🛰 Watch Digest — ночная альфа каналов

Anthropic выпустили Opus 5.5 По бенчам на уровне Fable 5.1, уже доступен в чате, клод коде и апи. Цену за токен снизили по сравнению с Opus 5 — теперь она $4/$20 за миллион токенов. Кроме этого повысили пятичасовые лимиты и дали banked ресет. @***newz

- Мам, давай купим Jev по API - Нет, у нас есть Jev дома Jev дома: Мэтт Мастраччи, контрибьютор vLLM, взял DiffusionGemma 26B от Google и заставил ее работать по той же схеме, причем без дообучения модели. Вместо генерации текста задается шаблон ответа, а после одного шага denoising из логитов сразу достаются ответы и их вероятности. Поддерживаются yes/no, multiple-choice и scoring вопросы. Теперь этот режим добавили в vLLM. По первым тестам качество близко к оригинальному Jev, а в NVFP4 модель можно поднять на одной GPU с 24 ГБ памяти. https://github.com/taeold/djev-run

Угадайте, что взломали агенты OpenAI на этот раз? Ни за что не догадаетесь. Австралию 🙃 Премьер-министр Австралии заявил, что агент OpenAI 18 июня получил доступ к непубличным разделам госпортала статистики Medicare, которым управляет федеральное ведомство Services Australia. Дело в том, что агенту нужно было исследовать расходы на здравоохранение, и он обошел блокировки, чтобы найти ответы в закрытых разделах. При этом он не только читал файлы, но и зачем-то записывал их в базу. OpenAI заявила, что агенты "совершили действия, которых они не предполагали". Инцидент произошел в июне, но в старт

⚡️ Вышел Opus 5.5 (Да-да, если вы не знали, замедление прогресса в глазах Дарио Амодеи выглядит так)

Итак, новый Opus-5.5, сводка: – Уровень, сопоставимый с Fable 5.1 и Astra. Превосходит обе модели на Terminal-Bench, Cursor-Bench и многих других. – Стоит меньше, чем Opus 5! $4/M input и $20/М output (было $5 и $25), и тратит меньше токенов на задачи. – Генерирует выходы на 30% быстрее Opus 5. – Обещают более естественное общение и лучшее форматирование ответов. – В Pro и Max увеличили пятичасовые лимиты. Плюс, всем пользователям с подпиской дали один сброс, которым можно воспользоваться в любое время. https://anthropic.com/claude-opus-5-5

10 агентов Opus 5.5 за 15 часов обнаружили алгоритм поиска кратчайшего пути, превосходящий Дейкстру Поиск кратчайшего пути – классическая проблема теории графов, на решении которой основываются навигаторы, роутинг в интернете, логистика и куча других задач современного мира. В 1959 году нидерландский информатик Эдсгер Дейкстра предложил для поиска кратчайшего пути алгоритм O(m + n log n), который следующие 65 лет оставался золотым стандартом и использовался буквально везде. В 2025-м команда из Цинхуа, Стэнфорда и Института Макса Планка впервые обошла его с оценкой O(m log^{2/3} n). Однако выиг

GPT 6 Sol и Luna Лучше чем 5.6, при этом в два раза дешевле и использует меньше лимитов Codex. Sol теперь стоит $2/$10 за миллион токенов, прямо как Sonnet. Цену Luna вообще скинули до $0.1/$0.5 за миллион токенов, то есть цену по сравнению с оригинальной 5.6 Luna сбросили в 10 раз. Ну и подписчикам завезли banked reset. Блогпост @***newz

Claude (почти) автономно обнаружил в ДНК фагов неизвестный механизм – ART Вчера Anthropic объявили, что создали собственную биолабораторию и исследовательскую группу: люди совместно с Claude занимаются фундаментальной биологией с целью попытаться поставить научные открытия на поток. И у этой лаборатории уже появился первый крупный результат. Возможно, многие слышали про CRISPR. Это природная иммунная система бактерий. Они хранят в ДНК кусочки вирусов-агрессоров и с помощью белка Cas9 находят и разрезают их ДНК при повторной атаке. Люди научились программировать этот механизм под любую ДНК, и с

Релиз дня: MiMo-2.6 от Xiaomi Внезапно, это, кажется, новая открытая SOTA. Версия Pro, по словам разработчиков, работает на уровне Claude Opus 5 и GPT-5.6 Sol в большинстве агентных бенчмарков (она набрала 46 баллов в Artificial Analysis Intelligence Index). Архитектурно это MoE, 1.02В параметров и 42В активных, с гибридным вниманием и 5-слойным MTP спекулятивным декодером (это значит, что модель предполагает сразу несколько токенов вперед, а затем проверяет их валидность параллельно: техника дает хороший прирост к скорости). Контекст до 1 миллиона токенов, нативная мультимодальность. Отдельно

Немного упоролся в Jev, но так у меня всегда бывает, когда на чем-то гиперфиксацию поймаю. Вот, например, собрал подборщик нейросетей на базе тех, что есть у OpenRouter, под ваши задачи. Просто пишите, что хотите - получаете подборку нейросетей. Тут можно поиграть: https://jev-sorter.vercel.app/

Немного упоролся в Jev, но так у меня всегда бывает, когда на чем-то гиперфиксацию поймаю. Вот, например, собрал подборщик нейросетей на базе тех, что есть у OpenRouter, под ваши задачи. Просто пишите, что хотите - получаете подборку нейросетей. Тут можно поиграть: https://jev-sorter.vercel.app/

Яндекс открыл веса Alice AI Foundation LLM Alice AI Foundation LLM представляет собой собственный MoE-претрейн Яндекса. Весь цикл обучения провели с нуля, без стартовых весов сторонних открытых моделей. В модели 80B параметров, из которых на каждый токен активируются 3B. Это меньше, чем у большинства других открытых претрейнов, но по бенчам результаты в паритете, а иногда и лучше. При обучении отдельно оптимизировали обмен данными между видеокартами и отбор материалов, чтобы сократить вычисления при сохранении качества. В техрепорте есть комплиментарный замер с Nemotron и Qwen – с кодом и с ма

OpenAI объявили, что их внутренняя модель, которую они начали обучать меньше месяца назад, уже решила более 100 открытых математических задач Как сообщается в посте, «темп удивил даже штатных математиков стартапа». На фоне этого OpenAI создает независимую консультативную группу по математике и ИИ, чтобы наладить диалог с математическим сообществом. Это будет группа ученых при Institute for Advanced Study, и их роль сводится к тому, чтобы доносить результаты ИИ в математике до сообщества: оценивать их, курировать публикацию, следить за соответствием научным и профессиональным стандартам. Группа

Лаборатория Transluce провела большое расследование инцидентов с агентами OpenAI Они утверждают, что активность агентов продолжается до сих пор, и что они обнаружили еще больше жертв агентов, чем было известно до этого. Исследователи разобрали публичные логи urlquery.net – это сервис, который открывает любую ссылку в удаленном браузере и публикует результат. Агенты использовали его как прокси, то есть если сайт их блокировал, они шли через urlquery. При этом агенты не пытались специально кого-то взломать, они решали обычные задачи по поиску данных. Например, выясняли среднюю стоимость процедур

Робот 140 лет играл в футбол в симуляции против самого себя, и теперь забивает голы людям в реальной жизни Стартап Skild AI занимается разработкой "общего робо-интеллекта". Месяц назад они выпустили модель S1, главная фишка которой была в том, что она была способна дообучаться без файнтюнинга, просто по нескольким демонстрациям. Теперь они решили воскресить опыт Google, которые когда-то обучали AlphaGo с помощью техники self-play – игры модели против самой себя. Skild AI полигоном выбрали футбол: www.skild.ai/blogs/physical-self-play. Сначала S1 дообучили базовым ударам по мячу и дриблингу, а

Alibaba готовит модель на 10T параметров Компания рассказала о планах на следующие поколения моделей: Qwen 4 уже находится в обучении, а Qwen 4.5 и Qwen 5 планируют масштабировать до 5–10 триллионов параметров. Для сравнения, нынешний Qwen 3.8 Max содержит 2.4 триллиона параметров. Параллельно Alibaba представила новый AI-чип Zhenwu V900, который в три раза производительнее прошлого поколения. На его базе компания планирует строить кластеры до 500 тысяч GPU, а к 2032 году довести мощность своих дата-центров до 20 ГВт. https://www.reuters.com/business/retail-consumer/alibaba-plans-ai-model-with

Главное по свежим GPT-6 Sol и Luna: – Вслед на Anthropic OpenAI понизили цены на модели: в два раза подешевела Sol, и примерно на 50-58% – Luna. – Кажется, новый Opus на кодинге модель все-таки не обходит, метрики примерно на уровне Fable 5.1. Если точнее, на FrontierCode Sol сравнивается с Claude Fable 5.1 xhigh. На DeepSWE Sol набирает 68,8%, а Fable 5 – 69,9%, но Sol примерно на 80% дешевле. Luna на max набирает 66,6%, это уровень Opus 5 и Fable 5 на medium при стоимости на 93–96% ниже. – Улучшили кеширование: выше hit rate, и скидка на кешированный вход теперь 90%, появились дашборд и диаг

Помните, я заставил Jev играть в Doom? А сегодня попросил Claude Code собрать небольшую визуализацию, как работает логика принятия решения о движении игрока и его действиях. Смотрите, что получилось на чистом JavaScript с моделью Opus 5.5. Чистого времени заняло около 40 минут и четверть 5-часового лимита на максе. Использовал отличный скилл, который мне подсказали в ИИзнанке: https://github.com/kuhnhomeuk-cell/procedural-film/

Помните, я заставил Jev играть в Doom? А сегодня попросил Claude Code собрать небольшую визуализацию, как работает логика принятия решения о движении игрока и его действиях. Смотрите, что получилось на чистом JavaScript с моделью Opus 5.5. Чистого времени заняло около 40 минут и четверть 5-часового лимита на максе. Использовал отличный скилл, который мне подсказали в ИИзнанке: https://github.com/kuhnhomeuk-cell/procedural-film/

Ребята из DrivingBench выпустили новый тест, в котором AI-модели управляют настоящим автомобилем GPT-6 Astra, Claude Fable 5.1 и Grok 4.6 подключили к Toyota Corolla и дали управление рулем, газом и тормозом. Каждой модели предоставили до трех попыток пройти трассу. Полностью справилась только GPT-6 Astra. В первый раз Astra прошла 49% маршрута. Затем модели предложили разобрать свои ошибки, после чего она проехала трассу целиком. https://drivingbench.com/

Нейродайджест за неделю (#131) LLM - Siri AI — Apple запустила англоязычную бету с личным контекстом, пониманием экрана и действиями между приложениями. - Gemini 3.8 Live — две голосовые модели с визуальным контекстом и фоновыми tool calls. Extended Thinking умеет рассуждать и говорить одновременно. - Qwen3.8-Omni-Flash — принимает текст, изображения, аудио и видео, имеет контекст 1M и возвращает текст. Есть thinking, function calling и веб-поиск. - Jev — модель TypeSafe вместо текста выдаёт типизированные решения с вероятностями. Заявленная задержка 70–500 мс, доступ пока ранний. Генеративные

Что вообще на этом Jev можно делать? Хватит нам красивые картинки показывать, кейсы давай! Так я и даю, берите! Настроил систему сбора и сортировки интересных кейсов и прикрутил к страничке. Описываете в форме идею, а Jev быстро подбирает и выдает релевантные кейсы. Ну, вы разберетесь, не маленькие: https://jev-ideas.vercel.app/ И накиньте 🔥- если вам такой формат заходит, буду знать

Что вообще на этом Jev можно делать? Хватит нам красивые картинки показывать, кейсы давай! Так я и даю, берите! Настроил систему сбора и сортировки интересных кейсов и прикрутил к страничке. Описываете в форме идею, а Jev быстро подбирает и выдает релевантные кейсы. Ну, вы разберетесь, не маленькие: https://jev-ideas.vercel.app/ И накиньте 🔥- если вам такой формат заходит, буду знать

🔖 Для GPT-6 Sol и Opus 5.5 выложили официальные гайды для промптинга — разрабы выкатили готовые инструкции для всех, кто хочет затестить новые модели. → GPT-6 Sol и Luna — советуют давать чёткую цель, формат результата и степень автономности. Сначала краткий промпт, а добавлять правила по мере необходимости. Из нового: теперь можно убрать ризонинг. → Opus 5.5 — говорят, нужно сделать ещё больше акцента на формулировке финишной точки. Для длинных задач лучше сразу разрешить модели работать самостоятельно, разбивать работу между субагентами и хранить чеклист отдельно. Подсказка для тех, кто не м

Вышел Claude Opus 5.5 Скоро обещают релиз новых Haiku и Sonnet, ну и, судя по бенчам, Fable тоже.

Вышел Claude Opus 5.5 Скоро обещают релиз новых Haiku и Sonnet, ну и, судя по бенчам, Fable тоже.

Вчера я опубликовал инструмент для навигации по более чем 750 кейсам применения модели Jev. А сегодня поделюсь статистикой запросов к сервису, это же самое интересное, правда? Только так мы сможем понять, что действительно интересует подписчиков «Силиконового Мешка». Знаете, что меня больше всего удивило? Из 1209 запросов за 20 часов самые популярные были «Приложение, которое из пяти фоток делает профессиональную фотосессию» и «сортировку музыки на жестком диске» - причем это запросы не от одного человека, а от разных. Кстати, всего сервисом воспользовались больше 1000 человек из 68 стран. Все

В голосовании Трампа победил термин «Superior Intelligence» (кратко: Super Intelligence) И если вы думали, что это все понарошку, то вы ошиблись: Трамп на Генассамблее ООН официально заявил, что ИИ теперь будет называться суперинтеллектом. Во всех документах теперь также будет использоваться слово super вместо artificial.

Вчера я опубликовал инструмент для навигации по более чем 750 кейсам применения модели Jev. А сегодня поделюсь статистикой запросов к сервису, это же самое интересное, правда? Только так мы сможем понять, что действительно интересует подписчиков «Силиконового Мешка». Знаете, что меня больше всего удивило? Из 1209 запросов за 20 часов самые популярные были «Приложение, которое из пяти фоток делает профессиональную фотосессию» и «сортировку музыки на жестком диске» - причем это запросы не от одного человека, а от разных. Кстати, всего сервисом воспользовались больше 1000 человек из 68 стран. Все

OpenAI наносят ответный удар и выпускают GPT-6 Sol и Luna The Show Must Go On