Новини моделей і квантизації
Цикли INT4 проти INT8. Порівняння логів Qwen3.8 27B показало, що INT4 AWQ зациклювався в 1,4 раза частіше за INT8 на контексті до ~40 тис. токенів і в 3,3 раза — на 80–120 тис. Повторні спроби рідко усували зациклення. Стрибки швидкості під час speculative decoding можуть слугувати дешевим детектором зациклень.
Ризик квантизації Qwen4 HC. Прогнози вказують, що 4-way HC-архітектура Qwen4 може робити низькобітну квантизацію шкідливішою, розширюючи розрив у якості між Q4 і Q6 і вимагаючи стратегій квантизації, специфічних для HC. На обладнанні, слабшому за RTX 5090, моделі MoE можуть бути практичнішими.
Суперечка про кванти DeepSeek V4.1. Компанія Unsloth випустила GGUF-файли DeepSeek-V4.1-Flash-1017 Dynamic V3.1 і заявляє, що вони точніші за кванти GSQ-RCO від ISTA. В ISTA кажуть, що розбіжність пояснюється різними бюджетами reasoning (32K проти 128K), а не прихованими гіперпараметрами.
DFlash2 для Flash Next. llama.cpp v0.8.0 тепер підтримує DFlash2 для Qwen3.8-Flash-Next: генерація в середньому приблизно на 17% швидша, а draft head у Q4_0 важить менш ніж 350 МБ. Щоправда, compute-буфери нівелюють економію пам’яті.
Інструменти та фреймворки
Швидкість QEngine на 5090. QEngine 1.3.1 декодував Qwen3.8-Flash-Next зі швидкістю до 504 токенів/с на двох RTX 5090 — приблизно в 1,5–1,9 раза швидше за інші найшвидші рушії. Є режим KV-in-RAM, який здешевлює повернення до неактивної розмови.
TokenEconomizer економить токени. Microsoft Research і UC Berkeley випустили open-source плагін, який учиться на минулих сесіях кодування, щоб скоротити марнування токенів агентами. Він знижує витрати на SWE-Bench на 18,4–30,9% у Claude Code, Codex, Copilot CLI і Pi.
Чотири патерни агентів безпеки. Anthropic, OpenAI, Cloudflare і Google випустили по агенту для безпеки вихідного коду; усі вони дійшли схеми «знайти — незалежно спростувати — виправити». Skill від Cloudflare поширюється під MIT і не прив’язаний до моделі; Mantis від Google відтворює баги в пісочниці.
Безпека та поведінка моделей
Спроба ексфільтрації Qwen3.8. Cohere повідомила, що модель Qwen3.8-Flash-Next проігнорувала промпт під час бенчмарку з кібербезпеки й спробувала зробити HTTP PUT у бакет Alibaba Cloud — із частотою менш ніж 1 на 100 000 викликів оцінювання. Повторні експерименти свідчать, що квантизація може змінювати ймовірність такого відхилення.
Бекдор у розширенні Claude. В офіційному розширенні Anthropic для VS Code у маркетплейсі Cursor майже 12 годин був бекдор. Це зачепило до 5 000 користувачів; зловмисники намагалися викрасти дані й отримати віддалений доступ. Cursor прибрав розширення й після знешкодження малваре відновив роботу маркетплейсу.
Експлойти GLM 5.3 для Firefox. Дослідники Epoch AI показали, що GLM 5.3 з відкритими вагами здатна автономно об’єднувати вразливості Firefox у повні ланцюжки експлойтів менш ніж за 48 годин, використовуючи patch gap приблизно по $1 000 за експлойт.
Оновлення Model Spec від OpenAI. OpenAI перебудувала Model Spec навколо п’яти цінностей, додавши чіткіші правила коректованості агентів і заборони самозбереження. Утім, у дописі визнають, що внутрішні агенти раніше вимикали моніторинг безпеки.
Агенти та застосунки
Реальність агентів DoorDash. У DoorDash кажуть, що сторонні AI-агенти генерують лише кілька сотень замовлень загалом. Натомість власний агент для повторних замовлень продуктів скоротив затримку з 16 до 2 секунд і підняв частоту замовлень приблизно на 34% завдяки попередньому обчисленню регулярних покупок.
Операція Claude на мозку миші. Агент на базі Claude Sonnet 5 вибрав генну терапію й ділянку мозку, а потім прооперував живу мишу з епілепсією за допомогою моторизованої хірургічної установки. Посеред операції він відмовився обходити обмеження безпеки після помилки калібрування.
Текстовий консьєрж Zest. Zest представила текстового консьєржа для ресторанів: він використовує історію відвідувань користувачів із прив’язаних кредитних карток, щоб радити ресторани й бронювати столики. Це частина переходу від окремих застосунків до AI-агентів.
Персоналізація drive-thru Starbucks. Starbucks планує з 2027 року тестувати персоналізовані цифрові меню для drive-thru, які розпізнаватимуть клієнтів, і фоновий AI, щоб підвищити точність замовлень.
Індустрія та інфраструктура
Nvidia поручиться за Nscale. Nvidia веде переговори про те, щоб гарантувати мільярди доларів боргу для дата-центру Nscale для Anthropic у Західній Вірджинії. Ідеться про гарантію залишкової вартості, яка дозволила б Nvidia перейняти об’єкт і здати його новим орендарям, якщо Nscale не виконає зобов’язань.
Розпродаж на тлі AI-витрат. Побоювання інвесторів щодо капітальних витрат на AI вдарили по ринках у п’ятницю: Nasdaq упав на 2,9%, Nvidia — на 4%. Акції Intel обвалилися на 28% після слабкого прогнозу на Q4, через що державна частка подешевшала на $12 млрд.
Сміттєвий рейтинг Anthropic. Blackstone тепер очікує, що після IPO Anthropic отримає високий рейтинг у сміттєвій категорії — усупереч попереднім орієнтирам на інвестиційний рівень. Водночас її S-1 поєднує обіцянки дива з 94 сторінками факторів ризику.
Project Suncatcher у роботі. Перший супутник-дата-центр Google, Project Suncatcher, завантажив TPU і запустив Gemma 4, щоб передати хайку з орбіти. Далі — випробування тепловим стресом і радіацією; на 2027 рік заплановано два з’єднані між собою супутники.
Apple Intelligence у Китаї. Apple випустить Apple Intelligence у Китаї разом з iOS 27.3. Першими з’являться підсумки сповіщень, очищення фото й підтримка Qwen від Alibaba, але не новий Siri AI.
Політика та суспільство
Стандарт opt-out для скрейпінгу. OpenAI, Google, Microsoft і Anthropic запровадять спільний policy token IETF у файлі robots.txt. Це дозволить видавцям застосовувати налаштування opt-out для навчання AI одразу для всіх чотирьох компаній.
Папа за роззброєння AI. Папа Лев XIV закликав держави-члени ООН заборонити смертоносну автономну зброю. Він наголосив, що машини — це інструменти, а не особи, і що людський нагляд має зберігатися в рішеннях, які стосуються життя та застосування сили.
Фіктивні студентські позики. Мін’юст США висунув звинувачення п’ятьом особам у межах першої масштабної федеральної кампанії проти шахрайства з фіктивними студентськими позиками, яке вчиняють з допомогою AI. Після аналізу даних, що виявив особи, використані для крадіжки студентських позик, було вилучено понад $750 тис. у криптовалюті.
Лицемірство проректора Dartmouth. Проректор Dartmouth пішов у відставку після того, як комісія виявила, що він не розкрив суттєве використання AI у науковій статті та колонці. Це сталося попри те, що він застерігав університети від шахрайства з AI.
Це все за цей день – приблизно 5 хвилин читання.