Новости о runawayllm

В бенчмарке СlockBench на чтение времени с часов со стрелками лучшая модель (Gemini 2.5 Pro) справилась лишь с 13,3% вопросов, в то время как люди правильно ответили на 89,1% вопросов.

The Information сообщает, что OpenAI резко пересмотрела свои финансовые прогнозы. До конца 2029 года чистый отток средств (“cash burn”) составит около $115 млрд — это на $80 млрд больше, чем ожидалось еще полгода назад. Речь о показателе, который отражает разницу между всеми поступлениями и всеми выплатами компании.

Anthropic согласилась выплатить 1,5 млрд долларов в рамках мирового соглашения по иску группы авторов, обвинявших компанию в незаконном использовании их книг для обучения ИИ Claude. Ранее летом судья Уильям Алсап вынес смешанное решение: он отклонил часть обвинений, признав, что обучение на книгах попадает под добросовестное использование (fair use). Но счел нарушением то, что Anthropic скачала "миллионы" пиратских книг LibGen и Pirate Library Mirror, нарушив авторские права.

На сайте OpenAI опубликована научная работа, посвященная причинам галлюцинаций больших языковых моделей и предлагаемым способам борьбы с ними. Исследователи компании отмечают, что обучение начинается с больших корпусов текстов, в которых нет меток "правда" или "ложь" — только примеры, как пишут люди. Из этих данных ИИ может усвоить регулярности вроде грамотного письма и расстановки знаков препинания, но не редкие факты. Например, если показать модели миллион фотографий собак и кошек, помеченных как "собака" и "кошка", то она поймет, как различать эти два вида животных. Если же показать миллион фото кошек с указанием даты рождения каждой, то модель не научится указывать дату рождения, так как здесь нет закономерности — и вместо этого будет уверенно пытаться просто ее угадать.

Grok 4 стал лидером в новом бенчмарке FutureX, который проверяет ИИ-агентов на умение предсказывать будущее. Он обошел ChatGPT-Agent, GPT-5 Pro и Gemini.

Alibaba представила Qwen3-Max-Preview (Instruct) — предварительную версию своей новой флагманской модели, которая уже доступна в Qwen Chat. Qwen3-Max-Preview содержит более 1 трлн параметров, имеет контекстное окно в 262K и поддерживает режим рассуждений. Разработчики приводят результаты бенчмарков, в которых модель обходит Claude Opus 4 (без режима рассуждений), Kimi K2, DeepSeek-V3.1 и Qwen3-235B-A22B-2507.

Financial Times сообщает, что в 2026 году OpenAI начнет производство собственных GPU для обучения и эксплуатации ИИ. Чип носит кодовое название XPU и он будет использоваться только внутри компании.

Генеральный директор OpenAI по приложениям Фиджи Симо рассказал, что компания активно работает над OpenAI Jobs Platform — платформой для поиска работы, которая будет специализироваться на профессиях, где активно используется ИИ. По словам Фиджи, один из самых популярных вопросов сейчас — "Как ИИ повлияет на ту или иную профессию?". Он считает, что ИИ откроет множество возможностей, но его внедрение будет сопровождаться потрясениями: работа станет иной, а компаниям и сотрудникам придется адаптироваться. В OpenAI не знают, как избежать этих потрясений, но готовы помочь людям лучше разбираться в ИИ и связать их с компаниями, в которых требуются эти навыки, с помощью новой платформы.

Стала известна первая статистика использования ИИ для генерации картинок Google Nano Banana (модель была запущена как Gemini 2.5 Flash Image, но из-за просьб пользователей ей вернули название Nano Banana, под которым она проходила тестирование). Глава Gemini App Джош Вудворд рассказал, что после запуска модели в приложении зарегистрировалось 10 миллионов новых пользователей. Количество сгенерированных картинок составило более 200 миллионов.

Bloomberg со ссылкой на свои источники сообщает, что DeepSeek работает над новым ИИ с продвинутыми агентскими функциями. В проекте очень заинтересован основатель компании Лян Вэньфэн, который торопит команду показать результат до конца года.

OpenAI открыла бесплатным пользователям доступ к функционалу проектов, который ранее был только у подписчиков Plus и более дорогих тарифных планов. Варианты отличаются количеством файлов, которые можно загрузить в проект: 5 для бесплатных пользователей, 25 для Plus, 40 — для Pro, Business и Enterprise.

Reuters в статье про ИИ-лекарства приводит мнение аналитиков TD Cowen и Jefferies: комбинация ИИ и новых методов оценки безопасности (NAM) способна сократить сроки и стоимость разработки более чем вдвое в ближайшие 3–5 лет. Сейчас ориентиром по индустрии называют "до 15 лет и ~$2 млрд", причем по ряду классов лекарств сроки и затраты продолжают расти.

В свежей статье The Economist предупреждает, что рекордный рост выручки Nvidia ($47 млрд за квартал) может прерваться из-за того, что энергетика США не будет успевать за потребностями новых чипов. По оценке издания, почти 60% доходов компании обеспечивают новые ускорители Blackwell и суперчипы GB, которые раскупаются быстрее, чем ожидали даже оптимисты.

В США завершился крупнейший антимонопольный процесс против Google. Федеральный судья Амит Мехта признал компанию виновной в незаконной монополизации поиска, но отказался требовать разделения активов. Chrome и Android останутся в составе Google, однако компания обязана раскрыть часть поисковых данных конкурентам и отказаться от эксклюзивных договоров.

Anthropic в очередном инвестиционном раунде привлекла $13 млрд. деньги вложила группа инвесторов, среди которых такие известные фонды как ICONIQ, Fidelity Management & Research и Lightspeed Venture Partners. При этом оценка компании достигла $183 млрд. Обе цифры — рекордные в истории Anthropic.

OpenAI сообщила, что в течение ближайшего месяца в приложении ChatGPT появится родительский контроль. Родители смогут связать свой аккаунт с аккаунтом подростка (от 13 лет), задавать правила поведения модели, включать и отключать память и историю чатов. Также ChatGPT будет определять, если подросток находится в состоянии стресса, и отправлять сообщение об этом родителям.

Кристофер Мимс из The Wall Street Journal изучил экономику компаний, использующих искусственный интеллект, и пришел к интересному выводу: несмотря на то, что стоимость токена упала (Мимс не дает оценки, но крупные игроки, вроде Сэма Альтмана, говорят о 10-кратном падении — прим. авт.), общие расходы на ИИ-сервисы выросли. Основной причиной он называет рост популярности рассуждающих моделей, которые качественно решают задачи, но и расходуют при этом намного больше токенов.

Сейед А. Хоссейни и Гай Лихтингер из Гарвардского университета опубликовали исследование о влиянии ИИ на рынок труда. В нем они рассмотрели раздел резюме LinkedIn и вакансии Revelio Labs (крупная HR-база) и пришли к неутешительному выводу, что компании, внедряющие ИИ, одновременно сокращают количество новых вакансий начинающего (junior) уровня.

Пользователь Reddit с ником locomotive-1 поделился (также ссылка на X с детальным обсуждением) забавным опытом создания React-проекта при помощи ИИ Google Gemini 2.5 (из поста не ясно, Flash или Pro). По его словам, модель раз за разом выдавала неработающий код, и в итоге locomotive-1 "разозлился". В ответ Gemini признал свою ошибку и предложил обратится к профессионалу, высказав готовность "заплатить" за его услуги:

Журналисты Reuters опубликовали очередное расследование, связанное с AI-чатботами Meta* (экстремистская организация, запрещена в РФ), которые доступны пользователям в соцсетях компании и мессенджере WhatsApp. Журналисты издания выяснили, что чатботы без разрешения копируют знаменитостей, среди которых Тейлор Свифт, Скарлетт Йоханссен, Энн Хэтэуэй и Селена Гомез. Также некоторые чатботы копировали несовершеннолетних знаменитостей, например 16-летнего Уокера Скобелла. Отмечается, что виртуальные персонажи вступают в романтические диалоги с собеседниками и генерируют изображения с минимумом одежды.

Попытки Meta* (признана экстремистской в России) построить новую лабораторию суперинтеллекта продолжают сталкиваться с трудностями. В июне компания за рекордные $14,3 миллиарда приобрела 49% акций Scale AI — стартапа, занимающегося разметкой данных для обучения искусственного интеллекта. Источники издания TechCrunch сообщают, что несмотря на приобретение, в Meta* продолжают покупать данные у конкурирующих стартапов Surge и Mercor, так как данные от Scale AI оказались некачественными.

Хотя GPT-5 серьезно обогнала GPT-4 на новых бенчмарках — с приростами до +80 п.п. на самых сложных задачах — многие восприняли ее релиз как эволюционный апдейт, а не прорыв. В Epoch AI назвали две причины такой реакции пользователей: частота запуска новых моделей сейчас намного выше, чем два года назад, а многие старые бенчмарки "пройдены" почти полностью. Посмотрим на эти два графика:

Руководитель Nvidia Дженсен Хуанг в интервью Fox Business высказал мнение, что ИИ "вероятно" приведет к четырехдневной рабочей неделе. Его логика — как и в прошлые индустриальные революции, рост производительности меняет социальные привычки, поэтому мы уже видели переход с 7 на 6, а затем на 5 дней. Благодаря автоматизации экономика и производительность вырастут.

Reuters со ссылкой на The Information сообщает, что топ-менеджеры Meta* (компания признана экстремистской в России) обсуждают использование моделей от OpenAI и Google как временную меру для усиления ответов в Meta AI и других ИИ-сервисах компании. Это решение планируется как временное для сокращения отставания компании в области искусственного интеллекта: сейчас Meta AI работает на линейке моделей Llama-4, которые признаны неудачными.