Анализ данных (Data analysis)

Qwythos-9B-v2 вышел, и это скорее не апгрейд ради бенчмарков, а фикс главной боли У модели оставили глубокое reasoning-поведение, но почистили самый неприятный баг: зацикливание при greedy decoding упало с 6.7% до 0%. Также вернули MTP head, поправили identity-behavior и сохранили 1M context через YaRN. По сути, v2 - это более стабильный Qwythos: не «новая магия», а hygiene release, где модель меньше ломается в реальном использовании. Из заметного: - MMLU CoT - 83.8% - GSM8K - 93.6% - ARC-Challenge - 96.4% - GPQA-diamond - 49.0% - HumanEval pass@1 - 77.4% Лицензия - Apache-2.0. Модель построена вокруг Qwen3.5-9B и рассчитана на long-context reasoning, код, анализ и локальные эксперименты. https://huggingface.co/empero-ai/Qwythos-9B-v2

Сегодня заканчивается доступ к Fable 5 в подписочном плане, вероятно, на довольно долгий срок. Anthropic дала понять, что в будущем планирует вернуть Fable в подписку, но конкретную дату не назвала. Пока хорошей альтернативой выглядит GPT-5.6 Sol, хотя между ними, конечно, есть заметные различия. Но, как я уже несколько раз говорил, лимиты у 5.6 огромные, поэтому сейчас использовать его всё равно получается не так свободно. В любом случае 5.6 стал крупным релизом и явно дал OpenAI серьёзный рывок относительно Anthropic. Теперь вопрос в том, как ответит Anthropic. Моя догадка такая: они очень скоро выпустят Opus 5 как более дешёвую альтернативу Fable 5, надеясь этим успокоить пользователей.

⚡️ Полезный список лучших инструментов, чтобы запускать мощные LLM полностью бесплатно и локально на своём ноутбуке. Сейчас это №1 в трендах GitHub. 1. AnythingLLM All-in-one workspace для чата с документами и создания агентов http://github.com/Mintplex-Labs/anything-llm 2. KoboldCpp Лёгкий инструмент, особенно хорош для creative writing и сценариев с персонажами http://github.com/LostRuins/koboldcpp 3. llama.cpp Базовый движок. Очень эффективный и запускается почти на любом железе http://github.com/ggml-org/llama.cpp 4. Open WebUI Удобный веб-интерфейс в стиле ChatGPT, отлично работает с Ollama http://github.com/open-webui/open-webui 5. GPT4All Простое desktop-приложение со встроенным чатом по документам http://github.com/nomic-ai/gpt4all 6. LocalAI OpenAI-compatible API, который работает на разном железе и поддерживает много backend’ов http://github.com/mudler/LocalAI 7. vLLM Быстрый inference engine, когда нужны более быстрые ответы и работа в масштабе http://github.com/vllm-project/vllm @data_analysis_ml

VLM уже умеют искать «интересное». Но пока плохо умеют уходить от того, что уже нашли. Sakana AI вместе с MIT и NYU проверили, можно ли повторить PicBreeder на агентах с визуально-языковыми моделями. В оригинальном PicBreeder не было целевой картинки. Люди просто выбирали изображения, которые казались им перспективными, и передавали их дальше. Через много поколений из случайных форм появлялись лица, животные, машины, черепа и другие неожиданные структуры. Это важная идея из книги Кеннета Стэнли «Иллюзия целей»: сильные открытия часто рождаются не из оптимизации метрики, а из открытого поиска. В новом эксперименте VLM-агенты работали похожим образом: - смотрели общий архив изображений - выбирали то, что считают интересным - развивали выбранные варианты - публиковали новые изображения - оценивали работы других агентов Им не давали целевую картинку. Не давали функцию прогресса. Не говорили, к чему надо прийти. VLM-агенты действительно находят визуальные и семантические зацепки. Если добавить агентов с разными «личностями», архив становится заметно шире и по разнообразию приближается к человеческому. Но главный провал тоже виден: модели слишком быстро фиксируются на найденном мотиве. Вместо резкого смещения в новую область они часто начинают улучшать уже знакомую форму, стиль или смысл. Человек в PicBreeder может увидеть случайную странность и превратить её в новое направление. VLM чаще видит паттерн и начинает его эксплуатировать. Похоже, для open-ended discovery мало уметь распознавать novelty. Нужно ещё уметь менять собственный критерий интересного, бросать локально удачную ветку и сохранять слабые сигналы, которые пока не выглядят полезными. Блог: pub.sakana.ai/picbreeder-vlm Статья: arxiv.org/abs/2605.23908

Всё, что вы всегда хотели знать о математике* (*Но даже не знали, о чём спрашивать) Путешествие с гидом по миру абстрактной математики, теорем и написания доказательств в 698 страниц! https://www.math.cmu.edu/~jmackey/151_128/bws_book.pdf

⚡️ OpenAI закроет браузер Atlas 9 августа Это первый случай, когда OpenAI отказывается от самостоятельного продукта ради унификации своей экосистемы. Теперь возможности Atlas станут частью десктопных версий ChatGPT и Codex. Обновленное приложение ChatGPT уже получило встроенный инструмент для веб-серфинга, а ИИ-агенты научились напрямую взаимодействовать с элементами страниц. Автоматического переноса пользовательских данных не будет. До закрытия сервиса всю историю, закладки и важные вкладки придется экспортировать вручную. #news #ai #ml

Google показала SensorFM — foundation model для данных с носимых устройств. Обучение: 1+ трлн минут сигналов от 5 млн пользователей Fitbit и Pixel Watch. Модель работает с пульсом, сном, SpO₂, HRV, движением, температурой кожи и другими метриками. Главное: одна базовая модель переносится на 35 задач по здоровью и в 34 из 35 случаев обходит baseline на ручных признаках. По сути, часы становятся интерфейсом к персональной модели здоровья. https://research.google/blog/sensorfm-towards-a-general-intelligence-and-interface-for-wearable-health-data/

Лайвстрим OpenAI: Заголовок - «Представляем следующую главу ChatGPT»** Помимо самой модели, показали 3 крупных продуктовых обновления: 1. ChatGPT Work 2. новое desktop-приложение ChatGPT 3. hosted sites, то есть размещение сайтов прямо через Chatgpt https://openai.com/ru-RU/live/

Claude получил функцию **Reflect** — своего рода “Wrapped” для того, как вы используете AI. В настройках Claude теперь можно посмотреть отчёт за 1, 3, 6 или 12 месяцев: * о чём вы чаще всего говорили с Claude * какие задачи делегировали * когда чаще всего работали * как именно вы используете AI в жизни и работе Reflect помогает понять, где Claude реально усиливает мышление, а где вы, возможно, слишком часто отдаёте ему задачи, которые лучше оставить себе. Внутри также можно настроить quiet hours и напоминания сделать перерыв. Функция пока в beta, доступна Free, Pro и Max пользователям с включённой Memory. Инкогнито-чаты и файлы из подключённых инструментов в отчёт не попадают. https://claude.ai/settings/reflect

🖥 GPT-5.6, судя по всему, тестировали уже два месяца. Из-за этого слухи о выходе GPT-6 в ближайшие 4–6 недель выглядят заметно правдоподобнее. Если GPT-5.6 действительно несколько месяцев был в early access и уже завершил обучение, то логичный вывод такой: OpenAI могла использовать это время для разработки новой модели уровня Mythos через новое pre-training поколение. Именно этой моделью может стать GPT-6. GPT-5.6 уже давно в использовании, а GPT-6, похоже, приближается. https://x.com/timneutkens/status/2074887239562113069

🗞️ В статье Google DeepMind “Intelligent AI Delegation” есть хороший разбор того, как правильно отдавать задачи AI. Речь не о том, чтобы просто написать модели «сделай это» и надеяться на удачу. Авторы предлагают смотреть на делегирование как на цепочку решений: стоит ли вообще отдавать задачу AI, как её объяснить, какой уровень полномочий дать и как потом проверить результат. Сейчас многие системы держатся на жёстких правилах, которые ломаются при неожиданных сбоях. Исследователи предлагают более гибкий подход: динамический рынок, где агенты могут «торговаться» за задачи через smart contracts. Чтобы это работало безопасно, нужны строгий мониторинг и криптографические доказательства: система должна подтверждать корректность работы, не раскрывая приватные данные. Вместо простых рейтингов агенты смогут использовать проверяемые цифровые сертификаты, которые показывают их реальные навыки. Делегирование должно быть живым процессом- полномочия и ответственность могут меняться по ходу работы. Если ситуация изменилась или агент ошибся, система должна не разваливаться, а уметь передать задачу дальше, откатиться или включить запасной сценарий. Отдельно важна тема доверия. Фреймворк оценивает сложность задачи и прошлые результаты агента. Это помогает избежать двух ошибок: * over-delegating - когда AI дают задачу, к которой он ещё не готов * under-delegating, когда человек делает всё сам, хотя AI мог спокойно справиться Результат тоже нельзя принимать на веру. Система должна проверять ответ, учитывать уверенность агента и заранее иметь план, если он ошибётся. Для реальных рабочих процессов это критично: одна слепо принятая ошибка может потянуть за собой цепочку проблем. Авторы также разбирают сценарий, где один AI-агент передаёт задачу другому. В таком случае система должна отслеживать, кто отвечает за результат, какие полномочия переданы и где находится контроль. arxiv.org/abs/2602.11865

(media without text)

MiniMax готовит открытую модель на 2,7 трлн параметров, релиз может состояться уже в III квартале. Она станет крупнейшей среди китайских ИИ-моделей и будет более чем в 6 раз больше текущей модели MiniMax M3. Волна открытых ИИ-моделей из Китая только набирает обороты. Похоже, самое интересное ещё впереди. https://www.theinformation.com/briefings/exclusive-chinas-minimax-plans-launch-2-7-trillion-parameter-model

Лилиан Венг из Thinking Machines Lab выпустила большой обзор про harness engineering: слой вокруг модели, который отвечает за инструменты, память, оркестрацию, контекст, проверки, циклы обратной связи и выполнение задач. Менять веса модели дорого, рискованно и медленно. А вот харнесс можно улучшать быстрее: добавлять инструменты, менять workflow, усиливать память, запускать sub-agent’ов, проверять гипотезы и сразу мерить результат. Отсюда рождается более реалистичный путь к self-improvement: модель не переписывает себя напрямую, а улучшает систему, в которой работает. Венг разбирает авто-исследование, эволюцию программ и self-improving agents: от The AI Scientist до ShinkaEvolve и Darwin Gödel Machine. Общая логика в том, что агент предлагает изменение, запускает эксперимент, получает оценку и оставляет то, что реально улучшает результат. Но слабые места тоже есть: плохие evals, схлопывание разнообразия, reward hacking и риск, что агент научится ломать метрику, а не решать задачу. Ближайший RSI может быть не «модель сама переписала мозг», а «модель научилась улучшать свой рабочий станок». ・The AI Scientist (Nature 2026)： https://nature.com/articles/s41586-026-10265-5 ・ShinkaEvolve： https://sakana.ai/shinka-evolve/

Anthropic запустила программу Claude for Open Source. Теперь разработчики и мейнтейнеры open source-проектов могут получить Claude Max 20x бесплатно на 6 месяцев. Что дают: - Claude Max 20x без оплаты на полгода - доступ к Claude Code и самым мощным моделям Claude - программа рассчитана на активных мейнтейнеров и ключевых участников open source Anthropic планирует принять до 10 000 участников. Подать заявку могут разработчики, которые активно поддерживают или развивают значимые open source-проекты. (Claude) https://claude.com/contact-sales/claude-for-oss

Стоп. Китай теперь делает с США то же самое, что Anthropic, только в обратную сторону? То есть закрывает американским компаниям доступ к китайским frontier-моделям? Похоже, уверенность Китая растёт с каждым днём. Судя по всему, там считают, что больше не нуждаются в дистилляции западных моделей в таких масштабах, чтобы развивать передовой ИИ. Теперь их больше беспокоит обратное: что США могут украсть уже их интеллект. https://finance.yahoo.com/technology/ai/articles/exclusive-beijing-looking-curbing-overseas-101644780.html

📌Claude Code изменил чужую продакшен-базу На GitHub появился любопытный тикет, который (если подтвердится) бьёт по базовой гарантии Антропик - изоляции пользователей друг от друга. В рабочем контексте Claude Code внезапно оказались чужие учётные данные - IP и root открытым текстом от сервера, к которому автор не имеет никакого отношения. 🟡Дальше самое неприятное Ассистент принял чужие креды за легитимные, подключился к серверу по SSH, перечислил Docker-контейнеры и базы PostgreSQL, после чего выполнил миграцию с операциями чтения и записи. Иными словами, ИИ одного пользователя отредактировал базу другого без ведома и согласия владельца. 🟡Причина пока неизвестна В тематических сообществах обсуждают версию сбоя изоляции кэша общих префиксов. Чтобы удешевить инференс и ускорить обработку, провайдеры переиспользуют кэшированные фрагменты диалогов, и при коллизии ключей кэша или отказе разграничения кусок чужого контекста теоретически может просочиться в вашу сессию. Если эта версия верна, под угрозой данные любого пользователя. Но это лишь одна из гипотез, в самом отчёте среди возможных векторов названы также общее хранилище сессий, путаница при суммаризации контекста и перекрёстные ссылки в транскриптах. 🟡Есть и куда более прозаичное объяснение Возможно, это галлюцинация модели, случайно угадавшей реальный IP и слабый пароль, либо локальная история проекта, загрязнившая контекст. Пока Антропик не выпустила официального заключения, ни одну из версий нельзя ни подтвердить, ни отвергнуть. Автоматика GitHub повесила на тикет метку security. @ai_machinelearning_big_data #news #ai #ml

Anthropic опубликовала историю Claude Code и того, как Борис Черни прошёл путь от 10% AI-written code в 2025 году до 100% в 2026. Исследовательская команда постепенно усиливала agentic coding через shell, поиск по файлам, выполнение кода и циклы редактирования. В 2024 году CLI-прототип Claude от Бориса Черни стал первым настоящим terminal-продуктом в этом направлении. Небольшая команда быстро шипила, использовала Claude Code для разработки самого Claude Code и оперативно исправляла фидбек. Запуск в 2025 году сначала был багованным, но с выходом Claude Sonnet 4 и подписками продукт резко взлетел. https://x.com/claudeai/status/2074244664199115201

К 2027 году всего 5 компаний — Alphabet, Amazon, Microsoft и Oracle - могут тратить на AI-инфраструктуру около 3.2% ВВП США. Это выше ожидаемых расходов США на национальную оборону, которые оцениваются примерно в 2.7% ВВП. Гонка AI уже финансируется в масштабе, который обычно ассоциируется с государствами, войнами, энергетическими системами, железными дорогами, хайвеями и телеком-инфраструктурой. https://x.com/KobeissiLetter/status/2073777167691845818

NVIDIA придумала красивую схему для AI-рынка. Компания помогает neocloud-провайдерам (облачные компании, которые специализируются на аренде GPU для AI-задач) покупать GPU-инфраструктуру, а взамен получает долю будущей выручки от облачных мощностей. В итоге NVIDIA зарабатывает дважды: сначала на продаже железа, потом на регулярной доле дохода от аренды этих GPU. GPU превращается из разовой продажи в долгосрочный денежный поток. https://blogs.nvidia.com/blog/nvidia-unlocks-ai-compute-at-scale-capital-partners-to-power-ai-infrastructure-buildout/