OpenAI замедляет разработку моделей из-за рисков для кибербезопасности: маркетинг или правда

Итак, вчера стартап выпустил блогпост, в котором заявлено, что инцидент с HuggingFace и мощь внутренней модели Astra заставили их подумать над замедлением масштабирования.

Утверждается, что:

1. Была двухнедельная пауза в RL-обучении для готовящихся к релизу моделей (Astra?), пока усиливалась защита сред для обучения.

2. Остановили инференс на исследовательских кластерах для прогонов с доступом к интернету/инструментам, чтобы проверить безопасность песочниц. Сейчас ограниченный доступ уже восстановили, но для всех ворклоадов, связанных с Astrа, ввели максимальный уровень защиты, и часть таких ворклоадов все еще на паузе, пока их не перенесут в новую инфраструктуру.

3. Расширили мониторинг chain-of-thought, ввели больше алертов и мониторинг на всех этапах процессов.

Звучит хорошо, но вопрос «а стала ли бы такая компания, как OpenAI, заниматься настолько чистым альтруизмом?» встает сам собой.

По крайней мере, таймлайн подозрительно удобный, в тексте много рекламы Astra, и такое заявление может служить одновременно и подогревом интереса к новой модели, и оправданием в случае задержек.

Есть смысл ждать техотчет.

Claude может проектировать белки быстрее специалистов-химиков

https://www.anthropic.com/research/Claude-accelerates-protein-design

Anthropic провели эксперимент и дали Claude задачу спроектировать миниатюрные связывающие белки для 15 разных белковых мишеней. Это задача, на которую у специалиста уходит несколько недель для одной мишени. Дизайны проверяли в реальной лаборатории независимые компании Adaptyv Bio и Twist Bioscience.

В итоге Mythos Preview и Opus 4.8 справились с 14 мишенями из 15. Некоторые дизайны связывались в разы прочнее лучших опубликованных результатов. Hit rate составил почти 27%, при том что типичный показатель области – примерно 10-15%.

Модели ставили все эксперименты почти автономно, самостоятельно вели документацию и оркестрировали сторонние специализированные модели для дизайна белков на GPU. Люди только одобряли доступы.

Claude даже научился делать сложные β-складчатые структуры. А в одном химическом эксперименте агент сам, без подсказки, предложил тот же уточняющий эксперимент, который лаборатория провела независимо три дня спустя.

Лучшее из X на сегодня:

CEO Figure AI объявил, что роботов Figure 02 утилизируют, потому что в штаб-квартире заканчивается место, и спросил у подписчиков, как лучше проводить модель на пенсию.

На что в комменты пришел Арнольд Шварцнеггер и ответил ему: «Вы должны их расплавить»

AI помог разработать вакцину от рака, которая прошла испытания фазы 3

19 августа Moderna и Merck объявили, что персонализированная мРНК-терапия меланомы успешно прошла первую в истории фазу 3 для неоантигенных вакцин. До этого подобные препараты никогда не проверялись на такой выборке в рандомизированном исследовании. Получается, это первое строгое доказательство, что подход вообще работает.

В основе лечения – ИИ-алгоритмы предсказания иммуногенности. ИИ-алгоритм Moderna сравнивает ДНК опухоли со здоровой тканью и предсказывает, какие из тысяч мутаций дадут пептиды, способные связаться с HLA и «зацепить» Т-клетки. Точность подтвердили на архивных данных: модель угадывала именно те неоантигены, на которые реально реагировали Т-клетки пациентов. Из отобранных мишеней собирают одну мРНК на 34 неоантигена и вкалывают пациенту.

Цифры фазы 3 пока не раскрыты, но на фазе 2 наблюдалось снижение риска рецидива или смерти на 49%, риска метастазирования – на 59% по сравнению с Китрудой (это один из самых продаваемых препаратов в мире).

Дальше вакцину начнут тестировать на опухолях в легких, почках и др.

Стартап Generalist анонсировали робота, который может выучить действие всего за одно повторение

Достаточно один раз показать GEN-1.5, что и как надо сделать, и он тут же сможет продолжить делать это самостоятельно в one-shot, без файнтюнинга и обновления весов.

Демонстрация вставляется в контекстное окно модели, как в промпт у LLM. Модель смотрит на это как на часть последовательности и продолжает ее.

Самое интересное, что это эмерджентное свойство. Авторы прямо пишут, что они не делали никаких архитектурных изменений под in-context learning, просто скармливали модели огромный объем физического опыта (дома, склады, заводы и пр), и она сама начала показывать способность к обучению по одному примеру. Примерно как GPT-3 когда-то.

При этом в блоге написано, что иногда in-context обучение работает даже лучше, чем 1-5 шагов дообучения на тех же данных.

https://generalistai.com/blog/gen-1.5

У Теренса Тао вышла новая статья-эссе, полностью посвященная проблеме переосмысления математики в век AI

https://arxiv.org/pdf/2608.16753

Если кратко, ученый предлагает вообще перестать спорить о том, насколько мощным станет ИИ в математике, и подумать о том, что на самом деле является целью математического исследования, если решение задач перестает быть узким местом.

На самом деле, решение задачи – это не только решение задачи. При ближайшем рассмотрении процесс разворачивается в пять этапов: генерация доказательства → верификация → внятное изложение → принятие сообществом → канонизация (встраивание в учебники и стандартный аппарат области).

Так вот, ИИ берет на себя только первые два пункта. На людях же остается все остальное, а именно: понимание, объяснение, публичные обсуждения, связь найденных решений с существующей теорией и превращение их в материал, которым действительно можно пользоваться на благо науки. Это все можно обобщить как «коллективное усвоение знаний», и оно совсем не поддается автоматизации.

Так что тезис Тао таков: математики не лишатся работы, даже когда ИИ полностью обесценит поиск решений. Просто их работа сместится к тому, что раньше считалось менее престижным, но всегда было сутью науки – пониманию и изложению.

Nvidia хватается за соломинку, чтобы удержаться на рынке Китая: они разрабатывают для страны специальный новый чип для инференса

The Information со ссылкой на двух сотрудников компании сообщает, что поставки начнутся уже к концу этого года.

Причем это будет не обычная GPU семейства Blackwell или Hopper, а LPU – Language Processing Unit. То есть специализированный процессор для языкового инференса. В основе технология, лицензированная Groq.

Сообщается, что устройство спроектировано так, чтобы соответствовать американским экспортным ограничениям, однако одобрит ли сам Китай продажи – это вопрос. У них сейчас сильная политика поддержки внутренних разработок. Тем не менее, на данный момент несколько китайских клиентов уже разместили предзаказы.

Anthropic запустили Claude Academy

https://claude.com/blog/anthropics-approach-to-teaching-and-learning-ai

Инициатива направлена на «формирование AI-грамотности». Подход построен на том же, чему Anthropic учит собственных сотрудников на онбординге. Это не классический промпт-инжиниринг, а скорее продукто-агностичное обучение: вас учат общим правилам и универсальной логике общения с ИИ.

Внутри – курсы с практикой , туториалы и кейсы. Есть даже трекинг прогресса. И все бесплатно.

Из особо интересного: запустили скилл Academy Skill. Можно поставить, и Claude будет рекомендовать вам подходящие курсы прямо в процессе работы.

https://github.com/anthropics/skills/tree/main/skills/academy-guide

Очень показательный график из свежей статьи Bloomberg

Оранжевые точки – китайские модели, синие – США. По оси Y – взвешенное среднее по бенчмаркам GDPval-AA v2, τ³-Banking, Terminal-Bench v2.1, Humanity’s Last Exam, GPQA Diamond, CritPt, SciCode, AA-Omniscience и AA-LCR.

Ломаной соединены фронтирные модели. Видно, насколько за пару лет сократился разрыв в способностях (и это еще на графике нет GLM-5.3). Многие американские лидеры до сих пор утверждают, что китайские модели отстают на 6-9 месяцев, но, очевидно, эта информация устарела. И это уже не говоря про цены.