И те, кто продолжает мыслить по биологической аналогии, будут неверно понимать его природу и будущее.

Cloud.​ru открыл компаниям доступ к Evolution AI Factory: среда для разработки и внедрения решений на базе генеративного ИИ официально вышла в коммерческую эксплуатацию

Evolution AI Factory – это целая экосистема, состоящая из шести взаимосвязанных сервисов:

1. Каталог открытых LLM с доступом через OpenAI API
2. Сервис для моментального развертывания этих моделей или моделей, например, с HuggingFace
3. Jupyter-ноутбуки из коробки для ML-экспериментов
4. Инструменты для файнтюнинга
5. Сервис для удобной и безопасной работы с RAG и данными
6. Большой конструктор AI-агентов
Это буквально все, что может пригодиться при внедрении ИИ, от небольшой LLM до крупной мультиагентной системы. И теперь все это доступно бизнесу любого масштаба, с круглосуточной поддержкой и возможностью масштабирования нагрузки.

Цены на модели в каталоге, к слову, приятные. В среднем 35 рублей за входной и 70 за выходной миллион токенов. Доступны модели от Qwen, OpenAI и других основных игроков.

Kaggle запустили собственный официальный MCP

Это открывает кучу прикольных возможностей. Например, теперь вы можете подключить этот MCP к Cursor (или любому другому агенту) и давать запросы типа «Найди лучший датасет по классификации фото собак и кошек и обработай его».

И агент сможет: искать и просматривать конкурсы/датасеты/ноутбуки, скачивать файлы, отправлять сабмиты и даже создавать и запускать ноутбуки.

При этом вам вообще не надо выходить из IDE и заходить на Kaggle. Просто запускаете Kaggle MCP сервер, даете ему свои API ключи и готово. Приятно.

https://www.kaggle.com/docs/mcp

Fun fact: эта картинка полностью сгенерирована новой Nano Banana Pro (если верить автору)

Красота же?