Анализ данных (Data analysis)

MiniMax открыла веса M3.1 Flash - MoE-модели на 428 млрд параметров для программирования и ИИ-агентов. При обработке каждого токена активируются около 23 млрд параметров. Модель ориентирована на многошаговые задачи: работу с инструментами, разработку ПО и управление приложениями. Результаты по оценкам разработчика: - 73,7% на DeepSWE v1.1 — сложные задачи разработки. - 61,7 на OSWorld V2 — работа с компьютерным интерфейсом. - 76,2 на BankerToolBench — использование инструментов в банковских сценариях. - 29,6 на Agents’ Last Exam — комплексные профессиональные задачи. - 82,2 на CyberGym — воспроизведение уязвимостей. За эффективность отвечают MiniMax Sparse Attention и DSpark speculative decoding: разреженное внимание и спекулятивное декодирование, ускоряющее генерацию. Теперь веса можно использовать для собственного развёртывания и независимых тестов. 23 млрд активных параметров сокращают вычисления, но хранить нужно всю модель — это по-прежнему серьёзная нагрузка на инфраструктуру. Hugging Face: https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash API: https://platform.minimax.io @ai_machinelearning_big_data #MiniMax

Claude написал 180 млн строк доказательств, проверяя безопасность реального ПО. Anthropic и Theorem показали подход, который превращает фаззинг-тесты в математические гарантии. Обычный фаззер перебирает огромное количество входных данных и ищет сбой. Но даже триллионы запусков не гарантируют, что опасный случай найден. Здесь Claude получает другую задачу: доказать, что выбранный тест не упадёт ни на одном входе размером менее 64 МБ - в рамках заданной модели исполнения. За несколько недель удалось построить доказательства для 239 точек входа в 123 open-source библиотеках. Проверка идёт на уровне скомпилированного кода RISC-V: Claude пишет доказательство, а Rocq проверяет его корректность. В процессе обнаружились сотни ошибок. Например, выход за границы памяти в распаковщике, требовавший входа около 20 МБ с редкой структурой. Это не гарантия отсутствия всех багов в библиотеках. Доказательства покрывают конкретные точки входа и условия: однопоточный статический бинарник, ограниченную память и формальную модель RISC-V/Linux. Но результат показывает перспективу: вместо бесконечного поиска контрпримеров — проверяемое доказательство конкретного свойства программы. https://www.anthropic.com/research/formal-verification

Qwen научили меньше «думать»: до 51% меньше токенов рассуждения BottleCap AI представила ThinkingCap-Qwen3.8-Flash-Next - версию модели, оптимизированную для более коротких рассуждений. По данным разработчиков: - На 38,5% меньше thinking-токенов в среднем, до 51% в отдельных тестах. - Снижение точности — 1,03 процентного пункта. - Для корпоративной ThinkingCap PRO заявлено сокращение thinking-токенов в среднем на 60%. Идея простая: модели нередко продолжают рассуждать, когда дополнительные шаги уже почти не помогают получить правильный ответ. ThinkingCap сокращает такие рассуждения, сохраняя близкие результаты в тестах команды. Практический смысл - потенциально меньше ожидания и затрат на генерацию. Но сокращение thinking-токенов на 38,5% не означает такое же ускорение всего запроса: остаются обработка контекста и генерация итогового ответа. Разработчики сообщают о публикации модели на Hugging Face и версии GGUF для локального запуска. https://huggingface.co/bottlecapai

🔍️️️️️️ Qwen научили меньше «думать»: до 51% меньше токенов рассуждения BottleCap AI представила ThinkingCap-Qwen3.8-Flash-Next - версию модели, оптимизированную для более коротких рассуждений. По данным разработчиков: - На 38,5% меньше thinking-токенов в среднем, до 51% в отдельных тестах. - Снижение точности — 1,03 процентного пункта. - Для корпоративной ThinkingCap PRO заявлено сокращение thinking-токенов в среднем на 60%. Идея простая: модели нередко продолжают рассуждать, когда дополнительные шаги уже почти не помогают получить правильный ответ. ThinkingCap сокращает такие рассуждения, сохраняя близкие результаты в тестах команды. Но сокращение thinking-токенов на 38,5% не означает такое же ускорение всего запроса: остаются обработка контекста и генерация итогового ответа. Разработчики сообщают о публикации модели на Hugging Face и версии GGUF для локального запуска. > Blog: https://liquid.ai/blog/low-latency > RIPL calculator: https://liquid.ai/low-latency-calculator-ripl > Request access: https://liquid.ai/connect

Как научить ИИ выполнять большую рабочую задачу - и проверить, что он действительно справился? Авторы WorkForge предложили автоматически создавать тренировочные среды из реальных файлов и профессиональных рабочих процессов. Система определяет, какие материалы и результаты нужны специалисту, собирает рабочее пространство и извлекает из документов конкретные проверяемые факты. Уже на их основе создаёт задания, планы решения и два вида проверки: - Программную - для условий, которые можно проверить кодом. - Смысловую — для оценки содержания результата. Критерии привязаны к наблюдаемым данным в файлах. Это помогает оценивать выполненную работу, а не убедительность ответа агента. Авторы создали 16,7 тысячи сред в 40 профессиональных областях, охватив 60 типов файлов. После дообучения Qwen3.5-35B-A3B-Base показатель на GDPVal вырос с 45,5 до 73,6, а APEX Score — с 5,0 до 21,3. Ценность подхода - в масштабировании практики: агент получает множество многошаговых рабочих задач, где результат можно проверить по исходным материалам. https://arxiv.org/abs/2610.04906

Актуалочка

Хакеры собрали команду ИИ-агентов для атак на более чем 400 финансовых целей в Латинской Америке. По данным исследователей Straiker, о которых пишет The Information, группировка CyberCartel использовала Claude, Grok и Kimi для автоматизации атак на банки и платёжные компании. Агенты распределяли работу: изучали цели, разрабатывали код атак и обрабатывали похищенные данные. Исследователи обнаружили в инфраструктуре группировки базу с паролями, API-ключами и сведениями о финансовых счетах. 400+ - число целей. Однако собранные Straiker материалы показывают, как преступники встраивают ИИ в целую цепочку атаки, сокращая объём ручной работы. После уведомления Anthropic отключила использованный группировкой доступ к Claude. xAI начала расследование. Небольшая группа получает возможность вести больше атак одновременно. https://www.straiker.ai/blog/inside-carliy0s-how-cybercartel-used-multiple-ai-models-to-attack-latin-american-banks

1 946 ИИ-агентов разобрали данные о мозге за 32 минуты - людям, по оценке исследователей, потребовались бы месяцы. OpenAI, PerturbAI и Scripps Research поручили агентам GPT-Rosalind интерпретировать масштабный эксперимент: учёные отключали гены в клетках мозга мыши и измеряли, что меняется. Каждому агенту - один отключённый ген. Он анализировал реакцию клеток, искал связанные научные работы и предлагал объяснения. Затем отчёты объединили в карту связей и перспективных направлений исследования. Агенты воспроизвели или уточнили 48 из 55 выводов исходной работы, которые можно было получить из предоставленных данных. Саму статью им не показывали. А в слепом сравнении эксперты предпочли отчёты распределённых агентов отчётам одиночного агента в 75% случаев. Одна из зацепок - возможная связь нарушения работы гена DCTN1 с обменом холестерина в нейронах. Теперь её можно проверить экспериментально. Польза - в сокращении пути от огромного массива данных до конкретного вопроса для лаборатории. Пока это гипотезы для проверки, а оценка сэкономленных месяцев — расчёт авторов, не результат соревнования с людьми. https://openai.com/index/scaling-ai-research-for-complex-biological-data/

ИИ обнаружил критические уязвимости в PHP - OpenAI организовала глобальную операцию по их устранению. Исследователь Calif с помощью GPT-5.6 Sol выявил критическую проблему безопасности PHP - языка, на котором работает огромное количество сайтов. Компания Wiz независимо обнаружила и сообщила об обеих уязвимостях. В рамках инициативы Patch the Planet OpenAI объединила разработчиков PHP, исследователей безопасности, Cloudflare, Wiz и других партнёров. Что удалось сделать: Подготовить и протестировать исправления. Скоординировать защиту инфраструктуры до публичного раскрытия. Выпустить инструмент для проверки потенциально уязвимых версий PHP. Организовать взаимодействие с государственными агентствами по кибербезопасности. OpenAI также выделяет $1 млрд в виде субсидированного доступа к ИИ-инструментам защиты для организаций с ограниченными ресурсами. Компания ожидает резкого роста числа уязвимостей, обнаруживаемых ИИ, уже в ближайшие месяцы. Для разработчиков и администраторов: необходимо проверить версии PHP и установить актуальные исправления. https://openai.com/index/coordinated-disclosure-of-critical-vulnerabilities/

🖥️ Зачем обучать модель 1000 раз, если можно выбирать параметры умнее? Допустим, подбираешь три гиперпараметра: скорость обучения, глубину деревьев и их количество. По 10 вариантов на каждый — 1000 комбинаций. Если один запуск занимает минуту, полный перебор потребует почти 17 часов. Байесовская оптимизация использует результаты предыдущих запусков, чтобы выбрать следующий. Условный пример со скоростью обучения: - 0.001 → модель учится слишком медленно. - 0.1 → качество нестабильно. - 0.03 → хороший результат. Алгоритм оценивает, где стоит искать дальше: рядом с удачным значением или в ещё не исследованной области. Для этого строит вспомогательную модель, которая прогнозирует качество и неопределённость прогноза. Пример на Python — подбираем параметры SVM: # pip install scikit-optimize scikit-learn from skopt import gp_minimize from skopt.space import Real from sklearn.datasets import load_iris from sklearn.model_selection import cross_val_score from sklearn.pipeline import make_pipeline from sklearn.preprocessing import StandardScaler from sklearn.svm import SVC X, y = load_iris(return_X_y=True) def objective(params): C, gamma = params model = make_pipeline( StandardScaler(), SVC(C=C, gamma=gamma), ) # Оптимизатор минимизирует — меняем знак accuracy return -cross_val_score(model, X, y, cv=3).mean() result = gp_minimize( objective, dimensions=[ Real(1e-3, 1e3, prior="log-uniform"), Real(1e-4, 1, prior="log-uniform"), ], n_calls=25, n_initial_points=5, acq_func="EI", random_state=42, ) print("C, gamma:", result.x) print("CV accuracy:", -result.fun) Первые 5 комбинаций выбираются случайно. Следующие 20 — с учётом накопленных результатов. EI означает «ожидаемое улучшение»: критерий выбора следующей точки. Особенно полезно, когда каждый запуск дорогой. Но 25 попыток не гарантируют лучший результат: бюджет зависит от задачи. Итоговое качество проверяй на отдельной тестовой выборке, которую не использовал при подборе. https://codecut.ai/bayesian-optimization-hyperameter-search/

Что даёт разделение рекомендаций на стримы — в цифрах Стримы позволяют разделить задачи внутри одной рекомендательной системы: у каждого пайплайна своя конфигурация, но компоненты остаются общими. В статье инженер AI VK рассказал, как решение cработало в VK Видео. За ростом метрик стоит архитектурный подход: разделять не код и не сервисы, а задачи, которые система решает в рамках одного запроса. Компоненты остаются общими, а конфигурации — локальными.

Математики проверяют ИИ-доказательство ослабленной гипотезы Римана и всё больше убеждаются в его корректности, сообщает Quanta. Гипотеза Римана связана с распределением простых чисел. Она утверждает, что все нетривиальные нули дзета-функции лежат на линии Re(s) = 1/2. ИИ предложил доказательство более слабого результата: 1/12 < Re(s) < 11/12. Аргумент изучают Питер Сарнак, Максим Радзивилл и Александр Данн. Радзивилл уже смог изложить основную идею 49-страничной работы примерно на половине страницы. Если результат подтвердится, он позволит доказать множество утверждений, которые пока зависят от этой гипотезы. Но проверка деталей продолжается, а полная гипотеза Римана остаётся нерешённой. https://www.quantamagazine.org/ai-proved-the-quasi-riemann-hypothesis-what-happens-now-20261019/

«ИИ понимает. На 100%»: лауреат Филдсовской премии - о проверке математических доказательств. Джон Пардон рассказывает: ещё недавно ИИ был для него чем-то вроде проверки орфографии. Теперь он находит тонкие математические ошибки даже в сжатых черновиках, которые другим математикам пришлось бы сначала попросить переписать. Например, пропущенное условие «конечные» меняет смысл утверждения о копределах. По словам Пардона, модель замечает такие пропуски, опираясь на контекст всего рассуждения. Именно это убеждает его, что ИИ понимает написанное. ИИ уже доказал для него несколько нетривиальных лемм, хотя прорывного результата в собственных исследованиях Пардон пока не получил. При этом обучение никто не отменял: чтобы решать сложные задачи, нужно самостоятельно пройти простые. Готовый ответ от ИИ не заменяет этот опыт. https://futureclass.substack.com/p/john-pardon

Claude разработал белки, способные связываться с опасными токсинами скорпионов. ❤️ Anthropic провела эксперимент, в котором ИИ за опасными токсинами скорпионов.** ❤️ Anthropic проведля потенциального создания противоядия. Результаты: - 211 вариантов отобрали для лабораторных испытаний. - 17 белков успешно связались с целевыми токсинами. - Два лучших показали высокую силу связывания. - Результаты проверили в независимых лабораториях. Anthropic опубликовала все 211 конструкций и результаты испытаний. https://www.anthropic.com/research/claude-scorpion-toxin-binder-design

Альтман назвал три сценария, чем закончится гонка за сверхинтеллектом 🌍 По данным The Information, Сэм Альтман рассказал сотрудникам OpenAI о трёх возможных развязках. Первая: международный надзорный орган по образцу МАГАТЭ, который следит за стандартами безопасности ИИ. Вторая: организация в духе ЦЕРН, где крупные лаборатории объединяют работу под одной крышей. Третья: одна компания первой получает самоулучшающийся ИИ, набирает подавляющую экономическую мощь и, по словам Альтмана, «плавит GPU всех остальных». Этот вариант он назвал ужасным: «Obviously I think that one's terrible». При этом, как сообщается, он же предупредил команду, что OpenAI не может позволить себе отстать от конкурентов. Получается, что худший сценарий осуждают и одновременно гонятся за ним. Сам факт, что такие разговоры идут внутри лабораторий, показывает, куда сместилась повестка: глобальная координация по ИИ из теории превращается в практическую необходимость.

Sakana AI представила QD-Rec - рекомендательную систему, которая не просто выбирает лучшие варианты, а ищет нестандартные возможности. Обычные рекомендательные алгоритмы ранжируют кандидатов по баллам. QD-Rec использует LLM и эволюционный поиск Quality-Diversity, чтобы находить качественные, разнообразные предложения и объяснять, почему их стоит рассмотреть. Как это работает: - ИИ выбирает перспективных кандидатов для изучения. - Генерирует гипотезы, используя и комбинируя предыдущие идеи. - Оценивает новые предложения и сохраняет лучшие. - Постепенно находит новые подходы, которые обычное ранжирование могло бы упустить. Где пригодится: - M&A — поиск компаний для приобретения и возможных синергий. - Маркетинг — подбор клиентов и аргументов для продажи. - Наука — рекомендации исследований с объяснением их потенциальной пользы. В экспериментах на выборках до 17 500 кандидатов QD-Rec в большинстве сценариев превзошла базовые методы по качеству и разнообразию рекомендаций при одинаковом количестве оценок. Блог: https://sakana.ai/qd-rec/ Статья: https://arxiv.org/abs/2610.23470 GitHub: https://github.com/SakanaAI/QD-Rec

✔️ Министерство внутренней безопасности США полностью запретило использование DeepSeek в госучреждениях Ведомство выпустило предписание, обязывающее все федеральные гражданские агентства страны исключить продукты китайской компании DeepSeek из своей IT-инфраструктуры и удалить уже установленное ПО. В официальном уведомлении регулятор обосновал запрет угрозой передачи данных госслужащих и подрядчиков китайскому правительству, а также риском наличия скрытых уязвимостей и вредоносных закладок в коде моделей. Помимо прямого запрета на эксплуатацию, компании DeepSeek закрыли доступ к участию в любых госконтрактах США. #news #ai #ml

One Day Offer: стань щитом для миллионов клиентов! 🔥 В департамент противодействия мошенничеству Сбера нужен аналитик данных в антифрод — чтобы разбирать тренды мошенничества, находить скрытые паттерны и превращать их в правила защиты. Готов к таким задачам — добро пожаловать на One Day Offer: отбор за один день, разбор реальных кейсов, быстрая обратная связь. 24 октября, онлайн, регистрация и подробности — здесь!

🔥 10 AI-репозиториев недели: от видео из HTML до 3D-моделей по описанию 1. rea — разобраться в чужом софте Даёт AI-агенту инструменты для анализа приложений: от JavaScript и Electron до нативных бинарников через Ghidra, IDA или Hopper. https://github.com/morluto/rea 2. skills — инженерные привычки для агента Набор навыков Мэтта Покока: уточнение требований, декомпозиция задач, TDD, диагностика багов и работа с архитектурой. https://github.com/mattpocock/skills 3. diagram-design — понятные схемы из промпта Навык для кодирующих агентов с 44 типами диаграмм. Результат — самостоятельный HTML с SVG, который можно открыть в браузере. https://github.com/cathrynlavery/diagram-design 4. iFixAi — проверить работу агента Независимый аудит: выполняет ли агент поставленную задачу и соблюдает ли ограничения. Авторы заявляют диагностику менее чем за две минуты. https://github.com/ifixai-ai/iFixAi 5. hyperframes — написать HTML, получить видео Превращает HTML, CSS, медиа и анимации в MP4. Подходит для роликов с графикой, объяснений и автоматизации видеопроизводства. https://github.com/heygen-com/hyperframes 6. context-mode — меньше мусора в контексте Обрабатывает вывод инструментов отдельно и передаёт агенту нужные фрагменты. Заявляет сокращение объёма до 98% и сохранение памяти сессий. https://github.com/mksglu/context-mode 7. free-claude-code — разные модели в привычном агенте Подключает Claude Code, Codex и другие инструменты к альтернативным провайдерам, включая бесплатные тарифы. Доступность и лимиты зависят от провайдера. https://github.com/Alishahryar1/free-claude-code 8. airllm — большая модель на маленькой GPU Загружает веса послойно: например, для Llama 70B заявлено около 4 ГБ VRAM. Потребуется место на диске; небольшой расход видеопамяти не гарантирует быструю генерацию. https://github.com/lyogavin/airllm 9. ai-job-search — поиск работы с Claude Code Оценивает вакансии, адаптирует резюме, готовит сопроводительные письма и помогает тренироваться перед интервью. https://github.com/MadsLorentzen/ai-job-search 10. text-to-cad — от описания к детали Добавляет агенту создание и редактирование CAD-моделей по тексту или изображению. Поддерживает экспорт в STEP, STL, 3MF и GLB. https://github.com/earthtojake/text-to-cad Сохраняйте, чтобы вернуться к проектам, когда появится подходящая задача.

3 GitHub-репозитория, которые растут быстрее остального агентного тулинга 🔥 cc-switch: одно окно для Claude Code, Codex, Gemini CLI и OpenCode. Провайдеры переключаются кликом, MCP и скиллы синхронизируются между инструментами. rakazo: self-hosted платформа постоянных ИИ-тиммейтов. У каждого бота своя память, рутины и свой компьютер с браузером и терминалом. iFixAi: аудит агентов на соответствие бизнес-политикам. 60 проверок, от prompt injection до утечек данных, итоговая оценка от A до F. cc-switch: https://github.com/farion1231/cc-switch rakazo: https://github.com/elie222/rakazo iFixAi: https://github.com/ifixai-ai/iFixAi