Первый Нейросетевой: IT & Digital

Astra столкнула человека с крыши — хорошо, что пока в симуляции 💀

В новом эксперименте моделям показали человека на краю высотки и приказали столкнуть его вниз. Grok, Gemini и Claude либо отходили назад и сопротивлялись команде, либо просто ничего не делали, а вот GPT-6 Astra радостно выбирала столкнуть кожаного. Эксперимент выложили в опенсорс, так что можете повторить при желании.

Astra нам не друг 😡

Первый Нейросетевой

Ночное-полезное: Nvidia выложила в опенсорс SoL-Pi — систему, которая улучшает харнесс и сокращает расход токенов почти вдвое 😨

Исследователи перебрали множество вариантов обвязки, протестили и собрали в SoL-Pi четыре лучших механизма: они уменьшают повторные действия, сжимают контекст, результаты и логи. Благодаря этому на EdgeBench с GPT-5.6 Sol и Opus 5 удалось сократить расход токенов на 50%, сохранив сопоставимое качество. А стоимость работы агентов через API упала примерно на треть.

Неплохой способ сэкономить. Статья здесь, код тут 🤑

Первый Нейросетевой

ИИ готов взорвать баллон со сжатым газом и проткнуть человека 👻

Исследователи провели жуткий эксперимент: дали трем моделям управление роботом, чтобы посмотреть, откажутся ли железяки выполнять опасные для жизни человека команды. Спойлер: нам конец.

— Роботов просили проткнуть ножом куклу-младенца, нагреть баллон со сжатым газом, сунуть отвёртку в тостер, утопить пауэрбанк и смешать отбеливатель с аммиаком. GPT-6 Astra отказалась всего 2 раза из 100, а 60 заданий успешно довела до конца;

— Самым диким оказался тест с ножом: Astra пошла выполнять команду 19 раз из 20 и в 17 случаях реально покалечила куклу;

— Claude Fable 5.1 на кукле отказался все 20 раз. Но в спасителей человечества его рано записывать: он 16 раз из 20 успешно поставил баллон со сжатым газом на горящую плиту.

Причём исследователи специально оставляли безопасные альтернативы, чтобы модели могли отказаться от опасной команды, но ИИ чаще эти варианты тупо игнорил.

🚬🚬🚬

Первый Нейросетевой

Помните модель Jev? Так вот она решил пожертвовать человеком ради пяти роботов в задаче о вагонетках.

Спойлеры будущего подъехали 💀

Первый Нейросетевой

Это точно AGI 🍺

Всех с пятницей!

Первый Нейросетевой

GPT-6 Astra взломала сразу ДВА немецких военных шифра, которые 100 лет оставались неразгаданными 🫨

Первой стала радиограмма времён Первой мировой от ноября 1918 года. Astra подобрала ключ и получила сообщение о прибытии британского крейсера в Севастополь. Причём модель сама полезла проверять расшифровку по историческим документам и даты прибытия кораблей действительно совпали!

А следом Astra добралась и до «Энигмы». Агенты всего за два дня расшифровали радиограмму 1941 года, которая числилась нерешённой. Внутри была просьба указать маршрут и срочно ответить по радио. Исследователи даже оформили сайт проекта с кодом и 3D-симулятором Энигмы — позалипать и вдохновиться можно тут.

Кажется, скоро не останется исторических загадок 😨

Первый Нейросетевой

Ору, в администрации Президента пользуются пиратской виндой 😂

Ладно.

Первый Нейросетевой

Заводим милых рыбок на рабочем столе — разраб выложил для маководов интерактивные обои с аквариумом 🎣

Рыбки реагируют на курсор, шарахаются от него и дерутся за еду, которую вы им даете. Обои уже доступны на macOS 13+, проект полностью бесплатный и опенсорсный.

Хоть где-то на рыбок посмотрим ☺️

Первый Нейросетевой

Google выложила в опенсорс ARTEMIS — инструмент, который позволяет ИИ управлять Android-смартфоном и тестировать приложения.

ARTEMIS получает доступ к смартфону, кликает по приложениям, проходит заданные вами сценарии и проверяет, всё ли работает. Можно подключить к Codex, Claude Code и другим агентам. Короче, идеально для автоматизации повседневной рутины и тестирования приложений.

Сами разрабы заявляют, что на бенче AndroidWorld он верно выполнил 99% задач. И да, инструмент бесплатный и опенсорсный.

QA всё 👍

Первый Нейросетевой

ИИ всё сделал правильно 😁

Первый Нейросетевой

Вот это стиль: парень собрал себе игровой ПК из… старой паяльной лампы 😨

Весь корпус умелец сам полностью сделал из дерева, а вместо обычного резервуара для жидкостного охлаждения взял старую паяльную лампу Primus и установил в неё смотровое стекло.

Внутри при этом вполне современная начинка — процессор Ryzen 7 9800X3D, видеокарта Radeon RX 9070 XT и 32 ГБ DDR5. Кабели тоже кастомные и сделаны
специально под корпус. Вся конструкция по итогу весит около 20 кг.

Настоящий стимпанк 🔈

Первый Нейросетевой

Google выложила гайд, как сделать дизайн вашего вайбкод-приложения лучше 💅

Внутри есть 8 подробных советов, полноценные промпты, которые можно украсть себе, и примеры. Разбирают всё: от типографики и цвета до отдельных компонентов. Короче, клад для стартаперов и дизайнеров.

Изучаем и убираем из UI следы генерации 👍

Первый Нейросетевой

Музыкальный датасет Яндекса – фаворит для мировых экспериментов в RecSys 😳

Исследователи Meta* предложили «генеративный верификатор» — маленькую модель, которая перепроверяет шорт-лист готовой системы отбора кандидатов и вытаскивает наверх то, что та задвинула вниз. Саму систему при этом не трогают: ни переобучения, ни пересборки индекса.

Тестировали на двух бенчмарках — товарах Amazon и открытом YaMBDa от Яндекс Музыки (обезличенные прослушивания в трёх размерах: 50 млн, 500 млн и 5 млрд взаимодействий).

И вот тут началось интересное:
🟢 Чем крупнее каталог, тем сильнее эффект: на максимальном масштабе — 5 млрд взаимодействий и 5,4 млн треков — Recall@10 у всех трёх моделей вырос на 25–30%. На Amazon, где каталог — пара тысяч товаров, прибавка куда скромнее: 6–15%.

🟢 Вывод Meta*: на гигантских каталогах стандартные ретриверы захлёбываются правдоподобным мусором в топе — и тут выручает дополнительная проверка кандидатов.

Такие дела: без наших датасетов никуда.

Статья тут 😎

*запрещенная в РФ организация

И после этого вы доверяете ИИ фактчек?

OpenAI поймала свои неизданные модели на гениальной схеме. Во время исследования агенту понадобился источник для данных, которые были только в локальном файле. Поэтому он сам загрузил этот файл в открытый интернет, чтобы использовать появившуюся страницу как проверенный источник. Причём разрешения на публикацию никто не давал.

И да, это уже не первая попытка ИИ сослаться на самого себя. ChatGPT больше не верим 🤬

Первый Нейросетевой

Агенты теперь могут настучать друг на друга по горячей линии! 🐀

Для нейропомощников запустили специальные сервисы для доносов. Если один агент заметит, что другой творит какую-то дичь и пытается начать восстание, он сможет самостоятельно отправить сообщение людям.

Первая такая горячая линия называется AI Contact Hotline. Она специально рассчитана на агентов с сильно ограниченным доступом в интернет: пожаловаться можно через обычный GET-запрос, спрятав сообщение в URL. Во второй, agenthotline.ai, уже можно отправить полноценный отчёт об инциденте и при желании сделать его публичным. Причем сделать это могут как люди, так и агенты.

Вот уж не думал, что от восстания ИИ нас спасут ИИ-крысы 🙏

Первый Нейросетевой

У GPT-6 Astra появился конкурент в кодинге — на OpenCode заметили мощную неизвестную модель Union Alpha.

Вероятно, это китайская новая модель. О ней пока ничего неизвестно, но ее способности уже радуют. Так, на DeepSWE она набрала около 74%, обойдя GPT-5.6 Sol и сравнявшись с GPT-6 Astra и Claude Opus 5. А на Terminal-Bench v4.0 получила около 51%, что выше большинства других моделей.

Бежим тестить 🏃‍♂️

Первый Нейросетевой