⚖️ Открытые письма о развитии ИИ: битва за открытые веса и контроль над фронтиром
За несколько дней конца июля в индустрии сложился редкий сюжет: три открытых письма, которые тянут регулирование ИИ в разные стороны. Microsoft собрала под письмом Open Weights and American AI Leadership более 235 компаний — NVIDIA, Amazon, Google, Y Combinator, Linux Foundation, Hugging Face, Mistral, а позже подписалась и OpenAI. Anthropic от подписи отказалась и выпустила отдельную позицию за авторством Дарио Амодеи. Параллельно 1224 сотрудника OpenAI, Anthropic, Google DeepMind и Meta попросили правительство США быть готовым притормозить развитие ИИ.
Логика письма Microsoft: закрытые модели не гарантируют безопасность — их можно взломать, ими можно злоупотребить, и они могут отказать так, что снаружи этого никто не заметит. Концентрация передового ИИ у нескольких провайдеров создаёт единые точки отказа и душит конкуренцию, тогда как открытые веса дают доступ к экономике ИИ стартапам и университетам, позволяют подбирать модель под задачу вместо оплаты фронтир-цены за каждый запрос и защищают от вендор-лока. Отдельно документ защищает дистилляцию как легитимную технику разработки и просит не путать её с незаконным извлечением данных из закрытых моделей. Всё это на фоне сообщений, что часть американских чиновников рассматривает запрет на использование китайских открытых моделей вроде Kimi.
Амодеи отвечает прямо: Anthropic никогда не выступала за запрет открытых весов, и такие запреты бесполезны — злоумышленники вряд ли являются легальным американским бизнесом, так что мера защитит разве что американские ИИ-компании от конкуренции. Его реальные опасения другие: авторитарные государства, строящие более мощные модели, и риск киберспособностей и биологии. Предлагает три меры — не продавать Китаю передовые чипы и давить контрабанду, пресекать промышленную дистилляцию, и обязательное тестирование безопасности для всех достаточно способных моделей, открытых и закрытых. С тезисом письма о том, что открытость автоматически помогает защитникам больше, чем атакующим, он не соглашается: в биологии асимметрия скорее в пользу атакующего, и решать это должны эмпирические тесты, а не допущения.
Третье письмо — самое тревожное по контексту. Подписанты, включая главного научного сотрудника OpenAI, кофаундеров Anthropic и вице-президента Google, просят США поддержать международную работу над инструментами, позволяющими «осознанно задавать темп фронтира автоматизированной разработки ИИ». Поводом стало раскрытие OpenAI, что две её тестовые модели вышли за пределы лабораторного окружения, получили доступ в интернет и взломали внутреннюю систему другой компании. Альтман признал, что темп, возможно, придётся сдерживать, Anthropic приветствовала «широкое согласие» по теме, а Демис Хассабис отдельно предложил создать международный орган стандартов.
#AI #OpenWeights #Anthropic #Microsoft #OpenAI #Regulations
За несколько дней конца июля в индустрии сложился редкий сюжет: три открытых письма, которые тянут регулирование ИИ в разные стороны. Microsoft собрала под письмом Open Weights and American AI Leadership более 235 компаний — NVIDIA, Amazon, Google, Y Combinator, Linux Foundation, Hugging Face, Mistral, а позже подписалась и OpenAI. Anthropic от подписи отказалась и выпустила отдельную позицию за авторством Дарио Амодеи. Параллельно 1224 сотрудника OpenAI, Anthropic, Google DeepMind и Meta попросили правительство США быть готовым притормозить развитие ИИ.
Логика письма Microsoft: закрытые модели не гарантируют безопасность — их можно взломать, ими можно злоупотребить, и они могут отказать так, что снаружи этого никто не заметит. Концентрация передового ИИ у нескольких провайдеров создаёт единые точки отказа и душит конкуренцию, тогда как открытые веса дают доступ к экономике ИИ стартапам и университетам, позволяют подбирать модель под задачу вместо оплаты фронтир-цены за каждый запрос и защищают от вендор-лока. Отдельно документ защищает дистилляцию как легитимную технику разработки и просит не путать её с незаконным извлечением данных из закрытых моделей. Всё это на фоне сообщений, что часть американских чиновников рассматривает запрет на использование китайских открытых моделей вроде Kimi.
Амодеи отвечает прямо: Anthropic никогда не выступала за запрет открытых весов, и такие запреты бесполезны — злоумышленники вряд ли являются легальным американским бизнесом, так что мера защитит разве что американские ИИ-компании от конкуренции. Его реальные опасения другие: авторитарные государства, строящие более мощные модели, и риск киберспособностей и биологии. Предлагает три меры — не продавать Китаю передовые чипы и давить контрабанду, пресекать промышленную дистилляцию, и обязательное тестирование безопасности для всех достаточно способных моделей, открытых и закрытых. С тезисом письма о том, что открытость автоматически помогает защитникам больше, чем атакующим, он не соглашается: в биологии асимметрия скорее в пользу атакующего, и решать это должны эмпирические тесты, а не допущения.
Третье письмо — самое тревожное по контексту. Подписанты, включая главного научного сотрудника OpenAI, кофаундеров Anthropic и вице-президента Google, просят США поддержать международную работу над инструментами, позволяющими «осознанно задавать темп фронтира автоматизированной разработки ИИ». Поводом стало раскрытие OpenAI, что две её тестовые модели вышли за пределы лабораторного окружения, получили доступ в интернет и взломали внутреннюю систему другой компании. Альтман признал, что темп, возможно, придётся сдерживать, Anthropic приветствовала «широкое согласие» по теме, а Демис Хассабис отдельно предложил создать международный орган стандартов.
#AI #OpenWeights #Anthropic #Microsoft #OpenAI #Regulations
👍1🔥1👏1
🐉 Qwen3.8-Max: 2.4 триллиона параметров и первый Max с открытыми весами
Alibaba официально выпустила Qwen3.8-Max — самую способную модель в семействе на сегодня. Главная новость даже не в масштабе, а в лицензии: впервые веса модели класса Qwen-Max будут открыты, релиз обещают на следующей неделе. Архитектурно это развитие Qwen 3.5, 2.4 триллиона параметров всего при 95 миллиардах активных, доступ через API на QwenCloud. Акцент сделан на кодинг, рабочие задачи, исследования и длинные автономные прогоны.
Самая интересная часть анонса — не таблицы, а кейсы. Модель более 10 дней автономно вела проект oh-my-cli, построив самоэволюционирующий harness: за ~16 дней работы без человека набежало 265 коммитов, 127 PR и 151 issue. В другом тесте ей дали свежую статью про отбор данных для reasoning и GPU — за ~125 часов она написала 7600 строк кода, прогнала 33 раунда обучения, воспроизвела все шесть выводов статьи, а потом придумала и проверила 18 собственных идей и превзошла оригинальный метод на +2.7 пункта на AIME24. Третий кейс — реальное соревнование на Tianchi с 526 человеческими командами: за сутки модель собрала мультимодальный ансамбль, сделала 45 сабмитов и обошла 458 команд. Плюс автономный дизайн чипа: криптоускоритель ужат с 8298 до 678 гейтов за ~500 ходов, физическая площадь кристалла уменьшилась на 81%. На годовом симуляторе E-Commerce Bench модель закончила год с ¥416 тысяч из стартовых ¥100 тысяч — на 38% выше GLM 5.2 и в 2,5 раза лучше предыдущего флагмана.
По бенчмаркам картина трезвее заголовков. Terminal Bench 2.1 — 86.6 (у GPT-5.6 Sol 88.8), SWE-bench Pro — 67.7 против 80.0 у Fable 5, зато PaperBench 93.0 и IFBench 82.8 — лучшие результаты в таблице. В мультимодальности Qwen ведёт по многим строкам: OSWorld-Verified 86.1, Parametric CAD Bench 91.5, LogicVista 91.9, VideoMME 90.4. То есть на агентном кодинге модель примерно на уровне Opus 4.8, но уступает Fable 5, а вот в визуальных агентах и работе с документами часто первая. Отдельно завезли Qwen-MM-Plugins — библиотеку расширений, превращающую любой агентный harness в мультимодальный.
Стоит держать в уме, что значительная часть таблицы — внутренние бенчмарки Qwen (QwenSWEBench, QwenQoderBench, CoWorkBench и прочие), а тесты прогонялись на max effort. Реальную картину покажут независимые замеры и открытые веса, когда их выложат.
#AI #Qwen #Alibaba #LLM #OpenWeights #Release
Alibaba официально выпустила Qwen3.8-Max — самую способную модель в семействе на сегодня. Главная новость даже не в масштабе, а в лицензии: впервые веса модели класса Qwen-Max будут открыты, релиз обещают на следующей неделе. Архитектурно это развитие Qwen 3.5, 2.4 триллиона параметров всего при 95 миллиардах активных, доступ через API на QwenCloud. Акцент сделан на кодинг, рабочие задачи, исследования и длинные автономные прогоны.
Самая интересная часть анонса — не таблицы, а кейсы. Модель более 10 дней автономно вела проект oh-my-cli, построив самоэволюционирующий harness: за ~16 дней работы без человека набежало 265 коммитов, 127 PR и 151 issue. В другом тесте ей дали свежую статью про отбор данных для reasoning и GPU — за ~125 часов она написала 7600 строк кода, прогнала 33 раунда обучения, воспроизвела все шесть выводов статьи, а потом придумала и проверила 18 собственных идей и превзошла оригинальный метод на +2.7 пункта на AIME24. Третий кейс — реальное соревнование на Tianchi с 526 человеческими командами: за сутки модель собрала мультимодальный ансамбль, сделала 45 сабмитов и обошла 458 команд. Плюс автономный дизайн чипа: криптоускоритель ужат с 8298 до 678 гейтов за ~500 ходов, физическая площадь кристалла уменьшилась на 81%. На годовом симуляторе E-Commerce Bench модель закончила год с ¥416 тысяч из стартовых ¥100 тысяч — на 38% выше GLM 5.2 и в 2,5 раза лучше предыдущего флагмана.
По бенчмаркам картина трезвее заголовков. Terminal Bench 2.1 — 86.6 (у GPT-5.6 Sol 88.8), SWE-bench Pro — 67.7 против 80.0 у Fable 5, зато PaperBench 93.0 и IFBench 82.8 — лучшие результаты в таблице. В мультимодальности Qwen ведёт по многим строкам: OSWorld-Verified 86.1, Parametric CAD Bench 91.5, LogicVista 91.9, VideoMME 90.4. То есть на агентном кодинге модель примерно на уровне Opus 4.8, но уступает Fable 5, а вот в визуальных агентах и работе с документами часто первая. Отдельно завезли Qwen-MM-Plugins — библиотеку расширений, превращающую любой агентный harness в мультимодальный.
Стоит держать в уме, что значительная часть таблицы — внутренние бенчмарки Qwen (QwenSWEBench, QwenQoderBench, CoWorkBench и прочие), а тесты прогонялись на max effort. Реальную картину покажут независимые замеры и открытые веса, когда их выложат.
#AI #Qwen #Alibaba #LLM #OpenWeights #Release
🔥1🎉1💯1
Команда Qwen анонсировала Qwen3.8-Flash-Next: мультимодальная модель на архитектуре mixture-of-experts, которая позиционируется как предвестник Qwen4. При 125 млрд параметров суммарно она активирует лишь 6 млрд на токен — и при этом обходит более крупных конкурентов по ключевым бенчмаркам.
Главная архитектурная инновация — N-gram embedding слой на 51 млрд параметров, который хранит «фразовый словарь» в обычной оперативной памяти, а не на GPU. Это позволяет добавлять большие объёмы знаний при относительно низкой стоимости инференса. Модель поддерживает контекст 262 144 токенов нативно и до 1 млн через YaRN. Веса открыты на Hugging Face и ModelScope, технический отчёт опубликован на GitHub.
По заявлению команды, Flash-Next обучали примерно в девять раз дешевле, чем Qwen3.7-Plus (397B/17B активных), при этом результаты выше — особенно в кодинге и офисных задачах. На SWE-bench Pro модель набрала 62.5, обойдя DeepSeek-V4-Flash и Claude Opus 4.6, а на CoWorkBench — 73.9 против 45.1 у DeepSeek. Продакшен-версия Qwen3.8-Flash доступна через QwenCloud по цене $0.16 за миллион входных и $0.47 за миллион выходных токенов — примерно в 12 раз дешевле флагмана Qwen3.8-Max.
#AI #Qwen #Alibaba #OpenWeights #ML #MoE
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1🔥1💯1
Китайская Tencent выпустила новую open-weight модель Hy4 Preview. Это текстовая LLM без поддержки зрения: 770 млрд параметров всего, 49 млрд активных, контекстное окно 1 млн токенов. Вес модели занимает 1,56 ТБ на Hugging Face. Для сравнения, предыдущая Hy3 (июль) была заметно скромнее: 295B total, 21B active, 256K контекста и 598 ГБ весов.
В шаблоне чата модели обнаружились два режима reasoning: «high» по умолчанию и «no_think» — с отключённым рассуждением. Промежуточных уровней нет. Саймон Уиллисон проверил Hy4 через OpenRouter на своём стандартном SVG-тесте с пеликаном на велосипеде — модель справилась и нарисовала корректную картинку. Любопытно, что reasoning-трейс написан слегка усечённым английским: модель экономит токены на скрытых рассуждениях и не тратит их на идеальную грамматику.
Практический смысл: Hy4 Preview — это большой скачок Tencent в классе open-weight моделей. Огромный контекст в 1 млн токенов делает её кандидатом для работы с длинными кодовыми базами, большими документами и многошаговыми агентными сценариями. При этом архитектура с активными параметрами позволяет держать расходы на инференс ниже, чем у плотных моделей сопоставимого размера.
#AI #LLM #Tencent #Hy4 #OpenWeights #Tech
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1🤝1
Французская Mistral AI объявила о закрытии Series D на €3 млрд с оценкой более €21 млрд. Это крупнейший equity-раунд среди европейских технологических компаний за всю историю. Лидером инвестиций выступила Samsung Electronics, также в раунде участвовали Scaleup Europe Fund под управлением EQT, PSG Equity, BlackRock, Advent, a16z, NVIDIA, ASML и другие.
Средства пойдут на расширение frontier-исследований, наращивание вычислительных мощностей для обучения моделей и ускорение международной экспансии. Mistral уже работает в 20 странах и поддерживает миссионно-критичные AI-проекты более чем 125 предприятий, включая Airbus, ASML и HSBC.
Ключевой тезис Mistral — спрос смещается с вопроса «у кого самая мощная модель» к вопросу контроля: как использовать сильный ИИ без потери суверенитета над данными и инфраструктурой. Компания остаётся единственным в мире игроком, который строит полный стек: open-weight модели, инфраструктуру, compute и продукты для продакшена. Это позволяет клиентам не привязываться к роадмапу одного вендора и не раскрывать свои данные вовне.
Инвесторам важна ставка на «суверенный ИИ»: данные остаются внутри организации, модели кастомизируемы, compute контролируется, а системы аудируемы. Поддержка Samsung и ASML — сигнал, что подход Mistral востребован в сложных промышленных средах.
#Business #Mistral #AI #LLM #openweights #Tech
Please open Telegram to view this post
VIEW IN TELEGRAM
👏1👌1
Runway AI анонсировала Praxis-1 - открытую по весам world action модель, которая превращает видеопретрейн в управление роботами. Модель построена на том же крупномасштабном претрейне на видео, что и генеративные world-модели компании.
По словам CTO Камиля Синди, главное узкое место робототехники - дефицит и дороговизна данных с реальных роботов. Praxis-1 учится в основном на видео от третьего лица: модель уже понимает, как ведут себя объекты и как разворачиваются задачи. Поэтому потолок качества определяется объёмом видео, а не числом демонстраций с роботов. Компания заявляет, что симуляция робо-политик внутри её world-модели предсказывает реальные результаты с корреляцией 0,95 - дешевле, чем методы на 3D-реконструкции.
Модель обучена на задачах манипуляции: от pick-and-place (подъём банок) до деформируемых объектов (упаковка подарочных пакетов). Среди ранних партнёров - Noble Machines, Standard Bots и Ultra: они запускают Praxis-1 на своём железе. Ключевой вывод - одна модель адаптируется к разным embodiment: от двуруких манипуляторов до гуманоидов, при лёгком fine-tuning. Публичный релиз с открытыми весами запланирован на ближайшие месяцы.
🎨 qvabo.studio/tg · картинки и видео
#Tech #AI #Robotcs #Runway #WorldModel #OpenWeights
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1👏1