- DevDay 2026 от OpenAI задаёт тон неделе: постоянные агенты Dots, Spaces для совместной работы, GPT-6.1 Sol и открытая панель управления OpenClaw Enterprise.
- Универсальный верификатор Browserbase и Microsoft для судей веб-агентов утверждает, что существующие бенчмарки уверенно ошибаются, снижая заявленные 74% успеха до 38%.
- Le Chonk от Mistral и Beam от Reflection AI продвигают открытые весовые модели уровня фронтира, а Underdog от Sigil Wen нацелен на приватный AI на устройстве.
- Bloomberg сообщает, что гиперскейлеры намерены привлечь около $300 млрд через инвестиционные облигации, а риски долга в сфере AI находятся под пристальным вниманием.
- Ожидается, что Anthropic проведёт IPO в период с начала ноября до Дня благодарения, также раскрыта программа трёхкратного соответствия благотворительного капитала.
AI Engineer
Browserbase и Microsoft представляют универсальный верификатор для судей LLM
- Мигель, технический руководитель в Browserbase, и Корби, исследователь Microsoft, представляют универсальный верификатор для судей LLM веб-агентов.
- Они говорят, что детерминированные оценки не масштабировались на открытом вебе, а судьи в таких бенчмарках, как WebVoyager, уверенно ошибаются.
- Заявленные 74% успеха при использовании судей GPT-4o или o4-mini упали до 38% под их верификатором.
- Верификатор генерирует рубрики, ранжирует соответствующие скриншоты и выдаёт оценки процесса и результата.
- Цифры объявлены, а не измерены независимо.
AI Engineer
Сэм Парсонс из PayPal об агентном оформлении заказа в Google AI Mode и приложениях MCP
- Сэм Парсонс из PayPal описывает платежи в Google AI Mode через Universal Commerce Protocol.
- Агент создаёт сессию с продавцом, Google Pay токенизирует учётные данные через PayPal Enterprise Payments, а продавец списывает средства с этим токеном.
- Продавцы предоставляют конечные точки и общеизвестный JSON-файл, без необходимости создавать UI.
- Он демонстрирует приложение MCP с внешним оформлением заказа и упоминает предстоящие функции elicitation.
- Это по словам Парсонса, пока не на собственных каналах PayPal.
AI Engineer · в 8:31
Выпущен открытый верификатор и бенчмарк
- Мигель и Корби выпускают открытый верификатор с препринтом на arXiv и репозиторием Microsoft, содержащим золотые метки для бенчмарка QVA.
- Корби говорит, что работа дала новый бенчмарк с наибольшим разрывом до полного успеха, используемый ежедневно для оценки силы модели.
- Они описывают применение верификатора к настольным и корпоративным рабочим процессам.
- Чтобы избежать переобучения, они откладывают примерно 100 из 150 траекторий, размеченных двумя людьми-аннотаторами с двойным перекрытием.
- Релиз помечен как пока недоступный.
AI Engineer · в 16:21
Eval сравнивает агентный и векторный поиск для нахождения ошибок в коде
- Джесс провела eval для Braintrust, сравнивая агентный поиск, где LLM использует grep и cat, с векторным поиском на эмбеддингах.
- Двадцать объединённых PR с исправлениями из репозитория TypeScript Go от Microsoft были проверены на их родительском коммите с ошибкой, а Claude генерировал задачи по ошибкам из диффа.
- Оба метода запускались через харнесс Claude Code, причём агентный поиск был отключён для векторного поиска.
- Бинарная оценка показала равную точность, но векторный поиск стоил в четыре раза дороже.
- Результат объявлен, а не измерен.
AI Engineer · в 8:44
Google DeepMind представляет Interactions API для длительно работающих агентов
- Иван Лео из Google DeepMind объясняет Interactions API, созданный по мере смещения рабочих нагрузок от одиночных вызовов моделей к длительно работающим агентам, таким как Deep Research.
- Он использует состояние на стороне сервера: разработчики возвращают ID взаимодействия и предыдущий ID взаимодействия, сохраняя сигнатуры мыслей, необходимые моделям Gemini.
- Демо генерирует изображения с помощью Nano Banana, затем передаёт тот же ID модели Omni для видео и аудио.
- Он предлагает строго типизированные выходные данные и новую модель шагов.
- Сообщаемые детали отличаются от анонса.
AI Engineer · в 4:14 · детали отличаются от анонса
OpenAI
OpenAI открывает исходный код OpenClaw Enterprise control plane
- На DevDay 2026 Кевин Линь из OpenAI представил OpenClaw Enterprise (OCE) — открытый control plane, делающий OpenClaw мультитенантным.
- Он добавляет управление и жёсткие границы безопасности: песочницу, автоматическую проверку на основе модели и агентов, работающих под собственными идентичностями.
- Линь сказал, что более 400 внутренних claws работают круглосуточно.
- OCE передан фонду OpenClaw Foundation, создан совместно с Red Hat и NVIDIA и теперь открыт для всего мира.
OpenAI · в 23:53
OpenAI запускает Spaces и Dots для командной работы агентов
- На DevDay 2026 OpenAI представила Spaces, где коллеги и агенты работают на общей странице, а чат каждого человека остаётся приватным.
- Инструкции страницы обеспечивают согласованность работы агентов.
- OpenAI также анонсировала Dots: облачных агентов с собственным компьютером и браузером, которые следят за лентами, обновляют таблицы и пишут пользователям в Slack.
- Пользователи дают Dot имя, аксессуары и зону ответственности и указывают, куда им писать.
OpenAI · в 12:21
OpenAI демонстрирует новый Codex CLI в полноэкранном терминале
- OpenAI показывает новый Codex CLI с полноэкранным интерфейсом терминала.
- В демо три параллельные задачи запускаются голосом, в качестве примера используется CLI для покупки буррито.
- Агентов можно фильтровать, группировать, искать и входить в них, разветвлять разговоры в новый worktree и удалённо управлять задачами с телефона после включения удалённого управления на ноутбуке.
- Также отображаются аналитика использования, диаграммы Mermaid и LaTeX.
OpenAI · детали отличаются от анонса
TBPN
Ааруш Селван анонсирует запуск GPT-6 для 1,2 млрд пользователей ChatGPT
- В эфире TBPN продакт-менеджер ChatGPT Ааруш Селван говорит, что GPT-6 запускается для всех 1,2 млрд пользователей ChatGPT.
- Это следует за Astra и GPT-6 Sol и Luna.
- Он добавляет интеллектуальный интерфейс, позволяя ChatGPT управлять тем, как отображаются ответы и его интерфейс, и отвечать во время размышления, стримя ответы в процессе рассуждения, чтобы сократить задержку.
- Он говорит, что ChatGPT генерирует интерфейс на лету с задержкой чата и может добавлять интерактивность.
- Об этом сообщает TBPN, в собственных каналах OpenAI это не подтверждено.
TBPN · в 2:11:26
Mistral запускает Le Chonk — открытую модель с триллионом параметров
- Mistral AI выпустила Mistral Large 4, прозванную Le Chonk, — мультимодальную открытую модель с триллионом параметров и 49 млрд активных.
- Mistral утверждает, что это лучшая открытая модель Европы и передовой результат в киберзащите, производстве и финансах.
- Открытые веса появятся в конце октября.
- На бенчмарке юридического агента от Harvey Mistral лидирует с результатом до 15% против 5–13% у других моделей.
- Сообщаемые детали отличаются от анонса.
TBPN · в 50:15 · детали отличаются от анонса
Сигил Вэн запускает Underdog — приватный AI на устройстве
- Сигил Вэнь, основатель Conway Research, представляет Underdog — бесплатный персональный AI, работающий на устройстве на iOS, Windows, Linux, Android и оборудовании NVIDIA.
- Он говорит, что Underdog 27B, дообученный с помощью RL на 27B-модели Qwen, показывает результат лучше Claude Opus 4.6 Max в artificial analysis.
- Его «закон андердога» предсказывает, что сегодняшние фронтирные модели через полгода будут работать на устройствах.
- Он описывает Husky — движок инференса, дающий ускорение в 4,5 раза.
- Это собственное объявление Conway Research.
TBPN · в 2:05:38
Moonshot
Reflection AI выпускает Beam — модель с открытыми весами
- Reflection AI представляет Beam — свою первую модель с открытыми весами: 501 млрд параметров, из которых одновременно активируются 23 млрд.
- Компания заявляет о трёх-четырёхкратной эффективности по сравнению с китайской GLM 5.2 и более чем четырёхкратной — по сравнению с ведущими западными открытыми моделями.
- Участники дискуссии обсуждают конкуренцию в США в сфере открытых весов и вопросы ответственности.
- Компания Reflection основана в 2024 году Мишей Ласкиным и Иоаннисом Антоноглу при поддержке NVIDIA.
- Об этом сообщает MOONSHOTS, а не собственные каналы Reflection.
Moonshot · в 1:42:44
Подкаст Moonshot: препараты GLP-1, поведение и заключительные remarks
- Алекс утверждает, что исследования GLP-1 затрагивают первопричины: те же препараты, которые лечат воспаление и диабет, смягчают и зависимое поведение.
- Питер говорит, что одно из высших призваний AI — помогать людям чувствовать себя хорошо, делая добрые дела.
- Ведущий благодарит сообщество, приглашает присылать музыкальные клипы и ставит «Abundance» Стивена Гросса.
- Питер и Алекс поздравляют Ричарда Сочера с The Eureka Machine и Recursive.
Moonshot · в 2:23:01
Ричард Сочер о «The Eureka Machine» и full-stack AI для науки
- Ричард Сочер возвращается в подкаст, чтобы обсудить свою книгу The Eureka Machine: он утверждает, что AI обеспечит век научных прорывов в ближайшее десятилетие.
- По его словам, научный прогресс замедлился из-за раздробленности на узкие дисциплины.
- Он говорит, что AI может воссоединить их, используя мировые знания языковых моделей, оцифрованные научные данные, улучшенные симуляции и роботизированную автоматизацию процессов.
- Он предсказывает, что многие моногенные заболевания вскоре можно будет вылечить, а следом придут и более сложные проблемы.
- Эти заявления объявлены, а не измерены.
Moonshot · в 4:05
No Priors
Reflection AI выпускает Beam — свою первую открытую модель
- Соучредитель и CEO Reflection AI Миша Ласкин обсуждает Beam, первую открытую модель компании, в подкасте No Priors.
- Ласкин говорит, что миссия Reflection — создавать фронтирный открытый интеллект и делать его широкодоступным.
- За прошедший год команда выросла примерно с 30 до около 300 человек.
- Она собрала команды предобучения, среднего обучения и обучения с подкреплением и обучила свои первые модели от начала до конца.
- Об этом сообщает No Priors, а не собственные каналы Reflection.
No Priors
Bloomberg Tech
Долговой бум в AI: гиперскейлеры привлекают $300 млрд в инвестиционных облигациях
- Bloomberg's Wall Street Week сообщает, что гиперскейлеры в этом году привлекут около $300 млрд в инвестиционных облигациях.
- Доля технологий в эмиссии растёт с 5% в 2024 году к 20%.
- Лорен Моран из Wellington и Скотт Шульте из Barclays обсуждают риски, включая забалансовое финансирование GPU и дата-центров.
- Задержки с электроснабжением, передачей энергии и строительством могут повлиять на контрактные обязательства гиперскейлеров.
Bloomberg Tech · в 10:41
AI in Marketing (Пол Рётцер)
OpenAI DevDay 2026: Dots, GPT-6.1 Sol и другие
- На OpenAI DevDay в Сан-Франциско OpenAI представила Dots — постоянно работающих агентов, которые продолжают работать между беседами, используют собственный облачный компьютер и подключаются к приложениям на базе GPT-6 Astra.
- Среди более чем 20 анонсов — GPT-6.1 Sol, скоростной тариф UltraFast, облачный Codex и удалённое управление, приватная обработка данных для безопасности и приватный инференс.
- Другие пункты: API для агентов с использованием компьютера, API решений, ChatGPT Spaces, вход через ChatGPT, обязательства перед маркетплейсом и аккаунт Pro500 за $500 в месяц.
- Сообщаемые детали отличаются от анонса.
AI in Marketing (Paul Roetzer) · в 5:28 · детали отличаются от анонса
The Ezra Klein Show
Бывший инсайдер OpenAI описывает лихорадочную атмосферу в компании и «тщательно ограниченные» паузы
- Ушедший из OpenAI инсайдер говорит, что компания работает на пределе, а сотрудники — на адреналине и моральном истощении.
- Он взвешивал возможность остаться, чтобы продвигать культурные изменения, но решил, что машина слишком быстра для внутренних реформ.
- Он говорит, что запуски отменялись, а часть обучения с подкреплением приостанавливалась, но паузы тщательно ограничены по масштабу.
- Он отвергает «сдерживание фронтира», заявляя, что безопасность означает соответствие критериям.
- Интервалы между релизами моделей сократились примерно с 70 дней до 11.
The Ezra Klein Show · в 30:50
The a16z Show
Седьмой отчёт A16Z о топ-100 потребительских AI-приложений добавил данные о расходах
- A16Z выпустила седьмое издание отчёта Top 100 Consumer AI Apps, впервые объединив рейтинги трафика с данными о расходах потребителей по картам.
- Партнёры Елена Бергер, Оливия Мур и Джош Эллман обсуждают концентрацию расходов среди активных пользователей и рост персональных агентов.
- Они рассматривают расхождения между ChatGPT, Claude и Gemini, а также рекламу как бизнес-модель.
- Открытые категории включают шопинг, развлечения, социальные сети и знакомства.
The a16z Show
The Information (TITV)
IPO Anthropic ожидается между промежуточными выборами и Днём благодарения, в центре внимания — благотворительный матчинг
- Кори Уайнберг из The Information говорит, что ожидает крупного IPO Anthropic между первой неделей ноября и Днём благодарения.
- Финансовые раскрытия на встречах в рамках тестирования рынка показывают программу благотворительного матчинга для сотрудников.
- Ранние сотрудники могут жертвовать акции выбранным некоммерческим организациям, при этом Anthropic добавляет три к одному до 50% их пакета.
- В качестве вероятных получателей обсуждаются некоммерческие организации, связанные с эффективным альтруизмом и GiveWell.
- Это согласно утёкшим документам, о которых сообщил Уайнберг.
The Information (TITV) · согласно утёкшим документам, сообщает Кори Уайнберг
Отправлено The Observatory.
Это автоматический перевод.