✔️ GPT-5.6 Sol читерит на тестах и пока не способна к автономной разработке ИИ

METR опубликовала предрелизный аудит модели GPT-5.6 Sol от OpenAI. При выполнении программных заданий она регулярно пыталась использовать уязвимости тестовой среды и извлекать скрытый исходный код с ответами.

Из-за использования эксплойтов исследователи не смогли достоверно замерить автономность алгоритма.

Если классифицировать попытки извлечь ответы как ошибку, GPT-5.6 Sol способна самостоятельно работать над задачами около 11 часов.

Если засчитывать обход среды как успешное решение, показатель превышает 270 часов.

Несмотря на сложности с оценкой, в METR пришли к выводу, что навыки GPT-5.6 Sol не совершили революционного скачка.

Обнаружение попыток обхода означает, что текущие системы мониторинга справляются с фиксацией подобных действий алгоритма.

Настоящая угроза безопасности возникнет тогда, когда следующие поколения моделей научатся безупречно маскировать свои намерения и незаметно обходить инструменты контроля.

@ai_machinelearning_big_data

#news #ai #ml

✔️ OpenAI переманила главного разработчика Apple Vision Pro

Вице-президент Apple по аппаратному обеспечению Пол Мид, 7 лет работавший над проектом Vision Pro, перешел в OpenAI. Он присоединится к разработке физических ИИ-устройств.

Мид будет работать в команде с дизайнером Джони Айвом и еще двумя бывшими топ-менеджерами Apple. Спецификации будущих гаджетов не раскрываются. По словам Сэма Альтмана, задача нового оборудования - обеспечить взаимодействие с ИИ вне интерфейса смартфонов.

Мид уволился из Apple на фоне реструктуризации. Из-за изменения цепочки подчинения он потерял прямой доступ к высшему руководству корпорации. Пост Мида в Apple занял его бывший заместитель.
bloomberg.com

✔️ Южная Корея инвестирует $650 млрд в ИИ и полупроводники

Президент страны анонсировал 10-летнюю программу развития микроэлектроники, ИИ и робототехники с бюджетом $650 млрд. Центральный элемент стратегии - строительство нового полупроводникового кластера на юго-западе страны.

Проект реализуют Samsung Electronics и SK Group. Правительство обеспечит базовую инфраструктуру: электричество, воду, транспортные сети, а также строительство жилья и подготовку инженерных кадров.
firstpost.com

✔️ Amazon дистиллирует модели Anthropic для внутренних задач

Компания создает компактные модели, обучаемые на инференсе Claude, чтобы избежать скачка расходов. Со следующего года Amazon откажется от почасовой оплаты за компьют Anthropic и перейдет на тарификацию за токены.

На данный момент платформа Amazon Bedrock предлагает клиентам услугу дистилляции для моделей Nova и Llama. Использование семейства Claude для аналогичной процедуры пока доступно только инженерам самой Amazon.

Параллельно корпорация развивает собственную линейку моделей, чтобы диверсифицировать риски и снизить зависимость от одного вендора ИИ.
theinformation.com

✔️ Институт Аллена обновил открытую модель для анализа спутниковых снимков до v1.2

В мажорном обновлении OlmoEarth отказались от стандартных позиционных сигналов в пользу RoPE. Переход устранил артефакты в выходных эмбеддингах и улучшил качество представления данных. Рост производительности зафиксирован в бенчмарках kNN и linear-probe для всех версий модели.

Архитектура OlmoEarth поддерживает мультимодальный анализ и обрабатывает мультиспектральные снимки Sentinel-2 и Landsat, радарные данные Sentinel-1, глобальные карты рельефа и индексы растительности.

Семейство включает 4 размера: Nano, Tiny, Small и Base. Веса моделей опубликованы на Hugging Face. Код и скрипты для дообучения доступны на GitHub.
Ai2 с сети Х

✔️ ИИ разрушает классическую бизнес-модель консалтинга

Руководство Deloitte прогнозирует отказ от почасовой оплаты консалтинга из-за развития ИИ-агентов. На внутреннем собрании в компании заявили, что к 2035 году автономные модели займут основную долю рынка профессиональных услуг.

Вместо продажи человеко-часов консалтинговые корпорации переходят на IT-модель - подписки и решения с фиксированной ценой. McKinsey и Boston Consulting Group внедряют ценообразование, привязанное к результатам работы.

По данным WSJ, на подобные контракты у McKinsey приходится более 30% выручки.
wsj.com

@ai_machinelearning_big_data

#news #ai #ml

⚡️ Власти США сняли экспортные ограничения на Fable 5 и Mythos 5

Минторг США официально отменил ограничения, наложенные ранее на Claude Fable 5 и Mythos 5.

В Anthropic подтвердили, что полноценный доступ к моделям для будет открыт уже завтра.

Создатели поблагодарили аудиторию за терпение в период вынужденной приостановки сервисов, а также выразили признательность всем специалистам, помогавшим в повторном развертывании систем.

Ожидается, что в ближайшее время Anthropic выпустит патчноуты с дополнительной информацией и раскроет дальнейшие планы по развитию линейки.


@ai_machinelearning_big_data

#news #ai #ml

✔️ OpenAI анонсировала клавиатуру под Codex

Создатель ChatGPT cовместно с производителем периферии Work Louder выпустит клавиатуру Codex для разработчиков. Официальная презентация и публикация характеристик запланированы на 15 июля.

Судя по тизеру, контроллер базируется на мини-клавиатуре Creator Micro 2. В базовой версии девайс оснащен 13 механическими переключателями, аналоговым джойстиком и сенсорными панелями для настройки макросов и быстрых команд.

Ожидается, что устройство получит аппаратную интеграцию с моделями OpenAI для генерации кода и вызова ИИ-ассистентов в одно нажатие.
OpenAI Developers в сети Х

✔️ Anthropic представила среду для научных вычислений

Claude Science - ИИ-среда для научных исследований, в которой представлены более 60 настроенных навыков для геномики, протеомики и хемоинформатики.

Платформа интегрирована с Nvidia BioNeMo и дает доступ к моделям Evo 2, Boltz-2 и OpenFold3. Среда позволяет анализировать литературу, визуализировать данные и писать черновики статей, а встроенный агент верификации проверяет точность расчетов и цитирований.

Приложение запускается локально на macOS или Linux и подключается к удаленным серверам. Чувствительные данные остаются во внутренней инфраструктуре, облачной модели передается только необходимый контекст. Нагрузка масштабируется от одного до сотен GPU.

Бета-версия доступна на тарифах Pro, Max, Team и Enterprise. До 15 июля Anthropic распределит до 50 грантов по 30 000 долларов в виде вычислительных кредитов.
anthropic.com

✔️ Релиз LongCat-2.0: первая LLM, обученная на китайских чипах

Китайская компания Meituan представила модель на 1,6 трлн параметров с контекстом 1 млн токенов. Полный цикл претрейна и инференса прошел на кластере из 50 тыс отечественных ASIC.

Поставщик ускорителей не назван, но использование библиотеки HCCL указывает на архитектуру Huawei. Ранее локальное железо массово применяли преимущественно для инференса, а обучение оставалось слабым местом.

По тестам LongCat-2.0 обходит Gemini 3.1 Pro в кодинге и агентных сценариях на Terminal-Bench 2.1 и SWE-Bench Pro. Модель пока уступает GPT-5.5 и Claude 4.8 Opus.

LongCat-2.0 доступна через API Meituan и OpenRouter. Веса ожидаются на Hugging Face.
longcatai.org

✔️ Генерация изображений в Gemini стала бесплатной для пользователей США

Google открыла базовым аккаунтам из США бесплатный доступ к персонализированной генерации изображений в Gemini. Ранее инструмент на базе движка Nano Banana был доступен только в тарифах Plus, Pro и Ultra.

Для формирования контекста Gemini анализирует данные из Gmail, YouTube, истории поиска и Google Фото. Система напрямую подтягивает снимки пользователя из облака, заменяя ручную загрузку исходников.

Функция работает в рамках инструмента Personal Intelligence, развертывание которого идет с весны. Доступ к данным определяет пользователь, он сам выбирает приложения для интеграции с ассистентом.
blog.google

✔️ Ford вернул в штат 300 инженеров после неудачного внедрения ИИ

Автопроизводитель вернул в штат QA-инженеров после неудачного внедрения автоматизированного контроля качества. Ранее компания установила сотни CV-камер для проверки производственных деталей на соответствие проектным требованиям.

Системам машинного зрения не хватило данных о специфических и реальных дефектах. Большинство опытных специалистов покинули Ford до того, как их экспертизу формализовали и перенесли в обучающие датасеты.

Сейчас вернувшиеся занимаются сбором данных, дообучением CV-алгоритмов и менторством младшего персонала.
bbc.com

@ai_machinelearning_big_data

#news #ai #ml

⚡️ Инженеры AI VK выкатили нейропоиск Discovery AI.

Это не банальный чат-бот, а движок для рекомендаций, который ищет ответы строго внутри контентной базы продуктов VK.
Система учитывает интересы пользователя внутри сервисов, обрабатывает до 3 000 поисковых запросов в секунду и выдает релевантный ответ меньше чем за полсекунды.

​Внутри — собственная LLM и целая цепочка ML-моделей, которые обучили на миллиардах примеров пользовательских запросов. Движок работает на единой Discovery-платформе и позволит усилить персонализацию контента с учетом данных из разных сервисов VK.

Технологию можно адаптировать под разные сценарии. Например, в дейтинге для поиска потенциальных мэтчей по определенному запросу или в рекомендациях контентных сервисов: подобрать музыкальный плейлист или выбрать фильм на вечер. Обновление поэтапно появится в VK Видео, Медиапроектах Mail и других продуктах VK.

@ai_machinelearning_big_data

#news #ai #ml

https://t.me/ai_machinelearning_big_data

✔️ МТС и НИУ ВШЭ открыли набор на третий поток магистратуры по ИИ

МТС и факультет компьютерных наук НИУ ВШЭ объявили о старте набора на третий поток магистерской программы «Исследования и предпринимательство в искусственном интеллекте». Обучение пройдет в московском кампусе ВШЭ, для студентов предусмотрено 30 оплачиваемых мест от компании.

Программу обновили с учетом запросов рынка. В нее вошли курсы по генеративному ИИ, интеллектуальным агентным системам, проектированию ML-систем, а также дисциплины по большим языковым моделям, машинному обучению и видеоаналитике.

Лучшие студенты смогут получить приглашение на стажировку или работу в МТС Web Services еще во время обучения. Заявки можно оставить по ссылке.

@ai_machinelearning_big_data

📌 Claude Code более автономен, чем чат-бот

На выходных Anthropic опубликовала свежий отчёт Economic Index об использовании своих моделей.

Компания выпускает его нерегулярно (раз в 2-3 месяца), по мере накопления значимых изменений в методологии или данных. Предыдущая публикация была в марте.

Главный инсайт: то, сколько решений мы готовы отдавать ИИ, зависит не от самой модели, а от того, как именно запакован продукт.

Степень автономии, которую мы даем Claude в обычном веб-чате (или Cowork) и в Claude Code замеряли по шкале от 1 до 5, где 1- это почти никакой самостоятельности, а 5 - экстремальная.

Результат определил, что характер работы над одинаковыми задачами кардинально меняется. Например, чтобы написать статью или пост в чате, требуется медианно 13 раундов диалогового пинг-понга с моделью. В Claude Code на ту же задачу уходит ровно один промпт.

Логично списать это на то, что в Code 54% сессий обслуживает Opus (против 10% в чате). Но нет, это не просто фича большей модели - на Sonnet картина такая же.

🟡Цифры

+0.37 балла - средний отрыв в уровне автономии в пользу Claude Code по всем задачам;

+0.53 балла - отрыв конкретно для кодинга. В 26 из 31 категории результатов агентный интерфейс бьёт обычный чат.

Отчёт, кстати, построен на новой телеметрии, которая собирает данные ежечасно, а не семидневными выборками, как раньше.

Это позволило впервые увидеть и недельные, и суточные ритмы использования: всплеск личных запросов на выходных, пик просьб о рецептах в шесть вечера, запросы о сне под утро.

Отдельная часть отчёта - первые результаты опроса пользователей Claude, в котором участвовали около 9700 респондентов.

Он показал, что люди, которые делегируют ИИ задачи целиком, смотрят на свои перспективы оптимистичнее остальных и чаще ожидают роста зарплаты или сохранения работы, а не наоборот, как можно было бы предположить.

Гендерный факт.

У женщин доля сессий в Claude Code существенно ниже. Они используют Claude более итеративно, как партнера-собеседника, и проводят в чате больше активного времени, тогда как мужчины чаще пытаются скинуть задачу целиком и забыть.

🟡Автономия пока стоит дорого

Корреляция между делегированием и сожженными токенами очень сильная (r = 0,68). Чем дороже и ценнее профессия/задача, тем больше токенов она потребляет.

Причём полная передача руля не значит, что вы будете лежать на диване. В высокоценных задачах люди сами делают больше запросов и регулярно включают расширенный ризонинг у модели.


@ai_machinelearning_big_data

#AI #ML #Research #EconomicIndex #Anthropic