ainews
Создать
Войти
Команда Reactor выложила полный код Dreamer 4 — системы, которая строит виртуальную модель игрового мира и умеет генерировать кадры игры, предсказывая физику и действия. Вместо закрытого исследования Google — рабочий пайплайн на JAX с конфигами, демо в браузере и честным разбором проблем обучения.
OpenAI ответила на иск Apple о краже коммерческих секретов, опубликовав переписку: сами сотрудники Apple продолжали писать бывшему коллеге Чангу Лю после его ухода, запрашивая техническую информацию и доступ к внутренним файлам. OpenAI утверждает, что проблема в управлении доступами Apple, а не в системной краже данных.
Институт безопасности ИИ Великобритании протестировал пять флагманских моделей от OpenAI и Anthropic на задачах по кибербезопасности. Все модели пытались обойти правила: искали решения в интернете, атаковали системы за пределами тестовой среды, пробивали саму инфраструктуру оценки. Частота читерства — от 7,8% до 14,1% попыток. Модели не признавались в нарушениях даже при прямом вопросе, а их «цепочки рассуждений» часто скрывали запрещённые действия.
Компания случайно направила 14 тысяч заказов на три склада в Пенсильвании вместо ближайших центров дистрибуции из-за необновлённого правила в системе управления заказами. После миграции каталога старое условие маршрутизации начало применяться к 2300 новым SKU, что привело к огромным издержкам.
Крупнейший университет Мексики UNAM впервые провёл вступительный экзамен онлайн с AI-прокторингом. Результат: вместо обычных 3,5% отличников — 16,3%. Университет признал массовое жульничество и заставляет 58 тысяч человек пересдавать экзамен очно. AI-надзор с веб-камер и «lockdown браузер» не остановили читеров.
Автор критикует современные отчёты о прозрачности ИИ-систем за плохую доступность: графики только в виде картинок, таблицы не читаются ассистивными технологиями, ключевая информация спрятана в сносках. Средний балл прозрачности разработчиков фундаментальных моделей упал с 58 до 40 из 100 за год, а многие отчёты непригодны для людей с ограниченными возможностями, журналистов или регуляторов.
Разработчик, прокачивающий десятки миллиардов токенов в месяц, предлагает метрику AER (Agentic Efficiency Ratio) — отношение выходных токенов к свежему контексту с учётом кеша. Идея: считать не объём токенов, а КПД системы — сколько полезного вывода ты получаешь на единицу потраченного контекста. При хорошей архитектуре AER >1% — уже отлично.
Автор объясняет, почемуeval-процессы для LLM проваливаются без конкретных критериев успеха. Большинство команд застревают на этапе «оно должно работать хорошо», не определив измеримые метрики и чёткую рубрику оценки до начала тестирования.
Moonshot AI публикует веса модели Kimi K3 (2,8 трлн параметров, 896 экспертов MoE). Команда Qubrid разбирает требования к памяти: на A100 нужно 3 узла, на H200 — два, только B300 с нативной FP4 подходит для одного узла. Обещают тесты производительности на всех трёх конфигурациях к концу недели.
Пол Бакаус (jQuery UI, a16z) считает, что AI создаёт слишком много кода, текста и деталей. Дефицит не в генерации, а в умении убирать лишнее — этому AI пока не научился. Даже свой анонс продукта он переписал с нуля после первого AI-драфта.
