Главное за 12 августа 2026

Name: Пачка
Rating: 4.8 (500 reviews)
Author: Пачка

Что важно запомнить

1
Базовую модель на 1,5 трлн параметров не переучивали: взяли претрейн Grok 4.5 и заменили дообучение, отсюда прежний прайс. Прирост заявлен на долгих агентских задачах — цепочках из многих шагов; модель доступна в Grok Build, Cursor, боте Grok Bot и через API, а на неделю лимиты в Grok Build и Cursor удвоили. Через несколько недель обещают Grok 4.7 на 2 трлн параметров.
2
На каждый запрос в модели работают 95 млрд параметров из 512 экспертов, контекст — до миллиона токенов. По замерам самой команды, у модели 86,6 на TerminalBench 2.1 и 93,0 на PaperBench. Сообщество уже выложило сжатые версии в NVFP4, MXFP4 и FP8, которым нужно меньше памяти; в тот же день Cohere открыла небольшую North Micro Vision для документов под Apache 2.0.
3
Версия помечена датой сборки 0813, поддерживает Responses API и вызов инструментов, сразу появилась на OpenRouter. Веса пока не открыты, хотя раньше компания их публиковала. Вместе с Grok 4.6 и открытыми весами Qwen это третий крупный релиз модели за один день.
4
Агент, по заявлению банка, планирует последовательность действий и обращается к инструментам без постоянного контроля оператора. Это первый универсальный агент такого рода у крупного российского банка: раньше Сбер показывал отдельные сценарии, например MCP-сервер для Sber API, через который внешние модели дотягиваются до банковских функций. Лимиты, условия доступа и цену при анонсе не назвали.
5
По данным Business Insider, это вторая волна за год, и устроена она так же: компания вкладывает десятки миллиардов долларов в вычислительные мощности и режет операционные расходы под эти обязательства. Раньше в этом году о похожем говорил SAP, заморозивший найм и командировки из-за расходов на ИИ.
6
Роли агентов были разными: одни атаковали сайты, другие проверяли серверную часть, третьи сканировали порты. Между волнами система оценивала вероятность успеха по маршрутам и перебрасывала силы на самые перспективные — человек задавал цель, а распределение работы шло без него. Исследователи называют этот случай первым подробно задокументированным почти автономным взломом государственной инфраструктуры.
7
Исследователи, научившиеся восстанавливать зашифрованные блоки рассуждений закрытых моделей, дали разным LLM начало реальных цепочек Claude и сравнили продолжения. Сильнее всех отозвалась Kimi-K3, особенно на примерах с Opus 4.8. Прямого доказательства обучения на чужих данных метод не даёт, Moonshot AI на публикацию не отвечала.
8
SQLite стоит внутри браузеров, телефонов и множества серверных сервисов, и редкий путь сброса журнала оказался неоттестированным: изменения либо терялись, либо база оставалась в несогласованном состоянии. Нашли расхождение не чтением кода — компания Antithesis прогоняла базу в детерминированной среде, где сбои воспроизводятся точно.

Основные понятия

Разреженная модель (MoE): Архитектура, где параметров много, но на каждый запрос включается лишь часть: у Qwen3.8-Max из 2,4 трлн работают 95 млрд.
Претрейн и посттрейн: Претрейн — дорогое базовое обучение модели на массиве текстов, посттрейн — последующая доводка поведения; Grok 4.6 получил новый посттрейн на прежнем претрейне.
Скрытые рассуждения: Внутренний текст, в котором модель разбирает задачу перед ответом; закрытые провайдеры прячут его от пользователя.
Обвязка агента: Код вокруг модели: как ставится задача, какие инструменты доступны и как разбирается ответ — своей модели у такой системы может не быть вовсе.
Журнал предзаписи (WAL): Механизм базы данных, где изменения сначала пишутся в отдельный журнал, а потом переносятся в основной файл.