Категории
Технологии
2026-10-22Внутри SHARP Agent Protocol v2: промпт на 22 килобайта, который управляет агентами как инженерной командой
SHARP Agent Protocol v2 - набор инструкций на 488 строк, превращающий одну языковую модель в управляемую инженерную команду: ровно одна задача на свежего субагента, adversarial-тесты до кода, независимая проверка и долговременные файлы памяти, переживающие потерю контекста. Что он делает, как использовать и где его заявления опережают доказательства.
2026-10-22Константа, наконец: гипотеза KLS пала перед управляемым человеком поиском с ИИ
Синьчжи Чжан из Microsoft Research и Чжао Сонг доказали 31-летнюю гипотезу KLS с помощью флота агентов, исследовавшего около сотни траекторий под человеческой обрезкой, - тогда как ненаправляемые запуски ИИ с тем же бюджетом токенов провалились. Два независимых доказательства вышли на той же неделе, за ними последовала формализация в Lean 4.
2026-10-21Движок владеет состоянием, модель только рисует: Matrix-Game 4.0
Играбельная мировая модель Skywork делит работу: настоящий игровой движок хранит правила и рисует дешёвый низкополигональный прокси, кодовый агент переписывает правила по просьбе игрока, а каузальная видеомодель на 5B, дистиллированная до одного шага денойзинга, только рендерит. Веса под Apache-2.0 - но код и данные обучения закрыты.
2026-10-20Текстовый энкодер был необязателен всё это время: Halcyon обходит предобученные T2I при в 275 раз меньших вычислениях
Стэнфорд и Radical Numerics обучили text-to-image модели с нуля на 100 млн пар изображение-текст без языкового предобучения, обошли перенавченные бейзлайны LlamaGen и JiT-T2I и в трёх контролируемых экспериментах показали, что языковое предобучение не помогает. Десять моделей доступны на Hugging Face, но без файла лицензии.
2026-10-19Затравки кривых NIST оказались просто метками времени: Claude закрыл 25-летнюю загадку криптографии
Anthropic сообщает: внутренняя исследовательская модель менее чем за полчаса восстановила происхождение затравок NIST P-192 - P-521: не хеш парольной фразы, а генератор lrand48 из libc, засеянный Unix-временем 1997-1998 годов. Филиппо Валсорда проверил результат реализацией на Go и выплатил баунти; $36 864 уходят в ISRG. Это не взлом - это уверенность, с чеками.
2026-10-18DeepSeek-V4.1-Flash-1017: минорная версия с агентскими скачками, веса под MIT и ни одного Jinja-шаблона
17 октября DeepSeek выложила V4.1-Flash-1017 на Hugging Face: 763 млрд параметров, контекст 1 млн токенов, ввод текст+изображение, лицензия MIT на репозиторий и веса. В их таблице DeepSWE вырос с 74.2 до 77.0, Terminal-Bench с 31.2 до 42.3, но Opus 5 всё ещё впереди в нескольких колонках. Шаблон чата теперь не Jinja-строка, а эталонный кодировщик на Python и набор библиотек на Rust.
2026-10-17OpenGCUA: Alibaba открыла стек для computer-use, но модели в коробке нет
Команда MAI-UI из Alibaba Token Hub выпустила OpenGCUA: открытые харнес, SDK, промпты и траектории оценок для универсальных computer-use агентов, с заявленным ростом на OSWorld-v2 у восьми фронтирных моделей. Обученная модель обещана, но не выложена. Apache-2.0, и все цифры принадлежат авторам.
2026-10-16Muse Spark Open: открытая модель Meta на 816 млрд параметров помещается на двух Mac Studio, с условиями
Meta выпустила Muse Spark Open, разреженную MoE-модель на 816 млрд параметров с контекстом в 1 млн токенов, под собственной лицензией Muse Model License. Карточка Meta показывает лидерство в части агентных тестов и отставание от Kimi K3 и GLM 5.3 в других. Цифры и условия принадлежат Meta.
2026-10-14PentAGI: команда ИИ-пентестеров, которую вы запускаете сами
PentAGI это самохостируемая мультиагентная система для пентеста под лицензией MIT. Публичный прогон за $1,39 нашёл 11 проблем в учебном приложении. Настройки по умолчанию и требования к локальным моделям стоит прочитать заранее.
2026-10-14Gemini 4 Argon: в посте о безопасности сказано не наказывать мысли, которые вы хотите читать
Пост Google о безопасности Gemini 4 Argon от 13 октября приводит цифры по кибер-злоупотреблениям, обходным путям и инъекциям промптов. Все результаты принадлежат Google. Один вывод касается штрафов за цепочку рассуждений.
2026-10-13У Muse Wonder две двери, и публична только одна
Запуск Meta 12 октября делит семейство на API-уровень и уровень только для подписчиков. Бенчмарки приведены самой компанией, отчёт о безопасности ещё впереди.
2026-10-13Обзор Freebuff: бесплатно и за счёт рекламы, но это не «бесплатные токены»
Страницы самого Freebuff описывают бесплатного кодового агента, который держится на рекламе: десктоп, CLI, веб, облако и чат. Доступ считается в сессиях и Freebucks. Приложение для Android есть, iOS указан как «скоро».
2026-10-12У Fetch появился фильтр. Но это ещё не межсетевой экран.
Релиз MCP от 11 октября по умолчанию блокирует непубличные адреса. DNS rebinding и имена, доступные только прокси, остаются за пределами гарантии.
- 2026-10-11
Обзор Agnes 3.0 Flash Overclock: проверяющий скрипт, QA-панель и честный бенчмарк
Разбор публичного репозитория Agnes 3.0 Flash Overclock: что в нём есть, что я запустил сам и что его собственные документы называют непроверенным. Сильнее всего в нём то, насколько прямо описаны ограничения.
- 2026-10-10
AnyTest.dev в сравнении с QA Wolf, mabl и Testim: кому что подходит
Я прочитал публичные страницы AnyTest и трёх других вендоров тестирования. По моему прочтению, AnyTest прямее всех говорит о старте с URL и тестах, оставленных вам на проверку. Для мобильных приложений и полностью управляемого QA он не подходит.
2026-10-04Windows 11 26H2 - небольшая загрузка. Готовьтесь к тому, что она включает
Обновление, которое превращает Windows 11 в версию 26H2, может быть небольшой загрузкой и одной перезагрузкой.
2026-09-29MLX Studio на Mac: локальный ИИ как сервер, менеджер моделей и граница доверия
Технический обзор MLX Studio 1.6.71 по первоисточникам: MLX, общая память, форматы моделей, кэш, API, исключения приватности и альтернативы.
2026-09-29Дыня, которая здесь не задрожала: читаем WebGPU-сборку на GLM-5.3-Flash
Страница описывает Melon Jelly как творение GLM-5.3-Flash. В однофайловом исходнике тетраэдральное мягкое тело, свет на WebGPU и аккуратный запасной вариант. Само движение всё ещё требует проверки на GPU.
2026-09-28Семь лабораторий ИИ, одно дело: настоящая проверка к 2027 году
Одно многоязычное дело выявляет механизмы, ограничения и риски Qwen, Z.AI, Moonshot, OpenAI, Anthropic, StepFun и Agnes. История с источниками и проверяемый тест к 2027 году.
2026-09-25Обзор Linker: оценка - это диагностика, а живой аудит не прошёл
Честный разбор кода и сайта: полезная диагностика, аудит с ошибкой, имитация цитат и неподтверждённая лицензия.
2026-09-24fast-mailer: как вынос модели из шага отправки сократил письмо до секунд
fast-mailer позволяет AI-агенту отправлять письма Gmail одной командой вместо управления почтовым интерфейсом. Как это работает, что я проверил в коде и где пределы инструмента первого дня.
2026-09-16Срочно: OpenAI превращает рекламу в разговоры со спонсорскими агентами
OpenAI тестирует маркированных Sponsored Agents в ChatGPT и добавляет управление кампаниями через запросы. Риск смещается от размещения рекламы к разговорному влиянию.
2026-09-16MCP - это контракт, а не магия
Model Context Protocol стандартизирует обмен контекстом и возможностями. Безопасность всё равно остаётся задачей разработчика.
2026-09-16Live-модель думает по чужим часам
Голосовой ИИ реального времени превращает задержку, перебивание и смену реплик в ключевые ограничения рассуждения, потому что темп задаёт слушатель, а не модель.
2026-09-16Эмбеддинги - координаты смысла
Эмбеддинг превращает текст в вектор, то есть в список координат. Дальше поиск спрашивает, какие из сохранённых векторов лежат ближе всего, и каждое решение в этой цепочке тихо определяет, что считать похожим.
2026-09-16Обзор BACKR: быстрый SEO-аудит с доказательствами и шероховатостями
Я проверил этот сайт через BACKR: 50 страниц, 119 находок и попытка создать ИИ-план. Отчёт полезен, но «критические» пункты требуют ручной проверки.
