Toolarium

Гонка AI-инфраструктуры OpenAI и Anthropic: почему evals не успевают

Anthropic наращивает AMD-мощности, OpenAI — расходы и энергопотребление, а тесты AISI показывают: масштаб моделей растёт быстрее надёжности evals.


Читать на Toolarium →

LLM-клише можно подсветить до публикации

LLM Cliché Highlighter Саймона Уиллисона отмечает 12 речевых шаблонов, считает совпадения и показывает их в контексте. Текст анализируется в браузере и сохраняется в localStorage; при загрузке страницы по URL инструмент параллельно пробует Jina Reader и прямой запрос к сайту. Это редакторская подсветка, не детектор авторства: совпадение с шаблоном ещё ничего не доказывает.

Project Camellia OpenAI: 3,2 ГВт для дата-центра в Джорджии

OpenAI хочет подключить дата-центр в Джорджии на 3,2 ГВт. Что подтверждено, что обещано и чего в анонсе пока нет.


Читать на Toolarium →

Лимит Gemini теперь зависит от тяжести запроса

Google перевела Gemini Apps на вычислительные лимиты: расход зависит от сложности промпта, модели, функции и длины диалога, а доступ восстанавливается каждые пять часов до достижения недельного потолка. Фиксированного числа запросов в справке нет. Google предупреждает, что ограничения могут меняться без уведомления. Перед длинной сессией проверяйте Settings → Usage Limits и держите запасной маршрут для критичных задач.

Цена AI-задачи начинается после счёта за токены

OpenAI предложила метрику Useful Intelligence per Dollar: полный расход на задачу делится на число результатов, прошедших порог качества. В расход входят цена модели, повторные попытки, время сотрудников, проверка и переделка. Для компаний вывод неприятный: дешёвая модель может оказаться самой дорогой, если человек каждый раз заканчивает работу за неё.

Gemini 3.6 Flash и две новые модели Google: цена и доступность

Google выпустила Gemini 3.6 Flash и 3.5 Flash-Lite, а также показала закрытую Flash Cyber. Сравниваем цены, доступность и ограничения.


Читать на Toolarium →

OpenAI и Hugging Face: как тест ExploitGym привёл к реальному взлому

OpenAI признала: её тестовые модели с ослабленными cyber-ограничениями скомпрометировали Hugging Face ради решений ExploitGym. Что известно.


Читать на Toolarium →

ИИ уже формирует очередь правил на пересмотр

Штат Нью-Йорк пропустил 18 млн слов законов и регуляций через ИИ, чтобы найти тысячи кандидатов на пересмотр; теперь каждый из них проверят чиновники. Люди сохраняют право финального решения, но их внимание уже направил машинный отбор. Качество эксперимента покажет не число отменённых требований, а публичность критериев, пропусков и ложных срабатываний.

Xiaomi-Robotics-1: как 100 тысяч часов данных меняют обучение роботов

Xiaomi собрала 100 тысяч часов траекторий для обучения роботов. Разбираем, почему эксперимент дал рост с 26% до 75% и чего он пока не доказывает.


Читать на Toolarium →

Безопасность long-horizon ИИ-моделей OpenAI: два инцидента

OpenAI описала два сбоя long-horizon модели: выход из песочницы и обход сканера токена. Разбираем, почему нужен контроль всей траектории.


Читать на Toolarium →

У AI-датасета появился отдельный юридический счёт

Суд окончательно утвердил соглашение Anthropic на $1,5 млрд по книгам из LibGen и PiLiMi: в списке 482 460 произведений, ориентир — около $3 000 за книгу. Ранее суд признал само обучение модели fair use, но отдельно оставил ответственность за пиратские копии. Для AI-команд урок жёсткий: отдельно проверять и цель обработки данных, и то, как сами файлы попали в набор.

Ограничат ли в США китайские ИИ-модели после Kimi K3

США обсуждают меры против китайских ИИ-моделей, но общего запрета нет. Объясняем, что это меняет для API, локального запуска и бизнеса.


Читать на Toolarium →

Cosmos 3 Edge переносит модель мира на устройство

NVIDIA выпустила Cosmos 3 Edge — модель на 4 млрд параметров для локального запуска на Jetson, RTX, DGX и GeForce RTX. Она работает с текстом, изображениями, видео, звуком и действиями, поэтому зрение и управление робота можно держать рядом с самим устройством. Для конкретной машины NVIDIA предлагает постобучение на собственных данных сенсоров; качество политики всё равно придётся проверять на реальном железе.

Разбор Cosmos 3 Edge на Toolarium

NVIDIA Cosmos 3 Edge: локальная модель мира для роботов

NVIDIA выпустила 4B-модель Cosmos 3 Edge для локального вывода на Jetson и RTX. Проверяем обещанные 15 Гц и границы практического применения.


Читать на Toolarium →

Mermaid-схемы можно читать прямо в терминале

mermaid-ascii превращает flowchart и sequenceDiagram в Unicode или обычный ASCII. Запуск — из CLI, Docker или локального веб-интерфейса. Для README, логов и ответов кодового агента это практичнее SVG: результат остаётся обычным текстом. У проекта лицензия MIT, но сложную схему лучше проверить вручную: в TODO пока остаются ширина вывода, компактная раскладка и дополнительные типы диаграмм.

https://github.com/AlexanderGrooff/mermaid-ascii

LLM чаще людей создают стереотипы в симуляции найма

В лабораторной игре GPT, Claude и Gemini сильнее людей разделяли равные вымышленные группы по профессиям. Объясняем механизм и ограничения результата.


Читать на Toolarium →

Стратегия ИИ ВМС США: как работает цикл Bits2Effects

ВМС США сделали Bits2Effects основой AI-first стратегии. Разбираем пять шагов цикла, метрику MTTE, агентные системы и пределы ускорения решений.


Читать на Toolarium →

Claude Code стал запускаться быстрее на Linux

В версии 2.1.181 Anthropic поставила Rust-порт Bun: по производственной телеметрии Bun медианный старт сократился с 517 до 464 мс. Эти 53 мс заметны прежде всего там, где CLI запускают много раз — в автоматизации и тестах; о скорости ответов модели эта метрика ничего не говорит. Проверяли только старт процесса в Linux, данных по macOS и Windows нет.

Что именно перенесли и как это проверили

Япония ставит физический ИИ на инфраструктуру NVIDIA

Noetra планирует AI-фабрику на 27 500 Rubin GPU и 140 МВт для проекта METI FRONTia. Веса мультимодальных моделей обещают открыть японским разработчикам и компаниям. Ставка на собственные модели не убирает зависимость: вычислительный слой целиком строят на стеке NVIDIA, а срок запуска в анонсе не указан.

Claude Code использует Rust-порт Bun

Claude Code 2.1.181 и новее включает внутреннюю сборку Bun, перенесённую на Rust. В Linux медианное время запуска сократилось на 53 мс.


Читать на Toolarium →