Моделі та методи
Програмування у просторі ваг. LLM від OpenAI, DeepSeek, Anthropic та інших здатні напряму читати й редагувати ваги нейронних мереж. Повторні експерименти показують точкові виправлення та зміни поведінки без класичного тренування.
- GPT-6 Astra Edits Qwen Weights: MATH-500 7.9% to 48.1%(відкриється в новій вкладці)
- Sparks of Weight-Space Programming: LLMs can natively read & write neural network weights(відкриється в новій вкладці)
- Like GPT-6 Astra, Qwen 3.8 27B can interpret model weights(відкриється в новій вкладці)
- I tried MIT's "weight-space programming" on my own use case: Claude rewrote 8 neurons of Gemma 4 12B to change how it translates one Italian tense(відкриється в новій вкладці)
- DeepSeek V4.1 Flash 1017 can also do Weight-Space Programming(відкриється в новій вкладці)
- What Qwen is thinking when it gets stuck saying "Wait"(відкриється в новій вкладці)
- Qwen 3.8 27B on my laptop can interpret model weights, too(відкриється в новій вкладці)
- GPT-6 Astra sees the matrix and reprograms other AI models directly through their weights(відкриється в новій вкладці)
- [AINews] Behind Latent Space: Kill My SaaS, Jev & AI in 2026 | AIEi Shanghai(відкриється в новій вкладці)
- Tried the weight editing thing from the MIT post: Some cool applications, but nothing crazy(відкриється в новій вкладці)
Hydrogen-1.0. Deep Principle випустила 753B MoE-модель із відкритими вагами для хімії, матеріалознавства та наук про життя на базі GLM-5.3. Компанія заявила про перемогу в FrontierScience-Research над GPT-6-Astra.
Відкриті фронтирні моделі. Hy4 від Tencent і Kimi K3.1 Pro тепер доступні або мають відкриті ваги; Hy4 додає режим computer use й розуміння зображень. Baidu також випустила базову MoE на 280B, а кодовий репозиторій Qwen натякає на майбутні моделі Qwen4.
- Alibaba's Qwen Code repo just leaked qwen4-max, qwen4-coder-plus, and qwen4-omni-120b(відкриється в новій вкладці)
- Official Statement: Qwen Models Will Stick to Open Source to the End!(відкриється в новій вкладці)
- Kimi-K3.1-Pro is now open-weights(відкриється в новій вкладці)
- Kimi K3.1 is likely benchmaxxed (with some proof)(відкриється в новій вкладці)
- Tencent says Hy4 ranks among the best open models. Its weights aren't out yet(відкриється в новій вкладці)
- Baidu Releases ERNIE 5.5 Flash Base: A 280B MoE Base Model With 14B Active Parameters(відкриється в новій вкладці)
- Baidu releases ERNIE 5.5 Flash Base with 280 billion parameters as an open-source foundation model(відкриється в новій вкладці)
- Tencent releases Hy4 with vision and computer use, claims second place among Chinese AI models(відкриється в новій вкладці)
ШІ прискорює дослідження ШІ. 11-тижневий огляд METR показав, що темпи вдосконалення моделей Anthropic приблизно подвоїлися, і близько 80% цього приросту дає ШІ, залучений до власних досліджень компанії. Це перетинає поріг відповідального масштабування Anthropic.
Агенти та бенчмарки
Проактивний кодинг-агент. DeepSeek відкрила код проактивного кодинг-агента для GitHub, який перетворює дозволені запити на паралельні робочі елементи. У симуляції він завершував завдання в 1,9 раза швидше за базовий варіант з однією сесією.
Бенчмарк довготривалих агентів. SemiAnalysis випустила GDPx — бенчмарк із 206 завдань. Claude Opus 5.5 лідирує з 12%, GPT-6 Astra має 9,6%; результати показують, що агенти досі погано справляються з реальною роботою, яка триває годинами.
Архітектура агентів уніфікується. LangChain стверджує, що стандартна архітектура агентів «цикл LLM + інструменти» уніфікується, а нові виклики пов’язані з довготривалим контекстом, поступовим розкриттям даних і використанням інструментів у пісочниці.
Git для масштабу Codex. OpenAI створила Pando — Git-бекенд, який скорочує медіанну затримку push майже в 5 разів для паралельних пушів масштабу Codex. Компанія також купує Pierre Computer Company, розробника Code Storage та інструментів, які вже забезпечують роботу Codex.
Meta купує Conductor. Meta придбала Conductor — ШІ-стартап у сфері кодингу, чиї агентні команди дають розробникам змогу розгортати проєкти в паралельних робочих просторах. Засновник Чарлі Гольц каже, що нові клієнти можуть очікувати чогось нового на початку наступного року.
Інфраструктура та локальний інференс
Швидкість локальних MoE. Патчі на кшталт tandem.cpp і Strata разом із новими квантами дають змогу запускати Qwen Flash-Next і DeepSeek V4.1 Flash зі швидкістю 97–200+ токенів/с на одній GPU з вивантаженням на CPU/SSD. Конфігурації з 8 ГБ VRAM тепер декодують зі швидкістю 50 токенів/с.
- tandem.cpp: Qwen3.8-Flash-Next at 97 tok/s on a single 4090 + 64 GB RAM, 3.3× llama.cpp, works for any MoE(відкриється в новій вкладці)
- Speedy is shockingly good for qwen3.8 FN(відкриється в новій вкладці)
- 8 agents × 250K context, concurrently, on two 3090s (~600+ tok/s total)(відкриється в новій вкладці)
- Sorry Sam, my "quite terrible" home DRAM is at 100% now: patched Strata to make DeepSeek V4.1 agent sessions start 20× faster on a good old standard gaming GPU, no datacenter required(відкриється в новій вкладці)
- Getting incredible results with a single RTX 3090ti and 128gb of ram. Deepseek-V4.1-Flash-1017 (35 tok/s decode) and Qwen3.8-Flash-Next (130 tok/s decode)(відкриється в новій вкладці)
- Qwen 3.8 Flash Next NVFP4 on 64gb RAM and 5090, Basalt. Ditched windows for it. Very hyped for qwen 4 model family now.(відкриється в новій вкладці)
- We are in the golden age of Local LLM(відкриється в новій вкладці)
- Qwen Flash Next on Strata is unreal.(відкриється в новій вкладці)
- Another benchmark has hit the quant war(відкриється в новій вкладці)
Конкуренція у квантуванні. Unsloth та ISTA-DASLab публічно сперечаються про якість квантування DeepSeek-V4.1-Flash. Unsloth твердить, що її GGUF-файли на 10–20% кращі в кодингу з довгим контекстом; суперництво дає кращі кванти.
- Unsloth vs GSQ-RCO - 512K context DeepSeek-V4.1 GGUF benchmarks Terminal Bench(відкриється в новій вкладці)
- Kind of enjoying the ISTA (GSQ-RCO) vs Unsloth beef(відкриється в новій вкладці)
- Inconsistencies in Unsloth's LiveCodeBench Results(відкриється в новій вкладці)
- New Qwen3.8-Flash-Next Unsloth Dynamic V3.1 GGUFs(відкриється в новій вкладці)
- Unsloth Qwen3.8-Flash-Next GGUFs V3.1 Update (November 4th 2026)(відкриється в новій вкладці)
- Qwen 3.8 Flash Next GSQ RCO quant as good as BF16(відкриється в новій вкладці)
Менеджер GPU-ресурсів. Berth — менеджер GPU-ресурсів на Go, який надає застосункам лізи, пріоритети й чергу запитів. Він підтримує чекпойнти CUDA та утримує моделі в RAM для швидшого перемикання між ШІ-навантаженнями.
Бізнес і політика
OpenAI залучає $11 млрд. OpenAI отримала перший транш на $11 млрд у раунді з оцінкою $1,25 трлн. Це нижче за попередні сподівання залучити $30 млрд за оцінки $1,4 трлн після падіння акцій технологічних компаній.
- OpenAI reportedly raises an additional $11 billion at a $1.25 trillion valuation(відкриється в новій вкладці)
- OpenAI valued at $1.25 trillion, as rival Anthropic nears its IPO(відкриється в новій вкладці)
- OpenAI lands an $11 billion funding round, but has to court dentists for more capital(відкриється в новій вкладці)
Тиск на IPO Anthropic. Дохід Anthropic зріс у 12 разів, до $17 млрд, але компанія зазнала $23,3 млрд збитків через зобов’язання щодо обчислювальних потужностей. Інвесторам не до вподоби оцінка $1,5 трлн на IPO, а деякі пропонують $1 трлн.
- Anthropic grows revenue twelvefold but posts $23 billion loss(відкриється в новій вкладці)
- Anthropic warns that it’s very close to RSI capability, aka self-building AI(відкриється в новій вкладці)
- Anthropic is still grappling with the economics of compute(відкриється в новій вкладці)
- Anthropic's $1.5 trillion IPO hits resistance as investors balk at valuation(відкриється в новій вкладці)
- [AINews] Anthropic IPO: Whither Now?(відкриється в новій вкладці)
- Anthropic pushes ahead with pre-Thanksgiving IPO despite tech selloff, accepts lower valuation(відкриється в новій вкладці)
Опір дата-центрам. Виборці схвалили 40 із 41 місцевого обмеження на дата-центри. OpenAI пообіцяла не укладати NDA з посадовцями й покривати повну вартість електроенергії, а Meta попередила, що розширення ШІ може сповільнитися.
- After the midterms, a bigger clash over data centers could be coming(відкриється в новій вкладці)
- Big Tech claims voters’ AI backlash is “anti-Trump” not “anti-tech”(відкриється в новій вкладці)
- Texas was the new epicenter of the AI data center buildout. That might be kaput.(відкриється в новій вкладці)
- Data centers lost the midterms(відкриється в новій вкладці)
- How a Blue Wave midterm might reshape the AI industry(відкриється в новій вкладці)
- After the midterms, is the AI industry in for a rough two years?(відкриється в новій вкладці)
- Big Tech lost big in the 2026 election(відкриється в новій вкладці)
- All the latest updates on AI data centers(відкриється в новій вкладці)
- After the midterms, things are looking rocky for Elon Musk and data centers(відкриється в новій вкладці)
- OpenAI might rebrand its data centers as ‘AI compute campuses’(відкриється в новій вкладці)
- OpenAI is stepping back from NDAs for data center projects(відкриється в новій вкладці)
- After midterm rout, OpenAI tries to win over communities it needs for AI expansion(відкриється в новій вкладці)
- Meta warns that election backlash against data centers could make AI expansion harder(відкриється в новій вкладці)
- ‘Total repudiation’: The blue wave is about to hit AI(відкриється в новій вкладці)
- OpenAI is already trying to shape the 2028 election(відкриється в новій вкладці)
Це тиждень у огляді – побачимось наступної неділі.