Адель и МЛь

А почему не на виниле? https://x.com/github/status/2072801888525840476?s=46

Artificial Analysis померили стоимость Sonnet 5 на задачу (per task), и у них получилось, что он дороже Opus 4.8 на 15% и что это вообще одна из самых дорогих моделей, уступая только Fable 5. https://x.com/artificialanlys/status/2072062592923930666?s=46

Интересный сервис - AI Values показывает, с какой LLM у вас больше всего совпадают ценности и стиль мышления. Проходишь сценарии с моральными и вкусовыми дилеммами, а сайт сравнивает твои ответы с разными моделями. Можно пройти тест на 15 вопросов и потом затюнить на еще на 100. https://ai-values.com Я попал в opus 4.8 🤔

OpenAI выкатывают своего Mythos. GPT-5.6 - новая серия моделей: Sol - флагман, Terra и Luna поменьше и быстрее. Terra обещают примерно на уровне GPT-5.5, но в 2 раза дешевле. Sol тренировали с упором на agentic coding, biology/genomics и cybersecurity. Появляются новые режимы: max reasoning effort для более глубокого reasoning и ultra mode, где модель использует subagents(!) для сложных задач. Модель стала сильно мощнее, поэтому OpenAI делает поэтапный релиз и более жёсткие safeguards. Но по их оценке Sol не пересекает Cyber Critical threshold. Доступ пока limited preview в API и Codex для select trusted partners. Цены за 1M токенов: Sol $5 input / $30 output Terra $2.5 / $15 Luna $1 / $6. И еще Sol на Cerebras до 750 tokens/sec планируют в июле, сначала тоже ограниченно. https://openai.com/index/previewing-gpt-5-6-sol/

Вот и Cursor как раз тизерят новую модель. - модель на 1.5Т параметров - тренировали с нуля, никаких файнтюнов Kimi - использовали 100k+ GPU - на Колосусе тренировали, в общем - презентуют, как агентскую модель - beyond just coding - доступна станет через пару недель Очень интересно, что у них получилось, Composer выходили неплохие. Вот тут есть видео, если кому-то интересно.

SpaceX покупают Cursor за $60 миллиардов. Сделка еще не закрыта, но они уже подписали соглашение о покупке. https://techcrunch.com/2026/06/16/spacex-to-acquire-cursor-for-60b-in-stock-days-after-blockbuster-ipo/ P.S. Ну не получилось у xAI, бывает.

Artificial Analysis обновили свой Intelligence Index. Его заметно сдвинули в сторону agentic workloads и выкинули старые уже насыщенные бенчи. Некоторые конкретно поменяли: - Terminal-Bench Hard заменили на Terminal-Bench 2.1 - более свежий и сложный набор задач для агентских сценариев. - τ²-Bench Telecom заменили на τ³-Bench Banking - тоже более реалистичные и тяжёлые агентские задачи. - GDPval-AA обновили до GDPval-AA v2: подтянули расчеты Elo под длинные агентские цепочки, а не только короткие ответы - IFBench убрали из Intelligence Index, потому что он насытился и перестал хорошо разделять frontier-модели Ещё добавили новые per-task метрики: cost per task, time per task и tokens per task. Теперь можно смотреть не только “насколько модель умная”, но и сколько в среднем стоит одна задача, сколько она занимает времени и сколько токенов модель тратит. Короче можно взвешивать в зависимости от ваших приоритетов. Плюс теперь отдельно учитывают cached input tokens и их влияние на стоимость, потому что в реальных агентских сценариях кэш может сильно менять экономику. Понятно, что лидерборды немного изменились. Из интересного по результатам: - Claude Opus 4.8 max сейчас выглядит как самая сильная доступная модель, GPT-5.5 xhigh идёт почти рядом, но заметно дешевле. - Sonnet 4.6 max оказался выше Gemini 3.1 Pro. - DeepSeek V4 Flash max встал примерно на уровне GPT-5.4-mini xhigh, но дешевле в 8 раз. Очень сильный cost/performance. - Mistral, к сожалению, совсем утонули: их лучшая модель Medium 3.5 набрала всего 30 очков - примерно на уровне Claude 4.5 Haiku. Ждем, Le Chaton Fat %) Если вас, как и меня, интересуют небольшие модели с хорошими агентскими способностями, то тут с большим отрывом лидируют Qwen 3.6 27B и Qwen 3.6 35B A3B. Остальные даже не рядом, хотя по coding index Qwen, Gemma и Cohere выглядят примерно сопоставимо. В целом хороший апдейт. Бенчи быстро стареют и насыщаются, поэтому индекс надо постоянно чистить и двигать ближе к реальным задачам. Плюс очень удобно смотреть на другие индексы вроде костов, скорости и токенов. основной индекс маленькие агентские модели

Это, если что, лидер крайне правой партии, которая выиграла позапрошлые выборы в Нидерландах и показала себя абсолютно никакой далее.

Один из самых интересных моментов в релизе Claude Fable/Mythos 5 - не кодинг и даже не Pokémon. Самое любопытное для меня - биология. Anthropic пишет, что Mythos-class модели смогли предсказывать, как генетические изменения влияют на сборку оболочки AAV-вируса - крошечного, безопасного для человека ДНК-вируса, не вызывающего заболеваний. AAV это важный курьер для генной терапии: его используют, чтобы доставлять генетический материал в клетки. И вот тут занятное. Если я правильно их понимаю, то это не просто “модель запустила AlphaFold” или “выбрала правильный bio-tool”. Оно звучит сильнее: модель якобы использовала собственное биологическое рассуждение и обошла специализированные protein language модели. То есть речь уже не только об agentic workflow, где LLM оркестрирует инструменты. Речь о том, что general-purpose LLM начинает иметь что-то похожее на биологическую интуицию. Но, к сожалению - или к счастью - Anthropic сделали ограничение: публичная версия Fable 5 откатывается на более безопасный Opus 4.8 для большинства biology/chemistry запросов. Потому что граница стала размытой. Запрос вроде: “Как улучшить стабильность вирусного вектора?” для исследователя может быть нормальной задачей. А для злодея бондианы - частью плана по уничтожению мира. Раньше safety можно было строить вокруг явных запросов про биооружие. Теперь этого, похоже, недостаточно. Если модель реально умеет помогать с биологическим дизайном на таком уровне, то “обычные” научные вопросы тоже могут быть dual-use. Ждем пост от Юдковского с новым призывом бомбить датацентры.

О как https://www.anthropic.com/news/claude-fable-5-mythos-5

🇳🇱 Согласно статистике: Все, кто учит нидерландский / голландский язык, делятся на две категории: ❌ Первые — годами учат слова, но не могут связать и пары фраз. Бросают Duolingo, курсы, репетиторов и надежду заговорить. Живут в Амстердаме уже несколько лет, а голландский — всё ещё на уровне «Goedemorgen» и «Dankjewel». ✅ Вторые — подписаны на канал «Нидерландский | Голландский с Еленой Бурмаковой» и уже через месяц: — Свободно поддерживают повседневные диалоги; — Больше не переходят на английский; — Сдают экзамены inburgering без стресса 🎓 📖 Проверенная методика с акцентом на разговорную речь. Авторские песни для запоминания слов и грамматики. Фразы для жизни, а не для учебника. Истории тех, кто был на твоем месте. Всё это на канале «Нидерландский и Голландский с Еленой Бурмаковой» Хватит учить язык — пора на нём жить! Подписывайтесь ⬇️ https://t.me/+XooFv2QywoBhN2I6 #промо

новая экономика

Я уже какое-то время активно пользуюсь классным скиллом и промптом для брейншторма дизайна лендингов. По сути это хорошее использование ChatGPT Image 2, который генерирует просто лютые скрины страниц возможного сайта. Вот, например, я нагенерил сайт о лунной базе. Дальше уже нужен img2ui и перевод картинок в код, что уже не так уж и просто, но не невозможно. Промпт и скилл в комментах.

Маск пишет, что Grok V9-Medium на 1.5T закончил фазу претрейна, и внутренние оценки выглядят хорошо. В модель уже добавили много данных от Cursor на этапе дополнительного обучения, и, похоже, это только начало. Сейчас идет fine-tuning, а RL стартует в ближайшие дни. Публичный релиз обещают примерно через 2–3 недели - ну с поправкой на масковский энтузиазм. Вообще это должен быть большой апгрейд относительно текущей 0.5T v8-small, которая сейчас обслуживает весь production-трафик Grok. Особенно Маск выделяет сложные coding-задачи - то есть Grok явно хотят серьезно прокачать как инструмент для разработки, думаю тут у Илона жестокое fomo. Напомню, Cursor здесь не случайно: у SpaceX есть опцион купить Cursor за ~$60B позже в 2026, а если не покупают — остается крупное партнерство примерно на $10B. Cursor при этом получает доступ к инфраструктуре xAI Colossus для обучения своих coding-моделей

Вот сделаете классный пет прожект типа nano gpt - и вас тоже в антропик возьмут!

Клод помог восстановить пароль от криптокошелька. Парень потерял доступ к кошельку с 5 BTC (лежали 11 лет). Скинул чуть ли не все старые файлы с компа с колледжа в Claude, тот нашёл старый бэкап кошелька, понял проблему с паролем и помог правильно использовать mnemonic. Пароль, кстати «lol420fuckthePOLICE!*:)» Я даже не знаю, как комментировать такие новости 🙃 https://x.com/cprkrn/status/2054586810475364536?s=46

Thinking machines выпустили интересную модель. Она не ждет, пока юзер закончит писать/говорить а непрерывно воспринимает контекст и может проактивно что-то ответить. Они называют это “interaction models” - модели, которые нативно работают в непрерывном real-time диалоге с аудио, видео и текстом, могут слушать, смотреть, говорить, перебивать и параллельно запускать фоновые тулы, вместо классического режима пользователь сказал -> модель ответила. Интересный концепт, но пока не ясно что делать с быстро забивающимся контекстным окном и как эффективно непрерывно стримить аудио/видео. Первая модель - TML-Interaction-Small - MoE 276B A12B, веса закрыты. https://thinkingmachines.ai/blog/interaction-models/

Игрался с ChatGPT Images 2 - и она оказалась безумно хорош а в восстановлении изображений: все детали сохраняются, ничего не добавляется и не меняется, она идеально раскрашивает, невероятно хорошо повышает разрешение и удаляет артефакты. Ни одна из предыдущих моделей не была настолько хороша в реставрации.

Эх то вообще остановится когда-то? https://openai.com/index/introducing-gpt-5-5/