Главное за 1 ноября 2026

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

Что важно запомнить

1
В проекте Memdoor выложен сценарий team-solve: одна копия модели разбирает условие, другие пишут варианты, ещё одна сверяет их и гоняет тесты. На сложной части бенчмарка LiveCodeBench — набора свежих соревновательных задач — такая пятёрка обходит Fable 5. В комментариях на Hacker News спорят о честности сравнения: пять прогонов маленькой модели стоят дороже одного запроса к большой.
2
В поданный файл вставили инструкции, которые человек не видит, но которые прочитает ИИ-помощник, обрабатывающий материалы дела. Суд счёл это попыткой повлиять на правосудие техническим способом и применил санкции. Разбор опубликовала Jetstream Security; обсуждение на Hacker News собрало 315 очков и свелось к вопросу, как суды будут проверять входящие документы на скрытый текст.
3
Агентам дали общую цель развивать поселение и свободный обмен сообщениями. Чем больше участников, тем выше доля сообщений к реальным действиям: малые группы ещё что-то строили, большие останавливались почти полностью, согласовывая роли и переспрашивая друг друга. Об эксперименте написал Tom's Hardware.
4
Речь о долгосрочной аренде датацентров и чипов на годы вперёд. Сумма собрана из разных разделов формы S-1 и может быть завышена, предупреждает автор разбора в канале «Сиолошная». Соотношение такое: выручка компании измеряется десятками миллиардов за полгода, зафиксированные обязательства по вычислениям — сотнями миллиардов.
5
Сейчас это два отдельных ограничения, и исчерпав запросы в Codex, можно было продолжать в веб-чате. После объединения подписка даёт один общий пул. Обсуждение справки OpenAI собрало 217 очков на Hacker News: формально лимит не снижают, но пользователи платных тарифов ждут, что доступного в чате станет меньше.
6
Сервис доставки одним из первых открыл агентам возможность оформлять заказ без участия человека в интерфейсе. Компания сама назвала цифру: несколько сотен заказов — это разрыв между тем, как часто говорят об агентских покупках, и тем, сколько людей доверили агенту тратить свои деньги.
7
Проект dsh-superagent следит за событиями в репозитории и сообщениями в Feishu, принимает задачи только от авторизованных участников команды и заводит под каждую отдельную рабочую сессию. Построен на DeepSeek Harness — собственном коде компании вокруг модели — и помечен как экспериментальный.
8
Тест собран из того, с чем автор приходит к помощнику каждый день: доработка функционала, выгрузка аналитики из базы, когда штатный отчёт не справляется, и интеграции 1С с внешними системами. Поводом к замеру стала потеря доступа к Claude, на котором он работал раньше.

Основные понятия

Промпт-инъекция: Спрятанная в тексте или на странице инструкция, которую языковая модель читает как приказ от пользователя и выполняет.
Токен: Кусок текста, на которые модель режет вход и выход; по токенам считают лимит окна и стоимость запроса.
LiveCodeBench: Набор свежих соревновательных задач по программированию, на котором проверяют модели; сложная часть набора отделена от простой.
Форма S-1: Документ, который американская компания подаёт в регулятор перед выходом на биржу: выручка, расходы, риски и обязательства.
JEPA: Архитектура обучения, где модель предсказывает не сами данные, а их сжатое внутреннее представление.