AI Projects

Microsoft выступил Капитаном Очевидностью против откровенного мошенничества вендоров LLM, когда они обучают ИИ на специальных агентах, чтобы выбить много «попугаев» в табличках бенчмарков, а реально выдают разработчикам совсем других агентов, которые не приближаются к показателям из бенчей.

В чём-то эту тенденцию сломал DeepSeek, который впервые стал и обучать, и тестировать LLM на своём DeepSeek Harness. Вы можете быть уверены, что в DSH эта LLM выбивает бенчи, что показывают маркетологи.

Самая большая разница тут у Anthropic с SWE-тестами типа SWE Bench. Просто там манипуляции с бенчами были такие, что Дарио решил даже раскрыть, как это делает, т.к. если бы он скрыл и его поймали, то его бы объявили мошенником. Конечно, никакого Claude Code нет там и близко. Если брать SWE Bench, то стандартное тестирование требует Zero Agent, т.е. у которого есть только Bash и средство редактирования текстового файла и ВСЁ. До DSH именно на Zero Agent и показывал бенчи DeepSeek. На деле такой сверхлёгкий агент обычно и применяется для обучения LLM, т.к. там очень критична скорость работы обвязки, чтобы суперкластер не ждал агента даже миллисекунды.

В чём разница SWE-агентов Anthropic для бенчей от Claude Code? Если почитать «статьи под звёздочкой», то там видны такие приёмы в основном:

1. Brute Force по дереву вариантов решений. Идея на деле классическая: строится Decision Tree, далее сканируются его ветки субагентами. Это работает уже 2 года для получения лидерских бенчей, но создаёт чудовищный перерасход токенов, несовместимый с нормальной эксплуатацией.

2. «Временные и изоляционные тесты». Это интересный приём, и странно, почему вендоры LLM его как-то в конечные агенты не перекладывают. Для LLM для фикса бага очень важно обрубить лишние семантические связи, т.е. изолировать его. Для этого тот же Claude обучен писать специальные «тесты на изоляцию» и другие «динамические тесты». После фикса он их удаляет. Эти тесты полностью не совпадают по логике с TDD и классикой автотестов, ну и что? Значит, надо меньше молиться на TDD и автотесты и применять передовое ИИ-тестирование, раз оно как раз работает. Что это «выглядит необычно для разработчиков» — то проблемы разработчиков: надо обучить новой технологии, а не скрывать её от них.

Но основной инсайт тут в том, что никакой оптимизации Claude на Claude Code на Reinforcement Learning нет, есть загрузки сессий на SFT, но это не то же самое, что RL-обучение, а скорее нейросеть запоминает типовые фиксы и типовое поведение. Именно запоминает, генерализует, но не понимает с той глубиной, как это на RL получается. Поэтому в новом виде бага или доработки такое обучение не сработает.

https://arxiv.org/abs/2608.17528

В Сингапуре запущен первый в мире коммерческий ЦОД на биокомпьютере на нейронах человека. Стоимость подписки — $2,200 в месяц, и клиенты на это имеются: в основном разработчики гуманоидов. Давайте разберёмся.

Сейчас в ЦОД всего 20 биокомпьютеров CL1; в каждом — 200 тыс. живых нейронов человека на чипе с электродами, которые считывают и стимулируют электрическую активность клеток. Для задач типа расчёта инференса LLM человеческие нейроны неэффективны, т.к. не имеют точности вычислений GPU.

Однако живая нейросеть умеет решать лучше GPU задачи, очень важные для гуманоидов, а именно поведение в условиях острого дефицита исходной информации: это навигация, ориентация и адаптация к новым условиям.

Для гуманоидов и автономных роботов живая нейросеть имеет преимущество экстремально низкого энергопотребления. CL1 с системами поддержки потребляет около 30 Вт, тогда как Nvidia H100 SXM при интенсивных аналогичных задачах ориентации — до 700 Вт; для сложных задач адаптации к новым условиям аналогом CL1 будет сервер с восемью H100, который потребляет 10,2 кВт.

Пока о перестановке биокомпьютеров в гуманоидов с практической точки зрения речь не идёт, но это возможная перспектива, если питание их GPU станет критическим местом. В данный момент создатели гуманоидов скорее стараются извлечь из живых нейросетей оптимальные паттерны для обработки поведения роботов и дистиллировать их в обычные нейросети. Наиболее важны тут паттерны ориентации и поведения в незнакомой обстановке.

https://www.straitstimes.com/tech/forget-silicon-chip-servers-singapores-newest-data-centre-needs-to-be-fed

В сообществе Linux вызвала большие дебаты правка Линуса Торвальдса в ядре Linux с помощью ИИ. Дело не только в его авторитете, а в том, что Линус, как и многие архитекторы, уже сравнительно давно не занимается разработкой ядра, а скорее управляет ей.
Он сейчас ревьюит код и мержит пул-реквесты от контрибьюторов. Тут Линус заметил, что ИИ снимает с него 90% чёрной работы тестирования, и действительно он сам сделал патч для ядра впервые за долгое время.
 
Однако в этом «I'll be back» есть серьёзный тренд, который обсуждают в X эксперты. Сейчас уже заметно возвращение в разработку старых именитых экспертов, которые уже много лет считают, что «кодить — это не барское дело». Однако эксперты заметили, что ИИ-боты меняют контекст и резко снижают трудоёмкость разработки и главное — тестирования, поэтому становится целесообразным переход из позиции фактически технологического менеджера в практикующего разработчика-ботовода.
 
Этот эффект может оказать заметное влияние на рынок труда сеньоров, т.к. против экспертов типа Линуса они все джуны в части понимания архитектур и критичности изменений. Поэтому часть коллег в X опасается даже «нашествия старейшин», которые, как Эмануэль Зорг из «Пятого элемента», вылезут из кресел менеджеров и решат, что «если хочешь сделать хорошо, то сделай сам [с помощью ИИ]».
 
https://github.com/torvalds/linux/commit/818bebeb63dd6bf5f4e07e145f6cdbace520a34c

🔒 Про «мелкий шрифт» в лицензионных соглашениях Дарио. Сам Anthropic заявлял, что не обучает прямо на ваших данных Claude, как это делает DeepSeek или Gemini на Free Tier. Однако корпоративные заказчики стали требовать прекратить хранить их данные и переложить хранение на их сервера, даже если Дарио это нужно технически.

Дарио заявил, что хранить нужно «в целях безопасности», но как раз корпоративы себя в безопасности не чувствуют и указывают Амодеи, что он нарушает обычай zero-retention, который обычен для Enterprise-заказчиков.

Фокус тут просто в том, что если вендор хранит данные, то ФБР, налоговики или другие федеральные службы могут через ордер в секретном суде к ним получить доступ и довольно быстро. Однако если вендор удаляет данные, то как в меме «нет ножек — нет мультиков», т.е. «нет данных — отдавать нечего».

В любом случае вы должны помнить: если работаете с чем-то чувствительным для Родины и отправляете это в Claude, то это не самое умное решение. Для серьёзных тем ставят ИИ локально, даже если это в 10 раз дороже.

https://www.bloomberg.com/news/articles/2026-08-20/anthropic-plans-to-change-data-retention-policy-for-advanced-ai

Tencent выпустил интересные локальные модели для перевода Hy-MT2-1.8B и Hy-MT2-30B-A3B. Они поддерживают перевод на 33 языка, но что важно — там нативная поддержка русского и казахского языков. Наши «православные модели» обычно слабые и как раз делают акцент, что у них специальное обучение на русский, но тут братья-китайцы зашли на эту поляну, и что-то мне подсказывает, что русский у китайцев будет работать лучше, т.к. обычно всё лучше работает нашей кулибинщины. Для Казахстана нативная поддержка национального языка также довольно важный момент, т.к. местных проектов почти нет.
https://huggingface.co/tencent/Hy-MT2-30B-A3B/blob/950da628cfc4f1ecaf24f86475425c3a858db5d8/README.md

🤖 IPO производителя роботов-гуманоидов Unitree Robotics прошло сенсационно. Инвесторы полностью верят, что гуманоиды в ближайшем будущем начнут заменять рабочих. Цена акций в ходе торгов прыгала на 600% и стабилизировалась на 460%, что дает капитализацию Unitree более $50 миллиардов долларов, т.к. компания по гуманоидам стала дороже Газпрома за 1 день. Надо еще отметить, что это торги на Шанхайской бирже, где традиционно регуляторы сбивают ажиотаж инвесторов, подобный раздуванию NASDAQ. Правительство КНР считает, что это опасно «пузырем», и блокирует многих инвесторов. Поэтому $50 миллиардов — крайне сдержанная оценка, на NASDAQ она была бы кратно выше, если бы китайцы разрешали продавать «национальное достояние».

Основатель компании Ван Синсин за один день разбогател до $16 миллиардов долларов.

Довольно очевидно, что вера инвесторов в то, что гуманоиды — не игрушка, а начнут заменять рабочих, крепка. Впрочем, для Китая это новость разве что для стройки, где ждут гуманоидов. «Темные фабрики» КНР, где свет выключен, т.к. там на 100% работают роботы, существуют уже давно. Гуманоиды скорее важны там, где нужны мобильные рабочие на сложной площадке, как строительная, или где много ремонтов и других нетиповых операций.

https://www.theguardian.com/technology/2026/aug/19/unitree-shares-surge-humanoid-robot-firm-chinese-stock-market-debut