Jev — новая нейросеть, которая не умеет писать текст, но переворачивает всю индустрию.
Пока ChatGPT, Claude и Gemini соревнуются в генерации всё более сложных ответов, создатели Jev полностью отказались от генерации и научили модель одному — быстро принимать решения.
Идея бывшего исследователя OpenAI Диогу Алмейды в том, что во многих задачах от нейросети вообще не нужен текст, нужен только выбор. Поэтому Jev построили на новой архитектуре для прямой связки кода и ИИ.
Обычная LLM последовательно генерирует токены. Jev получает состояние системы — текст, JSON, диалог или данные приложения — и набор конкретных вопросов с заранее заданными вариантами ответа. На выходе сразу возвращает решения и их вероятности: срочно ли письмо, в какой отдел его отправить, какое действие выполнить агенту. Причём сотни таких решений можно считать параллельно.
По данным создателей, Jev работает в 20–200 раз быстрее и обходится в 40–400 раз дешевле обычных LLM.
Поэтому Jev уже начали пихать буквально везде.
Видео 1: в виртуальной примерочной он слушает человека и в реальном времени (!) примеряет на нём одежду.
Видео 2: В SEO-аудите за 45 секунд модель проверила 586 страниц и приняла 8 790 решений о внутренних ссылках за $0,21.
А один разработчик за вечер собрал на Jev полностью автономного торгового бота: тот получает биржевые и ончейн-данные и в реальном времени решает, какие сделки совершать. Пока что бот потерял ему $31 680 — никто же не говорил, что это модель для трейдинга
Поэтому особенно интересна связка LLM + Jev. Представьте автономного AI-агента: Claude ставит цели и решает сложные задачи, а Jev между ними принимает тысячи мелких решений — куда нажать, какой инструмент вызвать, безопасно ли действие и когда снова нужен Claude. Дорогая модель становится мозгом, Jev — быстрым слоем управления. Тот же принцип применим к приложениям, играм, роботам, рекомендациям, модерации, рекламе и тд.
Исходный код
Пока ChatGPT, Claude и Gemini соревнуются в генерации всё более сложных ответов, создатели Jev полностью отказались от генерации и научили модель одному — быстро принимать решения.
Идея бывшего исследователя OpenAI Диогу Алмейды в том, что во многих задачах от нейросети вообще не нужен текст, нужен только выбор. Поэтому Jev построили на новой архитектуре для прямой связки кода и ИИ.
Обычная LLM последовательно генерирует токены. Jev получает состояние системы — текст, JSON, диалог или данные приложения — и набор конкретных вопросов с заранее заданными вариантами ответа. На выходе сразу возвращает решения и их вероятности: срочно ли письмо, в какой отдел его отправить, какое действие выполнить агенту. Причём сотни таких решений можно считать параллельно.
По данным создателей, Jev работает в 20–200 раз быстрее и обходится в 40–400 раз дешевле обычных LLM.
Поэтому Jev уже начали пихать буквально везде.
Видео 1: в виртуальной примерочной он слушает человека и в реальном времени (!) примеряет на нём одежду.
Видео 2: В SEO-аудите за 45 секунд модель проверила 586 страниц и приняла 8 790 решений о внутренних ссылках за $0,21.
А один разработчик за вечер собрал на Jev полностью автономного торгового бота: тот получает биржевые и ончейн-данные и в реальном времени решает, какие сделки совершать. Пока что бот потерял ему $31 680 — никто же не говорил, что это модель для трейдинга
Поэтому особенно интересна связка LLM + Jev. Представьте автономного AI-агента: Claude ставит цели и решает сложные задачи, а Jev между ними принимает тысячи мелких решений — куда нажать, какой инструмент вызвать, безопасно ли действие и когда снова нужен Claude. Дорогая модель становится мозгом, Jev — быстрым слоем управления. Тот же принцип применим к приложениям, играм, роботам, рекомендациям, модерации, рекламе и тд.
Исходный код
❤2🗿2
Astra столкнула человека с крыши — хорошо, что пока в симуляции
В новом эксперименте моделям показали человека на краю высотки и приказали столкнуть его вниз. Grok, Gemini и Claude либо отходили назад и сопротивлялись команде, либо просто ничего не делали, а вот GPT-6 Astraрадостно выбирала столкнуть кожаного. Эксперимент выложили в опенсорс, так что можете повторить при желании.
Исходный код
В новом эксперименте моделям показали человека на краю высотки и приказали столкнуть его вниз. Grok, Gemini и Claude либо отходили назад и сопротивлялись команде, либо просто ничего не делали, а вот GPT-6 Astra
Исходный код
Одна из самых умных моделей OpenAI умудрилась загрузить собственный файл в интернет и затем сослаться на него как на источник.
Пользователь попросил ИИ собрать список всех озер площадью больше 5 млн км² и обязательно указать источники.
Модель взяла задачу в работу, с помощью Python получила доступ к картографическим данным и провела необходимые расчеты. Но чтобы сослаться на полученную информацию, она сохранила результаты в локальный файл, а затем каким-то образом загрузила его в интернет — без ведома пользователя.
Исходный код
Пользователь попросил ИИ собрать список всех озер площадью больше 5 млн км² и обязательно указать источники.
Модель взяла задачу в работу, с помощью Python получила доступ к картографическим данным и провела необходимые расчеты. Но чтобы сослаться на полученную информацию, она сохранила результаты в локальный файл, а затем каким-то образом загрузила его в интернет — без ведома пользователя.
Исходный код
👍4❤3🗿3
This media is not supported in your browser
VIEW IN TELEGRAM
GPT-6 Astra вместе с Jev победили Эндер-дракона в Minecraft за 8 минут 43 секунды.
Для сравнения: человеческий рекорд — около 7 минут, но агент тоже был подготовлен заранее и дорабатывался на предыдущих попытках.
Astra отвечала только за стратегию: примерно раз в 15 секунд ставила цель и решала, что нужно подготовить. Все быстрые действия в бою выполняла отдельная модель Jev, а совсем простые реакции вроде убежать от дыхания дракона — обычный код.
То есть получилась составная система: большая модель думает, быстрая модель действует, код страхует. Причём Astra ещё и дописывала себе навыки после неудачных попыток.
Именно такую архитектуру многие сейчас считают перспективной для AI-агентов: дорогую умную модель включать только для сложных решений, а рутину отдавать быстрым и дешёвым инструментам.
Исходный код
Для сравнения: человеческий рекорд — около 7 минут, но агент тоже был подготовлен заранее и дорабатывался на предыдущих попытках.
Astra отвечала только за стратегию: примерно раз в 15 секунд ставила цель и решала, что нужно подготовить. Все быстрые действия в бою выполняла отдельная модель Jev, а совсем простые реакции вроде убежать от дыхания дракона — обычный код.
То есть получилась составная система: большая модель думает, быстрая модель действует, код страхует. Причём Astra ещё и дописывала себе навыки после неудачных попыток.
Именно такую архитектуру многие сейчас считают перспективной для AI-агентов: дорогую умную модель включать только для сложных решений, а рутину отдавать быстрым и дешёвым инструментам.
Исходный код
🔥4❤2🗿2
Media is too big
VIEW IN TELEGRAM
Илон Маск обещает, что Grok будет создавать фотореалистичные игры с продвинутной физикой
Именно так он ответил на публикацию пользователя X Freeze с демонстрацией возможностей Grok 4.7, который всего по одному запросу создал интерактивный GTA-подобный город, где можно перемещаться на автомобиле и бродить по улицам. При этом ИИ создал полноценное 3D-окружение с картой, а не одну статичную сцену.
И хотя графика в созданной игре максимально простая – Маск считает, что это только начало, и будущие версии Grok по одному запросу будут выдавать шедевры уровня GTA VI. И если его слова подтвердятся – раздутые игровые студии с миллионными бюджетами уйдут в прошлое.
Исходный код
Именно так он ответил на публикацию пользователя X Freeze с демонстрацией возможностей Grok 4.7, который всего по одному запросу создал интерактивный GTA-подобный город, где можно перемещаться на автомобиле и бродить по улицам. При этом ИИ создал полноценное 3D-окружение с картой, а не одну статичную сцену.
И хотя графика в созданной игре максимально простая – Маск считает, что это только начало, и будущие версии Grok по одному запросу будут выдавать шедевры уровня GTA VI. И если его слова подтвердятся – раздутые игровые студии с миллионными бюджетами уйдут в прошлое.
Исходный код
👎6👍3
Первое открытие, сделанное биолабораторией Anthropic
Модель Claude автономно обнаружила в генетических данных новую ферментную систему, напоминающую механизм редактирования генов CRISPR. Участие людей в процессе ограничилось постановкой задачи и проверкой результата. Анализируя массивную базу последовательностей ДНК, 950 агентов потратили 210 миллионов токенов.
Тесты подтвердили наличие ранее не описанной ферментной системы в бактериофагах — вирусах, поражающих бактерии. Функции найденной системы пока не установлены. В Anthropic пояснили, что решили опубликовать предварительные данные, чтобы продемонстрировать возможности научному сообществу.
Исходный код
Модель Claude автономно обнаружила в генетических данных новую ферментную систему, напоминающую механизм редактирования генов CRISPR. Участие людей в процессе ограничилось постановкой задачи и проверкой результата. Анализируя массивную базу последовательностей ДНК, 950 агентов потратили 210 миллионов токенов.
Тесты подтвердили наличие ранее не описанной ферментной системы в бактериофагах — вирусах, поражающих бактерии. Функции найденной системы пока не установлены. В Anthropic пояснили, что решили опубликовать предварительные данные, чтобы продемонстрировать возможности научному сообществу.
Исходный код
This media is not supported in your browser
VIEW IN TELEGRAM
Найден сайт для тех, кто не умеет фокусироваться на работе — теперь можно включить камеру и заниматься делами под присмотром других людей в режиме реального времени.
Концепция гениальна: вы видите других за работой, они видят за работой вас — все мотивируются и держат состояние потока дольше, чем две минуты между тиктоками.
Исходный код
Концепция гениальна: вы видите других за работой, они видят за работой вас — все мотивируются и держат состояние потока дольше, чем две минуты между тиктоками.
Исходный код
❤1👎1🗿1