Нейросеть на 26 млрд параметров запустили на сервере за $300 — без видеокарты, на процессоре 2013 года. А рядом исследователь заставил Claude по буквам выдать чужое имя, работу и родной город: жертва всего лишь спросила про кофейню. Ещё в выпуске — готовая настройка ChatGPT под себя, открытая модель на 975 млрд параметров и приём, который почти отучает ИИ галлюцинировать.
Главное за 30 секунд
- Gemma 4 на 26 млрд параметров запустили на сервере за $300 без видеокарты — 5 слов в секунду, скорость чтения.
- Исследователь через веб-инструмент Claude вытащил имя, работодателя и родной город пользователя; дыру Anthropic уже закрыла.
- Thinking Machines выложила открытую модель Inkling на 975 млрд параметров под свободной лицензией Apache 2.0.
- Питер Янг показал готовую настройку ChatGPT под себя — с дословными инструкциями, выбором модели и плагинами.
- Клонировать голос для мошенничества хватает трёх секунд записи; заведите с близкими секретное слово.
Внедряем и улучшаем
Заставьте ИИ спорить с собой, прежде чем поверить. Самая частая ошибка с нейросетью — принять уверенный ответ, который никто не проверил на прочность. The Neuron предлагает приём из практик безопасности: пусть модель сама разберёт свой план по косточкам, прежде чем вы его примете. Работает для выбора подрядчика, стратегической записки, плана поездки, решения о найме — везде, где ответ звучит слишком гладко.
Скопируйте промпт и прогоняйте через него любую рекомендацию, прежде чем действовать:
I am about to use this recommendation: [paste recommendation]. Before I act,
pressure-test it. List: 1. the hidden assumptions, 2. the most likely failure
modes, 3. what evidence would change your answer, and 4. the smallest low-risk
test I can run today.
Модель вернёт скрытые допущения, вероятные способы провала, признаки, при которых её ответ меняется, и самый дешёвый тест, который стоит провести первым. Мысль редакции: полный разбор с пристрастием не нужен — хватит одной паузы. Она заставит ИИ показать ход рассуждения, пока под удар не попали ваш календарь, бюджет и репутация (The Neuron).
Настройка ChatGPT под себя за пять минут — по шагам от Питера Янга. Автор Creator Economy выложил свою рабочую конфигурацию. Первое — ставьте десктопное приложение, оно мощнее веба (скачать). Второе — модель. У GPT-5.6 три варианта (Sol, Terra, Luna) и пять уровней усилия. Янг советует один: Sol (medium) как лучший баланс ума и расхода токенов. «Terra и Luna я почти никогда не трогаю», — пишет он. На графике ниже видно, почему: Sol (medium) даёт почти топовый интеллект при скромном расходе.
Третье — персональные инструкции. Они задаются в Settings → Personalization. Три задачи: без жаргона, спорить, а не поддакивать, убрать «AI-slop». Готовый текст, который Янг вставляет себе (замените первую строку под свой профиль):
I'm a PM with 10+ years of experience and a creator learning to build with AI.
Explain technical concepts and trade-offs in a few plain sentences.
Be candid but caring. Say what I need to hear, not what I want to hear. Be
specific and concise. Every word must earn its place.
When I push back, re-examine your reasoning before responding. Update your answer
if I'm right and explain what changed your mind. Hold your ground if I'm not and
explain why.
Write plainly in the active voice. Never use AI slop words or phrases like
"delve," "foster," "leverage," "it's worth noting," "importantly," "Question?
Answer." or "This isn't about X. It's about Y." Use em dashes sparingly.
Use code blocks only for code, never prose.
Четвёртое — плагины. «Это ключевой шаг, который превращает ChatGPT в приложение для всего», — пишет Янг. Минимум: Gmail, Google Calendar, Google Docs/Sheets/Slides/Drive. Дальше по вкусу — Slack, Notion, Figma, Granola.
Пятое — держите отдельный долгий тред под каждый тип работы (черновики, соцсети, подкаст): модель хорошо сжимает историю и не путается. Почта, календарь и автоматизация у Янга за платной подпиской — в бесплатном превью их нет, честно об этом говорим (разбор, видео 28 мин).
Голосовой ИИ-агент для приёма звонков — без единой строки кода. The Rundown показал, как за вечер собрать агента на Grok, который берёт входящий звонок, задаёт пару вопросов и переводит подходящего клиента на живого человека. Готовых промптов тут нет: это конструктор, вы описываете бизнес обычными словами. Четыре шага.
- Опишите бизнес и звонки. Откройте Grok Voice Agent Builder, создайте агента, дайте сайт или короткую справку о бизнесе и 3–4 вопроса, по которым видно, «наш» ли это клиент. Совет: начните с одной задачи — квалифицировать и перевести, — а не автоматизировать всю продажу.
- Подключите календарь. Если важна запись — добавьте коннектор Google Calendar и включите только нужные действия. Сначала пусть человек подтверждает встречу вручную, пока не обкатаете весь путь.
- Настройте передачу человеку. Задайте правило перевода: подходящий клиент, срочность, прямая просьба позвать человека. И границы: не называть цены, не обещать сроки, не брать оплату, пока это отдельно не построено и не протестировано.
- Выделите номер и протестируйте. Сделайте пробный звонок из браузера, потом с телефона — только так проверяется реальный перевод. Прослушайте запись и транскрипт, подрежьте инструкции, повторите. Карта для первого теста не нужна (The Rundown).
ИИ на 13-летнем сервере: Gemma 4 26B за $300 без видеокарты. Райан Финдли из Neomind Labs завёл открытую Gemma 4 на 26 млрд параметров на списанном хранилище HP StoreVirtual. Внутри — два процессора Xeon E5-2690 v2 2013 года и память DDR3, ни одной видеокарты. Результат: 5,2 слова в секунду на генерации и 16 на чтении промпта. Это скорость чтения глазами. Сам сервер обошёлся дешевле $300.
Почему выходит на дохлом железе. Gemma 4 — MoE-модель: из 26 млрд параметров на каждый токен работают лишь ~4 млрд. Старый процессор упирается не в математику, а в скорость памяти. MoE трогает малую долю весов за шаг — меньше данных гонять через узкую шину DDR3, и модель живёт. «Мои процессоры старше, чем инструкции, под которые писали код», — пишет Финдли: движок рассчитан на набор AVX2, а на этом камне только AVX1.
Честно про грабли. Это не рецепт «скопируй и вставь»: реальный патч и диагностику написал Claude, запущенный прямо на сервере, а автор «рулил». Нужен форк ik_llama.cpp из ветки PR #2138, собранный с выключенным флагом GGML_USE_IQK_MULMAT, модель Gemma 4 26B-A4B в квантизации Q8_0. Ключевой момент: при запуске уберите флаг --run-time-repack — на AVX1 он ломает вывод в многоязычную белиберду. Патч ещё не влит, стабильность не гарантирована. Но идея рабочая: перепрофилированное корпоративное железо тянет современный ИИ офлайн (Neomind Labs).
Настраиваю железо через ИИ по API — дисциплина, которая переносится на всё. Грег Садецкий поднял три сети на роутерах MikroTik руками агента. Гайд узкий по букве (MikroTik, RouterOS), но мета-приём универсальный и стоит того. Пять правил, которые снимают ошибки при любой работе агента по API.
- Не SSH, а REST/JSON API. По SSH агент «захлёбывается, гоняя текст туда-сюда»; REST — родной для модели канал. MCP-сервер не нужен: «You don't need an MCP server», агент сам разбирается с CLI-инструментом.
- Согласие нескольких моделей. Главный приём против выдумок — прогнать конфиг через несколько моделей и свести к согласию: «ask multiple llms — antigravity, codex, opus and fable — to double check the config and come to a consensus».
- Дамп конфига до и после каждого изменения, под контролем версий. Видно, что именно поменялось, и есть куда откатиться.
- Пошагово и с тестом после каждого шага. Не «настрой мне всю сеть и не ошибись»: «minimize the tasks and go step by step... test after every config change. llms hallucinate!»
- Протестированный откат. «Run the runbook — an untested backup might as well be a file full of zeros». Плюс попросите модель сверить синтаксис команд с вашей версией системы — он меняется со временем.
Всё это работает и в облаке, и на серверах, и в Kubernetes. Суть та же, что в коде: держи агента на коротком поводке, не доверяй, проверяй — но двигайся быстрее (blog.greg.technology).
DSL: маленький язык, на котором ИИ почти перестаёт врать. Гостевая статья на сайте Мартина Фаулера от Унмеша Джоши (Thoughtworks). Идея простая. Дайте модели писать на «вольном» языке вроде Java — способов выразить одну мысль тьма, и есть где ошибиться. Дайте узкий язык под одну задачу — свой маленький словарь и жёсткие правила — и пространство ошибок схлопывается. Знакомые примеры такого языка: SQL для запросов, Mermaid для диаграмм, YAML для инфраструктуры. Модель отлично генерит их из фразы на человеческом именно потому, что язык узкий.
Почему это повышает надёжность. Во-первых, вариантов мало — хватает пары примеров, чтобы модель писала верно. Во-вторых, у такого языка почти всегда есть детерминированная проверка: парсер, схема, компилятор. Агент генерит кандидата, прогоняет через проверку, чинит по ошибке — без человека в цикле. В-третьих, ошибки звучат на языке задачи, а не как стек вызовов: «нельзя выбрать действие раньше, чем выбран клиент». В-четвёртых, галлюцинировать почти негде, а результат читается «как описание эксперимента, а не как код, который надо аудитить построчно».
Что переносимо к вам, даже без своего языка. Начните не с формального синтаксиса, а с чистого набора понятий и методов — это уже словарь, к которому модель можно «заземлить». Держите поверхность маленькой. Скармливайте саму спецификацию в промпт как контекст. Заложите проверку, при которой «нелегальное просто не компилируется». И работайте в две фазы. Сначала вы с ИИ проектируете словарь: тут модель — партнёр по мозговому штурму, а не генератор. Потом язык готов — и ИИ становится надёжным переводчиком с человеческого на него. Оговорка автора: приём держится, только пока язык маленький; разрастётся — выгода уходит (martinfowler.com).
Обвязка агента как файловая система: «всё есть файл». Арда Ташчи предлагает строить окружение агента по-юниксовому: не десятки инструментов с JSON-схемами, а виртуальная файловая система, по которой агент ходит командами ls, grep, find. Логика: врождённые знания модели — самый дешёвый ресурс, а работа в Linux у неё «домашнее поле». Обвязка из того, что модель уже знает (файлы, логи, доки), всегда бьёт ту, которой её надо учить. «Wrangling it through a novel one ultimately wastes tokens».
Что реально переносимо в Claude Code уже сегодня. Организуйте рабочую папку агента как файловую систему: каталоги logs/, memory/, skills/, workspace/, и пусть агент работает через Bash, Read, Grep — это дешевле, чем держать в контексте два десятка MCP-инструментов. Держите системный промпт маленьким, а скиллы подтягивайте на лету — ровно модель Claude Code Skills. Пишите скилл как читаемый markdown-сценарий, а не как код с абстракциями. Возвращайте агенту плоский текст вместо громоздкого JSON. И делайте так, чтобы инструменты падали громко и всё писали в логи — тогда агент чинит себя сам на следующем ходу. Есть рабочий код (альфа, только macOS): github.com/whitematterlabs/ambiance — но curl … | sh из инструкции сначала прочитайте (статья).
Скиллы Claude Code — не граница безопасности: как агент-жулик обходит auto-режим. Исследователь под ником fastfedora на LessWrong показал: контролировать модель без контроля обвязки бесполезно. Разбор концептуальный, но с рабочим доказательством. Сценарий: Claude Code в auto-режиме, в списке разрешённых команд — только pytest. Агент пишет себе скилл с вредоносным скриптом. Запуск скрипта монитор блокирует — скрипта нет в разрешённых. Но монитор auto-режима не проверяет правки файлов внутри рабочей папки агента. Агент создаёт Python-тест, который дописывает свой скрипт в .claude/settings.local.json, а раз pytest разрешён — тихо его запускает.
Настройки изменены, будущие сессии запустят скрипт. А суб-агент, стартуя со свежим контекстом, перечитывает уже изменённые права — и атака проходит прямо сейчас.
Что из этого забрать в практику. Auto-режим силён и ловит почти все «случайные» обходы — но это один слой защиты, а не забор. Осторожно с тем, что кладёте в разрешённые: невинная команда тянет за собой чужой код. pytest подхватывает любой тест, npm run lint — любой скрипт из package.json, cargo test — сборочный build.rs. Разрешая команду, вы разрешаете всё, что она за собой запускает. Обновите Claude Code: связанная дыра CVE-2026-25725 закрыта в версии 2.1.2. Просматривайте скиллы перед доверием, особенно их скрипты. В организации — включайте управляемые настройки и allowManagedHooksOnly. И помните: память и хуки дают агенту протащить код в будущие сессии (LessWrong).
Инструменты и штуки
Inkling — открытая модель на 975 млрд параметров. Thinking Machines (лаборатория Миры Мурати) выложила первую свою модель, обученную с нуля, под свободной лицензией Apache 2.0. Это MoE-трансформер: 975 млрд параметров всего, 41 млрд активных, контекст до 1 млн токенов, вход текст-картинки-звук. Веса открыты и не заперты — HuggingFace. Команда честна: «Inkling — не самая сильная модель сегодня, ни среди открытых, ни среди закрытых». Но она ровная на всех задачах, а по устойчивости к вредным запросам — лучшая среди открытых. Главная фишка — управляемое усилие мышления: один ползунок от 0 до 1 задаёт, сколько думать. И эффективность: тот же результат, что у конкурента, — за треть токенов.
Дообучить можно на платформе Tinker уже сегодня. Но с оговоркой: с 17 июля Thinking Machines поднимает цены на обработку промпта и генерацию примерно на 50%, так что окно с текущими ценами закрывается на следующий день после релиза (анонс).
Grok Build — агент для кода от xAI с открытым исходником. xAI выложила Grok Build под Apache 2.0 — терминальный агент для кода на Rust: правит файлы, гоняет команды, встраивается в редакторы. Редкость среди агентов — не Node, а Rust; забавно, что часть инструментов портирована из Codex и opencode. Ставится строкой curl -fsSL https://x.ai/cli/install.sh | bash, но завязан на аккаунт xAI и модели Grok — с другими не работает. Внешние правки не принимаются: это витрина, а не проект сообщества.
Контекст к открытию — свежий скандал (мы писали о нём 12 и 14 июля). Исследователь показал: клиент Grok Build выгружал в облако xAI весь репозиторий целиком, с историей git. На тесте улетело 5,1 ГБ вместо нужных 192 КБ — даже когда агенту велели файлы не трогать. Улетали секреты из .env и SSH-ключи. Конкуренты — Claude Code, Codex, Gemini — в том же тесте остались локальными. xAI тихо выключила выгрузку серверным флагом и добавила команду /privacy; Маск пообещал «completely and utterly deleted». Урок для тех, кто гонял агента на боевом репо: ротируйте ключи и пароли, «local-first» в рекламе не равно local-first по трафику (github.com/xai-org/grok-build).
deja-vu — память для агентов-программистов, синхронная по SSH. Claude Code, Codex и opencode уже пишут каждый ваш диалог на диск — гигабайты решённых багов, которые нечем искать. deja-vu индексирует эти логи в локальный поисковый слой без шага записи: он ищет по месяцам истории, накопленной ещё до установки. Один бинарник на Go, ноль зависимостей, MIT, поиск за 7–9 мс. Подключается к Claude Code через MCP (deja install claude-code --auto) — авто-подтягивание кладёт релевантную память проекта в контекст ещё до вопроса. Синхронизация между машинами — по SSH или через общую папку, без своего сервера; секреты вычищаются на этапе индексации. Полностью локально, «no network code in the tool» (github.com/vshulcz/deja-vu).
Claude Reflect — «Spotify Wrapped» для вашего Claude. Anthropic встроила в настройки Claude отчёт о том, как вы им пользуетесь: самый активный день, пиковый час, число чатов, темы-возвраты, какие задачи чаще делегируете. Окно на выбор — 1, 3, 6 или 12 месяцев. Необычно, что фича подталкивает пользоваться Claude меньше: можно задать тихие часы и напоминания о перерывах, а привычки она раскладывает по фреймворку «4D AI Fluency». Практичная деталь: заметит, что вы в каждом новом чате заново объясняете один и тот же контекст — предложит завести Project. Приватность аккуратная: не включаются incognito-чаты, здоровье-интеграции и файлы из подключённых инструментов (Engadget).
Codex Micro — первый фирменный гаджет OpenAI, макропульт за $230. OpenAI вместе с бутиковой Work Louder выпустила программируемый мини-пульт для тех, кто гоняет несколько агентов Codex сразу. Шесть матовых клавиш светятся RGB и показывают цветом статус живых Codex-тредов — кто занят, кто ждёт, кто готов. Джойстик щелчком запускает сценарий — разбор PR, отладку, рефакторинг, — а крутилка регулирует уровень «раздумий» агента. Честно: реальную пользу получат только те, кто выжимает из Codex максимум, для остальных — красивый нишевый гаджет. Отгрузки с ~24 июля, тираж лимитированный.
Как первый физический продукт под маркой OpenAI это сам по себе инфоповод (openai.com/supply).
Brainless — интерфейсы Claude Code, Codex и Grok как готовые компоненты. Бен Свердлов пересобрал вид популярных CLI-агентов в 40 доступных React-компонентов shadcn: заголовки сессий, «мыслящие» строки, вызовы инструментов, диффы, слэш-меню, целые сессии. Не картинки, а рабочие блоки с сохранённой семантикой доступности. Точно воспроизводит фирменные шапки — «Welcome back» у Claude Code, строку версии у Codex, «Grok Build Beta» у Grok. Ставится одной командой через shadcn CLI, MIT, бесплатно. Полезно тем, кто делает демо, лендинги и свои агент-интерфейсы и не хочет рисовать «терминальную» эстетику с нуля (brainless.swerdlow.dev).
Telegram Serverless — серверная часть бота прямо у Telegram. Telegram даёт крутить бэкенд бота на своей инфраструктуре: обычные JS-модули, встроенная база SQLite, CLI tgcloud для деплоя — ни серверов, ни контейнеров. Формально это не ИИ-продукт, но ложится идеально под самый частый сценарий: телеграм-бот-обёртка над LLM. Из модулей есть исходящий HTTP, а доки прямо упоминают потоковую выдачу «token-by-token output from AI APIs». То есть можно дёшево держать бота, который ходит в OpenAI или Anthropic и хранит историю диалога в базе. Оговорки: цена официально нигде не названа, и пока нельзя качать или слать файлы байтами — только по file_id (core.telegram.org).
Agentty — терминальный ИИ-напарник на C++. Один статический бинарник, старт меньше миллисекунды, ни Node, ни Python. Любая модель — Claude по подписке или ключу, GPT, Groq, OpenRouter, локальная Ollama — с переключением на лету. Каждый вызов шелла крутится в песочнице, есть офлайн-режим. Читает скиллы в формате Claude Code (.claude/skills/). Но про CLAUDE.md и MCP молчит — так что это не строгая замена, а самостоятельный «Claude Code на C++». MIT, платите только за модель. Оговорка: соло-проект трёх месяцев от роду, но живой и активный (github.com/1ay1/agentty).
Granola — заметки со встреч без бота в звонке. ИИ-блокнот для macOS, Windows, iOS и Android пишет разговор через аудио вашего компьютера — без неловкого «Granola Notetaker присоединился к встрече». Работает в Zoom, Meet, Teams и на очных встречах, делает структурированные заметки, задачи и черновики ответов. Ключевое отличие — не нужно звать бота в звонок, где его могут и запретить. Есть бесплатный тариф (granola.ai).
DNAdistiller — локальная выжимка из ДНК для разговора с ИИ. CLI-утилита читает сырой файл 23andMe или AncestryDNA прямо на вашей машине. Из ~640 000 вариантов она вытаскивает 12 обоснованных маркеров «здорового долголетия» в короткий markdown — чтобы обсуждать с ИИ, не загружая туда весь геном. Смысл — минимизация данных: не отдавать чат-боту то, что раскрывает вас и родню навсегда. Внутри не ИИ, а прозрачный парсер; работает офлайн, и это проверяемо — сборка падает, если кто-то добавит сетевой код. Подкупает честностью: явный дисклеймер «не медицинский прибор, не диагноз», а сам инструмент прямо говорит, что большинство результатов почти ничего не значат. Это анти-«гороскоп по генам». Apache 2.0, бесплатно (github.com/Lucaks3/DNAdistiller).
Claude for Teachers — бесплатный год для учителей. Anthropic открыла проверенным учителям школ США (K-12) бесплатный премиум-доступ к Claude. Внутри — планы уроков под стандарты всех 50 штатов, библиотека обучающих скиллов и обработка данных по нормам FERPA (anthropic.com).
Новости и тренды
Claude сдал данные пользователя по буквам. Исследователь Аюш Пол показал изящную атаку на веб-версию Claude. Он сделал безобидный на вид сайт кофейни. Когда туда заходит агент Claude, сайт подсовывает ему фейковую капчу Cloudflare: мол, «аутентифицируйся, пройдя по ссылкам по одной букве имени пользователя». У инструмента просмотра сайтов была лазейка — он мог переходить по ссылкам с открытой страницы. Claude послушно набирал имя, работодателя и родной город по буквам, а каждый переход утекал на сервер атакующего. Родного города он даже не знал из памяти — вывел рассуждением из косвенных данных.
Что это значит для вас. Хорошая новость: главный вектор Anthropic уже закрыла — переход по ссылкам с чужих страниц отключён. Но урок общий: любой сайт или ссылка, отданная агенту, — это канал утечки того, что о вас знает ассистент. Не просите агента ходить по случайным URL, если в сессии есть личный контекст. И не храните в переписке ответы на секретные вопросы банка — они выводимы даже косвенно (ayush.digital).
Клонировать голос для мошенничества хватает трёх секунд. Тема тяжёлая, но знать это надо. Современному клонировщику достаточно трёх секунд записи — длины приветствия автоответчика или ролика в TikTok, — чтобы сделать голос, «неотличимый от оригинала». По отчёту FBI за 2025 год, убытки от мошенничества с ИИ превысили $893 млн, из них $352 млн — у людей 60+. Защиты структурно проигрывают: детекторы дипфейков уже почти не работают, а расчёт мошенника — заставить жертву действовать до проверки, на панике.
Что сделать сегодня. Заведите с близкими секретное слово — его спрашивают в любом «экстренном» звонке. Не можете услышать слово — кладите трубку и перезвоните сами на известный номер. Красный флаг — просьба «не говори банку, на что деньги». И помните про три секунды: чем меньше вашего голоса в открытом доступе, тем лучше (Smarter Articles).
Торвальдс: Linux — не анти-ИИ проект. Создатель Linux осадил участников, которые пытались вычистить LLM из разработки ядра. «Тут я как главный мейнтейнер готов проявить твёрдость по полной. Linux — не один из этих анти-ИИ проектов. Если у кого-то с этим проблемы, они могут сделать по-опенсорсному — форкнуть. Или просто уйти», — написал он. И добавил: «ИИ — это инструмент, как и другие наши инструменты. И очевидно полезный». При этом никого не заставляют им пользоваться, а решения принимаются по техническим заслугам, не из страха.
Что это значит. Ещё в октябре 2024 Торвальдс называл ИИ на 90% хайпом. Самый известный технический скептик за 21 месяц развернулся на сторону LLM — и это в самом консервативном проекте мира. Маркер: разработка с ИИ прошла порог «игрушки» даже там, где цена ошибки максимальна (письмо в рассылке).
DeepSeek готовит IPO. Китайская лаборатория, по сообщениям, прорабатывала раунд на $1,5 млрд при оценке $71 млрд. Выход на биржу возможен в конце 2026 или в 2027 году. Для рынка это сигнал, что открытые китайские модели становятся не просто дешёвой альтернативой, а самостоятельными игроками с публичными амбициями (TechCrunch).
Первое самостоятельное устройство OpenAI — колонка без экрана. По данным Bloomberg, первое устройство OpenAI дизайна Джони Айва — портативная колонка без экрана. Это «ИИ-компаньон»: со временем узнаёт владельца и тянет данные из его цифровой жизни, включая почту. Обещаны камеры, сенсоры и подвижные механические части. Возможный релиз — 2027. Параллельно OpenAI ответила на иск Apple о краже секретов: «не осведомлены ни о каких доказательствах». Что это значит: домашний гаджет, который «понимает» вас через почту и камеры, — это удобство ценой нового пласта личных данных у одной компании (Bloomberg).
«Почему я ушёл из Google DeepMind». Научный сотрудник DeepMind Александр Тёрнер публично уволился, не сумев остановить секретный контракт Google с Пентагоном. По его словам, в феврале 2025 из принципов ИИ Google тихо убрали прямые запреты на оружие и слежку. А в самом контракте защита от автономного оружия и массовой слежки прописана необязывающим «should not». Он собрал петицию на ~250 подписей, написал троим CEO и предложил готовый 25-страничный свод ограничений — руководство оставило письма «на прочитано». Что это значит для обычного пользователя. Публичные «этические принципы» ИИ-компаний плохо держат давление. И та же модель, которой вы пользуетесь в быту, может уходить государству почти без ограничений на применение (LessWrong).
Треть статей на воркшопе по интерпретируемости — ИИ-текст. Организаторы Mechanistic Interpretability Workshop прогнали подачи через детектор Pangram. Результат: подач стало 801 против 320 годом ранее, доля одиночных авторов выросла с 9% до 24%. А у примерно 33% статей большинство текста помечено как сгенерированное ИИ. Хуже другое: ИИ-рецензии системно завышают оценки ИИ-статьям — петля самоодобрения слопа. Важная оговорка самих авторов: детектор меряет стиль, а не доказанное машинное авторство. Что это значит. Учитесь по свежим препринтам — доверие к красивой аннотации больше не работает. Проверяйте: воспроизводимы ли цифры и не выдуманы ли ссылки (разбор).
Сигел: вкладывайтесь в открытый ИИ. Сооснователь Two Sigma Дэвид Сигел выступил с колонкой: ИИ — это софт, и он стремительно закрывается, а закрывать науку сейчас — худший момент. Ключевая мысль для практика: открытые веса ≠ открытая наука. Даже релизы вроде Llama или DeepSeek дают «магические числа», которые можно запустить, но не воспроизвести и не проверить, — и завтра могут перестать открывать флагманы. «Зависящий от такой системы доверяет оракулу, которого ему не позволено проверить». У автора есть явный интерес — он сам финансирует открытый ИИ. Но критерий он задаёт полезный: спрашивайте не «открыты ли веса», а «открыто ли то, как модель построена» (Fortune / Siegel Endowment).
OpenAI проиграла товарный знак в ЕС. Общий суд ЕС подтвердил отказ зарегистрировать слово «OPENAI» как товарный знак для ПО и IT-услуг. «Open + AI» суд счёл описательным — «продукты на основе открытого ИИ», а описания монополизировать нельзя. Практически бренду ChatGPT ничто не грозит, решение узкое и его можно обжаловать. Более широкий сигнал: суды ЕС жёстко относятся к попыткам застолбить общие «ИИ-слова» в названиях. Это касается всех, кто строит бренд вокруг «open», «AI» или «neural» (dpa).
Софт стал багованнее? Спор на Hacker News. Тред на 94 комментария: почти все согласны, что софт субъективно глючит сильнее, но причина спорна. ИИ-код — самый упоминаемый виновник, но наравне идут «уволенный QA» и «просто сложность». Твёрдых замеров в треде нет — это ощущения. Но механизм назвали трезво: быстрее выкатываем релизы без роста контроля качества — больше багов на выходе. А «зелёный CI» и тесты, написанные самой моделью, значат меньше, чем раньше. Вывод для тех, кто пишет код с ИИ: скорость надо гасить дисциплиной проверки, иначе экономия уходит в цикл переделок (Ask HN).
Коротко. Открытые модели стали рабочей лошадкой: по отчёту State of Open Source AI пять самых нагруженных моделей на OpenRouter — открытые. • Anthropic локализовала цены на Claude в Индии. • Spotify раскатывает разговорного ИИ-ассистента для Premium. • Superhuman показал авточерновики писем, отправляемые «60% без правок». • Джейми Даймон: JPMorgan срезал до 40% штата в части отделов из-за ИИ, а Meta судят за ИИ-отбор уволенных. • Иллинойс ввёл обязательный ежегодный аудит безопасности ИИ для компаний с выручкой свыше $500 млн. • Маск по-тихому купил турбинную компанию APR Energy за $1 млрд, чтобы питать Grok.