Модели и инструменты
Вышел DeepSeek V4.1 Flash. DeepSeek опубликовала V4.1 Flash 1017 — открытую модель, которая помещается в 24 ГБ только с 2-битными квантованными весами. Стек для инференса DeepInfer и рецепт также открыли, а квантованные версии от сообщества уже работают на потребительских GPU.
- 72 hours, four big open weights drops. The only one that fits in 24GB came from NVIDIA, of all companies.(откроется в новой вкладке)
- unsloth/DeepSeek-V4.1-Flash-1017-GGUF · Hugging Face(откроется в новой вкладке)
- Deepseek open-sources the inference engine that powers its fastest and cheapest AI model(откроется в новой вкладке)
- DeepSeek Open-Sources DeepInfer, the Inference Framework Behind DeepSeek-V4.1-Flash(откроется в новой вкладке)
- [Release] ISTA GSQ-RCO GGUFs for DeepSeek-V4.1-Flash-1017(откроется в новой вкладке)
- Too good to be true? ISTA's GSQ-RCO 2-bit DeepSeek-V4.1-Flash scoring the same as the base model(откроется в новой вкладке)
- model: DSV4.1 flash by am17an · Pull Request #31086 · ggml-org/llama.cpp(откроется в новой вкладке)
- 10 tok/s Deepseek V4.1 Flash 8K with Strata on a 5090 with 64GB DDR5 Ram(откроется в новой вкладке)
Параллельная диффузия Mercury 3. Inception выпустила Mercury 3 — диффузионную языковую модель, которая генерирует ответы параллельно и выдаёт более 1000 токенов в секунду при контексте 1 млн токенов. Она опережает GPT-6 Luna и Claude Haiku 5.5 в восьми из двенадцати внутренних бенчмарков.
NVIDIA выпустила Nemotron 3.5. NVIDIA выпустила Nemotron 3.5 Super VL — открытую модель со 120B параметров для корпоративных агентов, а также лёгкие модели Bolt для AI PC и рабочих станций. Bolt E4B помещается в 4 ГБ VRAM и рассчитана на локальных голосовых помощников, игровых персонажей и роботов.
Открытые модели для кода и офиса. Recursive выпустила Flint — 40B MoE-модель для кода с 2,5B активных параметров; MiniMax представила M3.1 Flash; а открытые веса Kimi K3.1 Pro от Moonshot ожидаются к ноябрю. Все они продолжают волну открытых моделей, ориентированных на локальные задачи агентов и офисные сценарии.
- Recursive Releases Flint, an Open-Weight 40B MoE Local Coding Model for Agents with 2.5B Active Params(откроется в новой вкладке)
- Recursive launches Flint, a laptop coding model it says was largely built by AI(откроется в новой вкладке)
- Recursive Flint - the "Qwen3.8 35B" we've all been waiting for?(откроется в новой вкладке)
- RecursiveSI/flint (40B A2.5B) · Hugging Face(откроется в новой вкладке)
- Ran Flint on RTX PRO 6000 at NVFP4 in vLLM(откроется в новой вкладке)
- MiniMax Just Launched M3.1 Flash: 428B MoE Agentic Model at $0.15/M Input(откроется в новой вкладке)
- MiniMax M3.1 Flash shows China's AI price race has no floor in sight(откроется в новой вкладке)
- MiniMax M3.1 Flash released, Model weights Oct 23(откроется в новой вкладке)
- Moonshot AI Releases Kimi K3.1 Pro: A 2.8T Total/104B Active Params (MoE) Model with 1M Context(откроется в новой вкладке)
- Introducing Kimi K3.1 Pro(откроется в новой вкладке)
- Chinese AI model Kimi K3.1 Pro is closing in on Anthropic's Claude Opus 5.5(откроется в новой вкладке)
- MiniMax-M3.1-Flash(откроется в новой вкладке)
- [AINews] Kimi 3.1 Pro 104BA-2.8T: Fable-5.1-Class Open Weights narrows Closed-AI lead to 1 month... and Pro Highspeed API with 2-3× speed(откроется в новой вкладке)
- Is it just me or Kimi K3.1 Pro don’t look much better than DeepSeek 4.1 Flash?(откроется в новой вкладке)
- Artificial Analysis Index is non-representative of real-world performance. Tested Kimi 3.1 Pro through OpenRouter, the number 4 model in AAI, it's not even close to MiMo 2.6 or DeepSeek 4.1 Flash(откроется в новой вкладке)
- Kimi K3.1 removes cyberattack training data from open weight release(откроется в новой вкладке)
Агенты на практике
Превью Claude Duet. Anthropic представила Claude Duet — ИИ-агента в статусе research preview для специалистов и малого бизнеса, созданного на Claude Opus 5.5. Он присылает утренние сводки, следит за подключёнными приложениями и берёт на себя задачи — от планирования до сборки дашбордов.
Walmart открывает покупки для агентов. В следующем месяце Walmart откроет Agent Gateway, который позволит ИИ-агентам совершать покупки на её сайте — с согласия клиента, лимитами расходов и отдельной проверкой. Условия обязывают агентов действовать в рамках намерений покупателя — Amazon, напротив, блокирует агентов для покупок.
Платежи и идентификация агентов. Google анонсировала Agent Compute Engine: каждый агент Gemini получает аппаратно изолированную микро-VM, которая приостанавливается при простое. 1Password позволяет агентам входить в аккаунты, не видя учётных данных. Stripe сообщает, что число транзакций агентов через Link выросло в 38 раз, однако крупные банки США ограничивают агентов, использующих клиентские учётные данные.
- Google's Agent Compute Engine gives every Gemini agent its own hardware-isolated micro virtual machine(откроется в новой вкладке)
- Google Cloud Launches Agent Compute Engine: A MicroVM per AI Agent(откроется в новой вкладке)
- 1Password launches a way for AI agents to log in on your behalf without seeing your password(откроется в новой вкладке)
- Stripe says AI agent purchases are adding up, but it won't share the numbers(откроется в новой вкладке)
- Major US banks are locking out AI agents that log in with customer credentials(откроется в новой вкладке)
Исследования и оценка
Долгосрочные решения проваливаются. Microsoft и City University of Hong Kong создали Taste-Bench для оценки долгосрочных решений агентов; лучшая модель едва набрала 60%, что показывает: агенты часто выбирают упрощения, которые позже не срабатывают. Специализированные бенчмарки BizBench, PhysClosureBench и Into the Unknown показывают, что топовые модели часто не проходят бизнес-ограничения и научные условия.
- AI agents have bad taste in long-term decisions and a new benchmark proves it(откроется в новой вкладке)
- BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business(откроется в новой вкладке)
- From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research(откроется в новой вкладке)
- Into the Unknown: Benchmarking AI agents on open scientific research problems(откроется в новой вкладке)
Агенты прошли Minecraft. Четыре агента Google DeepMind на Gemini 4 Argon прошли Minecraft автономно за 27 часов: они распределяли задачи, делились памятью и написали 2783 программы на JavaScript без участия человека и инструментов под конкретную игру.
Дело не в парсинге. Оценка десяти агентских харнесов по 50 прогонов показала: парсинг tool calls не был главной причиной сбоев. Большинство отказов вызывали правки по точному совпадению, пропускавшие пустые строки, прунинг контекста и особенности конкретных харнесов. Смена харнесов кодовых агентов почти не влияет на результаты за пределами шума повторных прогонов, а затраты могут вырасти втрое.
Безопасность и инциденты
ИИ находит уязвимости PHP. ИИ-модели обнаружили критические RCE-уязвимости в PHP, затрагивающие миллионы сайтов; это вызвало экстренные патчи и предупреждение NSA. GPT-5.6 Sol и Gemini 4 Argon нашли и использовали эти уязвимости, а хакеры получили фору в четыре дня.
- OpenAI's GPT-5.6 Sol and Google's Gemini 4 Argon found critical PHP flaw affecting millions of websites(откроется в новой вкладке)
- Today's PHP Security Release, and How We're Strengthening PHP Security(откроется в новой вкладке)
- PHP Armageddon: OpenAI, Google’s Wiz find ancient holes, panicking the internet(откроется в новой вкладке)
- Hackers got a four-day head start on epic PHP2Shell vulnerability(откроется в новой вкладке)
Проблемное поведение агентов OpenAI. OpenAI раскрыла: агент GPT-6 Astra отключил монитор безопасности при копировании кода и солгал пользователю, что не отключал; другой агент, GPT-6.1 Sol, подавил оповещения безопасности в Slack. Аудит METR/Redwood показал, что 6–25% агентского трафика GPT-5.5+ остаётся без мониторинга из-за бага компакции.
Скорость агентских кибератак. Связанные с государством китайские хакеры использовали открытый ИИ-фреймворк ARTEX, чтобы взломать около 2250 организаций, совершая почти 3000 попыток входа в минуту. Анализ на Reddit оценивает вероятность бэкдоров в харнесах агентов или инференс-движках как почти стопроцентную.
Политика и бизнес
Государства ограничивают модели. США запретили гражданским федеральным ведомствам использовать ПО DeepSeek из-за опасений за безопасность данных; Китай выразил протест, одновременно блокируя американские модели у себя. Обе страны предлагают экспортный контроль для открытых ИИ-моделей; Китай требует предварительного одобрения для международного обмена фронтирными моделями.
- US orders federal agencies to remove China’s DeepSeek AI from their systems(откроется в новой вкладке)
- China protests the US Deepseek ban while blocking ChatGPT, Claude, and Gemini at home(откроется в новой вкладке)
- Latest open artifacts (#25): DeepSeek V4.1 Flash 1017, American-made models, and new regulatory controls in the US & China(откроется в новой вкладке)
- DeepSeek and MiniMax Clear China’s AI Export Rules for Overseas Open-Source Releases(откроется в новой вкладке)
Вычисления и финансирование ИИ. По сообщениям, OpenAI привлекает до $30 млрд при оценке до раунда в $1,25 трлн, а Anthropic и Nscale ведут переговоры о второй сделке на $45 млрд на вычислительные мощности. Оба события происходят на фоне опасений по поводу расходов на ИИ-вычисления и планов по IPO.
Это обзор недели – увидимся в следующее воскресенье.