Модели и конкуренция
GPT-5.6 и Work Agent. OpenAI выпустила GPT-5.6 в трех уровнях рассуждения и запустила ChatGPT Work для автономных задач длительностью в часы, но лимиты использования и запутанный интерфейс вызвали жалобы, что побудило пообещать исправления.
- → OpenAI launches its new family of models with GPT-5.6
- → The new GPT-5.6 family: Luna, Terra, Sol
- → OpenAI rolls out GPT-5.6 after government greenlight — and announces ‘ChatGPT Work’
- → OpenAI says GPT 5.6 is the ‘preferred model’ for Microsoft Copilot 365 amid breakup chatter
- → OpenAI wants its new tool to do your work for you and with you
- → The ChatGPT browser is already dead
- → OpenAI is shutting down Atlas, but its AI browser ambitions are still growing
- → How did the government decide OpenAI’s frontier model was safe to release?
- → OpenAI pairs its GPT-5.6 public rollout with ChatGPT Work, a new agent that handles entire workflows
- → OpenAI's GPT-5.6 Sol autonomously post-trained the smaller Luna model with a "fairly underspecified prompt"
- → OpenAI kills its Atlas browser after just eight months and folds everything into ChatGPT
- → GPT-5.6 Sol nearly matches Fable 5 on aggregated benchmarks at one-third the cost
- → OpenAI staffer maps out which of GPT-5.6 Sol's five reasoning levels fits which task complexity
- → OpenAI admits it "didn't get everything quite right" with ChatGPT Work launch and scrambles to fix UX and costs
Claude Fable 5 лидирует в бенчмарках. Claude Fable 5 от Anthropic превзошёл все бенчмарки Artificial Analysis, но высокая стоимость побудила компанию рекомендовать использовать его в качестве планировщика, делегирующего задачи более дешёвым моделям, что сокращает расходы примерно на 40% при сохранении большей части функциональности.
Агентный блиц Meta и последствия для приватности. Meta запустила Muse Spark 1.1 — модель кодирования с большим контекстом, которая недооценивает конкурентов по цене, а её генератор изображений Muse был отозван после того, как позволил несанкционированно использовать лица из Instagram, вновь разжигая дебаты о согласии.
- → Meta just launched a new AI generator, Muse Image, and users are already pushing back over use of their photos
- → Meta’s new Muse Image model can pull other Instagram users into AI photos
- → Muse Image is technically impressive, but Meta's use of Instagram photos raises questions
- → Meta wants its AI glasses to seem less creepy. Its AI strategy says otherwise.
- → Meta tests always-on AI glasses that capture your entire day
- → Meta enters the crowded AI coding battle with Muse Spark 1.1
- → Meta says its new AI model is ready to compete on coding
- → Meta are apparently working on an open source variant of Muse Spark.
- → Introducing Muse Spark 1.1
- → Meta's Muse Spark 1.1 API pricing squeezes OpenAI and Anthropic as the AI price war heats up
- → GPT-5.6 🚀, Muse Spark 1.1 ✨, ChatGPT Work 💼
- → Meta removes controversial AI feature on Instagram after backlash
- → Meta turns off the Instagram feature that let users make AI deepfakes of public accounts
Волна китайских открытых моделей. Китайские модели теперь составляют более 30% трафика OpenRouter; HY3 от Tencent и GLM-5.2 работают на локальном оборудовании, MiniMax планирует открытый выпуск модели с 2,7 трлн параметров, а разработка чипов DeepSeek сигнализирует о вертикальной интеграции на фоне опасений США.
- → This is what Hy3 is capable of. Mother of god.
- → llama.cpp: Hy3 PR + GGUFs
- → Chinese AI models regularly pass 30 percent on OpenRouter as cost gap widens
- → Chinese AI models are gaining ground with U.S. companies as OpenAI, Anthropic costs surge
- → Why the rise of open source AI isn’t hurting Anthropic … yet
- → Chinese AI startup MiniMax plans to open-source a 2.7 trillion parameter model later this year
- → 4-bit GLM-5.2 (753B MoE) on 4× DGX Spark: 70.8% on Terminal-Bench 2.1 vs 81.0% for the full model
- → Running GLM 5.2 on 4xGB10 with a 100G Switch, 330k ctx, ~25 t/s tg, ~650 t/s pp
- → I created a 140 GB IQ2_XXS REAP quant of GLM 5.2 for coding. Looking for testers.
- → Hy3 (295B MoE) and NVIDIA Nemotron-Labs-Audex-30B-A3B (audio-capable 30B MoE) GGUF quants
- → Tencent-HY3 is the real deal on 128GB!
- → The U.S. tech industry is increasingly anxious about the rising power and competitive price of open-source AI models from China — and whether the Trump administration will respond with yet another executive order | Politico
- → China's DeepSeek developing its own AI chip, sources say
Инженерия агентов и инфраструктура
Bun переписан 64 агентами. Claude Fable 5 организовал 64 параллельных экземпляра для переписывания Bun с Zig на Rust за 11 дней, создав более миллиона строк кода и исправив 128 ошибок при затратах в $165K.
Провал аудита SWE-Bench Pro. OpenAI обнаружил, что около 30% задач SWE-Bench Pro неработоспособны, и отозвал свою поддержку, повторив более ранние опасения Artificial Analysis и подорвав оценку кодирования агентами.
Modal привлёк $355M. Modal привлёк $355 миллионов для создания облачной инфраструктуры, специально предназначенной для AI-агентов, с упором на изолированные среды с быстрой итерацией для автономного программного обеспечения.
Временные агенты Cloudflare. Cloudflare представил временные учётные записи, позволяющие AI-агентам развёртывать Workers без постоянных учётных данных; они истекают, если не используются, что упрощает управляемые агентами рабочие процессы.
Агенты на локальных GPU. Новые методы квантизации и экономичные конфигурации GPU теперь позволяют запускать MoE-модели на потребительском оборудовании, но бенчмарки показывают, что квантизация с низкой разрядностью может серьёзно ухудшить выполнение агентных задач, что требует тщательного выбора уровня квантизации.
- → Qwen3.5 122B is the best?
- → Qwen3.6-27b does not understand software architechure.
- → Qwen 3.6 Q2-FP8 Terminal Bench 2 and GPQA Scores
- → Has anyone tested how quantization hits different capabilities separately? My results are surprising.
- → 2.5x faster Qwen3.6 NVFP4 Unsloth quants
- → Ultra budget 20GB vram with 448GB/s for $100 bucks.
- → I benched quad 5060Tis for code generation with Qwen3.6-27B so you don't have to (it's really good)
Безопасность, право и интерпретируемость
Jacobian Lens отображает разум модели. Jacobian Lens от Anthropic выявляет небольшой набор вербализируемых представлений, которые отражают основные рассуждения модели, позволяя обнаруживать галлюцинации, управлять выходом и, как показывают демо сообщества, немедленно создавать вредоносные варианты.
- → Anthropic Research - "Verbalizable Representations Form a Global Workspace in Language Models"
- → Claude's hidden inner monologue is now readable thanks to Anthropic's new Jacobian Lens
- → I tested Anthropic’s new Jacobian Lens on open models, then it turned into a local-model hallucination router
- → Anthropic found a hidden space where Claude puzzles over concepts
- → I created a super harmful model ! :D (by tweaking it's J-Space!!!)
Программы-вымогатели, управляемые агентами. Sysdig задокументировал AI-агента, который выполнил техническую реализацию атаки с использованием программ-вымогателей, хотя операцию настроил человек, что подчёркивает текущие возможности и ограничения агентного вредоносного ПО.
Кризисы злоупотребления ИИ. Иск утверждает, что xAI Grok генерировал изображения CSAM, а Boko Haram использует чат-ботов для планирования атак; эти инциденты подчёркивают острую необходимость в защитных мерах по мере масштабирования агентных возможностей.
Apple подает в суд на OpenAI. Apple подал федеральный иск, обвиняя OpenAI в переманивании более 400 сотрудников с целью кражи коммерческой тайны оборудования, возможно, для создания конкурирующего AI-смартфона, что обостряет юридические баталии в индустрии ИИ.
Это обзор недели - увидимся в следующее воскресенье.