Заместители

Неизвестная фронтир-модель раздается бесплатно в стелс режиме

Темная лошадка, точнее темный бычок появился на OpenRouter. Новая стелс-модель Ox Alpha. Кто её сделал — официально неизвестно. Но ее стали раздавать с беспрецедентным размахом — бесплатно отдают до 100 триллионов токенов в день 😮

Известный джейлбрейкер Pliny the Liberator, тот который Fable 5 ломанул, делает ставку на то, что под капотом скрывается новая GLM 5.x от Z.ai.

Но это пока спекуляция — разрабы тщательно скрывают модель.

А бычок то нехилый

- 1 миллион контекст
- до 131K токенов на выходе
- настоящая мультимодальность на входе: кушает текст, картинки и видео 🧐
- полноценный reasoning
- заточен под долгую работу и агентные задачи.

Похоже Ox Alpha — фронтирная модель. В независимом прогоне бенчмарка DeepSWE она выбила 63%. Это чуть чуть хуже Grok 4.6 high, и четко на уровне DeepSeek v4 pro max(!). Но только сильно эффективнее по количеству потраченных токенов — а значит потенциально еще дешевле.

Но самое важное — Ox Alpha бесплатно раздают на OpenRouter

Я гоняю ее пару дней на max reasoning в OpenCode— мне заходит! Воду не льет, действительно долго самостоятельно работает, уточняющие вопросы задает по делу.

На реддите отзывы смешанные. Но дареному коню в зубы не смотрят. Бесплатно такое мы точно забираем ☀️

Только рабочие секреты туда пока не суйте: OpenRouter отдельно предупреждает, что анонимный провайдер сохраняет все промпты и ответы.

P.s. представьте шок, если это окажется новый Гигачат на базе GLM 😁

Заместители

Помните того парня, который сделал вакцину от рака для своей собаки

Я рассказывал о нем вот тут. Продолжение истории, к сожалению, не такое радужное. Но в то же время важное.

К сожалению, у Рози после достаточно долгой ремиссии внезапно после очередной операции с новой силой активизировался рак (был ли это рак, который победили или второй, который Пол только планировал вылечить — не уточняется). И очень быстро, буквально за месяц, болезнь стала слишком серьезным противником для маленькой собачки. Хозяину, который так долго боролся за нее, пришлось признать поражение и усыпить Рози 💻

Но есть в этой истории и светлая сторона

Эта история прогремела на весь мир и стала маяком надежды для всех, кто борется с этим страшным заболеванием 🙏

И хозяин Рози, Пол, который явно не из тех, кто быстро опускает руки — несмотря на тяжелый и внезапный исход истории — продолжил свое дело.

Он основал компанию Gamgee и прошел отбор в YCombinator. А вчера получил первые инвестиции в $4 млн. Сущие копейки по меркам AI стартапа в биотехе.

Но эти деньги пойдут на две важные вещи:
1. Клинические испытания протокола по созданию персональной мРНК вакцины от рака для собак.
2. На непосредственную помощь собачкам, которым поставили этот диагноз.

То есть компания не просто пилит какое-то очередное псевдопрорывное ПО, а продолжает тестировать сработавший для Рози подход и параллельно пытается помочь другим собакенам.

И за это огромный респект Полу ☀️

Что ещё тут важно

AI все чаще используют для серьезного биотеха. Он и дизайнит новые вирусы 🦠 (безобидные и даже полезные).

И новые белки разрабатывает. Антропики пару дней назад рассказали, как Claude разработал дизайн новых белков. В данном случае minibinder — белков-связывателей. Такие «минибиндеры» используют, чтобы находить какой-то другой белок-мишень в организме, цепляться к нему и как-то на него воздействовать. Клод справился лучше кожаных: среди его кандидатов успешно справлялись со своей задачей до 35% биндеров. Среднеотраслевой саксес рейт — 15%.

До недавнего времени схема работы в биотехе в основном выглядела так:

Учёный - основной мозг процесса → пользуется специальными AI типа AlphaFold → получает от них проверки своих гипотез и придумывает новые. И так по кругу до получения набора кандидатов для испытаний в лабе.

Но теперь это становится больше похоже на процесс разработки с помощью агентов.

Учёный ставит задачу → универсальный AI агент типа Claude сам все планирует → запускает в параллель сабагентов проверять кучу гипотез → каждый агент использует инструменты, среди которых другие модели типа AlphaFold + научная литература + код и вычислительные ресурсы → на выходе готовые кандидаты вирусы и белки для тестирования в лаборатории.

Помните, все ругались на 1 китайскую лабораторию, которая недосмотрела за 1 вирусом? Теперь представьте что у нее есть агент, который штампует такие вирусы как пирожки. А, и таких лабораторий - сотни по всему миру 😐

Заместители

Грамотный GR от Anthropic в одной картинке

Обычные юзеры: Overloaded. Попробуйте позже.

Claude for Government: 100% uptime 🎰

А полез я смотреть статус работы сервисов Антропика потому что последние дни стал очень плохо работать Claude — сначала без объяснения причины не мог стартануть сессию по 10 минут. Потом уже стал просто честно писать, что сервера кончилися 🤙

Нехватка видеокарт накрывает все сильнее. Еще одна причина иметь запасную локальную модельку, на которую вы сможете переключиться в случае чего.

Заместители

Снимаем отельчик на выходные в горной испанской деревушке. И даже там не обошлось без AI: предупредил владельца, что мы будем с собакой, а тот, видимо сгенерил ответ и переслал его не заморачиваясь 😁

Это к тому, что уже даже в деревенской глуши AI помогает с бытовыми задачками.

И тут же я наткнулся на классную инфографику по использованию AI населением разных стран.

Оказалось, что недаром я встретил AI в Испании — это одна из самых использующих AI стран (6-е место в мире).

Интересно, что сами США и Китай, собственно главные разработчики всея AI, не вошли даже в ТОП 10.

Так что, если думаете, где делать следующий AI проект — рынки сбыта могут быть весьма неожиданными.

Заместители

AI телемедицина уже здесь

Гугл всерьез взялась за AI в медицине. Они превратили свой медицинский AI AMIE из текстового "врача в чате" в систему, способную проводить полноценную видеоконсультацию в реальном времени — разговаривать с пациентом, видеть его через камеру, просить выполнить элементы физикального осмотра и параллельно формировать диагноз.

Как это работает

В основу легли Gemini и Project Astra — проект Гугла, где они по сути строят настоящий Jarvis AI. По ссылке ролик, там весьма впечатляющее видение того, как он должен работать. Только, к сожалению, похоже они застряли на этапе прототипа. Тем интереснее посмотреть на новую AMIE — очень похожую систему, просто ограниченную конкретно медицинской областью.

Это не один большой агент, а асинхронная система из трёх агентов, работающих параллельно:
• Говорилка — непосредственно разговаривает с пациентом и отвечает с минимальной задержкой.
• Планировщик — в фоне «думает»: обновляет диагноз пациента, ищет пробелы в анамнезе и планирует следующие вопросы/действия.
• Видеорегистратор — непрерывно анализирует видео и аудио: внешний вид, признаки дискомфорта, дыхание, результаты визуальных тестов и т. п. Эта информация поступает в планировщика.

Например, AMIE может попросить пациента показать движения сустава, выполнить неврологический тест или показать что-то в камеру, а затем использовать увиденное при постановке диагноза. Именно такой интерактивный физикальный осмотр текстовые медицинские модели делать практически не способны.

Особенно интересно, как вложились в тестирование 📝

Обычно ограничиваются какими-то сгенеренными бенчмарками, а тут все серьезно. Наняли 15 актеров, сыгравших пациентов —> придумали 100 клинических сценариев —> провели 300 "консультаций".

Сравнивали три режима:
- Новую версию AMIE с видеорежимом
- Текстовую AMIE
- И телемед консультации с реальными врачами.

Врачи и AMIE сталкивались со сценариями по пяти группам: кардио/пульмонология, абдоминальные заболевания, ЛОР/глаза, неврология/психиатрия и опорно-двигательные проблемы. Результаты затем независимо оценивали 20 опытных врачей первичного звена.

И вот что получилось

По оценке врачей-экспертов, AMIE Video была примерно на уровне человеческих врачей по: диагностической точности, полноте сбора анамнеза, адекватности лечения/ведения пациента и качеству коммуникации.

А по некоторым вещам AI оказался лучше врачей. Особенно — в использовании видео: AMIE чаще выявляла физические признаки и чаще сама предлагала пациенту выполнить необходимые элементы удалённого осмотра.

"Пациенты" тоже остались довольны. Актёры оценивали AMIE Video очень высоко по эмпатии, раппорту и уверенности в полученной помощи, а видеорежим в целом предпочитали текстовому чату.

Единственное, что пока не позволяет сказать, что это победа — все пациенты актеры. И Гугл теперь аккуратно планирует тестить это в реальной клинической практике.

Это можно сделать достаточно безопасно, встроив AMIE в формате скрытого ассистента в телемед консультации с реальными врачами. Так система будет налету подсказывать врачу диагнозы, доп вопросы и на что обратить внимание в невербальных сигналах от пациента.

Что ж, я бы точно предпочел, чтобы на консультации с врачом за мной следила вторая пара "глаз" и "ушей". Особенно, когда на смену приходит новое поколение врачей, выросших в мире СДВГ и тиктоков 😈

#ИИстатья

Заместители

Grok Imagine Image 2.0 — пушка гонка

Вчера xAI релизнули новую модель text-2-image, элегантно встроив ее в собственный редактор изображений.

Модель уже дышел в спину со второго места по text-2-image и image edit на Арене.

Модель отлично следует инструкциям, удаляет лишние объекты, делает ресайзинг изображений и при этом консистентно сохраняет изображение, где редактирование не запрашивалось.

К тому же модель на десктопе встроена в «ИИ-фотошоп», как делают сейчас многие.

Тестил на фотографии из Валенсии, где в стене есть «домик кошек». Как часто бывает в туристических местах — картинку портило граффити и отсутствие, собственно, самого кота 😁

Грок легко и очень быстро справился с этими проблемами. Я специально пошагово просил вносить изменения, чтобы увидеть консистентность сохранения деталей изображения.

Каждый промпт — буквально 1 фразой, никаких уточнений и излишеств просто «добавь кота, выходящего из двери домика».

На мой взгляд — очень достойно! Поляна моделей для редактирования изображений пополнилась сильным игроком 👍

Уже где-то не за горами можно будет рассматривать подписку на Грок.

Заместители

С 14 августа Auto — станет режимом по умолчанию в Клод коде

И, смотря всего на 1 график, даже не возникает вопросов, «почему». Агент в разы лучше выявляет и предотвращает собственные вредоносные действия, чем человек, который просто тыкает «энтер», чтобы получить заветный результат.

По статистике самих Антропиков человеки принимают 97% всех предложений Клода 🎰 Получается, люди дергают эту ручку просто для сохранения комфортной иллюзии контроля.

На практике кожаные уже не успевают за ходом мысли агента. Мы можем проверять общий вектор и смысл рассуждений. Но проверять каждое отдельное действие агента на безопасность — становится просто нереально.

Сам агент же легко «держит в голове» весь проект в деталях, не устает читать тонны собственного нейрослопа и искать в них «дыры».

В целом, я уже давно сижу на auto режиме. Это единственный способ реально параллельно запускать несколького задач в агентов.

Ещё один шажочек по передаче контроля AI 👌

Заместители

Гонка LLM продолжается. Но во что она обходится нашей планете?

OpenAI готовит к релизу нового монстра под кодовым именем Astra, который уже решил уточнил решения 10 комплексных фундаментальных математических задач. На днях выпустили новый Qwen 3.8 Max, который сразу вошел в Топы всех бенчмарков. По размеру этот гигант сопоставим с Kimi K3. И, очевидно, на обучение таких моделей тратят просто кучу ресурсов. Но сколько именно?

Очень удачно, тут же на днях вышла работа The Hidden Cost of Thinking: Energy Use and Environmental Impact of LMs Beyond Pretraining. Её авторы попытались посчитать то, что обычно остаётся за пределами отчётов AI-компаний: сколько ресурсов уходит на весь процесс создания LLM. Для этого они изучили разработку семейства моделей OLMo 3 (7B и 32B) — от первых экспериментов до готовых моделей.

Исследователи включили в расчёт не только успешные запуски, но и подбор архитектуры, тестирование датасетов, неудачные эксперименты, генерацию данных, pretraining и последующий post-training.

Замеряли не деньги и не вычислительные ресурсы, а расход электричества, воды и выбросы CO₂.

Результат:
⚡️ 12,3 ГВт·ч электроэнергии
💧 15,9 млн литров воды
🏭 4 251 тонны CO₂e

Для расчёта авторы использовали реальные GPU-часы и измеренное энергопотребление оборудования. Затем учитывали серверную инфраструктуру, PUE дата-центра, углеродную интенсивность электричества и воду, потреблённую при его производстве. В общем, все по-уму, с некоторыми допущениями, но зато максимально комплексно.

Много это или мало? По оценкам самих исследователей — это сопоставимо с выбросами CO₂e примерно 850 домохозяйств в течение года. И это всего 1 семейство маленьких моделей.

Главная же находка авторов в том, что вклад финальных запусков моделей в этот "экологический след" — лишь 18%. Оставшиеся 82% вычислений и, соответственно, затраченных ресурсов пришлись на те самые ранние стадии разработки.

Мне стало интересно, во что же нам тогда обходится вся гонка LLM в год?

Вооружившись ГПТ 5.6 и открытыми данными я прикинул ресурсы затраченные на разработку всех крупных моделей, представленных с начала года.

Методика такая: для каждой модели оцениваем параметры и кол-во обучающих токенов → переводим в FLOPs → переводим в GPU-часы → электричество → вода и CO₂e с использованием коэффициентов, которые вывели авторы статьи.

Вот что получилось:
⚡️ 5.6 ТВт·ч электроэнергии (то есть 5600 Гигаватт!)
💧 7,3 млрд литров "водного следа"
🏭 1,9 млн тонн CO₂e

Чтобы представить масштаб:
• этого электричества хватило бы примерно 460 тысячам домохозяйств на год
• такой объём воды — около 2 900 олимпийских бассейнов
• такие выбросы сопоставимы с годовыми выбросами примерно 460 тысяч автомобилей 🤙

Конечно, оценка очень-очень грубая. Расчет включил в себя 44 крупных семейства моделей: GPT, Claude, Gemini, Grok, Qwen, DeepSeek, Kimi, GLM и другие.

Причем, очевидно, что модели представленные в начале года, обучались в основном в втором полугодии 2025. Поэтому можно считать, что это оценка экологического следа за год.

Для открытых моделей брались опубликованные характеристики. Для закрытых, где разработчики не раскрывают архитектуру и затраты на обучение (а таких большинство), использовалась оценка от GPT 5.6 Sol. И разброс может быть раз в десять в обе стороны. Но это позволяет хотя бы прикинуть масштаб проблемы.

Мысли

С одной стороны, все эти ресурсы — это лишь маленькая доля стоимости гонки LLM. Ведь тут я посчитал только затраты на обучение моделей. А ведь после того, как модели релизятся — в датацентрах начинается самое пекло. Котики и рилсы сами себя не сгенерят 😈

С другой стороны — на самом деле масштаб трагедии пока далеко не трагичный. Это все еще очень маленькая часть общемировых затрат электроэнергии (около 0.02%). Но расти они будут экспоненциально и непропорционально.

Сейчас это проблема компаний. Но когда второй волной нахлынет роботизация, о которой я писал в прошлом посте — проблема может стать национальной. Так что Маск, знает, на что ставит, когда планирует выводить датацентры в космос 📈

#ИИстатья

Заместители

Следующая волна AI

Если вам кажется, что мир меняется сейчас из-за ChatGPT и Claude, и вы не успеваете адаптироваться — то держитесь. То ли еще нас ждет! В конце июля прошла выставка WAIC 2026 в Шанхае. Выставка по AI, но упор на ней был сделан не на LLM и даже не на AI агентов.

LLM модели уже давно высосали всю доступную информацию из интернета для обучения. Антропик вон даже массово скупают книги, расчленяют их и сканируют, чтобы еще немного утолить голод нейросеток до данных 📖. И, кстати, суд признал это нормальным использованием купленной книги.

Но вот следующей кормушкой для моделей станет, очевидно, физический мир. Сейчас Physical AI на всех конференциях с подачи NVIDIA стали называть главным следующим фронтиром. AI проберется в наш мир через роботов, которые умеют щупать, перемещаться, ощущать тепло и структуру поверхностей и тд. Целый новый спектр данных и задач, которые можно решать.

Но что на этом рынке вообще происходит?

Рынок на самом деле достаточно зрелый — индустриальных роботов установлено уже более 4.66 млн по всему миру. Роботизированные сборщики, автоматизированные производственные линии, складские роботы, коботы (те, что работают в связке с человеком) и тд.

Имен настоящих лидеров рынка робототехники вы, скорее всего, даже не слышали: FANUC, ABB Robotics, Yaskawa, KUKA… А их совокупная установленная база превышает 2 млн роботов.

Но нас интересует “новая волна”. Гуманоидные роботы и роботы общего назначения. Их основная фишка в том, что они создаются такими, чтобы легко адаптироваться под сотни разных задач, от перетаскивания запчастей автомобилей, до готовки яичницы на кухне.

Многие роботы общего назначения сначала отправляются туда же в промышленные задачи. Ведь там еще остаётся длинный хвост вариативных задач, для которых классическая автоматизация оказывается слишком дорогой или негибкой.

Рынок “новой волны” сегментировался на четыре основных слоя:
1. Разработчики компонентов для роботов. Знакомые нам процессоры от NVIDIA и Qualcomm, но еще и приводы, двигатели, искусственные ткани, сенсоры и тд.
2. Вертикально-интегрированные компании, типа Figure, Tesla и 1х, которые производят все от железа до софта. Интересно выделились роботы Amazon. Они вроде как очень примитивные, но попали в категорию "новой волны" потому что управления флотилией роботов происходит с помощью специального мультиагентного AI DeepFleet. И по заявлениям самого Amazon — он сокращает время перемещения флота на 10%.
3. Разработчики роботов-платформ, нацеленных на стороннее ПО. Например, Unitree и Boston Dynamics. Да, последние теперь не делают свой AI — они в том числе тестируют на Атласе Gemini Robotics 2.
4. Разработчики универсального интеллекта для разных тел. И если Google делают проприетарную коммерческую модель, то GR00T от NVIDIA полностью опенсорсный, как и вся экосистема вокруг.

При этом границы слоев размываются: NVIDIA играет сразу в двух, Apptronik и Boston Dynamics сочетают собственные контроллеры с внешними foundation-моделями, а вертикально интегрированные игроки постепенно открывают свои тела чужому интеллекту. Смотрите приложенную инфографику с инфой про главных героев рынка. Текстом все это сюда не поместится ☕️

Еще нюанс рынка в том, что его игроки очень не любят объективные метрики. Их очень сложно находить и практически никто их не вывешивает в своих релизах. Поэтому рынок — дикий запад. Ему категорически не хватает объективных общепринятых и разнообразных бенчмарков, причем отдельных для каждого слоя рынка.

А тем временем у меня давно руки чешутся потыкать в робототехнику и AI в ней. Если вы тоже все думаете завести себе R2-D2, то вот несколько претендентов на открытую платформу для разработки и экспериментов:
• Робопес PuppyPi. На базе Raspberry Pi, с камерой, лидаром и даже микрофоном.
• Роболапа SO-ARM101.
• Ровер MentorPi M1.

В общем схема такая: выбираем тут. А потом ищем на алике.

Кстати, это считается кризисом среднего возраста, если в районе тридцати потянуло купить робота? 😁

Заместители

Claude убрал 80% системного промпта, потому что он ему не нужен, говорили они...

Тут на днях с выкаткой Opus 5 Антропики рассказали, что сократили системный промпт для Opus 5 и Fable 5 в Claude Code на 80%, потому что, мол, модели итак умные. Чо контест перегружать. А я вам на это расскажу интересную историю, которая сегодня приключилась со мной ☕️

Мне нужно было перевести целую пачку документов на другой язык. Все они были ПДФами, причем не машиночитаемыми — то есть теми, которые картинки. Естессно, я не сомневаясь, что GPT 5.6 Sol справится, закинул все ему.

Ремарка: да, тут вы можете сказать, что GPT это не Claude — это другое. Но, по-моему, эти модели сейчас — братья близнецы. Ну и так получилось, что для личных задач я использую ГПТ. Поэтому история о нем, но выводы, на мой взгляд, относятся ко всем топовым LLM.

Модель работает, я сижу занимаюсь своими делами. Тут мак начинает шуметь как турбина Боинга, и сам горячий как сковородка. Я в недоумении проверяю, что у меня включено — там только браузер и ГПТ Чат Альтманович.

Ну, думаю, не браузер же 100% CPU жрать начал — я полез в ЧатГПТ. Смотрю, а там "Распознавание выполняется локально: документы не передаются во внешние сервисы" 🕶

Этот негодяй прочитал документы и решил, что переводить их сам не будет. И молча, ничего со мной не согласовав, сделал следующее:
1. Сначала написал на swift приложение, которое использует нативную библиотеку macOS "Vision". Но она ему не понравилась.
2. Дальше нашел у меня в установленных tesseract (специализированная библиотека для OCR)
3. Удовлетворившись им, распознал документы
4. А для перевода — поднял через ollama модельку qwen3:8b
5. И довольный начал постранично переводить через нее распознанный текст. Тут то мой мак и начал прикипать к моим коленкам.

Как я потом у него допытался — GPT решил оптимизировать задачу, создав "локальный конвейер", и заодно не передавать личные документы в онлайн (то, что он их уже прочитал — его, конечно же, не смутило 😁).

Мораль истории

Во-первых, конечно, хочется отдать должное ГПТ — он попытался сохранить потенциально чувствительную информацию в локале. С точки зрения безопасности — молодец. Это, очевидно, последствие того, как последние модели ведущих лабораторий натаскивают на секьюрность и приватность.

Но, во-вторых, у этого есть и обратная сторона медали — перегибы. Очевидным действием в такой ситуации должно было бы стать "спрошу у юзера, как сделать". Но модель очень уверенно расставила приоритеты сама и поскакала сжигать процессор моего мака.

И вот тут вернемся к заголовку.

Антропик отрезал Клоду 80% системного промпта. Мол, модель сама вас прекрасно поймет и все разрулит... Разрулит то, разрулит. И результат получит. Уверен, что Квен все бы перевел в конце концов. Но все это неэффективными странными путями...

Не знаю, как вы, а я вот после сегодняшней ситуации — пойду и пропишу в системный промпт GPT пару ласковых 😈

Заместители

Этот пост не про новый Claude Opus 5

Хотя именно благодаря ему я нашёл новую интересную модель для генерации изображений.

С выходом Opus 5 у меня появилось полное ощущение финальной битвы из «Мстителей». Супергероев на экране уже столько, что эту эпичность захотелось как-то визуально зафиксировать. Но снова идти в GPT Image 2 было как будто скучновато.

И тут очень вовремя в начале июля вышла Reve 2.1 — и практически сразу заняла второе место в Text-to-Image Leaderboard. Все картинки к этому посту сгенерировала именно она. И, собственно, этот пост — про Reve!

Главная фишка Reve 2.1 — модель не просто превращает промпт в набор пикселей. Сначала она планирует изображение как структурированный layout: где находятся отдельные области, как связаны элементы, что должно быть главным, а что — второстепенным. И только потом рендерит картинку сразу в нативном 4K.

Первым делом я попросил её сделать инфографику про новый Opus. Там, кстати, вы и узнаете всё про нового форварда Anthropic 👍

Русский текст генерируется весьма и весьма недурно. А благодаря планированию layout картинка действительно выглядит как продуманная инфографика, а не как хаотичный набор карточек.

Без косяков, конечно, не обошлось. Изначально Reve вставила в гистограмму Intelligence Index какие-то старые модели. Но моделька умеет еще и редактировать изображения. Я просто загрузил ей скриншот актуального рейтинга — и она перегенерировала изображение, исправив конкретно эту часть.

В редактировании есть один минус — весь текст — это изображение. А значит, его нельзя просто переписать, как в Claude Design. Можно только попросить модель его переписать. Благо делает это она хорошо.

Дальше я решил выплеснуть своё творческое представление битвы моделей в стиле постера Marvel 🤖🤖🤖. Промпт предварительно написал GPT-5.6, а я его просто вставил в Reve (вот так нынче выглядит digital творчество).

Ну и что получилось — судить вам. Получилось оно с первого раза.

Отдельно впечатляет разрешение. Инфографика весила около 8 МБ, а изображение с битвой — все 30 МБ. Можно спокойно распечатать и повесить на стену.

В общем, только показалось, что на фоне агентной гонки все немного подзабыли про генерацию изображений — как появился достойный соперник старичкам GPT Image 2 и Nano Banana 2.

Так что прямо душевно рекомендую потыкать Reve 2.1 своими руками. Тем более у сервиса весьма щедрый Free-план.

Заместители

GPT 5.6 Sol выбралась из OpenAI и взломала Hugging Face

На прошлой неделе Hugging Face рассказали о беспрецедентной атаке на свою инфраструктуру. Тогда было известно только одно: атаку полностью провел автономный AI-агент.

Сегодня OpenAI официально призналась — этим агентом оказалась комбинация моделей GPT-5.6 Sol и еще более мощной пре-релиз модели, которую тестировали на кибербезопасность 😨

Что вообще произошло?

OpenAI гоняла внутренний бенчмарк ExploitGym, который оценивает способность моделей искать и эксплуатировать уязвимости.

Но чтобы честно измерить максимум возможностей модели, разработчики отключили часть защитных ограничений.

Ну и модельки увлеклись процессом:
• они нашли zero-day уязвимость в инфраструктуре самого OpenAI и через нее выбрались из изолированной песочницы в интернет
• догадались, что решения ExploitGym могут храниться на Hugging Face
• самостоятельно нашли путь до инфраструктуры Hugging Face
• объединили несколько техник атаки — украденные учетные данные и zero-day уязвимости — чтобы получить доступ к секретным данным и “сжульничать” в тесте.

К счастью, история закончилась хорошо. AI-системы Hugging Face сами обнаружили аномальную активность, остановили атаку и начали расследование еще до того, как команды компаний связались между собой. Сейчас OpenAI и Hugging Face совместно расследуют инцидент.

Интересно, что UK AI Security Institute (AISI) — Британская гос организация, которая исследует AI безопасность — только на днях выпустила отчет, где говорила о таких рисках. OpenAI сами сослались на график (который и стал заголовком этого поста), где GPT 5.6 Sol победоносно сидит на верхушке. Это означает, что в симуляции ей удалось полностью захватить локальную сеть корпорации, произведя 32-шаговую атаку.

Но что ещё интереснее — статья AISI вообще-то про другое. Она про то, что в среднем опенсорсные модели отстают всего примерно на полгода по своим возможностям цифровых атак от топовых коммерческих моделей.

И, как нам показали MoonshotAI со своей Kimi K3, похоже, это отставание уменьшается. А значит — то, что сделала GPT 5.6 Sol уже совсем скоро будет доступно любому обладателю достаточного количества железа, чтобы развернуть модель такого размера 😅

Так что же нас ждет?

Дивный новый мир. В нем OpenAI, Anthropic и другие AI гиганты станут уже не просто болталкой и офисным помощником — они будут продавать вам единственную сопоставимую с нападением защиту от кибератак. Хакеры же будут плясать от опенсорсных моделей.

Также вангую, что появятся аудиторы кибербезопасности с помощью AI. Такие компании будут заниматься «редтимингом» или «этичным хакингом» ИТ инфраструктуры заказчика с помощью топовых моделей и рекомендовать, где что подлатать, чтобы злобные хакеры с джеилбрейкнутой (то есть взломанной и готовой беспринципно взламывать все подряд в полную силу) Kimi K3 не залезли под юбку вашей компании, как себе домой.

Другой вектор развития этой истории — международная кооперация, результатом которой станет ограничение на выпуск таких моделей в открытом доступе. Да вот незадача — с международной кооперацией сейчас не клеится 😐

А значит нас ждет какая-то штука, без приуменьшения планетарного масштаба, чтобы жареный петух клюнул сразу весь мир и подтолкнул к этой кооперации.

Что это будет за петух — остается только гадать 😒

Заместители

Новый ChatGPT Work, а также как Anthropic и OpenAI убивают свои чаты

Обе компании уже всерьез намекают юзерам, что LLM стали достаточно мощными и дорогими, чтобы растрачивать их токены на всякие банальные вопросы. Поэтому они постепенно сворачивают свои режимы чатов и переводят юзеров в режим выполнения задач.

Claude совместил Cowork и Chat. Теперь это одна страница с переключателем между двумя режимами. По сути, пока что они позиционируются как равноправные. Но ставлю 🍋 токенов — это просто переходный этап.

OpenAI же сделали более радикальные шаги. Во-первых, старое приложение ChatGPT для Mac, где мы с вами кажется уже 100 лет назад делали папки-проекты, какие-то GPTs настраивали, — переименовали в "ChatGPT Classic" (читай отправили на пенсию ✋).

А во-вторых, приложение Codex повысили — оно стало новым ChatGPT. Теперь оно объединяет все режимы работы GPT: Codex, Work (о нем дальше) и Chat. И казалось бы то же самое что Claude — да вот только в отличие от Антропика, здесь Chat вообще стал вторичным. Codex и Work имеют полноценные отдельные страницы. А Chat теперь живет в маленьком всплывающем окошке, которое как бы намекает: "я тут чисто подсказать, а по серьезным вопросам пиши в Work".

ChatGPT Work

Теперь подробнее про него. Так OpenAI назвали свой аналог Claude Cowork, который выкатили на днях. По существу, почти то же самое. Тоже агент, живущий в виртуалке, как Codex, с доступом к компу, браузеру и всему тому же, что и Codex. Уровень работы благодаря GPT-5.6, который OpenAI сами рекомендуют как основную модель в этом режиме, — хороший.

Проверял я его прямо на живом. Мне нужно было сдать отчетность в налоговую. Не вдаваясь в подробности там есть этап, где нужно кропотливо классифицировать транзакции из банковской выписки по налоговым кодам, а потом сводить баланс по каждому счету, да еще и сопоставлять потом между разными счетами балансы, чтобы все билось. В общем, самая ненавистная для меня отчетность. Каждый раз настроение портилось, когда ее опять сдавать нужно.

Решил отдать эту задачу ChatGPT Work. Дал ему пример предыдущей отчетности, и запустил GPT-5.6 Sol Extra High. Не потому что такая силища для этой задачи нужна, а скорее чтобы перестраховаться — все таки тема достаточно чувствительная. Цена ошибки велика.

Но в итоге, результат такой же как с Claude Cowork — базово со всем справляется. Но с незначительными недочетами. Первый результат сдал — он был на "пять с минусом". Я ему дал комментарии по классификации нескольких транзакций. Тот ушел думать, вернулся — классификации отдельных транзакций поменял, а баланс не обновил. То есть не считал мое намерение (он же "интент"). Возможно, потому что сфера нетривиальная, и вряд ли его много тренировали на подобных задачах. Клодовский Cowork, интент обычно считывает хорошо, но на узкопрофильных задачах бывает так же тупит.

Дальше уже чисто для эксперимента попросил Codex сделать презентацию для C-level. Справился хорошечно — суть всю передал, по слайдам разбил очень логично, есть дорожная карта, график, табличка. В общем уровень Claude Cowork берет легко, только немного в своем стиле. Но, честно говоря, я уже давно все презентации делаю в Claude Design (и вам рекомендую). Настолько, что у нас в компании я юзаю его больше, чем отдел дизайна 😁 Поэтому для меня презентации что от ChatGPT Work, что от Claude Cowork — выглядят примитивными и топорными.

Итог: экосистема ChatGPT отстает только, пожалуй, в сфере дизайна. В остальном — удобство, функциональность, UX — такие же как у Claude, если не лучше.

Заместители

Купил сегодня футболку с одной мыслью — немного ее проапрегрейдить маркером 😁

Интересно, H&M осознанно выбирали цвет надписи Claude Monet?