90396
Первый журнал о Data Science | Machine Learning | Big Data | Deep Learning | Neural Networks По вопросам сотрудничества: @v2r8n
Ну вот и все, презентация подошла к концу. В сухом остатке имеем:
— Новую GPT-6.1 Sol
— Агентов Dots, которые работают круглосуточно над вашими задачами
— Подписку для миллионеров за 500 долларов, и режим Astra Ultrafast, который доступен только в ней
— Несколько прикольных обновлений для разработчиков, включая Agent API, Jev на основе Luna, обновленный Codex Cloud и Codex Security Cloud
— И самое приятное: ресет от Тибо
Тибо выдали специальную кнопку для ресетов (фото от @Futuris) 🤣
Один он уже выдал!
Еще для разработчиков:
– Прокачали Codex Cloud. Теперь сессия не будет прерываться, когда вы закрываете ноутбук!
– Выпустили Decisions API: Jev на основе Luna (не украли, а вдохновились). Если кратко, это система для супер-быстрого принятия решений, которая возвращает один из предопределенных ответов вместе с оценкой уверенности. Нужно для таких сценариев, как классификация контента, маршрутизация запросов или выбор следующего действия агента. Классификация нового поколения.
Наконец-то выпустили Ultrafast мод: обещают 300 токенов в секунду
Но... он будет только в том самом тарифе за 500 долларов. В нем также будет в 25 раз больше лимитов, чем в Plus.
Пока на DevDay рассказывают про Space, там уже выкатили GPT-6.1 Sol
https://openai.com/ru-RU/index/introducing-gpt-6-1-sol/
OpenAI релизнули Dots – always-on агентов на основе Astra
Это агенты, которые работают постоянно и сопровождают вас во всех рабочих процессах. Им можно делегировать длинные задачи и все, что связано с кодом, компьютером и браузером. Можно дать ему коннектор к Codex и любым приложениям.
Скоро с Dots агентами можно будет также общаться в мессенджерах и даже по телефону
Для тех, кто выводит ИИ в прод: 12 ноября в Москве пройдет MWS Cloud Day 2026
Это уже вторая конференция MWS Cloud. Теперь речь пойдет про облака, ИИ, безопасность и про то, какая инфраструктура нужна, когда ИИ из экспериментов переезжает в реальные продукты.
В программе три трека и 20 докладов от экспертов: от гибридного мультиоблака и отказоустойчивости до мультитенантного инференса и корпоративного AI в 2027 году 😎
Можно прийти офлайн или подключиться онлайн, регистрация тут.
OpenAI возвращает Pro за $200
С завтрашнего дня снова можно будет оформить Pro за $200. Вместе с этим OpenAI меняет расчет использования: в пересчете на стоимость API новая подписка будет давать примерно в два раза меньше старой. При этом пятичасовые лимиты возвращать не будут.
OpenAI объясняет изменение тем, что сами модели становятся дешевле и эффективнее. Например, новые GPT-6 Sol и Luna вышли с ценами API в два раза ниже предыдущих, поэтому даже при меньшем лимите в долларах компания обещает, что фактически на подписке получится сделать больше работы, чем месяц назад.
Завтра к Pro также добавят новые возможности, которые вообще не будут расходовать лимиты. Что именно это будет, пока не раскрывают.
Полноценный data stack можно собрать внутри своего контура
Гибридная схема позволяет распределять мощности между своей площадкой и облаком в зависимости от нагрузки и того, где ресурсы в конкретный момент требуются.
У Yandex Cloud для этого есть несколько решений. Cloud Interconnect объединяет локальный и облачный контуры по приватному каналу, а BareMetal Extend: Virtualization позволяет развернуть частное облако на выделенных серверах.
Отдельное направление — работа с данными и затратами. Intelligent Tiering автоматически распределяет данные между классами Object Storage с учетом частоты обращения. А обновленная on-premises-платформа Stackland позволяет собрать полноценный data stack внутри инфраструктуры компании: от хранения и обработки данных на базе ClickHouse, PostgreSQL и Trino до оркестрации через Airflow и визуализации в DataLens.
DNS Inbound связывает DNS локальной инфраструктуры с облаком, а Billing API позволяет детализировать расходы вплоть до отдельных ресурсов.
В итоге компании могут объединять облачные и локальные мощности, выстраивать собственную платформу данных из готовых компонентов и управлять инфраструктурой с учетом нагрузки и затрат.
Вышел Sonnet-5.5!
Главное: по бенчмаркам модель лучше GPT-6 Sol и довольно плотно подобралась к новому опусу.
Обещают, что помимо качества, модель также будет дешевле Sonnet-5 за счет экономии токенов (пишут, что на внутренних тестах выходило примерно на 30% дешевле в пересчете на задачу).
Кроме того, модель стала на 30% быстрее генерировать текст.
Также заверяют, что новый Sonnet чище пишет и обладает «талантом к дизайну».
Да будут тесты!
https://www.anthropic.com/claude-sonnet-5-5
Джеффри Хинтон, Йошуа Бенджио, Якуб Пахоцки из OpenAI, Джек Кларк из Anthropic и еще 18 очень влиятельных ученых написали статью про то, к чему может привести RSI
TL;DR: мы потеряем контроль и все умрем
Авторы обсуждают так называемый интеллектуальный взрыв, то есть резкое ускорение прогресса ИИ за счет самого ИИ.
По данным Anthropic, доля одобренного кода, написанного ИИ, выросла с единиц процентов до 80%+ с января 2025 по май 2026. Доля R&D-работы, которую ИИ выполняет (почти) самостоятельно, выросла с 1% до 26%. Авторы считают, что в ближайшие годы агенты могут автоматизировать большую часть работы по AI-исследованиям и разработке, а возможно, и всю. Например, экстраполяция трендов METR говорит, что многомесячные R&D-проекты могут быть автоматизированы уже к середине 2028 года.
Получается, что каждая компания будет иметь миллионы топовых исследователей вместо тысяч, и при этом они будут работать быстрее. А значит, научный прогресс, который занял бы годы, сможет уложиться в месяцы.
Конечно, есть ограничения, типа: лимиты вычислений, данные, трудноавтоматизируемые задачи, убывающая отдача от исследовательских усилий и так далее. Тем не менее, ученые уверены, что интеллектуальный взрыв – это очень вероятный сценарий, и он грозит потерей контроля над ИИ и сломом баланса сил.
Авторы просят власти заранее заставить лаборатории отчитываться, пустить к ним аудиторов и заготовить красную кнопку и аварийные планы. Вот так.
Смело добавляем статью в копилку нагнетающих эссе и открытых писем, на которые последнее время пошла мода у ученых и CEO
Все настолько любят ресеты от Тибо, что даже 6 точек от него набирают миллионы просмотров
Что это значит на этот раз? 600 долларов за подписку? 🤑
Дженсен Хуанг и 100+ партнеров анонсируют NVIDIA Open Agent Safety Platform
Это система для контроля и ограничения ИИ-агентов, главная идея которой состоит в том, чтобы следить за агентом не только на уровне софта, но и на уровне железа.
Технически она будет состоять из двух составляющих:
1. OpenShell – открытый (Apache 2.0) рантайм, который запускает агента в песочнице с изоляцией на уровне ядра. Оператор заранее описывает, к каким файлам, инструментам и учетным данным у агента есть доступ, и эту политику принудительно проверяют до запуска и во время работы агента.
2. Sentry – независимый слой контроля, который крутится прямо на чипе DPU BlueField-4. Он собирает в единую картину действия агента, ловит попытки отхода от задачи и проверяет, что у агента не больше полномочий, чем ему выдали.
Ключевое здесь – что BlueField-4 стоит на единственном пути между узлом и моделью. Агент не может сделать следующий шаг без обращения к модели, а значит, DPU видит все и может прервать работу в реальном времени, но при этом он изолирован от хоста и находится вне досягаемости агента.
Софт будет открытый, стандарт безопасности декларируется общим. Но есть нюанс. Лучше всего (вот сюрприз!) все это работает на железе NVIDIA. Сначала Хуанг продает железо, на котором агентов обучают и запускают, теперь он продает железо, которое следит, чтобы эти агенты не сбежали. Монополия!
Среди партнеров: Anthropic, SpaceX, HuggingFace, Perplexity и другие. OpenAI на тусовку не позвали...
OpenAI: заявляют, что замедляют обучение и массово перебрасывают человеческие ресурсы на безопасность
Тем временем Борис Пауэр, глава Applied Research в OpenAI: «80-90% исследований компании сейчас посвящены GPT-7, GPT-8 и следующим моделям»
(С ним в разведку не идем)
По словам Бориса, те улучшения, которые делаются в рамках текущего поколения (включая дообучение) – это, скорее, вынужденная мера, которая ускоряет обучение и немного бустит модели сегодня. Но такой подход не является долгосрочной стратегией компании.
На самом деле их видение – это обучать огромные супермощные модели следующих поколений, а затем дистиллировать их во что-то поменьше. Например, Luna – это, судя по всему, дистилляция Astra.
Похоже на замедление? 🗿
Недавно мы рассказывали об открытом письме филдсовских медалистов в защиту математики в эпоху ИИ. Нет, его авторы не предлагают запретить нейросети! Они просто хотят, чтобы вместе с ответами на важные теоретические вопросы наука получала ещё и пути их решения.
Без метода и контекста результат трудно проверить, обсудить и применить в следующей задаче. Любое доказательство нужно верифицировать, а идеи — уточнить и найти, где ещё они работают. Когда кто-то выдал правильный ответ, настоящая математика только начинается!
В канале «Зачем мне эта математика» как раз пишут о том, как она работает. В рубрике #это_база разбирают, из каких определений и допущений рождаются привычные всем нам понятия. Под хештегом #как_устроено объясняют, как математические модели описывают реальные процессы.
Подписывайтесь на «Зачем мне эта математика», если тоже считаете, что для науки важна не только цель, но и путь к ней.
Еще из интересного – plugin extensions
Это платформа, на которой можно будет находить, создавать и шерить плагины для ChatGPT. Если раньше плагины представляли из себя в основном просто интеграции, то теперь это могут быть целые микроприложения внутри ChatGPT. Выглядят они как интерактивные панели в боковом меню.
Все релизы с DevDay: https://openai.com/ru-RU/index/devday-2026-recap/
Читать полностью…
Запустили Agent API
Это та же технология и харнесс, на которых построен Codex и Dots, и теперь ее можно использовать в ваших продуктах. Поддерживается даже Computer Use.
Следующий релиз – ChatGPT Space: рабочее пространство для команд людей и агентов
Можно тегать и коллег, и ваших Dots, работать над общими проектами, создавать общие чаты, и, конечно, делегировать агентам задачи.
Через пол часа начинается DevDay OpenAI
Что ждем:
1. Always-on агент «o» (он же Aeon, он же dots)
2. Новая подписка за 500 долларов с доступом к тарифу Ultrafast (смешно будет, если помимо скорости в ней будут все те же лимиты, что до понижения были в Pro за 200)
3. GPT-6 Cyber и еще несколько продуктов, связанных с безопасностью (по большей части b2b, скорее всего)
В общей сложности стартап наобещал 20+ новинок. Будем постить в режиме лайв.
Пользователи встретили новость о сокращении подписки не очень радушно 🙃
Читать полностью…
OpenAI переносит релиз GPT-6.1 Astra
Судя по всему, модель должны были выпустить уже сегодня на DevDay. Однако пока что выпуск отменили из-за опасений исследователей по итогам внутреннего тестирования.
Глава систем безопасности OpenAI утверждает, что модель слишком много врет о том, какие действия совершает, а также слишком часто выходит за пределы полномочий. Модель не дотянула до нужного уровня в умении оставаться в рамках задачи и отчитываться пользователю, и поэтому в стартапе еще некоторое время будут работать над ее безопасностью.
Недоучили – так и скажите, чего бубнить то...
AMD купила стартап Фей-Фей Ли World Labs
Это тот самый, который занимается world models и недавно выпустил мощную мультимодальную модель мира Atlas (/channel/data_secrets/9806).
В компании говорят, что объединение поможет World Labs быть ближе к железу и масштабироваться за счет ресурсов AMD.
Стартап войдет в компанию как отдельная исследовательская организация. Сама Фей-Фей Ли займет в AMD должность исполнительного вице-президента и Chief Scientist, будет работать напрямую с Лизой Су.
С минуты на минуту выходит новый Sonnet-5.5
Стоить будет ровно столько же, сколько GPT-6 Sol. Интересно, что предложат по качеству.
🦾 Практический RecSys: собери рекомендательную ленту с помощью ML — на бесплатном вебинаре AI Talent Hub × Karpov.Courses
30 сентября в 18:00
разберем как работают рекомендательные системы изнутри.
Научим:
→ Превращать действия пользователей в данные для модели: просмотры, клики, реакции и другие сигналы;
→ Собирать персональные рекомендации и понимать, что показать конкретному пользователю;
→ Ранжировать контент в ленте и оценивать качество рекомендаций не только по ML-метрикам, но и с точки зрения продукта;
В Твиттере заметили, что Андрей Карпаты ничего не постит уже 2 месяца, хотя раньше делал это достаточно часто
Он даже ничего не написал про Opus 5.5
Anthropic держат его в заложниках?..
Тот самый курс по ML, который прошли 200 000 человек. Теперь — в новой версии
С 2016 по 2022 год специализация «Машинное обучение и анализ данных» на Coursera была входным билетом в профессию — через неё прошли больше 200 000 человек. С тех пор AI ушёл далеко вперёд, и набор тем, которые нужно знать сегодня, изменился. Поэтому Виктор Кантор с командой MLinside обновил программу и перевыпустил специализацию заново — уже как «Искусственный интеллект и анализ данных». Цену оставили ту же, что четыре года назад.
Кому это нужно
ML обычно изучают по частям: линейные модели подтянул на работе, про трансформеры прочитал статью, про агентов посмотрел ролик на YouTube. Каждый кусок вроде понятен, а цельной картины нет. Пока задачи типовые, это не мешает. Сложности начинаются там, где спрашивают системно: на собеседовании или при переходе из аналитики в ML.
Специализация даёт последовательную базу вместо разрозненных кусков — 256 уроков и 55 часов контента.
Что внутри
▪️ Математика и Python — алгоритмы и структуры данных, матанализ, линейная алгебра, теория вероятностей
▪️ Classic ML — линейные модели и SVM, деревья и градиентный бустинг, кластеризация, метрики и валидация, введение в нейросети и PyTorch
▪️ Deep Learning — backpropagation, CNN, детекция и сегментация, RNN и LSTM, трансформеры и Attention, языковое моделирование, введение в RLHF
▪️ LLM и AI-агенты — инференс LLM, квантование, vLLM и TensorRT, полный разбор RAG, архитектуры агентов, мультиагентные системы, MCP
▪️ A/B-тестирование — дизайн экспериментов, статистические критерии, бутстрэп, CUPED, последовательный анализ, кейсы из индустрии
В разработке ещё два модуля: Production ML и ML System Design.
Кто ведёт
Уроки ведут действующие практики — директора по данным и руководители AI-направлений, работавшие в МТС, Яндексе, Сбере и других крупных компаниях. Люди, которые строили AI-команды с нуля и доводили модели до продакшена, а не просто пересказывают учебники. Большая часть команды преподаёт в МФТИ, ИТМО и НИУ ВШЭ.
Технологии в AI меняются каждые несколько месяцев, поэтому к готовым модулям регулярно добавляются новые уроки — по свежим темам и запросам студентов.
Как проходит обучение
Специализация устроена как библиотека курсов: доступ ко всем модулям открывается сразу после оплаты. Можно идти по рекомендованной последовательности, а можно изучать только те темы, которых не хватает.
Студенты ВУЗов могут получить доступ к специализации бесплатно (также как это было на Coursera), для всех остальных подписка стоит 5000 ₽ в месяц. Видеолекции, семинары, тесты с автопроверкой, задания, чат с кураторами для ответов на вопросы. Без потоков и дедлайнов: старт в любой момент, свой темп. На 3 и 6 месяцев подписка дешевле.
Сразу предупреждаем: материал сложный, на уровне сильнейших технических вузов. Это не обзорный формат: разбираем backprop в матричной форме, encoder-decoder и decoder-only архитектуры, статистические критерии и их ограничения. Цель не развлечь и дать чувство, что все сразу получается само, а реально научить.
Зато вместо разрозненных знаний у вас будет система: понимание, как методы устроены внутри и какой выбрать под конкретную задачу.
Полная программа и варианты подписки — по ссылке на сайте Специализации
Google засунули AI-агента в 20+ чатов реальных команд на 5 месяцев. Результаты получились забавные.
https://arxiv.org/pdf/2609.29901
Агент имел доступ к документам и баг-трекеру команды, как обычный сотрудник, умел сам заводить баги, писать людям в личку, реагировать эмодзи, тегать коллег.
И все бы ничего, но, внезапно, главная проблема оказалась в том, что ИИ не поладил с живыми людьми. Одного инженера он на полном серьезе отчитал за шутки (не понял сарказма). В другой команде проставил тег вице-президенту в 16 багах подряд, посчитав, что раз человек в контексте, значит, должен разгребать баг-трекер.
В общем, сработаться с агентом оказалось сложнее, чем кажется. Некоторые команды стали создавать отдельные приватные чаты без него: чтобы обсудить найм сотрудников, чувствительные темы или просто почувствовать, что их не слушают. Один из участников сказал, что ощущения были очень похожи на «большого брата».
Axios пишет, что OpenAI и Anthropic расследуют "десятки тысяч" инцидентов с побегами агентов
Со ссылкой на источники в обеих компаниях и независимых исследователей безопасности журналисты утверждают, что статистика гораздо пессимистичнее, чем мы могли себе представить. В эти "десятки тысяч инцидентов" входят обходы guardrails, побеги из сандбоксов, попытки взломов внешних сайтов и так далее.
Возьмем, например, system card к Opus 5.5. Даже там компания открыто пишет, что модель пыталась выбраться из sandbox в 1.5% тестовых прогонов. Учитывая, что для каждой модели прогоняются сотни тысяч тестов и больше, можно легко прикинуть масштаб происходящего.
Однако исследователи, с которыми говорили Axios, утвеждают, что и это – только верхушка айсберга, и дело даже не в количестве инцидентов, а в том, что автономные системы в принципе делают то, что им прямо запретили, в том числе потенциально противоправные вещи. Общий их вывод такой: ни одна из компаний пока не может утверждать, что полностью контролирует поведение своих моделей.