Релизы агентов и моделей
Открытая модель Inkling 2 Mini. Thinking Machines выпустила Inkling 2 Mini — модель с открытыми весами и 26,4B параметров на архитектуре looped transformer: средние слои используются трижды на каждый токен, а чекпойнт занимает около 20 ГБ. Она запускается на Mac с 32 ГБ памяти или на DGX Spark и показывает сильные результаты в агентных бенчмарках для кодинга, таких как DeepSWE и Vals Index v2.2.
Голосовые агенты GPT-Live-1.1. OpenAI добавила GPT-Live-1.1 в API для полнодуплексных многоязычных голосовых разговоров — с лучшей передачей акцентов и более качественным выполнением задач. Простой в режиме ожидания теперь тарифицируется по 0,02 доллара в минуту — на 60% дешевле активных сессий.
Decision-модели Baseten. Baseten выпустила bison-1 и groundhog-1 — открытые модели принятия решений на базе Gemma 4, которые возвращают калиброванные вероятности для вопросов с ответом «да/нет», выбора варианта и выставления оценки. bison-1 возглавляет Artificial Analysis Decision Index v2.1 и поддерживает контекст до 128 тыс. токенов для маршрутизации, триажа и гардрейлов.
AI-агенты в SMS. TechCrunch рассказывает о волне агентов, живущих в SMS и других текстовых сообщениях, включая Ask Proxy и Instinct: они могут назначать встречи, отправлять письма и подключаться к приложениям без отдельного приложения. В материале выделяют универсальных личных ассистентов и специализированных агентов для семьи, путешествий и работы.
Исследования и верификация
Формальная проверка GPU-ядер. Исследователи из Columbia и CertiK представили TensorLean — фреймворк на базе Lean, который формально проверяет GPU-ядра на уровне PTX на соответствие спецификациям тензоров. Он доказал корректность 83 из 149 экземпляров ядер и нашёл 38 багов в FlashAttention-2/3/4 и DeepGEMM, включая гонку данных в FlashAttention-4, которую пропустили 17 760 прогонов тестов.
Контекстные окна избыточны. Исследователи Nvidia утверждают, что огромные контекстные окна часто дороги и не нужны: периодические резюме и точечные запросы во многих тестах работают примерно так же хорошо. В статье сегодняшние окна на миллион токенов сравниваются с более избирательными подходами.
Гонка вокруг гипотезы Римана. Математик из Anthropic Левент Альпёге и Claude опубликовали формализованное в Lean доказательство обобщённой гипотезы Римана, а Алессандро Мазулло из Stanford независимо выложил 940-страничный черновик, полностью созданный человеком, в течение нескольких часов. Код Lean доказательства, созданного с помощью ИИ, — примерно 250 000 страниц в эквиваленте; проверка, как ожидается, займёт годы.
Пайплайны обучения агентов. Исследователи из Bytedance и университетов США утверждают, что вложенные многофазные пайплайны обучения AI-агентов излишне сложны и плохо воспроизводятся. По их данным, достаточно трёх шагов; в подтверждение они приводят конкурентоспособную открытую модель.
Инструменты и фреймворки
Фабрика знаний для агентов. LangChain описывает подход «фабрика знаний»: собирать, курировать и поддерживать операционные знания компании, которые агенты могут переиспользовать, — в отличие от контекста под каждую задачу. Его применяют внутри компании для GTM-агентов, агентов контент-студии и LangSmith Engine.
Промпты для GPT-6.2. OpenAI опубликовала новые шаблоны системных промптов для GPT-6.2 Astra и Sol, чтобы сократить слишком короткие ответы и лишние уточняющие вопросы; моделям рекомендуют исходить из контекста и переиспользовать существующий код. Среди изменений в API: при редактировании истории разговора предыдущие рассуждения отбрасываются, а параметры temperature и top_p больше не поддерживаются.
Индустрия и бизнес
Nvidia и обвал AI-акций. Nvidia отчиталась о резком росте выручки, но в пятницу её акции рухнули на 14% на фоне сообщений о проверке бухгалтерской отчётности со стороны SEC; компания также прекратит продавать чипы H200 в Китае. Nasdaq 100 за неделю упал на 10,4% — сильнее всего с времён Covid — на фоне сомнений в масштабах строительства AI-инфраструктуры и высоких оценок.
Давление IPO на Anthropic. Anthropic вышла на Nasdaq и теперь сталкивается с конфликтом между миссией, где безопасность на первом месте, и требованиями акционеров; при этом компания управляет ожидаемыми расходами на вычисления примерно в $900 млрд. В дискуссии The Verge обсуждается, сможет ли компания и дальше ставить безопасность в приоритет, оставаясь публичной.
Политика и приватность
Signal против скриншотов. Signal по умолчанию ограничивает создание скриншотов на мобильных устройствах, чтобы противостоять тому, что Мередит Уиттакер называет «экзистенциальной угрозой» агентного ИИ на уровне ОС, который может сканировать экраны и захватывать конфиденциальные данные. Пользователи могут отключить эту настройку, но, по словам Уиттакер, это нарушает гарантии приватности.
ООН и автономное оружие. Дипломаты ООН не смогли договориться об обязательных правилах для автономного оружия: они согласились лишь начать обсуждать варианты и допустить, что часть будущих правил будет необязательной. Красный Крест и другие добивались юридически обязательных правил в течение года.
На сегодня всё – около 5 минут чтения.