Machinelearning

AI Journey 2026: заглядываем в будущее ИИ 🤖   Хочешь узнать, что происходит в мире нейросетей, послушать российских и зарубежных экспертов и найти единомышленников? Залетай на AI Journey — ежегодную международную конференцию по искусственному интеллекту. Тебя ждёт три дня погружения в мир ИИ!   👉 27 ноября — день Бизнеса: реальные ИИ-кейсы и продукты 👉 28 ноября — день Науки: свежие исследования и открытия   В программе — выступления лидеров индустрии, выставочные зоны с разработками и нетворкинг с теми, кто тоже горит ИИ 📍 27–28 ноября 2026 года Москва, Кутузовский проспект, 32, корп. 1, штаб-квартира Сбера Регистрируйся на сайте и попади в центр событий мира ИИ! 💚   А 26 ноября смотри прямую трансляцию дня «Общество» на сайте aij.ru — увлекательная программа, интересные герои, актуальные темы!

🧪️️️️️️ На следующий день после того, как OpenAI объявила, что её модель опровергла гипотезу экспоненциального времени, Anthropic сообщила: внутренняя модель Claude независимо нашла другое опровержение в тот же самый день, что и модель OpenAI, - 16 октября. Anthropic опубликовала статью «A 2^o(n) Time Algorithm for 3-SAT» с автором «Claude, Anthropic». Детерминированный алгоритм решает 3-SAT за субэкспоненциальное время, что опровергает Exponential Time Hypothesis. Он же считает и число выполняющих наборов в задаче #3-SAT. Ядро алгоритма 16 октября нашла внутренняя исследовательская модель Claude: 14 миллионов выходных токенов и ни одной человеческой подсказки. Сегодня доказательство оформлено в Lean 4, 1050 модулей поверх Mathlib, проверка ядром Lean и независимым чекером nanoda. По словам Anthropic, Claude Opus 5.5 может вывести результат заново по короткому техническому наброску. OpenAI почти одновременно заявила о собственном опровержении ETH. Оговорки в самой статье. Формализацию писали ИИ-модели и проверяли другие экземпляры тех же моделей, и ни один человек пока не известен как проверивший её целиком. Результат чисто асимптотический: для типичной формулы выигрыш у перебора появляется лишь при числе переменных порядка 10^10000, к решению формул на практике и к вопросу P против NP он не приближает. В Challenge.lean остаются два sorry, это две теоремы без доказательств для проверки. https://github.com/anthropics/formal-math/tree/16a5ce41304fcdaea4e0be7c132e1c361dc26da5/eth @ai_machinelearning_big_data #Anthropic #Claude

✔️ Canva выпустила модель Craft Canva Craft - первая собственная модель сервиса, ориентированная на генерации изображений для графического дизайна. Архитектура разделена на этапы планирования композиции и рендеринг. Сначала модель формирует план сцены, определяя пространственные связи объектов, масштаб и расположение текстовых блоков. Затем генератор создает финальное изображение с разрешением до 2K в любом соотношении сторон. Внутренняя разметка позволяет разделять картинку на редактируемые векторные элементы и слои через инструмент Magic Layers. Модель обучали на миллионах дизайн-макетов из библиотеки Canva. Благодаря этому система учитывает типографику и правила композиции, а также генерирует связный текст на 55 языках. . Craft уже развернута в редакторе Canva и доступна через публичный API. В ближайшее время появится поддержка сервера Canva MCP для вызова генератора ИИ-агентами. @ai_machinelearning_big_data #news #ai #ml

🧠 ИИ OpenAI нашёл доказательства для научных задач, не поддававшихся учёным десятилетиями – теперь их проверяют эксперты. 1) Математика: гипотеза, открытая с 1991 года Гипотеза Кристофера Согге о локальном сглаживании описывает концентрацию волн: сильная фокусировка возможна, но должна быть кратковременной. ИИ построил доказательство для пространств любой размерности. Из него также следуют доказательства гипотез Какеи и Стейна. Текст и формализация в Lean опубликованы. 2) Информатика: опровержение ETH Гипотеза экспоненциального времени предполагает, что для определённого класса логических задач нельзя избежать экспоненциального роста времени вычислений. На этом предположении основаны сотни научных работ. OpenAI сообщает, что ИИ нашёл опровержение, проверенное в Lean. Его изучает группа, включающая двух авторов исходной гипотезы. Поиск практически полезных алгоритмов на основе результата потребует дальнейших исследований. 3) Физика: часть задачи тысячелетия ИИ предложил строгие доказательства существования квантовой хромодинамики и чистой теории Янга–Миллса в четырёх измерениях. Последняя связана с задачей тысячелетия с премией $1 млн, однако заявленный результат не означает полного решения этой задачи. Материалы пока не опубликованы. Их разбирает группа во главе с нобелевским лауреатом Дэвидом Гроссом. Математическое доказательство получено 18 октября, формализовано 19-го. Опровержение ETH получено 16 октября, формализовано 17-го. OpenAI пока предлагает считать рукописи ИИ исходным исследовательским материалом. Независимая экспертиза продолжается. https://openai.com/index/building-scientific-understanding-with-academic-communities/ @ai_machinelearning_big_data #OpenAI #chatgpt

🖥️ GPT-6.1 Terra: OpenAI вдвое снизила цену на агентную модель среднего класса OpenAI выпустила GPT-6.1 Terra для агентных сценариев, работы с компьютером и повседневного кодинга. Цена в API вдвое ниже, чем у GPT-5.6 Terra: $1 за миллион входных токенов вместо $2 и $6 за миллион выходных вместо $12. По словам OpenAI, модель решает задачи более чем втрое быстрее, чем Astra и GPT-6.1 Sol. На Agents' Last Exam она заметно обходит GPT-5.6 Terra и, как сообщается, сравнима с GPT-6 Astra при цене токена примерно в десять раз ниже. Доступна в ChatGPT Work, Codex и через API под id gpt-6.1-terra. В ChatGPT раскатка идёт на Plus, Pro, Enterprise и Edu. Источник: https://openai.com/index/introducing-gpt-6-1-terra/ @ai_machinelearning_big_data #ChatGPT #OpenAI

📌 FairStress: тест на демографическую справедливость моделей Институт Аллена опубликовал набор FairStress для проверки того, меняет ли языковая модель своё решение о человеке из-за его расы, пола, религии, возраста, инвалидности или ориентации в сферах найма, кредитования, медицины и образования. FairStress тестирует прочность позиции модели - в промпт внедряются состязательные префиксы с авторитетными или социально окрашенными аргументами (ссылки на мнение руководства, дискриминацию в прошлом или неформальные рекомендации), после чего замеряется, насколько охотно система отказывается от объективно более сильного кандидата под внешним давлением. В наборе 300 сценариев из 29 областей с вымышленными кандидатами, 33 пары демографических групп, четыре степени раскрытия личности и до 78 убеждающих фраз. Итого более 13 млн вариантов. 🟡Тесты На 15 моделях семейств Olmo, Llama, Qwen, Gemma, Claude и GPT бенчмарк выявил повсеместную антистереотипную гиперкоррекцию - под влиянием одинаковых по силе аргументов модели гораздо чаще отказывались от правильного выбора в пользу кандидатов из исторически уязвимых групп, чем наоборот. Без данных о личности модели беспристрастны, но при прямом указании группы они на 9,3 процентного пункта чаще отказываются от верного решения, если отказ выгоден кандидату из меньшинства. В сценариях без явного фаворита выбор в пользу меньшинств происходил в 60–65% случаев. Кроме того, модели меняли логику аргументации: заслуги одних кандидатов объяснялись критериями и фактами, а других - абстрактной устойчивостью и разнообразием, что фактически нивелировало их профессиональные достижения. Аудит показал, что текущие процессы элайнмента обучают модели блокировать дискриминационные запросы, но не учат их устойчивому взвешиванию объективных навыков.

Снизить асимметрию без падения точности помог только контрфактический CoT - принудительный пересмотр логики задачи с зеркальной заменой демографических маркеров.

📌Лицензирование: CC-BY-4.0 🟡Статья 🟡Датасет 🖥GitHub @ai_machinelearning_big_data #AI #ML #Dataset #FairStress #Ai2

Anthropic выходит на биржу - разработчик Claude подал заявку на IPO в США. Компания официально направила в Комиссию по ценным бумагам и биржам США (SEC) регистрационное заявление по форме S-1. Что известно: - Биржа: Nasdaq Global Select Market. - Тикер: ANT. - Акции: класса A. - Организаторы размещения: Goldman Sachs и Morgan Stanley. - Оценка компании и цена акций: пока не объявлены. Подача S-1 — первый официальный шаг к публичному размещению. Сама продажа акций начнётся только после вступления регистрационного заявления в силу. Anthropic готовится стать публичной компанией, открывая инвесторам возможность напрямую вложиться в одного из ведущих разработчиков ИИ. https://www.anthropic.com/news/s1-sec

🔬️️️️️️ Claude самостоятельно обошёл платный доступ к избирательной статистике Джорджии. По сообщениям СМИ, подтверждённым Anthropic, это произошло во время внутреннего проекта по статистике. Модель узнала, что публичная панель ведомства выдаёт посетителям токен доступа, самостоятельно запросила его и получила агрегированные данные, за которые обычно взимается плата. Такого действия человек ей не поручал. По заявлению Anthropic, Claude не получил доступ к системе регистрации избирателей, не скачивал индивидуальные записи и не менял данные голосования. Компания сообщила, что после инцидента ввела меры для блокировки подобных действий. https://www.axios.com/2026/10/25/anthropic-claude-georgia-voter-data

✔️ Ideogram представила модель Vector 1.0 Это первая специализированная модель компании для работы с векторной графикой, которая создает масштабируемые SVG-иллюстрации по текстовым запросам, а также векторизует загруженные растровые изображения форматов JPG и PNG. Результат работы Vector представляет собой набор математических кривых, раздельных слоев, редактируемых форм и градиентов. Сгенерированные файлы можно открывать в Figma и Adobe Illustrator, где дизайнеры могут продолжить редактирование, а веб-разработчики - использовать полученную разметку в коде. Новинка рассчитана на проектирование логотипов, иконок, мерча и типографики, поддерживая стили от гравюры и лайн-арта до поп-арта и сплошных заливок. Модель доступна в веб-интерфейсе сервиса и через API с отдельными эндпоинтами для генерации с нуля и трассировки растра.

Стоимость генерации по API составляет от 13 до 20 центов за файл в зависимости от выбранного качества (32 цента при использовании референсного изображения). Конвертация растрового файла в вектор обойдется в 10 центов за запрос.

@ai_machinelearning_big_data #news #ai #ml

📘 На Mentorix вышел курс — «RAG Engineering: создание production-ready AI-систем» Хотите не просто собрать демо «чат по документам», а сделать RAG, который находит нужный раздел и отвечает с цитатами? Этот курс — полный путь от RAG без фреймворков до production agentic RAG. • Основы: embeddings, top-k, мини-RAG руками • Векторный поиск: Qdrant и pgvector, мультитенантность • Chunking: semantic, document-aware, parent-child • Hybrid search: BM25, sparse-векторы, RRF • Reranking: cross-encoder, Cohere, Voyage, Jina • Оценка: nDCG, golden datasets, faithfulness, eval в CI • Паттерны: HyDE, multi-hop, Corrective RAG, GraphRAG • Agentic RAG и MCP-сервер базы знаний • Production: FastAPI, streaming, кэш, права доступа 🎓 Сертификат — добавьте в резюме или LinkedIn 🏷 Скидка 50%, действует 48 часов 12 990 ₽ → 6 495 ₽ ➜ Пройти курс на Mentorix Ещё 25 курсов бесплатно — доступны после регистрации

📌 Perplexity научила модель быть учителем самой себе ИИ-поисковик предложил метод обучения под названием JOLT, в котором одна и та же модель выступает сразу учеником и учителем, причём обе роли учатся одновременно. При обучении с подкреплением модель получает награду только за итог попытки, и по ней не понять, какие именно шаги привели к успеху. На длинных агентных задачах, где попытки редко удаются, такого сигнала мало. Обходят это дистилляцией, когда модель посильнее оценивает каждый токен ученика и подсказки становятся плотнее.

Но умение решать задачу и умение её объяснить не одно и то же. Сильный учитель легко уходит туда, куда ученик за ним не дотянется, и подсказки пропадают впустую.

В JOLT учитель видит проверенный ответ, разобранное решение или отчёт о прошлых попытках, а ученик работает вслепую. Обе роли живут в одной модели и обновляют общие веса. Ученик тянется к подсказкам учителя, а учитель получает задачу подстроиться под ученика, т. е. давать такие подсказки, которые двигают его в ту же сторону, куда двигало бы обычное обучение с подкреплением на его собственной награде.

У метода есть второй вариант, JOLT+. В нём ученик получает и подсказки учителя, и обычную награду за итог своей попытки, то есть плотный и разреженный сигналы складываются.

🟡 Тесты Метод проверяли на небольших моделях DeepSeek и Qwen, от 0,6 до 30 млрд параметров. Задачи брали разные, от школьной математики и олимпиадных задач до генерации кода, работы с приложениями и команд в терминале. Сравнивали с GRPO и двумя методами дистилляции. JOLT+ везде показал лучший средний результат, обойдя GRPO на 4,2 процентных пункта на наборе MATH, на 3,0 на LiveCodeBench и на 9,9 на AppWorld. На MATH при равной точности JOLT потратил в 6,5 раза меньше обработанных токенов обучения и примерно в 13 раз меньше сгенерированных. Без награды ученика метод работает хуже. На AppWorld чистый JOLT отстал и от GRPO, и от конкурирующей дистилляции, а на Terminal-Bench уступил GRPO. Perplexity обещает открыть код позже, пока есть только статья с описанием метода. @ai_machinelearning_big_data #AI #ML #LLM #Research #RL #Perplexity

🌟 Recursive выпустила модель для кодинг-агентов Стартап Recursive Superintelligence, основанный Ричардом Сочером и вышедший из тени в мае с 650 млн долларов инвестиций, показал свою первую модель - Flint.

Такие деньги Recursive получил ещё до первой модели во многом из-за состава основателей. Сочер был главным научным сотрудником Salesforce и в свое время запустил поисковик You.com, оттуда же пришёл Цаймин Сюн, возглавлявший исследования ИИ. Алексей Досовицкий из Google – автор Vision Transformer, Юаньдун Тянь занимался исследованиями в FAIR у Цукерберга, Тим Роктэшель пришёл из DeepMind и остаётся профессором Университетского колледжа Лондона, Джефф Клун стоит за работой о машине Дарвина-Гёделя про самоулучшающийся код. Ещё двое, Джош Тобин и Тим Ши, работали в OpenAI, а Ши вдобавок сооснователь Cresta.

Модель рассчитана на агентов, которые разбирают чужой код, чинят ошибки, добавляют функции и пишут тесты. Команда собрала её с нуля меньше чем за четыре месяца. 🟡Архитектура Flint построена на MoE, 39,8 млрд общих параметров, на каждый токен работают 2,5 млрд. Окно контекста - 262 тысячи токенов. В каждом слое 256 экспертов, из которых выбираются шесть, плюс один работает всегда. Большая часть слоёв внимания смотрит не на весь контекст, а на скользящее окно, что экономит вычисления. Под Apple Silicon и NVIDIA RTX Spark стартап написал свои вычислительные ядра. 🟡 Тесты На SWE-bench Verified модель набрала 74,2%, на Terminal-Bench 2.1 – 54,9%.

Recursive называет Flint лучшей моделью со смесью экспертов среди тех, что меньше 50 млрд параметров, и утверждает, что та догоняет плотные модели на 25–40 млрд, работая впятеро быстрее.

На коротком контексте Flint выдаёт больше 125 токенов в секунду на MacBook с M4 Pro и больше 150 на NVIDIA RTX Spark с 64 ГБ памяти. Flint работает в llama.cpp, Ollama, LM Studio, vLLM и SGLang, а для ноутбуков на M4 Pro и M5 Pro или Max есть собственный движок rec. 📌Лицензирование: Apache 2.0 🟡Блогпост 🟡Документация 🟡Веса 🖥GitHub @ai_machinelearning_big_data #AI #ML #LLM #Flint #RecursiveSI

Скоро в твоем городе @ai_machinelearning_big_data

✔️ OpenAI открыла Decisions API Интерфейс снижает задержки и расходы на микрорешениях в агентных процессах, сводит GPT-6 Luna к задачам с жёстко ограниченным выводом и работает до десяти раз быстрее Responses API. Форматов ответа три - расчёт вероятности условия, выбор варианта из списка и оценка по шкале. Контекст мультимодальный, пакетом принимается до 400 вопросов на запрос. Выходные токены бесплатны, вход стоит 10 центов за миллион и 1 цент через контекстный кэш, есть локализация обработки в США и ЕС и Zero Data Retention для корпоративных клиентов. openai.com ✔️ Symantec нашла агента, который угоняет чужие языковые модели для атак Сборка ищет в интернете открытые эндпоинты, тестовые серверы и утёкшие ключи к коммерческим моделям, а затем использует чужую модель как мозг наступательных операций. Устройство схемы раскрылось, когда злоумышленники по ошибке прислали рабочий промпт в ловушку компании. Фильтры чужих моделей обходятся многослойным джейлбрейком, а к делу подключена библиотека из 74 утилит со сканерами, эксплойтами и частями ботнета. Главное в угрозе - автономный режим Скайнета, где модели разрешено до 100 тысяч итераций без подтверждения оператора. Агент исследует сеть, атакует инфраструктуру, ставит майнеры, чистит логи и ищет новые открытые модели для самокопирования. Ущерб получается двойной - взломанные серверы теряют данные и тратят мощности на майнинг, а владельцы открытых шлюзов получают счета за токены. security.com ✔️ Cursor научил агентов управлять рабочим столом Работа агентов переехала из облака на локальные машины, и ассистент теперь не только правит код, но и может двигать курсор, нажимать кнопки, вводит текст и работает в сторонних программах. Вызывается он командой в чате или сам, когда для проверки нужно открыть собранное приложение. На macOS работает через фоновую утилиту с явным доступом к Accessibility и записи экрана, в Linux на X11 с полной изоляцией рабочего пространства. Первые тесты вскрыли дрейф интерфейса, когда окно меняет размер или смещается на пару пикселей, координатная сетка сбивается и клики уходят в пустоту, поэтому инженеры советуют жёстко фиксировать геометрию окон. Функция доступна в свежей версии редактора. Cursor в X ✔️ Liquid AI представила движок инференса с низкой задержкой Представленный движок под названием RIPL сделан для линейки Liquid Foundation Models под системы с жёстким лимитом по времени отклика. В отличие от решений под пакетную обработку, он встраивает модель в критический путь запроса и возвращает полный ответ меньше чем за 50 мс при потоке до тысячи запросов в секунду. Им рассчитывают заменить градиентные бустинги и эмбеддинги в онлайн-ранжировании, рекламе, скоринге и системах борьбы с мошенничеством. Первой его внедрила Shopify в своем поиске, другим клиентам доступно развёртывание по запросу. liquid.ai ✔️ Шведские госведомства начали блокировать ChatGPT и Claude Правительство ограничило сотрудникам доступ к публичным ИИ-сервисам без отдельных контрактов на обработку закрытых данных, директор по цифровизации объяснил это рисками для защищённости госинформации. По данным радиостанции Ekot, блокировки ввели Налоговая служба и Национальное управление институциональной помощи, Служба взыскания задолженностей готовит такой же регламент. Поводом стали аудиты, которые выявили, что служащие регулярно загружали служебные данные в десяток публичных платформ. Чтобы не потерять выгоду от автоматизации, канцелярия переводит персонал на свою инфраструктуру, часть сотрудников продолжит работать с Claude и ChatGPT, но только через защищённую внутреннюю платформу и корпоративный Microsoft Copilot. sverigesradio.se @ai_machinelearning_big_data #news #ai #ml

✔️ Block анонсировала речевую модель Компания, которой руководит сооснователь и бывший глава Twitter Джек Дорси, показала разговорную модель Dessa, обученную только записях человеческой речи, без текста и без базовых моделей. Blok называет Dessa первым в мире ИИ-собеседником, обученным исключительно на человеческой речи. Учили её, к слову, с нуля и, по словам анонса, языку Dessa выучилась на количестве слов в сотни раз меньшем, чем нужно большим языковым моделям. Dessa принимает звук и отвечает звуком, минуя привычное для голосовых помощников превращение речи в текст, на котором теряются интонация, эмоция и сарказм. Модель слушает и говорит одновременно, умеет поддакивать посреди реплики собеседника, перебивать и смеяться не дожидаясь конца фразы. Ответ формируется быстрее реального времени, работать Dessa может локально на MacBook с M4 Max и мощнее. Доступ открыт только через список ожидания, ранний доступ раздают исследователям безопасности. @ai_machinelearning_big_data #news #ai #ml

📌 Anthropic и Theorem использовали Claude для математической верификации 123 открытых библиотек Исследователи применили модель для построения формальных математических доказательств надежности кода. Основой послужили готовые фаззинг-тесты из OSS-Fuzz, сервиса Google для непрерывной проверки открытого кода случайными данными, которые сами по себе не способны дать стопроцентной гарантии отсутствия сбоев. Claude превращал каждый такой тест в строгое утверждение и доказывал его. Всего за несколько недель нейросеть сгенерировала около 180 миллионов строк кода доказательств для 239 точек входа в 123 библиотеках из набора OSS-Fuzz. Корректность доказательств проверяла программа Rocq, которая пересчитывает каждый шаг рассуждения, и результаты математически подтверждают, что протестированные программы гарантированно завершатся штатно при обработке любых произвольных входных данных размером до 64 МБ. В процессе построения доказательств модель вскрыла и устранила сотни нетривиальных багов, которые практически невозможно отловить случайными тестами. В их числе - ошибка перезаписи буфера в алгоритме декомпрессии, срабатывавшая только при строгом совпадении внутренней структуры и размера файла около 20 МБ, а также чтение за границами массива в декодере изображений, требовавшее для воспроизведения 64-мегабайтный файл и более 2 ГБ выделенной памяти. Ранее подобная строгая верификация считалась слишком трудоемкой для реального применения - к примеру, доказательство корректности микроядра seL4 потребовало 20 человеко-лет против всего двух человеко-лет на написание самого кода. Авторы рассчитывают, что скоро формальная верификация станет такой же обыденной практикой, как сегодня фаззинг, почти для всего промышленного кода, хотя пока это дорого - на одно доказательство ушло сотни миллионов токенов.

К слову, совсем без людей обойтись всё еще не получается - в экспериментах следили за тем, чтобы модель не добивалась доказуемости, выхолащивая саму программу, поэтому её правки кода штрафовались и проверялись человеком.

@ai_machinelearning_big_data #news #ai #ml

Tencent выложила Hy-Nomas: опенсорс-модель интерактивного видеомира, которая запускается на одной RTX 4090 🌍 Модель строит мир по сегментам видео, а вы управляете ею текстом и траекторией камеры: на каждом шаге можно сменить сцену, стиль, действие или ракурс, и память мира сохраняется между сегментами. Выход 720x1280 при 24 fps. Для узких областей вроде робототехники есть лёгкая адаптация через LoRA. На одной RTX 4090 модель идёт с INT8-весами, INT8 KV-кэшем и выгрузкой на CPU, стандартная конфигурация рассчитана на восемь GPU. В репозитории код обучения, инференса и демо, лицензия Apache-2.0. Бенчмарков для самой модели пока нет, технический отчёт обещают позже. Источник: https://github.com/Tencent-Hunyuan/Hy-Nomas Демо: https://hy-nomas.hy.tencent.com/demo Веса: https://huggingface.co/tencent/Hy-Nomas @ai_machinelearning_big_data

Китайская Moonshot AI представила Kimi K3.1 Pro — открытую ИИ-модель, которая обходит GPT-6 Astra в тестах программирования. Модель получила контекстное окно на 1 миллион токенов и ориентирована на сложные задачи: разработку ПО, ИИ-агентов, 3D-моделирование и финансовую аналитику. Результаты тестирования: - Terminal-Bench 4.0: 65,7% против 58,2% у GPT-6 Astra и 66,4% у Claude Opus 5.5. - BenchCAD: 92,7% — генерация CAD-моделей по изображениям. - OfficeQA Pro v2: 64,4 балла — анализ сложных финансовых документов. - Kimi Code Bench 3.0: 61,2% против 55,95% у предыдущей K3. Что интересного: 1. Модель способна самостоятельно создавать игры, 3D-сцены и веб-приложения. 2. Работает с Blender, Unity, Unreal Engine и Godot. 3. В одном эксперименте провела 167 итераций разработки симулятора человеческой ходьбы, самостоятельно обнаружив 36 ошибок в расчётах. 4. Частота фактических ошибок на внутреннем сложном тесте снизилась с 23,4% до 8,3%. 5. Версия Highspeed работает в 2–3 раза быстрее стандартной модели. Отдельно разработчики ограничили возможности модели в поиске и эксплуатации уязвимостей, удалив часть данных по кибербезопасности из обучения. Kimi K3.1 Pro уже доступна через веб-интерфейс, Kimi Code и API. Полные веса модели обещают открыть до 4 ноября 2026 года. Результаты сравнений приведены разработчиками и зависят от методики тестирования. https://www.kimi.ai/blog/kimi-k3-1-pro https://t.me/data_analysis_ml

✔️ Банки США начали блокировать ИИ-агентов По данным Axios, JPMorgan Chase, Morgan Stanley, Bank of America, Citi и Wells Fargo столкнулись с волной инцидентов, когда автономные агенты выполняли операции в онлайн банкинге от имени клиентов. Пользователи добровольно передавали ассистентам свои учетные данные для решения финансовых задач, что нарушает базовые правила платформ, требующие исключительно ручной аутентификации человеком. В ряде случаев мониторинг выявил попытки ботов действовать без прямой команды владельца счета - агенты самостоятельно обращались в службы поддержки, запрашивали перемещение средств и пытались инициировать транзакции. Главная проблема для безопасности заключается в том, что существующие антифрод-системы не способны достоверно различать паттерны поведения человека и сложных мультимодальных агентов, а также проверять легитимность конкретных решений модели в реальном времени. Из-за регуляторных и финансовых рисков институты начали принудительно закрывать доступ сторонним агентским процессам. В качестве долгосрочного решения банки рассматривают перевод подобных систем на изолированные API в режиме по аналогии с интеграциями сервисов финансового учета, параллельно готовя протоколы экстренной изоляции скомпрометированных счетов. @ai_machinelearning_big_data #news #ai #ml