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.

На OpenRouter появилась таинственная модель Ox Alpha, которая превосходит Sol и Fable на кодинге

https://openrouter.ai/stealth/ox-alpha

Никто не знает, кто разработчик, моделька числится как stealth. Что известно:

– Контекст 1М токенов.
– Мультимодальная.
– На подмножестве DeepSWE выбивает 80%, против Fable 65%, и Sol 52%.
– Токенизатор такой же, как у GLM, и на вопросы про Тайвань отвечает идентично.
– Это пятая анонимная модель за месяц, и предыдущие четыре оказывались китайскими.

Есть все основания предполагать, что это моделька Zhipu AI. Многие говорят, что она окажется GLM-5.3 Flash.

И еще: модель пока что бесплатная! Кто-то не пожалел денег на маркетинг. Правда, есть ограничение: суммарно лаба готова отрабатывать на этой модели не более 100Т токенов в день, но этого все равно должно хватить всем и на все.

OpenAI почувствовали, что пахнет жареным, и снизили цены на GPT-5.6 Sol

В течение следующих трех месяцев модель будет более чем на на 20% дешевле.

— Короткий контекст
Input: $5 -> $4
Output: $30 -> $20

— Длинный контекст
Input: $10 -> $8
Output: $45 -> $30

Готовитесь или интересуетесь поступлением в ШАД в 2027 году?

До 24 августа идет набор в текущий поток подготовки ШАД Хелпер.

Программа рассчитана на 11 месяцев и охватывает все темы, необходимые для успешной сдачи экзамена в ШАД: линейная алгебра, матанализ, теория вероятностей, дискретная математика, алгоритмы и анализ данных.

Основная задача курса - не просто пройти теорию, а научиться решать задачи именно в формате вступительных:
- с проверяемыми домашними
- обратной связью
- пробными экзаменами.

Преподают опытные преподаватели с учеными степенями из МГУ и МФТИ.
Уже 120+ учеников поступили в ШАД и ML-магистратуры.

До 24 августа - скидка 30% на первый взнос по промокоду START30

Если не поступите - зачислим на следующий поток бесплатно.

Вы также можете попробовать обучение и если в первые две недели поймёте, что формат вам не подходит - вернём деньги.

→ Посмотреть формат, программу и стоимость курса по ссылке

Реклама, ООО "ШВМ", ИНН 9728100991

Автор uv ускорил запуск Codex CLI в 25 раз

Чарли Марш – основатель и CEO Astral. Это компания, которая разработала uv, Ruff, ty и много других Python тулов.

В марте этого года Astral была куплена OpenAI, и теперь Чарли работает в подразделении Codex.

Так вот, в последнем релизе Codex он переделал запуск командной строки так, что он стал в 25 раз быстрее.

В процесс запуска CLI (то есть когда вы вызываете команду codex) входит загрузка конфигов, аутентификация, установка соединений, подготовка окружения и т.д. Раньше эта цепочка занимала заметное время, а сейчас все происходит буквально мгновенно (попробуйте).

За счет чего конкретно произошел такой скачок – не раскрывается. Известно, что Codex CLI был ранее переписан с TypeScript на Rust, а в нем Чарли настоящий гуру. Он обещает, что «может ускорить это еще больше».

DeepSeek выпустили новую мультимодальную модель для агентов

Встречаем DeepSeek-V4-Flash-Vision-Exp: https://api-docs.deepseek.com/guides/vision/

Это надстройка над V4-Flash специально под мультимодальные агентные сценарии.

Несмотря на «Flash» в названии, модель перформит на таких задачах на уровне Opus 4.8, а иногда и лучше. При этом на тексте способности не просели и остаются на уровне официального DeepSeek-V4-Flash.

Заодно вышел DeepSeek Harness 0.1.1 с готовой поддержкой модели из коробки.

Цены DeepSeek-V4-Flash, до 384 токенов за картинку. Принимает JPEG/PNG/GIF/WebP.