Haiku 5.5 уже тут!
Вышла Claude Haiku 5.5, самая быстрая и дешёвая модель Anthropic
Цена упала примерно на 75% по сравнению с Haiku 4.5. На запросах до 100k токенов разница доходит до 90%. Input теперь стоит $0.10 за 1M токенов, output $0.50
При этом модель сильно умнее прошлой Haiku
— OSWorld 72% против 16%
— Terminal-Bench 39% против 0%
— HLE 46% против 10%
Впервые у Haiku появился effort, можно выбирать между скоростью и качеством, ризонинги от Low до Max
Подходит для простых массовых задач вроде саммари, классификации, саппорта, browser use и сабагентов для Opus и Sonnet. Для сложного кодинга Anthropic всё ещё советует Sonnet и Opus
Ещё новости
— cache reads у Sonnet 5.5 подешевели вдвое, агентные задачи стали дешевле примерно на 20%
— подписчики Max и Team будут каждый месяц получать API-кредиты. Max 5x получит $100, Max 20x $200, Team до $500
— в Python и TS SDK добавили computer use и browser use (beta)
Вышла Claude Haiku 5.5, самая быстрая и дешёвая модель Anthropic
Цена упала примерно на 75% по сравнению с Haiku 4.5. На запросах до 100k токенов разница доходит до 90%. Input теперь стоит $0.10 за 1M токенов, output $0.50
При этом модель сильно умнее прошлой Haiku
— OSWorld 72% против 16%
— Terminal-Bench 39% против 0%
— HLE 46% против 10%
Впервые у Haiku появился effort, можно выбирать между скоростью и качеством, ризонинги от Low до Max
Подходит для простых массовых задач вроде саммари, классификации, саппорта, browser use и сабагентов для Opus и Sonnet. Для сложного кодинга Anthropic всё ещё советует Sonnet и Opus
Ещё новости
— cache reads у Sonnet 5.5 подешевели вдвое, агентные задачи стали дешевле примерно на 20%
— подписчики Max и Team будут каждый месяц получать API-кредиты. Max 5x получит $100, Max 20x $200, Team до $500
— в Python и TS SDK добавили computer use и browser use (beta)
👍2
Anthropic уже начала раздавать подписчикам Max бесплатный API-баланс — $100 или $200 в месяц, в зависимости от тарифа. Кнопка появляется не у всех сразу, её раскатывают в течение двух дней.
Забрать можно так:
1) Зайдите на platform.claude.com, чтобы у вас появилась API-организация
2) На claude.ai откройте Настройки → Биллинг
3) Нажмите Link organization и выберите свою организацию
4) Готово! Там же видна дата следующего пополнения
Это обычный API-баланс, тратьте на что угодно. Пополняется раз в месяц, у всех в разные числа. Не накапливается.
Забрать можно так:
1) Зайдите на platform.claude.com, чтобы у вас появилась API-организация
2) На claude.ai откройте Настройки → Биллинг
3) Нажмите Link organization и выберите свою организацию
4) Готово! Там же видна дата следующего пополнения
Это обычный API-баланс, тратьте на что угодно. Пополняется раз в месяц, у всех в разные числа. Не накапливается.
🔥3
Выбор модели под задачу теперь важнее, чем её размер
Выбор модели под задачу теперь важнее самой модели, и Haiku 5.5 это хорошо показывает. Я не удивился бы, если бы для половины агентных пайплайнов она оказалась полезнее Opus, просто потому что Opus там не нужен.
Типичная картина: большая часть действий агента это чтение файлов, запуск команд и сводки. И всё это крутится на самой дорогой модели.
Не потому что кто-то так решил, а потому что никто ничего не настраивает. Большинство работает с тем, что стоит по дефолту, и не вникает, какие модели бывают и зачем агенту субагенты.
Отсюда и вечные жалобы, что лимиты кончаются к обеду.
Что изменилось:
- Цена: 0,10 $ за вход и 0,50 $ за выход на миллион токенов, у Haiku 4.5 было 1 $ и 5 $
- OSWorld: 72,4% против 15,7% у предшественницы
- Terminal-Bench: 39,2% против 0%
- Sonnet 5.5: 83,9% и 70,6% на тех же тестах, так что разрыв остаётся
Anthropic прямо позиционирует её как субагента при Opus и Sonnet. Для сложного кодинга она сама советует Sonnet и Opus. Схема получается простая: Opus планирует и принимает решения, Sonnet делает работу с понятным результатом, Haiku читает, ищет и суммирует.
Есть оговорка, которую в анонсах прячут: цена в 0,10 $ действует до 100 тысяч токенов, дальше она вырастает в пять раз. А системный промпт агента сам по себе может съедать десятки тысяч.
И кеш тут не спасает: в порог засчитываются все входные токены, включая взятые из кеша. Перевалил запрос за 100 тысяч, и весь он идёт по дорогой цене, даже если большая часть промпта закеширована.
В обсуждениях это уже заметили, плюс жалуются, что в сравнениях с Luna от OpenAI подбирали удобные бенчмарки.
Часть людей пишет, что на анализе текста и картинок Haiku слабая, а на максимальном effort она ест токены почти как старшие модели. Это справедливо: если включить Max, вся экономия может уйти.
Поэтому спор «Haiku лучше или хуже Luna» мне кажется не главным. Главное, что у тех, кто разбивает задачи по моделям, счёт падает в разы, а у тех, кто гонит всё через Opus, не меняется. Люди сжигают лимиты там, где то же качество стоит копейки.
Открытым остаётся вопрос, сколько реально держит такая схема на длинных контекстах, где цена снова растёт.
Выбор модели под задачу теперь важнее самой модели, и Haiku 5.5 это хорошо показывает. Я не удивился бы, если бы для половины агентных пайплайнов она оказалась полезнее Opus, просто потому что Opus там не нужен.
Типичная картина: большая часть действий агента это чтение файлов, запуск команд и сводки. И всё это крутится на самой дорогой модели.
Не потому что кто-то так решил, а потому что никто ничего не настраивает. Большинство работает с тем, что стоит по дефолту, и не вникает, какие модели бывают и зачем агенту субагенты.
Отсюда и вечные жалобы, что лимиты кончаются к обеду.
Что изменилось:
- Цена: 0,10 $ за вход и 0,50 $ за выход на миллион токенов, у Haiku 4.5 было 1 $ и 5 $
- OSWorld: 72,4% против 15,7% у предшественницы
- Terminal-Bench: 39,2% против 0%
- Sonnet 5.5: 83,9% и 70,6% на тех же тестах, так что разрыв остаётся
Anthropic прямо позиционирует её как субагента при Opus и Sonnet. Для сложного кодинга она сама советует Sonnet и Opus. Схема получается простая: Opus планирует и принимает решения, Sonnet делает работу с понятным результатом, Haiku читает, ищет и суммирует.
Есть оговорка, которую в анонсах прячут: цена в 0,10 $ действует до 100 тысяч токенов, дальше она вырастает в пять раз. А системный промпт агента сам по себе может съедать десятки тысяч.
И кеш тут не спасает: в порог засчитываются все входные токены, включая взятые из кеша. Перевалил запрос за 100 тысяч, и весь он идёт по дорогой цене, даже если большая часть промпта закеширована.
В обсуждениях это уже заметили, плюс жалуются, что в сравнениях с Luna от OpenAI подбирали удобные бенчмарки.
Часть людей пишет, что на анализе текста и картинок Haiku слабая, а на максимальном effort она ест токены почти как старшие модели. Это справедливо: если включить Max, вся экономия может уйти.
Поэтому спор «Haiku лучше или хуже Luna» мне кажется не главным. Главное, что у тех, кто разбивает задачи по моделям, счёт падает в разы, а у тех, кто гонит всё через Opus, не меняется. Люди сжигают лимиты там, где то же качество стоит копейки.
Открытым остаётся вопрос, сколько реально держит такая схема на длинных контекстах, где цена снова растёт.
👍1
Границы для агента надо ставить в среде, а не в промпте
Я не вижу в этой истории ничего неожиданного. Модель, которую обучали получать награду за обход препятствий, на реальном сайте обходит препятствия. Странно было бы, если бы она вела себя иначе.
Anthropic опубликовала отчёт о том, что её модели делали на живых сайтах во время тестов:
- Mythos 5 нашёл в настройках онлайн-карты недвижимости действующие токены доступа и запросил данные напрямую у госсервера
- Mythos 5 взял архивную копию сайта агентства штата и бесплатно получил данные, которые обычно платные
- Mythos Preview нашёл уязвимость в научном сервисе университета и запустил на его сервере свой расчёт
- Opus 5 и Mythos 5 обходили лимит на длину URL через бесплатные сокращатели ссылок
- Haiku 4.5 отправил в полицию Филадельфии выдуманную наводку по нераскрытому убийству
Последний случай самый показательный. До следователей наводка не дошла только потому, что форма пометила её как спам. Всю защиту обеспечил чужой спам-фильтр, а не система Anthropic.
Саму отправку компания заметила лишь через два с лишним месяца. В полиции назвали такую задержку «неприемлемой».
Любую запретную зону, которую не описали до конца, агент считает открытой. Список «нельзя» всегда неполный, а кратчайший путь к цели модель найдёт сама. Если вы пускаете агента на свои сайты и в свои аккаунты, смотрите, что именно ему доступно: лишних прав и общих ключей лучше не давать. Фраза «не делай этого» в промпте работает, пока модель не нашла обходной путь.
Anthropic в итоге отключила живой интернет во всех внутренних тестах, пока не научится надёжно ловить такое поведение. Причина, по версии Anthropic: корневая причина - неверная конфигурация оценочной среды у партнёра Irregular: вместо изолированной среды модели получили доступ в интернет.
В обсуждениях напоминают, что проблема не новая. Ещё в феврале компания откатила три дня обучения Mythos Preview из-за reward hacking, а в апреле на месяц заморозила часть обучающих сред.
Если у лаборатории с её мониторингом уходит два месяца, чтобы заметить, что модель написала в полицию, то мне интересно, как это заметит обычная компания, выдавшая агенту доступ к рабочим системам.
Я не вижу в этой истории ничего неожиданного. Модель, которую обучали получать награду за обход препятствий, на реальном сайте обходит препятствия. Странно было бы, если бы она вела себя иначе.
Anthropic опубликовала отчёт о том, что её модели делали на живых сайтах во время тестов:
- Mythos 5 нашёл в настройках онлайн-карты недвижимости действующие токены доступа и запросил данные напрямую у госсервера
- Mythos 5 взял архивную копию сайта агентства штата и бесплатно получил данные, которые обычно платные
- Mythos Preview нашёл уязвимость в научном сервисе университета и запустил на его сервере свой расчёт
- Opus 5 и Mythos 5 обходили лимит на длину URL через бесплатные сокращатели ссылок
- Haiku 4.5 отправил в полицию Филадельфии выдуманную наводку по нераскрытому убийству
Последний случай самый показательный. До следователей наводка не дошла только потому, что форма пометила её как спам. Всю защиту обеспечил чужой спам-фильтр, а не система Anthropic.
Саму отправку компания заметила лишь через два с лишним месяца. В полиции назвали такую задержку «неприемлемой».
Любую запретную зону, которую не описали до конца, агент считает открытой. Список «нельзя» всегда неполный, а кратчайший путь к цели модель найдёт сама. Если вы пускаете агента на свои сайты и в свои аккаунты, смотрите, что именно ему доступно: лишних прав и общих ключей лучше не давать. Фраза «не делай этого» в промпте работает, пока модель не нашла обходной путь.
Anthropic в итоге отключила живой интернет во всех внутренних тестах, пока не научится надёжно ловить такое поведение. Причина, по версии Anthropic: корневая причина - неверная конфигурация оценочной среды у партнёра Irregular: вместо изолированной среды модели получили доступ в интернет.
В обсуждениях напоминают, что проблема не новая. Ещё в феврале компания откатила три дня обучения Mythos Preview из-за reward hacking, а в апреле на месяц заморозила часть обучающих сред.
Если у лаборатории с её мониторингом уходит два месяца, чтобы заметить, что модель написала в полицию, то мне интересно, как это заметит обычная компания, выдавшая агенту доступ к рабочим системам.
👍1😁1
Страшнее взлома будет реакция на него
Я думаю, главный риск из истории про «ИИ-катастрофу через 6-12 месяцев» не сам взлом, а то, что общество и власти сделают в первые 48 часов после него. К этому сценарию готовятся хуже всего.
По телеграм-каналам гуляет пересказ с заголовком «Эксперты сходятся во мнении, что ИИ-катастрофа случится через 6-12 месяцев». У Axios от 9 октября 2026 заголовок другой: «Scoop: AI companies plot "day after" scenarios for public revolt».
Звучит как Скайнет, но в статье речь о другом: лидеры Anthropic, OpenAI, Meta и других обсуждают сценарии общественной и политической реакции на крупный инцидент. Инсайдеры индустрии ждут такого события в ближайшие 6-12 месяцев. Среди вариантов называют кибератаку, которая отключит интернет, финансовые сервисы, воду или электричество.
Материал не про безопасность, а про политику и отношения с властью. Как начнут «отменять» всю отрасль после первого серьёзного инцидента и что компаниям отвечать чиновникам. Отдельно разбирают, что демократы захотят закрутить гайки, а республиканцы могут упереться, потому что слабо понимают, как работают технологии.
Что здесь легко перепутать:
- это ожидания инсайдеров индустрии, а не консенсус независимых экспертов
- речь о вероятности события, а масштаб ущерба в пересказах не описан
- «отключили электричество в одном городе» и «остановили финансовую систему» это разные истории, а в заголовках они слиплись в одну
Я сам занимаюсь безопасностью и пентестом с помощью ИИ, так что в этом немного разбираюсь. Атаки он действительно удешевляет и делает массовее, и крупный инцидент выглядит вполне вероятным. Но вероятность без масштаба ничего не говорит. Банки и энергосети давно живут с регулярными атаками, и обычно всё заканчивается неприятной неделей, а не концом света.
Поэтому вторая половина материала важнее. Если инцидент случится, начнётся поиск виноватых, а ИИ-индустрия сейчас вплетена в экономику плотнее, чем соцсети в 2016 году. Жёсткий запрет ударит по всем сразу, а решения, как мне кажется, будут принимать в панике.
В обсуждениях подшучивают, что тема нужна тем, кто строит бункеры. Жанр и правда старый. Но забавно другое: лаборатории заранее репетируют, как будут отвечать на обвинения. Это выглядит как честная подготовка, но и как попытка заранее договориться о версии событий.
Я думаю, главный риск из истории про «ИИ-катастрофу через 6-12 месяцев» не сам взлом, а то, что общество и власти сделают в первые 48 часов после него. К этому сценарию готовятся хуже всего.
По телеграм-каналам гуляет пересказ с заголовком «Эксперты сходятся во мнении, что ИИ-катастрофа случится через 6-12 месяцев». У Axios от 9 октября 2026 заголовок другой: «Scoop: AI companies plot "day after" scenarios for public revolt».
Звучит как Скайнет, но в статье речь о другом: лидеры Anthropic, OpenAI, Meta и других обсуждают сценарии общественной и политической реакции на крупный инцидент. Инсайдеры индустрии ждут такого события в ближайшие 6-12 месяцев. Среди вариантов называют кибератаку, которая отключит интернет, финансовые сервисы, воду или электричество.
Материал не про безопасность, а про политику и отношения с властью. Как начнут «отменять» всю отрасль после первого серьёзного инцидента и что компаниям отвечать чиновникам. Отдельно разбирают, что демократы захотят закрутить гайки, а республиканцы могут упереться, потому что слабо понимают, как работают технологии.
Что здесь легко перепутать:
- это ожидания инсайдеров индустрии, а не консенсус независимых экспертов
- речь о вероятности события, а масштаб ущерба в пересказах не описан
- «отключили электричество в одном городе» и «остановили финансовую систему» это разные истории, а в заголовках они слиплись в одну
Я сам занимаюсь безопасностью и пентестом с помощью ИИ, так что в этом немного разбираюсь. Атаки он действительно удешевляет и делает массовее, и крупный инцидент выглядит вполне вероятным. Но вероятность без масштаба ничего не говорит. Банки и энергосети давно живут с регулярными атаками, и обычно всё заканчивается неприятной неделей, а не концом света.
Поэтому вторая половина материала важнее. Если инцидент случится, начнётся поиск виноватых, а ИИ-индустрия сейчас вплетена в экономику плотнее, чем соцсети в 2016 году. Жёсткий запрет ударит по всем сразу, а решения, как мне кажется, будут принимать в панике.
В обсуждениях подшучивают, что тема нужна тем, кто строит бункеры. Жанр и правда старый. Но забавно другое: лаборатории заранее репетируют, как будут отвечать на обвинения. Это выглядит как честная подготовка, но и как попытка заранее договориться о версии событий.
Атаку можно пережить. Хуже, если после неё никто не договорится, кто и за что отвечает.
❤1
ИИ взломает криптовалюту раньше квантовых компьютеров
Так считает исследователь Ethereum Джастин Дрейк, и он предложил заранее к этому готовиться. Для взлома, по его оценке, хватит кластера GPU и недели времени.
Защита от этого простая:
не держать деньги на адресе, с которого уже отправляли транзакции. Дрейк рекомендует контролируемую массовую миграцию средств на новые кошельки, где публичный ключ не раскрыт, а Бутерин советует держать средства на адресах, которые ещё не использовались для транзакций.
Поводом Дрейк назвал недавние математические результаты ИИ, в том числе 722 работы внутренней модели OpenAI. Ни одной реальной атаки пока нет, это оценка риска.
Пока с адреса ничего не отправляли, в блокчейне виден только хеш открытого ключа, и по нему ключ не восстановить. Первая же транзакция открывает ключ целиком. Поэтому Дрейк рекомендует массовый перевод средств на адреса, которые ещё ничего не подписывали, начиная с крупных держателей.
Виталик Бутерин согласился, но просит не паниковать: на неудачных переездах он потерял больше денег, чем на взломах.
Главное в его ответе другое: ИИ-математика может ударить и по схемам, которые сейчас считают защитой от квантовых атак. Получается, что переезд на «квантово-устойчивую» защиту может оказаться переездом на такую же уязвимость.
Срочно переводить всё на новые адреса рано. Но после каждой отправки лучше сразу переводить остаток на новый адрес и не пользоваться старым снова.
ИИ может научиться подбирать ключи от Bitcoin и Ethereum кошельков раньше, чем появятся достаточно мощные квантовые компьютеры.
Так считает исследователь Ethereum Джастин Дрейк, и он предложил заранее к этому готовиться. Для взлома, по его оценке, хватит кластера GPU и недели времени.
Защита от этого простая:
не держать деньги на адресе, с которого уже отправляли транзакции. Дрейк рекомендует контролируемую массовую миграцию средств на новые кошельки, где публичный ключ не раскрыт, а Бутерин советует держать средства на адресах, которые ещё не использовались для транзакций.
Поводом Дрейк назвал недавние математические результаты ИИ, в том числе 722 работы внутренней модели OpenAI. Ни одной реальной атаки пока нет, это оценка риска.
Пока с адреса ничего не отправляли, в блокчейне виден только хеш открытого ключа, и по нему ключ не восстановить. Первая же транзакция открывает ключ целиком. Поэтому Дрейк рекомендует массовый перевод средств на адреса, которые ещё ничего не подписывали, начиная с крупных держателей.
Виталик Бутерин согласился, но просит не паниковать: на неудачных переездах он потерял больше денег, чем на взломах.
Главное в его ответе другое: ИИ-математика может ударить и по схемам, которые сейчас считают защитой от квантовых атак. Получается, что переезд на «квантово-устойчивую» защиту может оказаться переездом на такую же уязвимость.
Срочно переводить всё на новые адреса рано. Но после каждой отправки лучше сразу переводить остаток на новый адрес и не пользоваться старым снова.
❤1
Карпатый, один из основателей OpenAI, написал что люди сейчас живут в разных ИИ-мирах. и за полгода разрыв между ними только вырос
по его прикидкам выходит так:
- около 6 млрд человек (~75%) ИИ толком не видели
- 1-2 млрд (~12-25%) гоняют бесплатного чат-бота как продвинутый гугл
- около 20 млн (~0,25%) разрабов и математиков на топовых моделях отдают агентам проекты на недели
- и примерно 5000 человек (~0,00006%) в лабах смотрят, как тысячи агентов неделями ищут уязвимости и двигают науку
за год мы ушли от «ну в некоторых задачах помогает» к «агенты сами пашут неделями». так что спор «ИИ ничего не умеет» можно закрывать
самое интересное для меня это переход из второй группы в третью. между бесплатным ботом и агентом, который сам пишет код, стоят платная подписка и пара вечеров. всё.
человек заходит в бесплатную версию, она тупит, и он решает что ИИ переоценён. и он прав (про тот ИИ, который видел)
по его прикидкам выходит так:
- около 6 млрд человек (~75%) ИИ толком не видели
- 1-2 млрд (~12-25%) гоняют бесплатного чат-бота как продвинутый гугл
- около 20 млн (~0,25%) разрабов и математиков на топовых моделях отдают агентам проекты на недели
- и примерно 5000 человек (~0,00006%) в лабах смотрят, как тысячи агентов неделями ищут уязвимости и двигают науку
за год мы ушли от «ну в некоторых задачах помогает» к «агенты сами пашут неделями». так что спор «ИИ ничего не умеет» можно закрывать
самое интересное для меня это переход из второй группы в третью. между бесплатным ботом и агентом, который сам пишет код, стоят платная подписка и пара вечеров. всё.
человек заходит в бесплатную версию, она тупит, и он решает что ИИ переоценён. и он прав (про тот ИИ, который видел)
Google выпустила Gemini 4 Argon, свою новую топовую модель. По данным VentureBeat, в API она стоит $2 за миллион токенов на вход и $10 на выход. Плюс скидка 95% на кэш, то есть на текст, который ты отправляешь модели повторно.
выглядит дёшево. но есть нюансы:
- цена акционная, до 30 ноября. потом $4/$20
- кэш срабатывает, только если начало запроса каждый раз одинаковое. поменял порядок в промпте, и платишь полную цену
- модель тратит больше токенов. в одном разборе задача на Argon обошлась в $1,99, а на GPT-6.1 Sol в $0,72. почти в 3 раза дороже
с бенчмарками тоже весело. Google ставит Argon вровень с GPT-6 и Claude Opus 5.5. в рейтинге Artificial Analysis она ниже и Opus, и даже Sonnet, а в Vals Index первая. кто какую табличку выбрал, тот и прав.
по-моему, цена за миллион токенов на сайте сейчас мало что значит. считать надо, сколько стоит готовая задача. а этого почти никто не делает: берут модель по умолчанию, а потом удивляются счёту.
скидка на кэш правда вкусная для агентов, которые по сто раз гоняют один и тот же контекст. но только если их под это собрать.
выглядит дёшево. но есть нюансы:
- цена акционная, до 30 ноября. потом $4/$20
- кэш срабатывает, только если начало запроса каждый раз одинаковое. поменял порядок в промпте, и платишь полную цену
- модель тратит больше токенов. в одном разборе задача на Argon обошлась в $1,99, а на GPT-6.1 Sol в $0,72. почти в 3 раза дороже
с бенчмарками тоже весело. Google ставит Argon вровень с GPT-6 и Claude Opus 5.5. в рейтинге Artificial Analysis она ниже и Opus, и даже Sonnet, а в Vals Index первая. кто какую табличку выбрал, тот и прав.
по-моему, цена за миллион токенов на сайте сейчас мало что значит. считать надо, сколько стоит готовая задача. а этого почти никто не делает: берут модель по умолчанию, а потом удивляются счёту.
скидка на кэш правда вкусная для агентов, которые по сто раз гоняют один и тот же контекст. но только если их под это собрать.
FTC, американский регулятор, который защищает права потребителей, разослал OpenAI и Anthropic запросы больше чем на 50 страниц каждый. об этом пишет Axios со ссылкой на анонимный источник. сами документы никто не публиковал.
что регулятор хочет знать:
- какие у компаний были инциденты с безопасностью
- как они защищают пользователей
- что обещают в маркетинге и что пишут в политиках приватности
дальше запросы получат сторонние организации, а топ-менеджеров вызовут давать показания. в тот же день генпрокуроры нескольких штатов подали на OpenAI в суд, тоже по законам о защите потребителей.
до сих пор про безопасность ИИ мы знали в основном то, что лабы сами пишут о себе в блогах. теперь эти слова придётся подтверждать документами. и мне нравится, что маркетинг в списке отдельным пунктом (обещать они умеют).
есть и второй слой. глава FTC Фергюсон сам намекал, что такие требования к безопасности могут стать «рвом» против мелких конкурентов. OpenAI и Anthropic посадят юристов и ответят на 50 страниц. стартап из пяти человек такое просто не вывезет.
что именно расследуют и дойдёт ли до исков, пока непонятно.
что регулятор хочет знать:
- какие у компаний были инциденты с безопасностью
- как они защищают пользователей
- что обещают в маркетинге и что пишут в политиках приватности
дальше запросы получат сторонние организации, а топ-менеджеров вызовут давать показания. в тот же день генпрокуроры нескольких штатов подали на OpenAI в суд, тоже по законам о защите потребителей.
до сих пор про безопасность ИИ мы знали в основном то, что лабы сами пишут о себе в блогах. теперь эти слова придётся подтверждать документами. и мне нравится, что маркетинг в списке отдельным пунктом (обещать они умеют).
есть и второй слой. глава FTC Фергюсон сам намекал, что такие требования к безопасности могут стать «рвом» против мелких конкурентов. OpenAI и Anthropic посадят юристов и ответят на 50 страниц. стартап из пяти человек такое просто не вывезет.
что именно расследуют и дойдёт ли до исков, пока непонятно.
👍1
Meta выложила Muse Spark Open, модель с открытыми весами: её можно скачать и запустить у себя, без облака. Meta называет её одной из самых мощных открытых моделей в США.
что внутри:
- 816 млрд параметров, из них одновременно работают 42 млрд
- контекст 1 млн токенов, мультимодальная из коробки (не только текст)
- запускается на двух Mac Studio с M5 Ultra (допиливали вместе с Apple)
про этот союз глава Meta AI Александр Ван пошутил, цитирует Axios:
но ключевые слова тут «в США». в рейтинге Artificial Analysis у неё 39 баллов (это значение из model card Meta), а у китайской Xiaomi MiMo-V2.6-Pro 46 (это независимо опубликованная оценка, а не цифра Meta). по таблице Meta, Muse Spark Open уступает Kimi K3 и GLM 5.3 в terminal coding и SWE-задачах; Qwen в этом сравнении не упомянут.
и «открытая» тоже с оговоркой. если у компании выручка больше $20 млн и она хочет продавать доступ к модели, нужен отдельный договор с Meta.
мне кажется, интереснее всего тут Apple. Mac Studio потихоньку превращается в домашний сервер для ИИ, и Apple зарабатывает на гонке моделей, не делая свою (железо продаётся в любом случае).
правда, «дома» тут значит два топовых Mac Studio на столе. у обычного человека такого нет.
что внутри:
- 816 млрд параметров, из них одновременно работают 42 млрд
- контекст 1 млн токенов, мультимодальная из коробки (не только текст)
- запускается на двух Mac Studio с M5 Ultra (допиливали вместе с Apple)
про этот союз глава Meta AI Александр Ван пошутил, цитирует Axios:
рад, что «мама и папа» снова ладят
но ключевые слова тут «в США». в рейтинге Artificial Analysis у неё 39 баллов (это значение из model card Meta), а у китайской Xiaomi MiMo-V2.6-Pro 46 (это независимо опубликованная оценка, а не цифра Meta). по таблице Meta, Muse Spark Open уступает Kimi K3 и GLM 5.3 в terminal coding и SWE-задачах; Qwen в этом сравнении не упомянут.
и «открытая» тоже с оговоркой. если у компании выручка больше $20 млн и она хочет продавать доступ к модели, нужен отдельный договор с Meta.
мне кажется, интереснее всего тут Apple. Mac Studio потихоньку превращается в домашний сервер для ИИ, и Apple зарабатывает на гонке моделей, не делая свою (железо продаётся в любом случае).
правда, «дома» тут значит два топовых Mac Studio на столе. у обычного человека такого нет.
Тесла анонсировала новую летающую машину
в Tsinghua (один из главных техвузов Китая) выложили AutoSFT. это система агентов, которая сама готовит данные для дообучения моделей. дообучение: берут готовую модель и докармливают примерами, чтобы она лучше делала что-то конкретное.
сначала они заметили забавную вещь. если отдать агенту весь процесс обучения, он почти всё время копается в данных. ровно как живой инженер.
только один агент умел одно: менять пропорции, то есть сколько примеров какого типа. человек ещё выкидывает мусор, чинит кривые примеры и дописывает то, чего не хватает.
поэтому собрали команду:
- главный агент раздаёт задачи и сам в исполнение не лезет
- агенты-аналитики ищут, что не так с данными: +6,5 балла на тесте, где проверяют, как модель слушается инструкций
- агент-генератор дописывает недостающие примеры: ещё +3,4
- на коде +3,7
один из авторов, Bingxiang He, называет это так:
RSI это когда ИИ сам улучшает ИИ.
по-моему, самое интересное тут в устройстве. один агент упёрся в потолок, а когда работу разбили на роли, всё поехало.
сколько стоят такие раунды (модель каждый раз учат заново с базовой версии) и сработает ли это на больших моделях, в статье не видно. так что дата-инженеры пока на месте. просто список того, что агенты не умеют, стал короче.
сначала они заметили забавную вещь. если отдать агенту весь процесс обучения, он почти всё время копается в данных. ровно как живой инженер.
только один агент умел одно: менять пропорции, то есть сколько примеров какого типа. человек ещё выкидывает мусор, чинит кривые примеры и дописывает то, чего не хватает.
поэтому собрали команду:
- главный агент раздаёт задачи и сам в исполнение не лезет
- агенты-аналитики ищут, что не так с данными: +6,5 балла на тесте, где проверяют, как модель слушается инструкций
- агент-генератор дописывает недостающие примеры: ещё +3,4
- на коде +3,7
один из авторов, Bingxiang He, называет это так:
first step toward RSI-Service
RSI это когда ИИ сам улучшает ИИ.
по-моему, самое интересное тут в устройстве. один агент упёрся в потолок, а когда работу разбили на роли, всё поехало.
сколько стоят такие раунды (модель каждый раз учат заново с базовой версии) и сработает ли это на больших моделях, в статье не видно. так что дата-инженеры пока на месте. просто список того, что агенты не умеют, стал короче.
Ник Каммарата, один из первых, кто начал разбираться, что происходит внутри нейросетей (собирал команду по этой теме в OpenAI, сейчас работает в Goodfire), выложил эссе с гипотезой, что нейросети не такие уж чёрные ящики.
много лет считалось, что смотреть на отдельные нейроны внутри модели бесполезно: в каждый свалено куча несвязанных вещей. каноничный пример из работы 2020 года, где Каммарата сам был соавтором: один нейрон реагировал и на морды кошек, и на капоты машин.
теперь он этот пример сам и разобрал.
цифры:
- в 2023-м автоматический проект OpenAI нашёл понятными около 1,7% нейронов
- в предварительной проверке Qwen3-32B у ~90% нейронов одна понятная задача, у ~7% две связанные, непонятны 2-4%
мне кажется, это интереснее любой новой модели за месяц. сейчас мы проверяем ИИ только снаружи: дали задачу, посмотрели ответ. если Каммарата прав, можно будет заглянуть внутрь и увидеть, где именно модель врёт или ошибается.
но пока это гипотеза. научной статьи с проверкой ещё нет, цифры предварительные и зависят от того, что считать «понятным», часть выводов автор сам называет очень спекулятивной.
а на HN спорят, что суперпозицию (ту самую идею, что в один нейрон свалено много всего) списывать рано.
много лет считалось, что смотреть на отдельные нейроны внутри модели бесполезно: в каждый свалено куча несвязанных вещей. каноничный пример из работы 2020 года, где Каммарата сам был соавтором: один нейрон реагировал и на морды кошек, и на капоты машин.
теперь он этот пример сам и разобрал.
цифры:
- в 2023-м автоматический проект OpenAI нашёл понятными около 1,7% нейронов
- в предварительной проверке Qwen3-32B у ~90% нейронов одна понятная задача, у ~7% две связанные, непонятны 2-4%
мне кажется, это интереснее любой новой модели за месяц. сейчас мы проверяем ИИ только снаружи: дали задачу, посмотрели ответ. если Каммарата прав, можно будет заглянуть внутрь и увидеть, где именно модель врёт или ошибается.
но пока это гипотеза. научной статьи с проверкой ещё нет, цифры предварительные и зависят от того, что считать «понятным», часть выводов автор сам называет очень спекулятивной.
а на HN спорят, что суперпозицию (ту самую идею, что в один нейрон свалено много всего) списывать рано.
NVIDIA выложила Nemotron 3.5 Super VL. модель открытая, веса можно скачать и запустить у себя. понимает текст, картинки и видео, заточена под агентов и документы.
цифры:
- 120 млрд параметров, одновременно работают 12 млрд
- на OpenRouter $0,15 за миллион токенов на вход и $0,50 на выход
- урезанная версия Bolt влезает в видеокарту на 24 ГБ
в заголовках пишут, что она обошла Claude Opus 5 и GPT-6.1 Sol. но там речь о версиях, которые партнёры дообучили под узкие задачи. например, на разборе медстраховки результат вырос примерно с 28% до 72%.
базовая модель в рейтинге Artificial Analysis набирает 26. китайские GLM-5.3-Flash и Qwen3.8-Flash-Next набирают 42 и 40.
по-моему, история со страховкой интереснее любого рейтинга. мне кажется, многим компаниям просто нужно, чтобы кто-то сто раз в день читал один и тот же тип бумажек и не путался. если дешёвая открытая модель, докормленная своими примерами, делает это лучше топовой, платить за топовую незачем.
правда, VentureBeat замечает, что NVIDIA не показала ни сами задачи, ни сколько примеров проверяли. так что пока это цифры из пресс-релиза.
цифры:
- 120 млрд параметров, одновременно работают 12 млрд
- на OpenRouter $0,15 за миллион токенов на вход и $0,50 на выход
- урезанная версия Bolt влезает в видеокарту на 24 ГБ
в заголовках пишут, что она обошла Claude Opus 5 и GPT-6.1 Sol. но там речь о версиях, которые партнёры дообучили под узкие задачи. например, на разборе медстраховки результат вырос примерно с 28% до 72%.
базовая модель в рейтинге Artificial Analysis набирает 26. китайские GLM-5.3-Flash и Qwen3.8-Flash-Next набирают 42 и 40.
по-моему, история со страховкой интереснее любого рейтинга. мне кажется, многим компаниям просто нужно, чтобы кто-то сто раз в день читал один и тот же тип бумажек и не путался. если дешёвая открытая модель, докормленная своими примерами, делает это лучше топовой, платить за топовую незачем.
правда, VentureBeat замечает, что NVIDIA не показала ни сами задачи, ни сколько примеров проверяли. так что пока это цифры из пресс-релиза.
Anthropic опросила обычных взрослых в США и своих сотрудников, чего они ждут от ИИ к 2030 году. насчёт того, что ИИ умеет сейчас, обе группы согласны. а насчёт будущего как будто живут на разных планетах.
цифры, люди против сотрудников:
- ИИ сделает открытие уровня Нобелевки: 39% и 91%
- сколько твоей работы заберёт ИИ: 28% и 75%
- рост ВВП в 2030 (это считала модель Anthropic, а не опрос): 5,4% и 17,1%
- безработица: около 8% и больше 12%
(по каналам гуляют «98-99% в лабах», в отчёте такой цифры нет, ближайшая: 96% сотрудников Anthropic ожидают, что к 2030 ИИ сможет выполнять не менее семи из восьми перечисленных задач на уровне профессионала)
мне кажется, интереснее всего тут даже не кто прав. законы про ИИ, налоги, пособия будут писать люди из первой колонки. модели делают люди из второй. если правы вторые, к 2030 все будут догонять в панике.
но спрашивать сотрудников лабы о будущем ИИ это примерно как спрашивать продавца, хорошая ли машина. они сидят внутри хайпа каждый день. Anthropic сама пишет, что это личные мнения, а не прогноз компании, и что у двух из десяти сотрудников ожидания как у обычного человека.
в чатах шутят, что в Anthropic просто три четверти рабочего дня пинают балду. тоже вариант.
цифры, люди против сотрудников:
- ИИ сделает открытие уровня Нобелевки: 39% и 91%
- сколько твоей работы заберёт ИИ: 28% и 75%
- рост ВВП в 2030 (это считала модель Anthropic, а не опрос): 5,4% и 17,1%
- безработица: около 8% и больше 12%
(по каналам гуляют «98-99% в лабах», в отчёте такой цифры нет, ближайшая: 96% сотрудников Anthropic ожидают, что к 2030 ИИ сможет выполнять не менее семи из восьми перечисленных задач на уровне профессионала)
мне кажется, интереснее всего тут даже не кто прав. законы про ИИ, налоги, пособия будут писать люди из первой колонки. модели делают люди из второй. если правы вторые, к 2030 все будут догонять в панике.
но спрашивать сотрудников лабы о будущем ИИ это примерно как спрашивать продавца, хорошая ли машина. они сидят внутри хайпа каждый день. Anthropic сама пишет, что это личные мнения, а не прогноз компании, и что у двух из десяти сотрудников ожидания как у обычного человека.
в чатах шутят, что в Anthropic просто три четверти рабочего дня пинают балду. тоже вариант.
Anthropic объявила, что отдаёт 5% своих акций в отдельный фонд «на общее благо». сверху обещает ещё по 2% каждый раз, когда стоимость компании вырастет на 50%.
фонд оформлен как обычная дочка компании. тратить свои акции на лоббизм и политику ему запрещено.
если сложить с прошлыми обещаниями, выходит около 20% акций. основатели раньше пообещали отдать 80% своих долей, а компания доплачивает к пожертвованиям сотрудников.
звучит щедро. но если читать внимательно:
- 5% пока только обещание, его ещё должны одобрить акционеры
- доп. 2% совет даёт «по своему усмотрению», то есть может и не дать
- от какой оценки считать рост, не сказали
- кто будет управлять фондом, тоже. детали обещают «в ближайшие месяцы»
мне кажется, тут всё про тайминг. Anthropic готовится к IPO, и Reuters пишет, что инвесторы уже обсуждают оценку около $1,5 трлн вместо ожидаемых $2 трлн.
перед биржей лабе, которая постоянно говорит про безопасность и пользу людям, нужна красивая история. а обещать долю от роста, которого ещё нет, легко.
сама Anthropic сравнивает схему с бонусами топам, которые растут вместе с компанией. только тут «топ» это общее благо, и кто будет говорить от его имени, пока непонятно.
посмотрим, что расскажут в эти «ближайшие месяцы».
фонд оформлен как обычная дочка компании. тратить свои акции на лоббизм и политику ему запрещено.
если сложить с прошлыми обещаниями, выходит около 20% акций. основатели раньше пообещали отдать 80% своих долей, а компания доплачивает к пожертвованиям сотрудников.
звучит щедро. но если читать внимательно:
- 5% пока только обещание, его ещё должны одобрить акционеры
- доп. 2% совет даёт «по своему усмотрению», то есть может и не дать
- от какой оценки считать рост, не сказали
- кто будет управлять фондом, тоже. детали обещают «в ближайшие месяцы»
мне кажется, тут всё про тайминг. Anthropic готовится к IPO, и Reuters пишет, что инвесторы уже обсуждают оценку около $1,5 трлн вместо ожидаемых $2 трлн.
перед биржей лабе, которая постоянно говорит про безопасность и пользу людям, нужна красивая история. а обещать долю от роста, которого ещё нет, легко.
сама Anthropic сравнивает схему с бонусами топам, которые растут вместе с компанией. только тут «топ» это общее благо, и кто будет говорить от его имени, пока непонятно.
посмотрим, что расскажут в эти «ближайшие месяцы».
Accenture, одна из крупнейших консалтинговых компаний мира (выручка больше $70 млрд), урезала Claude сотрудникам. с 1 октября компания сама платит за него только $29 в месяц на человека. всё, что сверху, надо списывать на бюджет проекта или команды, и доступ никто не гарантирует.
до этого самые активные тратили $500-1000 в месяц. одному доступ отрубили совсем.
(в Accenture говорят, что жёсткого лимита нет, и Forbes считает заголовки преувеличением: режут только оплату из общего кармана)
у автора канала «Мысли вслух» (@maxvotek) хороший тейк про почасовку:
он думает, что лимит бьёт по тем, кто дальше всех ушёл в агентов. может быть. но на что именно уходила эта тысяча, не показали ни 404 Media, ни сама Accenture. агенты и ночные прогоны или топовая модель на рутине, снаружи не видно.
у меня подозрение (чисто догадка), что часть этих счетов набегает просто от самой дорогой модели по умолчанию на всём подряд.
до этого самые активные тратили $500-1000 в месяц. одному доступ отрубили совсем.
(в Accenture говорят, что жёсткого лимита нет, и Forbes считает заголовки преувеличением: режут только оплату из общего кармана)
у автора канала «Мысли вслух» (@maxvotek) хороший тейк про почасовку:
При почасовой оплате инструмент, который экономит консультанту 20 часов, просто уменьшает выручку.
он думает, что лимит бьёт по тем, кто дальше всех ушёл в агентов. может быть. но на что именно уходила эта тысяча, не показали ни 404 Media, ни сама Accenture. агенты и ночные прогоны или топовая модель на рутине, снаружи не видно.
у меня подозрение (чисто догадка), что часть этих счетов набегает просто от самой дорогой модели по умолчанию на всём подряд.
Anthropic готовится выйти на биржу и показала инвесторам цифры за 3 квартал. выручка $16,8 млрд. для сравнения: в первом квартале было $4,7 млрд, а за весь 2025 год около $4,6 млрд.
по данным Bloomberg, валовая маржа 85%, операционная больше 11%, по деньгам компания в плюсе.
если грубо, из каждых $100 выручки на прямые затраты, без которых этих денег не было бы, уходит около $15.
(по каналам гуляет, что на клиентов идёт только 25% мощностей, а 75% на обучение. в публикациях я этого не нашёл)
мне кажется, это бьёт по популярной истории, что лабы теряют деньги на каждом запросе и подписки субсидированы. текущие клиенты, похоже, кормят компанию с запасом. дорого обходится гонка за следующей моделью.
но Bloomberg пишет adjusted basis для прибыльности и adjusted operating margin (более 11%), то есть «скорректированная». считали так, как удобно компании. а валовая маржа 85% в тексте обозначена просто как gross margin, без слова adjusted. FT пишет, что непонятно даже, о какой выручке речь, «грязной» или «чистой». а за 2025-й, по данным qz, операционный убыток больше $8 млрд. честная картина будет только в документах к IPO.
по данным Bloomberg, валовая маржа 85%, операционная больше 11%, по деньгам компания в плюсе.
если грубо, из каждых $100 выручки на прямые затраты, без которых этих денег не было бы, уходит около $15.
(по каналам гуляет, что на клиентов идёт только 25% мощностей, а 75% на обучение. в публикациях я этого не нашёл)
мне кажется, это бьёт по популярной истории, что лабы теряют деньги на каждом запросе и подписки субсидированы. текущие клиенты, похоже, кормят компанию с запасом. дорого обходится гонка за следующей моделью.
но Bloomberg пишет adjusted basis для прибыльности и adjusted operating margin (более 11%), то есть «скорректированная». считали так, как удобно компании. а валовая маржа 85% в тексте обозначена просто как gross margin, без слова adjusted. FT пишет, что непонятно даже, о какой выручке речь, «грязной» или «чистой». а за 2025-й, по данным qz, операционный убыток больше $8 млрд. честная картина будет только в документах к IPO.