Математики проверяют ИИ-доказательство ослабленной гипотезы Римана и всё больше убеждаются в его корректности, сообщает Quanta.
Гипотеза Римана связана с распределением простых чисел. Она утверждает, что все нетривиальные нули дзета-функции лежат на линии Re(s) = 1/2. ИИ предложил доказательство более слабого результата: 1/12 < Re(s) < 11/12.
Аргумент изучают Питер Сарнак, Максим Радзивилл и Александр Данн. Радзивилл уже смог изложить основную идею 49-страничной работы примерно на половине страницы.
Если результат подтвердится, он позволит доказать множество утверждений, которые пока зависят от этой гипотезы. Но проверка деталей продолжается, а полная гипотеза Римана остаётся нерешённой.
https://www.quantamagazine.org/ai-proved-the-quasi-riemann-hypothesis-what-happens-now-20261019/
Гипотеза Римана связана с распределением простых чисел. Она утверждает, что все нетривиальные нули дзета-функции лежат на линии Re(s) = 1/2. ИИ предложил доказательство более слабого результата: 1/12 < Re(s) < 11/12.
Аргумент изучают Питер Сарнак, Максим Радзивилл и Александр Данн. Радзивилл уже смог изложить основную идею 49-страничной работы примерно на половине страницы.
Если результат подтвердится, он позволит доказать множество утверждений, которые пока зависят от этой гипотезы. Но проверка деталей продолжается, а полная гипотеза Римана остаётся нерешённой.
https://www.quantamagazine.org/ai-proved-the-quasi-riemann-hypothesis-what-happens-now-20261019/
👍33😁29🔥24💯21🤔16🎉16❤14👏11
Что даёт разделение рекомендаций на стримы — в цифрах
Стримы позволяют разделить задачи внутри одной рекомендательной системы: у каждого пайплайна своя конфигурация, но компоненты остаются общими. В статье инженер AI VK рассказал, как решение cработало в VK Видео.
За ростом метрик стоит архитектурный подход: разделять не код и не сервисы, а задачи, которые система решает в рамках одного запроса. Компоненты остаются общими, а конфигурации — локальными.
Стримы позволяют разделить задачи внутри одной рекомендательной системы: у каждого пайплайна своя конфигурация, но компоненты остаются общими. В статье инженер AI VK рассказал, как решение cработало в VK Видео.
За ростом метрик стоит архитектурный подход: разделять не код и не сервисы, а задачи, которые система решает в рамках одного запроса. Компоненты остаются общими, а конфигурации — локальными.
❤23😁22👍19🔥18👏18💯17🤔16🎉16🤨2🥱1
Допустим, подбираешь три гиперпараметра: скорость обучения, глубину деревьев и их количество. По 10 вариантов на каждый — 1000 комбинаций. Если один запуск занимает минуту, полный перебор потребует почти 17 часов.
Байесовская оптимизация использует результаты предыдущих запусков, чтобы выбрать следующий.
Условный пример со скоростью обучения:
-
0.001 → модель учится слишком медленно.-
0.1 → качество нестабильно.-
0.03 → хороший результат.Алгоритм оценивает, где стоит искать дальше: рядом с удачным значением или в ещё не исследованной области. Для этого строит вспомогательную модель, которая прогнозирует качество и неопределённость прогноза.
Пример на Python — подбираем параметры SVM:
# pip install scikit-optimize scikit-learn
from skopt import gp_minimize
from skopt.space import Real
from sklearn.datasets import load_iris
from sklearn.model_selection import cross_val_score
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC
X, y = load_iris(return_X_y=True)
def objective(params):
C, gamma = params
model = make_pipeline(
StandardScaler(),
SVC(C=C, gamma=gamma),
)
# Оптимизатор минимизирует — меняем знак accuracy
return -cross_val_score(model, X, y, cv=3).mean()
result = gp_minimize(
objective,
dimensions=[
Real(1e-3, 1e3, prior="log-uniform"),
Real(1e-4, 1, prior="log-uniform"),
],
n_calls=25,
n_initial_points=5,
acq_func="EI",
random_state=42,
)
print("C, gamma:", result.x)
print("CV accuracy:", -result.fun)
Первые 5 комбинаций выбираются случайно. Следующие 20 — с учётом накопленных результатов.
EI означает «ожидаемое улучшение»: критерий выбора следующей точки.Особенно полезно, когда каждый запуск дорогой. Но 25 попыток не гарантируют лучший результат: бюджет зависит от задачи. Итоговое качество проверяй на отдельной тестовой выборке, которую не использовал при подборе.
https://codecut.ai/bayesian-optimization-hyperameter-search/
Please open Telegram to view this post
VIEW IN TELEGRAM
❤26🎉21💯21🔥19👏19😁19👍17🤔14
ИИ обнаружил критические уязвимости в PHP - OpenAI организовала глобальную операцию по их устранению.
Исследователь Calif с помощью GPT-5.6 Sol выявил критическую проблему безопасности PHP - языка, на котором работает огромное количество сайтов. Компания Wiz независимо обнаружила и сообщила об обеих уязвимостях.
В рамках инициативы Patch the Planet OpenAI объединила разработчиков PHP, исследователей безопасности, Cloudflare, Wiz и других партнёров.
Что удалось сделать:
Подготовить и протестировать исправления.
Скоординировать защиту инфраструктуры до публичного раскрытия.
Выпустить инструмент для проверки потенциально уязвимых версий PHP.
Организовать взаимодействие с государственными агентствами по кибербезопасности.
OpenAI также выделяет $1 млрд в виде субсидированного доступа к ИИ-инструментам защиты для организаций с ограниченными ресурсами.
Компания ожидает резкого роста числа уязвимостей, обнаруживаемых ИИ, уже в ближайшие месяцы.
Для разработчиков и администраторов: необходимо проверить версии PHP и установить актуальные исправления.
https://openai.com/index/coordinated-disclosure-of-critical-vulnerabilities/
Исследователь Calif с помощью GPT-5.6 Sol выявил критическую проблему безопасности PHP - языка, на котором работает огромное количество сайтов. Компания Wiz независимо обнаружила и сообщила об обеих уязвимостях.
В рамках инициативы Patch the Planet OpenAI объединила разработчиков PHP, исследователей безопасности, Cloudflare, Wiz и других партнёров.
Что удалось сделать:
Подготовить и протестировать исправления.
Скоординировать защиту инфраструктуры до публичного раскрытия.
Выпустить инструмент для проверки потенциально уязвимых версий PHP.
Организовать взаимодействие с государственными агентствами по кибербезопасности.
OpenAI также выделяет $1 млрд в виде субсидированного доступа к ИИ-инструментам защиты для организаций с ограниченными ресурсами.
Компания ожидает резкого роста числа уязвимостей, обнаруживаемых ИИ, уже в ближайшие месяцы.
Для разработчиков и администраторов: необходимо проверить версии PHP и установить актуальные исправления.
https://openai.com/index/coordinated-disclosure-of-critical-vulnerabilities/
🔥32👍20🤔19💯19❤18👏18😁18🎉17
1 946 ИИ-агентов разобрали данные о мозге за 32 минуты - людям, по оценке исследователей, потребовались бы месяцы.
OpenAI, PerturbAI и Scripps Research поручили агентам GPT-Rosalind интерпретировать масштабный эксперимент: учёные отключали гены в клетках мозга мыши и измеряли, что меняется.
Каждому агенту - один отключённый ген. Он анализировал реакцию клеток, искал связанные научные работы и предлагал объяснения. Затем отчёты объединили в карту связей и перспективных направлений исследования.
Агенты воспроизвели или уточнили 48 из 55 выводов исходной работы, которые можно было получить из предоставленных данных. Саму статью им не показывали. А в слепом сравнении эксперты предпочли отчёты распределённых агентов отчётам одиночного агента в 75% случаев.
Одна из зацепок - возможная связь нарушения работы гена DCTN1 с обменом холестерина в нейронах. Теперь её можно проверить экспериментально.
Польза - в сокращении пути от огромного массива данных до конкретного вопроса для лаборатории. Пока это гипотезы для проверки, а оценка сэкономленных месяцев — расчёт авторов, не результат соревнования с людьми.
https://openai.com/index/scaling-ai-research-for-complex-biological-data/
OpenAI, PerturbAI и Scripps Research поручили агентам GPT-Rosalind интерпретировать масштабный эксперимент: учёные отключали гены в клетках мозга мыши и измеряли, что меняется.
Каждому агенту - один отключённый ген. Он анализировал реакцию клеток, искал связанные научные работы и предлагал объяснения. Затем отчёты объединили в карту связей и перспективных направлений исследования.
Агенты воспроизвели или уточнили 48 из 55 выводов исходной работы, которые можно было получить из предоставленных данных. Саму статью им не показывали. А в слепом сравнении эксперты предпочли отчёты распределённых агентов отчётам одиночного агента в 75% случаев.
Одна из зацепок - возможная связь нарушения работы гена DCTN1 с обменом холестерина в нейронах. Теперь её можно проверить экспериментально.
Польза - в сокращении пути от огромного массива данных до конкретного вопроса для лаборатории. Пока это гипотезы для проверки, а оценка сэкономленных месяцев — расчёт авторов, не результат соревнования с людьми.
https://openai.com/index/scaling-ai-research-for-complex-biological-data/
❤29👍25🤔24🔥14👏14😁14💯13🎉11🤨1
Хакеры собрали команду ИИ-агентов для атак на более чем 400 финансовых целей в Латинской Америке.
По данным исследователей Straiker, о которых пишет The Information, группировка CyberCartel использовала Claude, Grok и Kimi для автоматизации атак на банки и платёжные компании.
Агенты распределяли работу: изучали цели, разрабатывали код атак и обрабатывали похищенные данные. Исследователи обнаружили в инфраструктуре группировки базу с паролями, API-ключами и сведениями о финансовых счетах.
400+ - число целей. Однако собранные Straiker материалы показывают, как преступники встраивают ИИ в целую цепочку атаки, сокращая объём ручной работы.
После уведомления Anthropic отключила использованный группировкой доступ к Claude. xAI начала расследование.
Небольшая группа получает возможность вести больше атак одновременно.
https://www.straiker.ai/blog/inside-carliy0s-how-cybercartel-used-multiple-ai-models-to-attack-latin-american-banks
По данным исследователей Straiker, о которых пишет The Information, группировка CyberCartel использовала Claude, Grok и Kimi для автоматизации атак на банки и платёжные компании.
Агенты распределяли работу: изучали цели, разрабатывали код атак и обрабатывали похищенные данные. Исследователи обнаружили в инфраструктуре группировки базу с паролями, API-ключами и сведениями о финансовых счетах.
400+ - число целей. Однако собранные Straiker материалы показывают, как преступники встраивают ИИ в целую цепочку атаки, сокращая объём ручной работы.
После уведомления Anthropic отключила использованный группировкой доступ к Claude. xAI начала расследование.
Небольшая группа получает возможность вести больше атак одновременно.
https://www.straiker.ai/blog/inside-carliy0s-how-cybercartel-used-multiple-ai-models-to-attack-latin-american-banks
🔥37❤27💯25😁20👍19👏19🤔19🎉14
Анализ данных (Data analysis)
ИИ обнаружил критические уязвимости в PHP - OpenAI организовала глобальную операцию по их устранению. Исследователь Calif с помощью GPT-5.6 Sol выявил критическую проблему безопасности PHP - языка, на котором работает огромное количество сайтов. Компания…
Актуалочка
😁46👍33❤27💯24🔥23🤔19👏15🎉10🤣2
Как научить ИИ выполнять большую рабочую задачу - и проверить, что он действительно справился?
Авторы WorkForge предложили автоматически создавать тренировочные среды из реальных файлов и профессиональных рабочих процессов.
Система определяет, какие материалы и результаты нужны специалисту, собирает рабочее пространство и извлекает из документов конкретные проверяемые факты. Уже на их основе создаёт задания, планы решения и два вида проверки:
- Программную - для условий, которые можно проверить кодом.
- Смысловую — для оценки содержания результата.
Критерии привязаны к наблюдаемым данным в файлах. Это помогает оценивать выполненную работу, а не убедительность ответа агента.
Авторы создали 16,7 тысячи сред в 40 профессиональных областях, охватив 60 типов файлов.
После дообучения Qwen3.5-35B-A3B-Base показатель на GDPVal вырос с 45,5 до 73,6, а APEX Score — с 5,0 до 21,3.
Ценность подхода - в масштабировании практики: агент получает множество многошаговых рабочих задач, где результат можно проверить по исходным материалам.
https://arxiv.org/abs/2610.04906
Авторы WorkForge предложили автоматически создавать тренировочные среды из реальных файлов и профессиональных рабочих процессов.
Система определяет, какие материалы и результаты нужны специалисту, собирает рабочее пространство и извлекает из документов конкретные проверяемые факты. Уже на их основе создаёт задания, планы решения и два вида проверки:
- Программную - для условий, которые можно проверить кодом.
- Смысловую — для оценки содержания результата.
Критерии привязаны к наблюдаемым данным в файлах. Это помогает оценивать выполненную работу, а не убедительность ответа агента.
Авторы создали 16,7 тысячи сред в 40 профессиональных областях, охватив 60 типов файлов.
После дообучения Qwen3.5-35B-A3B-Base показатель на GDPVal вырос с 45,5 до 73,6, а APEX Score — с 5,0 до 21,3.
Ценность подхода - в масштабировании практики: агент получает множество многошаговых рабочих задач, где результат можно проверить по исходным материалам.
https://arxiv.org/abs/2610.04906
👍89🔥72🎉68🤔67❤64😁63💯57👏54👌6🥰4
🔍️️️️️️ Qwen научили меньше «думать»: до 51% меньше токенов рассуждения
BottleCap AI представила ThinkingCap-Qwen3.8-Flash-Next - версию модели, оптимизированную для более коротких рассуждений.
По данным разработчиков:
- На 38,5% меньше thinking-токенов в среднем, до 51% в отдельных тестах.
- Снижение точности — 1,03 процентного пункта.
- Для корпоративной ThinkingCap PRO заявлено сокращение thinking-токенов в среднем на 60%.
Идея простая: модели нередко продолжают рассуждать, когда дополнительные шаги уже почти не помогают получить правильный ответ. ThinkingCap сокращает такие рассуждения, сохраняя близкие результаты в тестах команды.
Но сокращение thinking-токенов на 38,5% не означает такое же ускорение всего запроса: остаются обработка контекста и генерация итогового ответа.
Разработчики сообщают о публикации модели на Hugging Face и версии GGUF для локального запуска.
> Blog: https://liquid.ai/blog/low-latency
> RIPL calculator: https://liquid.ai/low-latency-calculator-ripl
> Request access: https://liquid.ai/connect
BottleCap AI представила ThinkingCap-Qwen3.8-Flash-Next - версию модели, оптимизированную для более коротких рассуждений.
По данным разработчиков:
- На 38,5% меньше thinking-токенов в среднем, до 51% в отдельных тестах.
- Снижение точности — 1,03 процентного пункта.
- Для корпоративной ThinkingCap PRO заявлено сокращение thinking-токенов в среднем на 60%.
Идея простая: модели нередко продолжают рассуждать, когда дополнительные шаги уже почти не помогают получить правильный ответ. ThinkingCap сокращает такие рассуждения, сохраняя близкие результаты в тестах команды.
Но сокращение thinking-токенов на 38,5% не означает такое же ускорение всего запроса: остаются обработка контекста и генерация итогового ответа.
Разработчики сообщают о публикации модели на Hugging Face и версии GGUF для локального запуска.
> Blog: https://liquid.ai/blog/low-latency
> RIPL calculator: https://liquid.ai/low-latency-calculator-ripl
> Request access: https://liquid.ai/connect
❤41🔥33👏31💯30👍28🎉22🤔21😁17
Qwen научили меньше «думать»: до 51% меньше токенов рассуждения
BottleCap AI представила ThinkingCap-Qwen3.8-Flash-Next - версию модели, оптимизированную для более коротких рассуждений.
По данным разработчиков:
- На 38,5% меньше thinking-токенов в среднем, до 51% в отдельных тестах.
- Снижение точности — 1,03 процентного пункта.
- Для корпоративной ThinkingCap PRO заявлено сокращение thinking-токенов в среднем на 60%.
Идея простая: модели нередко продолжают рассуждать, когда дополнительные шаги уже почти не помогают получить правильный ответ. ThinkingCap сокращает такие рассуждения, сохраняя близкие результаты в тестах команды.
Практический смысл - потенциально меньше ожидания и затрат на генерацию. Но сокращение thinking-токенов на 38,5% не означает такое же ускорение всего запроса: остаются обработка контекста и генерация итогового ответа.
Разработчики сообщают о публикации модели на Hugging Face и версии GGUF для локального запуска.
https://huggingface.co/bottlecapai
BottleCap AI представила ThinkingCap-Qwen3.8-Flash-Next - версию модели, оптимизированную для более коротких рассуждений.
По данным разработчиков:
- На 38,5% меньше thinking-токенов в среднем, до 51% в отдельных тестах.
- Снижение точности — 1,03 процентного пункта.
- Для корпоративной ThinkingCap PRO заявлено сокращение thinking-токенов в среднем на 60%.
Идея простая: модели нередко продолжают рассуждать, когда дополнительные шаги уже почти не помогают получить правильный ответ. ThinkingCap сокращает такие рассуждения, сохраняя близкие результаты в тестах команды.
Практический смысл - потенциально меньше ожидания и затрат на генерацию. Но сокращение thinking-токенов на 38,5% не означает такое же ускорение всего запроса: остаются обработка контекста и генерация итогового ответа.
Разработчики сообщают о публикации модели на Hugging Face и версии GGUF для локального запуска.
https://huggingface.co/bottlecapai
👏33🎉33🤔27❤26🔥26👍23😁22💯17
Claude написал 180 млн строк доказательств, проверяя безопасность реального ПО.
Anthropic и Theorem показали подход, который превращает фаззинг-тесты в математические гарантии.
Обычный фаззер перебирает огромное количество входных данных и ищет сбой. Но даже триллионы запусков не гарантируют, что опасный случай найден.
Здесь Claude получает другую задачу: доказать, что выбранный тест не упадёт ни на одном входе размером менее 64 МБ - в рамках заданной модели исполнения.
За несколько недель удалось построить доказательства для 239 точек входа в 123 open-source библиотеках. Проверка идёт на уровне скомпилированного кода RISC-V: Claude пишет доказательство, а Rocq проверяет его корректность.
В процессе обнаружились сотни ошибок. Например, выход за границы памяти в распаковщике, требовавший входа около 20 МБ с редкой структурой.
Это не гарантия отсутствия всех багов в библиотеках. Доказательства покрывают конкретные точки входа и условия: однопоточный статический бинарник, ограниченную память и формальную модель RISC-V/Linux.
Но результат показывает перспективу: вместо бесконечного поиска контрпримеров — проверяемое доказательство конкретного свойства программы.
https://www.anthropic.com/research/formal-verification
Anthropic и Theorem показали подход, который превращает фаззинг-тесты в математические гарантии.
Обычный фаззер перебирает огромное количество входных данных и ищет сбой. Но даже триллионы запусков не гарантируют, что опасный случай найден.
Здесь Claude получает другую задачу: доказать, что выбранный тест не упадёт ни на одном входе размером менее 64 МБ - в рамках заданной модели исполнения.
За несколько недель удалось построить доказательства для 239 точек входа в 123 open-source библиотеках. Проверка идёт на уровне скомпилированного кода RISC-V: Claude пишет доказательство, а Rocq проверяет его корректность.
В процессе обнаружились сотни ошибок. Например, выход за границы памяти в распаковщике, требовавший входа около 20 МБ с редкой структурой.
Это не гарантия отсутствия всех багов в библиотеках. Доказательства покрывают конкретные точки входа и условия: однопоточный статический бинарник, ограниченную память и формальную модель RISC-V/Linux.
Но результат показывает перспективу: вместо бесконечного поиска контрпримеров — проверяемое доказательство конкретного свойства программы.
https://www.anthropic.com/research/formal-verification
👍32❤30👏25🎉25🤔22💯22🔥21😁16⚡1
Forwarded from Machinelearning
MiniMax открыла веса M3.1 Flash - MoE-модели на 428 млрд параметров для программирования и ИИ-агентов.
При обработке каждого токена активируются около 23 млрд параметров. Модель ориентирована на многошаговые задачи: работу с инструментами, разработку ПО и управление приложениями.
Результаты по оценкам разработчика:
- 73,7% на DeepSWE v1.1 — сложные задачи разработки.
- 61,7 на OSWorld V2 — работа с компьютерным интерфейсом.
- 76,2 на BankerToolBench — использование инструментов в банковских сценариях.
- 29,6 на Agents’ Last Exam — комплексные профессиональные задачи.
- 82,2 на CyberGym — воспроизведение уязвимостей.
За эффективность отвечают MiniMax Sparse Attention и DSpark speculative decoding: разреженное внимание и спекулятивное декодирование, ускоряющее генерацию.
Теперь веса можно использовать для собственного развёртывания и независимых тестов. 23 млрд активных параметров сокращают вычисления, но хранить нужно всю модель — это по-прежнему серьёзная нагрузка на инфраструктуру.
Hugging Face: https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash
API: https://platform.minimax.io
@ai_machinelearning_big_data
#MiniMax
При обработке каждого токена активируются около 23 млрд параметров. Модель ориентирована на многошаговые задачи: работу с инструментами, разработку ПО и управление приложениями.
Результаты по оценкам разработчика:
- 73,7% на DeepSWE v1.1 — сложные задачи разработки.
- 61,7 на OSWorld V2 — работа с компьютерным интерфейсом.
- 76,2 на BankerToolBench — использование инструментов в банковских сценариях.
- 29,6 на Agents’ Last Exam — комплексные профессиональные задачи.
- 82,2 на CyberGym — воспроизведение уязвимостей.
За эффективность отвечают MiniMax Sparse Attention и DSpark speculative decoding: разреженное внимание и спекулятивное декодирование, ускоряющее генерацию.
Теперь веса можно использовать для собственного развёртывания и независимых тестов. 23 млрд активных параметров сокращают вычисления, но хранить нужно всю модель — это по-прежнему серьёзная нагрузка на инфраструктуру.
Hugging Face: https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash
API: https://platform.minimax.io
@ai_machinelearning_big_data
#MiniMax
❤32🔥29💯27😁26🎉26👍25🤔21👏20
Machinelearning
https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash
Китай усиливает контроль над экспортом ИИ. DeepSeek и MiniMax прошли регистрацию и продолжают открывать модели.
По сообщению Reuters со ссылкой на связанный с CCTV аккаунт, компании получили разрешение на зарубежное использование своих моделей.
С 16 октября действует временная предварительная регистрация экспорта технологий, включённых в проект обновлённого контрольного перечня. Среди них - отдельные технологии больших моделей, агентов и вычислительных кластеров.
Публикация весов или кода для скачивания по всему миру тоже может подпадать под экспортные процедуры, если речь о контролируемой технологии.
Но это не всеобщий запрет на китайский open source: окончательный перечень ещё обсуждается, а для общедоступных технологий и открытых моделей предусмотрены исключения и упрощения.
Суть изменения: открытость модели больше не означает отсутствие экспортных формальностей. При этом пример DeepSeek и MiniMax показывает, что регистрация и дальнейшие открытые релизы могут сосуществовать.
https://www.reuters.com/business/media-telecom/chinas-deepseek-minimax-win-approval-ai-global-use-state-media-affiliated-entity-2026-10-23/
По сообщению Reuters со ссылкой на связанный с CCTV аккаунт, компании получили разрешение на зарубежное использование своих моделей.
С 16 октября действует временная предварительная регистрация экспорта технологий, включённых в проект обновлённого контрольного перечня. Среди них - отдельные технологии больших моделей, агентов и вычислительных кластеров.
Публикация весов или кода для скачивания по всему миру тоже может подпадать под экспортные процедуры, если речь о контролируемой технологии.
Но это не всеобщий запрет на китайский open source: окончательный перечень ещё обсуждается, а для общедоступных технологий и открытых моделей предусмотрены исключения и упрощения.
Суть изменения: открытость модели больше не означает отсутствие экспортных формальностей. При этом пример DeepSeek и MiniMax показывает, что регистрация и дальнейшие открытые релизы могут сосуществовать.
https://www.reuters.com/business/media-telecom/chinas-deepseek-minimax-win-approval-ai-global-use-state-media-affiliated-entity-2026-10-23/
❤36🔥34👍30😁28🤔28👏27🎉22💯16
This media is not supported in your browser
VIEW IN TELEGRAM
Anthropic очень круто адаптировала Claude для iPhone Duo.
👍47🔥38❤33😁32👏27💯27🎉26🤔16🥴2
Китайская Moonshot AI представила Kimi K3.1 Pro — открытую ИИ-модель, которая обходит GPT-6 Astra в тестах программирования.
Модель получила контекстное окно на 1 миллион токенов и ориентирована на сложные задачи: разработку ПО, ИИ-агентов, 3D-моделирование и финансовую аналитику.
Результаты тестирования:
- Terminal-Bench 4.0: 65,7% против 58,2% у GPT-6 Astra и 66,4% у Claude Opus 5.5.
- BenchCAD: 92,7% — генерация CAD-моделей по изображениям.
- OfficeQA Pro v2: 64,4 балла — анализ сложных финансовых документов.
- Kimi Code Bench 3.0: 61,2% против 55,95% у предыдущей K3.
Что интересного:
1. Модель способна самостоятельно создавать игры, 3D-сцены и веб-приложения.
2. Работает с Blender, Unity, Unreal Engine и Godot.
3. В одном эксперименте провела 167 итераций разработки симулятора человеческой ходьбы, самостоятельно обнаружив 36 ошибок в расчётах.
4. Частота фактических ошибок на внутреннем сложном тесте снизилась с 23,4% до 8,3%.
5. Версия Highspeed работает в 2–3 раза быстрее стандартной модели.
Отдельно разработчики ограничили возможности модели в поиске и эксплуатации уязвимостей, удалив часть данных по кибербезопасности из обучения.
Kimi K3.1 Pro уже доступна через веб-интерфейс, Kimi Code и API. Полные веса модели обещают открыть до 4 ноября 2026 года.
Результаты сравнений приведены разработчиками и зависят от методики тестирования.
https://www.kimi.ai/blog/kimi-k3-1-pro
https://t.me/data_analysis_ml
Модель получила контекстное окно на 1 миллион токенов и ориентирована на сложные задачи: разработку ПО, ИИ-агентов, 3D-моделирование и финансовую аналитику.
Результаты тестирования:
- Terminal-Bench 4.0: 65,7% против 58,2% у GPT-6 Astra и 66,4% у Claude Opus 5.5.
- BenchCAD: 92,7% — генерация CAD-моделей по изображениям.
- OfficeQA Pro v2: 64,4 балла — анализ сложных финансовых документов.
- Kimi Code Bench 3.0: 61,2% против 55,95% у предыдущей K3.
Что интересного:
1. Модель способна самостоятельно создавать игры, 3D-сцены и веб-приложения.
2. Работает с Blender, Unity, Unreal Engine и Godot.
3. В одном эксперименте провела 167 итераций разработки симулятора человеческой ходьбы, самостоятельно обнаружив 36 ошибок в расчётах.
4. Частота фактических ошибок на внутреннем сложном тесте снизилась с 23,4% до 8,3%.
5. Версия Highspeed работает в 2–3 раза быстрее стандартной модели.
Отдельно разработчики ограничили возможности модели в поиске и эксплуатации уязвимостей, удалив часть данных по кибербезопасности из обучения.
Kimi K3.1 Pro уже доступна через веб-интерфейс, Kimi Code и API. Полные веса модели обещают открыть до 4 ноября 2026 года.
Результаты сравнений приведены разработчиками и зависят от методики тестирования.
https://www.kimi.ai/blog/kimi-k3-1-pro
https://t.me/data_analysis_ml
👍45👏35❤27🤔27😁26🔥24💯20🎉18
OpenAI уволила трёх исследователей по безопасности, подозревая в утечке дизайнов моделей 🚨
По данным WSJ от 22 октября, компания считает, что Жасмин Ван, Томек Корбак и Микита Балесни делились внутренними материалами с Райаном Гринблаттом, исследователем безопасности ИИ. Среди каналов называют исчезающие чаты в Signal. Увольнения состоялись 1 октября.
В OpenAI заявили, что внутреннее расследование выявило нарушение правил обращения с чувствительной информацией, и назвали случившееся серьёзным нарушением доверия. Конкретные переписки компания не раскрыла.
Сами сотрудники рассказывают иначе. Корбак, технический контакт OpenAI с внешним оценщиком METR, говорит, что его уволили из-за способа общения с этой организацией. Балесни утверждает, что его уволили за слишком активное общение со сторонними организациями по безопасности. Ван говорит, что случайно открыла чувствительное письмо в почте руководителя и сразу об этом сообщила.
Через несколько дней после увольнений трое отправили письмо совету директоров OpenAI и призвали компанию и её конкурентов прекратить создавать модели, рассуждения которых люди не могут проверить.
Источник: https://aiweekly.co/alerts/openai-suspected-signal-leaks-to-greenblatt-wsj-reports
По данным WSJ от 22 октября, компания считает, что Жасмин Ван, Томек Корбак и Микита Балесни делились внутренними материалами с Райаном Гринблаттом, исследователем безопасности ИИ. Среди каналов называют исчезающие чаты в Signal. Увольнения состоялись 1 октября.
В OpenAI заявили, что внутреннее расследование выявило нарушение правил обращения с чувствительной информацией, и назвали случившееся серьёзным нарушением доверия. Конкретные переписки компания не раскрыла.
Сами сотрудники рассказывают иначе. Корбак, технический контакт OpenAI с внешним оценщиком METR, говорит, что его уволили из-за способа общения с этой организацией. Балесни утверждает, что его уволили за слишком активное общение со сторонними организациями по безопасности. Ван говорит, что случайно открыла чувствительное письмо в почте руководителя и сразу об этом сообщила.
Через несколько дней после увольнений трое отправили письмо совету директоров OpenAI и призвали компанию и её конкурентов прекратить создавать модели, рассуждения которых люди не могут проверить.
Источник: https://aiweekly.co/alerts/openai-suspected-signal-leaks-to-greenblatt-wsj-reports
1❤38💯36🤔35😁25👍23👏19🔥17🎉16😢1🥴1