ИИ

Я писал про бенчмарк RLI — Remote Labor Index от Center for AI Safety (США). Это один из самых дорогих в создании бенчмарков, для которого выкупили приватные проекты сотен фрилансеров на онлайн-платформе UpWork. RLI — самое лучшее прокси для оценки качества агентов в автоматизации такой работы из всех, что у нас есть, но, как и любой бенчмарк, это прокси не идеально. Цитирую отсюда:

Попросил GPT-5.2 Pro оценить, сколько потенциальной выручки может приносить каждый процент на этом бечмарке в среднем на основе рынка США. Вышло, что: — $13B (если брать только фрилансеров) — $30B (если просто брать зарплатный фонд удалёнщиков — $54B (если брать все задачи, которые могли бы делаться удалённо, но пока не делаются — тогда 100% это ~46% от всех зарплат в США)

Когда бенчмарк вышел, то лучшие решения набирали 2.5% (все оценки делались вручную, результаты агента сравнивались с работой живых людей). CAIS наконец-то обновили результаты, добавив самые свежие модели. GPT-5.5 и Opus 4.8 уже подскочили до 6.3%/8.3%, но Fable 5... взял 16%. Какие конкретно задачи научилась решать модель и что выдаёт можно глянуть в блоге CAIS, но TLDR: прокачали 3d & Cad, визуализации, редактирование видео. 16% и скачок с Fable — это потенциальная возможность сильно влиять на сектор удалённой работы с суммарными зарплатами в 100-800 миллиардов долларов в год с одних только США. Это не означает, что выручка Anthropic дотянется до такой суммы, но думаю, что эффект на экономику и работу будет заметен уже в следующем году. Плюс CAIS сказали, что попробуют улучшить оценки добавлением критика, который перед отправкой результата будет рассматривать, что сделала модель, давать обратную связь. В будущих исследованиях планируют более тщательно изучить влияние масштабирования количества вычислений и $ на выполнение задач. А пока что остановились на планке $50 на задачу для всех моделей и $150 на Fable. Это сколько часов работы фрилансера в США, 2? 3? 😇

Короче, ловите теорию заговора: а что если продавцы лопат (антропик, опенайай и прочие), специально тренят модельки таким образом, чтобы вместо полезной работы сливать токены в воду (типа вежливость, излишние разъяснения и все в таком духе). У всех же есть потокеновые тарифы и явно они не пашут в сильный убыток (да есть х50000 больше затрат на обучение, но с инференсом-то дела попроще). А так, ты сливаешь токены не в результат, а какую-то шляпу бестолковую. P.S. Тут просто появился агентный скилл caveman, который заменяет стиль общения с такого:

Да, вы абсолютно правы, в коде действительно есть баг, который я пропустил. Извините, что сразу не заметил его. Я всё исправил. Теперь код работает без проблем.

На такое:

Баг найти. Баг исправить. Хороший код.

И это экономит токены на 75% 😂 Еще есть lora под локальную Gemma4-31b

https://t.me/ai_machinelearning_big_data ✔️ МТС и НИУ ВШЭ открыли набор на третий поток магистратуры по ИИ МТС и факультет компьютерных наук НИУ ВШЭ объявили о старте набора на третий поток магистерской программы «Исследования и предпринимательство в искусственном интеллекте». Обучение пройдет в московском кампусе ВШЭ, для студентов предусмотрено 30 оплачиваемых мест от компании. Программу обновили с учетом запросов рынка. В нее вошли курсы по генеративному ИИ, интеллектуальным агентным системам, проектированию ML-систем, а также дисциплины по большим языковым моделям, машинному обучению и видеоаналитике. Лучшие студенты смогут получить приглашение на стажировку или работу в МТС Web Services еще во время обучения. Заявки можно оставить по ссылке. @ai_machinelearning_big_data

📱 Anthropic вернула доступ к Fable 5 и Mythos 5 Минторг США отозвал экспортные ограничения, из-за которых топовые модели Anthropic (класс Mythos, выше линейки Opus) были недоступны всем иностранцам, включая сотрудников компании внутри США. Что известно: ✧ ограничения ввели в июне из-за рисков: модель пытались использовать для получения данных, применимых в кибератаках, плюс опасения по поводу доступа группы, связанной с Китаем ✧ контроль сняли после того, как Anthropic взяла обязательства - сама выявлять риски, сообщать о вредоносной активности и работать над стандартами для будущих моделей ✧ доступ обещают восстанавливать в ближайшие дни, плюс отдельное обновление позже Раньше экспортный контроль касался чипов и оборудования. Теперь он впервые прилетел по самой ИИ-модели - прецедент, за которым стоит следить. #anthropic #claude #fable5 #mythos5

Anthropic внедрили шпионское ПО в Claude Code, чтобы помечать пользователей из Китая 💀 Исследователи обнаружили, что Claude Code анализирует часовой пояс, прокси и домен подключения, а потом незаметно помечает запросы скрытыми Unicode-символами. Anthropic говорит, что это нужно для борьбы с обходом экспортных ограничений и массовой дистилляцией моделей. Но в Х возмущены «скрытым шпионским ПО» внутри инструмента, которому доверяют. Более того, рисовые братья пишут, что Anthropic еще и вставляет трекинг-пиксель в письма о блокировке — он срабатывает при открытии и может дополнительно подтверждать местоположение. В соцсетях уже призывают не доверять компании, которая проворачивает такое, и представить, какой шум поднялся бы, если на месте китайцев были, например, евреи. Это уже даже больше похоже на ИИ-войну, чем на гонку. 👻

OpenAI выложил большое исследование о переходе к агентному ИИ Живая статистика использования (OpenAI + Wharton, Columbia, Duke). Сравнили три аудитории: частники, организации и сами сотрудники OpenAI – последние это витрина будущего, где трения адаптации убраны. Сколько работы реально идёт через агента, а не через ChatGPT (доля токенов): – сотрудники OpenAI — 99,8% – организации — 63,3% – частники — 16,5% Люди уже не спрашивают совета, а поручают работу – и задачи усложняются: – доля частников с запросом на 8+ часов человеческой работы выросла с 2,1% до 25,6% с начала года, почти в десять раз – самое сложное кидают в начале сессии, дальше идут уточнения Ядро пользователей – разработка, но не только генерация кода: разобраться в чужой системе, настроить окружение, проверить изменения, документация. У среднего инженера в организациях 26,8% токенов через Codex (впятеро больше, чем в январе), а среди тех, кто им реально пользуется, – 88,3%. Интенсивные пользователи строят параллельные воркфлоу: – 67,4% организаций и 63,9% частников не запускают агентов параллельно вообще – у OpenAI 28,6% в какой-то момент недели держат 5+ агентов сразу. Доля вызвавших хотя бы один skill выросла с 5,4% в марте до 26,6% в июне (частники 25,7%, организации 30,4%, OpenAI 96,2%). Результат: с ноября по июнь объём токенов у медианного сотрудника OpenAI вырос минимум в 10 раз в каждой функции – у юристов в 13, у исследователей более чем в 50. Авторы тянут параллель с электрификацией заводов: прирост пришёл не когда паровой двигатель заменили электромотором, а когда перепроектировали сам цех. С агентами то же, но перестройка воркфлоу стоит копейки – поэтому пойдёт быстрее. Короче, меняется единица измерения: DAU, чаты и сообщения больше ничего не значат – мерить надо сложность делегированных задач, время работы агентов и параллельность. Ценность человека смещается с «уметь сделать» на «поставить, проверить, скоординировать». Соответственно ценность – готовность перестроить процессы под делегирование задач ИИ и верификацию. https://openai.com/index/how-agents-are-transforming-work/

✔️ Cognition разработала архитектуру, которая снижает затраты на программирование на 35% Американская лаборатория прикладного ИИ представила гибридную архитектуру Devin Fusion для автоматизации кодинга.

На бенчмарке FrontierCode система снижает затраты на генерацию кода на 35% без падения качества.

Devin Fusion использует динамическую маршрутизацию и концепцию напарника. Система оценивает сложность задачи в реальном времени и переключает запросы между моделями с применением сжатия контекста. Тяжелая LLM планирует архитектуру, уточняет требования и проводит ревью. Легкий агент пишет базовый код, тесты и валидирует результаты. Для предотвращения конфликтов модели используют независимые кэши контекста.

В связке с GPT-5.5 и Claude 4.8 Opus архитектура экономит больше трети ресурсов, с Fable 5 - до 41%.

Внутри Cognition гибридная маршрутизация уже закрывает 88% успешных PR.

Главное ограничение системы в кейсах со сложной бизнес-логикой (например, в связке React/Redux). Избыточное делегирование кросс-файловых задач младшей модели снижает результативность почти в 2 раза.

Devin Fusion доступен только на платформе Cognition. @ai_machinelearning_big_data #news #ai #ml

Сегодня написала небольшой сторител в нельзяграме* про то, как тащусь искать —sref стили в Midjourney🧿 Тут тоже оставлю 1️⃣Во время поиска и тестирования —sref удобно использовать возможность Google Chrome параллельно открыть вкладки, в одной ищите а в другой сразу видите результат теста) 2️⃣Для теста стиля лучше использовать простые короткие промпты, чтобы они не разбавляли влияние стиля, не тащили свои цвета, искажения камеры, чтобы заточенный под иллюстрацию стиль не пытался сделать фотографию 3️⃣Классно миксовать —sref стили, потому что из одного стиля могут подтягуться текстуры и материалы 3D, а из жругого например цветные яркрие градиенты и блюр 4️⃣Не забывайте применять команду —preview, она тоже сильно влияет на результат, делает результат более рекламным и контрастным 5️⃣При одном простом промпте, за счёт —sref мы получаем такие разные результаты по цвету, свету, материалам, текстурам и даже сюжетам: в одном случае кактус становится живым персонажем, в другом-стикером, в третьем реальным цветком в горшке или макро текстурой растения 6️⃣Поиск стилей прокачивает насмотренность, помогает лучше понять способности нейросети, помогает перенести стили в виде мудбордов в другие нейросети, например, в Higgsfild и Krea2, формирует библиотеку стилей на все случаи жизни с разными задачами, будь то иллюстративная графика, 3D персонаж, сет-дизайн Ещё стили в комментах😐 *Принадлежит компании Meta, признанной экстремистской организацией, деятельность которой запрещена на территории РФ. Больше промптов, стилей и материалов уже на платформе, подписку оформить здесь 💥 🙏 доступ к закрытому каналу; 🔥 приоритетная поддержка; ❤️ консультации по материалам; 🐱 помощь в достижении лучших результатов 😈 первыми узнаёте о новинках в нейросетях #sref Буст канала 🙌 @atouchdesign

📱 Sonnet почти дотянулся до Opus и не подорожал Anthropic выпустила Claude Sonnet 5: агентная модель нового поколения, которая по части бенчмарков вплотную подошла к флагманской Opus 4.8. Уже стоит моделью по умолчанию в бесплатном и Pro-тарифах Claude. Что цепляет: ✧ SWE-bench Pro вырос с 58 до 63% ✧ Вводная цена в API - $2 за вход и $10 за выход ✧ Модель реже застревает и сама прогоняет тесты Цена явно рассчитана на быстрый разгон использования - после 31 августа тариф вырастет в полтора раза, и тогда станет видно, останутся ли объёмы на прежнем уровне. 🔗 Разобрали, что стоит за цифрами и в чём подвох с ценой #Anthropic #Claude

Свадьбы не будет. Пистолет. Собака. Сначала думал просто повторить тренд с тачкой на берегу, а потом как обычно по своей же схеме решил добавить деталей (в этот видеуроке все объяснял). И понеслось! Процесс меня затянул на несколько часов 😁 Связка для оживления изображений: Seedance 2 + Google Omni Flash + Grok Imagen 1.5. Мой диалог сам с собой: — Что-то скучно. Какой детали не хватает? — Давай усилим эмоцию боли - пусть герой пинает костер, швыряет стул, бьет кулаками песок. — О, давай. Может еще что-то? Например пистолет! — Так, а что герой будет делать с пистолетом? Поедет к бывшей? Или ... — Нет, просто лежит в авто. Каждый сам додумает — Окей. Но надо все-таки вывести историю в позитив... Собака! — При чем тут собака? — Пусть она появится как знак свыше и вытащит героя из плохого состояния. — Вот теперь пазл складывается. Любовь повсюду. В итоге вместо обычного тренда получилась небольшая история. С безответной любовью, переживаниями, моментом, когда герой сдается, и к нему на четырех лапах приходит бескорыстная любовь. Как вам?

Claude Sonnet 5: сильный агентный апгрейд, но не очевидная замена Opus Anthropic представила Claude Sonnet 5 — новую модель из линейки Claude, доступную в том числе пользователям бесплатного тарифа. Она ориентирована на агентные задачи, программирование, работу с инструментами и корпоративную автоматизацию. По данным Artificial Analysis, Sonnet 5 набрала 53 балла в Intelligence Index и стала моделью №5 в рейтинге по общему интеллекту модели. Она отстает от GPT-5.5 и Claude Opus 4.8 всего на 2–3 балла, от Fable — на 7 баллов, а по сравнению с Sonnet 4.6 прибавила 6 баллов на максимальном уровне рассуждений. В кодинге прирост тоже заметен. Cursor сообщил, что на CursorBench — тесте реальных многофайловых задач из Cursor — Sonnet 5 набрала 57% против 49% у Sonnet 4.6. Но главный нюанс — стоимость. В тестах Artificial Analysis одна задача на Sonnet 5 при стандартной цене API стоила примерно в 2 раза дороже Sonnet 4.6 и на 15% дороже Opus 4.8. Причина — повышенный расход: Sonnet 5 генерировала на 40% больше выходных токенов и делала примерно в 3 раза больше агентных шагов на выполнение рабочих задач: поиск информации, анализ документов и подготовку решений. На стоимость влияет и новый токенизатор. Simon Willison проверил одни и те же тексты и получил рост числа токенов на входе: английский текст стал тратить примерно в 1.4 раза больше токенов, испанский — в 1.33 раза, Python-код — в 1.28 раза. Для упрощенного китайского текста разницы почти не было. CodeRabbit тоже дает смешанную оценку. Для ревью кода Sonnet 5 стала точнее: precision вырос с 29% у Sonnet 4.6 до 38–40%. Но по нахождению багов результат хуже: Sonnet 5 нашла около 51% багов, а Sonnet 4.6 — около 63%. Усиление глубины рассуждений почти не улучшало результат, а стоимость при этом почти удвоилась. Вывод: Claude Sonnet 5 стала сильнее Sonnet 4.6 в кодинге и агентных задачах, но это не делает ее новой флагманской моделью Anthropic. Opus 4.8 по-прежнему сильнее в сложных задачах на глубокие рассуждения, а Sonnet 5 обходит его только в двух бенчмарках из десятков. Зато Sonnet 5 доступна пользователям бесплатного тарифа Claude. #AInews

⚡️ Инженеры AI VK выкатили нейропоиск Discovery AI. Это не банальный чат-бот, а движок для рекомендаций, который ищет ответы строго внутри контентной базы продуктов VK. Система учитывает интересы пользователя внутри сервисов, обрабатывает до 3 000 поисковых запросов в секунду и выдает релевантный ответ меньше чем за полсекунды. ​Внутри — собственная LLM и целая цепочка ML-моделей, которые обучили на миллиардах примеров пользовательских запросов. Движок работает на единой Discovery-платформе и позволит усилить персонализацию контента с учетом данных из разных сервисов VK. Технологию можно адаптировать под разные сценарии. Например, в дейтинге для поиска потенциальных мэтчей по определенному запросу или в рекомендациях контентных сервисов: подобрать музыкальный плейлист или выбрать фильм на вечер. Обновление поэтапно появится в VK Видео, Медиапроектах Mail и других продуктах VK. @ai_machinelearning_big_data #news #ai #ml

Долго переписывался с поддержкой Runway, чтобы понять, как у них все же работает режим Unlimited. В итоге вытащил из них очень обтекаемый ответ, но все же запощу, чтобы вы понимали, как все работает: "Наша платформа балансирует использование Explore Mode таким образом, чтобы он всегда был доступен в определённом объёме для всех подписчиков тарифа Unlimited. Из-за этого иногда генерации могут занимать больше времени, а количество одновременных генераций ограничено. Дополнительные задержки и ограничения зависят от общей загрузки наших сервисов. Credits Mode — это более быстрый вариант с тем же качеством генерации и без ограничений по одновременности. Вы можете переключаться между режимами в любое время. Коротко: если генерация долго висит на 0% в ваших ассетах, это, скорее всего, означает повышенную нагрузку на систему, и генерация может занять больше времени на запуск и завершение. Вы можете дождаться её завершения или отменить генерацию. Обратите внимание, что отмена не ускорит новые генерации, но вы всегда можете переключиться в Credits Mode для более быстрой генерации. Кредиты, включённые в ваш тариф, обновляются каждый месяц именно для таких ситуаций." Ну и резюмируем прекрасное: в месяц на тарифе Unlimited дается 3400 кредитов. 1 видео на 10 секунд в качестве 720p стоит 360 кредитов. То есть за 95 долларов вы можете сделать 10 видео, а значит 1 видео стоит $10 долларов. Экономика должна быть экономной. p.s. Тариф Unlimited Runway отменили (он действует до сентября — а там посмотрим, что будет). Вместо него предлагают тариф Max. Там 9500 кредитов. Значит за 95 долларов мы можем сделать 26 видео по 10 сек в качестве 720p. А значит 1 видео на 1 сек стоит $3,6.

🍫Голос Вонки воскресили нейросетью Netflix готовит реалити по вселенной «Вилли Вонки» — шоу Wonka's The Golden Ticket, премьера назначена на 23 сентября. Формат в духе их же хита по «Игре в кальмара»: настоящее соревнование, выстроенное по мотивам выдуманной истории. Декорации, судя по тизеру, реальные. А вот закадровый голос — нет. Его сгенерировал ИИ, воссоздав интонации Джина Уайлдера, легендарного экранного Вонки. По данным Deadline, над озвучкой Netflix работал вместе с ИИ-студией ElevenLabs. Что важно, с согласия семьи актёра. Само шоу обещают как «социальный эксперимент с высокими ставками»: 12 обладателей золотых билетов приходят с напарником на свой выбор, а спустя неделю, в двухсерийном финале 30 сентября, остаётся один победитель. @droidergram

Еще Антропики вернут модель Fable 5 в общий доступ уже сегодня/завтра, но с обновленной системой безопасности и ограничений: 1. Если запрос явно вредный или двусмысленный то модель автоматически переключится на Opus 4.8 При чем не понятно как это будет оцениваться, и сколько будет ложных срабатываний. Но эта фраза не воодушевляет:

Лучше заблокировать часть нормальных запросов, чем пропустить опасные. — Anthropic

2. Отдельно встроили очень хитрый способ детектить китайских юзеров: 1/ По дефолту Claude Code перед каждым запросом собирает контекст среды для системного промта 2/ Туда входит строка Today's date is 2026-06-30 3/ Дальше идет проверка часового пояса на предмет Asia/Shanghai или Asia/Urumqi 4/ Если часовой пояс совпал то дата меняется с 2026-06-30 на 2026/06/30 5/ Дальше прокси запроса проверяется на .cn и ключевые слова китайских компаний (deepseek, minimax и тд) 6/ Если ключевые слова тоже совпали, обычный апостроф в Today's меняется на другой похожий Unicode-символ 7/ И вся эта инфа пересылается в официальный Anthropic API В итоге по одной неприметной фразе про дату можно поймать: китайский часовой пояс, подозрительный домен, китайскую AI-инфраструктуру. Гениально. Сам Fable будет доступен всего до 7 июля, дальше за токены. При чем лимит на использование теперь 50% от лимита сессии а не 100%. Ждем? ☕️ @tips_ai #news

Экономия на ИИ: плагин Caveman сокращает расходы на токены в три раза Каждое слово, сгенерированное нейросетями в ИИ-помощниках вроде Claude Code или Gemini, стоит разработчикам определенного количества токенов. Поскольку современные языковые модели склонны к длинным ответам и лишней вежливости, программисты начали использовать плагин Caveman. Расширение заставляет искусственный интеллект общаться в стиле пещерного человека, используя только самые важные слова по сути проблемы. Ответы ИИ выглядят максимально упрощенно, например: «Баг найти. Исправить. Отличный код». Такой подход позволяет полностью сохранить технический смысл рекомендаций, но при этом экономит около двух третей токенов. В результате компании и частные разработчики сокращают свои расходы на оплату API-интерфейсов нейросетей почти в три раза.

😢 Новые модели нам больше недоступны Все вы прекрасно знаете про историю того, как Anthropic выпустили и Fable, и Mythos модели, а потом правительство сказало: «Ай-яй-яй, нельзя так». И вот мы уже сколько времени сидим без этих моделек. Кстати, ближайшее время они всё-же вернутся, но не на долго. Но благодаря всей этой заварушке с правительством, мы не получили с вами новую версию GPT-5.6. 😩 Потому что она уже готова, уже есть бенчмарки, есть пресс-релиз, но доступна только для узкого круга лиц. 🤷‍♂️ Причины те же самые — не хотят получить бан от правительства. 😅 А ещё на днях вышла Sonnet 5, которая вроде как должна быть быстрой, дешёвой, но… Но по факту она жжет сильно больше токенов чем Opus и поэтому по итогу получается ДОРОЖЕ! 🤯 Это, кстати, вообще интересное отличие между OpenAI и Anthropic. OpenAI очень заморачиваются на эффективность токенов для решения задач. Если посмотрите все бенчмарки, модели от OpenAI тратят сильно-сильно-сильно меньше токенов. И в итоге решение получается сильно дешевле. При этом Anthropic же как будто бы пошли по пути: «сжечь вообще все токены, которые существуют, лишь бы решить задачу». 🥴 Мне лично больше нравится подход OpenAI. 🤔 А вам? Свята место | 10МДК | ВЕБМастер | YHub

Anthropic начинает разработку лекарств от «забытых» болезней с помощью ИИ Anthropic объявила о запуске собственной программы по разработке лекарственных препаратов с использованием ИИ. Компания нацелена на заболевания, которые не получают финансирования из-за низкой коммерческой привлекательности. Одновременно представлен Claude Science — набор ИИ-инструментов для биотехнологических и фармацевтических исследований. Anthropic все активнее осваивает сферу здравоохранения, но её путь будет зависеть от способности работать с регуляторами и клиническими испытаниями. https://hightech.plus/2026/07/01/anthropic-zapuskaet-programmu-razrabotki-lekarstv-ot-zabitih-boleznei-s-pomoshyu-ii