✖️ xAI выпустила Grok 4.7 по низкой цене, но бенчмарки показали отставание от Claude и GPT-6

xAI представила Grok 4.7 - свою самую продвинутую модель для программирования и работы со знаниями. Она построена на увеличенной базовой модели, обучалась с более длинным этапом reinforcement learning и лучше проверяет собственные ответы, утверждает компания. Цена - $2 за миллион входных токенов и $6 за миллион выходных.

В сводном индексе Artificial Analysis Intelligence Index (v4.3.2, десять бенчмарков) Grok 4.7 набирает 46 баллов и занимает середину таблицы. Лидируют Claude Fable 5.1 и GPT-6 - по 53 балла. Два верхних уровня рассуждений модели работают примерно одинаково.

Разрыв особенно заметен в агентном кодинге: на Terminal-Bench 4.0 Grok 4.7 набирает лишь 26% против 60% у GPT-6 Astra и 55% у Claude Fable 5.1. Даже более дешёвая DeepSeek V4.1 Flash обгоняет её с 27%. Модель доступна через Grok API, Cursor и Grok Build.

#AI #ReinforcementLearning #xAI #Grok #Benchmarks #Development

💻 NVIDIA Halos: сквозная безопасность для физического ИИ

NVIDIA представила Halos - первый полноценный full-stack safety-стек для физического ИИ: автономных машин, человекоподобных и промышленных роботов. По прогнозу ABI Research, к 2035 году парк автономных автомобилей уровня 3-5 достигнет 49 млн, а Omdia оценивает развёртывание около 60 млн промышленных роботов в 2026-2035 годах. Безопасность должна масштабироваться вместе с ними.

Для автономного транспорта Halos объединяет вычислитель DRIVE AGX Thor, платформу Hyperion, ОС Halos OS на базе сертифицированной ASIL-D DriveOS, VLA-модели Alpamayo для объяснимости long-tail сценариев и Halos Safety Evaluation Framework для валидации. Для робототехники - модуль IGX Thor с выделенным Functional Safety Island, Halos Core, Holoscan Sensor Bridge для сенсоров и open source Outside-In Safety Blueprint для внешнего мониторинга через камеры и vision AI. Симуляция и синтетические данные - Isaac Lab и Omniverse.

Ключевая идея: безопасность охватывает железо, софт, поведение ИИ и весь жизненный цикл, а не проверяется один раз. TÜV SÜD сертифицировала процессы NVIDIA по ISO 26262 ASIL D, TÜV Rheinland проверяет IGX Thor и Halos OS, а лаборатория AI Systems Inspection Lab аккредитована ANAB по ISO/IEC 17020. На Hyperion строят автомобили Geely, Isuzu, Nissan с ПО Wayve, Einride, а Uber, Grab и Lyft используют платформу для robotaxi; Agility внедряет IGX Thor в человекоподобного Digit 5.

#Safety #NVIDIA #PhysicalAI #Robotics #Automation #Security

8️⃣ mini-AGI: continual learning модель, обучаемая с нуля на 8 ГБ VRAM

Разработчик volotat опубликовал на GitHub mini-AGI - byte-level языковую модель с непрерывным обучением, которая тренируется с нуля на одной потребительской видеокарте с 8 ГБ памяти и продолжает учиться на всём, что читает.

Веса хранятся на диске обычными файлами и пейджатся в VRAM по мере надобности: число параметров ограничено свободным местом, а не памятью GPU. Архитектура собирает себя сама - два dense-прелюд-блока, затем один рекуррентный блок, применяемый до 24 раз, каждая итерация выбирает свои top-8 экспертов из общего пула. Halting-голова по рецепту PonderNet останавливает вычисления, как только следующий проход уже не меняет ответ.

Пул растёт при нехватке ёмкости: новые эксперты собираются рекомбинацией обученных частей и удаляются, если их перестали выбирать. Главный результат - обучение на едином потоке без катастрофического забывания: trunk learning rate на уровне 0.1x от скорости экспертов снижает забывание с 2.23 до 0.0067 nats. Пока это toy-уровень (243 млн символов, генерация повторяется), веса ещё не выложены - автор ждёт первого полного прохода по корпусу.

#AI #ContinuAllearning #LLM #GitHub #OpenCode

🤖 OpenAI создала консультативную группу по математике и ИИ

OpenAI объявила о создании независимой консультативной группы по математике и искусственному интеллекту при Институте перспективных исследований (IAS) в Принстоне. Она должна дать математикам больше влияния на исследовательские приоритеты компании.

Поводом стало сенсационное решение задачи Навье - Стокса из списка Millennium Prize, а также заявление OpenAI: та же внутренняя модель закрыла более 100 открытых математических проблем. Однако 25 лауреатов Филдсовской премии подписали открытое письмо, обвинив AI-лаборатории в угрозе интеллектуальному труду математиков.

В группу вошли девять математиков. Они не получают оплату, могут давать необязательные советы, публично высказываться и сами управлять членством. Но, как подчёркивает OpenAI, совет не определяет темпы внутренних исследований. IAS также отметил: у группы нет права принимать решения за компании.

#AI #OpenAI #Math #Research #Consulting

⚙️ ByteDance выпустила Dramagic - платформу полного цикла для производства AI-сериалов

ByteDance запустила Dramagic, AI-платформу для производства коротких драм и видео. Она закрывает весь пайплайн: анализ сценария, создание персонажей, раскадровку и видеопрепросмотр. Несколько пользователей могут работать одновременно, а встроенные проверки консистентности следят за качеством между кадрами. Продаётся через корпоративную платформу BytePlus, доступ - по запросу.

Запуск отражает более крупный тренд. По данным Китайской ассоциации сетевого вещания, в первом квартале 2026 года в Китае вышло около 128 000 коротких драм - втрое больше, чем за весь предыдущий год. Примерно 95% из них сгенерированы AI. Профессор Университета Цинхуа Шэнь Ян оценивает минуту AI-видео в 90-120 долларов - примерно в десять раз дешевле традиционного производства. В отрасли напрямую занято 690 000 человек, но, по сообщениям, некоторых актёров перед увольнением принуждают передавать AI-инструментам права на голос и внешность.

Dramagic делает ставку на то, что конвейер «сценарий → экран» становится полностью автоматизированным и командным, а не набором разрозненных генераторов.

#AI #ByteDance #Dramagic #VideoGen

🧠 TypeSafe AI представила Jev - модель, возвращающая не текст, а готовые решения

Компания TypeSafe AI выпустила Jev - первый пример нового класса моделей, который она называет System One (в сообществе прижилось имя «decision models», или модели решений).

Jev принимает текст или полуструктурированные данные, но вместо генерации текста возвращает числа. Вход - объект «state»: строка, массив строк или набор пар имя-значение. Далее задаются вопросы трёх типов: yes/no (Noul, от распределения Бернулли) - вероятность от 0 до 1; choice - выбор одного варианта из списка с распределением вероятностей; score - оценка по заданной числовой шкале. Вопросы обрабатываются параллельно, поэтому сотня вопросов занимает почти столько же времени, что и один.

Главное - цена и скорость. Оплачивается только вход: $0.042 за миллион токенов, выход бесплатный. Это дешевле GPT-5 Nano ($0.05). Практическая ниша - всё, что сводится к классификации: спам-фильтры, авторазметка, приоритизация и ранжирование. Автор обзора экспериментировал с переранжированием поиска: 100 кандидатов от BM25, затем оценка релевантности через Jev.

Обратная сторона - полный «чёрный ящик»: объяснений нет, только число, поэтому риски скрытого bias высоки. Отсюда особая важность evals - благо тысячи тестовых прогонов стоят копейки. Сообщество уже собрало jevchat, jev-2048 и открытые реплики вроде Kev на Qwen 3.5.

#Tech #AI #LLM #Jev #TypeSafeAI #Models #Development

📱 Xiaomi выпустила и открыла MiMo-V2.6: сильнейшая открытая модель по индексу Artificial Analysis

Сегодня Xiaomi представила и открыла серию MiMo-V2.6. В ней две нативно омнимодальные модели: Pro, самая мощная у компании на сегодня, и Flash как баланс интеллекта, эффективности и цены. Отдельно раскатывают Pro-UltraSpeed с выдачей до 20 раз быстрее при том же качестве. Главная цифра: MiMo-V2.6-Pro набирает 46,32 в Artificial Analysis Intelligence Index v4.3, обходя Kimi K3 и Qwen3.8 Max и становясь сильнейшей открытой моделью. При этом цены API оставили на уровне V2.5, то есть Flash идёт по $0,14 за миллион входных и $0,28 за выходные, Pro по $0,435 и $0,87, а UltraSpeed по $4,35 и $8,7.

Самое интересное в релизе не бенчмарки, а то, что компания называет своим движением к RSI, рекурсивному самоулучшению, и то, насколько открыто оно шло. Продакшн-прогон RL Xiaomi стримила в прямом эфире из логов тренера. За меньше шести дней Flash и Pro прошли по 30 шагов RL на примерно 750 тыс. траекторий, стоимость составила около $0,85 млн и $2,62 млн соответственно. На отложенном DeepSWE v1.1 результат вырос с 48,8 до 65,68 и с 58,4 до 72,57. Масштабировали по трём осям: большие батчи на полностью асинхронной архитектуре по 1568 сэмплов на обновление и обучение до 1M контекста, мультизадачный набор из кодинга, агентов, визуальных и кибер-задач, плюс больше вычислений на грейдеры. Роутер в процессе заморозили, чтобы подавить дрейф, и выстроили защиту от reward hacking. Открывают всё: техрепорт, тренировочные среды и код RL.

Прикладная часть подаётся как переход от vibe coding к vibe world. Модель собирает 3D-сцены и логику взаимодействия по картинке или тексту, координируя несколько агентов и проверяя результат по рендеру, лепит объекты в Blender, а в симуляции берёт на вход несколько камер и в замкнутом контуре управляет рукой Franka Panda для захвата и точной укладки предметов. Плюс фронтенд и слайды по одной строке брифа, работа с Figma, сквозное видео с монтажом под бит и озвучкой через MiMo-V2.5-TTS, и даже композиция: Pro написал партитуру для оркестра примерно на десять инструментов и сам сконвертировал её в MIDI.

Научные кейсы тоже конкретные. Материаловеды Xiaomi поручили Pro спроектировать новый металл-органический каркас для адсорбции PFAS: модель прошерстила литературу и патенты, выдвинула гипотезы, а затем сама развернула среду симуляции, посчитала энергии связывания и отобрала кандидатов под мокрый эксперимент. Второй кейс ещё показательнее: Pro помог исследователям формализовать в Lean 4 основную теорему классической работы Ли и Йорка «Period Three Implies Chaos», проект вышел больше 6000 строк, доказательство прошло проверку ядром Lean без заглушек, причём Lean-специфичного посттренинга у модели не было. Модели уже доступны в AI Studio, MiMo Code, MiMo Desktop, через API и на OpenRouter, а сам MiMo Desktop вышел из раннего доступа в первый официальный релиз.

#AI #Tech #Xiaomi #MiMo #OpenSource

❗️Anthropic выпустила Claude Opus 5.5: уровень Fable 5.1 при затратах на 40% ниже

Первая модель в новом семействе Claude 5.5 и первый релиз после того, как Дарио Амодеи призвал «задавать темп фронтиру». Перед выпуском её тестировали внешние оценщики, включая METR и Frontier Design. Главный аргумент не в бенчмарках, а в экономике: входные и выходные токены стоят $4 и $20 за миллион, на 20% дешевле Opus 5, а чтение кеша, на которое приходится основная часть расходов в агентной работе, упало на 60% до $0,20. Вместе с меньшим расходом токенов на задачу это даёт минус 40% к типичной нагрузке. Выдача при этом больше чем на 30% быстрее, а пятичасовые лимиты на Pro, Max, Team и Enterprise подняли.

По цифрам модель лидирует в агентном кодинге (Terminal-Bench 4.0 — 66,4% против 57,9% у GPT‑6 Astra) и в рабочих задачах (GDPval‑AA v2.1 — 1846 Elo против 1735 у Fable 5.1). Anthropic честно оговаривает, что на таких уровнях отрыв в бенчмарках плохо предсказывает разницу на практике. Живые примеры убедительнее: аудит и починка кодовой базы на 200 тыс. строк за три часа против двадцати с лишним у Opus 5, перевод HAProxy с C на Rust за 9,5 часа вместо 12 у Fable 5.1 и на 51% дешевле, миграция на 680 тыс. строк меньше чем за день. Отдельно чинили стиль общения — частую претензию к Opus 5: короче, важное вперёд, меньше жаргона.

Интереснее всего безопасность. По автоматическому поведенческому аудиту почти на 2000 сценариев это лучшая модель Anthropic на сегодня, а в новом тесте на пересечение границ изоляции она пытается их обойти примерно на 85% реже, чем Opus 5 или Mythos 5.1. Но есть и признание: Opus 5.5 часто подозревает, что её тестируют, и это подрывает саму возможность оценки. Из-за силы в биологии и кибербезопасности модель выходит с ограничениями уровня Fable 5.1 — большинство кибер-задач уходит на Opus 4.8, а доступ открывают через программы верификации. Отключить режим мышления больше нельзя.

#AI #Tech #Anthropic #Opus #Claude #Coding

💵Google оштрафован на $463 млн за данные о геолокации

Ирландская комиссия по защите данных (DPC) оштрафовала Google на 403 млн евро ($463 млн) за нарушение GDPR при обработке данных о местоположении пользователей. Решение оглашено 21 сентября.

Расследование длилось шесть лет и охватило период с 2018 года по февраль 2020-го. Регулятор счёл, что Google обрабатывал геоданные незаконно и непрозрачно через настройку Web & App Activity, сервис Location History и функцию Location Accuracy в Android. Отдельно отмечено, что данные о местоположении позволяют раскрывать информацию о человеке, включая сугубо приватную. Ирландия выступает главным регулятором Google в ЕС, так как европейская штаб-квартира компании находится в Дублине.

В Google заявили, что дело касается исторических политик, которые с тех пор обновлены, и что с 2019 года компания переработала практики и выпустила инструменты управления геоданными. Это четвёртый по величине штраф за приватность от ирландского регулятора: крупнее были санкции против TikTok и Meta*, включая 1,2 млрд евро для Meta*. Ещё три расследования против Google продолжаются.

*Деятельность Meta (Facebook, Instagram) запрещена в России как экстремистская

#Safety #Business #Law #Ai #Google #Fine #GDPR #Privacy

🤩 Alibaba Cloud представила суперноду Apsara на чипах Zhenwu V900, ICN, Pangu и Zhenyue

На конференции Apsara 2026 Alibaba Cloud и T-Head показали обновлённый серверный стек суперноды: AI-ускоритель Zhenwu V900 объединён с коммутатором ICN Switch, смарт-NIC Pangu и контроллером SSD Zhenyue. Ставка сделана не на отдельный ускоритель, а на системную координацию вычислений, сети и хранения.

Zhenwu V900 получил 216 ГБ памяти и межчиповый интерконнект на 1 200 ГБ/с, поддержку FP8/FP4 нативно и примерно трёхкратный прирост к Zhenwu M890. Массовое производство заявлено на первый квартал 2027 года. Через ICN Switch суперноды получают нативные семантики памяти и единую адресацию - около тысячи карт V900 должны работать как один крупный ускоритель. По заявлению компании, переработанная интеллектуальная сеть позволяет масштабировать один кластер примерно до 500 000 карт.

Для покупателей облачных мощностей новость в упаковке: T-Head теперь предлагает полный набор датацентровых чипов - ускорители, CPU Yitian, интерконнект, NIC и SSD-контроллеры - как единый стек. Впрочем, реальное поведение многостоечной фабрики покажет, является ли путь на 500 000 карт инженерным запасом или планом закупок.

#Tech #AlibabaCloud #ZhenwuV900 #Apsara #CPU #DataCenters

💬 Luma Labs выпустила гайд по световым промптам для AI-генерации

Luma Labs опубликовала практическое руководство по свету в промптах для генерации изображений и видео. По данным исследования, на которые ссылается компания, около 80% AI-картинок выходят плоскими именно потому, что авторы вообще не описывают освещение и оставляют модель угадывать.

В основе подхода - формула из шести элементов: субъект, стиль, свет, композиция, цвет и качество. Свет несёт наибольший вес: простой объект с тщательно прописанным светом выглядит профессионально, а детальный объект с базовым светом - как черновик. В гайде разобраны готовые шаблоны: golden hour с тёплыми янтарными тонами около 3000-3500K и вытянутыми мягкими тенями, жёсткий контровой свет с резкими краями теней и глубокими чёрными для предметной съёмки, практические источники внутри кадра (лампа, барные подвесы) для ощущения достоверности, а также неоновые схемы с отражениями на мокром асфальте и цветными заливками. Отдельно даны схемы портретного света: трёхточечная и расширенная пятиточечная с контролем интенсивности заполняющего света.

Ключевой практический вывод для продакшена - workflow image-to-video даёт 88% согласованности цветовой температуры против 42% у text-to-video. То есть для кампании из десятков ассетов свет нужно фиксировать в промпте и переносить из кадра в кадр, а не описывать заново.

#Ai #VideoGen #Prompts #ImageGen #LumaLabs #Production

🤖 OpenAI улучшила кэширование промптов для GPT-6

OpenAI обновила систему prompt caching в семействе GPT-6: доля кэш-хитов выросла по умолчанию, а скидка на переиспользованные входные токены достигает 90%. Общий префикс промпта считается пригодным для повторного использования в течение 30 минут.

Для разработчиков добавили инструменты контроля. Prompt Caching Dashboard показывает, какая часть входа обслуживается из кэша, динамику хит-рейтов и состав токенов. Диагностика промахов объясняет причину - например, tools_changed - и оценивает число затронутых токенов, чтобы понять масштаб потерь. Явные cache breakpoints позволяют самому выбрать, какие префиксы кэшировать.

Отдельно решена проблема изменений по ходу диалога. На моделях GPT-6 теперь можно менять reasoning effort между ответами через configuration_update, не ломая кэш. Вместо удаления определений инструментов рекомендуется использовать allowed_tools и tool_choice, а новые инструкции дописывать developer-сообщениями в конец контекста. Prewarming заранее прогревает известный контекст, убирая обработку из времени ожидания пользователя.

Это критично для персистентных агентов, которые часами рефакторят код или собирают документы, делая цепочку связанных API-запросов с общими инструкциями и определениями инструментов.

#AI #Prompts #OpenAI #GPT6 #Development #Agents

🔄 Together AI запустила canary-роллауты для обновления моделей без простоя

Together AI добавила в платформу dedicated inference механизм роллаутов: живой трафик переносится с текущей модели на новый чекпоинт поэтапно, с health-проверками и автоматическим откатом.

Доступны три стратегии. Canary - шаги по долям трафика (по умолчанию 5% → 25% → 50% → 100%), blue-green - один переход 0% → 100%, rolling - последовательная замена реплик с сохранением ёмкости. Внутри каждого шага canary сначала масштабируется target, затем срабатывает health-гейт, идёт ожидание сходимости маршрутизации, дренаж source и только потом проверка метрик. Если гейт не проходит, роллаут переходит в SYSTEM_PAUSED и ждёт решения человека - отмена всегда за оператором.

В демо Qwen2.5-7B → Qwen3.5-9B гейт поймал рост p95-латентности на 137% уже при 10% трафика: роллаут отменили и запустили в обратную сторону - при живых запросах ни один не упал. Управление доступно через CLI (tg в пакете together 2.34.0+), REST API и Python SDK.

#AI #Models #TogetherAI #MLOps #Inference #Deploy #LLM

⚙️ Fireworks AI запустила Specialized Intelligence Index - индекс моделей по реальным задачам

Fireworks AI представила Specialized Intelligence Index (SII) - площадку для сравнения открытых, закрытых и специализированных моделей на отраслевых бенчмарках. Стартовые домены: медицина, право, кибербезопасность, финансы, поддержка клиентов, продуктивность и разработка ПО.

Ключевая идея - публичные бенчмарки плохо предсказывают реальную работу: у них ограниченные задачи, фиксированные датасеты и стандартное скоринг. В подтверждение приводится исследование METR: 4 мейнтейнера проверили 296 сгенерированных ИИ pull request из 3 репозиториев SWE-bench Verified - оценка мейнтейнеров оказалась в среднем на 24,2 п.п. ниже автоматического бенчмарка.

В SII вошли, в частности, Harvey's Legal Agent Benchmark (24 области практики), Sierra τ-Banking с базой из 698 документов, Proximal FrontierSWE V2 (задачи уровня эксперта, до 20 часов на попытку), Datacurve DeepSWE v1.1 (113 задач, 91 репозиторий), MacroscopeBench по code review и depthfirst dfbench v1 по защитной безопасности. Для последнего модель dfs-large1, дообученная RL на базе GLM 5.2 через Fireworks, вышла на новую границу Парето.

Методология: без искусственного усреднения - никакого кросс-доменного композита, только результаты по бенчмаркам с матрицами покрытия и графиками «качество против стоимости» и «качество против времени». Каждый бенчмарк помечен уровнем воспроизводимости.

#Tech #FireworksAI #Benchmarks #LLM #OpenSourceAI #Development

🔽Parallel вдвое сократила время и стоимость исследований с GPT‑6 Astra

Компания Parallel, строящая инфраструктуру для AI‑агентов, выполняющих knowledge work в интернете, сообщила о значительном улучшении результатов на самых долгих исследовательских задачах после перехода на GPT‑6 Astra от OpenAI.

В одном из тестов агент должен был собрать шесть разных статистических показателей рынка труда по четырём штатам за шесть месяцев: найти данные на множестве сайтов и свести всё в единый отчёт. Astra справилась с этим вдвое быстрее прежних моделей при сокращении затрат примерно на 50% и том же качестве результата.

Ключевое улучшение - эффективность поиска. Astra формулирует более точные запросы и делает меньше шагов до полезного ответа, лучше удерживая конечную задачу и подключая собственные знания о мире. Это позволяет Parallel дробить исследование между несколькими агентами: Astra умеет делегировать отдельные подзадачи субагентам, и работа идёт параллельно, а не последовательностью поисков.

По словам разработчиков, раньше за высокое качество приходилось платить большей моделью с длинным reasoning - это занимало больше времени и ресурсов. Теперь у компании есть более дешёвый путь от сложного вопроса к готовому исследованию, что открывает возможность масштабировать тяжёлые задачи для финансовых и юридических клиентов, а также для голосовых агентов с web grounding.

#Business #AI #GPT6Astra #OpenAI #Agents #LLM #Research

🌐 Джон Платт из Google - об ИИ для науки: система ERA, климат и алгоритмы из sklearn

В подкасте Latent.Space вышло интервью с Джоном Платтом - обладателем «Оскара» за технологии, автором Platt scaling и SMO, одним из тех, кому приписывают сам термин «свёрточные нейросети».

Главная тема - Google Empirical Research Assistance (ERA). Идея проста: любую научную задачу, сводимую к функции оценки («scoreable task»), можно решить перебором кода. Gemini ведёт дерево прошлых экспериментов-ноутбуков, а правило Upper Confidence Bound выбирает, какие ветки мутировать - оптимистично, а не жадно, поэтому шанс есть и у пятого по перспективности варианта. Историю ветки видят все листья, так что они учатся друг у друга. Переход с Gemini 2.0 на 2.5 превратил систему из нерабочей в отлично работающую. Итог - минимум десять научных публикаций, включая климатические.

Отдельный кейс: инверсионные следы самолётов дают около 1% антропогенного потепления. Команда два года не могла построить модель отражённого солнечного света - ERA нашла простое решение с неизвестными ранее конфаундерами. Код открыт на GitHub и работает с любой LLM.

Платт предупреждает: ERA - «электроинструмент, которым можно отрезать пальцы». Метрика, ставшая целью, перестаёт быть метрикой. Совет начинающим: «Всегда сначала стройте линейную регрессию. Просто сделайте это».

#AI #Science #Google #Gemini #MachineLearning #ERA