Свежая обложка The Economist подъехала

Журналисты: да мы вообще не сгущаем краски
Те же журналисты:

👉 About Python

OpenAI метит в подписку за 500 баксов

Что там в описании тарифа? Пока что от ChatGPT Pro он отличается ровно одной строчкой — «Самая быстрая работа в Work и Codex».

Похоже, речь про ту самую Astra/Sol на Cerebras. Ну что, миллионеры, вы тут?

👉 About Python

Стикмену теперь под силу снести любой сайт. Чувак под это навайбкодил целую игруху: грузишь страничку, хватаешь оружие — и разбираешь её по кускам прямо в браузере. В арсенале найдётся и огнемёт, и реактивный ранец.

Публика, ясное дело, заценила: ролик собрал уже 2,7 млн просмотров и 45 тысяч лайков.

Развлекайся: destroy.spritefusion.com

👉 About Python

Дженсен Хуанг выкатил NVIDIA Open Agent Safety Platform — и притащил с собой 100+ партнеров

Задача у штуки простая: держать ИИ-агентов под контролем и не давать им разгуляться. Ключевая мысль — пасти агента надо не только в софте, но и на уровне железа. Внутри две детали. OpenShell — открытый рантайм под Apache 2.0, который гоняет агента в песочнице с изоляцией на уровне ядра: оператор заранее расписывает, к каким файлам, тулзам и кредам у агента есть доступ, и эту политику жёстко проверяют и перед стартом, и пока агент пашет. Sentry — отдельный слой надзора, крутится прямо на чипе DPU BlueField-4: сводит действия агента в одну картину, ловит попытки съехать с задачи и следит, чтобы прав у него не было больше, чем выдали.

Самое сочное — BlueField-4 висит на единственной дороге между узлом и моделью. Агент не шагнёт дальше без обращения к модели, а раз так, DPU видит всё и может обрубить работу в реальном времени. При этом он изолирован от хоста, так что агенту до него не дотянуться.

Софт будет открытым, стандарт безопасности заявлен общим. Но глаже всего это катается на железе NVIDIA: сперва Хуанг продаёт железо, на котором агентов учат и запускают, теперь — железо, которое следит, чтобы те не сбежали. В партнёрах: Anthropic, SpaceX, HuggingFace, Perplexity и другие. OpenAI на движ не позвали.

Подробности: developer.nvidia.com

👉 About Python

Google закинули AI-агента в 20+ чатов живых команд. На 5 месяцев. Вышло забавно.

Агенту дали доступ к докам и баг-трекеру — как обычному сотруднику. Он сам заводил баги, писал людям в личку, ставил эмодзи, тегал коллег. Звучит норм, но главная засада вылезла не в этом: ИИ не сработался с людьми. Одного инженера он всерьёз отчитал за шутки — сарказма не понял. В другой команде повесил тег на вице-президента в 16 багах подряд: раз человек в контексте, пусть разгребает трекер. Короче, ужиться с агентом сложнее, чем кажется.

Некоторые команды завели отдельные приватные чаты без него: обсудить найм, чувствительные темы или просто ощутить, что тебя не слушают. Один участник сказал, что по ощущениям это очень похоже на «большого брата».

Источник

👉 About Python

🤣 Правильно расставленные приоритеты в моей жизни би лайк:

💥 xCode Journal

😅 Айтишник отправил в одну компанию три одинаковых резюме и только одно дошло до финала

Опыт везде был один и тот же, отличались только формулировки и ключевые слова. Первое резюме сразу ушло в помойку из-за алгоритмов, второе получило отказ после предварительной переписки и тестового, так как «опыт не совсем подходит», а вот третье дошло до финала.

✖️ xCode Journal

Cache Control в Claude Code

Советую поставить Cache Control в Claude Code. Причём настойчиво. Похоже, это ровно тот мод, который выжимает максимум по токенам и даёт сессиям жить заметно дольше.

Что он делает: рисует отдельную полоску под 5-минутный кэш Claude и шлёт уведомления — чтобы кэш не остывал.

Установка одной командой:
npx claude-code-templates@latest --mod observability/prompt-cache-control

👉 About Python

Джеффри Хинтон, Йошуа Бенджио и ещё два десятка исследователей выпустили статью про интеллектуальный взрыв

Вышла она в Кембридже, авторов — 22. В списке, например, главный научный сотрудник OpenAI Якуб Пачоцки и сооснователь Anthropic Джек Кларк. Главный вопрос звучит так: что будет, если ИИ начнёт ускорять разработку ИИ так, что годы прогресса ужмутся в месяцы.

Стартуют не с воздуха, а с того, что уже творится в лабах. В Anthropic с начала 2025-го доля кода от моделей подскочила с единиц процентов до более 80%, а автономных R&D-задач у ИИ за полгода стало 26% вместо 1%. Сама логика взрыва простая: модели раздувают исследовательский штат, штат делает модели лучше — и цикл крутится дальше. Компьюта одной лабы хватит на эквивалент миллионов топовых исследователей. Если историческая отдача от исследований сохранится, то после полной автоматизации прогресс ускорится в 10 раз примерно за полтора года. Может и не сбыться — упрётся в компьют, данные или длительность претрейнов. Но риски авторы считают серьёзными.

Адаптироваться общество не успеет, контроль над моделями люди потеряют, а лидер гонки получит слишком жирный перевес. Регуляторам советуют обязать лабы отчитываться о степени автоматизации R&D и пускать внешних аудиторов проверять модели до внутреннего деплоя. Параллельно надо заранее готовить тормоза: лимиты на прирост способностей за период, возможность жать паузу на конкретные нагрузки в датацентрах, международные соглашения с проверкой исполнения. Если взрыв начнётся, считают авторы, решать что-то будет уже поздно.

источник

👉 About Python

Хочешь, чтобы ИИ клепал моды или скрещивал между собой разные игры? Тогда глянь сюда:
rehan-remade/universal-modder

Суть rehan-remade/universal-modder простая: натравливаешь Claude на игру. Скиллы, тулзы и fal MCP дают Claude Code возможность править под себя практически любую PC-игру, что уже валяется у тебя на диске.

В комплекте: recon, реверс-инжиниринг, сгенерённые через fal арт, 3D и звук, прогон тестов прямо в игре и видосы-демки.

👉 About Python

Питон подтормаживает, а ты только догадываешься, где именно? В 3.15 завезли штуку под названием Tachyon (profiling.sampling). Она раз за разом снимает стек вызовов и вычисляет, куда прога сливает время. Крутится отдельным процессом, так что приложению почти не мешает. Можно прицепиться к уже работающему сервису — без рестарта и без правок в коде.

Что она умеет: рисовать flame graphs и тепловые карты по строкам; показывать нагрузку в прямом эфире; разбирать asyncio, ожидание I/O и удержание GIL. Подключение к процессу по PID:

python3.15 -m profiling.sampling attach 12345

В Talk Python разработчики объясняют, как этот профилировщик устроен и как применять его на практике.

👉 About Python