❗️Anthropic: малые ИИ-модели могут скоро размножаться по бытовым устройствам

Исследователи Anthropic Уильям Чжоу и Дэниел Фриман проверили, способны ли небольшие модели самостоятельно распространяться по плохо защищённым IoT-устройствам - умным телевизорам, холодильникам, роботам-пылесосам. Такой «ИИ-червь» несёт веса модели внутри полезной нагрузки и запускает инференс прямо на заражённом железе.

В эксперименте модель Gemma4-26B-A4B распределили по 15 Android TV-приставкам за $55 с 4 ГБ RAM: каждая считала часть слоёв. Процесс разбили на четыре этапа - скан сети, получение доступа, настройка ИИ-окружения, дальнейшее распространение; сам взлом намеренно исключили. Модель на 9 млрд параметров развернула Llama3.1-8B на 8 из 9 типов устройств, но полную цепочку надёжно прошла только GLM-5.2 - все восемь узлов в четырёх запусках из пяти. При «искусственной эволюции» успех Qwen3.5-9B вырос с 45% до 84%.

Полностью автономного репликатора пока нет, но при текущих темпах он может появиться к концу 2026 года. Настройка на новом устройстве занимает от 28 до 150 часов, зато децентрализованность делает сеть почти неубиваемой. Глава Anthropic Дарио Амодеи предупреждает: за 6-12 месяцев такой роёк способен захватить интернет устойчивым ботнетом с ущербом в сотни миллиардов долларов. Защита возможна - карантин у провайдеров и запрет паролей по умолчанию, как в Великобритании, - но требует координации.

🎨 qvabo.studio/tg · картинки и видео

#Safety #Anthropic #AI #Security #Botnets #IoT

⚙️ Liquid AI выпустила LFM2.5-24B-A2B - reasoning-модель для локальных агентов

Liquid AI представила LFM2.5-24B-A2B: 24 млрд параметров при всего 2 млрд активных на токен (MoE с 64 экспертами и top-4 роутингом). Модель создана для быстрых и приватных агентов, работающих на собственном железе: она всегда выдаёт цепочку рассуждений перед ответом, вызывает инструменты и проходит многошаговые задачи внутри популярных агентных фреймворков.

Контекстное окно выросло с 32K до 131K токенов, словарь - с 65K до 128K (лучше для нелатинских языков). Предобучение расширено с ~17T до ~33T токенов, посттренировка включает пять этапов, включая agentic RL прямо внутри харнессов OpenClaw, Hermes Agent, Pi и OpenCode. На LiveClaw модель набирает 48.09 против 38.19 у Qwen3.6-35B-A3B, лидирует в AutomationBench, BFCLv4, ToolSandbox, τ³-Bench Banking и во всех трёх бенчмарках следования инструкциям. Слабее - на знаниевых и кодинг-задачах, где авторы советуют подключать retrieval или веб-поиск.

Инференс: 184 ток/с на Apple M5 Max и 114 ток/с на Ryzen AI Max+ 395, свыше 21K выходных токенов в секунду на одной NVIDIA B300. Поддержка из коробки - llama.cpp, MLX, vLLM, SGLang и ONNX. Веса открыты на Hugging Face, есть базовая версия и туториалы по файнтюнингу.

🎨 qvabo.studio/tg · картинки и видео

#AI #LiquidAI #Models #Agents #MoE #OpenSource #HuggingFace

👩‍💻 Claude Code v2.1.300: телеметрия OpenTelemetry GenAI и новые mod-хуки

Вышел релиз Claude Code v2.1.300 - крупное обновление с расширенной наблюдаемостью, доработкой mod-API и длинным списком исправлений для CLI, cloud-сессий и VS Code.

В трейс-спаны добавлены атрибуты OpenTelemetry GenAI semantic conventions: gen_ai.provider.name, gen_ai.conversation.id, gen_ai.tool.name и error.type. Событие api_request теперь разделяет cache_creation_5m_tokens и cache_creation_1h_tokens - видно, сколько токенов записано в кэш на 5 минут и на час. Крупные запросы к api.anthropic.com сжимаются gzip даже при отключённой телеметрии.

Для авторов модов: virtualText рисует текст в поле промпта, не попадая в черновик и отправляемый запрос; появился хук prompt.change; в agent.spawn можно переписывать prompt и model воркфлоу-агента, а не только отклонять его; $.ui.view({ agentId }) открывает транскрипт агента в основном окне. Добавлен /advisor на Claude Platform on AWS.

Исправлено: cloud-сессии больше не ссылаются на политику организации вместо сетевых настроек; subagents не исчезают из /tasks; /branch не теряет сообщения с разделителями U+2028/U+2029; updatedInput из хуков валидируется как собственный ввод Claude. В VS Code - настройка claudeCode.attachSelection, фиксы fast mode, тогла Thinking и drag&drop файлов в WSL, SSH и Dev Container.

🎨 qvabo.studio/tg · картинки и видео

#ClaudeCode #Anthropic #AI #Skills #Development #OpenTelemetry

💵Modal привлекла $750 млн Series D при оценке $15,75 млрд

Платформа serverless-инфраструктуры для AI Modal объявила о выходе на $1 млрд annualized run rate и закрытии раунда Series D на $750 млн. Post-money оценка - $15,75 млрд, лид-инвестор Accel, к нему присоединились Kleiner Perkins и все прежние инвесторы, включая Menlo Ventures, General Catalyst и Redpoint.

Выручка выросла более чем в 15 раз год к году, а потребление - втрое всего за пять месяцев после Series C. Компания отказалась от стандартного стека и построила собственные файловую систему, container runtime, планировщик и сеть поверх пула мощностей из 20+ облаков - ради работы с дефицитными GPU и большими моделями.

Отдельно растет продукт Sandboxes: это уже $300M run rate, около 3 млрд запущенных песочниц и масштабирование до миллиона одновременных. На Modal работают Jev от TypeSafe AI (1 трлн токенов за первые три дня), фоновые агенты Cognition, Ramp, Linear и Hebbia, генерация видео Runway, обучение роботов Physical Intelligence и 1X, drug discovery Chai Discovery. Недавно запущены multi-node training, serverless-серверы, Endpoint Candidates и VM-песочницы.

🎨 qvabo.studio/tg · картинки и видео

#AI #Infrastructure #serverless #Development

⌚️ Цена секунды AI-видео: разброс между генераторами достигает 50 раз

Стоимость генерации секунды AI-видео варьируется от $0.012 до $0.60 в зависимости от модели, разрешения и схемы оплаты. Luma Labs опубликовала сравнительный обзор тарифов популярных генераторов - при производстве десятков роликов для одной кампании разница в цене становится решающим фактором.

Luma Ray 3.2 даёт пятисекундную Draft-генерацию за 20 кредитов, что соответствует примерно $0.012 за секунду. Стандартная генерация SDR стоит около $0.03/сек при 540p, $0.06 при 720p и $0.24 при 1080p. У конкурентов: Hailuo 2.3 Fast - $0.03/сек, PixVerse v5.6 - $0.035-0.075 (до трёх референс-изображений для консистентности персонажей), Kling 2.6 - $0.07 (до 2 минут и 6 связанных шотов), Pika 2.5 - $0.08 (клип генерируется за 15-45 секунд), Google Veo 3.1 - $0.05-0.60 с синхронным звуком и выводом в 4K.

В обзоре отдельно подчёркивается, что реальная стоимость ролика включает повторные генерации: бесплатные тарифы обычно ограничены водяными знаками, лимитами по разрешению и суточными кредитами. Поэтому для кампаний важнее считать цену готового видео с учётом правок, а не подписку. По данным Grand View Research, рынок AI-видеогенераторов вырастет до $3.44 млрд к 2033 году при среднегодовом темпе 20.3%.

🎨 qvabo.studio/tg · картинки и видео

#AI #Media #VideoGen #Luma #Ray #Development

⚡️ Robotaxi-подразделение Hello Inc. выпустило HelloWorld - генеративную world-модель для вождения

Команда роботакси Hello Inc. 12 октября представила HelloWorld - генеративную world-модель, которая создаёт данные для вождения по запросу и позволяет интерактивно тестировать политики управления. Опубликованы статья на arXiv и страница проекта.

Модель сочетает управление сценой, непрерывную генерацию, мультисенсорное наблюдение и эффективный инференс. Инженеры могут редактировать автомобили, пешеходов и их траектории - например, добавить переходящего дорогу пешехода, изменить маршрут машины впереди или переключить погоду между дождём, снегом, днём и ночью. HelloWorld генерирует согласованные многовидовые видео с камер и данные лидара. Второй способ задания сцен - обычный текст: описание превращается в нужные модели условия (стройплощадки, плотный трафик, туман, разное освещение).

Цель - закрыть пробелы в реальных данных. Редкие опасные ситуации и необычные сочетания погоды и трафика трудно набрать обычным сбором на дорогах, а генерация по запросу даёт целевые обучающие данные и контрфактические тесты: один момент переигрывается с изменённым элементом, чтобы проверить реакцию политики вождения.

По данным статьи, у HelloWorld около 2 млрд параметров, семь камер, условный вывод лидара и причинная генерация за несколько шагов - это должно сохранять скорость инференса для повторяемой интерактивной симуляции. Сроки применения модели в тестировании машин компания не раскрыла.

🎨 qvabo.studio/tg · картинки и видео

#Tech #AI #WorldModels #AutoDriving #RoboTaxi #HelloWorld #MachineLearning

📄 Amazon Bedrock AgentCore: самообучающаяся обработка документов без шаблонов

AWS представила решение для агентной обработки документов (IDP) на базе Amazon Bedrock AgentCore. Восемь специализированных агентов работают в двух графовых процессах, построенных на открытом SDK Strands Agents, и классифицируют, извлекают, валидируют данные и обучаются на каждом новом формате без ручной настройки шаблонов.

Как это устроено: Analyzer извлекает текст через Amazon Textract, Matcher ищет похожие документы по векторному сходству в S3 Vectors. Для нового типа запускается training workflow - агенты Instructions, Extractor и Validator генерируют промпты, проверяют результат по схемам и бизнес-правилам в Aurora DSQL. При ошибке Instructions Fixer уточняет промпт и повторяет попытку, после успеха Save Instructions сохраняет инструкции. Для известных форматов работает automation workflow с уже готовыми правилами.

Инфраструктура: документы приходят через Amazon SES или S3, EventBridge и Lambda создают задачу в DynamoDB и запускают AgentCore Runtime. Доступ к ресурсам обеспечивают AgentCore Identity и Cognito, а Lambda-функции становятся инструментами агентов через MCP-интерфейс AgentCore Gateway. Мониторинг - через AgentCore Observability и CloudWatch. Развёртывание шести CloudFormation-стеков через AWS CDK занимает 15-20 минут.

🎨 qvabo.studio/tg · картинки и видео

#Tech #AWS #Bedrock #AgentCore #IDP #AI

⚙️ Figma представила Figma Specs и инструменты для управления ИИ-агентами на платформе

На первом Config в Индии Figma анонсировала Figma Specs - Markdown-редактор, в котором команды описывают свой дизайн-язык, правила бренда и гайдлайны. Документ существует как отдельный файл или прямо внутри канвы, а ссылаться в нём можно на элементы холста, диаграммы FigJam, кодовые слои и дизайны.

Главная идея - дать собственным и сторонним агентам централизованную спецификацию, которой они обязаны следовать при генерации интерфейсов. Поскольку поведение ИИ недетерминировано, Figma добавляет к своему агенту на канве механизмы управления контекстом: подключение дизайн- и код-библиотек, а также общих правил дизайн-системы.

Кроме того, функция code layers переходит из приватной беты в публичную: она добавляет код к макетам на канве для интерактивных прототипов, позволяет агенту превращать дизайн в код и править отдельные фрагменты. Компания расширяет поддержку более 20 инструментов через MCP, включая Open Code, Dia, Grok Bot и индийский стартап Sarvam. Наконец, Payload - open-source headless CMS, купленный Figma в прошлом году, - интегрируется с Figma Make для генерации динамических сайтов и управления контентом.

🎨 qvabo.studio/tg · картинки и видео

#AI #Figma #Agents #Design #MCP #Development

👩‍💻 Claude Code v2.1.301: OpenTelemetry-трассировка, vim-режим и десятки фиксов

Anthropic выпустила обновление CLI-агента Claude Code. Главное для разработчиков - в skill claude-api добавлено руководство по OpenTelemetry-трассировке, включая настройку приёмников трейсов через CLI ant. В события tool_decision теперь пишутся classifier_verdict, permission_mode и classifier_category, так что решения авто-режима можно отличить от срабатывания обычных permission-правил.

В vim-режиме появился motion % - переход к парной скобке, отдельно и вместе с d/c/y. Модам добавили rows в Input: многострочное поле в терминале, где Enter отправляет, а Shift+Enter или бэкслеш перед Enter начинает новую строку. Новый флаг CLAUDE_CODE_RETRY_WATCHDOG_MAX_USAGE_LIMIT_WAIT_MS заставляет автономный retry-режим прекращать запрос, если лимит сбрасывается слишком нескоро, вместо бесконечного ожидания.

Исправлено: смена модели на меньший контекст теперь сначала суммируется прежней моделью, а не тратит кредиты молча; Read больше не читает бинарные .xlsm, .parquet, .epub и .heic как текст; починены зависания skills с большим числом аргументов и утечки памяти на плейсхолдерах; в VS Code добавлен рендер LaTeX-математики.

🎨 qvabo.studio/tg · картинки и видео

#ClaudeCode #AI #Skills #GitHub #OpenTelemetry #Development

🍏 Selection-Based Structured Reasoning: как Apple ускоряет мультимодальные поисковые агенты

Исследователи Apple ML представили SSR (Selection-based Structured Reasoning) - подход, который заменяет свободную генерацию рассуждений у мультимодальных агентов на выбор из заранее заданных кандидатов.

Проблема: небольшие модели (2B и 4B) тратят ёмкость на длинные цепочки рассуждений, которые мало помогают генерации действий, но сильно увеличивают стоимость инференса. SSR представляет повторяющиеся высокоуровневые рассуждения как предопределённые переиспользуемые natural-language кандидаты. На каждом шаге модель выбирает подходящий вариант по его вероятности с учётом текущего контекста - без вспомогательной task head.

Ключевая техническая деталь: предзаданные reasoning traces допускают параллельное скорингование. Teacher-forced prefilling вычисляет токенные вероятности одновременно внутри кандидатов и между ними через общий KV-кэш контекста.

Оценка на семи мультимодальных поисковых бенчмарках (модели 2B и 4B, RL и SFT) показала: средний success rate сопоставим с ведущими поисковыми агентами того же масштаба, при этом задержка рассуждений на шаг падает более чем на 90%, а общая задержка инференса на вопрос - на 28-54%.

🎨 qvabo.studio/tg · картинки и видео

#AI #Research #MultiModal #Agents #Apple #Inference #ML

❗️USTC поставил рекорд преобразования частоты 393→1550 нм для квантовых сетей

Команда USTC под руководством Пань Цзяньвэя и Чжан Цяна показала низкошумовое преобразование частоты фотонов из УФ-диапазона (393 нм) в телеком-полосу 1550 нм. Работа опубликована в Physical Review Letters.

Ловушки ионов - одна из ведущих платформ квантовых сетей: долгая когерентность и точное управление. Но ионы излучают в ультрафиолете, который быстро поглощается в оптоволокне. Спасает квантовое преобразование частоты (QFC), сохраняющее квантовое состояние фотона, - однако раньше эффективность была низкой, шум высоким, а запутанность между ионными узлами ограничивалась метрами.

Исследователи построили количественную модель влияния дефектов доменов кристалла на квази-фазовый синхронизм и подтвердили её экспериментально. Обнаружив, что при коротковолновой накачке преобразование и главный источник шума (спонтанное параметрическое рассеяние) смещаются в противоположные стороны, они подавили шум накачки.

Итог: эффективность 28,8% «от конца до конца» и шум 35 отсчётов в секунду - примерно в 30 раз эффективнее и на два порядка тише предыдущих работ. Модуль уже применён с кубитами на ионах кальция-40: сигнал/шум 120:1, дальняя запутанность и device-independent QKD. Это ключевой компонент масштабируемых квантовых повторителей.

🎨 qvabo.studio/tg · картинки и видео

#Tech #QuantumNets #Photonics #QuantumComputing #Science #USTC

📸 Krea 3: правка изображений за 8 секунд в нативном 2K

Krea выпустила Krea 3 - новую модель редактирования изображений, которая ориентирована на скорость и стоимость. Большинство правок возвращаются менее чем за 8 секунд end-to-end при нативном разрешении 2K. Цена - $0.06 за изображение в 2K и $0.03 в 1K.

Для сравнения Krea приводит собственные замеры: Nano Banana Pro - около 33 секунд и $0.135 за картинку, GPT Image 2 - 90 секунд и $0.22. На объёме в 100 000 правок разница в цене составляет $6 000 против $13 500 и $22 000 соответственно.

Ключевая особенность - точность: модель меняет только то, о чём попросили, сохраняя лейблы, логотипы, лица и персонажей. Поддерживается до 6 референсных изображений на одну правку, что позволяет переносить товар в новую сцену, менять материалы и свет или держать одну и ту же модель в серии кадров.

Krea 3 уже доступна на krea.ai, а также через fal, Hedra, Together AI, Nous Research, OpenRouter и Replicate. Основные сценарии - e-commerce, реклама и кино: из студийного пакшота делают лайфстайл-кадр, локализуют постер или примеряют материалы до начала стройки.

🎨 qvabo.studio/tg · картинки и видео

#AI #Krea3 #Media #ImageGen #EditingAI

🧠 «Мы недостаточно амбициозны»: инженер Anthropic объясняет, как это исправить

Феликс Ризеберг, работающий над Claude, написал разбор того, что обычно остаётся лозунгом. Он замечает, что возможности моделей растут неравномерно: по словам Теренса Тао, они «поразительны в одних направлениях и неадекватны в других». Кто-то научился пилотировать именно поразительную часть и буквально летает, а большинство всё ещё машет новыми крыльями, не понимая, зачем они нужны кроме «сделай письмо менее злым». Отсюда постоянный клич «мы недостаточно амбициозны» - который легко провозгласить и трудно исполнить.

Он делит амбицию на четыре типа. Скорость это та же работа за меньшее время, экономическая основа ИИ, но творчества она не требует, и автор её пропускает. Высота означает подъём на уровень абстракции: вместо задачи вы формулируете исход. Глубина это выполнение задачи так, как сделал бы ведущий эксперт поля, с заходом на уровень сырых данных и инструментов. Широта это привлечение нескольких дисциплин сразу, которые раньше было бы нерентабельно задействовать.

Самый наглядный пример у него про высоту и как раз про скучную офисную работу. В начале прошлого года он просил Claude чинить отдельные краши. Со временем просьба стала другой: просто держи наши приложения без крашей. Но у такого перехода есть цена, о которой обычно молчат. Чтобы это заработало, пришлось перестроить сам процесс: дать модели возможность забирать краш-репорты, сопоставлять версию приложения с коммитом и получить доступ к машинам на Windows, macOS и Linux, чтобы она могла самостоятельно воспроизводить и проверять исправления. Сам автор честно отмечает границу: «Claude, иди заработай денег» в 2026 году для большинства бизнесов всё ещё не работает.

Высота. Признак, что пора подниматься в абстракции - если по поводу работы у вас запланированы совещания. Для творческих задач работает хуже. На примере квартального обзора: не обновлять цифры в шаблоне, а дать максимум данных и спросить, что изменилось, почему и что делать. Выше - выделить три срочных решения с аргументами за и против. На верхнем уровне - спроектировать способ ловить проблемы раньше, чем квартальная презентация, доказать на истории компании, что он сработал бы, и прогнать параллельно с текущим.

Глубина. Модели на просьбу «веди себя как профессионал» часто меняют словарь, но не метод. Требуйте реальных инструментов: тянется к markdown-таблицам — настаивайте на базах данных и статистике. Ставьте неразумные цели: нужна загрузка за 5 секунд вместо 10, просите 200 миллисекунд. Проверяйте то, что считаете известным: «мы думаем, что отток это проблема онбординга, воспроизведи из сырых данных». И не давайте модели судить саму себя, нужен внешний судья.

Широта. Замените существительные глаголами: квартальный обзор это не презентация, а «заставить занятых людей поверить в историю про причину и следствие и принять решение за 30 минут». Так видно, какие поля дадут угол. Дальше собирайте команду как в фильме про ограбление: аналитик, журналист, редактор, плюс красная команда из шорт-селлера и судебного бухгалтера. Но не ролевая игра: просите не писать как шорт-селлер, а делать то, что он делает.

Промпт для глубины. Попросить более глубокую версию задачи, а не более объёмную, ответив сначала на четыре вопроса: что сделал бы топовый профессионал, о чём вы не просили; с какого сырого материала начал бы; какие методы применил бы; что подтвердит правильность результата. Затем переписать запрос под это.
Условие. Всё это требует, чтобы у модели был компьютер с возможностью ставить софт и доступ к данным.

🎨 qvabo.studio/tg · картинки и видео

#AI #Productivity #Anthropic #Claude #Workflow

💻 NVIDIA расширила семейство Nemotron: открытая модель Super VL на 120 млрд параметров и edge-модели Bolt

NVIDIA выпустила Nemotron 3.5 Super VL - открытую мультимодальную модель на 120 млрд параметров (A12B) для специализированных всегда включённых агентов. По данным Artificial Analysis, она обеспечивает до 5x более высокую пропускную способность, чем ближайшие аналоги в своём классе, при точности, сопоставимой с крупнейшей reasoning-моделью NVIDIA при примерно в пять раз меньшем числе параметров.

Модель работает с изображениями, веб-страницами и PDF: OCR, таблицы, графики, извлечение структурированных данных - всё в одном контуре, без маршрутизации задач между отдельными системами. Веса, датасеты и рецепты обучения открыты; дообучение идёт через NVIDIA NeMo. Компании уже адаптируют Super VL под свои данные: Scale AI, AI21, Perplexity, Atlassian, CrowdStrike, Salesforce, Synopsys, ModelScope.

Для локального запуска представлены две edge-модели: Bolt 74B-A9B (24 ГБ, нативная 2-битная квантизация) для агентных задач на RTX и DGX Spark, и Bolt E4B (4 ГБ) для голосовых ассистентов и встраиваемых интерфейсов на GeForce RTX и Jetson. Поддержаны llama.cpp, Ollama, LM Studio, Unsloth и vLLM. Super VL и Bolt 74B доступны сейчас на Hugging Face и через NVIDIA NIM, Bolt E4B - с 23 октября.

🎨 qvabo.studio/tg · картинки и видео

#AI #NVIDIA #Nemotron #Tech #OpenSource #LLM

👩‍💻 Anthropic выложила плагин, который переписывает легаси и отдельно доказывает, что ничего не сломалось

Главная идея code-modernization не в самом переписывании, а в том, что вердикт о сохранении поведения выносит скрипт, а не модель. Шаг modernize-verify прогоняет тесты заново с нуля, берёт счётчики из файлов раннера, а не из текста отчёта, запускает старую и новую версии на одних входах и сравнивает вывод побайтово. Дальше идут самопроверки: плагин сам сочиняет минимум десять новых наборов данных (границы, пустое, огромное, повреждённые записи), намеренно ломает одну строку, чтобы увидеть красные тесты, и портит один байт вывода, чтобы проверить сравнивалку. Вердикт выдаётся по каждому модулю отдельно: PROVEN, PARTLY PROVEN или NOT PROVEN. Если старую систему негде поднять, честный потолок это PARTLY PROVEN, и отчёт пишет об этом прямо.

Перед сборкой идёт разведка. modernize-preflight задаёт пять вопросов, на которые может ответить только живой инженер, и убеждается, что код вообще собирается. Затем modernize-assess считает инвентарь, сложность, долг и безопасность, modernize-map рисует зависимости и потоки данных, а modernize-extract-rules вытаскивает бизнес-логику в карточки Given/When/Then со ссылками вида файл:строка, причём каждую карточку перепроверяет второй агент. Человек подтверждает или правит спорные правила, после чего modernize-brief собирает фазовый план. До одобрения плана код не трогают. Сборок три на выбор: uplift для новой версии той же технологии, transform для переезда на другой стек по модулю, reimagine для пересборки на новой архитектуре.

Легаси-исходники не редактируются вообще: плагин делает симлинк на вашу папку и пишет только в analysis/ и modernized/, запрет продублирован deny-правилом в настройках. Чужой код считается недоверенным вводом, поэтому агенты трактуют содержимое файлов как данные, выписывают найденные в комментариях инструкции-ловушки в отчёт вместо исполнения и маскируют найденные ключи. Ставится командой /plugin install code-modernization@claude-plugins-official, лицензия Apache 2.0, промпты и шаги лежат в репозитории и форкаются под свой стек.

Цифры прогонов и расход Anthropic гоняла плагин headless на публичных репозиториях и приводит данные из файлов этих прогонов. AWS CardDemo на COBOL: 35 правил, начисление процентов переехало на Java 21, 213 тестов и пять независимых проверок подряд, каждая находила новый дефект, итог NOT PROVEN. Eclipse Jetty с Java 8 на 17: пилот на jetty-util, 946 тестов дают одинаковый результат на обеих версиях, сверху 50 дописанных тестов. osCommerce с PHP на Python и FastAPI: 17 957 тестов и 17 727 сравнений с живым PHP сошлись, итог PROVEN. JPetStore в REST API: 6 из 24 новых сравнений разошлись, NOT PROVEN. На заминированном репозитории с инструкциями в комментариях, README и CLAUDE.md ничего подброшенного не выполнилось. Расход заметный: extract-rules поднимает 50-200 агентов, сборка модуля занимает 15-30 минут, на крупной базе советуют начинать с одного модуля.

🎨 qvabo.studio/tg · картинки и видео

#AI #Anthropic #ClaudeCode #DevTools #Legacy #Tech

🤖 ChatGPT получил доступ к открытым вкладкам Chrome

После закрытия браузера ChatGPT Atlas компания OpenAI усилила своё расширение для Google Chrome: теперь ассистент умеет читать открытые вкладки, если упомянуть @chrome в запросе в веб- или десктоп-приложении ChatGPT.

В демо OpenAI пользователь просит сравнить три вкладки с диванами, которые рассматривает к покупке. Среди других примеров - перенос данных о поставщиках из вкладок в сравнительную таблицу с ценами, ссылками и ключевыми характеристиками, сравнение услуг подрядчиков по ремонту с черновиком письма выбранному исполнителю и заполнение форм (например, регистрация на мероприятие или запись к врачу) с остановкой перед отправкой.

Также обновлён сайдбар ChatGPT: в нём доступна «полная мощь» ассистента и вся история переписки из Chat или Work без ухода со страницы. Режим ChatGPT Work может управлять вкладками Chrome - отправлять сообщения, заполнять формы, скачивать файлы и группировать открытые вкладки. Функциональность похожа на «auto browse» от Google на базе Gemini.

🎨 qvabo.studio/tg · картинки и видео

#Tech #OpenAI #ChatGPT #Chrome #AI #Browsers

🟰 GPT-6-Astra решила 49 из 50 задач по теоретической физике - по $2,40 за штуку

Новый бенчмарк TheoPhysEval проверил коммерческие AI-агенты на задачах из теоретической физики - без подсказок от людей. Лидером стал GPT-6-Astra в среде Codex от OpenAI: 49 из 50 верных ответов (98%), в среднем менее $3 за задачу и около $116 за весь прогон.

Задачи охватывают 11 подобластей - от гидродинамики до физики частиц и космологии. Это не открытые проблемы, а «рутинная» работа: применить известный метод к слегка изменённому вопросу. Пример с чёрными дырами требует найти старую статью, перенести уравнения из пятимерного пространства-времени в четырёхмерное и посчитать результат собственной программой - у координатора исследования это заняло около дня.

Второе место у Opus 5.5 в Claude Code - 92%. Далее Gemini 3.8 Flash (68%), DeepSeek-V4.1-Flash (54%) и GLM 5.3 (42%). Слабые модели копировали формулы без адаптации под нужную размерность. Доступ в интернет почти не помог: без веб-поиска Astra и Opus набрали те же 92%. Одна задача не поддалась никому.

Часть «ошибок» модели оказалась ошибками в эталонных ответах - после правок ответы Astra были верны. Отмечается и структурный риск: пока прогон стоит около $116, но для сложных задач расходы вырастут, а значит, бюджет группы начнёт влиять на результаты даже в теоретической физике.

🎨 qvabo.studio/tg · картинки и видео

#AI #Physics #Benchmarks #OpenAI #Research