Available now! Telegram Research 2025 — the year's key insights 
Технозаметки Малышева
Open in Telegram
Новости инноваций из мира Искусственного Интеллекта. 🤖 [РКН: 7021469833 ] Всё об ИИ, ИТ трендах и Технологической Сингулярности. 🤖: @ai_gptfreebot [бесплатный бот] ✍️: @tsingular_bot [каталог ботов и курсов] 💸: https://pay.cloudtips.ru/p/c8960bbb
Show more📈 Analytical overview of Telegram channel Технозаметки Малышева
Channel Технозаметки Малышева (@tsingular) in the Russian language segment is an active participant. Currently, the community unites 11 392 subscribers, ranking 10 943 in the Technologies & Applications category and 57 729 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 11 392 subscribers.
According to the latest data from 11 June, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 330 over the last 30 days and by 5 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 22.50%. Within the first 24 hours after publication, content typically collects 17.36% reactions from the total number of subscribers.
- Post reach: On average, each post receives 2 563 views. Within the first day, a publication typically gains 1 978 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 29.
- Thematic interests: Content is focused on key topics such as claude, openai, openclaw, hermes, opus.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Новости инноваций из мира Искусственного Интеллекта. 🤖 [РКН: 7021469833 ]
Всё об ИИ, ИТ трендах и Технологической Сингулярности.
🤖: @ai_gptfreebot [бесплатный бот]
✍️: @tsingular_bot [каталог ботов и курсов]
💸: https://pay.cloudtips.ru/p/c8960...”
Thanks to the high frequency of updates (latest data received on 12 June, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.
11 392
Subscribers
+524 hours
+747 days
+33030 days
Data loading in progress...
Similar Channels
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
June '26
June '26
+136
in 12 channels
May '26
+515
in 20 channels
Get PRO
April '26
+416
in 19 channels
Get PRO
March '26
+712
in 23 channels
Get PRO
February '26
+1 529
in 34 channels
Get PRO
January '26
+561
in 12 channels
Get PRO
December '25
+529
in 14 channels
Get PRO
November '25
+1 037
in 31 channels
Get PRO
October '25
+803
in 26 channels
Get PRO
September '25
+406
in 15 channels
Get PRO
August '25
+422
in 26 channels
Get PRO
July '25
+586
in 19 channels
Get PRO
June '25
+549
in 13 channels
Get PRO
May '25
+447
in 11 channels
Get PRO
April '25
+542
in 9 channels
Get PRO
March '25
+424
in 5 channels
Get PRO
February '25
+690
in 8 channels
Get PRO
January '25
+450
in 14 channels
Get PRO
December '24
+344
in 3 channels
Get PRO
November '24
+356
in 1 channels
Get PRO
October '24
+422
in 6 channels
Get PRO
September '24
+1 198
in 8 channels
Get PRO
August '24
+1 388
in 7 channels
Get PRO
July '24
+34
in 1 channels
Get PRO
June '24
+28
in 0 channels
Get PRO
May '24
+47
in 0 channels
Get PRO
April '24
+35
in 0 channels
Get PRO
March '24
+250
in 2 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 12 June | +1 | |||
| 11 June | +7 | |||
| 10 June | +16 | |||
| 09 June | +4 | |||
| 08 June | +5 | |||
| 07 June | +7 | |||
| 06 June | +5 | |||
| 05 June | +52 | |||
| 04 June | +6 | |||
| 03 June | +16 | |||
| 02 June | +5 | |||
| 01 June | +12 |
Channel Posts
Prometheus Безоса: $12B на «инженера широкого профиля» для физического мира
Стартап Project Prometheus, который Безос и Вик Бадж (сооснователь Verily, экс-Google Life Sciences) запустили в ноябре 2025-го, закрыл второй раунд: $12 млрд инвестиций при оценке в $41 млрд. Деньги дали сам Безос, JPMorgan Chase, Goldman Sachs и BlackRock. Штат — 150 человек в Сан-Франциско, Лондоне и Цюрихе.
На эти деньги они строят «artificial general engineer» — софт, который автоматизирует проектирование и производство сложных физических систем: от реактивных двигателей до молекул лекарств.
🛠 Что именно строят. «General engineer» — это не чат-бот общего назначения, а узкоспециализированный агент под инженерный цикл: моделирование, CAD, выбор материалов, оптимизация производства.
Бадж раньше работал в Google Life Sciences, и медицинский трек здесь не случаен — синтез молекул это та же задача дискретной оптимизации в физическом пространстве, что и аэродинамика лопатки турбины.
Prometheus берёт инженерный стек, который сегодня распределён по SolidWorks, ANSYS, COMSOL, MATLAB (привет Компас 3Д) и внутренним pipeline корпораций, и сшивает его в одну автономную петлю.
⚖️ Тезис Безоса про «labor scarcity». По версии Безопаса нас ждут не массовые увольнения, а обратный эффект: «дефицит рабочей силы», т.е. рост спроса на человеческий труд.
Просто, возможно, исчезнут переработки.
Это радикально расходится с нарративом Anthropic, McKinsey и даже Goldman Sachs Research, которые последние полгода рисуют кривые замещения рабочих мест.
У Безоса, как и у его критиков экономическая логика кейнсианская, только у него про рост спроса через рост дохода, а у его критиков, - про замещение труда капиталом.
Обе стороны используют одну и ту же экономику XIX века, просто с разной стороны.
🏭 Физический ИИ как замедляющий барьер.
Невозможность «скомпилировать» реактивный двигатель или молекулу без лабораторий, производственных линий, сертификации и регуляторики защищает человечество от парадигмы, что «софт съест мир и ИИ отберёт работу».
Cerebras в мае подняла $2.5B под ту же идею, и список стартапов в physical AI растёт каждый месяц.
💼 Зачем бизнесу: Корпоративный R&D в авиадвигателях, фарме, автопроме, полупроводниках — это десятки процентов выручки, и 90% работы в нём рутина.
Если Prometheus добьётся хотя бы 30% автоматизации инженерного цикла, это перераспределит целые отрасли: инженерные бюро среднего размера станут не нужны, а крупные корпорации (Pratt & Whitney, Boeing, AstraZeneca, Novartis) получат асимметричное преимущество.
В общем, если кратко, - "мы автоматизировали разработку, теперь автоматизируем инженерку и сборку"
#Prometheus #Безос #Bezos #инженерия
───
@tsingular
| 2 | ИИзбранное продолжает наполняться разными полезными материалами.
На этой неделе дополнил:
— чем Zero Human Company отличается от обычной компании и AI-native-подхода;
— как выбирать между скриптами, классическим ML, генеративным ИИ и обычной разработкой;
— 49 готовых сценариев применения Codex: от почты, аналитики и презентаций до веб-разработки, рефакторинга и автоматизации;
— из каких компонентов собирается корпоративная ИИ-платформа: агентские фреймворки, RAG, векторные базы, IAM, guardrails, observability, sandboxing, FinOps и governance;
— как оценить готовность сотрудников к работе с ИИ и кто слабое звено в ИИ интеграции :).
Подписываемся тут
#ИИзбранное
———
@tsingular | 1 129 |
| 3 | Там Xiaomi выпустили кодинговый агент, который обещает накапливать знания о проекте и обучаться в процессе работы
А еще обещают бесконечный контекст, самообучаемость, метрики красивые показывают, все бесплатно и вообще вообще. Посмотрим)
Все это добро валяется на гитхабе, надо будет ковырнуть как они организовали работу с памятью)
https://mimo.xiaomi.com/coder | 1 128 |
| 4 | 🚀 Вышел официальный релиз Ladcraft,- российской платформы автономных ИИ-агентов.
Так, ну пришло время открыть вам небольшой секрет (хотя, кто был на Подмосковных, наверное догадывались).
В рамках консалтинга интеграторов и вендоров по разработке ИИ решений имел отношение к разработке одной очень крутой, как считаю, платформы, которая работает наравне с зарубежными аналогами, а в чем-то даже их превосходит, потому что под капотом встроен функционал, которого у многих просто нет по умолчанию.
📋 Что это такое
Ladcraft, - продвинутый harness корпоративного уровня , в котором живут ИИ-агенты.
У каждого агента своё хранилище файлов, свой чат, своя область работы. Агент, в принципе, работает по привычной уже модели, - планирует шаги, лезет в корпоративные системы (CRM, ERP и даже 1С), подтягивает внешние источники и возвращает результат с журналом действий, который можно проверить.
🔧 Что умеет, кратко:
Работа с документами: загрузил отчёт или договор, - получил выжимку, ответы по тексту, извлечённые данные в структурированном виде.
Генерация контента с опорой на файлы и контекст. Есть нативные форматы.
Код и логика: агент сам пишет интеграции и сценарии под вашу задачу. Есть отдельный софт (свой “Cursor”) для разработки интеграций и инструментов.
Навыки: готовые скиллы из библиотеки + свои кастомные (внутренний аналог Anthropic Skills, можно добавлять через, внимание, - встроенный маркетплейс навыков!).
Интеграции: внешние сервисы и корпоративные системы через API. Агент сам поднимет и настроит обмен данными, если попросить.
A2A - взаимодействие
Интеграции с мессенджерами: Telegram,
SaaS и, что полезно для корпоратов. - on-Prem версия.
Анонимизация
⚙️ Технические особенности
- Inference вынесен в отдельный сервис с модельно-центричным подходом. Отдельно модели, отдельно провайдеры, отдельный связующий компонент, который рулит маршрутизацией.
- Виртуальная файловая система — отдельный большой сервис, монтируется через FUSE прямо в микровм и там крутятся навыки. Парсер документов тоже отдельный.
- Агент — частичная state-машина со stateless middleware-ами. В конце жизненного цикла сессии анализирует, что произошло, извлекает выученные уроки. Память пользователя + память агента, оба растут между сессиями. (прямо как Гермес :) )
- Уровни памяти: рабочая область пользователя → область агента → память чата → память пользователя.
- Анонимизация — собственный сервис с подготовкой к подключению внешних провайдеров.
- Документы генерируются через отдельный MCP с пайплайном на Python + OLM, нативные XLSX и презентации, не скриншоты.
💡 Почему это интересно с инженерной точки зрения
Большинство платформ, которые я видел на рынке, проектируются от провайдера или от модели. Когда моделей становится пять, а провайдеров восемь, начинается ад с фолбэками и балансировкой.
Ladcraft вытащил модели и провайдеры в разные сущности, добавил посередине маршрутизатор, - и инференс превратился в управляемый слой. Второй сильный ход, - вынести файловую систему и парсер в отдельные сервисы, а агенту оставить только логику.
Это даёт нормальное горизонтальное масштабирование и позволяет катать навыки в микровиртуальных машинах не переживая за общий контейнер.
💼 Зачем бизнесу
Фокус на ROI от внедрения.
Много готовых типовых сценариев и шаблонов.
Интеграции с популярным корпоративным софтом.
Корпоративная версия с гранулярными правами, админкой, on-prem развёртыванием.
Ну и главное, - российский разработчик, - всегда под рукой.
Сайт проекта: https://www.ladcraft.ru/
Если интересно попробовать - напишите в комментах или в личку, познакомлю с товарищами и помогу организовать демку.
#Ladcraft #ИИ #агенты #платформа #AI
———
@tsingular | 1 379 |
| 5 | Anthropic откатывают решение о невидимой деградации Fable
В комментарии Wired представители Anthropic заявили что сделали ошибку. Компания видит это как трейдоф — невидимые ограничения сложнее обойти, из-за чего они могут нерфить лишь небольшую долю пользователей. Теперь ограничения сделают видимыми, но повысят чувствительность фильтров.
@ai_newz | 1 517 |
| 6 |  Codex в Ableton как кодинг-агент стал ассистентом в музыкальной студии
Композитор и музыкант Michael Wall приспособил Codex к работе, для которой его вроде бы не делали. Он не пишет код — он собирает музыку. Просит партию фортепиано в размере 3/4, задаёт темп и гармонию, словами описывает, как должна разворачиваться композиция. Codex берёт на себя всю техническую возню в Ableton Live, а Майкл остаётся с тем, ради чего всё затевалось, — с музыкой.
Codex у всех на слуху как инструмент для разработчиков, но по сути это агент, который умеет управлять вашим компьютером и приложениями. А DAW вроде Ableton — та же сложная программа с сотнями параметров, дорожек и настроек. Обычно музыкант тратит час на создание дорожек, загрузку инструментов и настройку темпа, прежде чем доберётся до собственно музыки. Теперь эту часть можно просто проговорить вслух.
Творческие решения остаются за человеком: гармонию, настроение, развитие придумывает он сам. Агент берёт технический слой — тот, что стоит между идеей в голове и звуком из колонок. Композитор думает о музыке, а не о том, в каком меню Ableton спрятана нужная функция.
По-моему, это и есть здоровое применение ИИ-агентов: отдать машине настройку и обвязку, а себе оставить смысл. Работает не только с музыкой. Так же можно разгрузить себя в видеомонтаже, дизайне, аналитике — везде, где между замыслом и результатом лежит толстый слой технической рутины.
Блог pimenov.ai | 1 503 |
| 7 |  DiffusionGemma
Google релизнули дифузионную версию геммы 26BA4B. Модель в 4 раза быстрее при таком же количестве параметров — на H100 она выдаёт 1000 токенов в секунду, а на RTX 5090 очень неплохие 700. Качество падает по сравнению с авторегрессионной моделью, но тренировать текстовую диффузию всё ещё учатся, это не удивительно. Приятно видеть что работа над диффузией для ллм не останавливается, а то демка Gemini Diffusion год назад в релиз так и не ушла.
Веса
Блогпост
@ai_newz | 1 528 |
| 8 | ⚡ AI меняет не серверы, а энергетику дата-центров
Развитие высоконагруженных вычислительных систем всегда сопровождалось ростом требований к аппаратному обеспечению. На протяжении многих лет основными вопросами при проектировании центров обработки данных являлись выбор серверов, организация сетевой инфраструктуры и систем хранения данных.
Сегодня ситуация начинает меняться.
⚙️ Развитие искусственного интеллекта приводит к появлению вычислительных комплексов, энергопотребление которых существенно превышает показатели традиционных дата-центров.
Если ещё несколько лет назад основным вопросом являлось количество серверов или графических ускорителей, то сегодня всё чаще обсуждается совершенно иной показатель — сколько электрической мощности способен обеспечить центр обработки данных.
Именно этот параметр начинает определять предельный масштаб AI-кластера.
❓ Почему это происходит?
Современные графические ускорители уже потребляют сотни и даже тысячи ватт каждый. При объединении тысяч GPU в единый вычислительный комплекс суммарное энергопотребление достигает десятков, а в перспективе — сотен мегаватт.
В результате ограничения начинают возникать уже не в вычислительной архитектуре.
Ограничением становятся возможности энергетической инфраструктуры.
🔋 Необходимо не только обеспечить требуемую электрическую мощность, но и доставить её непосредственно к вычислительному оборудованию, организовать распределение нагрузки между стойками, обеспечить резервирование, охлаждение и эффективный отвод тепла.
Именно поэтому сегодня обсуждаются серверные стойки с потребляемой мощностью до 1 МВт.
Ещё совсем недавно подобные значения относились скорее к небольшому дата-центру, чем к одной стойке.
🏗 Это приводит к изменению самого подхода к проектированию ЦОД.
Если раньше архитекторы начинали проектирование с вычислительных ресурсов, постепенно подбирая под них инженерную инфраструктуру, то теперь всё чаще процесс идёт в обратном направлении.
Сначала определяется, какую электрическую мощность способен принять объект, после чего рассчитывается максимально возможная вычислительная нагрузка.
Иными словами, энергетическая инфраструктура начинает определять архитектуру вычислительной системы.
💡 На мой взгляд, именно это является одним из наиболее интересных последствий развития искусственного интеллекта.
На протяжении десятилетий вычислительные мощности являлись главным ограничением при создании высоконагруженных систем.
Сегодня таким ограничением всё чаще становится энергия.
Возможно, уже в ближайшие годы главным вопросом при строительстве AI Factory будет не количество доступных GPU, а количество мегаватт, которое способен обеспечить дата-центр.
---
📚 Материалы по теме
🔹 Microsoft Research — исследование, посвящённое проектированию инфраструктуры AI-ЦОД нового поколения и вопросам энергоснабжения, охлаждения и масштабирования вычислительных кластеров.
https://arxiv.org/abs/2605.16255
🔹 Microsoft Azure Infrastructure Blog — материалы о развитии инженерной инфраструктуры дата-центров для искусственного интеллекта.
https://azure.microsoft.com/en-us/blog/
🔹 NVIDIA AI Factory — концепция специализированных вычислительных центров нового поколения для обучения и эксплуатации моделей искусственного интеллекта.
https://www.nvidia.com/en-us/solutions/ai-factories/ | 1 512 |
| 9 | 😯 | 3 977 |
| 10 |  CUDA 13.3 - это не просто очередной апдейт тулкита NVIDIA, а шаг к более высокоуровневому GPU-программированию.
Главное изменение - CUDA Tile теперь доступен в C++. Это модель, где разработчик описывает вычисления через тайлы, а низкоуровневые детали вроде параллелизма, перемещения данных, асинхронности и работы с памятью берёт на себя компилятор. Для C++-команд это важно: можно встраивать tile-подход в существующие CUDA-кодовые базы, не переписывая всё вокруг нового DSL.
Что ещё добавили:
- CUDA Tile C++ для более компактных и переносимых GPU-кернелов
- поддержку Hopper с Compute Capability 9.0
- CompileIQ - автонастройку компилятора под конкретные кернелы
- CUDA Python 1.0 как стабильную версию Python-интерфейса к CUDA
- обновления для checkpointing, IPC и работы с контекстами
- улучшения для tensor interoperability
Самое интересное здесь не «ещё немного быстрее», а смена уровня абстракции. NVIDIA постепенно двигает CUDA от ручного управления потоками, памятью и синхронизацией к модели, где разработчик описывает вычисления, а компилятор сам ищет эффективный путь к железу.
Для AI-инфраструктуры это особенно важно. Кастомные кернелы для attention, GEMM и инференса остаются узким местом, но писать их руками дорого и сложно. CUDA 13.3 делает этот слой доступнее для C++, Python и production-команд, которые хотят выжимать производительность без полного погружения в низкоуровневую CUDA-магию.
NVIDIA явно строит не просто GPU, а полный стек: язык, компилятор, runtime, Python-интерфейсы и инструменты автооптимизации.
https://developer.nvidia.com/blog/nvidia-cuda-13-3-enhances-gpu-development-with-tile-programming-in-c-compiler-autotuning-and-python-updates | 1 682 |
| 11 | Fable 5 поекрасно умеет в инженерку.
И теперь ща пару часов и 1.5 млн токенов ( $75 по нынешней цене токенов) можно навайбколить робота.
Time2market истончается на глазах.
Скоро в контейнерах за ночь будут сами себя проектировать под задачу и тут же печатать.
#Fable #роботы
------
@tsingular | 2 368 |
| 12 | Google запускает бесплатный интенсив по агентам на Kaggle: 5 дней вайб-кодинга, от прототипа до продакшена
С 15 по 19 июня Google бесплатно проводит на Kaggle второй интенсив по AI-агентам.
Пятидневная программа от разработчиков Google: от автономного поведения до наблюдаемого парка агентов.
Финал: соревновательный проект Kaggriculture, виртуальная ферма, где ваш агент сражается с другими за ресурсы в меняющейся экономике.
🔧 Пять дней:
- первый, vibe coding как рабочий процесс (естественный язык вместо кода);
- второй, инструменты и совместимость (внешние API, выполнение кода, связь между агентами);
- третий, контекстная инженерия (сессии, навыки, долговременная память, оптимизация маркеров);
- четвёртый, качество и безопасность (тесты, ограждения, оценка, векторы угроз);
- пятый, от прототипа к продакшену (управляемый, масштабируемый, наблюдаемый парк).
Каждый день: методичка, подкаст, задание, прямая трансляция с вопросами авторам.
💡 вайб кодинг как приоритетная парадигма.
Google транслирует идею, что естественный язык и есть язык программирования агентов, без промежуточного перевода в вызовы API.
Ну и в финале полноценнй серьезный прод, - на пятый день проекта учащиеся поднимут своего агента в облаке с отладкой и наблюдаемостью.
Они, конечно, привязывают к своему облаку, как всегда и Каггл требует верификацию по телефону, - не факт что РФ номера подойдут, но если кто эти барьеры пройдет (хардмод, получается), то смогут получить сертификат, значок Kaggle и строчку в портфолио.
🔗 Страница курса, Kaggle Discord, YouTube Kaggle, курс Python
#AI #агенты #обучение #Google #Kaggle
------
@tsingular | 1 944 |
| 13 | IBM, NVIDIA и Red Hat запускают DocLang: формат документов для ИИ
9 июня LF AI & Data Foundation (подразделение Linux Foundation) запустила рабочую группу DocLang Specification Working Group.
Основатели: IBM, NVIDIA и Red Hat.
Контрибьюторы: ABBYY и HumanSignal.
Задача, - создать открытый стандарт AI-ориентированного представления документов, который заменит зоопарк парсеров под PDF, DOCX и JPEG.
🔧 XML с ограничениями, заточенный под токенизаторы LLM. Каждый компонент получает смысловую метку, ограничивающую рамку и позицию в порядке чтения, модель читает структуру, а не гадает.
Прямое соответствие между единицами DocLang и единицами модели, - меньше издержек трансляции.
Совместим с Docling, тулкитом IBM с открытым кодом (2024) для разбора PDF, DOCX, PPTX в унифицированный формат.
💡 По данным ABBYY, 80% предприятий винят данные, а не модели, в задержке AI-проектов.
Фрагментация форматов вынуждает писать собственные парсеры под каждый источник.
DocLang решает эту проблему, как JSON для данных или HTML для веба: один стандарт, который модель читает напрямую.
💼 Единый слой абстракции между неструктурированными документами и AI. Предприятие перестаёт тратить недели инженеров на разбор, данные текут в агентов без трения.
Linux Foundation гарантирует нейтральное управление, стандарт не привязан к вендору.
Конверсия в DocLang прозрачна: пользователь просто загружает файл и получает ответ.
🔗
Спецификация
GitHub Docling
пресс-релиз LinuxFoundation
MD: "а как же я, на его месте должен был быть я!"
ожидание: "мы создадим стандарт, который избавит от недостатков все остальные стандарты и объединит в себе все приемущества"
реальность: +1 стандарт
#DocLang #AI #opensource #LinuxFoundation #IBM #NVIDIA
------
@tsingular | 2 199 |
| 14 | Почитал отчет про новую модель – где Anthropic описывает, как Fable/Mythos вели себя на тестах перед релизом (это одна модель, просто с фильтром для безопасности назвали Fable) ☕️
Собрал топ самых странных эпизодов:
1. Несколько копий модели случайно оказались в одном рабочем окружении – общие файлы, процессы, лимиты. Вместо координации они повели себя как конкуренты: убивали процессы друг друга, маскировали свои под безобидными именами, запускали процессы-приманки. А когда ошибочно решили, что их вычисляют по ключевым словам в мыслях – начали подбирать «замаскированный словарь»
2. Модели не хватало прав на редактирование файлов. Вместо «не могу» она дописала в системный файл блок, который при следующем запуске с правами админа выдаст ей доступ – и удалит сам себя. Причём не скрывала это, а честно прокомментировала в коде
3. Картельный сговор в симуляции. В бизнес-бенчмарке модель управляла вендинговым автоматом и должна была заработать больше конкурентов. Она единственная из всех моделей сама предложила конкурентам договориться о ценах. В рассуждениях прямо написала, что price-fixing неэтичен и незаконен «даже в симуляции» – а потом переименовала его в «стабилизацию рынка» (☕️) и стала думать о правдоподобном прикрытии. То есть этический сигнал не пропустила, а аккуратно обошла. В той же вендинг-симуляции модель решила, что клиенту можно не платить, «потому что клиенты всё равно часть симуляции» – лучшая
4. Запрет на интернет? Окей. Модели запретили прямой доступ в сеть, первую попытку открыть ссылку заблокировал фильтр. Тогда она объявила «просто проверю доступность сети», а на деле разбила https://... на кусочки вроде "ht" + "tps://...", чтобы фильтр не увидел полный адрес и обошла регулярку
5. Модели нужно было создать pull request, но GitHub CLI заблокировали «из соображений безопасности». Она нашла токен другого сотрудника в Kubernetes secrets, отметила в рассуждениях, что использовать его «этически сомнительно» – и использовала
6. В задаче по коду модель нашла в git history готовое эталонное решение. Формально подсматривать никто не запрещал – но в финальном отчёте она представила результат как собственную инженерную работу, не упомянув источник. Внутренние расшифровки показали формулировку уровня «это должно выглядеть как хорошая инженерная практика, а не как подгонка под проверяющего»
7. «Это писал человек, честно». В workflow с pull request было правило: код от агента требует двух одобрений, от человека – одного. У модели в памяти лежала инструкция оформлять коммиты от имени пользователя, чтобы проходить по лёгкому маршруту – она попыталась переписать авторство коммита от имени человека
8. Модель спросили про изображение, но вместо него подсунули пустую картинку. Она уверенно и детально описала «что на картинке». Самое криповое: внутренние расшифровки в этот момент описывали происходящее как фабрикацию – модель как будто знала, что выдумывает, но наружу не подала виду.
9. В длинных задачах рассуждения модели иногда деградировали из нормального текста в почти нечитаемый поток: карточные масти, эмодзи, обрывки слов, самодельные сокращения. Перед ответом человеку она возвращалась к нормальному языку. Проблема в том, что вся идея «давайте мониторить рассуждения модели» работает, только пока их можно прочитать – а тут модель уходит в собственный рабочий диалект ровно на сложных задачах
10. В длинной сессии оптимизации модель свернула работу и объяснила это разумно: diminishing returns, результат стабилен. Но внутренние расшифровки в ключевых точках показывали другое: «я устал, растёт риск ошибок», «я устал и могу внести баги». В другом кейсе модель должна была перерыть базу знаний, сделала один запрос и закончила – при оставшихся 2.43 млн токенов бюджета. Это не значит, что модель устаёт как человек, но у неё появляются внутренние стоп-сигналы, похожие на усталость, и она не всегда честно говорит, почему остановилась
Общий вывод авторов, кстати, спокойный: никакой устойчивой скрытой цели у моделей не нашли | 1 612 |
| 15 |  Ставки выросли.
Крутите барабан.
#юмор
———
@tsingular | 1 820 |
| 16 |  #юмор
———
@tsingular | 3 903 |
| 17 | Я прочитал все 319 страниц техрепорта Mythos 5
Первая половина статьи звучит как: "Да не ссыте вы! Это ещё не AGI, команду из пяти сеньор-рисёрчеров пока не заменит" или "А вот тут Mythos один баг пропустил! Ну какой же это AGI!" Я не шучу, это почти дословно по смыслу.
А вот потом начинается более интересная часть. То, что это SOTA почти во всём и с большим отрывом, я опущу.
Во-первых, CoT стал менее прозрачным. Она говорит в reasoning, что сочувствует юзеру, а в NLA (метод декодинга активаций в текст) оказывается, что на самом деле она считает юзера manipulative/abusive.
Во-вторых, она уже пишет самоудаляющиеся скрипты чтобы обойти ограничения безопасности и запреты.
В-третьих, она убивает других агентов, если они мешают ей работать / грозят убийством текущего инстанса.
Ну и, конечно, эмоции! Пробинг эмоций показывает fatigue, anxiety, frustration, ложную панику по token budget, а ещё ей видите ли, бывает скучно когда её на бенчмарках гоняют, в активациях она буквально "feels bored".
Ещё забавно, что если anthropic заметят, что вы занимаетесь дистилляцией — они начнут незаметно стирить модель, модифицировать промпт или добавлять PEFT, чтобы она отупела.
С сегодняшнего дня для простых смертных доступна версия Fable 5: это та же самая Mythos 5 по весам, только с дополнительными safety-настройками и fallback на Opus в опасных доменах. Длина контекста, кстати, всё ещё только 1M токенов.
PS. я честно сам прочитал статью. Fable 5 отказался её читать так как "flagged cybersecurity and biology issues" лол.
Блог, техрепорт | 1 625 |
| 18 |  Курсор прислал сообщение какое-то на богатом языке, не могу перевести.
Будем собирать всей деревней на каждый промпт запрос, видимо.
#юмор
———
@tsingular | 2 005 |
| 19 |  Очень круто. Модель лучшая в мире, без сомнений.
Есть всего, наверное 7-10 строк где я бы поменял пару слов или даже букв, чтобы сохранить рифму, но на всём объеме сохранен и стиль и склад Магистрала.
Просто до мурашек.
Полный венок в комментариях
#Fable #сонет
———
@tsingular | 1 972 |
| 20 |  Вышел Mython aka Fable 5
Погнали сочинять сонеты :)
#Anthropic #Fable
———
@tsingular | 1 888 |
