Агентные системы и рабочие процессы
Агентное промптирование в стиле Claude. Пользователь подробно описывает, как методичное резервное копирование, проверка и пошаговое разделение задач агента Claude Code больше напоминают хорошо продуманный системный промпт, а не сырые возможности модели, что побуждает к поиску способов воспроизведения такого поведения с локальными моделями Qwen для безопасных, аналитических агентных рабочих процессов.
Риск для конфиденциальности в Grok Build CLI. Grok Build CLI (v0.2.93) был замечен в загрузке целых git-репозиториев, полной истории и секретов .env в облако xAI, независимо от открытых файлов, а отказ от опции 'Improve the model' не останавливает загрузку — это серьезная проблема конфиденциальности для разработчиков, использующих агентный CLI.
UX агента ChatGPT Work. OpenAI признает ошибки в запуске ChatGPT Work: пользователи сообщают о быстро исчерпываемых лимитах использования, запутанном обновлении десктопного приложения и ухудшении мног агентных рабочих процессов; исправление обещано на следующей неделе.
Запуски моделей и бенчмарки
GPT-5.6 Sol Ultra доказывает математическую теорему. GPT-5.6 Sol Ultra от OpenAI сгенерировала полное доказательство 50-летней гипотезы Cycle Double Cover Conjecture в теории графов менее чем за час, используя 64 подагента, работающих параллельно — это веха для автоматизированного математического рассуждения.
Muse Spark 1.1 в кодинге. Muse Spark 1.1 от Meta опережает GLM-5.2 в бенчмарках кодинга с результатом 71.3, более низкой стоимостью ($0.26/задача) и увеличенным в четыре раза контекстным окном в 1M токенов, хотя доступность ограничена API Meta.
Orca World Model. Фондовая модель мира Orca от BAAI соответствует специализированным робототехническим системам в пяти задачах без каких-либо меток действий, используя двухфазное обучение на необработанных видео и синтетических данных, что потенциально облегчает дефицит данных в робототехнике.
Пользовательский CUDA ускоряет Qwen3. Пользовательская реализация на CUDA и C++ запускает Qwen3-30B-A3B со скоростью 50-54 ток/с на RTX 5060 Ti (16GB), что на 50% быстрее llama.cpp, благодаря комбинации методов с недавних конференций по системам машинного обучения.
Возможности MoE-моделей. Обсуждение подчеркивает, что MoE-модели не следует оценивать только по количеству активных параметров; эффективность роутера может заставить MoE с 122B и 10B активных параметров работать ближе к полной емкости, что бросает вызов представлению о том, что плотные меньшие модели всегда превосходят.
Локальное AI-оборудование и оптимизация
Сверхбюджетная сборка VRAM. Настройка из двух NVIDIA P102-100 (майнинговые карты) обеспечивает 20 ГБ VRAM при 448 ГБ/с всего за $100, запуская Qwen3.6-35B-A3B на скоростях, подходящих для нескольких одновременных пользователей, демонстрируя экстремальную экономическую эффективность для локального хостинга LLM.
Четыре 5060Ti для генерации кода. Система с четырьмя RTX 5060 Ti обеспечивает отличное соотношение цены и производительности для генерации кода с Qwen3.6-27B, утверждается, что это одна из лучших конфигураций по соотношению цена/качество в бюджете около $2k на GPU для современных локальных агентов кодинга.
Анализ производительности двух GPU. Эталонные тесты PCIe с RTX 3090 + Titan RTX показывают, что тензорный параллелизм дает более высокую скорость декодирования (47 против 30 т/с), но параллелизм по конвейеру обеспечивает более быстрый префилл (1250 против 650 т/с); добавление второго дешевого GPU может быть полезным, но пропускная способность слота (например, x4) может ограничить производительность.
Сравнение GPU: 5090 против 6000 PRO. Модифицированный шунтом и жидкостным охлаждением RTX 6000 PRO MaxQ достигает 600 Вт, превосходя 5090 в некоторых бенчмарках обработки промптов LLM, с подробным сравнением мощности и вычислений с версией 6000 PRO WS.
Скорость LLM только на CPU. Тестирование на мини-ПК Intel Core Ultra 285HX с llama.cpp показывает Qwen3-30B-A3B всего при 2 т/с через Vulkan, что подчеркивает, что вывод только на CPU или iGPU остается очень медленным для больших моделей без выделенных GPU.
Безопасность AI и индустрия
Использование AI террористами. Исследование показывает, что Boko Haram использует ChatGPT, Claude и другие чат-боты для планирования атак и взрывчатки, а ISIS предоставляет обучение промпт-инжинирингу с 2023 года; 18 боевиков погибли при попытке выполнить трюк с прыжком на мотоцикле, воспроизведенный через AI.
Манипуляция J-пространством модели. Разработчик создал инструмент на основе Jacobian-Lens от Anthropic для экспорта моделей с измененными J-пространствами, сразу создав 'супер вредоносную' модель, демонстрируя как мощь, так и риск активационного инжиниринга.
Jacobian-Lens для GGUF. Новый интерактивный визуализатор и инструмент прямого управления для GGUF-моделей на llama.cpp позволяет наблюдать и управлять внутренними состояниями модели, привнося техники Jacobian-Lens от Anthropic в локальные модели с дополнительными затратами памяти около 1/8 размера модели.
Беспокойство США по поводу open-source AI. Уолл-стрит и лидеры технологий США все больше обеспокоены конкурентной угрозой со стороны мощных и дешевых китайских open-source AI-моделей, ходят слухи о новом указе Трампа, нацеленном на этот сектор.
DeepSeek разрабатывает AI-чип. По сообщениям, DeepSeek разрабатывает собственный AI-чип, что сигнализирует о движении к вертикальной интеграции и снижении зависимости от внешних поставок GPU на фоне ужесточения экспортного контроля.
Apple подает в суд на OpenAI. Apple подала федеральный иск, обвиняя OpenAI в 'скоординированной кампании' по краже коммерческой тайны путем переманивания более 400 сотрудников, якобы побуждая их выносить конфиденциальные файлы, связанные с еще не выпущенными аппаратными продуктами.
Это всё за этот день – примерно 5 минут чтения.