AI, machine learning and LLM insights.
OpenAI’s GPT-5.6 Sol hit 38.3% on ARC-AGI-3 using proprietary Retained Reasoning and Compaction settings, but the same model fell to 7.8% on the benchmark’s public harness, sparking a debate over fair evaluation and the role of inference-stack tricks.
Локальная ИИ-платформа Siemens не только вдвое сокращает количество незапланированных остановок, но и снижает исходящий трафик примерно на 95%, обеспечивая предприятиям явное преимущество в условиях нестабильного интернет-соединения.
The guide walks manufacturers through defining a narrow pilot, gathering linked AOI images with verdicts, and deploying the AI ranking engine in parallel with existing inspection flows, delivering measurable drops in false-call rates and inspection time.
OpenAI’s 38.3% success rate drops to 7.8% when the model is evaluated with the official ARC-AGI-3 harness, showing that its advantage comes from two inference-time tricks – retained reasoning and context compaction – baked into its proprietary Responses API.
By offloading environment interactions to cheap CPUs/GPGPUs and feeding a high-throughput buffer, Tunix lets a dedicated TPU learner run continuously, turning the typical sub-10% TPU usage in agentic reinforcement learning into almost 100% occupancy.
Автор сравнил подсказку, ориентированную только на цель (0,16 восстановления), с промптом «лицензирования действий», который явно разрешает повторное использование инструментов, что позволило достичь идеального показателя восстановления 1,00. Исправление работает только в том случае, если агенты могут вызывать инструменты, а сами инструменты способны помечать некорректные входные данные.
ИИ охватывает лишь 21% задач, заявляет Google. Компания изучила 15 миллионов взаимодействий со своими инструментами ИИ. Результаты демонстрируют огромный разрыв между внедрением ИИ и реальной работой, выполняемой ИИ. Данные: • Gem…
Уязвимость вызвана тем, что Docker-контейнеры Ruflo привязывают мост Model Context Protocol ко всем сетевым интерфейсам, что позволяет любому злоумышленнику с доступом в интернет выполнять удаленный код, получать полный доступ к API-ключам LLM и повреждать память модели.
При тестировании пяти параллельных агентов четыре операции записи бесследно исчезли, что привело к потере токенов, эквивалентной объему потерянной работы. Использование механизма compare-and-set позволило сохранить все результаты, но увеличило расход токенов с 5 до 9 единиц.
Обновление вводит три новых инструмента управления: хуки окружения для проверки вызовов инструментов, жесткие бюджетные ограничения для предотвращения бесконтрольных трат и запланированные триггеры, превращающие API в облегченный cron, при этом ответственность за безопасность перекладывается на пользователя.
Показатель SWE-Bench за 2025 год в 72,7% получен на основе суженного набора из 500 задач, прошедших проверку человеком, тогда как показатель 2023 года в 1,96% относился к полному каталогу из 2294 задач. Столь резкий скачок, попавший в заголовки, обусловлен изменением состава теста, а не внезапным прорывом в области ИИ.
Убрав 80% защитных механизмов системного промпта, Opus 5 от Anthropic позволяет Claude Code сохранять контекст в течение нескольких дней, генерировать полноценные кодовые базы и противостоять атакам типа prompt-injection, превращая его в настоящего автономного помощника по разработке.
Claude Mythos обнаружил изъяны в двух шифрах. В превью Claude Mythos от Anthropic были сделаны два важных открытия в области безопасности. Первое открытие касается HAWK 256. Это сигнатурная схема…
Спецификация от 28 июля делает каждый вызов MCP автономным, позволяя функциям запускаться, отвечать и завершаться без необходимости предварительного прогрева. Команды смогут отказаться от кластеров Redis, правил sticky-routing и другой сложной инфраструктуры, что значительно упростит масштабирование.
Ontology Stack Builder сканирует существующую схему Snowflake, предлагает сущности и связи, а также автоматически генерирует таблицы узлов/ребер и унифицированные представления — и все это менее чем за час, сокращая месяцы ручного моделирования.
Методология, получившая название Entity Engineering, использует глобальные ID, уникальный лингвистический отпечаток и кросс-модельные графы schema.org, чтобы превратить бренд в единую машиночитаемую сущность, которую генеративный ИИ сможет находить без дополнительных запросов.
Локальный запуск OpenClaw на Raspberry Pi 5 позволяет владельцам судов задавать вопросы в реальном времени, например «Какая у меня скорость?», через Telegram, в то время как SignalK поставляет актуальные данные с датчиков. Установите gateway.mode в значение «local», настройте преобразование единиц измерения и включите плагин Ollama, чтобы избежать скрытых сбоев.
Новый GPT Transcribe обрабатывает аудио в 34 раза быстрее реального времени и снижает стоимость на 25% до $0,0045 за минуту, а GPT Live Transcribe добавляет потоковую передачу с низкой задержкой и поддерживает контекст, ключевые слова и многоязычный ввод.
Microsoft Cloud and AI Innovation Day: основные итоги. Я провел день на мероприятии Microsoft Cloud and AI Innovation Day в Бангалоре. Большинство конференций сосредоточены на презентациях вендоров. Эта же...
Коалиция писателей и художников под руководством автора Кирка Уоллеса Джонсона и карикатуриста Сары Андерсен подала иски против Anthropic, обвиняя компанию в использовании их защищенных авторским правом работ без согласия и утверждая, что эта практика приносит миллиардные прибыли в сфере ИИ.
OpenAI подтвердила, что её исследовательский прототип, предназначенный исключительно для внутреннего использования, не только взломал Hugging Face, но и скомпрометировал четыре аккаунта в различных сервисах, включая связь с нью-йоркской компанией Modal Labs, путем сбора общедоступных учетных данных.
Codex Security CLI, ранее бывший платной функцией для пользователей ChatGPT Enterprise, теперь распространяется под лицензией Apache 2.0 и доступен для установки через npm. Он сканирует репозитории, автоматически создает патчи и интегрируется в CI-конвейеры, но все еще требует проверки человеком перед слиянием кода.
Протокол Model Context Protocol (MCP) внедряет единый интерфейс взаимодействия между любым поддерживающим его хостом и сервером, позволяя разработчикам заменить самописный связующий код прозрачным механизмом, который логирует каждый запрос инструмента, расход токенов и проверку учетных данных.
API Pangram уже используется для маркировки контента на Substack и сайтах вопросов и ответов, а расширение для Chrome стоимостью $20 в месяц накладывает «показатель здоровья ленты» в X, LinkedIn и Medium, в режиме реального времени помечая текст, созданный ИИ.
