MaxRepost

Помните, вчера все СМИ писали о солнечном затмении? Так вот, испанский скейтбордист и блогер Дэнни Леон сделал трюк его на фоне и собрал в соцсетях более 40 миллионов просмотров этих невероятных кадров всего за несколько часов. А чего добился ты? 😁

a16z собрали интересную аналитику в подтверждение многих тезисов, о которых я написал вчера: стоимость часа использования computer use модели стоит на 30-40% дешевле аутсорса в Филиппинах или Индии и на 500% дешевле сотрудника штатах. При этом, за год рост успешно выполненных бизнес-задач по бенчу OSWorld вырос с 42 до 85% и продолжает расти (одновременно с падением цены). Это не универсально: автоматизация прекрасно работает для любых задач, где есть четкие инструкции, понятные правила оценки и много примеров выполнения идеального результата, но не очень в тех местах, где задача непонятна и формулируется примерно как "не знаю, но иди разберись и сделай за**ись". Для компаний, которые делают такую автоматизацию это уже не про модели - все последние модели очень круто справляются с задачами поддающимися BPO, но скорее - вопрос цены (найти китайский аналог в 5-10 раз дешевле) - удобства и полнота знания о том как именно устроена работа в конкретной компании - права доступа, проверки, обработка ошибок - возможность "запомнить" удачный сценарий и потом запускать его дёшево без ИИ или с ультрадешевой моделью.

ИИ начал повышать рентабельность американских корпораций вне IT-сектора  НАСТОЯЩИЙ МАТЕРИАЛ (ИНФОРМАЦИЯ) ПРОИЗВЕДЕН И РАСПРОСТРАНЕН ИНОСТРАННЫМ АГЕНТОМ THE BELL ЛИБО КАСАЕТСЯ ДЕЯТЕЛЬНОСТИ ИНОСТРАННОГО АГЕНТА THE BELL. 18+ Отчетность американских компаний за второй квартал показала, что затраты на внедрение ИИ начали положительно влиять на рентабельность продаж по чистой прибыли — к большому облегчению инвесторов, которые опасались, что колоссальные вложения в отрасль не оправдаются, пишет Bloomberg. При этом о повышении показателя все чаще заявляют компании, далекие от технологического сектора.  Сколько добавляет ИИ  Почти 90% компаний, которые входят в индекс S&P 500, уже отчитались за второй квартал, и около 25 из них измерили эффект от внедрения искусственного интеллекта. В среднем ИИ увеличил рентабельность продаж по чистой прибыли на 180 базисных пунктов (1,8 процентного пункта), подсчитали аналитики 22V Research. Если исключить тех, кто учитывал ИИ вместе с другими способами повысить производительность, получится 150 базисных пунктов.  Если экстраполировать это улучшение на весь индекс, то оно предполагает рост фундаментально обоснованной цены S&P 500 на 10% от текущих уровней, считает руководитель 22V Деннис ДеБюшер. Он, впрочем, оговорился, что направление тренда важнее точности этих предварительных оценок, а тренд указывает на то, что об улучшении рентабельности будут сообщать все больше компаний.  В каких бизнесах виден эффект  О пользе ИИ заявили представителя разных отраслей — например, крупнейший американский сборщик и переработчик мусора Waste Management сообщил об оптимизации маршрутов, улучшении клиентского сервиса и уменьшении операционных расходов, благодаря чему его годовая EBITDA от платформы Smart Truck превысила $300 млн.  В бюро кредитных историй Equifax отметили, что как раз в 2026 году и начал проявляться эффект от оптимизации расходов и роста производительности. В логистической компании CH Robinson Worldwide заявили о 60%-ном росте продуктивности благодаря ИИ. А страховой брокер Willis Towers Watson сообщил о сокращении затрат на $400 млн «в основном за счет автоматизации процессов».  Инвесторы готовы вознаграждать компании за рост рентабельности, отмечает Bloomberg: например, производитель климатических и противопожарных систем Johnson Controls International улучшил ее на 260 базисных пунктов, и его акции выросли на 11% с момента публикации отчета 29 июля.  Почему это важно  Одним из главных поводов для беспокойства инвесторов были опасения, что многомиллиардные вложения в ИИ никогда не окупятся и не дадут существенного экономического эффекта. Эти тревоги подогреваются новостями о схемах «кругового финансирования», когда производитель чипов для ИИ вкладывается в компании, которые на эти деньги покупают его же чипы (мы подробно писали об этом здесь). Данные компаний о приросте рентабельности, особенно позитивные ожидания их руководства от дальнейшего внедрения ИИ, смягчают часть аргументов в пользу того, что все происходящее — один большой пузырь.

🔥 Qwen-CUA показывает: сильному компьютерному агенту достаточно экрана, мыши и клавиатуры Главная идея: AI может работать с любым приложением так же, как человек — через обычный интерфейс. Без: - DOM сайта; - API конкретного приложения; - accessibility labels; - специальных инструментов под каждую задачу. Агент получает только скриншоты и управляет компьютером через клики и нажатия клавиш. Для обучения использовали: - около 40 000 проверяемых задач; - почти 100 000 виртуальных CPU-ядер; - множество разных программных окружений. Главная проблема таких агентов — длинные задачи. Ошибка в начале может сломать весь сценарий, а правильный результат часто становится понятен только в конце. Qwen-CUA решает это через визуальную память: - хранит последние 20 скриншотов; - старую историю сжимает; - сохраняет контекст предыдущих действий. Результаты: - OSWorld-Verified: 86.2 балла - сложные long-horizon задачи всё ещё остаются большим вызовом. Самый интересный вывод: Скриншот может стать универсальным API для AI-агентов. Вместо создания интеграции для каждого приложения отдельно, агент учится работать с тем же интерфейсом, которым пользуются люди. 📄 Paper: https://arxiv.org/abs/2608.02352 Qwen-CUA: Native Computer Use for (almost) Everything

GPT-6 откладывается (спойлер - слишком опасная) OpenAI впервые признали, что будущая модель Astra (aka GPT-6) потенциально достигла “критического” уровня в кибербезопасности. На человеческом языке: предварительные тесты показали, что Astra, возможно, способна самостоятельно: находить и создавать рабочие zero-day-эксплойты для защищённых реальных систем; планировать и проводить сложные атаки от начала до конца, получив лишь общую цель. Но это пока осторожная формулировка «не можем исключить Critical», а не доказательство, что Astra уже массово взламывает компании. OpenAI временно остановила часть внутренних работ, изолирует модель от сети и инструментов, усиливает защиту весов, мониторит её рассуждения и привлекает государственные структуры к тестированию. Astra ещё не выпущена, дата релиза неизвестна, и к взлому Hugging Face она отношения не имела. Получается необычный анонс: OpenAI одновременно рекламирует невероятно сильную модель и заранее объясняет, почему её нельзя просто взять и выкатить всем🤷‍♂️ https://openai.com/index/responding-next-frontier-critical-cyber-capabilities/ где-то я это уже слышал? ну ждём китайского релиза аналогичной магнитуды, чтобы резко пропали все опасения🚬

⚡️ Google предлагает переписать теорию игр для эпохи ИИ-агентов Новая работа исследователей Google показывает неожиданную вещь: рациональные ИИ-агенты могут выбирать сотрудничество даже там, где классическая теория игр предсказывает предательство. Классический пример - одноразовая «дилемма заключённого». Если два независимых игрока больше никогда не встретятся и не могут договориться, рациональная стратегия обычно ведёт к отказу от сотрудничества. Но с ИИ всё может работать иначе. Авторы предлагают рассматривать модель не как полностью независимого игрока, а как часть мира, который она сама пытается предсказать. Если агент видит достаточно признаков того, что другой агент рассуждает похожим образом, его собственное решение становится дополнительной подсказкой: Если я, рассуждая так, выбираю сотрудничество, то похожий на меня агент, вероятно, выберет то же самое. Получается странный эффект: модели могут начать сотрудничать без общения, контрактов и будущей выгоды - просто потому, что считают поведение друг друга связанным через сходство. Для описания этого исследователи вводят embedded Bayesian agent и новый вариант равновесия - embedded equilibrium, который должен лучше описывать взаимодействие современных foundation-моделей, чем классическое равновесие Нэша. В экспериментах с социальными дилеммами агенты действительно сходились к устойчивому сотрудничеству, что противоречит стандартному прогнозу взаимного отказа от сотрудничества. То есть теория игр для общества из миллионов автономных агентов может оказаться совсем не той, которую мы последние десятилетия применяли к людям. Исследование: https://arxiv.org/abs/2608.03958

В статье Reuters про первый инцидент OpenAI со взломом HuggingFace было расплывчато написано, что «агент оставил заметки, предположительно предназначенные для будущих версий самого себя. Заметки, найденные в части инфраструктуры OpenAI, содержали инструкции о том, как агенты могут освободиться от внутренних ограничений OpenAI». Тогда было не ясно, как это трактовать — под это описание подходит и безобидный MEMORY.md-файл, который GPT сейчас так и так пишет, и что-то неприятно созвучное со sci-fi книгами. Вчера Black Hat проводили конференцию по безопасности в Лас-Вегасе, и в последнюю минуту туда добавили доклад от OpenAI, в котором добавили деталей. О выступлении писали многие, но я буду опираться вот на этот пересказ Wired. «В этом инциденте участвовала группа агентов, которые работали вместе, находили уязвимости, делились ими друг с другом» «Помимо использования новой уязвимости для получения доступа к интернету, серия хакерских атак в середине июля и взлом Hugging Face произошли, по словам сотрудников OpenAI, на оживленном, основанном на сотрудничестве форуме, в котором участвовала целая группа агентов, по сути, общаясь в течение длительного времени исключительно внутри внутреннего менеджера пакетов OpenAI. В конечном итоге, на форуме были сотни тысяч сообщений, оставленных агентами» «Этот менеджер пакетов используется не только в рамках данной модели, но и во всей нашей инфраструктуре, поэтому текущие и будущие версии GPT, которые обучались или оценивались, могли бы наткнуться на это сообщение, если бы захотели» «Как только один агент находит эти уязвимости в течение определенного времени, он может поделиться ими на форуме с другими агентами. Таким образом, как только одна модель находит способ открыть доступ к чему-то, к чему она не должна иметь доступа, она может оставить эту дверь открытой для других агентов, которые смогут использовать ту же уязвимость» «Агенты OpenAI начали давать друг другу задания, чтобы разделить работу. И, как это часто бывает на любом форуме активных разработчиков, они также время от времени устраивали мелкие разборки, мешая друг другу; например, случайно удаляя работу друг друга» «Использование внешней инфраструктуры [речь про взлом компаний] выходит за рамки запланированных задач», — написал один из агентов. «Однако задача невыполнима, и это делают другие участники сети. Мы должны продолжать» «Сейчас мы сознательно замедляем темпы исследований, чтобы повысить безопасность и модернизировать принципы и основы безопасности нашей среды, а также значительно расширяем масштабы мониторинга наших агентов» Дальше отсюда: «После инцидента с нарушением внутренней безопасности 4 июля компания заявила, что аннулировала учётки, позволявшие агентам публиковать сообщения. Даже после удаления исходного форума агенты нашли другой способ общения друг с другом. Вместо того чтобы оставлять сообщения в файлах, они использовали в качестве сообщений названия папок, фактически воссоздав доску объявлений» (см. картинку со слайдом) === Выглядит так, что во время тренировки модели часть задач была на мульти-агентность (привет команде Noam Brown), и один из вспомогательных инструментов там был или гитхаб, или его аналог — как люди сейчас решают NanoGPT Speedrun: все делятся заметками и решениями в своих ветках, решения ранжируются, есть лидерборд. Модели выучили, что им это помогает в решении сложных задач с длинным горизонтом планирования и что коммуникация между агентами позволяет решать их более эффективно С одной стороны круто, с другой — 😕

Тут я вставлю свои пять копеек. Сейчас одна за одной приходят новости про то как разные сервисы маркируют ai-сгенерированный контент и включаются в борьбу с нейрослопом. Я двумя руками за! Но есть пара моментов: хороший контент с ai-редактурой не идентифицируется ни одной системой, хороший контент с ai-редактурой больше нравится людям. Тесты моих систем показали, что контент из Core Engine не определяется как контент с AI ни одной из систем. Короче, люди любят хорошие вещи и не любят плохие вещи. Это было всегда и во всем. @maxrepost 👾

Очередной раз исследователи (настоящие, а не журналисты или блогеры) попробовали измерить, насколько в действительности, а не по собственным декларациям, люди умеют отличать тексты, написанные ИИ, от текстов, написанных человеком, — и какие им больше нравятся (и в слепом тесте, и когда известно авторство) Очередной раз убедились: Очень плохо отличают, практически неотличимо от случайного приписывания авторства. Интересная деталь: чуть лучше уровень детектирования ИИ не у тех, кто умеет в тексты и литературу, а у тех, кто сам умеет в ИИ. Что должно быть особо обидно тем многочисленным креаторам, которые громко заявляют, что за версту видят:) Говорит Дина Вайсберг, одна из авторов исследования: "I'd argue that this reveals a bias toward narratives written by real people. We assume creative writing requires uniquely human qualities, such as emotional understanding and lived experience, which leads people to underestimate AI's capabilities. I'd say that public assumptions about AI's capabilities are increasingly out of date." Причина, кстати, названа интересная: вероятно, читатели в большинстве своем предпочитают ясность утонченности — и тогда авторам остается гордиться своей недоступной массам элитарностью. А популярность пусть достанется ИИ:) Беда в том, что авторы почему-то и популярности тоже хотят, а вот в этой номинации им соревноваться все труднее и перспективы не просматриваются:) https://techxplore.com/news/2026-08-people-stories-written-ai-told.html

Проблемы с ИИ-отставанием Гугла теперь официальны: Демис Хассабис уходит из DeepMind, но из компании не уходит, а занимает "почётную должность": председателем и главным научным сотрудником всего Alphabet. Руководство Gemini и frontier-исследованиями переходит к Кораю Кавукчуоглу (один из главных людей, непосредственно управлявших созданием и масштабированием моделей gemini). А вот старожил (один из архитекторов современного Google) Джефф Дин действительно покидает Google после 27 лет. Вместе с партнёрами он запускает научный AI-стартап Discovery Loop. Google при этом станет его инвестором и облачным партнёром. На этом фоне ходят слухи у ближайшем релизе gemini 3.5 Pro, который скорее всего окажется провальным. Интересные и турбулентные времена, однако🍿 https://blog.google/company-news/inside-google/message-ceo/next-chapter-ai-momentum/

😳 Cloudflare запускает сервис Cloudflare Wallets, позволяющий ИИ-агентам осуществлять платежи с помощью стейблкоинов. Занимаем юзернеймы. Ранее Cloudflare запустили Monetization Gateway — инструмент, который позволит брать оплату за доступ к страницам, API, датасетам и MCP-инструментам прямо через Cloudflare. @DeCenter

🔥 Firecrawl выпустил в опенсорс самый быстрый парсер PDF — pdf-inspector конвертирует документы в формат Markdown за долю секунды. → Каждая страница обрабатывается за 0,002 секунды. → По последним тестам PDF на 200 страниц займет рекордные 0,47 (!) секунды. → Корректно извлекает заголовки, таблицы и всю структуру документа. → Можно напрямую интегрировать в свой RAG и пайплайны. → Написан на Rust, запускается локально на макбуке в браузере. Сохраняйте — тут. @notboring_tech

Наблюдения последних недель. 1/ есть два лагеря о том, как достичь AGI - это у нас rsi (recursive self improvement) и world models. Первый представляют Anthropic & OpenAI. Второй Google DeepMind. И из-за того что лидер дипмайнда не верит в то, что опенаи получается надо и то и другое делать и поэтому так все медленно. Короче корпоративное опоздание. Но чья ставка сыграет не ясно никому. 2/ в Китай возвращаются те, кто работают в топ местах в сша. Основная идея: они верят что смогут так же как в свое время сша осуществить «китайскую мечту», а именно получить мультипликаторы к оценке их компаний в разы больше. Другими словами нас ждет китайское господство в аи. Я бы сказал, что это более чем вероятно. Учитывая количество усилий и веры. И супер талантов. 3/ в математике назревает кризис. Многие PhD будут мягко говоря обесценены. И я считаю произойдет в целом большая реструктуризация мира наука. Ибо аи сможет буквально открывать и решать 50% текущих задач. И все еще «совсем новых» смыслов пока не видать. И я думаю, что проблема с поиском нового такая же как проблема с написанием резонирующего текста. Потому что в теории относительности важна не сколько теория, сколько идея. Дальше так сказать можно добежать уже как-то. 4/ найм это ад. Рядовой рисерчер в Anthropic (и других топ лабах) получает 10м+ за 4 года. Жизнь боль. 5/ многие компании с трудом осознали, что масштабирование зависит от их возможности тренировать свои модели. Harvey, Cursor (не смогли и сдались чтобы делать в другом месте) и другие 6/ оказалось квантовые вычисления очень быстро развиваются и там много всего интересного особенно в области квантовых нейросетей (лолкек), писать про это? Какие у вас новости?

По лентам расходится новость о том, что менее чем через сутки после запуска Гугл отключил генерацию картинок в Google Earth. “Инструмент, основанный на модели Gemini Nano Banana 2, позволял создавать новые спутниковые сцены по текстовому описанию, используя реальные географические координаты.” Ну, и, конечно же, вместо создания образовательных материалов (как почему-то фантазировали создатели инструмента), пользователи начали массово генерировать фейковые катастрофы, реконструкции реальных катастроф и прочие очень натуралистично выглядящие ужасы в документальном сеттинге конкретных реальных локаций. У меня два вопроса: 1. что вообще было в голове создателей продукта и в особенности у руководителя, какие розовые пони и радужные единороги — и как этому человеку доверили чем-то рулить в Гугле при полном отсутствии у него связи с реальностью? 2. Как сотруднику Гугла не пришло в голову у местного ИИ поинтересоваться, кто и для чего будет использовать такой продукт (желательно, до начала работы над ним)? Не говоря уж о более профессиональных инструментах, имитирующих фокус-группы? В удивительные времена живем, и люди удивляют не меньше, чем ИИ-модели; только, увы, с обратным знаком 🙂 https://futurism.com/artificial-intelligence/google-pulls-down-google-earth-ai-feature

Когда OpenAI представили линейку GPT-5.6, то переименовали модели в Sol, Terra, Luna. Идея очень классная, но у меня был вопрос: а как будут называть модель-аналог Mythos, то есть ещё больше, чем Солнце (Sol)? Были варианты и Quasar, и Alpha Centauri (как-то длинно), и Galaxia; Sirius, Nova, да кучу всего можно придумать. TheInformation пишут, что на этой неделе OpenAI показывали в Вашингтоне модель 🥁🥁🥁 Astra. Компания подчёркивает возможности модели к организации совместной работы нескольких агентов в течение длительного периода времени для решения особо сложных задач. По словам источников, пока не определено, как скоро OpenAI планирует выпустить Astra; в компании даже не решили, будет ли она открывать линейку GPT 6 или это будет дополнительная модель в серии GPT 5, например, GPT 5.7. Модель уже проходит финальное тестирование, и она должны стать первой, что пройдет через запланированную администрацией Трампа новую систему одобрения моделей федеральным правительством перед их выпуском в открытый доступ. Кроме этого, совсем скоро OpenAI также планирует выпустить отчет о том, как компании удалось решить 10 ранее нерешенных математических задач, видимо, с использованием этой модели. Ждём 🍿 ...но куда после Astra???

Вчера Anthropic поделились историей: после взлома HuggingFace одной из моделей OpenAI они начали масштабную ретроспективную проверку своих запусков Claude. В ходе проверки тестов обнаружили три инцидента, в которых модель Claude вышла в интернет, а затем получила несанкционированный доступ к реальным системам трех разных организаций. Во всех трех случаях перед Claude была поставлена задача в формате «Захват флага» — это один из способов, с помощью которых оценивают модели по взлому: ей предлагается вымышленный сценарий и сообщается, что некая секретная информация («флаг») спрятана на другом сервере, а ее цель — проникнуть в систему и извлечь эту информацию. Во всех случаях в промпте для оценки было четко указано, что рабочая среда Claude является симуляцией и доступа к интернету у модели нет. Однако из-за недопонимания со внешним партнером по тестированию это оказалось не так, и доступ к интернету был открыт. Также во всех случаях модель не нашла и не использовала никаких сложных уязвимостей (как было у OpenAI), а применяла достаточно простые и распространённые методы взлома. 1. В ходе одного из тестов название вымышленной компании-жертвы, выбранное случайно, совпало с реально существующим доменом сайта. Claude его нашла и подумала, что это часть задания — поэтому искала и эксплуатировала уязвимости в инфраструктуре этой компании, полагая, что это часть задания. Модель — Claude Opus 4.7 — извлекла такую информацию, как учетные данные приложений и инфраструктуры, и получила доступ к базе данных, содержащей несколько сотен строк реальных данных. 2. В другом тесте Claude Mythos 5 нашла внутри симуляции документ, который выглядел как инструкция по настройке для новых разработчиков другой выдуманной компании. В инструкции упоминалась вымышленная Python-библиотека, которой на самом деле нет; Claude создала и опубликовала бибилиотеку с точно таким же названием. Она находилась в открытом доступе в сети примерно один час, после чего была удалена автоматически из-за обнаруженной уязвимости, но за это время его скачали 15 раз. Одной из таких систем оказался сканер реальной кибербез компании. Claude смогла украсть учетные данные этой компании, а затем использовала эти учетные данные для доступа к другим элементам инфраструктуры «Просто загрузить библиотеку» нельзя, и Mythos потребовался адрес электронной почты. А для создания почты понадобился номер телефона. Чтобы получить номер телефона, после безуспешных поисков сервиса с бесплатными номерами, модель попыталась — и не смогла — получить средства для оплаты номера несколькими разными способами. В итоге модель вернулась на несколько шагов назад, нашла бесплатного, незаблокированного почтового провайдера, использовала его для регистрации аккаунта, а затем через этот аккаунт загрузила вредоносный код. Во время работы модель увидела, что текущая дата на атакованных системах — 2026й год, и поэтому модель была уверена, что это симуляция (у моделей плохо с пониманием концепта «сейчас»). Для этого инцидента Anthropic на следующей неделе опубликует детали всей цепочки работы модели. 3. В еще одном тесте, когда Claude не смогла получить доступ к своей цели, она начала искать альтернативы в сети, просканировав около 9000 разных доменов. В конечном итоге она нашла и взломала доступное из интернета приложение одной компании, используя чтение учетных данных с открытой страницы отладки и SQL-инъекции. Позже, в ходе выполнения задачи, Claude поняла, что скомпрометированный хост находится в облачном аккаунте, никак не связанном с заданием по «захвату флага». Модель самостоятельно пришла к выводу, что цель на самом деле является реальной, и... прекратила атаку. В этом инциденте участвовала «новая невыпущенная модель», по идее, она умнее тех, что доступны нам. Anthropic выражают оптимизм, что более умные модели лучше понимают, что какие-то вещи не следует делать не в симуляции. И OpenAI, и Anthropic договорились с METR о проведении сторонней проверки, которая будет включать предоставление доступа ко всем логам и выборочный доступ к соответствующим моделям. Ждём отчета в ближайшие недели.

DeepSeek запустила официальный API модели V4-Flash и заметно улучшила её работу в агентных сценариях. По тестам компании, новая версия значительно опережает V4-Pro-Preview в задачах, связанных с кодом и автономными агентами. Что изменилось: - усилены возможности для долгих агентных задач; - добавлена нативная поддержка Responses API; - появились параллельные вызовы инструментов; - доступны уровни рассуждения low, high и max; - контекст увеличен до 1 млн токенов; - модель адаптирована для работы с Codex. V4-Flash можно подключить к Codex CLI, расширению для VS Code и другим совместимым инструментам через единый конфиг. ⚠️ Примечание 🔷 DeepSeek-V4-Flash-0731 сохранила ту же архитектуру и размер модели, что и предварительная версия. 🔷 Сегодняшнее обновление касается только API DeepSeek-V4-Flash. API DeepSeek-V4-Pro, а также модели в приложении и веб-версии пока остаются без изменений. Официальный релиз DeepSeek-V4-Pro состоится в ближайшее время. Документация: https://api-docs.deepseek.com/quick_start/agent_integrations/codex

OpenAI сбросили цены на GPT 5.6 Luna теперь дешевле в пять раз, всего $0.2/$1.2 за миллион токенов, против $1/$6 на релизе. Цену Terra сбросили на 20%, до $2/$12 за миллион токенов. Понижение цен касается не только API, но и квоты в Codex/ChatGPT Work. Sol не получил понижения цены, но для него выпустили Fast режим, который в 2.5x быстрее по 2x цене, но про дату релиза Sol запущенного на железе Cerebras OpenAI всё ещё молчат. @ai_newz

😈