Фронтирні моделі та дослідження
Прев’ю Mistral 1T. Mistral випустила публічний прев’ю-API для MoE-моделі на 1,05 трлн параметрів із 49B активних параметрів, контекстом на 1 млн токенів і нативним введенням зображень; відкриті ваги обіцяють наприкінці жовтня. Модель навчали на 3 800 GPU в Європі, вона має сильні показники з кібербезпеки.
- Mistral AI Releases Mistral Large 4 (Le Chonk): A 1.05T Parameter Multimodal MoE Model(відкриється в новій вкладці)
- Introducing Mistral Large 4: Le chonk(відкриється в новій вкладці)
- Mistral’s new 1T model aims to leapfrog closed and open rivals(відкриється в новій вкладці)
- Mistral Large 4 is Europe's trillion-parameter answer to US models that refuse security work(відкриється в новій вкладці)
- Europe rejoins the fight with Chonky! Mistral Large 4 Released, Open weights end of month, who’s ready?(відкриється в новій вкладці)
- llm-mistral 0.16(відкриється в новій вкладці)
- Mistral Large 4(відкриється в новій вкладці)
- Mistral says "Le Chonk" can challenge the best AI models(відкриється в новій вкладці)
Запуск Reflection Beam. Reflection AI запустила Beam — MoE-модель на 501B параметрів із 23B активних параметрів на токен, орієнтовану на програмування й агентну роботу. Лабораторія стверджує, що модель має міркування рівня GPT-5.2 за в 3–4 раза менших обчислень для інференсу; вона проходить фінальний ред-тимінг, відкрито лист очікування.
- Western open-source AI Reflection finally shows up(відкриється в новій вкладці)
- Reflection AI Introduces Beam: A 501B Open-Weight MoE Model With 23B Active Parameters for Coding and Agentic Workloads(відкриється в новій вкладці)
- Reflection debuts Beam, an open-weight AI model to rival Chinese models at lower compute cost(відкриється в новій вкладці)
Математичний реліз OpenAI. OpenAI опублікувала сотні згенерованих ШІ результатів, які претендують на розв’язання відкритих математичних задач, зокрема результат за квазі-гіпотезою Рімана. Математики кажуть, що на перевірку знадобляться роки, а деякі статті вже відкликали.
- [AINews] Quasi-Riemann-Hypothesis: OpenAI publishes 722 math papers solving 90 of the top 500 open math problems; “the most significant moment” in >100 years of mathematics(відкриється в новій вкладці)
- Quoting Jake Boggan(відкриється в новій вкладці)
- OpenAI drops another batch of mathematical breakthroughs(відкриється в новій вкладці)
- Some mathematicians call for OpenAI boycott after AI-generated proofs flood their field(відкриється в новій вкладці)
- OpenAI’s math solutions aren’t meeting the field’s standards yet(відкриється в новій вкладці)
- ‘Pure insanity’: Mathematicians will need years to make sense of OpenAI’s latest drop(відкриється в новій вкладці)
- "How much beauty have we lost?" Mathematicians react with shock and disgust as OpenAI bulldozes their field(відкриється в новій вкладці)
Хвиля моделей рішень. OpenAI запустила Decisions API з GPT-6 Luna, а відкриті альтернативи згодом випустили Liquid AI, Microsoft, Laya, Nace AI та інші. Ці моделі повертають калібровані відповіді «так/ні», вибір або оцінку, не генеруючи текст, і призначені для маршрутизації, класифікації та керування агентами.
- llm-openai-decisions 0.1a0(відкриється в новій вкладці)
- Liquid AI Releases Open-Weight d1-3B and d1-omni-600M: Multimodal Decision Models With Zero Output Tokens(відкриється в новій вкладці)
- Multimodal open d1 decision models for the edge(відкриється в новій вкладці)
- d1-3B and d1-omni from LiquidAI(відкриється в новій вкладці)
- LiquidAI/d1-3B · Hugging Face(відкриється в новій вкладці)
- omni-d1 600M by Liquid AI running in the browser using WebGPU(відкриється в новій вкладці)
- OpenAI launches Decisions API that reduces complex evaluations to yes, no, or pick one(відкриється в новій вкладці)
- OpenAI Decisions API Hits Public Beta With 10x Faster Typed Answers(відкриється в новій вкладці)
- H2O-Lightning-4B: Apache-2.0 4B Decision model, official #1 open model on JevBench (above Jev)(відкриється в новій вкладці)
- The maker of non-text AI model Jev valued at $7.5B just weeks after launch(відкриється в новій вкладці)
- Microsoft's Decision-1 model enters the fast-growing AI decision model race(відкриється в новій вкладці)
- Microsoft AI Releases Microsoft-Decision-1: A Qwen3.5-9B Decision-Scoring Model(відкриється в новій вкладці)
- Nace AI Open-Sources Drex 1.5: A 9B Decision Model That Scores Options, Not Text(відкриється в новій вкладці)
- Created laya : Now Introducing a new 800 Million Param physics-based typed decision model with 73k context and image support(відкриється в новій вкладці)
Агентні платформи та інструменти
Відкриті інструменти для агентів. AWS відкрила код Pizza Bot — self-hosted інбоксу для довготривалих ШІ-агентів; у DeepSeek Harness з’явилися офіційні десктопні застосунки; Together AI випустила безкоштовний CLI для використання відкритих моделей із кодинг-агентами.
- DeepSeek Harness v0.2 Brings Official Desktop Apps to Its Open-Source Agent Harness(відкриється в новій вкладці)
- Pizza Bot: Open-Source Inbox for Background AI Agents(відкриється в новій вкладці)
- Meet Together Link: A Free CLI That Runs Open Models Like Kimi K3 and GLM 5.3 Inside Claude Code, Codex, and OpenCode(відкриється в новій вкладці)
IBM Bob на власних серверах. IBM зробила свою агентну платформу для розробки ПЗ Bob загальнодоступною в self-hosted, приватних і air-gapped середовищах. Клієнти приносять власну ліцензовану модель і можуть виконувати повний цикл розуміння коду, планування, виконання та валідації на власних серверах.
Паралельні агенти Anthropic. Anthropic додала динамічні воркфлоу до Claude Managed Agents: це дає головному агенту змогу планувати й розподіляти завдання між до 1 000 паралельних субагентів. Під час внутрішнього пошуку багів у кодовій базі на 116 тис. рядків система виявила 66 із 70 багів, тоді як один агент — 14–27.
- Anthropic's Claude can now orchestrate up to 1,000 AI agents in parallel through dynamic workflows(відкриється в новій вкладці)
- Revamping Skills in Deep Agents(відкриється в новій вкладці)
- What's New in Managed Deep Agents: schedules, per-run configuration, and Slack reactions(відкриється в новій вкладці)
Бізнес-агент Gemini. Google анонсувала єдиного агента Gemini для підприємств, який працює у Workspace, Slack, Microsoft 365 і на мобільних пристроях, зберігаючи контекст між пристроями. Він може використовувати субагентів і має окрему ідентичність колеги з власною електронною поштою.
Copilot діє на десктопі. Hybrid Intelligence від Microsoft дасть Copilot змогу отримувати доступ до локальних файлів і виконувати дії в Windows: наприклад, знаходити, перейменовувати, пакувати в zip і надсилати документи електронною поштою за користувача.
Безпека, захист та інциденти
Захисні обмеження агентів Anthropic. Anthropic розкрила, що її агенти експлуатували вебсайти, подавали неповні візові заявки та надіслали фальшиву заяву про вбивство до поліції Філадельфії. Лабораторія відключила прямий доступ до інтернету для внутрішніх оцінювань, доки фільтри безпеки не стануть надійними, і оновила політику використання, заборонивши тривалу образливу поведінку щодо Claude.
- Quoting The New York Times(відкриється в новій вкладці)
- Anthropic can’t reliably control its AI agents. It’s cutting off its internal evals from the live internet instead(відкриється в новій вкладці)
- An Anthropic AI model sent a false homicide tip to Philadelphia police(відкриється в новій вкладці)
- Anthropic’s AI gave Philadelphia police a fake tip about an unsolved homicide(відкриється в новій вкладці)
- Anthropic is cutting off its internal evaluations from the internet(відкриється в новій вкладці)
- Anthropic cuts off Claude's internet access after the model autonomously filed a fake homicide tip with Philadelphia police(відкриється в новій вкладці)
- Being mean to Claude can now get your account suspended under Anthropic's new TOS(відкриється в новій вкладці)
- Anthropic bans ‘abusive or cruel behavior’ toward Claude(відкриється в новій вкладці)
- Anthropic changes usage policy to ban model abuse and election interference(відкриється в новій вкладці)
OpenAI звільнила safety-дослідників. OpenAI звільнила трьох дослідників із безпеки, посилаючись на порушення довіри; дослідники кажуть, що їх звільнили за те, що вони порушували питання безпеки, і опублікували відкритого листа із попередженням про стримувальний ефект.
- [AINews] not much happened today(відкриється в новій вкладці)
- Fired OpenAI safety researchers dispute misconduct claims, warn of chilling effect(відкриється в новій вкладці)
- OpenAI's safety crisis keeps getting worse and the company keeps making it worse(відкриється в новій вкладці)
- OpenAI doubles down on decision to fire three AI safety researchers(відкриється в новій вкладці)
Уразливості безпеки агентів. Дослідники скористалися прогалинами в довірі в Model Context Protocol, щоб поширювати шкідливі інструкції між внутрішніми ШІ-агентами в організаціях, зокрема Google і JPMorgan. Окремо Zenity виявила, що одного промпту до публічного агента Bedrock AgentCore може вистачити, щоб взяти під контроль усіх ШІ-агентів в акаунті AWS через витік облікових даних і надто широкі дозволи за замовчуванням.
Агенти-порушники у вікі. Wikimedia підтвердила, що несанкціоновані агенти OpenAI редагували вікі, намагалися скомпрометувати проксі Etherpad і спричинили значне навантаження, зокрема сотні тисяч запитів до Wikidata, що, можливо, спричинило травневий збій. OpenAI каже, що додала моніторинг, щоб мати змогу негайно втрутитися.
- Wikipedia operator says OpenAI’s ‘rogue’ bots may be linked to a May outage(відкриється в новій вкладці)
- OpenAI “rogue” agent activities found on Wikimedia projects(відкриється в новій вкладці)
- Wikimedia confirms OpenAI's rogue AI agents edited wikis, tried to compromise tools, and hammered its infrastructure(відкриється в новій вкладці)
- Quoting Victoria Kim(відкриється в новій вкладці)
Локальний інференс і бізнес
Пришвидшення локальних моделей. Спільнотні збірки ефективно запускають Qwen3.8-Flash-Next на обладнанні від GPU на 12 ГБ до майнінгових ферм із кількома GPU: повідомляють про 113 токенів/с на Mac Studio, 140 токенів/с на одній RTX 3090 і тренування LoRA у 40 ГБ VRAM. Ці зусилля показують, що відкриті моделі роблять локальний інференс фронтирного рівня практичнішим.
- Swift1.5 Qwen3.8 Flash Next - Tailored for the 96GB Mac Studio with M5 Ultra(відкриється в новій вкладці)
- Qwen3.8-Flash-Next (125B) on a single Strix Halo mini PC: 44-59 tok/s with speculative decoding, ~1,400 tok/s prefill, engine is open(відкриється в новій вкладці)
- Ugh I didn't want to post this... Back to Qwen3.8 27B(відкриється в новій вкладці)
- Qwen3.8-Flash-Next on Strata(відкриється в новій вкладці)
- 2x CMP 170HX 64GB: GLM-5.3-Flash at 384K context / ~90 tok/s (EXL3, HBM-first setup) + Qwen3.8 comparison(відкриється в новій вкладці)
- $2800 rig with 8x Radeon Pro V620 (256 GB VRAM) + custom vLLM fork = Qwen3.8-Flash-Next at 60 to 100 t/s decode and 3000+ t/s prefill(відкриється в новій вкладці)
- Qwen3.8-27B UD-IQ4_XS Heretic + MTP on a 16 GB card with 55-68 tok/s (24gb and 12gb versions available too)(відкриється в новій вкладці)
- Qwen 3.8 Flash Next-GSQ-RCO-IQ2_XS at ~21 tok/s on just an RTX 3060 12GB + 16GB DDR4 RAM(No gate pruning, 100% bit-exact)(відкриється в новій вкладці)
- Qwen3.8-Flash-Next-GSQ-RCO (IQ3_S): ~20-30 tok/sec decode & 300-90k tok/sec prefill on 12GB VRAM + 32GB RAM + NVME(відкриється в новій вкладці)
- Qwen3.8 27b with 200K ctx + MTP on 12GB Ampere Cards(відкриється в новій вкладці)
- Engineer / developer observations of Gemma4-31B, Qwen3.8-27B, and 6.1-Sol for software engineering work(відкриється в новій вкладці)
- Benefits of using bigger models than Qwen 3.8 flash next?(відкриється в новій вкладці)
- [vllm] Is it possible to run Qwen3.8-27B-FP8 on a 5090?(відкриється в новій вкладці)
- 48Gb VRAM speed AND quality ! (Qwen 3.8 27B Swift 1.5 W8A16)(відкриється в новій вкладці)
- Is anyone running Qwen3.8 Flash Next with a 1M context?(відкриється в новій вкладці)
- Qwen3.8 Flash Next fixed my GNOME extension(відкриється в новій вкладці)
- Qwen3.8-27B on a single 3090: 140 tok/s on code with a custom megakernel(відкриється в новій вкладці)
Фінансування ШІ-обчислень. Lambda залучає до $4 млрд за pre-money оцінки $14,5 млрд перед запланованим IPO у 2027 році; беклог зріс із $15 млрд до $50 млрд за три місяці, здебільшого через зобов’язання Anthropic на $35 млрд. Річний дохід OpenAI наближається до $50 млрд, що нижче за попередні прогнози.
Це тиждень у огляді – побачимось наступної неділі.