🌟 GPT-5.4, MacBook на M5 Max и 630 строк, которые автоматизируют ML-ресёрч

Очередной флагман от OpenAI с миллионным контекстом, Claude делает code review, Google обновляет свою быструю малютку, новый MacBook для локального инференса. А что Титов? 🇷🇺

🌟 OpenAI выпустил GPT-5.4 и GPT-5.4 Pro одновременно, что для них нетипично, обычно Pro-версия появляется через пару недель. Это первая модель семейства 5.x, которая объединяет код и интеллектуальные задачи в одном месте. Контекст до 1M токенов, нативный computer use.

Но есть нюансы. Контекст в миллион токенов не означает миллион полезных токенов: на 16-32K точность ~97%, на 256-512K падает до 57%, а на 512K-1M уже 36% (источник). Плюс к этому, в Codex после 272K потребление увеличится вдвое. То есть реальный потолок так и остаётся где-то в районе 256K. В Codex также появился режим /fast, дающий до 1.5x ускорение генерации в обмен на двойное потребление.

🌟 Наконец-то выпустили Codex для Windows с нативным sandbox на уровне ОС (ACL, restricted tokens, выделенные пользователи).

🌟 Anthropic запустил Claude Code Review, мультиагентную систему, где параллельные агенты ищут проблемы, верифицируют находки и ранжируют по серьёзности. И тут же в треде Anthropic написали, что одно ревью стоит примерно $15-25. OpenAI моментально подхватил. А следом и Cognition добавила.

🌟 Google выкатил Gemini 3.1 Flash-Lite. Регулируемый thinking level, где ты сам выбираешь баланс между интеллектом и скоростью. Заявлено больше 360 tok/sec и миллионный контекст. Да, стало дороже по сравнению с предшественником Gemini 2.5 Flash-Lite: $0.25/$1.50 за миллион токенов. Я с удовольствием переключил на новую модель свой суммаризатор и переводчик.

🌟 Андрей Карпаты выложил autoresearch, репозиторий на ~630 строк. AI-агент в цикле сам меняет параметры, запускает эксперимент, смотрит на результат и пробует снова, без участия человека. За ~700 таких итераций агент нашёл 20 улучшений, которые сократили время обучения GPT-2 на 11%. Ещё в декабре 2025-го Yi Tay ввёл в оборот термин vibe training для подобного подхода: ты не смотришь, что агент меняет, просто проверяешь метрики.

🌟 Про модели Qwen 3.5 я рассказывал на прошлой неделе, 9B всё ещё трудится на моей машинке. Но на этой неделе важнее другое: команду покинул технический лидер, а за ним ещё несколько ключевых людей, включая Hui Binyuan (lead Qwen Code), который ушёл в Meta. На замену Alibaba наняла Zhou Hao из Google DeepMind. CEO Alibaba Cloud пообещал продолжить open source стратегию, но когда уходят люди, обещания стоят дешевле кода.

🌟 Apple представила новые MacBook на M5 Pro и M5 Max. M5 Pro: до 64GB единой памяти, 307GB/s пропускной способности памяти. M5 Max: до 128GB, 614GB/s. SSD до 14.5GB/s (вдвое быстрее M4). Главная цифра для нас: обработка промптов LLM до 4x быстрее M4. Для тех, кто гоняет модели локально, это самое значимое обновление года.

🌟 Релиз, который зацепил реакцией сообщества: Microsoft Copilot Cowork. В релизе на сайте написано: "Тесно сотрудничая с Anthropic, мы интегрировали технологию Claude Cowork в Microsoft 365 Copilot". Так вы же вроде с OpenAI в десна целовались? В треде с анонсом сразу видно, как пользователи относятся к Copilot.

🌟 Арифметика на закуску. На странице Codex видно 5-часовые лимиты GPT-5.4: Pro за $200 даёт 223–1120 сообщений, Plus за $20 — 33–168. Семь аккаунтов Plus за $140 дают 231–1176. Если пользуетесь Codex, можно сэкономить $60. Вот ссылка как это реализовать. Думайте.

Расширенную версию поста ищите на сайте.

Если зашел контент, не забывайте на него реагировать. Подписывайтесь на канал, делитесь статьей с друзьями и оставайтесь любопытными.

#галлюцинации_недели

🌟 Nemotron 3 Super, DLSS 5 и агент, который заменит вашего маркетолога

У Anthropic новая малышка на миллион. Codex учится делегировать задачи субагентам, Hermes запоминает пользователей, а MCP опять хоронят. Штош..

🌟 В Opus 4.6 стало доступно контекстное окно 1M токенов для пользователей Max, Team и Enterprise. Убрали доплату за длинный контекст через API, подняли лимит до 600 изображений и PDF-страниц за запрос. Главная цифра: 78.3% на MRCR v2, лучший результат среди всех моделей на длинном контексте. Формально миллион нам доступен больше года в Gemini, и OpenAI сделали то же для GPT-5.4, но бенчмарки показывают, что модели заметно деградируют после 256K. Поэтому 78.3% важнее самой цифры "1M".

🌟 До 28 марта у Anthropic промо с удвоенными лимитами в нерабочие часы. Работает на Free, Pro, Max и Team, распространяется на Claude, Cowork, Claude Code. Активируется автоматически. Проверить текущий статус в вашей таймзоне можно здесь.

🌟 Дженсен Хуанг на GTC выдал главный тезис года: центр тяжести сместился с обучения на инференс. "Inference inflection point" звучало из каждого второго твита после доклада.

🌟 DGX Station, настольный AI-суперкомпьютер на GB300 Grace Blackwell Ultra. 748 ГБ когерентной памяти, до 20 петафлопс. NVIDIA говорит, что на нём можно запускать модели до триллиона параметров без облака. Весной начнут продавать.

🌟 DLSS 5 Хуанг назвал "GPT-моментом для графики". Модель понимает семантику сцены и генерирует визуально точный результат в реальном времени до 4K. На демо использовали две RTX 5090, одну для игры, вторую под DLSS 5. К осени обещают оптимизировать под одну GPU.

🌟 NVIDIA выпустила Nemotron 3 Super: 120B параметров, ~12B активных, гибридная архитектура Mamba-Transformer, контекст на миллион токенов. Главное: опубликовали не только веса, но и рецепт обучения, данные и детали инфраструктуры. Экосистемная поддержка в день запуска: vLLM, llama.cpp, Ollama, Unsloth.

🌟 Moonshot (создатели Kimi) представили Attention Residuals: вместо фиксированного residual connection модель учится динамически взвешивать информацию из всех предыдущих слоёв. 1.25x вычислительное преимущество, менее 2% оверхеда на инференсе.

🌟 Codex добавил субагентов: дочерние агенты для параллельных задач внутри одной сессии.

🌟 MCP опять хоронят, но судя по графику использование растёт. Хайп прошёл, люди разбираются, где MCP реально нужен, а где проще написать скрипт.

🌟 Сингапурский стартап Okara запустил AI CMO: вводишь URL сайта, и система разворачивает команду субагентов для SEO, контента, Reddit, HN, X. Стоит $99/мес. Твит с анонсом собрал 5.3 миллиона просмотров за 4 часа.

🌟 Кстати, про контекстную гигиену. Даже с малышкой на миллион не забывайте фильтровать то, что в неё грузите. А если на этой неделе есть время попробовать только одну вещь, засядьте на все выходные с Claude Code, пока промо действует.

Расширенную версию поста ищите на сайте.

Если зашел контент, не забывайте на него реагировать. Подписывайтесь на канал, делитесь статьей с друзьями и оставайтесь любопытными.

#галлюцинации_недели

🌟 Composer 2, Unsloth Studio и Claude, который нажимает кнопки за вас

Cursor поймали с Kimi под плащом, OpenAI скупает Python-инфраструктуру, Claude учится жить вне терминала, а Unsloth решил, что файн-тюнинг пора отдавать обычным работягам. Разбираемся со всем этим.

🌟 Cursor выпустил Composer 2 и сразу же влетел в маленький детектив. На бумаге всё выглядело красиво: 61.7% на Terminal-Bench 2.0, $0.50/$2.50 за миллион токенов, дообучение и RL. А потом комьюнити нашло под капотом следы Kimi K2.5 от Moonshot AI. Токенизатор, URL модели в отладке, вот это всё.

Через несколько часов Cursor объяснил, что взял K2.5 как базу, потому что она лучше всех прошла внутренние проверки среди open weight моделей, а основная ценность уже в их собственном дообучении и RL. Moonshot AI это подтвердила. По сути, мы получили первый громкий кейс, когда большой продукт берёт китайскую open weight модель, доучивает и продаёт как свою. Получается, у китайцев получилось?

🌟 OpenAI тем временем купил Astral, команду-разработчика uv, ruff и ty. Если пишете на Python, вы почти наверняка уже живёте на их инструментах. Google раньше забрал Antigravity, Anthropic купил Bun, теперь и OpenAI подтягивает дев-инфраструктуру к себе. Лаборатории больше не хотят просто продавать модели. Они хотят владеть всем стеком разработчика.

🌟 В тот же день OpenAI выкатил GPT-5.4 Mini и Nano. Mini в 2 раза быстрее GPT-5 mini, с контекстом 400k и ценой $0.75/$4.50 за миллион токенов. Это дешёвая рабочая лошадка для фоновых задач и субагентов. На BullshitBench новые малышки, правда, выступили так себе. Но хотя бы без сказок про универсального убийцу всего живого.

🌟 Claude получил computer use на macOS в research preview. То есть теперь он реально может нажимать кнопки, двигать мышь, открывать приложения и бродить по браузеру через Cowork и Claude Code. Можно будет сказать маме, что это не ты скачал те видео. Рядом появились Channels для Telegram и Discord. И вот это уже важнее, агент для кода перестаёт жить только в терминале. Написал ему в чат, он ушёл делать задачу на компьютере и вернулся с результатом. Чуть-чуть Black Mirror, но полезный.

🌟 На фоне гонки гигантов особенно приятно смотрится Unsloth Studio, который вышел как open-source интерфейс для локального запуска и обучения 500+ моделей. Главное обещание простое: файн-тюнинг прямо из UI, без танцев с кучей скриптов. Для тех, кто хотел единое окно для локальных моделей, это один из самых практичных релизов недели.

🌟 А ещё вышла Mamba-3. Не буду грузить архитектурной эзотерикой, но сигнал понятный: индустрия продолжает искать жизнь за пределами чистого трансформера, особенно там, где важны длинный контекст и дешёвый инференс. Можете почитать мою статью, там я рассказываю, в чем прикол с этими трансформерами.

🌟 Но мой любимый момент недели всё равно не модель, а Instant Grep от Cursor. Они показали regex-поиск по миллионам файлов за 13 миллисекунд вместо 16.8 секунд на ripgrep. Если цифры не маркетинговая магия, это меняет сам способ работы агента с кодовой базой.

🌟 Уважаемый, ripgrep, мы тебя всё ещё любим. Но 16.8 секунд против 13 миллисекунд это уже разрыв, после которого начинаешь смотреть на старые инструменты с лёгкой ревностью. Может, не всё будущее за новыми моделями. Может, часть будущего за теми, кто просто делает агентам нормальные руки.

Расширенную версию поста ищите на сайте.

Если зашел контент, не забывайте на него реагировать. Подписывайтесь на канал, делитесь статьей с друзьями и оставайтесь любопытными.

#галлюцинации_недели

🌟 Claude Capybara, GigaChat-3.1, кража ключей через LiteLLM и CLI для всего на свете

Anthropic утекает в обе стороны: Capybara наружу, а пользователи Claude Code в сторону конкурентов. Stripe тем временем делает CLI, Intel делает дешёвые GPU, а Sora делает вид, что её не было.

🌟 У Anthropic неделя вышла контрастной. Fortune сообщил об утечке нового тира Capybara, который якобы стоит выше Opus 4.6 в иерархии моделей. По слитым данным, Capybara показывает лучшие результаты в кодинге, академическом reasoning и кибербезопасности.

На фоне этих амбиций пользователи Claude Code устроили маленький бунт. С 23 марта люди на Max-планах начали сжигать 80-100% лимитов за минуты. Один человек написал, что "hey" обошлось в 22% usage. Я сам на Max-плане и заметил скачок расхода. Anthropic 26 марта признал: "мы корректируем 5-часовые лимиты в часы пик". Мда, остается только плакать.

🌟 Figma открыл бету своего MCP-сервера, и это первый убедительный пример tool-calling как продуктовой фичи. Агенты могут редактировать дизайн прямо на канвасе. Cursor подключился моментально: генерация компонентов по дизайн-системе команды, прямо из IDE в Figma.

🌟 Stripe запустил Projects.dev: пишешь stripe projects add posthog/analytics, и тебе создаётся аккаунт, API-ключ, биллинг. В тот же день вышли CLI от Ramp, Sendblue, ElevenLabs, Visa, Resend и Google Workspace. CLI возвращается, на этот раз для агентов.

🌟 LiteLLM версий 1.82.7 и 1.82.8 на PyPI оказались скомпрометированы. Вредоносный код спрятан в .pth-файле, который Python выполняет автоматически при запуске. Никакого import litellm не нужно. Пейлоад собирает SSH-ключи, AWS/GCP/Azure-креды, крипто-кошельки и shell-историю. Баг в самом вредоносном коде (fork bomb) уронил машину и тем самым привлёк внимание. Все, кто обновился 24 марта, должны ротировать креды.

🌟 AI Sage выложил GigaChat-3.1 на HuggingFace: Ultra на 702B (MoE) и Lightning на 10B. Меня смутило, что GigaChat-3.1 в бенчмарках сравнивают с прошлогодними моделями (Qwen3, gemma-3, DeepSeek V3).

🌟 Google выкатил Gemini 3.1 Flash Live, модель для голосовых и визуальных агентов в реальном времени. 70 языков, 128k контекст. Mistral выпустил Voxtral TTS (3B параметров, 9 языков, ~90мс first audio).

🌟 OpenAI закрывает Sora. Продукт был финансово несостоятельным, креаторы давно ушли на Runway и Kling. Sora просуществовала меньше года. Disney вложил $1B, и это не помогло.

🌟 Intel выпустил Arc Pro B70: 32GB GDDR6, $949. По цене за гигабайт VRAM это сейчас одно из лучших предложений для локального инференса. Я бы присмотрелся, если в РФ их привезут.

🌟 Если .pth-файл исполняется при каждом запуске Python, а ваш агент запускает его по 50 раз в час, сколько раз за день ваши креды улетят на чужой сервер? Правильный ответ: достаточно одного.

Расширенную версию поста ищите на сайте.

Если зашел контент, не забывайте на него реагировать. Подписывайтесь на канал, делитесь статьей с друзьями и оставайтесь любопытными.

#галлюцинации_недели