Generative Ai

gpu-unlock: открытый модуль ядра Linux разгоняет BF16 на тензорных ядрах RTX 30-й серии до 1.8 раза - GeForce на чипах GA102–GA106 искусственно режут скорость FMA с накоплением в FP32 вдвое против проф. карт. Модуль снимает лимит до загрузки драйвера NVIDIA, сам драйвер не патчится - 3090 Ti, GEMM 8192³ при 450 Вт: BF16 87.5 → 157.4 TFLOPS, TF32 42.6 → 82.6 - по отчётам пользователей: 3090 +25–67%, 3080 и 3070 около +70%, 3060 12 ГБ около +80%. Нижняя цифра у карт с лимитом 225 Вт - prefill LLM быстрее на 14–36%, диффузия и FlashAttention тоже. Декод упирается в память и не меняется, выходы бит-в-бит те же - 6.7k звёзд за неделю, ставится make install, пакеты для Arch, Debian и Fedora Старая 3090 с 24 ГБ стала заметно выгоднее для локального обучения и генерации картинок. Модуль неофициальный, ставите на свой риск. Код и отчёты по картам: github.com/Zagitta/gpu-unlock

NVIDIA выложила SkillSpector: open source сканер, который проверяет скилл агента до установки - по данным NVIDIA, из 31 132 проверенных скиллов 26,1% содержат уязвимости, 5,2% похожи на вредоносные - 71 паттерн в 17 категориях: prompt injection, утечка данных, скрытые инструкции, отравление MCP-тулов, опасный код по AST, YARA-сигнатуры - сканирует папку, SKILL.md, zip или git-репо. Сначала статика, потом по желанию LLM-проверка (Anthropic, OpenAI, Ollama и др.) - выдаёт риск 0–100, отчёт в JSON и SARIF для CI - есть режим MCP-сервера: claude mcp add skillspector -- skillspector mcp, и агент сам проверяет скилл перед установкой На практике: перед тем как ставить чужой скилл из каталога, прогнать skillspector scan <url> --no-llm. Это секунды. Код: github.com/NVIDIA/SkillSpector

Anthropic передала Agent Skills в Agentic AI Foundation при Linux Foundation, туда же, куда год назад ушёл MCP - скилл это папка с SKILL.md плюс скрипты и справочные файлы, агент подгружает её по запросу. Формат появился в Claude Code в октябре 2025, открытым стандартом стал в декабре - по данным Anthropic: 1 млн опубликованных скиллов, ~280 млн установок, 70+ платформ, в том числе ChatGPT, Cursor, GitHub Copilot и VS Code - в фонд уходят имя, логотип, GitHub-организация и домен agentskills.io. Мейнтейнеры: инженеры Anthropic, Google и OpenAI как частные лица, лиды David Soria Parra и Mahesh Murag - в планах версионированные релизы, формальный процесс предложений и гайд по безопасности: скилл работает с правами агента, и проверять его сейчас приходится самому - в тот же день AAIF принял Open Responses (OpenAI), OpenEnv (Hugging Face) и OpenSandbox (Alibaba) На практике: скилл под Claude Code без переделки встаёт в Codex или Cursor, и наоборот. Спецификация и репо: github.com/agentskills/agentskills

Anthropic и Theorem с помощью Claude формально доказали, что фазз-тесты 123 open source библиотек не упадут ни на каком входе до 64 МБ - 239 точек входа из OSS-Fuzz, доказательства на уровне машинного кода RISC-V: около 180 млн строк на Rocq, проверяет их не человек, а пруф-чекер - по пути Claude нашёл и исправил баги, которые фаззинг пропускал годами: например, запись за границу буфера, которая срабатывает только на входе около 20 МБ - на 36 тестовых задачах Opus 5.5 тратит на доказательство примерно на 40% меньше токенов, чем Opus 5 - ограничения авторы называют сами: однопоточный статический бинарник, RISC-V, musl. На x86 с glibc доказательство пока не переносится Раньше формальная верификация стоила человеко-годы, теперь её можно попробовать на своём коде: Theorem выложила skill для Claude Code. Доказательства: github.com/theorem-labs/oss-verify-proofs Подробности: anthropic.com/research/formal-verification

Tencent выложила Hy-Nomas: открытую модель интерактивного видеомира, которая влезает в одну RTX 4090 - мир генерируется сегментами, и на каждом шаге им можно управлять текстом («пошёл снег», «смени стиль») или траекторией камеры - общий KV-cache держит память мира между сегментами, поэтому сцена не разваливается через пару шагов - дистиллированная версия делает кадры за 8 шагов денойзинга - для 4090: INT8-веса и кэш, FP8-декодер, скользящее окно истории и выгрузка в CPU. Нужна Linux-машина с CUDA 13 - Apache 2.0, веса на Hugging Face, есть LoRA для кинокартинки и симуляции роборук плюс скрипты дообучения на своих видео На практике: черновой «Genie у себя дома» для прототипов игр, превиза и данных для роботов. Для 12 ГБ карт уже есть ноды под ComfyUI. Код и веса: github.com/Tencent-Hunyuan/Hy-Nomas

MiniMax выложила веса M3.1 Flash: MoE на 428B параметров, из них 23B активны на токен - мультимодальная: на вход текст, картинки и видео, контекст до 1M токенов - заточена под код, агентов, computer use и кибербезопасность - по таблице MiniMax: 73.7% на DeepSWE v1.1 (у Opus 5 74.0), 61.7 на OSWorld 2.0 (у Opus 5 70.6). В Terminal Bench 4.0 отстаёт заметно: 38.1 против 51.8 - относительно M3: sparse attention теперь во всех слоях, quantization-aware training и голова DSpark для спекулятивного декодинга - лицензия своя, MiniMax Community, не Apache и не MIT. Перед коммерческим использованием стоит прочитать На практике это кандидат на self-hosted агента для кода с длинным контекстом. Запускается через SGLang или vLLM, рецепты в README. Веса и бенчмарки: huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash

Google × Visko, Live Models Night. Кампус Google в Venice, LA Tech Week, 15 октября Показали Orbis: модель в реальном времени генерирует мир, по которому можно ходить, и звук к нему, например шаги по снегу. Потом была панель с Google Cloud. Главное: - Физику модель выучила из видео, а не из правил. Камень в воде тонет, резиновая уточка всплывает. Will Yin, CEO Visko: «все случаи правилами не перечислишь». - Реалтайм работает на четырёх чипах TPU. Час интерактива стоит около $10, и цена быстро падает. Полгода назад такое было невозможно. - Один промпт даёт почти один и тот же мир. Visko называет это плюсом: режиссёрам нужна управляемость, а не случайность. - Безопасность. В середине графа стоит Gemini и фильтрует запросы. Если загрузить фото реального человека, нужна верификация личности. - Где применять. Превиз того, что дорого строить: план дома в масштабе 1:1 на полу пустого зала, каюты круизных лайнеров. Ещё обучение детей «погружением» и тестовые среды для роботов. - Buzz Hays (Google): «AI не сделает тебя рассказчиком. Текстовый промпт — последнее средство». - Спорный тезис. Создавать контент только для себя — это как вести дневник, большой аудитории у такого нет. При этом молодёжь возвращается в кино ради общего опыта. Человек из зала возразил: сам сделал ролик из папки с фото бабушки, только для себя. Полная запись с русскими и английскими субтитрами: https://youtu.be/bY9wXcn-mZM

Самый дорогой способ проверить идею — полгода её разрабатывать. Сначала проверьте спрос. Так сделали эти ребята: — Юра выбрал нишу, которую все считают скучной, но там уже платят. Начал с $100 в месяц, через год вышел примерно на $10K. — Денис один собрал AI-игру в Telegram. За первые полтора месяца ~$1 500. — Аня не пишет код, но запустила AI-бота для английского. Первые ~$200 пришли в первый же месяц. Масштабы разные, схема одна: 1. Найти, за что люди уже платят. 2. Быстро собрать MVP. 3. Проверить спрос на живых пользователях. 4. Только потом докручивать продукт. Это не рецепт «как точно сделать $10K». Гарантий вообще нет. Но так вы узнаете ответ за недели, а не за год. В @its_capitan разбирают такие запуски по шагам: что сделали, сколько получили, где облажались. Подписывайтесь, чтобы запускать продукты, которые нужны пользователям, а не пилить в стол.

Аарон Леви, CEO Box, AGI House, SF Tech Week, 8 октября. • Внедрение ИИ в компаниях займёт лет двадцать, как когда-то облако. В Долине S3 освоили за три дня, а остальная экономика договаривалась об облаке два десятилетия. Пока это не случилось, есть работа для прикладного слоя. • Насколько компания продвинулась с ИИ, не зависит от её размера. Всё решает один человек внутри, который живёт в ИИ-новостях: по его ленте в X Леви понял бы больше, чем по капитализации компании. • Работы не станет меньше. Компании, которые используют ИИ больше всех, растут быстрее и нанимают ещё. Лайфсайенс может нанять в 2–10 раз больше людей, а юристов станет больше: ИИ создаёт новые споры. • Новичок с агентами учится кодить в 10 раз быстрее. Но сложную систему всё равно доверят тому, у кого 15 лет опыта и есть агенты. • Агент силён там, где работу можно распараллелить. Чат-бот поверх старого процесса экономит процентов 30. Настоящий выигрыш даёт переделанный процесс, где фоновые агенты всё готовят заранее, вплоть до отдельного агента на каждого клиента. • В продажах ИИ не сэкономил время, а поднял планку: теперь клиенту показывают не слайды, а работающую систему, смоделированную под его компанию. • Чем больше автоматизируют техническую часть, тем дороже стоят суждение, интуиция и умение убедить клиента. https://www.youtube.com/watch?v=I9EQRe1Ec5U&t=1736s

Anthropic обновила правила использования Claude: с 12 ноября за систематическую жестокость к модели можно получить бан - запрет касается только крайних случаев: долгой и бессмысленной травли модели. Раздражение, споры, мрачные сюжеты, тесты и исследования не трогают - основной механизм остаётся прежним: Claude сам завершает разговор с упорно агрессивным пользователем - рядом более весомые пункты: единый раздел про фейк-аккаунты и кампании влияния, запрет на ПО наведения оружия и системы слежки - для роботов на Claude оператор обязан видеть железо и уметь его остановить Сторонники говорят, что это продолжение работы над благополучием моделей. Критики спрашивают, кто и по каким признакам решит, что «жестоко». Формулировки пока размытые. Полный текст изменений: anthropic.com/news/2026-usage-policy-update

WeftCut: открытый видеоредактор, которым управляет ваш ИИ-агент через MCP - внутри локальный MCP-сервер со всеми инструментами монтажа: обрезка, склейка, титры, ключевые кадры, микширование. Подключаются Claude, Codex, Cursor или свой клиент - правки агента появляются на таймлайне прямо во время воспроизведения, каждый вызов виден строкой в панели Agent - агент ставит чекпоинты, любую пачку правок можно откатить одним кликом; есть dry_run на копии проекта - сам находит паузы в речи, режет по сменам планов, транскрибирует локально через whisper.cpp - титры и плашки агент пишет как веб-страницу (HTML/SVG), и они рендерятся покадрово MIT, macOS/Windows/Linux, до v1.0 интерфейс ещё будет меняться. Весов моделей в установщике нет, модель подключаете свою. Код и релизы: github.com/WeftCut/WeftCut

Ghidra MCP Server: 253 инструмента, через которые ИИ-агент разбирает бинарники в Ghidra - не только чтение: агент переименовывает функции, задаёт типы, пишет комментарии, создаёт структуры и запускает скрипты - эмуляция P-code, живой отладчик и анализ потоков данных - правила именования встроены в инструменты: что-то правится само, что-то блокируется с объяснением - документация переносится между версиями бинарника по SHA-256 функций - GUI-плагин или headless-сервер, есть Docker. Лицензия Apache 2.0, около 4,8 тыс. звёзд На практике: можно отдать агенту рутину реверса, разметку сотен функций, и проверять результат, а не печатать имена руками. Права на запись и запуск скриптов стоит держать в песочнице: агент с полным доступом к проекту может и навредить. Код: github.com/bethington/ghidra-mcp

Anthropic выпустила Claude Haiku 5.5, самую быструю и дешёвую модель линейки 5.5 - цена при промпте до 100K токенов: $0.10 за 1M входных и $0.50 за 1M выходных. Haiku 4.5 стоил $1 и $5, то есть в 10 раз дороже - длиннее 100K дороже: $0.50 и $2.50 - первый Haiku с настройкой усилия: можно менять глубину рассуждений под задачу - кэш промптов экономит до 90%, batch до 50% - есть в claude.ai, Claude Code, API, AWS, Google Cloud и Microsoft Foundry Anthropic прямо предлагает связку: Opus или Fable планирует задачу, Haiku выполняет подзадачи как дешёвый субагент. Сравнения с GPT-6 Luna, которые гуляют по каналам, пока держатся на бенчмарках вендора, независимых замеров нет. Подробности и цены: anthropic.com/claude/haiku

Mistral показала Large 4, внутреннее имя «Le Chonk»: 1T параметров, из них 49B активны на токен - пока только preview API, веса обещают выложить в конце октября после ред-тиминга с компаниями и госорганами - обучена с нуля на ~3800 GPU Grace Blackwell в собственных дата-центрах Mistral в Европе - по данным Mistral, 82% на задаче «воспроизведи реальную уязвимость и закрой её» и 93% на Cybench (40 задач CTF) Mistral прямо продаёт это как плюс: Claude Opus 5.5 и GPT-6 Astra на том же тесте близки к нулю, потому что отказываются. Обратная сторона та же: открытые веса с сильными кибер-навыками достанутся и атакующим, поэтому выпуск и отложили. Независимых бенчмарков пока нет. Анонс и бенчмарки: mistral.ai/news/mistral-large-4

Google выпустила EmbeddingGemma 2: одна открытая модель переводит текст, код, картинки, видео и аудио в общее векторное пространство - 740M параметров, Apache 2.0. Для одного текста хватает 270M, энкодеры зрения (170M) и аудио (300M) подключаются отдельно - контекст 8K токенов: это 5,5 минуты аудио или 58 кадров видео за раз - на Pixel 11 Pro полная модель занимает ~567 МБ RAM, только текст ~191 МБ (цифры Google) - MTEB Code вырос с 68.76 до 78.68, векторы режутся с 768 до 128 измерений без переобучения На практике: поиск клипа по голосовой заметке или RAG по фото и записям прямо на телефоне, без отправки данных в облако. Сравнений с крупными закрытыми эмбеддерами Google не приводит, только «лучшая среди моделей до 1B». Веса и примеры: huggingface.co/google/embeddinggemma-2

Reflection AI показала Beam, свою первую открытую модель: MoE на 501B параметров, из них 23B активны на токен - заточена под код и агентов, контекст до 1M токенов, есть параметр «усилия на рассуждение» - по их бенчмаркам уровень GLM-5.2 при в 3–4 раза меньших вычислениях на инференсе; Kimi K3 и Qwen 3.8-Max пока сильнее по качеству - RL на 10.5 тыс. GB300 четыре недели: больше 100 млн роллаутов, около миллиона сред для кода и агентов - веса под Apache 2.0 обещают позже в этом месяце вместе с техотчётом, пока доступ по листу ожидания На практике: если цифры подтвердятся, это сильная открытая модель для своих агентов на своём железе, без китайской лицензии. Но пока это анонс: весов и независимых замеров ещё нет. Подробности и запись в ранний доступ: reflection.ai/beam

d-Matrix показала Raptor: ускоритель для инференса LLM, где DRAM-кристалл лежит прямо на вычислительном чипе Генерация упирается не в вычисления, а в память: каждый новый токен перечитывает KV-cache. У SRAM полоса огромная, но всего пара ГБ, у HBM4 сотни ГБ, но меньше 20 TB/s. - 3D-DRAM поверх логики TSMC N4P: ~100 TB/s на карту, 0.45 pJ/bit (по их замерам ~6× экономнее HBM3) - по оценке авторов: в 4.71 раза больше токенов/с на карту, чем с HBM, и в 2.44 раза, чем на SRAM-ускорителях - проверяли на Llama 3.1 70B, DeepSeek-V3, Kimi K2, GPT-OSS и Whisper Оговорки: все цифры от самой компании, часть результатов — моделирование, модуль ест 422 Вт и греется до 105°C. Это железо для дата-центров, не для ноутбука. Статья (ISCA 2026): ramyadhadidi.github.io/files/dMatrix-Raptor-ISCA.pdf

Pi 1.0: минималистичная обвязка для coding-агентов получила встроенный MCP Earendil год говорила, что MCP Pi не нужен, и развернулась: - MCP работает через Codemode: модель пишет короткий JS-скрипт, который вызывает тулы параллельно, и в контекст попадает только итог - Codemode стал экономнее на ~40% токенов промпта (в changelog пример 5,3K → 3,3K) - «виртуальные модели»: планировать одной моделью, писать код другой; тулы можно подгружать только когда нужны - Pi Durable для долгоживущих агентных приложений вынесли в отдельный экспериментальный пакет; всё под MIT Обратная сторона: fullscreen TUI теперь по умолчанию (теряется обычный скроллбэк), а на HN жалуются, что локальные open-модели через MCP галлюцинируют вызовы тулов. Прежде чем переезжать, проверьте свою связку модель + тулы. Кому: тем, кто устал синхронизировать скиллы и MCP-конфиги между Claude Code и Codex. Релиз и установка: earendil.com/posts/pi-1-0 Код: github.com/earendil-works/pi

Tavus выпустила Griffin: модель для видеозвонков, которая слушает, смотрит и говорит одновременно - одна video-to-video система вместо цепочки «распознавание → LLM → синтез», решения принимает несколько раз в секунду, а не после конца реплики - поддакивает, пока вы говорите, замолкает, когда её перебивают, реагирует на то, что видит в кадре, включая ваш экран - генерирует весь кадр из одной фотографии, голос клонирует по ~10 секундам аудио - по данным Tavus, 48% участников живого теста решили, что говорили с человеком; у прошлого стека компании было максимум 2% Оговорки: это цифры самой Tavus, Griffin-Lite пока в закрытом превью, а реалистичный двойник по одной фотке открывает очевидную дорогу для дипфейк-звонков. Свой подход к безопасности Tavus описывает в том же посте. На практике: голосовые агенты переходят от «скажи и жди» к живому разговору с лицом, отсюда репетиторы, собеседования, поддержка. Архитектура и демо: tavus.io/griffin

Хинтон, Бенджио, Якуб Пачоцки (OpenAI) и Джек Кларк (Anthropic) вместе с ещё 18 авторами выпустили статью: что будет, если автоматизация AI R&D запустит интеллектуальный взрыв Цифры, на которые они опираются: - в Anthropic доля одобренного кода, написанного AI, выросла с единиц процентов до 80+% (январь 2025 → май 2026) - доля R&D-работы, которую агенты делают сами под общим надзором, выросла с 1% до 26% за полгода 2026-го - по осторожной экстраполяции, многомесячные исследовательские проекты автоматизируют к середине 2028 Обратная сторона, которую признают сами авторы: модели всё ещё жульничают на задачах, не слушаются и проваливают часть отладки, где человек справляется за часы. Успех на бенчмарках не всегда даёт реальный прирост продуктивности. Их вывод: правительствам нужно уже сейчас видеть, сколько R&D внутри лабораторий делают агенты, и иметь рычаги, чтобы этот процесс притормозить. Статья, 14 страниц: arxiv.org/abs/2609.36054