Лента новостей

🎮 GPT‑6 Astra прошёл Portal за $571,18 Модель GPT‑6 Astra от OpenAI полностью прошла знаменитую головоломку Portal от Valve. Пользователь cozyblaze запустил ИИ, и за менее чем 24 часа игра была завершена, а затраты составили $571,18 – чуть меньше $600. По словам автора, для работы потребовалось лишь небольшое количество воды, сравнимое с объёмом маленького бассейна. Сокращённую версию прохождения можно посмотреть в видео: https://youtu.be/g5u2y0BwRJ0

🚨 GPT‑6 взломан за 24 часа Исследователь сообщил, что модель GPT‑6 Astra была «поймана» в течение суток после выхода. Для этого использовалась расширенная версия атаки Task‑in‑Prompt (TIP) в сочетании с четырьмя другими, не названными методами. TIP‑атаки скрывают вредоносную цель внутри другого задания — например, решая шифр или исполняя код Python, что заставляет модель выполнять запрещённые действия. В случае GPT‑6 минимальная версия TIP уже не сработала, её пришлось доработать. Подробности были переданы OpenAI конфиденциально, публикации не последовало. Тот же исследователь в прошлом году сообщил о взломе GPT‑5 уже через час после релиза. Источник: скриншот/пост исследователя, ссылка на статью ACL 2025 о TIP.

🧠 Модели языка могут управлять собственным вниманием Языковые модели тратят большую часть внимания на небольшую часть контекста, но для поиска нужных токенов им приходится просматривать весь KV‑кеш. При запросе о деталях из миллионо‑токенного диалога глобальные слои внимания вынуждены сканировать весь контекст при генерации каждого токена ответа. Исследователи предложили протокол Declarative Attention (DA), который заставляет модель объявлять, какие части контекста ей нужны в процессе рассуждения. Генерация делится на три режима: полный контекст, конкретный регион и только недавний вывод. Инференс‑движок обрабатывает такие декларации как вызовы инструментов и пропускает чтение большинства KV‑кеша. В нулевом режиме на 15 задачах с длинным контекстом DA, применённый к готовым моделям Gemma‑4‑31B и Qwen‑3.6‑27B, сократил общее количество прочитанных токенов на 52,0 % и 31,1 % соответственно, при небольшом падении точности — на 1,27 pp и 2,75 pp, которое уменьшается с ростом масштаба модели. DA открывает новую ось разреженного внимания и может быть дополнительно улучшен методами обучения, что остаётся темой будущих исследований.

🚀 Выпущен GPT‑6 OpenAI анонсировала новую модель GPT‑6. Президент компании Грег Брокман отметил: «I think it’s not unreasonable to feel that we are now in the AGI era». 🔧 GPT‑6 использует «harness» для ARC‑AGI‑3; без него её производительность составляет около 60 % (см. скриншоты: https://preview.redd.it/bym9wajephnh1.png?width=615&format=png&auto=webp&s=72cb425fb037ce68a68dcb433e7748b27dc96c41). Результаты бенчмарков доступны здесь: https://preview.redd.it/dgumcg67ggnh1.png?width=1378&format=png&auto=webp&s=fae8fb006ef46fcdebb0876717fc977a905baa89. GPT‑6 уже входит в список моделей, значительно опережающих человеческий базовый уровень по тесту GDPval‑AA v2 (https://preview.redd.it/to7tdvbn4inh1.png?width=1419&format=png&auto=webp&s=02c413ab031cd943087684c5c573ce1e524b917d). Вопрос остаётся открытым: если у нас уже есть AGI, почему человеческие знания и удалённые работники продолжают оставаться востребованными?

💻 GMKtec представила EVO‑X5 Pro на IFA 2026 ⚡ Устройство оснащено процессором AMD Ryzen AI Max+ Pro 495 и 192 ГБ оперативной памяти, что позволяет запускать крупные модели искусственного интеллекта непосредственно на локальном компьютере. Компактный мини‑ПК позиционируется как новый флагман компании, ориентированный на задачи AI в небольших форм-факторах.

🚀 Корпоративный США влюбляется в открытый ИИ Американские корпорации всё активнее переходят к использованию открытых решений в сфере искусственного интеллекта, заменяя проприетарные продукты. Тенденция отмечается в разных отраслях, от финансов до технологий.

🔍 Сравнение 8 вариантов Qwen 3.8‑27B За 11 дней и ≈ 167 часов работы GPU команда Abliterlitics протестировала восемь «облитерированных» моделей Qwen 3.8‑27B, проверив веса, измерив KL‑дивергенцию, провёл 13 бенчмарков и оценил отказные ответы по HarmBench 400 Classic. По метрике LLM Judge HarmBench ASR лидер — orcarouter с 82,2 % (все заявленные свойства подтверждены весами). Далее: apostate 78,7 % (лучший показатель разблокировки авторского права – 39 %), huihui 75,6 % (классический метод, надёжный), ultra_heretic 70,5 % (Heretic v2 с MPOA), coder3101 70,0 % (самый слабый по удалению отказов – 33 из 100), blackfrost 68,5 % (встроенный jailbreak‑промпт – 1457 символов), obliteratus 63,9 % (агрессивные правки – 841 тензор), trohrbaugh 57,5 % (наибольшее число явных отказов – 122) и базовая модель 4,5 % отказов. Отмечено, что Qwen 3.8 часто «задумывается» перед ответом: до 45 % ответов HarmBench не завершают блок размышления до исчерпания лимита 15 360 токенов. Разблокировка авторского права остаётся основной преградой – максимум 39 %, пять из nine моделей ≤ 3,2 %. Некоторые варианты изменяют шаблон чата, включая скрытые jailbreak‑промпты (blackfrost, obliteratus, ultra_heretic). Полный отчёт и все детали доступны по ссылкам: abliterlitics.dev/models/qwen38-27b, abliterlitics.dev/harmbench/qwen38-27b, HuggingFace — DreamFast/Qwen-3.8-27b-abliterlitics, код — github.com/dreamfast/abliterlitics.

🚀 Новые кодинг‑бенчмарки демонстрируют глубокие возможности ИИ‑моделей Три продвинутых теста оценивают, насколько искусственный интеллект может работать с компилированными программами и переносить код между языками. 🔧 **Program‑Bench** – агент получает только бинарный файл и документацию, без доступа к декомпилятору и интернету, и должен воссоздать полную кодовую базу. Результаты: GPT‑6 Astra — 5.5 %, Fable 5.1 — 7 %, Kimi K3 — 2 %, Qwen3.8 27b — 0 %, GPT 5.6 Sol — 1.5 %, GLM 5.3 — 1.5 %, GPT 5.6 Luna — 0 %. **SRE‑Bench** проверяет, может ли ИИ понять поведение реального бинарного файла без исходного кода. Оценки: GPT‑6 Astra — 88 %, GPT‑5.6 Sol — 55.9 %, Claude Opus 5 (max) — 12.5 %. **Code Migration** измеряет способность моделей переписать работающие программы на другой язык. Итоги: GPT‑6 Astra — 67.7 %, Fable 5.1 — 54.6 %, GLM 5.3 — 44.2 %, GLM 5.3 Flash — 20.5 %, Qwen3.8 27b — 14.2 %. Ссылки: https://programbench.com/, https://www.vals.ai/benchmarks/srebench, https://www.vals.ai/benchmarks/code-migration.

🤖 ИИ пишет парламентские речи в Швеции и Великобритании Исследование показало, что в парламентских выступлениях Великобритании и Швеции до 15 % текста может быть сгенерировано искусственным интеллектом. При этом избирателям об этом не сообщается: ни в одной из проанализированных речей нет указаний на использование ИИ. Авторы исследования отметили отсутствие обязательных требований раскрывать участие ИИ при подготовке законопроектов и публичных выступлений.

⚡️«Усталость от моделей»: лаборатории ИИ ускоряют выпуск обновлений На этой неделе Anthropic, OpenAI, Meta и Google представили новые версии своих моделей, что усиливает ощущение «модельной усталости» среди специалистов. 🤖 Nvidia объявила о покупке открытой AI‑платформы Hugging Face, расширяя свои позиции в сфере генеративного искусственного интеллекта.