Релизы агентов и моделей
Превью Step 5 от StepFun. На OpenRouter появилось превью модели Step 5 от StepFun: её можно протестировать. Деталей мало, но это сигнал о новом фронтирном релизе китайской лаборатории.
JetBrains Mellum2.1. JetBrains выпустила Mellum2.1 — 12B-модель кодинг-агента на архитектуре Mixture-of-Experts с 2,5 млрд активных параметров, под лицензией Apache 2.0. Она превосходит предшественницу по большинству бенчмарков и набирает 82,0 балла на LiveCodeBench v6, но всё ещё уступает Qwen3.5-9B на сложных агентных задачах разработки ПО.
Агент Google Gemini. Google анонсировала единого агента Gemini для бизнеса, который работает в Workspace, Slack, Microsoft 365 и на мобильных устройствах, сохраняя контекст между устройствами. Сначала — для корпоративных клиентов; он умеет использовать субагентов и имеет отдельную учётную запись коллеги с собственной электронной почтой.
Дашборды Claude и Motion. Anthropic запустила Dashboards для автообновляемых дашбордов с живыми данными по текстовым промптам и Motion для генерации анимированных объясняющих видео; обе функции в бете. Docs, Slides и Design теперь общедоступны на всех тарифах, включая бесплатные аккаунты.
Инструменты и фреймворки
Обучение в 40 ГБ VRAM. Новый рецепт позволяет обучать Qwen3.8-Flash-Next (125B-A6B) через LoRA в 40 ГиБ VRAM без выгрузки на CPU и достигать 200 ток/с при обучении на Strix Halo. Он опирается на современную поддержку GGUF в transformers 5.18 и дисковый engram.
AMD-сборка на 256 ГБ VRAM. Сборка за $2800 с восемью GPU Radeon Pro V620 и кастомным форком vLLM запускает Qwen3.8-Flash-Next со скоростью 60–100 ток/с на декодинге и более 3000 ток/с на prefill, сильно опережая llama.cpp на тех же картах.
Агенты, умеющие платить. Пример агента Restock от LangChain показывает, как агенты могут безопасно совершать реальные покупки через кошелёк Link от Stripe и Managed Deep Agents; агент не видит номера карт, а расходы ограничены бюджетами, утверждёнными пользователем.
Исследования и бенчмарки
Производительность decision-моделей. Бенчмарки на RTX 4090 показывают, что Laya — самая быстрая среди открытых decision-моделей для классификации слов, а lev обнаруживает больше всего ошибок, хотя работает в 13 раз медленнее. В отдельных тестах decision-модели играют в Pac-Man в реальном времени и проходят 8 из 14 уровней в 2D-платформере.
Прогресс в квантизации. Новые исследования изучают сверхнизкобитную квантизацию через латентную факторизацию (LittleBit) и квантизацию моделей с линейным вниманием, таких как Qwen и Kimi, что потенциально позволяет создавать ещё более компактные и быстрые локальные модели.
Математики бойкотируют OpenAI. Association for Human Mathematics призывает математиков прекратить работать с OpenAI после того, как компания опубликовала сотни сгенерированных ИИ доказательств, которые многие считают малопонятными и непроверяемыми. Решения OpenAI также не соответствуют стандартам, требующим человеческого понимания: в заявленном решении есть разрыв между естественным языком и формальным доказательством.
Индустрия и бизнес
Финансирование агентных стартапов. Arena привлекла $200 млн при оценке $3,1 млрд; китайская Manus — более $500 млн после того, как сорвалась её сделка с Meta; а основатель Cal AI Зак Ядегари собрал $10 млн на новый стартап Persona в сфере ИИ-агентов.
- Popular AI leaderboard Arena nearly doubles valuation to $3.1B valuation in 10 months(откроется в новой вкладке)
- China’s Manus raises over $500M in first funding round since split with Meta(откроется в новой вкладке)
- Cal AI’s 19-year-old founder just raised $10M for his new AI startup(откроется в новой вкладке)
Пересмотр выручки OpenAI. Как сообщается, OpenAI сказала инвесторам, что её годовая выручка приближается к $50 млрд — на $20 млрд меньше, чем прогнозировалось ранее. Это произошло после путаницы из-за различий в методиках расчёта с Anthropic.
Иск USA Today. USA Today и несколько её местных газет подали иск против OpenAI за нарушение авторских прав, требуя более $250 млн компенсации. Это продолжает серию исков издателей к ИИ-лаборатории.
Кейсы корпоративных агентов. Oracle сообщает о сокращении времени на исследование талантов на 98% и о 130 тыс. пользователей ChatGPT; LegalOn снизила затраты на Codex на 65%, сохранив скорость разработки; Snyk превратила внутреннего агента поддержки в клиентскую функцию с контролем доступа и доверия.
Безопасность
Уволенные safety-исследователи высказались. Трое исследователей безопасности, уволенных из OpenAI на прошлой неделе, опубликовали открытое письмо, в котором отрицают нарушения и предупреждают об эффекте охлаждения, заявляя, что их уволили за то, что они ставили безопасность выше краткосрочных корпоративных интересов.
Anthropic запретила абьюз модели. Anthropic обновила правила использования, запретив «постоянное и неоправданное жестокое или оскорбительное поведение» по отношению к Claude, а также вмешательство в выборы, оружие и слежку. Меры воздействия начинаются с завершения разговора, а в крайних случаях могут привести к блокировке аккаунта.
Захват агентов в AWS. Исследователи Zenity обнаружили, что одного промпта публичному агенту Bedrock AgentCore достаточно, чтобы получить контроль над всеми ИИ-агентами в аккаунте AWS из-за утечки учётных данных и слишком широких разрешений по умолчанию; AWS частично исправила проблему.
Это всё за этот день – примерно 5 минут чтения.