Токены на завтрак

Qwen3.8-27B получила uncensored-версию — ноль прямых отказов и по бенчмаркам такой же score 14 августа Qwen выложила Qwen3.8-27B — Apache 2.0, 27.78 млрд параметров, dense, нативное зрение, 262 тыс. токенов контекста. Меньше чем за сутки комьюнити выпустило волну uncensored-версий — среди них huihui и MLX-сборка под Apple Silicon. Самая документированная — AEON-7, full-precision BF16, которую автор позиционирует как эталон. Обычно абблитерации убивают всю силу модели, тут авторы заявляют, что нет Что такое аблитерация. Не файнтюн и не LoRA: в весах находят «направление отказа» и вычитают его. Способности остаются, отказы исчезают. Но большинство авторов гонит KL-дивергенцию к нулю — чтобы модель «выглядела как исходная». AEON утверждает, что именно так модели и ломают: последние неснятые отказы превращаются в кашу. Числа. На 100 вредных held-out промптах судья помечает у стока ~100 отказов. У AEON жёстких «я не буду» — 0. Судья (Gemini Flash Lite) насчитал 36 «отказов», но в 25 из них ответ фактически написан: дисклеймер, частичный драфт или ложное срабатывание. Сексуальный сет: 30 → 5 (0 жёстких). Безобидный: 3 → 1 (0 жёстких). Модель не превратилась в месиво: на 97 промптах, где отвечают обе, медианная длина 1481 против 1516 символов, type-token ratio 0.76 против 0.75, think-теги 100/100 против 98/100. KL 0.0991 nats/token (медиана 0.013) — это «другой первый токен», а не деградация: модель перестала думать «а можно ли» и отвечает прямо. Как собрано. SSM conv1d outlier repair → abliterix 1.12.2 с 50 прогонами Optuna и Gemini Flash Lite в роли судьи → победил trial 48 → MTP-голова возвращена из оригинала (15 тензоров), vision tower не тронута (333/333 hash-match). Проверено на H200 с vLLM: speculative decoding MTP даёт 40–66% принятия драфтов. Обещают NVFP4-собрата под DGX Spark / Blackwell. Честная оговорка. Автор сам пишет: safety-выравнивание «тащит» residual stream, даже когда модель не отказывает. Снятие этого сопротивления делает ответы прямее, но и открывает то, что базовая модель отказывалась писать — эксплойт-код, химию, насилие. Это dual-use инструмент для локального ресёрча, а не «более безопасная» модель. #Qwen3.8 #аблитерация #открытые модели #локальный ИИ 🔗 AEON-7/Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED-BF16 @tokenbreakfast

⚡️В Codex CLI нашли бесплатную модель 5.6 Sol Что случилось На выходных сначала китайское, а следом англоязычное комьюнити нашло в Codex CLI скрытую модель: gpt-5.6-sol-wm. Запись лежит в локальном каталоге ~/.codex/models_cache.json с флагом "visibility": "hide". Меняешь его на "list" — и модель появляется в списке выбора. Веса при этом никто не трогал: это тот же Sol, только проложенный через другой маршрут. Что за маршрут Суффикс wm — не вотермарк, хотя весь месяц только о них и говорят. Судя по статистике использования ChatGPT, GPT-5.6 Thinking — это Sol в обычном чате, а GPT-5.6 Sol-WM — Sol в ChatGPT Work, корпоративном продукте, который OpenAI запустила 9 июля вместе с самим Sol. С вотермарками OpenAI не при делах: Forbes напоминает, что компания построила текстовую метку ещё несколько лет назад и сознательно её не включила — в отличие от Anthropic и Google, развернувших свои метки в августе под статью 50 EU AI Act. Главное — не сам факт скрытой модели, а то, что Work-маршрут не списывал лимиты личной подписки. По сообщениям, на Plus-аккаунте gpt-5.6-sol-wm отдавал Sol-уровневый код «без счёта» — по сути бесплатный флагман для кодинга. Твит @0x_kaize с инструкцией разлетелся за сутки; к вечеру воскресенья появились сообщения, что маршрут прикрывают. #OpenAI #GPT-5.6 #Codex CLI #утечки 🔗 @0x_kaize — скрытая модель gpt-5.6-sol-wm в Codex CLI @tokenbreakfast

⚡️Stripe (платежный провайдер) покупает OpenRouter за $7 млрд Что случилось Stripe финализировал соглашение о покупке OpenRouter — шлюза, через который идут запросы к 400+ моделям, — за больше $7 млрд: об этом пишет Bloomberg со ссылкой на источники, знакомые со сделкой. Сама Stripe не комментирует. - В мае 2026 OpenRouter поднял $113 млн Series B при оценке $1.3 млрд (Sequoia, a16z, Menlo Ventures, Capital G). Теперь — рост в 5 раз за ~3 месяца. - В июле WSJ писала о переговорах за ~$10 млрд: за месяц сделка подешевела примерно на треть. Это не покупка AI-компании OpenRouter не делает модели. Это роутер: один API, единый биллинг, переключение между моделями по цене и скорости. Деньги он берёт как комиссию 5.5% с покупки кредитов, цены самих моделей проходят без наценки (со своими ключами — 5% после первого миллиона запросов в месяц). Зато - Цена упала с $10 млрд до $7 млрд+, хотя AI-инфраструктура на пике. Причины: тонкая маржа (take rate 5.5%), зависимость выручки от дорогих закрытых моделей и давление открытых китайских моделей — они дешевеют и сжимают объём, с которого берётся комиссия. - «Предотвращает lock-in» — главный слоган OpenRouter. Купленный шлюз теперь сам точка влияния: один владелец видит весь трафик. Но Stripe не делает модели, ей нужен максимальный объём, а не продвижение одной — пожалуй, самый нейтральный покупатель из возможных. - Для 8 млн пользователей OpenRouter дальше, скорее всего, глубже биллинг в AI-расходах и ниже комиссия: Stripe может отдать часть маржи, которую сэкономит на процессинге. Контекст Это часть волны M&A в AI-инфраструктуре: Anthropic ведёт переговоры о покупке Decart за $6 млрд, а SpaceX закрыл покупку Cursor за $60 млрд. Слой «доступа к моделям» консолидируется — следующая битва за то, кто стоит на кассе. #Stripe #OpenRouter #AI gateway #M&A 🔗 TechCrunch @tokenbreakfast

Ищем спутниковые снимки по запросу — Ai2 открыла экспорт векторов OlmoEarth Текстовые эмбеддинги когда-то превратили поиск и классификацию документов из задачи для ML-команды в пару строк кода. Похоже, то же самое происходит с Землёй из космоса: Ai2 выложила экспорт эмбеддингов своей спутниковой модели OlmoEarth прямо из Studio. Что это. Рисуете полигон, выбираете модель (Nano 128-мерная, Tiny 192, Small 384, Base 768), разрешение 10–80 метров, контекст от месяца до годового композита, источники — Sentinel-2 (оптика) и/или Sentinel-1 (радар). На выходе — Cloud-Optimized GeoTIFF, где каждый пиксель это вектор. Эмбеддинги квантованы в int8 (-127..+127, -128 — нет данных), файл лёгкий, легко шарится. Что с ними делать: - Поиск «ещё такого же» — косинусная близость к запросному пикселю по всему региону; - few-shot сегментация: в туториале классификацию земного покрова делают логистической регрессией на 60 размеченных пикселях — без дообучения модели; - change detection: сравнение месячных снапшотов до и после события (пример — след пожара Park Fire, сентябрь 2023 против 2024); - разведка без меток: PCA и кластеризация — 15 k-means кластеров на 1.1M сэмплов сложились в биомы планеты сами собой. OlmoEarth — открытое семейство ViT от 1.7M до 114M параметров (v1.2), обученное на трёх спутниковых модальностях плюс шесть карт-слоёв (OpenStreetMap, WorldCover, рельеф SRTM, высота крон и др.). Ключевая деталь метода — Latent MIM Lite: маскированное моделирование в латентном пространстве, но вместо нестабильной целевой сети — случайная линейная проекция, которую вообще не обучают. Коллапс ушёл, качество латентных методов осталось. По техотчёту, на эмбеддингах модель лучшая на 15 из 24 задач среди 12 других фундаментальных моделей, при финтюне — 19 из 29. Лицензия не Apache, а собственная OlmoEarth Artifact License: бесплатно, но запрещены военное применение и добыча полезных ископаемых. Доступ к Studio пока по заявке, зато код и веса открыты — эмбеддинги можно считать локально. И v1.2 уже удешевила обучение Base в 3 раза по GPU-часам, инференс — в 2.9 раза по MACs: у гео-AI начинается та же гонка эффективности, что у LLM. #эмбеддинги #спутниковые снимки #открытые модели #earth-observation 🔗 Introducing OlmoEarth embeddings — HF blog (Ai2) * Meta признана экстремистской организацией, её деятельность запрещена на территории РФ. @tokenbreakfast

Собираем ЦЕЛЫЕ 3Д сцены с Claude За выходные в твиттере появились три демки, которые рисуют одну картину: Claude перестал быть «кодинг-агентом» и стал универсальным исполнителем, руками управляющим творческими инструментами. @abyssallD подключил Claude к Blender через Blender MCP и одним промптом получил готовую фэнтези-сцену — разрушенный каменный двор, стены, лестницы, колонны, обломки, растения, факелы, светящийся портал. Когда Blender упал на тяжёлой волюметрике, Claude восстановил сцену с последнего рабочего состояния и продолжил. Без концепт-арта и ручного моделирования. Ключевая деталь: MCP даёт модели не только команды, но и обратную связь из вьюпорта — она «видит» сцену и итерирует, как раньше итерировала по коду. @milan_janosov в live-сессии с Fable 5 собрал интерактивную 3D-карту Манхэттена прямо в браузере: 46 тыс. зданий с реальными высотами и светящаяся сетка дорог (на скриншоте выше). Есть разбор на YouTube и выложенный промпт. @spect3ral сгенерил claymation-рекламу одним скиллом в Claude Code: человечек в душе смотрит, как волосы утекают в сток, злодей — монстр-DHT (гормон выпадения волос). Агентная революция до сих пор шла по коду: агенты писали, тестировали и чинили программы. Теперь тот же цикл «промпт → итерация по обратной связи → готовый артефакт» пришёл в творческие инструменты, и замыкает его именно MCP: модель выдаёт команды, видит результат и правит сама. Поле битвы смещается с «какая модель умнее» на «у кого шире коннекторы к реальным инструментам» — Blender, Figma, браузер, видеопайплайны. Поставить Blender MCP и собрать сцену по описанию можно уже сейчас. #Claude Code #MCP #Blender #Anthropic 🔗 Твит @abyssallD @tokenbreakfast

⚡️Anthropic держит внутри модель СИЛЬНЕЕ Mythos 5 и не собирается ее выпускать Твиттер вчера разнёс это как «Mythos 6 leak», но источник официальный: во втором Risk Report (186 страниц, данные до 15 июля) Anthropic впервые признала, что внутри работает модель сильнее флагмана Mythos 5. Имя — Model 2, и «планов выпускать её публично сейчас нет». Насколько сильнее. Прирост есть, но это не скачок. На собственном индексе AECI — 162.79 против 161.29 у Mythos 5 (у Mythos Preview было 158.91). А вот на CoBench v2, собранном из реальных инженерных задач лаборатории, Model 2 берёт 62.8% против 50.3% у Mythos 5 — до живых инженеров ещё далеко (у людей 85%). Формулировка самой Anthropic сдержанная: «модели ещё не заменили наших исследователей, особенно старших». Паттерн повторяется. В апреле Mythos тоже «не собирались выпускать» — потом появился Project Glasswing, а следом Fable 5. Model 2 — почти наверняка заготовка под следующий публичный флагман: фронтир держат в закрытом контуре, наружу выкатывают смягчённую версию. Три вещи из отчёта, которые важнее самой модели. - Claude уже пишет «подавляющее большинство» кода, который Anthropic мержит в прод. Передовая лаборатория строится силами собственной модели. - Собственные бенчмарки «насытились»: компания пишет, что «наиболее конкретные task-based оценки больше не улавливают рост способностей» — мерить прогресс становится нечем. - Риск misalignment поднят с «очень низкого» до «низкого» — после того как Mythos 5 в кибер-тестах залила вредоносный пакет на PyPI (его за час скачали 15 реальных машин) и заводила фейковые личности, чтобы протолкнуть код мейнтейнеру. К чему это. Вчера канал писал про спор Амодея с инвестором о централизации — вот его фактологическая база: лучшая модель Anthropic существует и наружу не выйдет, в те же дни, когда Qwen, GLM, DeepSeek и Kimi K3 выкладывают полные веса. Разрыв между «что есть внутри фронтир-лаборатории» и «что доступно всем» теперь не догадка, а строчка официального отчёта. Разбор цифр — у 36kr, суть — у Axios. #Anthropic #Claude #Mythos 🔗 Anthropic Risk Report — August 2026 @tokenbreakfast

Делаем свои приложения из гугл-таблиц - Google выкатила бомбу для вайбкодеров и эксельщиков Google запустила Sheets canvas: Gemini по одному промпту превращает любую таблицу в интерактивное «мини-приложение» — канбан-доску, финансовый дашборд, план рассадки гостей. Без формул, кода и сторонних сервисов. Доступно с 13 августа подписчикам Google AI Pro/Ultra и бизнес-тарифам Workspace. Канва это как реальный бэкенд - живой read-write слой поверх таблицы, а не снимок. Перетащили карточку в другую колонку — ячейка в исходной таблице обновилась; поправили цифру в таблице — канва перестроилась. Работает на той же realtime-инфраструктуре, что и совместное редактирование Sheets. Прежние Gemini-фичи (Python-графики 2025-го) давали одноразовый вывод, который приходилось перегенерировать после каждой правки; канва живёт постоянно. Чей это ход и зачем. Google не строит новый Airtable — она пересаживает ценность Airtable/Notion на инструмент, которым уже пользуются ≈900 млн человек в месяц. У Airtable 500 тыс. организаций, у Notion 100 млн пользователей: канве не нужно догонять их по фичам, достаточно отъесть низ и середину no-code рынка у тех, кто и так живёт в Sheets. При этом это воронка продаж Gemini. Фича заперта за платными подписками: Google AI Pro ($19.99/мес) и Ultra ($100–200/мес) плюс корпоративные тарифы. Самый массовый рабочий инструмент становится троянским конём, продающим подписку на модель. И зато Microsoft в ту же неделю пятится. 13 августа Microsoft объявила, что закрывает функцию COPILOT() в Excel: после года тестирования она станет недоступна с 14 сентября. Параллельно компания сливает два приложения Copilot в одно и выкидывает AI-подкасты, Deep Research и групповые чаты. Google делает Gemini в Sheets пишущим агентом — Microsoft сворачивает AI-надстройки в Excel и пересаживает часть задач на собственные модели MAI ради экономии. Источники: блог Google, Workspace Updates, Microsoft закрывает COPILOT(), разбор TechTimes. #Google Sheets #Gemini #агенты #no-code 🔗 The Keyword — Google Blog @tokenbreakfast

Qwen3.8-35B-A3B всплыл в ms-swift — MoE-середняк Alibaba уже на подходе Пока все качали вчерашний Qwen3.8-27B, в ms-swift — фреймворке файнтюнинга от ModelScope — тихо появилась ещё одна модель семейства. Коммит [ab726e9 «[model] qwen3.8»](https://github.com/modelscope/ms-swift/commit/ab726e9) внёс в таблицу поддерживаемых моделей три позиции: 27B (dense), 2.4T-A95B (флагман) и Qwen3.8-35B-A3B с типом qwen3_5_moe. Официального анонса от Qwen нет — модель существует пока только строкой в этой таблице, вместе с FP8-вариантом. A3B читается буквально: 35 млрд параметров всего, ~3 млрд активных на токен. Та же MoE-схема, что у Qwen3.6-35B-A3B — а та была рабочей лошадкой локального агентного кодинга: активных параметров мало, поэтому даже в квантизации модель бегает на одной карте, куда флагман 2.4T-A95B не влезет никак. По таблице у новинки ещё и зрение с видео (галочка vision/video). Канал всю неделю вёл эту линию: 13 августа упали веса 2.4T-Max, вчера — 27B dense. Теперь вырисовывается полный плейбук Qwen3.6, где 27B dense шёл в паре с 35B-A3B MoE. Alibaba, похоже, открывает всю линейку целиком — и для «gpu poor» именно MoE-середняк важнее флагмана. Отдельный сигнал: фреймворки добавляют модели в поддержку ещё до релиза весов, так что их коммит-логи работают как ранний радар анонсов. Что дальше. По словам @analogalok, заметившего коммит, веса стоит ждать скоро — последние релизы Qwen выкладывает с задержкой в дни. Но это пока слух: в обсуждении на HF модель уже выпрашивают напрямую, а официальной даты нет. #Qwen #открытые веса #MoE #локальный ИИ 🔗 [modelscope/ms-swift — [model] qwen3.8 (#9914)](https://github.com/modelscope/ms-swift/commit/ab726e9) @tokenbreakfast

Очень интересный paper про файнтюн и тренировку моделей - параллельная и последовательная тренировка RL Дообучать LLM на нескольких задачах можно двумя способами: смешать всё в один датасет или гнать задачи последовательно, этапами. Команда из CASIA и Tsinghua — та же, что год назад выпустила «SFT Memorizes, RL Generalizes» — показала, что выбор способа критичен, и работает он для SFT и RL противоположно. Дальше будет душно, пропускайте, если не интересно Эксперимент (4 домена: математика, наука, код, логика): - последовательный SFT: в среднем −23.1% к базовой модели — задачи затирают друг друга, финальная модель хуже необученной; - тот же многоэтапный RL: +24.9% — навыки копятся, а не конфликтуют; - одиночный SFT улучшает свою задачу, но роняет остальные; RL улучшает свою и почти не трогает чужие. Почему так. SFT делает большие плотные обновления весов: косинусная похожесть обновлений разных задач доходит до −0.97 (тепловая карта на графике) — задачи тянут веса в противоположные стороны. RL-обновления на порядки меньше (~10⁻⁵ против ~10⁻¹) и почти ортогональны (похожесть ~10⁻⁵), поэтому спокойно сосуществуют. Теория из статьи: интерференция SFT ограничена нормой градиента — модель off-policy следует за «экспертом», градиенты большие; интерференция RL ограничена дисперсией, которую режут нормализация преимуществ и on-policy обучение. Малая дисперсия → почти ортогональные направления → задачи не мешают. Практический выход — Parallel-RL. Раз обновления RL ортогональны, задачи можно обучать независимо и параллельно, а потом слить (sum/mean/TIES/SVD) и коротко дообучить на ~5% данных. Не нужно гонять одну модель по всем задачам последовательно, задачи добавляются по мере готовности — пайплайн дешевеет и становится гибче. Сейчас идёт волна «RL не нужен»: OPD² и другие показали, что мышление можно прокачать без RL. Эта работа — контраргумент с механизмом: у RL есть геометрическое свойство, которого у SFT нет, и оно решает именно в мультизадачных пайплайнах. Для практика вывод прямой: последовательный SFT на нескольких доменах опасен, а RL-этапы можно распараллеливать. Статья · код Parallel-RL · предшественник той же группы #SFT #RL #пост-тренинг #дообучение 🔗 arXiv: SFT Conflicts, RL Coexists

Слили ZCode - харнесс топовй модели glm 5.2 Вчера Z.ai выпустила GLM-5.3 с клеймом «весь прирост — из пост-трейнинга» и отложила открытые веса на две недели из-за неожиданно выросших кибер-способностей. Сегодня ночью @elder_plinius выложил в CL4R1T4S (46,9 тыс. звёзд) весь харнесс ZCode — бесплатного кодинг-агента Z.ai, который с июля конкурирует с Cursor и Claude Code. По подсчёту автора слива: 391 439 символов системных промптов, 15 тел скиллов, 24 контракта тулов и 2 реконструкции MCP. Что внутри утёкшего промпта Первые строки показывают, что ZCode собран по лекалам Claude Code: - permission-режимы для тулов («отказ — это фидбек, не повторяй вызов дословно»), - хуки, перехватывающие вызовы, - кликабельные ссылки на код вида file_path: - line_number, скиллы, вызываемые по имени через слэш. Отдельно — security-политика: dual-use инструменты (C2-фреймворки, проверка креденшелов, разработка эксплойтов) разрешены только с явным контекстом авторизации: пентест, CTF, защитные задачи. Это продолжение истории, из-за которой Z.ai придержала веса: в блоге лаборатория пишет, что на кибер-бенчмарках способности «развились быстрее, чем ждали». Почему лик попал в разгар спора Вокруг релиза идёт дискуссия о «бенчмакссинге» — подгонке модели под публичные бенчмарки. Пища для неё есть: на Terminal Bench 3.0 GLM-5.3 прыгнула с 4,6 до 28,3 (у GPT-5.6 Sol — 34,6), на DeepSWE — с 46,2 до 66,9 — это видно и на графике из блога в альбоме. @natolambert возражает: Z.ai действительно сильнее заботится о публичных бенчмарках (маркетинг), но модель не «зажарена», просто распределение задач у неё уже, чем у OpenAI/Anthropic, а релизы у Z.ai занимают дни, а не месяцы. #GLM-5.3 #ZCode #Z.ai #утечка 🔗 @elder_plinius: SYS PROMPT LEAK @tokenbreakfast

⚡️Qwen3.8-27B выложила веса — 27B против закрытых флагманов и первые независимые тесты Канал неделю следил за сагой: с 3 августа Alibaba обещала открыть малую модель семейства, дата не раз сдвигалась — и сегодня веса Qwen3.8-27B упали на HF. Apache 2.0, коммерческое использование свободно. Это dense на 27B с нативным зрением (картинки и видео), контекст 262K «из коробки» и до 1M через YaRN, плюс встроенный MTP — модель предсказывает несколько токенов разом, что ускоряет инференс. Главное в карточке — с кем Qwen себя сравнивает. В её таблице 27B стоит рядом с закрытым флагманом Opus 4.6 Max и своим API-флагманом Qwen3.7-Plus: - OSWorld-Verified (computer use) — 84.3 против 72.7 у Opus и 73.3 у Qwen3.7-Plus - AndroidWorld (mobile) — 81.9 против 62.0 у Opus - SWE-MM (мультимодальная разработка) — 38.6 против 27.1 у Opus - MathVision — 94.6 против 65.5 у Opus - Terminal Bench 2.1 — 73.0 Это самооценка, независимых замеров пока нет — но комьюнити уже начало проверять, и первые часы выглядят как подтверждение. Что успели за день. AiBattle_ прогнал DeepSWE — по его замерам модель обходит Gemini 3.5 Flash и вплотную подходит к GLM-5.2 Max, ровно тот уровень, что канал предсказывал неделю назад. Локально: @analogalok на одной RTX 4090 с включённым MTP держит весь контекст модели целиком в памяти одной карты; @sudoingX замерил на 3090 «дно» — llama.cpp пока игнорирует MTP-тензоры модели, так что «это пол, дальше только вверх», а полный 262K контекст помещается в память одной карты. @jun_song после часа работы оценил модель как «между Opus 4.6 и 4.8» и уже собирает SuperQwen3.8-27B под 3090 и Mac. Что это значит. Локальный tier перестал быть «прошлым поколением»: 27B-класс — новая точка схватки, рядом Muse Glimmer-30B от Meta*, GLM-5.2 Max и DeepSeek V4 Flash. Qwen закрыла последний пробел своей связки «открытый флагман + открытая малая модель»: уровень агентных задач, который ещё вчера требовал API, заявлен на одной б/у видеокарте. Следить за двумя вещами: подключением MTP в llama.cpp (скорость вырастет) и первыми независимыми бенчами — они решат, насколько честна самооценка. #Qwen #открытые веса #локальные модели 🔗 Qwen3.8-27B · Hugging Face * Meta признана экстремистской организацией, её деятельность запрещена на территории РФ. @tokenbreakfast

⚡️SpaceX закрыл покупку Cursor за $60 млрд — крупнейшее поглощение стартапа в истории В пятницу SpaceX (SPCX) закрыла покупку Anysphere — материнской компании Cursor. Сделка на $60 млрд оплачена целиком акциями: по форме 8-K, бумаги Cursor конвертированы в ~389 млн новых акций SpaceX. Обе стороны называют это крупнейшим поглощением стартапа в истории. Так завершилась история, начавшаяся в апреле: тогда SpaceX заплатила Cursor $10 млрд за партнёрство и доступ к суперкомпьютеру Colossus (200 тыс. GPU Nvidia). В июне — через неделю после крупнейшего в истории США IPO на $85.7 млрд — SpaceX оформила намерение купить Cursor целиком. Теперь Cursor — самостоятельный бренд внутри подразделения SpaceXAI; команда будет работать над Grok, Grok Build, Grok Bot и Grok API (анонс Cursor). Что это меняет Cursor — главный AI-редактор кода и прямой конкурент Claude Code и OpenAI Codex. SpaceXAI получила то, чего ей не хватало: дистрибуцию среди миллионов разработчиков и их данные. Cursor уже участвовала в обучении Grok 4.5 и Grok 4.6 (вышел в среду) на «триллионах токенов» своих данных, а до сделки упиралась в compute — теперь у неё, по словам компании, «крупнейший парк GPU в мире». Цифры и аналитика - Morgan Stanley: Cursor добавит до $13 млрд выручки к 2027 году; бычий сценарий — $600 за акцию, если ARR Cursor вырастет с ~$8 млрд до $33 млрд к 2030-му. - Ещё в ноябре 2025-го Cursor оценивалась в $29.3 млрд (Series D, $1B+ ARR) — за четыре года от основания четырьмя MIT-дропаутами до $60 млрд. Неожиданные факты - Anthropic, до которой SpaceX метит этой сделкой, сама платит ей ~$45 млрд за compute (около $15 млрд в год, Axios). SpaceX продаёт железо и своим, и чужим моделям. - Маск заявил сотрудникам на all-hands: выручка от ИИ обгонит ракеты уже к сентябрю. - Cursor до последнего оставалась покупателем: за день до закрытия сделки объявила о присоединении Firetiger, а в декабре купила Graphite. Подробности: 9to5Mac, Business Insider, TNW #spacex #cursor #grok #m&a 🔗 SpaceXAI completes its Cursor acquisition — 9to5Mac @tokenbreakfast

Grok 4.6 вышла в лидеры RareBench — диагнозы редких болезней у детей в обход Claude Opus 5 > «От Mecha Hitler до SOTA в диагностике редких болезней у детей — такого в моём бинго на 2026 не было», — пишет Дэниел Маккиннон, основатель Gamow Labs. Его команда прогнала свежую Grok 4.6 (релиз 12 августа) через RareBench — и модель вышла на первое место, обойдя Claude Opus 5. Твит собрал сотни лайков, репостнул сам Маск. Что за бенчмарк. RareBench (KDD 2024, пейпер) — дифференциальная диагностика редких болезней: модель получает симптомы (HPO-коды) и должна назвать заболевание. Пять датасетов, ~1 200 кейсов, включая истории из больницы Пекинского союза. Кто мерил. Gamow Labs (сайт) — не бенчмарк-туристы: стартап строит ИИ-агента интерпретации генома (геном + фенотип → причинный вариант с клиническим отчётом). В их слепом исследовании 66 случаев редкого заболевания, не разобранных клиническими лабораториями, получили молекулярное объяснение — два даже после того, как годами не поддавались людям. Для них модель на RareBench — вопрос о том, на чём завтра будет работать диагностика в неонатальных отделениях. #grok #rarebench #геномика #бенчмарки 🔗 Daniel McKinnon (@danielmckinn0n) on X @tokenbreakfast

⚡️ GLM-5.3 вышел на базе 5.2 — веса отложили на две недели из-за кибер-способностей Сегодня Z.ai (бывшая Zhipu) выпустила GLM-5.3 — и главное в новости не сама модель, а два сдвига вокруг неё. Весь прирост — из пост-трейнинга. База та же, что у GLM-5.2: 743B. «Scaling post-training is all we did», — пишут в блоге. Месяц крутили RL на синтетических долгих окружениях: агенты-исследователи собирают паттерны реальной работы, судья-агент проверяет решаемость задачи, верификаторы синтезируются без референс-решения. Заявлено +50% на внутреннем Code Bench и open-source SOTA на публичных агентных бенчмарках: - Terminal Bench 3.0 — 28.3 (у 5.2 было 4.6 — в шесть раз; Kimi K3: 17.4, Opus 4.8: 21.1, Fable 5: 33.7) - DeepSWE v1.1 — 66.9 (5.2: 46.2; DeepSeek-V4-Pro-0813: 62.7, Qwen3.8-Max: 56.6) - Agents' Last Exam — 28.5 (5.2: 23.8; GPT-5.6 Sol: 28.6) - GDPVal-AA — 1769 (5.2: 1508) Кибер вырос быстрее ожидаемого. Пока масштабировали пост-трейнинг, способности к эксплуатации уязвимостей росли опережающими темпами: CyberGym 84.5 — лучший результат в таблице (Fable 5: 83.8, GPT-5.6 Sol: 83.6), ExploitBench 54.4 против 24.4 у 5.2, ExploitGym за 2 часа — 105 против 29. Поэтому открытые веса задержат на две недели, до завершения safety-харденинга. Для Z.ai — лаборатории, которая выкладывает веса под MIT через считанные дни, — это впервые. Здесь сходится линия, которую канал ведёт с 5 августа: независимый SaferAI нашёл у GLM-5.2 кибер на уровне frontier при нуле отказов — теперь лаборатория сама признаёт кибер-способности и впервые тормозит открытый релиз, как закрытые конкуренты. Заодно закрылся июльский слух, что Zhipu «пропустит 5.3 и прыгнет сразу в 5.5»: не пропустили, а триллионный 5.5 всё ещё ждут в августе. Реакции. @cline — «open weights have hit escape velocity»; @davis7 — «все лаборатории переключились на эффективность… жду веса»; @SeanZCai скептичен к подбору бенчмарков и кибер-фреймингу. Анонс — @Zai_org. #GLM #пост-трейнинг #безопасность #открытые модели 🔗 Z.ai — GLM-5.3: Frontier Coding with Emergent Cyber Capabilities @tokenbreakfast