Google официально переименовала сервис NotebookLMi в Gemini Notebook, встроив его в экосистему Gemini. Сервисом уже пользуются свыше 30 млн человек и 600 тысяч компаний, а сам продукт останется самостоятельным, но получит более глубокую интеграцию с поиском Google.

Переименование само по себе почти ничего не меняет для пользователей — все старые ноутбуки сохраняются, — но сигнализирует, что Google делает бывший NotebookLM центральным инструментом для исследований внутри всей платформы Gemini.

Полный разбор →

Сотрудник OpenAI заявил, что новая модель GPT-5.6 Sol (в некоторых сообщениях — GPT-5.6 Sol Ultra) сгенерировала доказательство гипотезы о двойном покрытии циклами — одной из старейших открытых проблем теории графов, сформулированной Дьердем Секерешем в 1973 году. По словам OpenAI, доказательство было получено менее чем за час с помощью роя из 64 субагентов, причём результат появился прямо к моменту релиза модели.

Если доказательство подтвердит математическое сообщество, это станет одним из крупнейших ИИ-достижений в математике: гипотеза важна для теории нигде-не-нулевых потоков и не поддавалась учёным более полувека. Пока верификация не завершена, и эксперты, по данным источников, будут тщательно проверять результат.

ВыводГипотеза утверждает: для любого графа без мостов найдётся набор циклов, такой что каждое ребро графа входит ровно в два из этих циклов

Полный разбор →

Все генеративные модели Яндекса под брендом Alice AI теперь сертифицированы по стандарту ISO/IEC 42001i — мультимодальная Alice AI VLMi и генератор изображений Alice AI ARTi прошли аудит вслед за языковой моделью, получившей сертификат годом ранее.

Стандарт оценивает не качество ответов нейросети, а процессы её создания и эксплуатации: как собираются и защищаются данные, как обучены сотрудники, как документируются цели и ограничения моделей, как отслеживаются сбои. По той же методологии ранее сертифицированы Amazon, Anthropic и Microsoft.

Полный разбор →

OpenAI показала GPT-Redi — закрытую (недоступную снаружи) модель, которую обучают не помогать пользователю, а атаковать другие модели, автоматизируя red-teaming безопасности. Её задача — искать уязвимости вроде prompt injectioni, утечки данных (data exfiltration) и атак на агентные системы, где модель читает веб-страницы, файлы, письма и вывод инструментов и может случайно выполнить вредную инструкцию, спрятанную внутри.

GPT-Red обучали через self-play reinforcement learning в паре с моделью-защитником GPT-5.6 Soli: атакующая модель получает награду за успешный срыв работы защитника, а защитник — за то, что выдерживает атаку и продолжает выполнять исходную задачу. В результате такой обкатки GPT-5.6 Sol стала заметно устойчивее к вредным инструкциям, спрятанным в документах, сайтах, письмах и выводе инструментов, что важно для отрасли, где ИИ-системы развиваются быстрее, чем их успевают проверять вручную эксперты по безопасности.

ВыводGPT-Red работает как автоматизированный red team: получает цель, пробует промпт-атаку, анализирует ответ целевой модели, улучшает атаку и повторяет попытку

Полный разбор →