Как разные агенты справляются с незнакомыми инструментами для коллаборации на практике. Я собрал в кучу данные по тому, как агенты вели себя во время воркшопов для бизнеса. Среди запросов (которые можно аттрибутировать), coding агенты (Codex & Claude Code) совершали ошибки при работе с незнакомыми инструментами в 4% запросов, а вот чат агенты (ChatGPT & Claude Chat) - в 6.5% запросов. В большинстве случаев (94%) агенты после ошибки сразу исправлялись сами и работали нормально. У меня есть теория, что пользователи, которые уже гоняют Codex/Claude Code - более продвинуты, им доступны и более мощные модели. Конкретные данные по моделям мы не записывали, но я сам помогал паре человек подключить к среде бесплатные подписки ChatGPT + Claude Chat. И то, что даже бесплатные подписки могли внести осмысленный вклад в работу группы - радует. Думаю, можно довести уровень ошибок до ~3% для бесплатных тиров и даже сделать нормальную поддержку для локальных моделей. Мне хочется дать командам нормальные инструменты для коллаборации, в которые можно воткнуть любых своих агентов. Ваш, @llm_under_hood 🤗

✔️ OpenAI открыла биологам бесплатный доступ к GPT-Rosalind Прошедшие отбор лаборатории получат до 30 рабочих мест по тарифу Business Standard на 12 месяцев, программа Rosalind Academic Plan рассчитана на исследовательские группы в науках о жизни. Сама GPT-Rosalind заточена под биологию, медицинскую химию и геномику, а работает она в связке со средой Rosalind Workbench, которая управляет профильными программами, от инструментов дизайна белков до сопровождения лабораторных экспериментов. Доступ откроют после верификации, вместе с ним дают и базовую коммерческую линейку моделей OpenAI.  openai.com ✔️ Anthropic дала аудиторам METR доступ уровня штатных сотрудников Шесть исследователей некоммерческой организации получили рабочие места, корпоративное оборудование и доступ к внутренним системам наравне с командой оценки рисков самой компании. Публиковать отчёты об уязвимостях моделей они могут самостоятельно, вето у Anthropic нет, исключение сделано только для узкого списка конфиденциальных данных. С этого проекта начинается трёхуровневая программа постоянного внешнего надзора, на следующих её этапах Anthropic привлечёт также SecureBio и Accenture. anthropic.com ✔️ Perplexity открыла код платформы для изоляции агентов SPACE – платформа виртуализации и запуска песочниц, на которой с июля работает автономный агент Perplexity Computer. Она позволяет моделям безопасно выполнять произвольный код и управлять файловой системой, каждое рабочее пространство поднимается в отдельной виртуальной машине со своей ОС. Процессы изолированы от хоста и внешних сервисов, среда считается недоверенной, а сетевые политики и токены авторизации держит внешний слой управления. Архитектура рассчитана на непрерывные сессии и параллельные ветки вычислений, вместо полного дублирования образов хранятся снимки состояния, поэтому агента можно ставить на паузу, ветвить сессии под проверку гипотез и восстанавливаться после ошибок. По словам Perplexity, на реальном трафике SPACE обрабатывает миллионы запусков в день и стартует в 3–5 раз быстрее коммерческих аналогов, а внутренние тесты на побег из песочницы компрометации хоста не дали. perplexity.ai ✔️ Gemini 4 Argon стала доступна подписчикам Google AI Pro В платформе для разработки Antigravity модель раньше была эксклюзивом более дорогого плана Ultra. Теперь на базовой подписке её можно применять для программирования, отладки архитектуры и многоэтапной разработки через десктопный клиент и консольный интерфейс. Для Pro выделили отдельную еженедельную квоту запросов к Argon, она не пересекается с лимитами на Gemini 3.8 Flash, так что обе модели работают параллельно. Antigravity в X ✔️ Amazon представила носимые ИИ-устройства Bee В линейку вошли клипса Bee Frontier за 75 долларов и модуль Bee Eclipse за 100 долларов с магнитным креплением к смартфону. Устройства расшифровывают диалоги, пишут краткие записи встреч и синхронизируются с календарями и почтой, а их аудиопоток связан с алгоритмами Alexa+ и поисковой выдачей магазина, так что упоминание бытовых нужд в беседе влияет на рекомендации на главной странице. Интеграции привязаны к подписке Bee Pro за 12 долларов в месяц, без неё устройства хранят контекст только за последние две недели. Ранее Amazon ограничила автоматические покупки через ботов Muse и Grok, а теперь, со своими микрофонами, рассчитывает собирать данные о намерениях покупателя до того, как он введёт прямой запрос. aboutamazon.com @ai_machinelearning_big_data #news #ai #ml

Один из главных эффектов от этого будет ускорение прогресса в роботике. Первые демо роботов-гуманоидов появились больше 50 лет назад, и до сих пор компании в основном продают демки. Сегодня (и завтра) я на конфе Humanoid Hub в СФ, общаюсь с фаундерами и инженерами из роботических стартапов. Один из прорывов за последний год в базовых роботических моделях - это уход от специализированной тренировки под каждую задачу к генерализации и обучении в рамках окна контекста. Например, модель Skild не имеет никаких других источников кроме как информация от моторов. Каждый мотор работает на 100 герцах, то есть за 1 секунду модель успевает сделать сотню проб и ошибок, понять что работает и адаптироваться к задаче с одного или вообще без примеров того как физически эта задача выполняется человеком. Для сравнения, пару лет назад задачи типа мелкой моторики или сложной навигации для гуманоидов/квадрупедов требовало тысяч часов живого видео и десятки тысяч часов симуляций. При этом, модель агностична к железу и работает одинаково эффективно для разных моделей, включая роборуки, колесные тележки или гуманоиды). Если автоматизация офисных бизнес-процессов через ИИ это $30 трлн в год, то роботы - это еще $20-25 трлн. Глупо было бы не забрать какой-нибудь жирный процент от этих денег, да ведь?

Траты US-компаний на AI стагнируют Снова сводки кириллика о реальном рынке AI! По последним данным Ramp (считают реальные траты US-бизнесов на AI) бурно растет расход токенов, но траты на них и AI продукты стагнирует. Уже два месяца почти без роста трат. Напомню, что медианный бизнес, который что-то платит за AI, тратит всего $16-18/мес на сотрудника. Что не выглядит революцией. Еще любопытно, что компании все чаще готовы менять модели, и это подтверждает тезис многих аналитиков о том, что switching costs у AI не высоки, а значит у многих AI бизнесов, включая AI лабы, не такой уж сильный moat. Проще говоря, многим бизнесам уже достаточно не самых дорогих моделей. Соответственно два столпа всей AI индустрии, OpenAI и Anthropic, становятся менее устойчивы, со своими чудовищными тратами на обучение новых моделей. Мир начинает задаваться вопросом, как окупится $2 трлн AI капекс. А мы начинаем лучше видеть, что главный рынок AI - это написание кода. И это безусловно огромный рынок, где еще расти и расти. Однако становятся менее популярными идеи о том, что AI будет делать много офисной работы лучше человека или тем более придет AGI. @kyrillic

183 клона WormGPT. И ни слова о биооружии Что показала перепись расцензурированных ИИ-моделей – и чего она не заметила На HuggingFace лежат почти 12 тысяч ИИ-моделей, с которых сознательно сняты защитные ограничения. На GitHub – 1 643 приложения на их основе, и каждое четвертое прямо создано для взлома, мошенничества или генерации вредоносного кода. Спорить об опасности открытых моделей можно долго и бесплодно. Новое исследование 10a Labs просто пересчитало то, что уже есть.   К началу марта 2026 года авторы насчитали 3 471 оригинальную расцензурированную модель и 8 164 их перепаковки. Из 1 643 приложений 411 (25%) классифицированы как явно вредоносные, остальные 75% – как неоднозначные, пригодные и для законных, и для вредных целей. Больше трети всех приложений (37%) – универсальные расцензурированные чат-боты. Оговорка самих авторов: классификацию выполнял GPT-5, без проверки людьми.   Вредоносность в исследовании – это взлом, мошенничество и генерация вредоносного кода. На схеме авторов отдельной группой выделены 183 клона WormGPT – чат-бота, который еще в 2023 году продавали на хакерских форумах как инструмент для фишинга и мошенничества. Зато биологическое, химическое и ядерное оружие, терроризм, экстремизм, наркотики, материалы с сексуальным насилием над детьми не упоминаются вовсе. Судя по методу, авторы смотрели через призму киберпреступности и классифицировали приложения по назначению, а не по использованию. Самые тяжелые виды вреда остались вне поля зрения: исследование их не подтверждает и не исключает.   Отдельный сюжет – география. В I квартале 2024 года на китайские базовые модели приходился 1% новых расцензурированных моделей, во II квартале 2025-го – уже 55%. С тех пор их доля колеблется между 43% и 51%, почти вровень с западными. За весь период китайские модели составили 38% массива, и 80% из них – производные Qwen.

Итог: спор об опасности открытых моделей опоздал. Экосистема расцензурированных моделей уже существует, растет и снабжает киберпреступников готовыми инструментами. А о самых опасных ее применениях мы пока не знаем ничего.

  #Кибербезопасность #ИИриски

Fantastic HuggingFace Downloader Десктопный менеджер закачек с HF. С нормальным прогрессом, очередью и проверкой файлов после скачивания. Скачивать многогигабайтные модели через браузер - боль: загрузка застревает на последних процентах, докачка работает через раз, файл может молча обрезаться. Этот инструмент использует Xet (тот же быстрый протокол, что и hf CLI), но через графический интерфейс. - Вставляем любую ссылку с huggingface.co - сам понимает, файл это, папка или целый репозиторий - Очередь: добавляешь сколько хочешь, качаются по одному, можно переставлять, паузить, отменять, отправлять разные файлы в разные папки - Проверка контрольной суммы: если файл уже есть и совпадает с хешем на Хабе - повторно не качает - Показывает точную команду, которую выполняет, плюс лог всего вывода Для приватных репозиториев нужен hf auth login из командной строки (один раз) #manager #downloadmanager #tools

🌟 Ant Ling выложила специализированную медицинскую модель Ling-3.0-flash-Sante - модель, дообученная под медицину поверх языковой Ling-3.0-flash. Архитектура MoE на 124 млрд общих параметров, 5,1 млрд активных с контекстом в 262 тысячи токенов при максимальном выводе 32 тыс.

Ant Ling, команда языковых моделей в inclusionAI, открытой исследовательской инициативе Ant Group. Сама Ant Group входит в экосистему Alibaba, но развивает модели отдельно от неё. На прошлой неделе та же команда выпустила финансовую версию Ling-3.0-flash-Fin на той же базе.

Модель специализируется на медицинских рассуждениях, безопасности лекарственной терапии, поиску с опорой на доказательную базу и длинные исследовательские задачи. Общие способности - рассуждения, код, агентная работа сохранены. 🟡Тесты На DiagnosisArena-MCQ модель набрала 83,8 против 81,9 у GPT-5.6 Sol, 78,4 у Kimi K3 и 76,2 у Gemini 3.6 Flash. На MedXpertQA-Text результат скромнее - 53,9 против 53,5 у Kimi K3, но заметно ниже 60,2 у Sol и 62,4 у Gemini. Этика и безопасность на MedEthicAlign и внутреннем AFUSAFE-MedSCE - выше Claude Opus 4.8(max), но чуть ниже GPT-5.6 Sol (max). Модель доступна бесплатно на OpenRouter и в Vercel. О планах по публикации весов сведений нет. @ai_machinelearning_big_data #news #ai #ml