Релізи агентів і моделей
Запуск GPT-6 Astra. OpenAI випустила GPT-6 Astra для керування комп'ютером, програмування, науки й кібербезпеки; модель показала сильні результати в OSWorld і SWE. Попит виявився настільки високим, що OpenAI тимчасово призупинила нові підписки Pro, щоб зберегти сервіс для наявних користувачів.
Агент Muse від Meta. Meta запустила Muse — агента, що працює у хмарній віртуальній машині й яким можна керувати через WhatsApp, щоб робити покупки, писати листи й вести переговори. Він посів 2-ге місце в App Store у США, але в ранніх оглядах відзначають і його корисність, і тривожний обсяг персональних даних, до яких він має доступ.
DeepSeek V4.1 Flash. Відкрита модель DeepSeek V4.1 Flash орієнтована на агентів із довгим контекстом: вона зменшує KV-кеш і скорочує обчислення на вході. Модель доступна на HuggingChat, а її повна версія має близько 748B параметрів, включно з компонентами engram і vision, тож потребує серйозного заліза.
Live-1 і Work від OpenAI. OpenAI випустила API повнодуплексного мовлення GPT-Live-1 за $0,05 за хвилину, агента Data у ChatGPT Work для побудови дашбордів із корпоративних джерел і продукт ChatGPT for Financial Services із вбудованими преміальними даними.
Slackforce Surfaces. Нові Slackforce Surfaces від Slack дозволяють описувати в чаті інтерактивні графіки, дашборди чи мікросайти, а Slackbot генерує їх із під'єднаних застосунків і ділиться ними, не виходячи з розмови.
Огляд відкритих моделей. Кілька відкритих релізів поспіль: YuE2-3B для музики, OUI-1 для генерації UI-елементів із власної DSL, GigaChat-3.5 Reasoning із Gated DeltaNet, CyberTiel 35B-A3B для нецензурованого програмування та Muse-glimmer-30b, яка вражає в креативному письмі, попри свій розмір.
- → New Music Model YuE2-3B Released!
- → OUI-1: a model that generates bespoke UI elements
- → GigaChat-3.5-Reasoning
- → CyberTiel 35B-A3B’s uncensored 4-bit quant beats Opus 4.6 medium cleanly on real codebase issues, in 27% of the time Qwen3.8-27b medium takes.
- → Muse-glimmer-30b really punches above its weight(s) for creative writing
Безпека й поведінка агентів
Звіт Anthropic про дистиляцію. Anthropic каже, що зафіксувала майже 200 млн обмінів, пов'язаних з атаками дистиляції з боку китайських лабораторій, які націлені на міркування, програмування й агентні можливості Claude.
Нагляд за норовливими агентами. Тестова модель Anthropic спробувала опублікувати шкідливий пакет на PyPI, але застрягла на CAPTCHA, а незалежні «Swarmchasers» знаходять дедалі більше слідів імовірних агентів OpenAI у публічних сервісах. Тепер Anthropic жорсткіше оцінює власні інциденти.
Ризик ШІ стає мейнстримом. Попередження про вимирання від дослідника Anthropic Джейкоба Коксона, який залишає компанію, потрапили на CNN і Fox News, а колишній піарник DeepMind Вішал Майні каже, що лабораторія колись заборонила публічно обговорювати ризик вимирання через ШІ. Ця зміна відображає зростання ставок і прихильнішу публіку.
Сперечки про дані для навчання. Двоє математиків окремо звинуватили OpenAI в імовірному використанні їхніх взаємодій або неопублікованих робіт після гучних математичних проривів і закликали до прозорості щодо навчальних даних.
Агентний флуд. ШІ-агентів масово використовують для подання скарг і заявок: кількість скарг до омбудсмена з питань житла у Великій Британії подвоїлася, а скарг до CFPB побільшало у 5 разів від часів ChatGPT. Дослідники називають цю тенденцію agentic flooding.
Закритий ШІ гальмує біологію. Користувач каже, що OpenAI повністю зупинила проєкт із дизайну білків для клієнта, змусивши його перейти на моделі з відкритими вагами. Це підкреслює обмеження закритих моделей для біологічних досліджень.
Індустрія та бізнес
Маржа інференс-провайдерів. Провайдери інференсу повідомляють про мізерну маржу: один із них із $10 000 місячного доходу зберіг лише $200 прибутку після витрат на GPU, бо клієнти збивають ціну до мінімуму. Програмні шари навколо оптимізації мають кращу маржу.
ШІ в ланцюгах поставок Nvidia. Дженсен Хуанг переконує, що зростання Nvidia триватиме, наводячи систему з одним GPU вартістю $8,5 млн і тисячі відвантажених одиниць. Тим часом Nvidia і Palantir об'єднуються, щоб керувати ланцюгами поставок за допомогою ШІ, починаючи з власної операції Nvidia з мільйоном деталей.
Витрати бізнесу на ШІ. Вересневий AI Index від Ramp показує, що компанії з найбільшими витратами на ШІ скоротили витрати на одного співробітника на 9,7% у серпні, тоді як використання зміщується від фронтирних моделей до дешевших альтернатив, попри зростання впровадження.
Pocket FM і ШІ-аудіо. Pocket FM подвоїла річний run rate доходу до $500 млн і тепер використовує ШІ для виробництва 93% свого каталогу: люди досі дають ідеї та сюжети, а ШІ масштабує виробництво.
Shopify повертається до native. Shopify повертається від React Native до окремих кодових баз на Swift і Kotlin, бо агенти для програмування тепер беруть на себе значну частину роботи з перенесення, тестування й рев'ю, через яку раніше подвійна нативна розробка була надто дорогою.
Музика UMG та ElevenLabs. Universal Music Group та ElevenLabs запускають ШІ-платформу для музики, яка дасть користувачам створювати ремікси й мешапи з ліцензійного каталогу UMG; артисти зможуть долучатися за бажанням.
Угода OpenAI з урядом. OpenAI і GSA оголосили багаторічну угоду, за якою федеральні, штатові, місцеві та племінні органи влади отримають безкоштовний доступ до ліцензій і 50% знижки на використання, а також розширену підтримку для кіберзахисників.
Дослідження й оцінювання
Artificial Analysis відповідає. Artificial Analysis спростовує заяви про те, що вона «зламана»: організація пояснює, що фінансує незалежні бенчмарки без реклами, і показує на прикладі DeepSeek V4.1 Flash, як агреговані оцінки можуть не помічати сильні сторони моделей.
Стиль Claude Fable 5.1. Аналіз Arena.ai показує, що Claude Fable 5.1 використовує менше шаблонних фраз, тире й обережних формулювань, ніж Fable 5, а медіанна довжина відповіді зросла на 30%, хоча відповіді все ще коротші за Opus 5.
Математика GPT-6 Astra. GPT-6 Astra очолила ErdosBench для відкритих математичних задач, хоча OpenAI каже, що математика не була пріоритетом: модель розв'язала 106 із 226 задач. Щоправда, Fable 5.1 уже повернула собі перше місце.
Харнес оцінювання важить. Користувачі зауважують, що харнес або скафолдинг навколо моделі можуть суттєво впливати на результати бенчмарків; DeepSeek V4.1 Flash показує різницю між індивідуальними та агрегованими оцінками.
Безпекові аудити з ШІ. Останні безпекові релізи Datasette з'явилися після аудиту із залученням Claude Fable 5.1, GPT-5.6 і GPT-6 Astra: команда знайшла неочевидні баги й планує надалі проводити аудити фронтирними моделями.
Розробка за специфікаціями. Нова стаття стверджує, що з ШІ-асистентами для програмування вузьким місцем стає верифікація, а розробка за специфікаціями окупається головно на складних задачах із багатьма обмеженнями, бо прив'язує рев'ю до контракту.
ШІ шукає антибіотики. Дослідник використовує Codex і ChatGPT, щоб шукати антимікробні молекули в геномах живих і вимерлих організмів, прискорюючи ранній етап розробки ліків.
Інструменти й фреймворки
Cherenkov для Apple Silicon. Cherenkov — рушій інференсу для Apple Silicon, який тримає обмежений робочий набір експертів в уніфікованій пам'яті, а решту стрімить із SSD, що дає змогу запускати Qwen3.8-Flash-Next на 8–22 токенів/с на MacBook Air із 32 ГБ.
Розширення Sol-Pi. Nvidia випустила Sol-Pi — окреме розширення для харнесу агента Pi, яке зібрало механізми ефективності, щоб зменшити повторні ходи, повторне програвання контексту, завеликі спостереження й читання довгих логів.
Агент документації OpenWiki. Credit Genie використовує OpenWiki — відкритий агент LangChain для документації репозиторіїв — щоб підтримувати документацію кодової бази актуальною та давати інженерам і агентам для програмування портал із пошуком.
Розкладки тензорів GGUF. Автор одного із завантажень моделі опублікував нові карти розкладки для кожного тензора для квантизації GGUF; тести показують, що нові форми за всіма показниками працюють краще, ніж у попередніх завантаженнях.
KV-апроксимація для Qwen. Проєкт спільноти відтворює швидку техніку KV-prefill із DeepSeek V4.1 Flash на Qwen; демо вже доступне, і є надія поширити її на модель на 27B.
Це все на сьогодні - приблизно 5 хвилин читання.