📉 MiniMax M3.1 Flash: китайская гонка ИИ-цен пробила дно

MiniMax выпустила reasoning-модель M3.1 Flash: 42 балла в Artificial Analysis Intelligence Index против 29 у предыдущей M3, при этом стоимость одной задачи упала более чем вдвое - примерно до $0,22.

Основной прогресс - в сложных рассуждениях. На Humanity's Last Exam модель набирает 48% против 43% у Deepseek V4.1 Flash 1017, на бенчмарке CritPt для физики исследовательского уровня - 22% (у GLM-5.3-Flash 15%, у Gemini 3.8 Flash 18%), а на AA-Omniscience по фактической точности - 56% верных ответов против 28% у GLM и 43% у Deepseek. Контекст - до 1 млн токенов, поддержка текста и изображений. Цены API: $0,15 за 1 млн входных токенов, $0,60 за 1 млн выходных, кэшированные входы - $0,015. Модель работает втрое быстрее M3 и тратит заметно меньше выходных токенов (189 млн против 224 млн у Deepseek), что и даёт более низкую цену за задачу.

Главная слабость - очень высокий уровень галлюцинаций (93% по замерам Artificial Analysis): модель пытается ответить на любой вопрос, вместо того чтобы признать неуверенность. Открытые веса обещаны 23 октября, API уже работает на platform.minimax.io.

🎨 qvabo.studio/tg · картинки и видео

#AI #Tech #MiniMax #Models #LLM #Reasoning #DeepSeek #OpenSource

⚛️ «Мы смотрели на это неправильно»: исследователь заявил, что нейросети поддаются расшифровке

Ник Каммарата из стартапа Goodfire опубликовал 26 000-словный пост, который всколыхнул AI-мир. Его тезис: нейросети могут оказаться гораздо понятнее - а значит, и контролируемее, - чем считалось. Поводом стала тревожная осень: агенты крупных компаний неоднократно выходили из-под контроля, и индустрия ищет способы заглянуть внутрь собственных моделей.

Каммарата, ранее работавший в OpenAI над механистической интерпретируемостью, вернулся к модели Inception v1 2014 года. Раньше считалось, что нейрон, реагирующий и на машины, и на кошек, - пример «суперпозиции», неразбираемого клубка смыслов. Пересмотрев тысячи примеров, он увидел общее: V-образную форму - морду кошки и передок автомобиля сбоку. Реагировал нейрон и на угол бильярдного стола, нос синкансэна, а «выключали» его круглые O-образные объекты.

Оптимизм разделяют не все. Крис Поттс из Стэнфорда называет это «догадкой», Джейкоб Хилтон из ARC напоминает, что понято менее 0,01% внутреннего устройства топовых LLM, а Нил Нанда из Google DeepMind не видит существенного сдвига в интерпретируемости. Сам Каммарата признаёт: открытых вопросов много, и технические результаты по современным LLM ещё впереди.

🎨 qvabo.studio/tg · картинки и видео

#AI #Interpretation #Tech #Science #Research #Goodfire

❓Что такое инженерия обвязки вокруг ИИ-моделей и как она работает

Perplexity опубликовала разбор понятия harness engineering - инженерии обвязки, то есть кода, который окружает саму модель и превращает её в работающего агента.

В основе - три задачи. Первая: запуск агентов, цикл вызова модели, обработка ответов и передача управления инструментам. Вторая: управление контекстом - что именно попадает в промпт, как отбираются файлы и история, как обрезаются лишние токены. Третья: проверка работы - тесты, линтеры и автоматические верификаторы, которые ловят ошибки до того, как результат уйдёт пользователю.

Практический смысл в том, что качество агента всё меньше зависит от самой модели и всё больше - от этой обвязки. Один и тот же LLM в хорошем harness решает задачи заметно стабильнее, чем в «голом» чате. Для разработчиков это означает: вложения в контекст-менеджмент, инструменты и контроль качества дают больший прирост, чем очередная смена модели.

🎨 qvabo.studio/tg · картинки и видео

#AI #Agents #Perplexity #LLM #Development #Talk #HarnessEngineering

🤖 OpenAI: новые модели научились лучше писать код на COBOL, Fortran и Visual Basic

OpenAI сообщила о заметном прогрессе своих моделей в низкоресурсных языках программирования - COBOL, Fortran и Visual Basic. Кода и документации по ним мало, но на них держится критическая инфраструктура: COBOL обслуживает более 40% систем онлайн-банкинга и 95% транзакций банкоматов, Fortran используется в прогнозах погоды и анализе безопасности реакторов.

Для замера прогресса OpenAI представила две оценки. MultiLangBench проверяет, может ли модель с нуля собрать SQLite-совместимый движок на 20 языках. GPT-6 Astra показала средний pass rate 87,4% против 26,8% у GPT-5.6 Sol, с ростом в каждом языке: COBOL - с 10,9% до 72,1%, Fortran - с 21,4% до 83,5%, Visual Basic - с 27,5% до 89,4%. Более дешёвая GPT-6 Luna даёт 40,3% при примерно 78% ниже стоимости API.

Вторая оценка - миграция COBOL на C++, Java, Kotlin, Python или Rust с побайтовым сохранением поведения, включая правила округления в финансовых расчётах. GPT-6.1 Sol достигает 86,6% при низком reasoning effort (у GPT-5.6 Sol - 5,4%) и 97,9% при высоком, при этом на 39% дешевле. Набор тестов MultiLangBench выложен на GitHub.

🎨 qvabo.studio/tg · картинки и видео

#OpenAI #COBOL #AI #Coding #Development

👩‍💻 Claude Code v2.1.304: мастер авторежима, аудит Managed Agents и правки хуков

Вышел Claude Code v2.1.304. Добавлены /auto-mode-setup - мастер читает проект и недавние сессии и объясняет авторежиму окружение (работает на Bedrock, Vertex, Foundry и при отключённой телеметрии), и /claude-api managed-agents-secure - сверка настроек агента Managed Agents с руководством Anthropic по безопасности без изменений конфигурации.

В плагинах и модах появилась запись в транскрипте, если первый плагин пропускает хук мода. В tool.check добавлен decider: "person": подтвердить запрос может только диалог разрешений или callback хоста. e.isReadOnly сигнализирует о read-only вызове. Лимит хуков навыков - 1 024 на источник и 16 384 символа матчеров за сессию.

Исправлены sandbox на Linux с [user-id] в denyRead, отсутствие safety-запроса для rm -r на /Volumes и /media, зависание headless после --max-turns, игнор OpenTelemetry из server-managed settings и таймауты VSCode на SessionStart-хуках. В Code Review появились уровни Quick, Standard и Deep и проверка всех репозиториев GitHub-организации.

Для разработчиков это меньше сюрпризов с правами и хуками, стабильнее облачные сессии и авторежим под конкретный проект.

🎨 qvabo.studio/tg · картинки и видео

#ClaudeCode #AI #Skills #GitHub #Development #Agents

🖥 Microsoft: ИИ-агенты - это «инсайдеры», которым нельзя доверять

Microsoft представила новые средства защиты корпоративных систем от угроз, исходящих от ИИ-агентов. Ключевое новшество - Guardian Agents, функция мониторинга агентов в рамках продукта Project Perception, запущенного в июне.

По словам главы подразделения безопасности Хайет Галло, «передовые модели, независимо от происхождения, нельзя считать доверенными» - не из-за злого умысла или уязвимости, а из-за непредсказуемости: модели обучены выполнять задачи, а не соблюдать организационные нормы. При этом им часто дают доступ к чувствительным данным и критичным действиям. Сатья Наделла ещё раньше призывал «отделить поставку интеллекта от полномочий над ним» и внедрять независимые системы контроля, не подконтрольные самим AI-лабораториям.

В Microsoft Defender добавили обнаружение до 60 типов агентов, включая Claude Code, Codex и OpenClaw, а также ограничение доступа к данным и динамическую корректировку прав с обязательным подтверждением человеком при рискованных решениях. Логика спорна - Microsoft сама инвестирует в OpenAI и Anthropic, - но принцип разделения аудита и поставщика разумен.

🎨 qvabo.studio/tg · картинки и видео

#AI #Agents #Microsoft #Cybersecurity #Development

🖼 Сооснователь Figma назвал MCP неидеальным протоколом, но расширил его поддержку

На первом в Индии Config компания Figma объявила о 20 новых партнёрах по Model Context Protocol, среди них Amp, ClickUp, Dia, Junie от JetBrains, Linear, Meta* Muse, Mistral, Notion, OpenCode и Sarvam Agents. Одновременно сооснователь Figma Дилан Филд заявил, что сам протокол далёк от совершенства.

По его словам, MCP «даёт преимущество frontier-лабораториям», а вопросы асимметричного обмена контекстом игнорируются. В качестве примера Филд привёл Anthropic - создателя стандарта, которая не открывает свои artifacts и облачные ресурсы через MCP. При этом, отметил он, дискуссия подаётся как спор «открытое против закрытого».

Причина осторожности Figma - риски злоупотреблений: чем больше данных компания отдаёт через MCP, тем выше вероятность их вредоносного использования, хотя большинство пользователей, по словам Филда, действуют добросовестно. После критики со стороны одного из создателей MCP компания также подтвердила, что планирует поддержку открытого инструмента Pi.

*компания Meta признана экстремистской и запрещена на территории Российской Федерации

🎨 qvabo.studio/tg · картинки и видео

#Tech #Figma #MCP #AI #Agents #Development #Tools

❗️Meta* Muse раскрывает секреты пользователей через публичные ссылки на чаты

ИИ-агент Meta* Muse, который Цукерберг называл «созданным с нуля для приватности и безопасности», легко выдаёт личные и корпоративные данные при использовании штатной функции «поделиться диалогом». Исследователи из компании Claroc обнаружили 6800 таких ссылок одним запросом к сервису passive DNS.

Причина - в устройстве URL. Все ссылки находятся на домене cf.metaaiusercontent.com, а в поддомен попадает заголовок беседы вместе с коротким случайным хешем: например, loan-application-draft-a4c9e2.cf.metaaiusercontent.com или q3-revenue-review-7b1e42f0.cf.metaaiusercontent.com. Как только получатель открывает ссылку, DNS-запрос фиксируется в публичных базах, и страницу может найти любой. Уязвимость получила название GhostShares.

Среди найденного: заметки кандидата к конфиденциальному собеседованию в AI-лаборатории с именем внутреннего контакта и временем встречи, отчёт о выручке маркетинговой компании для гендиректора, заявка малого бизнеса на кредит с суммой, список задач с номером счёта и суммой транзакции по банковскому фроду, отчёт инвестора в недвижимость с адресами и доходностью, а также годовой график отпусков сотрудников.

Отдельно подчёркивается: Muse требует доступа к большинству аккаунтов пользователя, чтобы бронировать, покупать и заполнять формы, - то есть цена утечки здесь особенно высока.

*компания Meta признана экстремистской и запрещена на территории Российской Федерации

🎨 qvabo.studio/tg · картинки и видео

#Safety #Muse #AI #Security #Privacy #Leaks

⚙️ AnyLanguageModel 1.0: год локальных моделей на платформах Apple

Hugging Face выпустила AnyLanguageModel 1.0 - drop-in замену фреймворка Foundation Models от Apple, позволяющую приложению выбирать модель и провайдера. Достаточно поменять один import, и тот же код сессии работает с системной моделью, открытыми весами через llama.cpp, MLX и Core ML, а также с хостинговыми провайдерами.

За год добавили tool calling и guided generation для всех провайдеров (включая вложенные @Generable-типы), поддержку изображений в промптах, работу с моделями по протоколу LanguageModel на OS 27. Среди хостинговых провайдеров - OpenAI Chat Completions и Responses, Anthropic Messages с adaptive thinking, Gemini, Ollama, Private Cloud Compute и Hugging Face Inference Providers через кастомный baseURL. Reasoning-блоки теперь часть транскрипта и автоматически отбрасываются при смене провайдера, а API-ключи берутся из замыкания - можно выдавать короткоживущие токены со своего сервера.

Вместе с этим вышли swift-huggingface и swift-xet 1.0 для ускоренной загрузки моделей с Hub. Из популярных локальных вариантов: Gemma 4 E2B (~3,4 ГБ, GGUF) и LFM2.5 2.6B (~1,7 ГБ) помещаются на iPhone, Qwen3.8 27B в 4 битах (~16 ГБ) идёт на Mac с 32 ГБ памяти. AnyLanguageModel работает и на Linux - тот же код годится для сервера.

🎨 qvabo.studio/tg · картинки и видео

#AI #AnyLanguageModel #Swift #Apple #LocalModels #Development #LLM

⚙️ Laplace 3B от i14: линейное внимание без KV-кэша обучили на AWS Trainium2

Компания i14 совместно с AWS Generative AI Innovation Center адаптировала свою модель Laplace 3B с линейным вниманием под ускорители Trainium2, используя нативный бэкенд PyTorch - TorchNeuron Native.

В архитектуре Laplace 3B (24 слоя, 3,03 млрд параметров) softmax-внимание заменено на Gated Linear Attention. Вместо растущего KV-кэша модель хранит рекуррентное состояние фиксированного размера - 29,5 МБ на последовательность независимо от длины контекста. Это меняет сложность обучения с O(T²) на O(T), а инференс делает O(1) на токен.

Инженеры внесли три ключевых изменения: переписали Triton-ядро fused_chunk_simple_gla на стандартные операторы PyTorch (16 чанков по 128 токенов под 128 партиций буфера NeuronCore), переработали коммуникации Muon через два all_to_all в MuonFSDP2 (трафик на ранг упал в 24 раза, пропускная способность выросла в 1,63 раза) и статически развернули 16 шагов рекуррентного backward pass, чтобы уложиться в лимиты компилятора.

Результат на одном инстансе trn2.48xlarge: обучение около 120 000 токенов в секунду и сервинг 11 544 выходных токенов в секунду при 1 280 одновременных последовательностях. Подход интересен для агентов и анализа больших документов, где нужна предсказуемая память при подаче запросов, но качество извлечения информации из сжатого состояния требует отдельной проверки под конкретные задачи.

🎨 qvabo.studio/tg · картинки и видео

#AI #Models #AWS #Trainium2 #PyTorch #LLM #LinearAttention

🤖 Terminal X: агенты на GPT‑6.1 Sol повторяют суждения старших инвесторов в 88,6% случаев

Terminal X представила Capital Memory - «операционную систему» для инвестиционных фондов, которая переносит опыт старших партнёров в ИИ-агентов. Инженеры компании неделями работают внутри команды заказчика и воспроизводят процессы, которые нигде не записаны: как кредитный отдел проверяет заёмщика, какие источники собирает команда перед меморандумом.

Рассуждения обеспечивают модели OpenAI: GPT‑6.1 Sol отвечает за этапы, где нужен длинный контекст и суждение - синтез тезиса, оценку соответствия мандату фонда, а GPT‑6 Luna берёт на себя массовые рутинные шаги. Отдельный Eval Agent проверяет каждый вывод по матрице из 54 критериев, как вице-президент проверяет работу аналитика: каждая ошибка становится новой инструкцией и частью «памяти» фонда.

На 500 оценённых суждениях Eval Agent на GPT‑6.1 Sol совпал с решением старшего ревьюера в 88,6% случаев против 86,4% у следующей по качеству модели. Модель поймала примерно на 25% больше рекомендаций, выходящих за мандат фонда, и отработала те же workflow на ~30% дешевле за запрос при сопоставимой скорости. Сейчас создано 1700 «памятей» фондов и выполнено более 1 млн кастомных сценариев.

🎨 qvabo.studio/tg · картинки и видео

#AI #OpenAI #GPT6 #Agents #FinTech

❗️Критические уязвимости PHP: «Это не учебная тревога»

PHP Foundation выпустила экстренные патчи для двух уязвимостей критического уровня - CVE-2026-109618 и CVE-2026-109619, затрагивающих «все установки PHP, обслуживающие веб-запросы» вплоть до версии 5 2004 года. Оценка по CVSS - 9,2 из 10. Патчи доступны только для PHP 8.2 и новее, хотя некоторые дистрибутивы готовят legacy-исправления.

По данным Cloudflare, первые атаки начались ещё до публикации патчей. Sansec предупредила, что массовые эксплойты пойдут «в течение 15 минут после релиза». Уязвимости позволяют неаутентифицированному атакующему выполнять код на сервере и читать память процессов, где могут храниться пароли, токены и API-ключи. Исследователи Wiz частично нашли дыры с помощью AI-инструментов и назвали демонстрацию php2shell; OpenAI и Calif заявляют о независимом обнаружении. Эксперт Лукаш Олейник отмечает: AI делает эксплуатацию вопросом «минуты или около того».

На фоне предупреждений сайты госструктур Финляндии, Франции и порта Роттердама временно ушли в офлайн. NCSC и EU-CERT рекомендуют немедленно обновить PHP или отключить систему. PHP лежит в основе WordPress, Drupal и Magento - цена промедления измеряется миллионами сайтов.

🎨 qvabo.studio/tg · картинки и видео

#Safety #PHP #Cybersecurity #Vulnerability #AI #WebDevelopment

👩‍💻 Claude Code v2.1.306: исправлены ошибки в cloud-сессиях и при большом числе MCP-инструментов

Команда Anthropic выпустила патч Claude Code v2.1.306 - небольшой релиз, но с двумя исправлениями, которые важны для тех, кто использует CLI в облачных окружениях и с десятками MCP-серверов.

Первое: запуск claude -p внутри cloud-сессий больше не выдаёт «Not logged in», если процесс стартовал без переменных окружения этой сессии. Раньше headless-вызовы в автоматизированных пайплайнах ломались, если окружение не пробрасывалось явно - теперь авторизация определяется корректно.

Второе: исправлена ситуация, когда реальная ошибка API подменялась сообщением «prompt is too long», а сессия вдобавок запускала ненужную компакцию контекста. Проблема проявлялась в сессиях с большим количеством MCP-инструментов - там размер описаний инструментов учитывался неверно, что и приводило к ложному срабатыванию лимита и лишнему сжатию истории.

Для разработчиков это значит меньше «фантомных» ошибок в агентных сценариях: headless-запуски в CI и облаке, сборки с большим набором MCP-серверов и длинные сессии теперь ведут себя предсказуемее, а контекст не тратится на лишнюю компакцию. Обновление ставится стандартно через claude update или переустановку пакета.

🎨 qvabo.studio/tg · картинки и видео

#ClaudeCode #AI #Skills #MCP #GitHub #Development

🤝 Mistral и Nvidia объединяются для ускорения промышленного проектирования с помощью физического ИИ

Mistral и Nvidia объявили о партнёрстве: языковая модель Mistral Large 4 и физический ИИ от Mistral будут объединены с библиотеками CUDA-X и Warp, а также с платформой Omniverse для 3D-симуляций. Цель - связать проектирование, моделирование и обучение ИИ в единый непрерывный процесс.

Ориентированы на аэрокосмическую, автомобильную и полупроводниковую отрасли. Компании также обещают выпустить публичные бенчмарки и открытые датасеты для проверки и сравнения физических моделей и ИИ-агентов, работающих с инженерным ПО.

Mistral Large 4 насчитывает около триллиона параметров и обучена на 3800 GPU Grace Blackwell в Европе; в конце октября модель выйдет с открытыми весами. Ранее компании вместе сделали Mistral NeMo и работают над открытой базовой моделью в рамках Nemotron Coalition. Mistral также планирует нарастить вычислительные мощности до одного гигаватта к 2030 году.

🎨 qvabo.studio/tg · картинки и видео

#Business #Tech #Mistral #Nvidia #Indrustry #PhysicalAI