✔️ livenerf: открытый бенчмарк для проверки «нерфа» моделей после релиза

На GitHub появился проект ninjahawk/livenerf - небольшой append-only бенчмарк, отвечающий на один вопрос: становится ли модель хуже после запуска? Поводом стали многомесячные жалобы на то, что Anthropic «нерфит» модели через дни или недели после релиза - из-за квантизации, снижения effort или изменений в роутинге. До сих пор чистой базовой линии дня 0 ни у кого не было, и споры сводились к «ощущениям против ощущений».

Как это работает: детерминированность модели недостижима (параметры сэмплинга убраны, thinking не отключается), поэтому авторы сделали детерминированным всё остальное - замороженные промпты, закреплённый CLI, точные грейдеры и сырые логи навсегда. Панель из 78 «иногда верных» вопросов отобрана из 2336 задач GPQA Diamond, MMLU-Pro, AIME 2025-26. Раннер запускается раз в день 30 дней через headless Claude Code (claude -p) на подписке Max, без API-ключа; бюджет ограничен процентами недельного лимита. Стек - Inspect от UK AI Security Institute, статистика по статье Anthropic «Adding Error Bars to Evals».

Валидация показывает чувствительность: при effort low выходные токены падают на 62%, а точность - на 8,3 п.п. Ограничение честно указано: подмену Opus 5 на Opus 5.5 инструмент не различает. Дни 1-10 - базовая линия, первый вердикт ожидается около 2026-10-24.

🎨 qvabo.studio/tg · картинки и видео

#AI #Benchmark #Anthropic #Claude #OpenCode #AIskills

🔍 Claude Desktop получил безопасный веб-поиск через Amazon Bedrock AgentCore

AWS показала, как подключить веб-поиск к Claude Desktop, работающему на Amazon Bedrock, с помощью AgentCore Gateway. Без этого ответы модели ограничены датой обучения и не могут подтянуть свежую документацию, актуальные цены или погоду.

Web Search в AgentCore - полностью управляемая MCP-совместимая функция на базе индекса Amazon, охватывающего десятки миллиардов документов. Весь трафик запросов остаётся внутри инфраструктуры AWS: внешние API-ключи не нужны, данные не выходят за периметр организации. Подключение идёт через managed MCP-серверы Claude Desktop.

Аутентификация построена на JWT: AWS IAM Identity Center по SAML федераруется с Amazon Cognito, который выдаёт токены, а AgentCore Gateway проверяет их при каждом запросе. Вход выполняется через корпоративный SSO, отдельные учётные данные или сторонние identity-провайдеры не требуются. Для настройки нужны AWS CLI v2, Python 3.10+, Boto3 и права на создание ролей IAM. Поиск доступен в регионах us-east-1, eu-west-1 и ap-northeast-1.

🎨 qvabo.studio/tg · картинки и видео

#AI #AWS #Claude #MCP #AgentCore #Agents

⚙️ Вайб-кодинг-моды заполонили X: моддеры скрещивают игры, декомпилированные через Claude

Автор IGN провёл три дня, листая ленту X/Twitter, и назвал увиденное самыми безумными мод-видео в своей практике. Суть тренда: моддеры берут игры, декомпилированные с помощью Claude, и собирают из них мэшапы - гибриды двух и более проектов, которые никогда не должны были встретиться.

Схема простая: ИИ-ассистент разбирает бинарник или готовую сборку на читаемый код, после чего моддер быстро «вайб-кодит» поверх чужой движок - прикручивает механики, ассеты и физику из другой игры. Раньше на такой реверс-инжиниринг уходили недели, теперь результат появляется за считаные часы, а порог входа падает до уровня «умею формулировать промпт».

Именно поэтому за неделю число клипов выросло лавинообразно: каждый удачный мэшап выкладывают в X, он набирает просмотры и провоцирует следующую волну экспериментов. Пока это скорее шоу и демонстрация возможностей, чем готовые релизы, но тренд показывает, насколько ИИ-инструменты ускорили мод-сцену - и насколько размытой становится граница между оригинальной игрой и пользовательской сборкой.

Для разработчиков это одновременно и реклама движков, и головная боль: юридически такие мэшапы почти всегда вне закона, а технически - уже почти тривиальны.

🎨 qvabo.studio/tg · картинки и видео

#Games #AI #Mods #Claude #VibeCoding #GameDev

⚙️ BootLoops: открытый инструмент для точных научных расчётов с помощью ИИ

Физик из Гарварда Мэтью Шварц, приглашённый исследователь Anthropic, представил BootLoops - открытый harness (исходники доступны на GitHub), который заставляет ИИ-модели вроде Claude выполнять точные научные вычисления. Идея Шварца: не заставлять модель имитировать человека-исследователя, а искать «задачи, по форме подходящие Claude» - на стыке того, что нужно науке, и того, что ИИ реально умеет.

Результаты за три месяца: 36 рукописей в 18 областях с 19 соавторами. В физике частиц Claude вычислил 30 интегралов - 15 воспроизвели известные результаты, 15 получены впервые. В экологии решено уравнение из нейтральной теории биоразнообразия, стоявшее 20 лет: данные показали, что состав видов деревьев на острове Барро-Колорадо меняется в 4,5 раза быстрее, чем допускает теория. В популяционной генетике проанализировано 5,7 млрд пар мутаций из проекта 1000 Genomes. Отдельно - база ударений на 6072 языка и ИИ-редактор для проверки 4452 пакетов репликации в экономике.

Шварц предупреждает: модель рано объявляет победу, склонна к грубому перебору и очень требовательна к токенам, а её выводы могут быть неверны при корректных расчётах. Роль человека и научный метод остаются незаменимыми.

🎨 qvabo.studio/tg · картинки и видео

#Tech #BootLoops #AI #Research #Science #OpenSource #Claude

🔨 Claude передал полиции «дневниковую» запись: жительнице Флориды грозит уголовное обвинение

Жительница Бонита-Спрингс (Флорида) Карли Мишель Хеллер использовала Claude как личный дневник. Запись от 26 сентября, в которой она, по версии следствия, угрожала устроить стрельбу в офисе шерифа округа Ли, попала в полицию. Теперь ей предъявлено обвинение в письменной угрозе насилия - это второй класс тяжести по статье 836.10 Флориды.

Как всё произошло: системы безопасности Claude пометили запись, после чего её передали человеку-ревьюеру. Тот счёл угрозу достоверной и сообщил в правоохранительные органы. Anthropic заявляет, что может раскрывать данные пользователей в ограниченных случаях - если это необходимо для предотвращения смерти или серьёзных травм. Хеллер задержали без инцидентов, расследование ведёт детектив разведки LCSO.

Контекст: месяцем ранее Британская Колумбия подала иск против OpenAI и Сэма Альтмана, утверждая, что компанию можно было обязать предотвратить массовую стрельбу - тогда safety-команда пометила переписку, но в полицию не сообщила. В июне с OpenAI судилась и сама Флорида. Отдельно выяснилось, что подрядчики Microsoft просматривают промпты, загруженные фото и правки в Copilot.

Практический вывод для пользователей: чат-бот - не приватный дневник. Записи обрабатывают модели и люди, а в ряде юрисдикций платформа обязана или вправе передать их властям.

🎨 qvabo.studio/tg · картинки и видео

#Safety #AI #Claude #Anthropic #Privacy #Ethics #Security

🛡 Anthropic расширяет Cyber Verification Program: три уровня доступа к кибервозможностям Claude

Anthropic объединила Project Glasswing и Cyber Verification Program в единую программу с тремя уровнями доступа. Верифицированные специалисты по безопасности получают модели Claude Opus 5.5, Sonnet 5.5 и Mythos 5.1 со сниженными кибер-блокировками.

Defense Access - защитные задачи: SOC, реагирование на инциденты, реверс-инжиниринг малвари, анализ уязвимостей. Доступен компаниям, НКО, вузам, операторам критической инфраструктуры и open-source мейнтейнерам. Red Team Access добавляет авторизованный пентест, но сохраняет блокировки на действия с физическим вредом и массовыми сбоями. Specialized Access - минимум ограничений: только организации, тестирующие системы жизнеобеспечения (энергосети, авионику, телеком), проверка совместно с правительством США.

На бенчмарке CyScenarioBench без CVP блокировались все задачи с первого промпта, в Defense Access - 46 из 50, в Red Team - ни одной. Через Glasswing партнёры нашли 129 000+ подтверждённых уязвимостей за апрель-июль 2026, ещё 5 500 - при сканировании open-source. Программа доступна на Claude Platform, Vertex AI и Microsoft Foundry.

🎨 qvabo.studio/tg · картинки и видео

#Safety #AI #Anthropic #Claude #CyberSecurity #AI #Development

⚙️ Anthropic выпустила Claude Haiku 5.5: малая модель на 75% дешевле предыдущей

Третья модель семейства 5.5 и, по словам компании, самая быстрая и дешёвая из всех, что она выпускала. Haiku 5.5 рассчитана на поток однотипных задач — саммари, компакции, запросы к базам, классификация — и на роль сабагента при Opus 5.5 и Sonnet 5.5. Скидка серьёзная: в среднем запуск обходится примерно на 75% дешевле Haiku 4.5. Тарифы теперь зависят от длины промпта: до 100 тыс. токенов это $0,10 за миллион входных и $0,50 за выходные, свыше — $0,50 и $2,50. Anthropic отмечает, что в такой порог укладывалось около 90% запросов к прошлой Haiku.

Разрыв с предшественницей на бенчмарках местами абсурдный, потому что Haiku 4.5 многие задачи просто не тянула. GDPval-AA v2.1 — 1620 против 735, OSWorld 2.1 — 72,4% против 15,7%, Terminal-Bench 4.0 — 39,2% против нуля, Humanity's Last Exam — 45,9% против 10,2% без инструментов. Для сравнения, у GPT-6 Luna те же метрики дают 1437, 48,9% и 16,4%. Это также первая Haiku с регулируемым уровнем усилий, то есть выбором между ценой и качеством. В Asana при прогоне своего набора тестов для AI Teammates получили снижение задержки больше чем на 30% и до 2,5 раза более быструю генерацию на ход агента.

Вместе с релизом Anthropic поправила экономику всей линейки. Чтение кеша у Sonnet 5.5 подешевело вдвое, до $0,10 за миллион, что снижает стоимость большинства агентных задач примерно на 20%. На этой неделе подписчикам Max и Team начисляют ежемесячные API-кредиты: $100 для Max 5x, $200 для Max 20x и до $500 для Team в общий пул на команду. Python- и TypeScript-SDK получили бета-поддержку computer use и browser use.

По безопасности позиция промежуточная. Кибер-ограничения строже, чем у Haiku 4.5, но мягче, чем у недавних моделей: защитных задач разрешено больше, чем у Sonnet 5.5, однако пентест и техники, типичные для атакующих, блокируются. Биологические ограничения те же, что у Sonnet 5 и Opus 5. Anthropic прямо оговаривает, где проходит граница применимости: на сложном агентном кодинге Sonnet 5.5 и Opus 5.5 остаются лучшим выбором, а Haiku 5.5 хороша там, где раньше задача была нерентабельна по цене.

#AI #Anthropic #Claude #Haiku #Release

⚙️ Claude научился генерировать анимированные видео и live-дашборды по текстовому запросу

Anthropic запустила две новые бета-функции для Claude. Dashboards подключает источники данных вроде BigQuery, Databricks, Snowflake или Salesforce и превращает их в автоматически обновляющиеся live-дашборды по текстовому промпту. Каждая цифра показывает лежащий в её основе запрос, а результаты можно передавать в Amplitude, Grafana или Hex.

Motion создаёт анимированные объясняющие видео из текста, диаграмм и изображений: ролик редактируется как код и экспортируется в MP4.

Dashboards доступен платным пользователям, Motion - на планах Team и Enterprise. Функции Docs, Slides и Design выходят из беты и теперь работают на всех тарифах, включая бесплатный. По данным Anthropic, с их помощью создано более 45 млн документов. Ранее анонсированный Claude Design переедет в основное приложение к 14 декабря, для миграции опубликовано руководство.

🎨 qvabo.studio/tg · картинки и видео

#Tech #Claude #Anthropic #AI #Dashboard #Development

⚠️ Anthropic запретила жестокое обращение с Claude в обновлённых правилах

Anthropic впервые более чем за год обновила политику использования Claude. Теперь нарушением считается «устойчивое и ненужное жестокое или оскорбительное поведение» по отношению к модели: компания может предупредить пользователя, ограничить скорость ответов, урезать доступ или заблокировать аккаунт.

Правило прямо не распространяется на обычное раздражение, тёмные творческие сюжеты, тестирование и исследования - речь только об экстремальных случаях. Это продолжение прежнего подхода: модели Claude уже умели самостоятельно завершать беседу, если пользователь настойчиво требовал вредного контента.

Политика также объединяет запреты на пропаганду через фейковые аккаунты и вводящий в заблуждение политический контент, расширяет запрет на оружие - теперь включая ПО и боевое применение дронов - и явнее запрещает слежку без согласия. Для автономной техники, способной причинить вред, требуется оператор, готовый вмешаться. Anthropic при этом признаёт: исключения для государственных контрактов возможны и, вероятно, уже действуют.

🎨 qvabo.studio/tg · картинки и видео

#AI #Anthropic #Claude #Security #Rules

💵Немногие платят за AI, но те, кто платит, тратят много

Andreessen Horowitz выпустила седьмое издание рейтинга Top 100 потребительских AI-продуктов. Впервые венчурный фонд добавил в него данные о реальных тратах: по панели YipitData отслеживаются расходы на AI с карт американских пользователей.

Картина - широкое использование при слабой монетизации. AI применяет почти половина потребителей в США, но ежедневно - лишь четверть. Активную платную подписку на ChatGPT, Gemini или Claude в августе имели всего 4,5% - вдвое больше, чем годом ранее, и основная доля приходится на ChatGPT. При этом выручка крайне сконцентрирована: топ-1% платящих даёт почти пятую часть всех наблюдаемых трат, больше, чем вся нижняя половина. В среднем эти пользователи тратят около $900 в месяц (год назад - $504), тогда как типичный плательщик стабильно держится на $25. Ядро топ-спендеров - просьюмеры: n8n, Manus, fal, Higgsfield, Figma, HeyGen - то есть инструменты для разработки, дизайна и автоматизации.

В топе расклад по-прежнему жёсткий: ChatGPT лидирует в вебе с двойным отрывом от Gemini по трафику и шестикратным от Claude. Главный сдвиг - Claude закрепился на третьем месте и в марте 2026 обошёл Gemini по числу платных подписчиков в США. Anthropic монетизирует лучше конкурентов: 7,3% её подписчиков сидят на тарифе от $100 в месяц. Бизнес-модель почти у всех - подписки (84%) и плата за использование; реклама и транзакционные сборы почти не работают.

🎨 qvabo.studio/tg · картинки и видео

#Business #Monetisation #AI #a16z #ChatGPT #Claude

📉 Anthropic сократила кражу reasoning-токенов Claude на 90-99%

Anthropic сообщила о новых защитах от промышленной дистилляции - атак, при которых компании систематически копируют возможности чужой модели, чтобы обучать на них собственные, меньшие модели. По данным компании, объём извлекаемых reasoning-токенов (внутренних шагов chain-of-thought) удалось снизить на 90-99%.

Атаки велись через сети из сотен тысяч фейковых аккаунтов. Anthropic называет среди участников китайские Zhipu и Moonshot: первая, по утверждению компании, выкачивала кибервозможности ведущих американских моделей для GLM-5.3, вторая тайно маршрутизировала запросы через Claude.

Ответные меры: ограничение доступа к внутренним шагам рассуждений, классификатор, выявляющий попытки извлечения, и автоматические блокировки. Забанены уже десятки тысяч аккаунтов. Anthropic призывает других разработчиков ИИ внедрять аналогичные защиты, признавая при этом, что под раздачу попадают и добросовестные пользователи.

🎨 qvabo.studio/tg · картинки и видео

#AI #Anthropic #Claude #Distillation #Security #LLM

🧠 «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

⚙️ Anthropic запустила dynamic workflows для оркестрации агентов Claude

На конференции AI Engineer NYC 2026 инженеры Anthropic CJ Avilla и Harrison Stall представили dynamic workflows («flows») - новый тип мультиагентной оркестрации в Claude Managed Agents. Функция была анонсирована в пятницу и доступна в Claude Console.

Ключевое отличие: раньше разработчик сам настраивал координатора и набор субагентов, теперь Claude самостоятельно проектирует топологию - составляет план, пишет оркестрационную программу, запускает агентов, собирает результаты и управляет потоками данных. При необходимости можно передать предварительно настроенных специализированных субагентов через конфиг.

Из Q&A: количество агентов регулируется через evals и «низкие дефолты»; модель не знает своего бюджета во время работы (лимит задаётся на сессию) - иначе агенты, по словам Stall, становятся «немного тревожными». Субагенты общаются через общую файловую систему, все переходы графа видны в Console. Для удешевления повторных прогонов предлагают функцию «dreaming» - реорганизацию памяти по прошлым сессиям. Flows дороже одиночного агента, но заметно точнее в деталях.

🎨 qvabo.studio/tg · картинки и видео

#AI #Anthropic #Claude #Agents #Development

💼 Anthropic почти перестала нанимать джуниоров: ИИ-агенты работают в шесть раз больше людей

Anthropic опубликовала внутреннее исследование о влиянии собственных ИИ-агентов на штат. Доля junior-позиций в технических подразделениях снизилась с 21% до 14% с начала 2025 года, а среди новых сотрудников - с 27% до 9%. Открытых вакансий начального уровня осталось всего 6%. В нетехнических отделах доля джуниоров почти не изменилась.

Компания объясняет это возможностями Claude: к августу 2026 года агенты суммарно отрабатывали в шесть раз больше часов, чем сотрудники-люди, а в исследовательских отделах соотношение достигало 19:1. С марта агенты стабильно «работают» больше людей. Продуктивность выросла везде: инженеры коммитят в 5,1 раза больше, дата-сайентисты выполняют в 3,1 раза больше запросов, юристы обрабатывают в 3,1 раза больше контрактов, продажи закрывают в 1,7 раза больше сделок.

Сами авторы признают: Anthropic - особый случай, крайне «ИИ-насыщенная» компания, и переносить цифры на всю экономику нельзя. Отдельно приводится аргумент о «трагедии когнитивных общих ресурсов»: заменяя entry-level позиции, компании получают выгоду сейчас, а дефицит опытных специалистов проявится к 2030-2045 годам.

🎨 qvabo.studio/tg · картинки и видео

#Business #Anthropic #Claude #AI #Agents #Employment #Job

💵Anthropic купила стартап Opaque Systems для конфиденциального ИИ

Anthropic приобрела Opaque Systems - компанию, которая разрабатывает технологии обработки чувствительных данных в ИИ-системах с защитой на уровне аппаратного обеспечения. О сделке Opaque сообщила на прошлой неделе: вся команда стартапа переходит в Anthropic, финансовые условия не раскрываются.

Технология Opaque построена на confidential computing: данные шифруются и обрабатываются внутри доверенных сред исполнения (Intel SGX/TDX, AMD SEV), поэтому содержимое не видно даже оператору инфраструктуры и облачному провайдеру. Для корпоративных сценариев это ключевое условие - медицинские записи, финансовые транзакции и юридические документы нельзя отдавать модели, если нет гарантий, что доступ к ним не получит никто посторонний.

Для Anthropic покупка - способ усилить позиции в регулируемых отраслях, где заказчики требуют подтверждаемой аппаратной изоляции перед запуском Claude. Крупные облака (Azure Confidential Computing, Google Confidential VMs) уже продвигают похожие подходы, так что стартап даёт Anthropic готовую экспертизу и команду в этой нише.

🎨 qvabo.studio/tg · картинки и видео

#Business #Safety #Anthropic #OpaqueSystems #Security #Claude