Агентні системи та робочі процеси
Агентний промптинг у стилі Claude. Користувач детально описує, як методичне резервне копіювання, перевірка та поетапний поділ завдань агента Claude Code нагадує добре продуманий системний промпт, а не просто можливість моделі, що викликає запитання про те, як відтворити таку поведінку з локальними моделями Qwen для безпечних, аналітичних агентних робочих процесів.
Ризик приватності Grok Build CLI. Grok Build CLI (v0.2.93) було викрито у завантаженні цілих git-репозиторіїв, повної історії та секретів .env до хмари xAI, незалежно від того, які файли відкрито, і опція відмови 'Improve the model' не зупиняє завантаження — серйозна проблема приватності для розробників, які використовують агентний CLI.
Користувацький досвід ChatGPT Work Agent. OpenAI визнає помилки у запуску ChatGPT Work: користувачі повідомляють про швидке вичерпання лімітів використання, заплутане оновлення десктопного додатку та погіршення багатоагентних робочих процесів; виправлення обіцяно наступного тижня.
Запуски моделей та бенчмарки
GPT-5.6 Sol Ultra доводить математику. GPT-5.6 Sol Ultra від OpenAI згенерував повний доказ 50-річної гіпотези подвійного циклічного покриття в теорії графів менш ніж за годину, використовуючи 64 підагентів, що працюють паралельно — віха для автоматизованого математичного мислення.
Muse Spark 1.1 кодування. Muse Spark 1.1 від Meta трохи випереджає GLM-5.2 у бенчмарках кодування з результатом 71.3, нижчою вартістю ($0.26/завдання) та збільшеним у чотири рази контекстним вікном у 1M токенів, хоча доступ обмежений API Meta.
Світова модель Orca. Фундаментальна світова модель Orca від BAAI досягає рівня спеціалізованих робототехнічних систем у п'яти завданнях без жодних міток дій, використовуючи двофазне навчання на сирих відео та синтетичних даних, що потенційно полегшує нестачу даних для робототехніки.
Кастомний CUDA прискорює Qwen3. Кастомна реалізація на CUDA та C++ запускає Qwen3-30B-A3B зі швидкістю 50-54 ток/с на RTX 5060 Ti (16 ГБ), що на 50% швидше за llama.cpp, завдяки комбінації технік з нещодавніх конференцій з ML систем.
Можливості MoE моделей. Обговорення підкреслює, що MoE моделі не варто відкидати лише через кількість активних параметрів; ефективність маршрутизатора може змусити 122B MoE з 10B активних параметрів працювати ближче до своєї загальної ємності, що ставить під сумнів уявлення про те, що щільні менші моделі завжди кращі.
Локальне AI обладнання та оптимізація
Ультрабюджетна збірка VRAM. Збірка з двох NVIDIA P102-100 (майнінгові карти) забезпечує 20 ГБ VRAM зі швидкістю 448 ГБ/с лише за $100, запускаючи Qwen3.6-35B-A3B зі швидкістю, придатною для кількох одночасних користувачів, демонструючи надзвичайну економічну ефективність для локального хостингу LLM.
Чотири RTX 5060 Ti для генерації коду. Система з чотирьох RTX 5060 Ti пропонує чудове співвідношення ціни та продуктивності для генерації коду з Qwen3.6-27B, стверджуючи, що це одна з найкращих конфігурацій за співвідношенням ціни та якості в бюджеті ~$2K на GPU для найсучасніших локальних агентів кодування.
Інсайти продуктивності двох GPU. Тести передачі PCIe з RTX 3090 + Titan RTX показують, що тензорний паралелізм дає вищу швидкість декодування (47 проти 30 т/с), але конвеєрний паралелізм забезпечує швидше попереднє заповнення (1250 проти 650 т/с); додавання другого дешевого GPU може бути корисним, але пропускна здатність слоту (наприклад, x4) може обмежувати продуктивність.
Бенчмарки GPU: 5090 проти 6000 PRO. Модифікований шунтом і водяним охолодженням RTX 6000 PRO MaxQ досягає 600 Вт, перевершуючи 5090 у певних бенчмарках обробки промптів LLM, з детальними порівняннями потужності та обчислень з версією 6000 PRO WS.
Швидкість LLM лише на CPU. Тестування на міні-ПК Intel Core Ultra 285HX з llama.cpp показує Qwen3-30B-A3B лише 2 тк/с через Vulkan, що підкреслює, що висновки лише на CPU або iGPU залишаються дуже повільними для більших моделей без виділених GPU.
Безпека AI та індустрія
Зловживання AI терористами. Дослідження показує, що Boko Haram використовує ChatGPT, Claude та інші чат-боти для планування атак і вибухівки, а ISIS з 2023 року надає тренування з промпт-інжинірингу; 18 бойовиків загинули, намагаючись виконати трюк із стрибком на мотоциклі, відтворений за допомогою AI.
Маніпуляція J-простором моделі. Розробник створив інструмент на основі Jacobian-Lens від Anthropic для експорту моделей зі зміненими J-просторами, одразу створивши 'надзвичайно шкідливу' модель, демонструючи як силу, так і ризики активаційної інженерії.
Jacobian-Lens для GGUF. Новий інтерактивний візуалізатор і керувальник у реальному часі для моделей GGUF на llama.cpp дозволяє спостерігати та керувати внутрішніми процесами моделі, переносячи техніки Jacobian-Lens від Anthropic на локальні моделі з накладними витратами пам'яті ~1/8 розміру моделі.
Стурбованість США щодо відкритого AI. Wall Street та лідери технологій США дедалі більше стурбовані конкурентною загрозою з боку потужних, недорогих китайських моделей AI з відкритим кодом, з припущеннями про ще один виконавчий указ Трампа, спрямований на цей сектор.
DeepSeek розробляє AI-чіп. Повідомляється, що DeepSeek розробляє власний AI-чіп, що свідчить про рух до вертикальної інтеграції та зменшення залежності від зовнішніх поставок GPU в умовах посилення експортного контролю.
Apple подає до суду на OpenAI. Apple подала федеральний позов, звинувачуючи OpenAI у 'скоординованій кампанії' з крадіжки комерційних таємниць шляхом переманювання понад 400 співробітників, нібито заохочуючи їх забирати конфіденційні файли, пов'язані з невипущеними апаратними продуктами.
Це все за цей день – приблизно 5 хвилин читання.