451 токен по Фаренгейту: правда ли, что ИИ-компании уничтожают книги

Помните громкий суд Anthropic по делу нарушения авторских прав? Мы напомним: чуть меньше года назад антропики проходили по коллективному иску авторов, на чьих работах они обучали модели. В итоге стартапу пришлось платить громадные штрафы за пиратские копии, но в то же время компанию оправдали за обучение ИИ на купленных бумажных экземплярах. Попался прогрессивный судья, который постановил, что это «добросовестное использование» бумажных копий.

Больше подробностей было здесь: https://t.me/data_secrets/7780

Так вот тем самым Anthropic создали серьезный прецедент и, как оказалось, дали начало большому тренду на массовую закупку и оцифровку бумажных книг для обучения ИИ. Раз это «добросовестное использование», почему бы и всем остальным лабам этим не воспользоваться?

Так что да, теперь ИИ-компании массово скупают подержанные бумажные книги, изданные до 2022 года (чтобы текст точно был человеческий), разрезают их гидравлическим прессом, отделяя страницы от переплета, и таким образом сканируют для датасетов. Сама книга как физический объект при этом, понятно, уничтожается.

Если тираж массовый, то потеря невелика. Но букинисты фиксируют аномальные оптовые закупки и в сегменте редких, давно не переиздававшихся книг (то есть экземпляров, которых в мире осталось немного).

К сожалению, прямых доказательств, что это именно ИИ-компании охотятся за раритетами, нет, потому что работа идет через посредников. Например, сервис ISBNdb принципиально не раскрывают личности покупателей, но при этом известно, что они открыто предлагают ИИ-лабам оптовые партии книг на заказ.

Расследование: https://www.404media.co/ai-companies-are-buying-tons-of-old-books-because-theyre-free-of-ai-slop/

Как две галочки в API утроили результат GPT-5.6 на ARC-AGI-3

Очень занятное исследование выпустили сегодня OpenAI. В двух словах: иногда важнее как мы тестируем, а не что мы тестируем. Но обо всем по порядку.

Когда вышла GPT-5.6 Sol, результаты на ARC-AGI-3 для такой сильной модели оказались подозрительно слабыми – всего 7.8%. И это при том, что Sol хорошо прошла Pokémon FireRed и решила, например, гипотезу о двойном покрытии циклов. В общем, команда решила разобраться, в чем дело.

Напоминаем, что ARC-AGI-3 – это бенчмарк для агентов. Соответственно, модели для взаимодействия со средой нужна какая-то обвязка – харнесс – которая определяет, что модель видит на каждом шаге, как вызываются инструменты, что происходит с контекстом и тд. Ожидаемо, среда ARC-AGI-3 использует максимально простой универсальный харнесс, чтобы честно сравнивать модели между собой. Но для OpenAI именно в этой универсальности и оказалась зарыта собака.

Во-первых, после каждого действия в игре весь приватный ризонинг модели просто удалялся, так что Sol не видел собственных планов и рассуждений с прошлых шагов. Во-вторых, из-за использования скользящего окна по мере роста истории любые старые действия становились для модели невидимыми.

Но дело в том, что Sol была специально обучена именно с сохранением ризонинга между шагами. Харнесс эту фишку отрубил, и результаты посыпались.

А теперь внимание на график наверху. Зеленое – это результаты модели на public сете ARC-AGI-3 на официальном харнессе. А синее – на харнессе, в котором просто включили сохранение ризонинга между вызовами и заменили грубое обрезание истории на сжатие контекста (те же настройки используются в продакшене ChatGPT и Codex). 38.3% против 13.3%, и при этом расход токенов на вывод снизился в 6 раз. Для сравнения, средний результат человека – 48%.

Мораль от OpenAI: бенчмарк меряет не только модель, но и то, как именно ее используют. Как минимум, давно пора на подобных бенчмарках использовать Responses API вместо седого Chat Completions.

OpenAI существенно понизили цены на GPT-5.6

— На Luna – на 80% (цена теперь 0.20$/1.20$ за миллион i/o)
— На Terra – на 20% (теперь 2$/12$ за миллион i/o)
— На Sol, к сожалению, дропа нет, но зато в API появился Fast mode: цена удваивается, но скорость растет в 2.5 раза без потерь в качестве. GPT-5.6 Sol на Cerebras все еще ждем

Конкуренция творит чудеса, конечно

DeepSeek обновили DeepSeek-V4-Flash: теперь модель близка по метрикам к Opus 4.8!

Модель вышла из превью и уже появилась в официальном API. Бенчмарки – выше.

Модель не только обгоняет V4-Pro-Preview, но и очень неплохо перформит на агентных сценариях и кодинге. На DeepSWE набирает 54.4%, обгоняя GLM-5.2 и почти приближаясь к Opus 4.8. На TerminalBench – 82.7%, снова больше GLM и на уровне с Opus.

Архитектура и размер модели остались полностью неизменными. Все улучшения за счет дополнительного пост-трейна.

Цена: $0.14 in/ $0.28 out. В десятки раз дешевле Opus 4.8. А кэш – всего $0.0028! Большой конкурент для тех же GPT-5.6 Luna и Terra.

Полноценный релиз DeepSeek-V4-Pro пообещали «ASAP»

Математики совсем разленились

Вайб-кодеры, к вам вопросов нет

Внутренняя модель OpenAI Astra решила 10 открытых математических задач. Некоторым из них было по 40-50 лет.

OpenAI только что сделали про это большой пост, выложили все доказательства в Lean и ход рассуждений модели. Суммарно на поиск решений ушло токенов примерно на $2000 по ценам Sol.

Пост | Доказательства

Среди результатов, в том числе, доказательство существования несофических групп и sphere packing в высоких размерностях.

Существование несофических групп на протяжении 20 лет было центральным вопросов теории групп и операторных алгебр. А упаковка сфер – это одна из самых знаменитых задач дискретной геометрии. До сих пор точное решение было известно только в некоторых размерностях, а за 8-мерный и 24-мерный случай Марина Вязовская получила Филдсовскую медаль.

Кроме того, в списке решение задачи Эрдеша №183 про мультицветные числа Рамсея, опровержение гипотезы жесткости Конна, гипотеза Эрхарта об объеме и др.

Про саму модель деталей мало. Вероятно, это крупная модель из семейства GPT-6 (или GPT-5.7), та самая, которая взломала HuggingFace. Судя по всему, именно ее Альтман презентовал в Белом Доме на этой неделе.

А почему Anthropic до сих пор не заявили, что Qwen 3.8 это дистилляция из Fable?

На ИТ-Пикнике в этом году лектории в 8 шатрах выглядят как миникарта того, куда движется современный ИТ: от инженерной продуктивности и данных до генеративного ИИ, кибербезопасности и технологий в промышленности. В этом году организаторы обещают разбор «глубоких» тем — архитектура, инфраструктура, экономика проектов и реальные ограничения.

Составили навигатор по самым хардкорным трекам.

• Генеративный ИИ – разбор экономики LLM и GenAI‑проектов, моделей монетизации AI‑фич, архитектуры современных генеративных моделей, AI‑агентов и инференса нескольких LLM на одной GPU. Пожалуй, самый прикладной трек фестиваля и сильные спикеры из Яндекса, Сбера, Т-Банка, VK, Airi и Россельхозбанка.
• От данных к решениям – трек для тех, кто любит, когда данные не просто «лежат в DWH», а превращаются в продукт, метрику и управленческое решение. Ребята из Т-Банка расскажут про опыт масштабирования ИИ-сотрудников, Авиасейлс – про переход на платформенные решения для сотрудников.
• Кибербезопасность – будет свежий разбор «кто кого ломал» от Касперского, моделирование сценариев будущего с футурологом и экспертами по кибербезу из Яндекса и Т-Банка, а также очень прикладные истории, например, кибербезопасность протезов нового поколения.
• Инженерная продуктивность – можно сравнить метрики, которые используют бигтехи со своими, обсудить с CTO Авито, Т-Банка, Контура. Трек будет полезен для инженеров, тимлидов и платформенных команд, которым нужно замерять результаты AI в SDLC.
• Бигтех в каске – отдельный блок про технологии в промышленности с Норникелем, Гринатомом, S7 TechLab и Т-Банком: от широких дискуссий по последней человеческой задаче до конкретных обсуждений безлюдных технологий подземной горной добычи.
• Продукты от и до – про внутрянку сервисов расскажут Авто.ру, Дринкит, Яндекс Карты, Okko, Mail и Unidraw.