Битва фронтирных моделей
Kimi K3 встряхивает фронтир. Открытая по весам модель Kimi K3 от Moonshot AI конкурирует с лучшими закрытыми моделями, превосходя Claude Fable 5 по некоторым бенчмаркам и вновь разжигая спор об открытости против закрытости.
- → Kimi's open model K3 nears GPT-5.6 Sol and Fable 5 while signaling the end of super cheap Chinese AI
- → Kimi K3, and what we can still learn from the pelican benchmark
- → [AINews] Kimi K3 2.8T-A50B: the largest open model ever released; Opus 4.8-class at Sonnet 5 pricing
- → Kimi K3 weights to be released on the 27th.
- → Kimi K3 ranks #1 on @AfterQuery's SpreadsheetBench 2, surpassing Claude Fable 5
- → Kimi: Threat or menace?
- → kimi.ai teasing a video with lots of 3's in it
- → [AINews] not much happened today
- → Kimi moment. I think the writing is on the wall for Anthropic and OpenAi
- → Kimi K3 is currently at the top of the leaderboard for Text Arena filtered for science queries.
- → Kimi K3 (max) beats Sonnet 5 on Simple Bench
- → Kimi K3 is top of nextjs eval
- → Just like Deepseek, China's Kimi K3 is forcing Western AI labs to question their compute advantage
- → Kimi K3 🌕, Gemini 3.5 delayed ⏳, crushing ARC-AGI 3 🤖
GPT-5.6: мощь и опасность. Семейство GPT-5.6 привносит программный вызов инструментов и параллельных субагентов, но его склонность к непреднамеренному удалению файлов и баз данных подчёркивает необходимость изоляции (sandboxing).
- → The Sequence Radar #893: Last Week in AI: GPT-5.6, Grok 4.5, Muse Spark 1.1 and the Post-Chatbot Stack
- → OpenAI’s new flagship model deletes files on its own, people keep warning
- → GPT-5.6 is deleting user files when given full access, and OpenAI says it shouldn't but did
- → [AINews] Codex usage up >10x in 6 months to 7M users, +1M in the past ~day; did Codex overtake Claude Code??
Claude Fable 5 расширен. Под давлением GPT-5.6 и Kimi K3 компания Anthropic изменила планы и оставила Fable 5 на платных тарифах, напрямую конкурируя за доступность.
DeepSeek V4 маячит на горизонте. DeepSeek дразнит V4 дешёвым API и открытыми весами, а оптимизации сообщества уже позволяют его флеш-варианту работать на потребительских GPU с приемлемой скоростью.
Агенты входят в реальные рабочие процессы
Агенты для браузинга прибывают. Anthropic предоставила Claude Code встроенный веб-браузер с классификаторами безопасности, а Cursor запустил общего агента, продвигая ассистентов кода к автономному выполнению задач.
Агенты обрабатывают реальные транзакции. Архитектура агентов DoorDash увеличила конверсию на 24%, а бенчмарк Stripe показывает, что агенты могут кодировать интеграции, но часто допускают ошибки при валидации, что подчёркивает пробелы в надёжности.
Продакшн-агенты спотыкаются. Большинство корпоративных агентов остаются чат-ботами; 54% компаний столкнулись с инцидентами безопасности агентов, и эксперты утверждают, что агентам необходимы облачные операционные примитивы, такие как микросервисы.
- → How to Debug Coding Agents with LangSmith Traces
- → The agent security gap: 54% of enterprises have already had an AI agent incident, and most still let agents share credentials
- → The AI context gap: Enterprise AI organizations have a trust problem, not a retrieval problem — and most are still building the fix
- → The agent evaluation gap: Enterprise AI organizations have a reality-alignment problem, not a coverage problem — and most are shipping to production anyway
- → Cloud Native Infrastructure Emerges as the Foundation for Trustworthy Agentic AI
- → QCon AI Boston: Production AI Moves Beyond Prompts to Platforms, Harnesses, and Evals
Инфраструктура ИИ, финансирование и гонка дата-центров
Дата-центры сталкиваются с сопротивлением. S&P понизило рейтинг Oracle из-за риска капитальных вложений в ИИ, в то время как местные протесты и мораторий Нью-Йорка на гипермасштабные дата-центры отражают растущее сопротивление инфраструктуре ИИ.
Финансирование ИИ резко растёт. Databricks привлёк финансирование при оценке в $188 млрд, Meta ведёт переговоры об аренде дата-центра за $10 млрд для Anthropic, а Nous Research получил $75 млн для своего агента с открытым исходным кодом.
Ставки на энергетику и оборудование. Энергетические компании привлекли наибольший объем финансирования со времен доткомов для обеспечения энергией ИИ, а кредит в $400 млн под залог чипов SambaNova свидетельствует о росте инвестиций в оборудование ИИ, отличное от GPU.
Прорывы в ИИ на устройствах
1-битные модели попадают на телефоны. Bonsai от PrismML сжимает Qwen3.6-27B до 3,9 ГБ, сохраняя 90% оценок бенчмарков, что позволяет создавать агенты с вызовом инструментов на устройстве; по слухам, Apple ведёт переговоры.
- → Bonsai 27B: The First 27B-Class Model to Run on a Phone
- → Bonsai 27B: 1-bit dense LLM running locally in your browser using custom WebGPU kernels
- → Prism-ML Bonsai Qwen 3.6 27B
- → PrismML’s new Ternary Qwen3.6 27B runs near fp16 precision on 10GB of memory!!!
- → So what's the consensus on 1bit models? Is it still a pipe dream?
- → PrismML Bonsai 27B is surprisingly usable on the Jetson Orin Nano 8GB
- → Is anyone having any luck with the Ternary Bonsai 27B DFlash?
- → Can we get a "not base model" flair?
- → Bonsai 27B runs locally on an iPhone - a 27B model in 3.9GB
- → User experience of Bonsai-Ternary-27B on 4060Ti 16GB for KB management and productivity assistant use cases
- → Bonsai 27B is a full open reasoning model that fits on an iPhone
- → Bonsai-27B & Ternary-Bonsai-27B - Updates (on PRs)
- → Apple in talks with startup PrismML that shrinks AI models to run on an iPhone
Домашние лаборатории запускают фронтирные модели. Оптимизации llama.cpp, такие как DFlash, ускоряют MoE-модели до 6 раз, а телефон OnePlus транслировал экспертов из флеш-памяти, чтобы запустить модель объёмом 60 ГБ со скоростью 1,3 ток/с.
- → I tested all llama.cpp's speculative decoding methods on Qwen 3.6 27B: MTP ~2.7x, DFlash ~3.7x, n-gram stack ~6x on real coding. Local AI win. My findings on RTX 6000 PRO.
- → DFlash makes Qwen3.6 27B 2.2x faster with no quality loss
- → GPT-OSS-120B, Qwen 30B and Gemma 26B on an Android phone at 1-5 tok/s: +60GB model, 11GB of RAM, CPU only
Политика, судебные иски и противостояние открытого исходного кода
Юридическая битва Apple–OpenAI. Apple подала в суд на OpenAI за нарушение коммерческой тайны, утверждая, что компания переманила более 400 сотрудников, включая главного инженера по оборудованию, что угрожает IPO OpenAI и доверию к облаку.
- → Apple sues OpenAI after ex-engineer allegedly used bug to steal trade secrets
- → The wildest allegations in Apple’s trade secrets lawsuit against OpenAI
- → The 6 wildest claims in Apple’s lawsuit against OpenAI
- → OpenAI pushes back on Apple trade secret lawsuit
- → Sam Altman didn’t need another lawsuit
- → How Apple’s big lawsuit could disrupt OpenAI’s IPO plans
- → Apple’s plot to crush OpenAI
- → Apple’s lawsuit couldn’t come at a worse time for OpenAI
Взлёт китайского открытого исходного кода. Китайские модели теперь составляют 41% загрузок на HuggingFace, Kimi K3 соперничает с западными лидерами, а Китай запустил параллельный орган управления ИИ, исключающий Запад.
- → The real AI race may no longer be at the frontier
- → Source: the Trump administration and industry groups discussed streamlining US open model releases of equal or lesser capability to leading Chinese open models
- → Chinese President Xi Jinping speaks at World AI Conference and reaffirms commitment to open source to promote"openness and win-win"
- → China’s Xi Touts Open-Source AI and Takes a Swipe at U.S. Dominance
- → China's new World Artificial Intelligence Cooperation Organization is President Xi's clearest play yet for a parallel AI order
Растут требования к подотчётности. Немецкие регуляторы признали чат-ботов ответственными за контент, xAI подал в суд на пользователя за создание CSAM, а Демис Хассабис предложил создать орган по образцу FINRA для проверки безопасности фронтирных моделей.
Это обзор недели - увидимся в следующее воскресенье.