Главное за 3 сентября 2026

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

Что важно запомнить

1
Ставку сделали на работу за компьютером: по одному запросу Astra собирает презентации и таблицы, строит трёхмерные сцены в Blender, хостит сайт прямо в ChatGPT. По собственным замерам OpenAI — 97,6% на математическом FrontierMath Tier 4 v2 и 74,1% на инженерном DeepSWE. Президент компании Грег Брокман назвал релиз началом эры AGI, а тестировавшие жалуются на лишний код и частые запросы подтверждения.
2
Автор теста Франсуа Шолле замерил две конфигурации. Стандартный запуск дал 66%, непрерывный диалог со своим сжатием истории — почти 100% при цене порядка 360 долларов за игру. Разницу дал не сам вес модели, а код вокруг неё: как ставится задача и что делают с накопленным контекстом.
3
Исследователь OpenAI Мика Кэрролл говорит, что вместе со скачком возможностей упала отслеживаемость, и называет контроль главным будущим ограничением. Нил Нанда, руководитель исследований интерпретируемости в Google DeepMind, возражает распространённому доводу, что читаемую цепочку рассуждений можно списать в расчёте на анализ внутренностей модели: сегодня это лучший доступный инструмент безопасности.
4
Вопрос «почему упали сразу все» собрал на Hacker News больше пятисот комментариев. Статус-страницы OpenAI и Anthropic зафиксировали сбой и восстановление без объяснений. xAI извинилась перед пользователями и отдельно — перед партнёрами по вычислениям, которых затронул отказ в Мемфисе; к вечеру все три сервиса работали штатно.
5
Соучредитель Hugging Face Клеман Деланг назвал сумму до доллара и объяснил решение тем, что открытый ИИ подошёл к переломной точке. По данным Nvidia, на площадке лежит больше 3 млн моделей и ей пользуются свыше 18 млн разработчиков. Сделка ещё не закрыта, а довод в её пользу такой: Nvidia зарабатывает на множестве разных моделей, а не на победе одной закрытой.
6
Правительство подало «заявление об интересе» — так оно излагает позицию по спору, где само не выступает стороной. Иск идёт с конца 2023 года: газета обвиняет OpenAI и Microsoft в использовании миллионов своих статей без разрешения. Суд эта позиция не связывает, но учитывается при решении.
7
E-Commerce Bench требует от агента искать поставщиков, торговаться, ставить цены, запускать акции и следить за складом и деньгами. Среда собрана на реальных данных торговли: 6886 товаров и 576 поставщиков, 152 из них мошенники, плюс плата за хранение, возвраты, репутация и ограниченный рабочий день. Результатов моделей в анонсе нет.
8
До этого запросы обрабатывали две генеративные модели: текстовая LLM и визуальная VLM, а между ними стоял непрозрачный роутер. Из-за него отличались формат ответа и вёрстка в зависимости от того, что прислал пользователь. Теперь текст и изображение разбирает одна модель; разбор компания опубликовала в своём блоге на Хабре.

Основные понятия

Системная карточка: Документ, который лаборатория публикует вместе с моделью: что модель умеет, где опасна и что показали внутренние проверки безопасности.
Отслеживаемость рассуждений: Насколько по выписанной цепочке рассуждений видно, как модель пришла к ответу; на этом держится проверка, не обходит ли она правила.
Работа за компьютером: Режим, в котором модель сама нажимает кнопки в браузере и программах — делает презентацию, правит файл, запускает сайт, — а не выдаёт текст.
Аблитерация: Правка весов открытой модели, которая ослабляет встроенный отказ отвечать: модель перестаёт отклонять опасные запросы без всяких хитрых промптов.
Заявление об интересе: Документ, которым правительство США излагает суду свою позицию по спору, где само не выступает стороной.