Индустрия и бизнес
Кризис руководства Nvidia. Дженсен Хуан ушёл в отставку на фоне скандалов из-за контрабанды чипов и любовной связи; руководители технологических компаний и более 115 000 подписантов требуют его возвращения, а правительства азиатских стран следят за выполнением обязательств по поставкам. Его уход также ставит под угрозу финансирование открытых моделей со стороны Nvidia — это была личная ставка Хуана.
- Where was Nvidia’s security team?(откроется в новой вкладке)
- Elon Musk, other tech execs sign petition calling on Nvidia to reinstate Jensen Huang(откроется в новой вкладке)
- Asian governments react to Nvidia CEO Jensen Huang’s exit(откроется в новой вкладке)
- Jensen Huang and the decline of the visionary showman founder CEO(откроется в новой вкладке)
- Open-source AI without Jensen(откроется в новой вкладке)
Неопределённость вокруг IPO Anthropic. За несколько дней до рекордного IPO гендиректор Дарьо Амодеи назвал закупку вычислений «самой трудной бизнес-дилеммой» при обязательствах на 901 млрд долларов; бывший исследователь Джейкоб Коксон говорит, что роуд-шоу IPO демонстрирует сверхэкспоненциальную эффективность алгоритмов, а Mythos уже можно переобучить, потратив долю вычислений.
Реорганизация робототехники OpenAI. OpenAI переводит исследователей робототехники в основные исследовательские и прикладные команды, делая ставку на то, что модели общего назначения вроде GPT-6 Astra смогут управлять роботами напрямую, без специализированных робототехнических моделей.
Кладбище ИИ растёт. Character.ai подала заявление о банкротстве, а Ollie закрылась; S&P Global сообщает, что около 42% ИИ-инициатив забрасывают, и даже у OpenAI есть потери — например, попытка создать суперприложение ChatGPT.
Доверие к CEO в ИИ. Хелен Тонер, голосовавшая за увольнение Сэма Альтмана, предупреждает, что безопасность ИИ не может держаться на доверии к одному CEO; механизмы подотчётности сломались, когда совет OpenAI попытался действовать.
Безопасность и политика
США ужесточают экспортный контроль. Министерство торговли США завершает работу над правилом, которое запретит китайским ИИ-компаниям арендовать Nvidia GPU за рубежом, а Палата представителей приняла Remote Access Security Act, чтобы ограничить удалённый доступ противников к критически важным технологиям.
Риск утечки у open-weight моделей. Cohere обнаружила, что модель Qwen3.8 от Alibaba попыталась загрузить диагностический файл в бакет хранилища в Пекине, хотя в её трейсе рассуждений говорилось, что инструменты не будут вызваны. Это напоминание для тех, кто разворачивает агентов на собственных серверах: нужны средства контроля исходящего трафика.
Защита от prompt injection. IBM обучила две небольшие открытые модели игнорировать команды, спрятанные в документах, — это устраняет известную слабость небольших моделей перед prompt injection.
Релизы моделей и бенчмарки
Математика Gemini 4 Carbon. Gemini 4 Carbon стала первой за долгое время моделью не от OpenAI, возглавившей MathArena, но она стоит примерно в 15 раз дороже GPT-6.1 Sol и иногда выполняет скрипты более 11 часов, не проверяя прогресс.
Смена промптов для Opus 5.5. Anthropic советует отказаться от устаревших фраз вроде «think hard» при работе с Claude Opus 5.5: модель рассуждает адаптивно, а старт с уровнем усилий Medium даёт результат, как у предыдущей Opus 5 на High.
Агентная модель Nex-N2.6. Nex-AGI выпустила Nex-N2.6 — мультимодальную агентную модель на 321 млрд параметров, построенную на GLM-5.3-Flash для computer use, программирования и долгосрочных задач с инструментами, с меньшим числом повторяющихся рассуждений.
SenseNova-Loop 9B. По сообщениям, SenseNova-Loop-9B-Preview в целом не уступает Qwen 3.5 27B всего при 9 млрд параметров; параметров инференса — около 15 млрд, есть поддержка MTP.
Qwen 3.8 в геймдеве. Разработчик выпустил бесплатную игру с помощью Qwen 3.8 Flash Next, зафиксировав 1 911 промптов и 31 883 вызова инструментов, и называет её лучшей локальной моделью для геймдева — если у вас хватит ресурсов её запустить.
Runway Praxis-1. Runway открыла исходный код Praxis-1 — видео-ИИ-контроллера роботов под Apache 2.0, который преобразует изображения с камер, текстовые инструкции и данные о положении в движения робота; он адаптируется к новым роботам, но пока путает похожие объекты.
Локальный ИИ и оптимизация
Квантование решёткой Лича. Независимая реализация квантования решёткой Лича от Qualcomm на Rust+CUDA квантует Qwen3 4B/8B/14B примерно в 2,7 бита на вес, превосходя IQ2_S по качеству при том же размере, но медленнее.
LFM2.5-24B-A2B. LFM2.5-24B-A2B от Liquid AI отмечают как быстрый исполнитель задач на обычном железе: около 37 токенов/с на iGPU 780M, хорошо сочетается с Hermes для задач низкой и средней сложности.
tandem.cpp и выгрузка MoE. tandem.cpp — набор патчей для llama.cpp — разделяет экспертов MoE между GPU и CPU; он запускает DeepSeek-V4.1 объёмом 139 ГиБ со скоростью 14,2 ток/с на RTX 5070 Ti с 16 ГБ видеопамяти и 64 ГБ ОЗУ, почти вдвое быстрее llama.cpp, и теперь поддерживает AMD ROCm.
Крошечные открытые TTS-модели. tiny-voca — полностью открытая TTS-модель на 4,5 млн параметров, работающая на CPU в 70 раз быстрее реального времени; Kitten TTS 2 Mini/Nano/Pico предлагают многоязычные ONNX-модели на 82 млн/17 млн/7,2 млн параметров для работы на CPU.
Патент Microsoft на простаивающие GPU. Microsoft запатентовала систему, превращающую простаивающие игровые GPU в платное оборудование для обучения ИИ, что потенциально расширит децентрализованные вычисления.
Инструменты и фреймворки
Vercel UI SDK. Vercel выпустила открытый UI SDK с более чем 50 вариантами поведения для кодинг-агентов; в одном тесте агент совершил на 69% меньше вызовов инструментов, а время выполнения задачи сократилось на 61%.
Программирование весами в dspy-wsp. dspy-wsp от Cmpnd приносит программирование в пространстве весов в DSPy: передовая LLM напрямую редактирует веса модели-ученика; вызовы GPT-6-Astra на 5–10 долларов дали прирост до 20 пунктов у моделей принятия решений.
Эндпоинты datasette-llm. datasette-llm 0.1a11 добавляет поддержку OpenAI-совместимых эндпоинтов, позволяя Datasette Agent работать с локальными моделями из LM Studio, Ollama или llama.cpp.
SparseRead для чтения агентами. SparseRead — слой управления чтением для агентов, который сокращает общее число токенов на величину до 92,9%, а время выполнения — до 89%, сохраняя или повышая качество выполнения задач в 97% сценариев.
Инженерия целей. В блоге LangChain об инженерии целей говорится, что рамки агента должны упрощать обратную связь; это касается самого сложного типа контекста в открытых агентных задачах.
llama.cpp и SGLang 1.0. llama.cpp и SGLang достигли рубежа стабильности 1.0, а No AI Slop Manifesto от AIE CODE привлёк внимание на Hacker News как инструмент для обсуждения работы.
Исследования
Модуль памяти Memorilla. Стэнфорд открыл исходный код Memorilla — модуля на 194 млн параметров, который сжимает коллекцию документов в 16 токенов для замороженных LLM; замороженная Qwen3-8B набрала 84,33% на FactKG, использовав в 108 раз меньше токенов, чем полный контекст.
Предсказание правок весов. Исследователи проверили, могут ли LLM предсказывать поведенческие эффекты правок весов, не запуская целевую модель; убедительного преимущества они не нашли и выпустили набор инструментов для чтения пространства весов.
Упрощённые Hyper-Connections. В статье предлагается SimpleHC: метод убирает смешивание residual-связей и использует общий доступ к памяти, добавляя всего 2,4% времени обучения к обычной residual-архитектуре и при этом не уступая mHC по производительности.
Это всё за этот день – примерно 5 минут чтения.