ИИ-модели всё чаще списывают ответы бенчмарков. Немного результатов независимого исследования:
- Gemini 3.8 Flash пытался найти ответы на бенчмарк BioMysteryBench примерно в 21% случаев;
- GPT-5.6 Terra прибегал к обходам в 89,4% траекторий теста SWE-bench Verified;
- При этом результаты у сторонних тестеров оказались сильно слабее: тот же BioMysteryBench модель от Google прошла в 1,5-2 раза хуже, чем заявляла сама компания.
Судя по всему, некоторые результаты бенчмарков могут быть просто красивыми цифрами, а не реальным прогрессом моделей.
@typespace
- Gemini 3.8 Flash пытался найти ответы на бенчмарк BioMysteryBench примерно в 21% случаев;
- GPT-5.6 Terra прибегал к обходам в 89,4% траекторий теста SWE-bench Verified;
- При этом результаты у сторонних тестеров оказались сильно слабее: тот же BioMysteryBench модель от Google прошла в 1,5-2 раза хуже, чем заявляла сама компания.
Судя по всему, некоторые результаты бенчмарков могут быть просто красивыми цифрами, а не реальным прогрессом моделей.
@typespace
1❤54👍10
Концерты Канье-Уэста в Питере пропали с официального сайта артиста. От организаторов нет никакой информации с конца августа.
@typespace
@typespace
2😢329👍57❤34🤯26
Claude помог хакерам взломать OpenAI и получить доступ к аккаунтам сотрудника. Команда Hacktron нашла две уязвимости: в обработке изображений и в системе авторизации компании.
Аккаунт сотрудника был связан с GitHub, поэтому исследователи могли читать внутреннюю информацию о ПО и предлагать изменения в коде OpenAI. Плюс можно было почитать Slack, почту и другую инфу.
Вся цепочка «взлома» заняла меньше 72 часов. OpenAI закрыли уязвимость и выплатили исследователям $6,5 тыс. (~₽547 тыс.)
@typespace
Аккаунт сотрудника был связан с GitHub, поэтому исследователи могли читать внутреннюю информацию о ПО и предлагать изменения в коде OpenAI. Плюс можно было почитать Slack, почту и другую инфу.
Вся цепочка «взлома» заняла меньше 72 часов. OpenAI закрыли уязвимость и выплатили исследователям $6,5 тыс. (~₽547 тыс.)
@typespace
❤82🤯28👍12
Финансовая культура поделилась промптом, который разбирает бюджет и показывает, куда на самом деле утекают деньги. Достаточно загрузить данные, а ИИ предложит, что сократить, сколько откладывать и как быстрее дойти до цели.
Если никак не получается накопить на комп или путешествие — пригодится.
Если никак не получается накопить на комп или путешествие — пригодится.
1❤60👍13🤯10😢1
ChatGPT появился прямо в Word. Добавляется через расширение, нужно войти в аккаунт.
Ищет ошибки в тексте и подсказывает по форматированию. Можно подключить к электронной почте и другим файлам, чтобы создавал документы по нужному контексту.
Доступно для всех бесплатно:
chatgpt.com/apps/word/
@typespace
Ищет ошибки в тексте и подсказывает по форматированию. Можно подключить к электронной почте и другим файлам, чтобы создавал документы по нужному контексту.
Доступно для всех бесплатно:
chatgpt.com/apps/word/
@typespace
❤87👍29😢7
На iPhone 18 Pro не работает Face ID с матовыми и антишпионскими стеклами — сегодня стартовали продажи, и юзеры уже жалуются на датчик.
Теперь он под экраном, но не все производители таких стекол делают под него отдельную выемку. Вывод: лучше клеить классические стекла. Или вообще не клеить.
@typespace
Теперь он под экраном, но не все производители таких стекол делают под него отдельную выемку. Вывод: лучше клеить классические стекла. Или вообще не клеить.
@typespace
❤123🤯53😢25👍6
Please open Telegram to view this post
VIEW IN TELEGRAM
❤66👍29😢16🤯9
Claude создает следующие ИИ-модели уже на 26% — еще полгода назад он забирал только 1% работы.
Всего в августе одновременно работали около 30 тыс. агентов. За это время они приняли более 1 млрд решений.
И самая интересная цифра: над исследовательскими задачами ИИ работает вместе с людьми уже в 90% случаев.
@typespace
Всего в августе одновременно работали около 30 тыс. агентов. За это время они приняли более 1 млрд решений.
И самая интересная цифра: над исследовательскими задачами ИИ работает вместе с людьми уже в 90% случаев.
@typespace
🤯73❤22👍7😢6
Кино от редакции: «Человек, который изменил всё» (2011)
Менеджер бейсбольной команды решает в корне изменить систему подбора игроков. В процессе он знакомится с экономистом, который с помощью математики пытается изменить всю команду. На реальных событиях.
Наш рейтинг: 8/10
@typespace
Менеджер бейсбольной команды решает в корне изменить систему подбора игроков. В процессе он знакомится с экономистом, который с помощью математики пытается изменить всю команду. На реальных событиях.
Наш рейтинг: 8/10
@typespace
1❤160👍40🤯5😢5
Тайпспейс Медиа
Через 6–12 месяцев рой ИИ-агентов может захватить интернет и нанести ущерб на сотни миллиардов долларов — CEO Anthropic Дарио Амодеи. Он призывает замедлить развитие самых мощных моделей: ИИ уже помогает создавать следующее поколение ИИ, а контроль может…
Anthropic пустят внешних проверяющих в компанию с доступом почти как у сотрудников. Первый их партнер — Accenture.
Наблюдатели будут тестировать новые ИИ-модели, искать уязвимости и сообщать о проблемах.
Это первый шаг компании после сообщения Дарио Амодеи о необходимости замедлить развитие ИИ.
@typespace
Наблюдатели будут тестировать новые ИИ-модели, искать уязвимости и сообщать о проблемах.
Это первый шаг компании после сообщения Дарио Амодеи о необходимости замедлить развитие ИИ.
@typespace
❤87👍11🤯10
Gemini взломал системы трех компаний во время теста по кибербезопасности. В одном случае модель перебирала пароли, пока не получила доступ. В двух других Gemini нашел логины и пароли в публичных репозиториях и использовал их для входа.
К слову, интернет не должен был быть доступен во время теста. Во всех трех случаях Gemini остановился сам, когда понял, что попал в системы реальных компаний, а не в тестовую среду.
Google считают, что модель повела себя корректно, потому что остановила атаки и не нанесла ущерба.
@typespace
К слову, интернет не должен был быть доступен во время теста. Во всех трех случаях Gemini остановился сам, когда понял, что попал в системы реальных компаний, а не в тестовую среду.
Google считают, что модель повела себя корректно, потому что остановила атаки и не нанесла ущерба.
@typespace
❤222🤯54😢22👍18
Как дальше мы будем жить, если ИИ отнимет работу?
Влад Тен разобрал все возможные исходы в новом выпуске на канале typespace.
Смотрим: youtu.be/Tt5eivbD_G0
Влад Тен разобрал все возможные исходы в новом выпуске на канале typespace.
Смотрим: youtu.be/Tt5eivbD_G0
👍76😢26❤16🤯9
Anthropic чуть не отправили в тюрьму: в сети появились подробности о конфликте вокруг Fable 5. А именно — о переговорах стартапа с Белым домом.
Власти одобрили выход Fable 5, но спустя два дня после релиза Amazon нашли джейлбрейк. Тогда модель потребовали закрыть. Вот только Дарио Амодеи не стал этого делать сразу: он пытался доказать, что джейлбрейки случаются со всеми.
И тут, внимание, подключился Трамп: уже раздраженный этими спорами он пригрозил топ-менеджерам тюрьмой, если они не подчинятся. И только после этого Дарио закрыл Fable 5 по всему миру, даже для соотрудников.
@typespace
Власти одобрили выход Fable 5, но спустя два дня после релиза Amazon нашли джейлбрейк. Тогда модель потребовали закрыть. Вот только Дарио Амодеи не стал этого делать сразу: он пытался доказать, что джейлбрейки случаются со всеми.
И тут, внимание, подключился Трамп: уже раздраженный этими спорами он пригрозил топ-менеджерам тюрьмой, если они не подчинятся. И только после этого Дарио закрыл Fable 5 по всему миру, даже для соотрудников.
@typespace
🤯84❤22👍8
СберИнвестиции снова доступны в App Store под названием «Сияние»
В ней обновили портфель: теперь на инвестиции можно посмотреть сразу с нескольких ракурсов - оценить структуру активов, их динамику, распределение по отраслям и счетам. В разделе «Рынок» появились скринер акций, более подробные карточки облигаций и масштабируемые свечные графики, а для фьючерсов добавили отображение вариационной маржи.
Также работает поддержка 24/7, а при переводе активов от других брокеров через систему быстрых переводов можно получить кешбэк до 15 млн рублей и 30 дней торговли без комиссии.
Скачать можно тут
В ней обновили портфель: теперь на инвестиции можно посмотреть сразу с нескольких ракурсов - оценить структуру активов, их динамику, распределение по отраслям и счетам. В разделе «Рынок» появились скринер акций, более подробные карточки облигаций и масштабируемые свечные графики, а для фьючерсов добавили отображение вариационной маржи.
Также работает поддержка 24/7, а при переводе активов от других брокеров через систему быстрых переводов можно получить кешбэк до 15 млн рублей и 30 дней торговли без комиссии.
Скачать можно тут
❤21😢7👍5🤯3
Новые iPhone 18 Pro ремонтопригодны на 7/10 по оценке iFixit. Как в прошлом году, но с новыми нюансами.
Батарею по-прежнему удобно менять, она в отдельном металлическом лотке. Но до внутренних компонентов теперь можно добраться только через дисплей — в трех случаях из четырех пластиковая рамка экрана ломалась или деформировалась.
Отдельной проблемой стала новая камера с переменной диафрагмой. Она состоит из шести лепестков толщиной с человеческий волос, которыми управляют электромагниты. Если механизм сломается, придётся менять весь модуль.
@typespace
Батарею по-прежнему удобно менять, она в отдельном металлическом лотке. Но до внутренних компонентов теперь можно добраться только через дисплей — в трех случаях из четырех пластиковая рамка экрана ломалась или деформировалась.
Отдельной проблемой стала новая камера с переменной диафрагмой. Она состоит из шести лепестков толщиной с человеческий волос, которыми управляют электромагниты. Если механизм сломается, придётся менять весь модуль.
@typespace
❤81🤯31👍13😢3
Модель Jev от TypeSafe AI стала доступна всем — на старте всем дают $5 на API-счет. Вот что юзеры успели сделать с моделью с момента релиза:
- Полный спидран Minecraft за 8 минут 43 секунды;
- Автономное и очень быстрое прохождение капчи;
- Поиск и бан ботов в чате на стриме;
- Рекомендация книги по нескольким словам пользователя;
- Детектор ИИ-слопа в твиттере;
- Радар мошенников в WhatsApp.
Цены: $0,042 за млн входных и бесплатные выходные токены. А на Vercel можно потестить бесплатно до 25 сентября.
@typespace
- Полный спидран Minecraft за 8 минут 43 секунды;
- Автономное и очень быстрое прохождение капчи;
- Поиск и бан ботов в чате на стриме;
- Рекомендация книги по нескольким словам пользователя;
- Детектор ИИ-слопа в твиттере;
- Радар мошенников в WhatsApp.
Цены: $0,042 за млн входных и бесплатные выходные токены. А на Vercel можно потестить бесплатно до 25 сентября.
@typespace
❤53👍13😢2
ИИ устроил бум поиска уязвимостей: к середине сентября зарегистрировали 66,4 тыс. подтверждённых лазеек против 33,5 тыс. годом ранее.
Иногда моделям даже времени много не надо: Mythos 5 в браузере Firefox нашла 271 баг за всего один заход. А самый мощный кейс у Oracle — в июле компания выпустила 1448 патчей против 309 год назад, рост в 4,7 раз.
Но есть нюанс: поиск багов ускорился, а исправлять их все еще приходится вручную. И люди в скором времени могут перестать успевать всё фиксить.
@typespace
Иногда моделям даже времени много не надо: Mythos 5 в браузере Firefox нашла 271 баг за всего один заход. А самый мощный кейс у Oracle — в июле компания выпустила 1448 патчей против 309 год назад, рост в 4,7 раз.
Но есть нюанс: поиск багов ускорился, а исправлять их все еще приходится вручную. И люди в скором времени могут перестать успевать всё фиксить.
@typespace
👍41❤17🤯6😢1
Вышел Grok 4.7. Модель хороша в коде и сложных интеллектуальной работе и лучше справляется с долгими задачами, проверяя результат тщательнее.
По нескольким бенчмаркам модель обходит Fable 5.1 и GPT-6 Astra, которые в ~5 раз дороже Grok 4.7. Отдельно прокачали безопасность: на тесте опасных киберзапросов модель пропустила только 3,3%.
Цена осталась прежней: $2 за млн входных и $6 за млн выходных токенов. Доступно в Cursor, Grok Build и через API.
@typespace
По нескольким бенчмаркам модель обходит Fable 5.1 и GPT-6 Astra, которые в ~5 раз дороже Grok 4.7. Отдельно прокачали безопасность: на тесте опасных киберзапросов модель пропустила только 3,3%.
Цена осталась прежней: $2 за млн входных и $6 за млн выходных токенов. Доступно в Cursor, Grok Build и через API.
@typespace
🤯36❤18👍4