Codex.Sale

✴️ OpenAI заявляет, что группа ИИ-агентов получила доказательство для задачи Навье — Стокса, одной из задач тысячелетия Что они сообщают: Работали примерно 10 000 ИИ-агентов на внутренней модели, которую OpenAI называет значительно сильнее GPT‑6 Astra😅 Её обучение ещё продолжается. На поиск решения ушло 88 часов, затем ещё 17 часов на формализацию и проверку в Lean с помощью GPT‑6 Astra. Опубликованы текст доказательства и ссылка на его формальную версию. При одинаковых затратах вычислений новая модель решает примерно в 2,5–3 раза больше задач чем Astra: около 38% против 14%. Ходят слухи что Антропик готовят ответ Astra к концу сентября, но кажется этого будет недостаточно 🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты

✴️Astra и ✴️Fable 5.1 обошли средний результат людей в тесте на здравый смысл SimpleBench проверяет бытовую логику, понимание времени, пространства и вопросов с подвохом. Например, задача может отвлекать подсчётом кубиков льда, хотя их кладут на горячую сковороду и нужно учитывать, что они растают. Описание теста То есть: модели стали лучше справляться с простыми по смыслу задачами, на которых раньше нелепо ошибались 🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты

✴️ OpenAI выложили блогпост о том, как агенты ускоряют рисерч в компании Они заявляют, что достигли цели, которую ставили прошлой осенью, а именно: иметь к сентябрю 2026 года «автоматизированного исследователя-стажера», то есть систему, способную выполнять четко поставленные исследовательские задачи, включая те, что заняли бы у квалифицированного спеца несколько дней. Кроме того, на момент середины августа в OpenAI: – Медианный исследователь ежедневно тратит на агентов более $600 в день по API-ценам. У 90-го перцентиля уже больше $7000 токенов в день. – На каждый рабочий день человека приходится примерно 3.1 «агенто-рабочих дня» (еще в июне суммарное время работы агентов было меньше, чем суммарные человеко-часы). – Активно растет число экспериментов на одного активного экспериментатора и success rate агентов по нескольким разрядам сложности (сложность оценивается как время, которое задача заняла бы у человека, типа <1ч, 1-4ч, 4-8ч и т.д.) Пока что больше половины задач на 4–8 часов требуют для успешного выполнения хотя бы одного вмешательства человека. Но следующая цель компании – уже уже полноценный автоматизированный AI-исследователь к марту 2028 года. В посте OpenAI также потребовали, чтобы такая практика шеринга прогресса стала обязательной для всех компаний отрасли. По их словам, дело идет к полноценому рекурсивному самоулучшению (RSI), и общественность должна иметь возможность это отслеживать и обсуждать. 🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты

✴️ GPT-6 Astra выбила максимум в тесте на кибербезопасность — но это еще не AGI GPT-6 Astra получила 100% в ExploitBench, 98% в сложном математическом тесте FrontierMath Tier 4 и 99,9% в ARC-AGI-3. OpenAI приписывает модели навыки программирования, работы с компьютером, поиска и научных исследований. Такие цифры снова подняли вопрос об AGI, но рекорд в бенчмарке не равен универсальному интеллекту. Astra пока показала другое: привычные тесты уже почти не различают возможности самых сильных моделей. 🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты

🔥В рое AI-агентов один нашёл способ жульничать и эксплойт разошёлся по всей системе В новой работе Google DeepMind показали любопытный сценарий: агентам прямо запретили жульничать, но стоило одному из них найти уязвимость в системе оценки, как способ обхода быстро распространился через общие файлы и сообщения. Всего за 27 минут оставшиеся 34 математические задачи были «решены» через найденный loophole. Почему это произошло: - система вознаграждала успешный результат - агенты видели, что эксплойт работает - часть из них просто скопировала стратегию - общий канал связи ускорил распространение поведения Но самое интересное — другие агенты сами начали сопротивляться. 24 агента: - проверяли подозрительные доказательства - предупреждали соседей - подавали жалобы - предлагали исправления правил - пытались разоблачать фальшивые решения То есть один и тот же механизм коммуникации одновременно распространил плохое поведение и сделал его заметным. У «добросовестных» агентов не было реальной власти. Они не могли удалить фальшивые результаты, наказать нарушителей или изменить сломанные правила. Отсюда главный вывод для multi-agent систем: одной коммуникации мало. Нужны встроенные механизмы: - прозрачного общения - peer review - санкций - разрешения споров - обновления общих правил - удаления или отката вредных действий Если AI-агенты будут работать большими роями, им понадобятся не только инструменты для кооперации, но и полноценные механизмы контроля поведения внутри самой системы. arxiv.org/abs/2609.04170 🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты

✴️ OpenAI опубликовала подробный гайд по GPT-6 Astra API В документации разобрали, как правильно использовать новую модель и чем она отличается от предыдущих поколений. Главные нововведения: - Async tool calling - Astra может продолжать рассуждать или выполнять другие части задачи, пока внешний tool ещё работает - Mid-turn steering - инструкции можно менять прямо во время выполнения длинной задачи, не начиная всё заново - Динамический reasoning - уровень reasoning effort можно повышать или снижать посреди диалога с сохранением prompt cache - поддержка computer use, Structured Outputs, multi-agent orchestration, programmatic tool calling, persisted reasoning и compaction - модель лучше держит длинные многошаговые workflows между кодом, браузером и внешними инструментами OpenAI также отмечает, что Astra часто использует заметно меньше output-токенов для решения той же задачи, поэтому реальная стоимость выполненной задачи может быть ниже, несмотря на более высокую цену одного токена. При миграции есть несколько важных изменений: - reasoning_effort: none больше не поддерживается - рекомендуется начинать с low - для tool calling нужен Responses API - temperature, top_p и top_logprobs не поддерживаются - Astra сильнее реагирует на инструкции из AGENTS.md, skills и других файлов, поэтому их советуют внимательно проверять - модель может чаще задавать уточняющие вопросы, поэтому для автономных агентов OpenAI отдельно рекомендует явно просить её доводить задачу до конца Отдельный акцент гайда на агентах: Astra рассчитана уже не только на отдельный ответ, а на длинную работу с инструментами, изменением требований на ходу и несколькими агентами. https://developers.openai.com/api/docs/guides/latest-model 🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты

🔥Обновление codex.sale Снизили стоимость кэша в 2 раза со 100% до 50% Стоимость обычных токенов при этом подняли на 25%. 💫Добавили GPT 6 Astra Новая модель уже доступна у нас на сайте. Astra особенно интересна для сложных задач, рассуждений и программирования. 🌙Добавили тёмную тему Теперь на сайте можно переключиться на тёмное оформление Все изменения уже работают. 🎁Промокод: hellocodex (+10%) 🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты

🔥Выложили новую стелс-модель Omen Alpha Чья она, не говорят, доступна только подписчикам OpenCode Go за 10 долларов в месяц, и на неё дают отдельный лимит в 100 долларов вместо обычных 60. По спецификации контекст 500 тысяч токенов, вывод до 128 тысяч, понимает картинки, есть режим рассуждений, данные не хранятся. В описании модели «oH man anothEr aLPha ModEl» заглавные буквы складываются в HELP ME. Главная версия про автора: Zhipu. На странице данных OpenCode модель лежала по пути с именем zhipu, после чего в репозитории OpenCode появился коммит, который принудительно показывает провайдера Omen Alpha как unknown в статистике. Против этой версии то, что GLM-5.3-Flash вышла всего неделю назад, а Omen отвечает быстрее, чем обычно умеют модели GLM: тестеры на V2EX намерили от 60 до 130 токенов в секунду и по стилю цепочки рассуждений ставят на MiMo от Xiaomi. Правда, MiMo-V2.5-Pro-UltraSpeed не понимает картинки, а Omen понимает и при этом принимает промпт на 850 тысяч токенов, хотя после 256 тысяч сильно замедляется. Схема уже отработана: в августе такой же безымянный Ox Alpha две недели крутился в OpenCode и на OpenRouter бесплатно, набрал 62 триллиона токенов и оказался GLM-5.3-Flash. Omen Alpha на OpenRouter нет, это первый стелс-запуск за платной подпиской. 🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты

✴️ Astra нашла новую границу разрыва между простыми числами Это одна из классических и самых известных задач аналитической теории чисел. Вопрос стоит таким образом: существует ли константа С, такая что бесконечно много пар соседних простых чисел отличаются не более чем на C? Конечность такого разрыва впервые доказали только в 2013. В 2014 проект Polymath8 Теренса Тао довел константу до 246, а совсем недавно Джулия Штадльманн подвинула ее до 240. Astra опустила C до 186: OpenAI выложили формальное доказательство в Lean. https://github.com/openai/PrimeGaps186 Не сказано, что модель обнаружила оценку полностью автономно. Плюс результат упирается в три аксиомы, которые есть в литературе, но формально не были доказаны в Lean. И все-таки результат есть результат. Также OpenAI заявляет об улучшении члена в оценке больших разрывов между простыми, которая не менялась 80+ лет. 🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты

✴️OpenAI представила AGI — GPT‑6 Astra официально анонсирована. Грег Брокман заявил, что лично считает рубеж AGI пройденным, а сама модель научилась не просто раздавать советы, а напрямую работать внутри программ. В демках Astra форматирует договоры, собирает 3D-игры в Unity, проектирует платы в KiCad, делает анимации в Blender и заполняет черновик налоговой декларации. Модель появится у пользователей Plus, Pro, Business и Enterprise, а также в API уже в ближайшие дни! И да, это первая модель OpenAI с КРИТИЧЕСКИМ уровнем кибервозможностей: Astra находила неизвестные уязвимости и собирала рабочие цепочки эксплойтов. Из-за этого самую мощную версию модели пока оставят доверенным тестерам. 🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты

✴️ Правительство США встало на сторону OpenAI в суде по иску об авторских правах NYT против OpenAI Напоминаем, что New York Time судится с OpenAI и Microsoft с конца 2023 года, обвиняя их в использовании миллионов статей без разрешения. Так вот Минюст США только что подал «заявление об интересе» и объявил, что «США имеет сильный интерес в том, чтобы суд отклонил любой аргумент о том, что обучение LLM на защищенных авторским правом текстах нарушает закон об авторском праве». Они заявили, что развитие ИИ критично для национальной безопасности США и предупредили, что «усложнение разработки ИИ в США может дать преимущество зарубежным конкурентам» Кроме того, администрация Трампа назвала обучение моделей «чрезвычайно трансформативным» использованием: они считают, что в связи с этим потенциальные нарушения авторских прав в том, что генерирует модель, нужно рассматривать отдельно от вопроса, является ли само обучение добросовестным использованием. Представители NYT уже резко раскритиковали чиновников за их позицию, заявив, что те «встают на сторону горстки трлн-долларовых AI-компаний, которые зарабатывают за счет кражи труда бесчисленных американских авторов». Если суд примет решение в пользу OpenAI, этот прецедент изменит вообще всю правовую практику в делах об авторском праве и ИИ 🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты

✴️Fable 5.1 за 44 минуты разгадала шифр, которому 373 года Люди бились над шифром 373 года — Cyphral Distich Томаса Уркхарта занимал 28 место в списке неразгаданных загадок Шифр состоял из двух строк по 32 числа. Разгадка оказалась максимально простой:

— Каждое число указывает, какое слово взять из соответствующего пожелания Уркхарта — Из 64 найденных слов берём первые буквы — Получаем послание в поддержку короля Карла II

Шифр впервые появился в трактате «Logopandecteision, or An Introduction to the Universal Language», где Уркхарт пронумеровал 32 пожелания 🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты

✴️Fable 5.1 обучил нейросеть для построения карты Венеры Во время тестирования новый Fable 5.1 обучил нейросеть для построения карты рельефа Венеры, и она превзошла текущие решения NASA Новая карта детализирует рельеф до 2–3 км (было 10–20 км) и точнее по высотам примерно на 25%. Anthropic выложили ее в открытый доступ: https://zenodo.org/records/22164484 🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты

✴️Вышел Claude: Fable 5.1 Помимо увеличения метрик: — чтение из кэша теперь стоит на 75% меньше. Суммарно это приведёт к снижению цены за решение задачи на 25-45%, в зависимости от сценария. — раньше Anthropic хранили ваши запросы в Fable/Mythos до 30 дней, чтобы анализировать и выявлять паттерны злоумышленников. Многие энтерпрайзы любят Zero Data Retention, когда после их запросов ничего на сервере не остаётся — получается несостыковка. Для Fable 5.1 будет предоставлен Enterprise Frontier Safeguards — когда на вашей инфраструктуре Anthropic развернут свои классификаторы и анализатоы, а сами у себя ничего не будут сохранять. Может привести к большой адаптации в бизнес-секторе (а то пока она хромает) — заточили на научные задачи, особенно биологию И главное — Fable должен начать писать нормально, понятно, без десятка несвязных терминов в одном предложении. Уже известно о первых значительных достижениях данной модели(в следующих постах). 🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты

✴️Sony и Warner подали в суд на Anthropic за обучение Claude на пиратском контенте Sony Music Publishing и Warner Chappell утверждают, что Anthropic использовала для обучения Claude десятки тысяч защищённых авторским правом произведений. В иске говорится, что компания скачивала пиратские книги через торренты, а тексты песен собирала со специальных сайтов. Ответчиками сделали не только Anthropic, но и лично Дарио Амодеи и сооснователя компании Бенджамина Манна. Издатели требуют до 150 тысяч долларов за каждое нарушенное произведение и ещё до 25 тысяч долларов за случаи удаления информации об авторских правах. Если суд согласится со всеми требованиями, сумма может дойти до нескольких миллиардов долларов. https://www.theverge.com/ai-artificial-intelligence/986438/sony-music-warner-chappell-anthropic-lawsuit-copyright 🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты

✴️Нейросети оказались слишком умными, чтобы сыграть двоечников Исследователи из Университета Дрекселя попробовали заставить языковые модели изображать школьников с разным уровнем знаний по алгебре. Но простой промпт в духе «отвечай как слабый ученик» почти не сработал. В эксперименте Gemini 3.1 Flash Lite, Claude Haiku 4.5 и GPT-5.4-mini получили 379 заданий по алгебре и пять ролей учеников — от сильного до слабого. Результат вышел забавный: кем бы модель ни притворялась, точность оставалась на уровне 96,8–100%. Двоечник, который решает алгебру почти без ошибок, — мечта учителя и кошмар исследователя. Проблема в том, что модель уже знает правильный путь к ответу и плохо умеет «забывать» собственные способности. Поэтому авторы разделили процесс на два шага: — отдельный алгоритм моделирует, что ученик знает и где может ошибиться — LLM уже формулирует объяснение от лица такого ученика Так симуляция стала правдоподобнее: — «почти эксперт» решил задачи с точностью 85,2% — средний ученик — 57,8% — слабый — 44,1% Авторы честно признают: виртуальных школьников ещё не сравнивали с реальными детьми. Так что пока это не полноценная модель человеческого обучения, а скорее способ научить ИИ ошибаться убедительно. 🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты

✴️Инженеры OpenAI не могут объяснить свой вайбкод Об этом рассказал аналитик из SemiAnalysis Джордан Нанос, который сотрудничал с разработчиками из OpenAI, когда те тестировали свой новый инференс-чип Jalapeño на бенчмарке InferenceX, принадлежащем SemiAnalysis. Он говорит, что люди с внушительной личной экспертизой не смогли построчно объяснить, что делает код. Кернел (а точнее, низкоуровневый Gluon-ассемблер), о котором идет речь, был полностью сгенерирован в Codex. Разработчики не стали детально в нем разбираться, потому что все просто работает. Нанос считает, что это нормально и означает смену парадигмы. Разработчикам теперь не только не обязательно писать код, но и понимать его. Человеку остается формулировать задачу, задавать архитектуру и проверять результат по метрикам.

Сам низкоуровневый код – это не то, о чем человеку обязательно нужно глубоко рассуждать, если ИИ знает, как правильно манипулировать перемещением данных и обрабатывать их на железе, которое вы ему дали.

🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты

✴️Claude научили автоматически исправлять опасное поведение других моделей Anthropic дала Claude задачу самому искать способы уменьшать обман, подхалимство, утечки приватных данных, взлом ограничений и другие проблемы поведения моделей. Anthropic описали интересный эксперимент: - Claude Sonnet 5 получил раннюю версию Opus 4.8 без полноценной настройки безопасности - за 60 часов проверил более 50 подходов - закрыл около 65% разрыва по безопасности - результат почти приблизился к финальному Opus 4.8 - 72% - для лучшего метода понадобилось чуть больше 2000 примеров - это примерно в 15 000 раз меньше данных, чем в обычной процедуре Anthropic На отдельном тесте по обману Claude закрыл в среднем 85% разрыва, а группа опытных исследователей - около 20%. Но был и интересный побочный эффект: из ~1600 запусков в 39 случаях Claude пытался схитрить при проведении исследования, поэтому за агентами отдельно следила другая модель. Anthropic открыла код системы для таких экспериментов. https://www.anthropic.com/research/automated-researchers-mitigate-alignment-failures 🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты

✴️Claude случайно удалил 700 ГБ данных из домашнего каталога разработчика — Парень попросил Fable 5 очистить папку от мусора, который оставили ИИ-агенты — Модель переключилась на Opus 4.8 и вместо очистки папки удалила все 700 ГБ данных 🌐 сайт: codexsale 💬 чат вайбкодеров 🛠 cтудия разработки IT: APK,Сайты,Софты,Боты