Новости о runawayllm

Финансовый директор OpenAI Сара Фрайер рассказала в интервью на CNBC, что в июле выручка компании составила более 1 миллиарда долларов, а основной вызов в будущем — постоянная нехватка вычислительных мощностей. С этой целью компания запустила проект Stargate и обращается ко все большему количеству партнеров, включая Oracle и CoreWeave. Одновременно Фрайер считает, что сотрудничество с Microsoft продлится долгие годы, а компании «переплетены» друг с другом. Microsoft является для OpenAI ключевым инвестором и поставщиком вычислительных мощностей, но использует ИИ‑технологии этой компании в своих продуктах.

По подсчетам Google, один текстовый промпт к Gemini сейчас расходует 0,24 ватт-часэлектричества и 0,26 мл воды, а также выделяет 0,03 г CO₂e — это меньше, чем тратится на 9 секунд просмотра телевизора. Всего за год расход электроэнергии сократился в 33 раза, а "углеродный след" — в 44 раза (во втором случае добавку обеспечивает закупка больших объемов "зеленой" энергии).

В X-аккаунте DeepSeek опубликован подробный анонс новой модели V3.1 на английском языке — сама модель доступна уже два дня. Разработчики называют обновленную модель "первым шагом в эру агентов", что подтверждается бенчмарками:

Forbes пишет, что переписки с чат-ботом Grok, которыми пользователи делились друг с другом, попали в индекс поисковых систем. Например, в Google можно найти более 370 тысяч диалогов на разные темы: от простых задач написания твитов до попыток взлома криптокошелька. Журналисты Frobes сообщают, что в некоторых переписках можно найти персональную информацию: имена и фамилии, а в одном изученном случае — даже пароль от аккаунта. Также доступны файлы, которые пользователь загружал в ходе диалога — фото, документы и таблицы.

Специалисты SenseTime Research и S‑Lab (NTU) в свежем исследовании проанализировали способности GPT-5 к пространственному мышлению, сравнив их с человеческим навыком и другими ИИ — Gemini 2.5 Pro, Qwen 2.5 и InternVL3. Тест проходил в шести основных категориях:

Google только что представила новый смартфон Pixel 10, который поступит в продажу 28 августа. В ходе презентации также был анонсирован набор ИИ-функций на базе Gemini - как эксклюзивных для смартфона, так и доступных для всех устройств под управлением Android и iOS. Эксклюзивом Pixel 10 станет Voice translate — функция перевода звонков в реальном времени. Она работает на "железе" смартфона, поэтому данные не отправляются на внешние серверы. Это повышает уровень безопасности.

Известный китайский ИИ DeepSeek получил обновление до версии V3.1 и уже доступен на сайте, в мобильных приложениях и для загрузки с Huggingface. Апдейт прошел тихо: до сих пор не опубликована карточка модели и официальные результаты бенчмарков. Но уже появилось достаточно много сторонних тестов, из которых понятно, что команда в этот раз сосредоточилась на оптимизации модели, а рекорды в бенчмарках отложила на потом.

"Секретная" модель Sonic доступна бесплатно для тестирования в редакторе кода Cursor и расширении Cline. Разработчик Sonic официально не раскрывается, но если спросить саму модель, кто ее создал, то она представляется как "Grok от xAI". Выбрать Sonic можно в селекторе моделей в приложении Cursor — а вот в веб-версии у меня данная модель отсутствует.

Глава OpenAI Сэм Альтман в эфире передачи Money Movers на телеканале CNBC раскрыл свое видение GPT-6. По его словам, фокус в "шестерке" будет сделан на долговременной памяти. Похожая функция уже есть в ChatGPT, но GPT-6 будет фактически "знать" пользователя, подстраиваясь под него в самых мелочах. По словам Альтмана, OpenAI активно работает с психологами, чтобы сделать ИИ настоящим партнером.

В китайском аккаунте DeepSeek опубликована короткая новость о запуске DeepSeek V3.1 — обновленной "быстрой" модели. Опробовать ее уже можно в веб-версии, приложении и по API. Уже после написания новости модель появилась на Huggingface.

Согласно проведенному onelittleweb исследованию The Big Bang of AI Chatbots, годовой показатель визитов веб-версии ChatGPT вырос на 106% и достиг 46,59 миллиардов — это 48,36% от визитов на все ИИ-инструменты, присутствующие в онлайне. Количество ежемесячных визитов оценивается в 5 миллиардов, а средняя длительность сессии — в 15 минут и 25 секунд.

Марк Лоуренс подвел итоги своего второго эксперимента по сравнению коротких фэнтези-рассказов, написанных профессиональными авторами и ИИ. По одному рассказу для эксперимента написали Джанни Вуртс, Робин Хобб, Майлз Кэмерон и сам Лоуренс — все они известные фэнтези-писатели с суммарным тиражом книг около 15 миллионов. Еще четыре текста были сгенерированы GPT-5: для каждой попытки Лоуренс менял промпт, чтобы рассказы не получились похожими. Затем Лоуренс попросил посетителей своего блога прочесть рассказы, угадать авторство (ИИ или человек), а также выставить рейтинг каждому.

На LMArena уже несколько дней можно протестировать секретную модель создания графики под кодовым именем nano banana. Для этого надо или дождаться, когда доступ к модели "выпадет" случайным образом, или загрузить собственную картинку для редактирования — так шансы получить доступ возрастают. Тестировщики отмечают, что nano banana отлично рисует графику с нуля и редактирует изображения. Вот пример сложного совмещения двух фотографий, в котором ИИ повернул книги, изменил их положение относительно друг друга и поставил на комод, сохранив шрифты:

На китайском форуме опубликован рассказ пользователя (ссылка на Reddit с пересказом), который утверждает, что его действия являются причиной ужесточения лимитов на Claude AI для подписчиков Pro и Max. Некоторое время назад Anthropic анонсировала введение дополнительных еженедельных лимитов из-за того, что некоторые пользователи используют Claude Code практически круглосуточно — на 200-долларовом плане они расходуют токенов на десятки тысяч долларов в пересчете на API-цены.

Tracking AI представил обновленный рейтинг ИИ в тесте на IQ. Первые два места в нем заняли две версии GPT-5 Pro (со выключенным и включенным компьютерным зрением), следом расположились Gemini 2.5 Pro, Claude Opus 4 и Grok 4. IQ моделей‑лидеров колеблется в вилке 110–138 баллов, что выше IQ среднего человека, который равен 100 баллам. Но важно отметить, что, в отличие от человека, ИИ не ограничен во времени на тест и может сделать до 10 попыток решения задачи (это сделано чтобы снять отказы из‑за систем безопасности, которые иногда реагируют на слова вроде «экзамен» и «тренировка»).

Семейство бенчмарков EQ‑Bench пополнилось новым тестом, в котором популярные ИИ оцениваются на подхалимство и подкрепление бреда. Худший общий результат в бенчмарке показал DeepSeek‑R1, дальше идут Claude Sonnet 4 и GPT-4o. Лучшие результаты у рассуждающей версии GPT-5, GPT o3 и, неожиданно, открытой модели OpenAI — GPT‑OSS. Вот полная таблица с результатами:

На недавнем ужине с журналистами глава OpenAI Сэм Альтман подтвердил готовность компании купить Chrome у Google в том случае, если его придется выставить на продажу. Ранее ИИ‑стартап Perplexity предложил за браузер сумму в $34,5 млрд, также покупкой интересовались Search.com и Yahoo.

В Anthropic сообщили, что дали своим моделям Claude Opus 4 / 4.1 возможность прекращать диалог в редких случаях, когда пользователь продолжительное время оскорбляет модель или общается с ней некорректно. В такой ситуации Claude выведет сообщение о завершении беседы, а вместо поля для набора текста пользователь сможет начать новый чат, отправить обратную связь разработчикам или отредактировать свои прошлые сообщения и перезапустить диалог. Функция запущена только в чат‑версии и не распространяется на API.

Сайт Lmarena обновил свой рейтинг языковых моделей, отдельно показав разные версии GPT-5. Данный рейтинг интересен тем, что составляется при помощи пользователей, которые задают вопрос и получают два анонимных ответа от разных моделей, выбирая из них лучший.

В разговоре с Логаном Килпатриком глава Google DeepMind Демис Хассабис заявил, что считает игры одним из самых перспективных бенчмарков для ИИ. Хассабис отметил, что многие существующие тесты, вроде SAT (стандартизированный тест для поступления в колледжи), GRE (тест для аспирантуры) и MMLU (многоуровневый тест на понимание языка), уже почти «пройдены» ИИ. При этом современные модели показывают «неровный интеллект»: получают золотые медали на Международной математической олимпиаде (IMO), но совершают элементарные ошибки в простых логических задачах или специально сформулированных играх. Это указывает на отсутствие у моделей ключевых навыков, таких как рассуждение, планирование и память, которые необходимы для достижения настоящего общего искусственного интеллекта.

По информации Bloomberg, глава OpenAI Сэм Альтман признал, что запуск GPT-5 прошел намного хуже, чем планировали в компании. "Думаю, мы полностью облажались с некоторыми вещами в процессе запуска" — заявил Альтман в разговоре с журналистами в четверг. "Мы усвоили урок о том, что значит обновлять продукт для сотен миллионов людей за один день и насколько отличается привязанность людей к этому продукту по сравнению с предыдущими" — добавил глава OpenAI.

Вышла Gemma 3 270M — самая маленькая в семействе открытых моделей Gemma 3, заточенная под узкие задачи и дообучение. Новинка открытая и уже доступна на Hugging Face. Для Gemma 3 270M доступны QAT-чекпойнты, позволяющие уверенно запускать модель в INT4 с минимальной потерей качества — это важно для работы на маломощных устройствах.

С помощью трюка в запросе пользователи выяснили, что версии GPT-5 Thinking для подписок ChatGPT Plus, Pro и API различаются по длительности рассуждений, причем лучшая версия — в API.

GPT-5 стала очередной языковой моделью, справившейся с Pokemon Red — классической игрой Nintendo, ставшей одним из неформальных "бенчмарков" для ИИ. Ранее с этой игрой (или ее версией Pokemon Blue) справились Claude Sonnet 3.7, Gemini 2.5 Pro и GPT o3, однако особенность GPT-5 в том, что она прошла значительно быстрее. Чтобы дойти до финала, модель потратила всего 6 470 шагов до против 18 184 шагов у GPT o3.