LATCH: минималистичный протокол для безопасных действий ИИ-агентов
Разработчик Антон Баланов представил LATCH, открытый протокол, позволяющий ИИ-агентам взаимодействовать с внешними сервисами через обычные HTTPS-запросы.
Идея в том, чтобы агент мог не только получать данные, но и выполнять действия с явным подтверждением условий.
Например, агент хочет заказать 3D-печать детали. Вместо немедленного оформления заказа используется последовательность:
1. `ask` - узнать доступные материалы и возможности сервиса.
2. `quote` - получить точные условия заказа без его выполнения.
3. `approve` - подтвердить предложение, привязав согласие к SHA-256-хешу условий.
4. `commit` - выполнить подтверждённое действие с ключом идемпотентности, защищающим от случайных повторов.
5. `status` - проверить состояние задачи и получить отчёт сервиса.
В основе обычные JSON и HTTPS. Никаких обязательных SDK, облачных посредников и внешних зависимостей.
Референсная реализация написана для Node.js 20+, есть независимый PHP-провайдер и дополнительный мост к MCP.
LATCH не заменяет MCP или A2A. Он решает более узкую задачу: разделяет получение предложения, подтверждение и выполнение действия.
Это особенно полезно для агентов, которые работают с заказами, платежными сценариями или другими операциями с последствиями.
Проект пока экспериментальный, версия протокола 0.1. Для продакшена потребуется самостоятельно обеспечить аутентификацию, авторизацию и надёжное хранение состояния.
Лицензия MIT.
GitHub: https://github.com/Balanov/latch
Разработчик Антон Баланов представил LATCH, открытый протокол, позволяющий ИИ-агентам взаимодействовать с внешними сервисами через обычные HTTPS-запросы.
Идея в том, чтобы агент мог не только получать данные, но и выполнять действия с явным подтверждением условий.
Например, агент хочет заказать 3D-печать детали. Вместо немедленного оформления заказа используется последовательность:
1. `ask` - узнать доступные материалы и возможности сервиса.
2. `quote` - получить точные условия заказа без его выполнения.
3. `approve` - подтвердить предложение, привязав согласие к SHA-256-хешу условий.
4. `commit` - выполнить подтверждённое действие с ключом идемпотентности, защищающим от случайных повторов.
5. `status` - проверить состояние задачи и получить отчёт сервиса.
В основе обычные JSON и HTTPS. Никаких обязательных SDK, облачных посредников и внешних зависимостей.
Референсная реализация написана для Node.js 20+, есть независимый PHP-провайдер и дополнительный мост к MCP.
LATCH не заменяет MCP или A2A. Он решает более узкую задачу: разделяет получение предложения, подтверждение и выполнение действия.
Это особенно полезно для агентов, которые работают с заказами, платежными сценариями или другими операциями с последствиями.
Проект пока экспериментальный, версия протокола 0.1. Для продакшена потребуется самостоятельно обеспечить аутентификацию, авторизацию и надёжное хранение состояния.
Лицензия MIT.
GitHub: https://github.com/Balanov/latch
❤3🤔2
GPT-6 Astra нашла лабораторную ошибку, которую пропустила GPT-5.6
OpenAI показала результаты нового бенчмарка BioBasicsBench, состоящего из 100 задач на основе реальных биологических экспериментов.
В одном из тестов GPT-6 Astra обнаружила неправильную маркировку антибиотика на контрольной чашке при клонировании ДНК и правильно признала результаты ненадёжными. GPT-5.6 Sol эту ошибку пропустила.
Результаты:
GPT-6 Astra: 66,7%
GPT-5.6 Sol: 43,8%
При этом Astra использовала примерно вдвое меньше выходных токенов.
Но до надёжного автономного лабораторного анализа ещё далеко. В другом эксперименте Astra сама выбрала неправильные клоны ДНК.
Бенчмарк проверяет способность моделей интерпретировать лабораторные данные, находить ошибки и отказываться от выводов при недостатке доказательств.
Показательно, что новая модель лучше распознаёт ошибки в экспериментальных данных, но всё ещё может ошибаться при принятии решений на их основе.
https://openai.com/index/measuring-how-ai-agents-handle-wet-lab-science/
OpenAI показала результаты нового бенчмарка BioBasicsBench, состоящего из 100 задач на основе реальных биологических экспериментов.
В одном из тестов GPT-6 Astra обнаружила неправильную маркировку антибиотика на контрольной чашке при клонировании ДНК и правильно признала результаты ненадёжными. GPT-5.6 Sol эту ошибку пропустила.
Результаты:
GPT-6 Astra: 66,7%
GPT-5.6 Sol: 43,8%
При этом Astra использовала примерно вдвое меньше выходных токенов.
Но до надёжного автономного лабораторного анализа ещё далеко. В другом эксперименте Astra сама выбрала неправильные клоны ДНК.
Бенчмарк проверяет способность моделей интерпретировать лабораторные данные, находить ошибки и отказываться от выводов при недостатке доказательств.
Показательно, что новая модель лучше распознаёт ошибки в экспериментальных данных, но всё ещё может ошибаться при принятии решений на их основе.
https://openai.com/index/measuring-how-ai-agents-handle-wet-lab-science/
❤4👍3🔥2
Forwarded from Machinelearning
Новые модели получили серьёзные улучшения в программировании, математике, научных исследованиях и кибербезопасности.
Что удалось сделать:
- Математика: 1000 агентов формализовали доказательство Великой теоремы Ферма на Lean за 30 часов. Предыдущей исследовательской версии Claude потребовалось 11 дней.
- Физика: Fable 5.2 решила две открытые задачи, связанные с физикой чёрных дыр.
- Электроника: спроектировала три работающих устройства с печатными платами, корпусами и программным обеспечением.
- Программирование: более 90% изменений, попадающих в основной код Anthropic, теперь пишутся Claude при участии людей.
- Кибербезопасность: Mythos 5.2 обнаруживает на 10,2% больше уязвимостей, чем Opus 5.5, по внутреннему тесту Anthropic.
Производительность и цена:
- До 30% быстрее предыдущего поколения.
- $8 за миллион входящих токенов.
- $40 за миллион исходящих токенов.
- Fast Mode: до 2,5 раза быстрее за $16/$80 за миллион токенов.
В чём разница?
Fable 5.2 и Mythos 5.2 используют одну базовую модель, но отличаются защитными механизмами.
Fable доступна широкому кругу пользователей. Mythos предназначена для проверенных организаций, работающих в кибербезопасности и биомедицинских исследованиях.
Claude Fable 5.2 уже доступна через Claude, API, AWS, Google Cloud и Microsoft Azure.
Официальный анонс: https://www.anthropic.com/claude-fable-and-mythos-5-2
@ai_machinelearning_big_data
#Claude #Anthropic
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2👾2❤1🔥1
Новые LLM постепенно отказываются от Full Attention
В архитектурах открытых языковых моделей заметен серьёзный сдвиг: разработчики всё чаще заменяют классический Full Attention гибридными механизмами или полностью отказываются от него.
Динамика за 2025-2026 годы показывает ускорение этого перехода. Если в 2025 году преобладали модели с полноценным Attention, то во второй половине 2026-го наблюдается разделение примерно 50/50 между гибридными архитектурами и моделями без Full Attention вообще.
Вместо него используют Sliding Window Attention, Gated DeltaNet, KDA, Mamba-2, разреженное внимание и другие механизмы.
Зачем это нужно?
Первое: меньше вычислений. Разреженное внимание обрабатывает только выбранные токены или блоки контекста, сокращая стоимость обработки длинных последовательностей.
Второе: меньше памяти. Рекуррентные механизмы вроде Gated DeltaNet хранят состояние фиксированного размера, вместо того чтобы удерживать всю историю взаимодействия.
У такого подхода есть компромисс: сжатие истории усложняет точное извлечение информации. Поэтому многие модели комбинируют рекуррентные слои с классическим или разреженным Attention.
Основное направление развития архитектур LLM - удешевление работы с длинным контекстом: большими документами, кодовыми базами и многошаговыми ИИ-агентами, которые совершают десятки вызовов инструментов.
В архитектурах открытых языковых моделей заметен серьёзный сдвиг: разработчики всё чаще заменяют классический Full Attention гибридными механизмами или полностью отказываются от него.
Динамика за 2025-2026 годы показывает ускорение этого перехода. Если в 2025 году преобладали модели с полноценным Attention, то во второй половине 2026-го наблюдается разделение примерно 50/50 между гибридными архитектурами и моделями без Full Attention вообще.
Вместо него используют Sliding Window Attention, Gated DeltaNet, KDA, Mamba-2, разреженное внимание и другие механизмы.
Зачем это нужно?
Первое: меньше вычислений. Разреженное внимание обрабатывает только выбранные токены или блоки контекста, сокращая стоимость обработки длинных последовательностей.
Второе: меньше памяти. Рекуррентные механизмы вроде Gated DeltaNet хранят состояние фиксированного размера, вместо того чтобы удерживать всю историю взаимодействия.
У такого подхода есть компромисс: сжатие истории усложняет точное извлечение информации. Поэтому многие модели комбинируют рекуррентные слои с классическим или разреженным Attention.
Основное направление развития архитектур LLM - удешевление работы с длинным контекстом: большими документами, кодовыми базами и многошаговыми ИИ-агентами, которые совершают десятки вызовов инструментов.
👍3❤2