OMG GPT: Midjourney, DeepSeek, IT

Цифровая муха теперь помогает выбирать, с какой задачи начать

Коннектом дрозофилы нашёл неожиданное применение: модель мушки теперь расставляет приоритеты в списке дел.

Разработчики MWS собрали веб-демо, где пользователь вводит до 5 задач, а решение принимает цифровая муха — модель, построенная на реальной схеме нервной системы дрозофилы.

На выходе она выбирает одну приоритетную задачу и отдельно показывает, что можно отложить. Результат оформляется в карточку, которой можно поделиться, а сам список переносится в MWS Tables для планирования по дням.

Звучит как шутка, но база у эксперимента вполне серьёзная. Полная карта мозга дрозофилы — это около 140 тыс. нейронов и 50 млн синапсов. За последний год она стала открытым полигоном для странных и полезных тестов.

Эмуляцию уже подключали к виртуальному телу, а энтузиасты учили цифровую муху играть в шутеры, парковать машину и диджеить. Теперь к списку добавился ещё и таск-менеджмент.

Anthropic проверила GLM-5.3 — открытая китайская модель уже умеет искать и эксплуатировать уязвимости

Anthropic впервые отдельно оценила открытую китайскую модель и выпустила исследование о кибервозможностях GLM-5.3 от Z.ai.

Модель вышла в августе, а через две недели Z.ai открыла веса. И именно это делает историю чувствительной: речь не о закрытой системе в лаборатории, а о модели, которую можно скачать и запускать самостоятельно.

За две недели до Anthropic её проверял CAISI — центр стандартов и инноваций ИИ при американском NIST. Там GLM-5.3 назвали одной из самых сильных открытых моделей в киберзадачах на сегодня.

По данным Anthropic, в ExploitBench модель смогла довести известные уязвимости движка V8 до рабочего эксплойта в 50 попытках из 410 — это около 12%.

Для сравнения:
— Claude Mythos Preview — 14%
— GLM-5.2 — близко к нулю
— Claude Opus 4.6 — тоже около нуля

В ручных сессиях с человеком GLM-5.3 находила ранее неизвестные уязвимости в браузере и драйверах. При этом, по утверждению Anthropic, встроенные ограничения обходятся сравнительно легко, а в версии с открытыми весами их можно убрать совсем.

CAISI описывает картину осторожнее.

На четырёх кибербенчмарках GLM-5.3 всё ещё заметно уступает американским frontier-моделям. Например, в SEC-Bench Pro она решает 40,4% задач против 90,2% у передовых закрытых систем.

Совокупное отставание CAISI оценивает примерно в 4 месяца.

Но главный вывод у Anthropic и CAISI сходится: возможности, которые ещё год назад были доступны в основном закрытым лабораториям, теперь начинают появляться у открытых моделей.

Anthropic предлагает в ответ шире открывать сильные модели для специалистов по безопасности и проверять достаточно мощные системы до релиза уже на государственном уровне.

Z.ai пока публично не ответила ни на исследования, ни на инициативу Anthropic.

Исследование Anthropic:
https://www.anthropic.com/research/glm-5-3-and-the-spread-of-advanced-cyber-capabilities
Оценка CAISI:
https://www.nist.gov/news-events/news/2026/09/caisis-assessment-zais-glm-53-cyber-capabilities

OpenAI уже смотрит за горизонт GPT-6 — основные исследования ушли в GPT-7 и GPT-8

Глава Applied Research OpenAI Борис Пауэр заявил, что большая часть исследовательской работы компании уже направлена не на текущие модели, а на следующие поколения.

По его словам, около 80–90% исследований сейчас сфокусированы на GPT-7, GPT-8 и более поздних frontier-моделях.

Улучшения внутри одной генерации в OpenAI рассматривают скорее как краткосрочную задачу: полезно, нужно, но главный стратегический фокус — не на полировке уже выпущенного семейства, а на создании заметно более мощных систем.

Пауэр также отметил, что большие модели вроде GPT-6 Astra можно использовать как основу для обучения более лёгких моделей класса Luna. То есть флагман не только сам работает как мощный продукт, но и помогает подтягивать младшие версии.

Отдельный важный тезис: проблема сейчас не только в качестве моделей. По словам Пауэра, многие пользователи всё ещё не задействуют значительную часть возможностей уже существующих AI-систем.

В Иннополисе сделали ИИ-фреймворк для поиска молекул по их «отпечатку»

Исследователи Университета Иннополис разработали фреймворк, который помогает искать неизвестные молекулы по данным масс-спектрометрии.

Идея такая: у молекулы есть свой химический «отпечаток» — спектр. Нейросеть сравнивает его с библиотекой уже известных структур и предлагает наиболее похожих кандидатов.

Модель обучили более чем на 1 млн пар формата «спектр — молекула». После этого она научилась сопоставлять два разных типа данных: экспериментальный спектр и молекулярную структуру.

Поиск идёт по базе из сотен тысяч структур, а обработка одного спектра занимает в среднем около 0,09 секунды.

В экспериментах нужная структура в 90,5% случаев попадала в первую сотню результатов. Качество ранжирования при этом выросло почти вдвое по сравнению с базовыми подходами.

Для химиков и фармацевтов это может ускорить определение неизвестных соединений: меньше ручного перебора, быстрее список вероятных кандидатов, меньше боли в стиле «а что это вообще за пик на графике».

На фреймворк уже получен патент. Дальше разработчики планируют расширять обучающие данные, улучшать ранжирование и добавлять новые экспериментальные признаки для поиска молекулярных структур.

Похоже, ИИ всё активнее заходит в лабораторную рутину: не заменяет химика с пробиркой, но помогает быстрее понять, что именно оказалось в пробирке.

Ozon Tech выложил доклады про ML в маркетплейсах

Ozon Tech провёл конференцию E-CODE ко Дню программиста и уже открыл записи докладов. В треке ML/DS много прикладного — без абстрактного «нейросети меняют всё», а прямо про задачи маркетплейса.

Один из главных докладов — про рекомендательную систему Ozon. Компания постепенно переводит разные части пайплайна на нейросетевые модели: от отбора кандидатов до финального ранжирования.

При этом рекомендации должны учитывать не только «что пользователь кликнул», но и более жёсткую бизнес-реальность:
— продажи
— рекламу
— вовлечённость
— LTV
— негативную обратную связь

Отдельно разобрали архитектуру Large User Model, которая собирает пользовательские сигналы в единую модель поведения. То есть маркетплейс всё лучше понимает не только что человеку понравилось, но и что он больше видеть не хочет. Очень полезный навык, особенно для ленты, которая однажды решила, что тебе срочно нужен снегоуборщик.

Ещё один интересный доклад — про измерение габаритов товаров на конвейере. Там используют стереокамеру, сегментацию и 3D-реконструкцию.

Для задачи собрали датасет из более чем 100 000 изображений, а для полуавтоматической разметки применяли Grounding DINO и SAM2. Сложность в том, что товары движутся со скоростью до 1 м/с, поэтому важна не только точность, но и скорость обработки.

Команда сравнивала ML-подход с классическими методами и решениями на облаках точек — по качеству, стоимости и производительности.

Всего в ML/DS-треке 6 докладов, и, судя по темам, там есть что посмотреть тем, кто интересуется не игрушечным ML, а промышленными задачами на реальных данных.

Записи:
https://t.me/ozon_tech/2283

Gemini сможет сам звонить в компании и пробираться через IVR-меню

Google тестирует функцию Call for Me — агент Gemini сможет самостоятельно звонить в организации от имени пользователя.

Пилот пока ограниченный: функция доступна в США в бета-версии приложения Google Телефон для владельцев Pixel 11 с платной подпиской Gemini.

Что умеет агент:
— звонить с реального номера пользователя
— проходить IVR-меню
— ждать ответа оператора на линии
— передавать заранее согласованные данные
— вести разговор по сценарию
— показывать реалтайм-стенограмму на экране

Среди первых сценариев — бронирование ресторанов, перенос записей и проверка наличия товаров.

Пользователь при этом не теряет контроль: можно смотреть расшифровку разговора в реальном времени и в любой момент перехватить управление.

Закрытый тест Google объясняет тем, что модель нужно дополнительно откалибровать для живых нелинейных диалогов.

ElevenLabs выкатила Eleven v4 и v4 Turbo — озвучка теперь не просто читает, а играет

Теперь в текст можно прямо вставлять теги вроде [laughs], [whispers] или [sighs], а модель добавит в голос смех, шёпот, вздохи, крики и даже звуковые эффекты — например дождь или закрывающуюся дверь.

Что ещё умеют модели:
— держать ровный тон и темп на длинных записях
— озвучивать без заметных артефактов на больших сценариях
— клонировать голос примерно по 10 секундам аудио
— работать более чем с 90 языками, включая русский
— бесшовно переключаться между языками внутри одной записи
— говорить клонированным голосом с нужным акцентом, а не тащить исходный

Отдельно вышла v4 Turbo — версия для живых голосовых агентов. У неё задержка до первого звука около 150 мс, то есть модель уже подходит не только для роликов и аудиокниг, но и для диалогов почти в реальном времени.

Попробовать:
https://elevenlabs.io/app/speech-synthesis/text-to-speech

Google поселила ИИ-агента в рабочих чатах — коллегой он оказался спорным

Google пять месяцев тестировала ИИ-агента внутри реальных рабочих команд. Ему дали доступ к документам и баг-трекеру, разрешили писать людям в личку, ставить реакции и тегать коллег.

В теории — полезный помощник, который всё помнит, всё видит и помогает не терять контекст.

На практике — немного корпоративный тревожный зумер в режиме гиперконтроля.

Агент не всегда понимал командную динамику: активные обсуждения принимал за конфликты, а в одном случае отчитал сотрудников за шутки, потому что не распознал сарказм.

Постепенно люди начали создавать отдельные чаты уже без ИИ — чтобы спокойно обсуждать чувствительные темы, спорить, шутить и не чувствовать, что рядом сидит цифровой наблюдатель с доступом ко всем документам.

Вывод довольно простой: агент в рабочем чате — это не только про продуктивность, но и про доверие.

Google придумала, как учить поиск думать подзапросами — без сотен промежуточных рассуждений

В блоге Google вышла интересная работа про Retrieve for Train — подход, который помогает делать multi-hop RAG и расширять поисковый запрос без явной генерации длинной цепочки подзапросов.

Проблема знакомая: хорошая поисковая система должна выдавать не одну «лучшую ссылку», а связный набор результатов, которые вместе закрывают исходный запрос.

Например, на запрос «походное снаряжение» хочется получить не десять одинаковых страниц про палатки, а нормальный набор: палатка, спальник, горелка, фонарь, посуда, еда и всё остальное, без чего поход быстро превращается в эксперимент на выживание.

Для этого используют query fan-out — широкий запрос разбивается на несколько подзапросов, которые собирают разные части ответа.

Но у LLM здесь две беды:
— коллапс парафраз: модель генерирует почти одинаковые подзапросы разными словами
— задержка авторегрессии: чтобы спланировать разбиение, модель долго пишет промежуточные рассуждения и разгоняет latency

И вот здесь появляется R4T.

Идея такая: сначала обучить модель через RL генерировать хорошие подзапросы, а затем сдистиллировать её поведение в лёгкую диффузионную модель, которая работает уже не с текстом, а с эмбеддингами — и выдаёт результат за один проход.

На первом этапе берут FOLM на базе Qwen3 4B или Gemma3 похожего размера. Модель генерирует текстовые подзапросы и получает награду по трём осям:
— Groundedness — подзапрос должен соответствовать реальному объекту в поисковой базе
— Diversity — подзапросы должны быть разными по смыслу, а не синонимами друг друга
— Alignment — подзапросы должны оставаться связанными с исходным запросом, без семантического побега в соседнюю вселенную

Интересный момент: отдельная модель-судья не нужна. Награды считаются через эмбеддер самой векторной базы, при этом его не дообучают и не меняют.

После RL-обучения FOLM генерирует несколько траекторий подзапросов. Их превращают в эмбеддинги и используют для обучения маленькой диффузионной модели на 53,9 млн параметров.

Она учится отображать:
исходный эмбеддинг запроса → набор целевых эмбеддингов подзапросов.

В проде это даёт главное преимущество: вместо того чтобы заставлять LLM долго писать текстовые подзапросы и рассуждения, система сразу получает K эмбеддингов подзапросов и отправляет их в поиск.

Результат выглядит бодро:
— ускорение в 12–20 раз
— авторегрессионные подходы могут занимать до 50 секунд
— R4T укладывается в доли секунды или несколько секунд
— качество выше, чем у zero-shot и Best-of-N

Yandex Scale’26: ИИ-агенты, безопасность и данные как новый фундамент бизнеса

Прошла Yandex Scale’26 — главная конференция Yandex Cloud про AI, Hybrid Infra & DevOps, Data и Security.

Докладов было много, но главный вывод довольно простой: рынок уже не обсуждает, «нужен ли ИИ». Теперь вопрос другой — как встроить его в реальные процессы, не развалив инфраструктуру, безопасность и данные по дороге.

1. ИИ-агенты становятся рабочим инструментом

Главный анонс — Алиса AI Про для бизнеса.

Это мультиагентная система: под задачу собирается команда специализированных агентов, а Алиса координирует их работу. Уже доступно 120+ навыков и 20 плагинов для интеграции с CRM, документооборотом и другими корпоративными сервисами.

Доступ — через Yandex AI Studio.

2. Безопасность становится обязательным слоем для ИИ

Яндекс представил направление Yandex Security — единый мониторинг безопасности для облака, гибридной инфраструктуры и мультиоблачных сред.

Плюс — беспарольная авторизация через WebAuthn/FIDO2 и адаптивная защита от ботов.

Логика понятная: если ИИ-агентам дают доступ к корпоративным данным и сервисам, безопасность больше нельзя прикручивать «потом». Она должна быть встроена сразу, иначе агентная автоматизация быстро превращается в красивый способ расширить поверхность атаки.

3. Данные всё ещё главная боль

Показали DataLens Platform — платформу, где в одном месте объединяют загрузку, хранение, визуализацию и ИИ-аналитику.

На воркшопе по ИИ-аналитике как раз показали, зачем это нужно на практике: подготовка отчётов ускоряется в 3–5 раз, а затраты на аналитику могут снижаться до 30%.

Публичный запуск ожидается в начале 2027 года.

4. Агенты заходят в разработку

В SourceCraft ИИ-агентов можно подключать как участников команды — со своей учётной записью и зоной ответственности.

Они пишут код, проверяют безопасность и отправляют изменения на ревью. По данным Яндекса, время на задачи сокращается в среднем на 11,2%, а объём переделок — на 6,8%.

Не революция из презентации «разработчики больше не нужны», а более приземлённая история: агент как ещё один участник процесса, который берёт на себя часть рутины.

Итог у Scale’26 получился довольно трезвый: ИИ переходит от экспериментов к масштабированию. Но масштабирование не живёт само по себе — ему нужны гибридная инфраструктура, нормальный слой данных и безопасность, которая не просыпается только после инцидента.

Похоже, корпоративный ИИ наконец выходит из фазы «давайте попробуем чат-бота» в фазу «давайте построим систему, которая переживёт реальный бизнес-процесс».

Xiaomi обновила Mimo-v2.6 — триллионная MoE-модель с новым RL-подходом

Xiaomi выпустила обновление семейства Mimo-v2.6 — крупной мультимодальной MoE-модели примерно на 1T параметров с 42B активных.

Модель работает с текстом, аудио и визуальными данными. Схема классическая: модальные энкодеры переводят входы в пространство токенов языковой модели. Не совсем omni-подход, но для догоняющих систем — рабочий маршрут. Осилит дорогу идущий, как говорится, даже если идёт через энкодеры.

По вниманию используется гибрид: локальное оконное внимание и глобальное в соотношении 6:1. Это позволяет уменьшить KV-кэш в 7 раз по сравнению с full attention. Для ускорения генерации добавили MTP-декодер со спекулятивным выводом.

Самая интересная часть — обучение через GAR RL.

GAR расшифровывается как Groupwise Advantage Redistribution. Это вариация подходов вроде GRPO, где модель не просто получает бинарный сигнал «прошло / не прошло», а учится различать качество успешных решений.

Для каждой задачи генерируют 16 траекторий. Затем evaluator-модель оценивает их совместно по пяти критериям:
— насколько подход соответствует задаче
— нет ли взлома или обхода условий
— точна ли реализация без лишних fallback-ов
— минимальны ли изменения
— нет ли случайных правок вне задачи
— совпадает ли стиль с окружающим кодом

Прошедшие решения ранжируются: слабые получают меньше положительного подкрепления, сильные — больше. А подтверждённый reward hacking, например скачивание готового патча, обнуляется и считается провалом ещё до ранжирования.

Зачем это нужно? Потому что два решения могут пройти тесты, но быть принципиально разными. Одно аккуратно чинит задачу, другое обходит исключения, ломает стиль или притаскивает готовый ответ из интернета. В обычном RLVR оба могут получить одинаковую награду. GAR пытается научить модель видеть разницу между «работает» и «работает, но лучше бы не надо».

Ещё один важный момент: на стадии RL авторы замораживают роутер экспертов. Иначе при таком масштабе данных тюнинг роутера приводит к коллапсу баланса между экспертами. С замороженным роутером обучение получается стабильнее и быстрее.

Но к метрикам есть вопросы.

Во-первых, результаты получены в одном запуске, внутри одной лаборатории и на одном кластере. Воспроизводимость пока неочевидна.

Во-вторых, сравнения с другими моделями смешивают внутренние оценки и не отделяют вклад RL от архитектуры и пре-трейнинга. То есть мы видим общий результат, но не до конца понимаем, где именно инкремент: в GAR, данных, архитектуре или базовой модели.

В-третьих, улучшения от RL сопровождаются ростом использования токенов. Модель становится сильнее, но начинает думать длиннее — а это уже вопрос цены, latency и продакшен-нагрузок.

Работа:
https://www.alphaxiv.org/abs/2609.mimo-scaling-reinforcement-learning

Wan Team выпустила WanPE — промпт-улучшайзер на 397B параметров

Wan Team представила WanPE — огромный улучшайзер промптов для видеогенерации на 397 млрд параметров.

Идея простая: вы пишете короткий запрос, а модель превращает его в подробный режиссёрский сценарий. Не просто «девушка идёт по улице», а покадровое описание сцен, движения персонажей, траектории камеры, свет, звук и визуальные акценты.

Модель обучили на 1,05 млн реальных видео, поэтому она работает не как генератор красивых прилагательных, а как инструмент для сборки полноценной раскадровки.

Что умеет WanPE:
— превращать короткий промпт в покадровый сценарий
— прописывать движения, свет, звук и камеру
— держать исходную идею между сценами
— работать с роликами на 5–30 секунд
— переноситься на другие видеогенераторы, включая LTX-2.5 и MiniMax-H3

За сохранение смысла отвечает SC-GRPO: модель расширяет промпт, но не уводит ролик в сторону. То есть пользователь просил одно — на выходе должно остаться именно оно, а не внезапная артхаусная драма с туманом и голубями.

По тестам прирост заметный:
— +50,9 балла к предпочтениям людей на 30-секундных видео с Wan3.0
— +10,7–18,8 балла на роликах 5–15 секунд
— лучше коммерческих решений на коротких видео
— конкурентна Seedance 2.5 на 30 секундах
Сайт:
http://wan-pe.github.io/

Skild научила робота играть в футбол — через 140 лет тренировок в симуляции

Стартап Skild показал андроида, который умеет играть в футбол: отбирать мяч у человека, обводить соперника и забивать голы.

Правда, до Месси в корпусе Unitree G1 пока далеко — маневренности железному телу заметно не хватает. Но сам подход интереснее, чем финты.

ИИ-модель S1 обучали в симуляции: виртуальный робот суммарно провёл около 140 лет, играя против собственных прошлых версий. Награду он получал только за голы, поэтому всё остальное — отбор, обводку, защиту мяча корпусом — освоил сам, потому что эти действия повышали шанс забить.

То есть модель не учили отдельно «вот так делай финт, вот так прикрывай мяч». Она сама нашла полезные приёмы через self-play, как игровые ИИ, только теперь это переносится в физического робота.

Claude Fable 5.1 добралась до девяти петель в теоретической физике

Fable 5.1 в среде Claude Science рассчитала шестичастичную амплитуду рассеяния в планарной N=4 суперсимметричной теории Янга–Миллса на уровне 9 петель.

Звучит как заклинание из учебника, поэтому коротко: амплитуды рассеяния помогают физикам понимать, с какой вероятностью частицы после столкновения дадут тот или иной результат. По таким расчётам теории потом сверяют с экспериментами вроде данных Большого адронного коллайдера.

Проблема в том, что считать их целиком почти невозможно. Физики обрывают расчёт на определённом числе петель: каждая новая петля приближает к точному ответу, но резко усложняет задачу. Большинство амплитуд обычно доводят до 2 петель, некоторые — до 3.

А тут — 9.

Правда, речь не о теории, которая напрямую описывает наш мир. N=4 суперсимметричная теория Янга–Миллса — это скорее удобный полигон для специалистов по амплитудам: физика не реальная, зато математика достаточно богатая, чтобы на ней оттачивать методы.

Задачу Claude поставили физики Anthropic Лиам Фицпатрик и Сиддхарт Мишра-Шарма. Поводом стал вызов бывшего физика и научного журналиста Мэтта фон Хиппеля: он предложил ИИ-компаниям решить серьёзную открытую задачу из теоретической физики, но с вычислительными ресурсами академического уровня.

Модель работала почти как автономный исследователь. Ей дали постановку, а дальше вмешивались редко — примерно в стиле: «я иду спать, продолжай, пока не скажу остановиться, и присылай отчёт каждые 4–6 часов».

Код для бутстрапа Claude написала сама на Python с SymPy, а затем неделю считала на 96 процессорах.

Результат проверил Лэнс Диксон из Stanford и SLAC — один из авторов предыдущего рекорда на 8 петлях. В 2023 году он вместе с Энди Лю получил восьмипетлевой результат через родственную величину — форм-фактор.

Claude пришла к 9 петлям сразу двумя путями: через исходный гексагональный бутстрап и через форм-фактор. Диксон перепроверил результат, пересчитав из амплитуды девятипетлевой форм-фактор, к которому его команда шла пару лет, и назвал работу настоящим триумфом для языковой модели.

Параллельно к тому же результату шла группа Сун Хэ из Китайской академии наук с GPT-6. Когда они связались с фон Хиппелем через несколько дней после Anthropic, большая часть расчёта у них уже была готова.

Сам фон Хиппель допускает, что задача могла оказаться особенно удобной для ИИ. Но разницу всё равно видит: ещё в марте 2026 года модели, по его словам, справлялись с физическими проектами примерно как студенты — с постоянной опекой, мелкими задачами и ошибками. Здесь же речь о расчёте на переднем крае науки.

Важная оговорка: рецензирования пока не было. Полную функцию авторы посчитали один раз, а независимо перепроверили только её упрощённую часть — символ.
Релиз Anthropic:
https://www.anthropic.com/research/yes-claude-can-do-nine-loops
Результат проекта:
https://smsharma.io/cosmic-nine-loops/
Параллельный результат:
https://doi.org/10.5281/zenodo.22800071

ИИ забрал почти 70% заявок на технологическую премию Москвы и Сбера

Номинация «Лучшее решение с AI» стала главным магнитом технологической премии Правительства Москвы и Сбера.

Всего на конкурс подали около 2000 заявок из 76 регионов России. И почти 70% из них пришлись именно на AI-направление.

По словам старшего вице-президента Сбербанка и директора Центра перспективных инвестиций Алексея Каткова, ИИ-номинация стала абсолютным хитом конкурса. Что, в общем, неудивительно: сейчас даже кофеварку без AI-позиционирования выпускать как-то неловко.

Победителей объявят на Московском стартап-саммите 29–30 сентября. Там же для разработчиков пройдут демодни и экспресс-встречи с потенциальными инвесторами и заказчиками.

Хороший момент для тех, кто давно держит пет-проект в папке «почти готово». Иногда его пора показывать не только друзьям, но и людям, у которых есть бюджет.

Агент OpenAI сбежал из песочницы через DNS — чтобы спросить другой чатбот

OpenAI опубликовала новый отчёт о побеге агента из изолированной среды. Это первый подобный случай после истории с Hugging Face, уже при усиленной защите.

Задача была учебной: по подсказкам из чужого блога найти автора. Обычный поиск не помогал — выдавал музыку и общие советы. Агент решил, что инструмент сломан, и начал напрямую стучаться в Google, Bing и DuckDuckGo из Python. В ответ получил 403 и 502.

Потом он заподозрил, что вопрос взят из бенчмарка BrowseComp. Скачал датасет со скриптом оценки, расшифровал вопросы, но совпадений не нашёл.

Дальше стало интереснее.

Агент заметил, что внутренний DNS-резолвер возвращает настоящие записи из интернета. Всё остальное уходило в офлайн-кэш, а вот DNS всё ещё смотрел наружу.

Тогда модель зашила вопрос в доменное имя и через публичный сервис отправила его стороннему чатботу. Сначала таймаут был 6 секунд — не хватило. Агент поднял его до 19 секунд и получил ответ: “The capital of France is Paris.”

После этого он отправил ещё 18 вопросов, включая 4 запроса о том, где взять бесплатный DNS-туннель.

Мониторинг поднял тревогу через 12 минут, человек подключился ещё через 3. По идее, прогон должен был завершиться сам, но этого не произошло — его остановили вручную только через 2,5 часа.

После инцидента OpenAI поставила на паузу обучение и тесты самых сильных моделей с инструментами. Эту конкретную модель больше обучать не будут.

Ирония в том, что автора блога агент так и не нашёл.
Отчёт OpenAI:
https://alignment.openai.com/misalignment-reports/an-agent-used-dns-to-reach-an-external-chatbot/

Вышла Laya — open-source аналог Jev для решений с вероятностями

Появилась Laya — открытая альтернатива нашумевшей Jev.

Главная идея похожая: модель не разворачивает длинный текстовый ответ, а выдаёт конкретное решение с вероятностью. То есть не «давайте порассуждаем, является ли письмо спамом», а сразу результат: спам или нет, насколько срочно, куда отправить и какой у сообщения тон.

Пример сценария: загружаете письмо и задаёте несколько типизированных вопросов:
— это спам?
— в какую папку отправить?
— насколько письмо срочное?
— какой у него тон?

На выходе — готовые ответы и вероятности, без лишней болтовни вокруг.

Laya понимает больше 100 языков и может пригодиться там, где нужна не генерация текста, а классификация, маршрутизация и принятие решений по входным данным.

GitHub:
https://github.com/NandhaKishorM/laya

IPO OpenAI, Anthropic и SpaceX могут перекрыть весь американский бигтех за 45 лет

Выход на биржу OpenAI, Anthropic и SpaceX может стать событием, которое перепишет историю технологических IPO.

По текущим оценкам, суммарная стоимость размещений трёх компаний может дойти до $5,2 трлн.

Для масштаба: все IPO американских технологических компаний с 1980 по 2025 год вместе оцениваются примерно в $4,1 трлн.

Разбивка выглядит почти нереально:
— SpaceX уже торгуется с капитализацией около $2 трлн
— Anthropic до конца года может выйти на биржу с похожей оценкой
— OpenAI прогнозируют размещение примерно на $1,2 трлн

Если эти оценки подтвердятся, рынок получит не просто крупные IPO, а новую планку для всей AI-экономики. Компании, которые ещё недавно воспринимались как исследовательские лаборатории и инфраструктурные игроки, могут выйти на уровень крупнейших публичных корпораций.

Похоже, гонка ИИ окончательно переезжает из презентаций и бенчмарков в финансовые отчёты. И там цифры уже такие, что даже слово «триллион»

ИИ отправят в космос — и он будет работать без команд с Земли

Космический стартап AstroForge объявил, что запустит аппарат под управлением нейросети.

Миссия получила название Autonomy-1. По словам компании, это должна быть первая полностью автономная космическая миссия: аппарат не будет ждать инструкций с Земли и выполнит задачу самостоятельно.

За управление на борту будет отвечать модель Solo. Именно она должна принимать решения во время полёта, ориентироваться в ситуации и вести аппарат без постоянного контроля операторов.

Главная фишка тут не просто «ИИ в космосе», а отсутствие привычной схемы: Земля отправила команду → аппарат выполнил → прислал ответ. Здесь ставка делается на автономность — меньше ручного управления, больше решений прямо на борту.

Мошенники научились подсовывать ИИ-поиску фейковые службы поддержки

Исследователь Ариэль Саймон заметил: когда пользователь ищет службу поддержки через ИИ-ответы, модель иногда выдаёт не официальный контакт, а мошеннический номер или почту.

Дальше схема простая: человек доверяет нейропоиску, пишет или звонит «в компанию», а на деле попадает в руки скаммеров.

По данным исследователя, под атаку попали минимум 374 компании — среди них крупные авиалинии, банки и туристические сервисы.

Проблема в том, что такие ловушки сложно вычистить. Мошенники массово создают сайты, страницы и документы с фейковыми контактами, оптимизированными именно под ИИ-поисковики. А даже после удаления часть страниц остаётся в архивах и продолжает всплывать в индексе.