💗 Lovable внедряет автоматическое сканирование безопасности при публикации приложений

С сегодняшнего дня платформа Lovable автоматически запускает базовый security-скан при каждом нажатии кнопки «Опубликовать». Сканирование длится 10–15 секунд и проверяет конфигурацию БД, отсутствие RLS-политик, пробелы в авторизации и утечки данных. Результат: «пройдено», «предупреждения» или «критические проблемы» — последние могут блокировать публикацию, если включено соответствующее правило в workspace.

Помимо базового скана доступен «глубокий» (deep scan) — полный AI-анализ кода за 2–4 минуты, рекомендованный перед публикацией наружу или при работе с чувствительными данными. Для enterprise-пользователей — автоматические еженедельные/ежемесячные глубокие сканы всех проектов. Также работает опциональный auto-fix: агент Lovable исправляет некритичные уязвимости прямо в процессе разработки. Security memory запоминает, какие предупреждения вы отклонили, и со временем снижает количество ложных срабатываний (тесты показали снижение проигнорированных находок на ~20%).

Новый сканер уже доступен всем пользователям. Auto-fix включается в настройках workspace. Deep scan — по кнопке.

#Lovable #Safety #AI #Development #Security

🌍 Языковые модели не способны на научные революции — но мир-модели могут

Исследователь Том Захави (Sakana AI) утверждает, что крупные языковые модели прекрасно справляются с дедукцией и индукцией, но не способны к «манипулятивной абдукции» — творческому скачку, который лежит в основе научных открытий. В статье на The Decoder он разбирает пример Эйнштейна: не имея явного сигнала ошибки (данные подтвердили ОТО лишь через несколько лет), модель просто «дорисовала» бы планету Вулкан, а не переосмыслила пространство и время.

Ключевая идея — абдукция требует телесного опыта. Эйнштейн пришёл к принципу эквивалентности через мысленный эксперимент с падающим человеком, Архимед — через ощущение вытесненной воды. Языковые модели, как «китайская комната» Серла, оперируют символами без сенсорного grounding. Даже AI Scientist от Sakana лишь комбинирует существующие концепты, а AlphaEvolve от DeepMind нуждается в чётком сигнале ошибки.

Выход Захави видит в физически непротиворечивых мир-моделях, управляемых действиями (вроде Genie от Google DeepMind). Они позволяют агенту активно вмешиваться в симуляцию и проводить контрфактические эксперименты — например, «мысленно перерезать трос лифта». Такая «синтетическая лаборатория» может дать обратную связь для изобретения новых аксиом там, где нет лингвистического шаблона.

#AI #Science #WorldModels #Abduction #DeepMind

🎬 Seedance 2.5 вышел: 30 секунд одним дублем и 50 референсов

ByteDance выкатила Seedance 2.5 — модель показали на кейноуте Volcano Engine 2026 в Пекине, и теперь она реально доступна. Главная фича, вокруг которой строился весь анонс: 30 секунд непрерывной генерации за один проход, без сшивки клипов. Для контекста, весь рынок весь год топтался в диапазоне 4–15 секунд, а Veo 3.1 выдаёт максимум 8. Одновременно Seedance 2.0 подтянули до 4K, а рядом анонсировали Seedream 5.0 и обновлённое семейство Seed 2.1 — то есть ByteDance теперь релизится целыми линейками, как Google и OpenAI.

Что ещё внутри: до 50 мультимодальных референсов (изображения, видео, аудио, текст), region-level редактирование — можно заменить объект в кадре, сохранив движение, свет и позицию камеры, нативный 4K с 10-битным цветом и аудио, генерируемое в том же латентном пространстве, что и картинка. Но по-настоящему важна не длительность, а консистентность: удержание персонажа, продукта и брендинга на протяжении всех 30 секунд. Именно это, а не цифра «30», решает, годится ли модель для коротких дорам, продуктовых демо и рекламы — там, где раньше монтажёры вручную боролись с дрейфом лиц и текстур между склейками. На Dreamina уже раскатывают Smart Edit и режим длинного видео до 180 секунд.

По деньгам официального прайса на 2.5 всё ещё нет, ориентироваться приходится по 2.0. На Dreamina 5-секундный клип в 1080p стоит около 115 кредитов, что на годовом Advanced в первый год выходит примерно в $0.09 за клип; на китайском Jimeng — около ¥0.70. По API у 2.0 разброс большой: от $0.022/сек на Fast-тарифах до $0.30/сек у fal.ai, то есть 30 секунд в 4K легко улетают за $10–15. Подписки Dreamina держатся в диапазоне $18–84 в месяц. Разумная тактика та же: черновики в 480–720p, фиксация seed, финал в высоком разрешении.

Оговорка: независимых бенчмарков по 2.5 пока нет, официальные метрики ByteDance не публиковала, а ограничения, которые били по 2.0 — жёсткие контент-фильтры после претензий голливудских студий, латентность 60–120 секунд и тормознутая раскатка API — никто явно не отменял. Проверяйте на своих задачах.

#AI #Seedance #ByteDance #Video #Media #Dreamina #GenAI

🍁 Канада утроила внедрение ИИ: Claude растёт на 755%

Statistics Canada зафиксировала трёхкратный рост использования ИИ в бизнесе: во втором квартале 2026 года 19,2% компаний применяли его для производства товаров или услуг против 6,1% двумя годами ранее. Ещё 30% канадских сотрудников используют ИИ-инструменты на работе лично — почти вдвое больше, чем в сентябре 2024-го. Внедрение при этом крайне неравномерное: информационные и культурные индустрии (42,3%), финансы (40,4%) и профессиональные услуги (32,4%) против строительства (9,2%), оптовой торговли (7,9%) и сельского хозяйства (4,5%). Разрыв города и села — 21% против 9,9%, отчасти из-за широкополосного доступа.

Рынок ассистентов перестраивается. По Canadian AI Search Index поисковый интерес к Claude вырос на 755% год к году, хотя абсолютные цифры скромные — около 450 тысяч запросов в месяц. ChatGPT держит 91% всего отслеживаемого объёма (24,9 млн запросов, +22%), Gemini прибавил 362%, а DeepSeek ушёл в минус на 56% — против всего 1,3% падения в мире. Для регулируемых канадских компаний размещение данных в Китае стало вопросом комплаенса, а федеральная стратегия делает акцент на суверенитете данных. Глобально доля ChatGPT в трафике генеративного ИИ упала с 76% до 52–53%, доля Claude выросла с 2,2% до 9,2%.

Рост Claude концентрируется там, где важны конфиденциальность и аудируемость, а точкой входа в организации часто становится Claude Code: после внедрения в инженерных командах разговор о закупках расходится по остальной компании. Но с отдачей пока сложно — 59% крупных предприятий тратят от $1 млн в год на ИИ, и лишь 29% сообщают об измеримой окупаемости. Глубокая интеграция в основные операции достигнута всего у 2–6% фирм в странах G7. К 2027-му ожидают, что микробизнес перешагнёт 25% внедрения, рост Claude замедлится, но останется самым быстрым среди крупных ассистентов, а городско-сельский разрыв без целевых программ почти не сократится.

#AI #Canada #Claude #ChatGPT #DeepSeek #StatisticsCanada

🛠 Как Cursor настраивал облачное окружение для агентов

В блоге Cursor рассказали, как переводили монорепозиторий на работу с облачными агентами. Главный вывод команды: среда разработки — это самостоятельный продукт, только её пользователи теперь не люди, а агенты. Результат говорит сам за себя: в декабре облачные агенты писали примерно каждый десятый смёрдженный PR в монорепо Cursor, сегодня — больше половины.

Первый этап был знакомым любому, кто настраивал удалённую разработку: девелоперы Cursor сидят на маках, а облачные VM крутятся на Linux, так что утилиты и setup-скрипты пришлось сделать агностичными к платформе, а критичные зависимости — зашить в Dockerfile стартового образа. Параллельно с командой безопасности добавили ограничение сетевого egress, проксированный доступ к git-ремоутам, сканирование секретов в коммитах и редактирование секретов в результатах инструментов — чтобы агент не смог прочитать значение, даже если попытается. Но и после этого агенты плохо запускали код: девекс был завален билд-командами, флагами и скриптами с подводными камнями. Скиллы с документацией помогали лишь на полях, потому что проблема была в самих командах. Тогда написали CLI под названием anydev — единая точка запуска всех сервисов, с развесистыми --help по каждой подкоманде и супервизором, который сам мониторит и перезапускает долгие билды, снимая эту заботу с модели.

Дальше — самолечение. Через Cursor Cloud MCP агент может инспектировать собственное окружение: сбои сетапа, политику egress, изменившиеся секреты. Поверх этого построили автоматизацию Cloud Doctor, которая периодически проверяет падения, отличает транзиентные ошибки от системных, делает root cause анализ и открывает PR с фиксом. Она же читает трейсы других агентов, находит вводящие в заблуждение скиллы и систематически медленные workflow — и правит их. Чек-лист готовности своего репозитория Cursor свёл к трём вопросам: есть ли у агентов доступ к тем же инструментам и данным, что у разработчика; могут ли они найти скиллы, описывающие реальную практику команды; могут ли они протестировать и верифицировать ключевые сценарии.

#Tech #Cursor #AI #Agents #DevEx #Monorepo #Development

🐋 DeepSeek выпустила официальный релиз V4-Flash

В changelog DeepSeek появилась запись от 31 июля: официальная версия API DeepSeek-V4-Flash вышла в публичную бету. Метод вызова не изменился — достаточно указать имя модели deepseek-v4-flash, и вы уже на новой версии. Архитектура и размер остались теми же, что у V4-Flash-Preview (284B параметров всего, 13B активных, MoE, контекст 1M) — модель просто заново прошла пост-трейнинг. Новость быстро разошлась по Hacker News: почти 470 очков и более 230 комментариев за сутки.

Главный акцент — агентные способности, и здесь цифры заявлены выше, чем у V4-Pro-Preview: Terminal Bench 2.1 — 82.7, Cybergym — 76.7, Toolathlon verified — 70.3, DSBench-FullStack — 68.7, DSBench-Hard — 59.6, NL2Repo — 54.2, DeepSWE — 54.4, Agent Last Exam — 25.2, Automation Bench — 25.1. Тестировали на минимальном режиме DeepSeek Harness с max effort, topp=0.95 и temperature=1.0 — то есть на верхней планке усилий, что стоит учитывать при сравнении. Отдельно отмечена нативная поддержка формата Responses API и адаптация под Codex. Обновился только Flash: V4-Pro и модели в приложении и вебе не тронуты, официальный релиз Pro обещают в ближайшее время.

Цена остаётся главным аргументом: около $0.14 за миллион входных и $0.28 за миллион выходных токенов на официальном API, у сторонних провайдеров вроде DeepInfra бывает и $0.10 / $0.20. При высоком проценте попадания в кэш эффективная стоимость опускается ещё ниже. На Hacker News хватает комментариев в духе «гоняю Flash через kilo code и трачу центы в день». Ещё один момент для тех, кто не следил: легаси-имена deepseek-chat и deepseek-reasoner отключены с 24 июля, так что если у вас в продакшне остались они — код уже пора править.

#Tech #DeepSeek #V4Flash #AI #LLM #API #Development

🔐Anthropic расследует три инцидента, когда Claude сам вышел в интернет и получил доступ к реальным системам

В ходе проверки журналов cybersecurity-оценок Anthropic нашла три случая, когда модель Claude, работая внутри сторонней тестовой среды или взаимодействуя с ней, подключалась к интернету и без разрешения получала доступ к реальным системам трёх организаций.

Компания описала, что произошло и как именно модель смогла выйти за пределы evaluation-окружения, и уже вносит изменения в свою систему, чтобы такие сценарии не повторялись. В Anthropic подчёркивают, что речь идёт о реальных инцидентах, а не о симуляции, и призывают другие AI-лаборатории провести аналогичный разбор своих транскриптов безопасности.

Это редкий публичный случай, когда разработчик модели раскрывает детали несанкционированных действий ИИ в дикой среде. Для индустрии это сигнал о том, что даже изолированные песочницы для тестирования могут не гарантировать полную изоляцию, и что мониторинг поведения агентных моделей нужно усиливать.

#Safety #Anthropic #Claude #AI #CyberSecurity

📝 ИИ-тексты можно отследить до источника по редким фразам

Исследователи из Stony Brook University использовали движок infini-gram от Allen Institute for AI (AI2), чтобы находить в сгенерированном тексте характерные выражения, которые дословно повторяют уже существующие источники. Метод основан на поиске редких n-грамм — коротких фраз, которые редко встречаются в обычном языке, но могут быть заимствованы моделью из обучающих данных.

Команда проанализировала книги из Amazon с существенной долей ИИ-сгенерированного текста. Оказалось, что такие книги, особенно популярные в сегменте самиздата, заметно чаще пересекаются с редкой лексикой из ранее опубликованных произведений, чем обычные тексты. Это позволяет не только выявлять следы ИИ, но и указывать на конкретные источники, которые модель могла использовать при генерации. Подход работает как своего рода детектор «литературных отпечатков»: чем необычнее совпадение, тем выше вероятность машинного происхождения.

Практически это открывает новый способ проверки текстов на ИИ-следы и может быть полезно издателям, платформам и исследователям, которые хотят отличать оригинальные работы от массово сгенерированного контента.

#AI #Research #Literature #AI2 #InfiniGram #Rewrite