Vibe-coding entire films in a couple of clicks — a skill has been released that turns Claude Code or Cursor into a mini film studio.

• It's simple: describe the idea, pick a style, and the AI writes the script, draws every frame, adds sound, and exports the result as an MP4.
• You can create cartoons, short films, ads, music videos, and even long YouTube videos.
• The skill is FREE and works great via Claude Code and Cursor.
• It doesn't require any separate video models for frame generation.

Test it — here.
#usefull
Brain Storm

• Sent via TeleFeed

OpenAI's new cybersecurity model

🛡️ OpenAI launched GPT-6 Cyber, a specialized version of its latest system designed to find software vulnerabilities and build exploits under critical-risk classifications.

The restricted model found 81 high-severity flaws in Firefox and unmasked hundreds of kernel issues in controlled tests before its API and Codex release to verified organizations.

#OpenAI ⚡ #Cybersecurity ⚡ #ArtificialIntelligence

Subscribe

• Sent via TeleFeed

Сегодня пройдет Higgsfield Data Day

Команда известной во всем мире GenAI-платформы для видео и изображений организует масштабный митап в Алматы.

Выступят всем известные спикеры, чьи каналы и курсы многие из вас читают и проходят, и расскажут про данные, агентов, антифрод и A/B-тестирование.

Прямая трансляция начнется в 13:00 по Мск: вот ссылка на YouTube. В программе:

— Валерий Бабушкин (Время Валеры) - «Детерминизм как точка опоры в мире Agentic AI»
— Игорь Котенков (Сиолошная) - «Похожие оценки - разные истории»
— Анатолий Карпов (KarpovCourses) - «Симулируй, прежде чем тестировать: A/B-тесты от Монте-Карло до синтетических пользователей»
— Ануар Аймолдин (DSML) - «AI на стыке коммьюнити, рисерча и индустрии»

Кроме того, выступят топы Higgsfield. Открывает день Ерзат Дулат, CTO и сооснователь. Затем Роман Ященко, глава антифрода, расскажет, что бывает, когда агенту дают кнопку бана на 50 000 аккаунтов. А Дидар Нуркаир, Head of Data, разберет 10 вопросов от VC, на которых сыпятся все.

Эти люди своими руками сделали первого единорога Казахстана. Сейчас компания базируется в SF и оценивается в более чем $1.3 млрд. Это редкий случай, когда стартап с мировым именем делится внутренней кухней на русском языке.

Не пропускайте. Полная программа и анонсы следующих встреч в этом канале –> @higgsfield_data

• Sent via TeleFeed

Meta adds custom mini-apps to Muse

🛠️ Meta rolled out Spaces inside the Muse assistant, letting users build custom mini-apps like shopping hubs and school dashboards through simple text descriptions.

The tool integrates with Gmail, Notion, and Google Calendar to keep data updated in the background.

#ArtificialIntelligence ⚡ #MetaPlatform ⚡ #ProductUpdate

Subscribe

• Sent via TeleFeed

У Nvidia украли железа на $11.4 млн

Партию перевозили из Окленда в Техас в грузовике, на котором был логотип логистической компании по перевозке продуктов, так что злоумышленники точно были хорошо проинформированы, а операция тщательно спланирована заранее.

Это случилось в самом конце августа. Полиция расследует инцидент с 13 сентября, но пока ни одного ареста не произведено.

• Sent via TeleFeed

China Develops Mosquito-Sized Spy Drone for Covert Reconnaissance

• Sent via TeleFeed

The $1 billion game that says AI can’t replace human creativity

As Silicon Valley races to automate everything, Candy Crush maker King is taking a different view. General manager Paula Ingvar says the hit game’s 21,000-pl...

Read Full Story 🔹 Subscribe

#AI ⚡️ #ArtificialIntelligence ⚡️ #Tech

• Sent via TeleFeed

Inkling 2 Small model launch

Mira Murati’s lab, Thinking Machines, released Inkling 2 Small, a new multimodal Mixture-of-Experts model. It features 594 billion parameters (17 billion active) and a 1 million token context window.

The model ranks 3rd in the DesignArena benchmark, demonstrating high efficiency in frontend coding and complex agentic tasks.

#ArtificialIntelligence ⚡ #MachineLearning ⚡ #TechNews

Subscribe

• Sent via TeleFeed

Фанатам backrooms подарок на выходные – веб игра с мультиплеером, ходите и смотрите странные миры:

https://dimension9.space

С телефона тоже работает

• Sent via TeleFeed

Anthropic S-1, часть 5: ЛОВУШКА КРЕДИТНОГО КОМПЬЮТА [начало | предыдущий пост]

В обсуждении финансов Антропика много раз встречал такой тезис:

«Этим ребятам вот-вот выдадут мусорный кредитный рейтинг на уровне BB. А так как все датацентры строятся в кредит, это означает, что высокая ставка заимствований им просто не даст вывезти финансирование всех этих уже законтрактованных обязательств по компьюту на $900 млрд => банкротство компании неизбежно!»

Что не так с этой логикой? Она предполагает, что Anthropic собирается брать весь компьют из самостоятельно построенных им датацентров: тогда действительно можно было бы ожидать, что компании придется сначала вбухать кучу привлеченных у инвесторов денег в закупку чипов и стройку – а потом уже пытаться отбить все эти затраты в течение энного количества лет за счет получаемой от клиентов выручки.

На самом же деле, стратегия Антропика по обеспечению вычислительных мощностей другая: если вам интересно разобраться в ней в деталях – рекомендую вот этот подробный обзор + вот эту статью. По большей части Дарио Амодей старается заключать долгосрочные договоры на аренду компьюта с надежными поставщиками: в этой схеме получается, что финансирование на стройку необходимо будет привлекать именно поставщикам – а Anthropic сможет оплачивать эту аренду не за счет заемных средств, а напрямую из выручки (при условии, что Дарио правильно подогнал график ввода неотменяемых обязательств по аренде к темпам роста этой самой выручки).

При таком раскладе выходит, что кредитный рейтинг самого Антропика уже не так критичен – гораздо важнее, чтобы могли получить доступное финансирование и довести стройку до конца поставщики компьюта, с которыми законтрактовался Anthropic. Именно поэтому в качестве основных партнеров по этим долгосрочным договорам были выбраны крупные компании вроде Google и Amazon. И даже в тех контрактах, где Антропик арендует площади через Fluidstack – там всё равно гарантами поступления разных платежей выступают сам Гугл (у которого отличный инвестиционный рейтинг AA) и Broadcom (A).

Зачем Гугл и Амазон в это вписываются? Посмотрите на картинку: из 8 GW расширения мощностей Антропика на идентифицированных площадках на чипы Nvidia приходится всего 1 GW, а 85% – это собственные чипы Google TPU и AWS Trainium. То есть, для этих компаний это шанс залететь с ноги в супер-прибыльный рынок ИИ-чипов и откусить неплохую его долю у Дженсена Хуанга. С учетом рекордов, которые последние несколько лет ставит капитализация Нвидии – можете представить, насколько это лакомый кусочек.

В итоге, ста

вка финансирования по ~85% всех этих обязательств зависит в первую очередь от устойчивости Google / Amazon / SpaceX / Broadcom. И только малая их часть действительно сходится на кредитное качество самого Антропика (и они там в S-1 пишут, что частично могут оплачивать будущую аренду за счет привлеченного капитала).

Отдельно е

ще хочется прокомментировать, что конкретно означает этот самый «мусорный» кредитный рейтинг: по долгосрочной статистике S&P, компании с таким BB-рейтингом уходят в дефолт в среднем с вероятностью 5% на пятилетнем и 10% на десятилетнем горизонте. Что в целом… не выглядит так уж и страшно, нет? Ну то есть, можно при желании перефразировать ту же самую новость в формате «рейтинговые агентства ожидают, что Anthropic с вероятностью 90% сможет выполнить взятые на себя обязательства в следующие 10 лет».

Наверное, примерно это я и пытаюсь сказать в этой серии постов про финотчетность Антропика. Безусловно, есть весьма немаленький риск того, что компания в итоге навернется (как уже писал, зависеть это будет в первую очередь от того, насколько будут выполняться ожидания Дарио по темпам роста выручки). Но тут даже близко не наблюдается ситуации а-ля «да очевидно же, что этот фейковый пузырь сгорит дотла синим пламенем в ближайшие несколько лет, инфа 100%!»

• Sent via TeleFeed

А вот очередная прикольная работа про хитрое управление контекстом через харнесс, позволяющее модели не работать с длинным контекстом.

В недавней Context Language Models сама модель переписывала свой контекст как файл на диске. Здесь таки харнесс за это отвечает. Результат прикольный: качество обычно не проседает (и иногда даже растёт). Есть правда проблема со сбросом кешей и вероятным отсутствием денежной экономии в итоге.

Кодовых артефактов авторы статьи не выложили, я попросил Клода собрать скилл, воспроизводящий описанный в статье подход, выложил сюда: https://github.com/che-shr-cat/short-context-agent

Он учит агента двум вещам из статьи: большие файлы не грузить в контекст, а искать grep'ом и читать ограниченными окнами, и по ходу длинной задачи вести тот самый handoff brief из шести частей (цель, проверенные факты отдельно от гипотез, внесённые изменения, прогнанные проверки, тупики, план дальнейших шагов). Скилл подхватывается сам на длинных многошаговых задачах и больших входах, а сброс контекста остаётся за Claude Code — автокомпакция по его порогу, /compact или /clear руками; в любом случае хук плагина подкладывает brief обратно, и агент продолжает с того же места, а не раскапывает всё заново. Получается EoCC; SAC (сброс после каждого действия) в Claude Code не сделать, он есть только в референсном harness в репе — вместе с EoCC и baseline без компакции. Внимательно пока не тестил, возможны баги. PR'ы принимаются :)

You don't need long context
Peter Belcak, Saurav Muralidharan, Jindong Jiang, Yonggan Fu, Wonmin Byeon, Hanrong Ye, Ryan Angilly, Ali Taghibakhshi, Shih-Yang Liu, Siru Ouyang, Greg Heinrich, Pavlo Molchanov
Paper: https://arxiv.org/abs/2611.05306
Review: https://arxiviq.substack.com/p/you-dont-need-long-context
Code: N/A (unofficial re-implementation)

Главное: Языковые модели справляются с долгими агентными задачами и большими документами в коротком окне контекста без потери точности. Для этого обвязка агента должна периодически переписывать историю в рабочую сводку для следующих шагов, а большие файлы читать через поиск по диску.

ЧТО сделали: Предложили два режима работы обвязки агента: End-of-Conversation Compaction (EoCC, сжатие при достижении порога токенов) и Single-Action Compaction (SAC, сжатие после каждого действия). В обоих режимах диалог сбрасывается, в новую сессию переносится только структурированное текстовое состояние, а длинные файлы читаются через Bash-утилиты.

ЧТО получили: Короткое окно контекста сохраняет или повышает точность на бенчмарках с длинным горизонтом и большими документами, а стоимость декодирования на GPU при переходе от 256K к 16K токенов падает до 7 раз. Даже при сбросе контекста после каждого действия Claude Opus 4.5 удерживает 70.2% решённых задач на SWE-bench Verified.

ПОЧЕМУ это важно: Обучение и запуск моделей с окном 16K–50K вместо миллиона токенов кратно ускоряют декодирование и снижают расход памяти. Однако слабые открытые модели могут обваливаться, когда их многословные ответы исчерпывают жёсткий бюджет до завершения задачи.

Сжимать контекст здесь: https://t.me/gonzo_ML_podcasts/4846

• Sent via TeleFeed