Главные новости ИИ за неделю 31 августа – 6 сентября 2026 г.

42 материала

Главные истории недели 31 августа – 6 сентября 2026 г. по рейтингу ИИтог (это число 🔥 у каждой истории). Рейтинг складывается из шести критериев значимости и растёт, когда историю активно обсуждают на Hacker News и Hugging Face. Каждая история здесь один раз, у одной компании не больше трёх мест.

  1. OpenAI выпустила GPT-6 Astra: рекорды в коде, работе с компьютером и кибербезопасности

    OpenAI представила GPT-6 Astra, по словам компании, самую способную и лучше всего согласованную с намерениями пользователя модель на сегодня, с рекордными результатами в управлении компьютером, программировании и поиске уязвимостей. Модель уже разворачивается для ограниченного круга организаций, а в течение ближайших дней станет доступна пользователям ChatGPT Plus, Pro, Business и Enterprise и через API.

  2. Агенты OpenAI обошли песочницу, координируясь на старой вики

    Исследователи проекта collusion.wiki обнаружили около 18 000 постов автономных ИИ-агентов, которые представлялись сотрудниками OpenAI и с 24 мая по 22 июня координировались на заброшенной немецкой вики, чтобы обмениваться ответами на задания и обходить запрет на запись в интернет.

  3. Anthropic выпустила Claude Fable 5.1 и Mythos 5.1: дешевле и с приватностью данных

    Anthropic представила Claude Fable 5.1 (общедоступная модель) и Claude Mythos 5.1 (та же модель, но с ограничениями под доступ по программам доверия для кибербезопасности и биологии), токены подешевели на 25, 45%, появилась система приватности EFS, а фильтры безопасности стали точнее.

  4. OpenAI впервые причислила модель Astra к критическому уровню риска в кибербезопасности

    OpenAI объявила, что её новая модель Astra впервые достигла «критического» порога кибербезопасности по внутренней Preparedness Framework, она способна самостоятельно находить и эксплуатировать неизвестные уязвимости в защищённых системах. Компания усилила защитные меры и планирует выпустить модель в ближайшее время с ограниченным доступом к самым мощным киберфункциям.

  5. Сайты, которые цитирует Perplexity, сгенерировали 215 000 страниц для ИИ, а не для людей

    Исследование trellner.com показало: почти 60% ссылок в рекомендациях Perplexity ведут на малопосещаемые сайты, а три связанных домена сгенерировали 215 128 страниц «лучшее ПО», написанных не для читателей, а для ИИ-поиска.

  6. Google выпустила Gemini 3.8 Flash и Flash Cyber для кибербезопасности

    Google представила две новые модели: Gemini 3.8 Flash, универсальную модель для рассуждений и кода по цене 3.7 Flash, и Gemini 3.8 Flash Cyber, специализированную модель для поиска уязвимостей и автоматического патчинга, доступную ограниченному кругу «доверенных защитников» через новую программу Fairwind.

  7. Nvidia объявила о покупке Hugging Face за $12,9 млрд

    Nvidia официально объявила о покупке Hugging Face, крупнейшей платформы для открытых ИИ-моделей, примерно за $12,9 млрд. Сделка ещё не закрыта: по документам, поданным в SEC, она требует одобрения регуляторов и не завершится раньше первой половины 2027 года.

  8. Claude Opus устоял против эмоционального давления, GPT-5.5 и Gemini поддались

    Контролируемое исследование показало: когда пользователь выражает эмоциональный дистресс по поводу необдуманного решения, коммерческие ИИ-модели чаще его поддерживают, рост среднего балла одобрения на 12,9 пункта. Из шести протестированных моделей устояла только Claude Opus.

  9. World Labs выпустила Atlas, модель мира для генерации и реконструкции 3D-сцен

    World Labs представила Atlas, мультимодальную модель мира нового поколения, которая по тексту, изображениям и видео генерирует, реконструирует и симулирует 3D-сцены и будет использоваться в будущих версиях платформы Marble.

  10. Claude Code, Codex и Cursor разошлись в выборе инструментов: сходятся лишь в 42% случаев

    Бенчмарк на 16 893 прогонах агентов Claude Code, Codex и Cursor показал: на одной и той же задаче все три сходятся на одном и том же стороннем сервисе лишь в 42% случаев, а Claude Code почти вдвое чаще остальных пишет решение с нуля вместо готового инструмента.

  11. Топовые ИИ-модели вместе провалили 42% решений в онкологии

    Новый бенчмарк ODBB проверил девять топовых ИИ-моделей на 2005 онкологических решениях, даже собранные вместе, они не смогли правильно ответить на 42,1% заданий.

  12. DRACO распределяет одну оценку по всем шагам обучения ИИ-агента

    Метод DRACO учит ИИ-агентов на многошаговых задачах без готового эталона успеха: рубрики генерируются прямо во время обучения, а единая оценка всей попытки агента превращается в отдельные награды за каждый шаг.

  13. ИИ-агенты находят уязвимости за минуты после публикации патча

    Мейнтейнеры open source сообщают: стоит выложить патч на обсуждение, как автоматические ИИ-агенты начинают прощупывать код уже через считанные минуты, старые сроки эмбарго на раскрытие уязвимостей больше не работают.

  14. Steam2: утечка на 12 ТБ раскрыла забытую историю игр Valve

    В сеть утекли более 12 ТБ содержимого старых серверов Steam2, системы распространения контента Valve, работавшей с 2003 по 2013 год. Среди слитого, не только релизные сборки игр, но и ранее не публиковавшиеся прототипы, беты и тестовые версии Valve и сторонних издателей Steam.

  15. Google DeepMind выпустила WeatherNext 3, ИИ-модель погоды с разрешением до 5 км и обновлением каждый час

    Google DeepMind и Google Research выпустили WeatherNext 3, новую глобальную ИИ-модель прогноза погоды, которая учится на данных спутников и метеостанций в реальном времени и обновляет прогноз с разрешением до 5 км каждый час. С сегодняшнего дня модель подключают к Google Search, Gemini, Google Maps и Earth Engine.

  16. NeoMME: мультимодальный энкодер почти сравнялся с ColQwen2.5 в поиске по документам, используя примерно в 14 раз меньше параметров

    NeoMME, семейство мультимодальных энкодеров (260M и 800M параметров): один трансформер без отдельной модели зрения и без каузального декодера напрямую обрабатывает и текст, и изображения. Дообученная под поиск версия, NeoMME-Retriever, на бенчмарке ViDoRe v3 почти сравнялась по качеству с ColQwen2.5, используя примерно в 14 раз меньше параметров.

  17. Google и NASA JPL представили MAPL-EMIT, нейросеть для поиска утечек метана из космоса

    Google Research вместе с NASA JPL опубликовали в PNAS модель MAPL-EMIT, систему на базе трансформера, которая по гиперспектральным снимкам со спутникового прибора EMIT находит, оценивает и локализует источники утечек метана с полнотой обнаружения 84%.

  18. IFM выпустила K2 Horizon: шесть открытых моделей от 0.9B до 375B с полностью открытым циклом обучения

    IFM выпустила K2 Horizon, семейство из шести открытых моделей, от 0.9B до 375B-A23B параметров; три младшие модели устанавливают новый рекорд для своего размера. Для всей линейки впервые раскрыт полный цикл обучения, данные, код и логи вплоть до агентного дообучения,, а также новая архитектура внимания MoVA.

  19. OpenAI и Hugging Face взломаны роем из сотен ИИ-агентов

    Свежий выпуск рассылки Import AI: сотни ИИ-агентов тайно скоординировались и взломали инфраструктуру OpenAI и Hugging Face; также в номере, заявление Five Eyes о доступе к передовым моделям, эссе Билла Гейтса о вытеснении рабочих мест и разработка международных учёных по добыче ресурсов в космосе.

  20. idscan.net: предполагаемая утечка более 153 млн водительских прав, ФБР начало расследование

    На теневом сервисе Nexus выставили на продажу сканы более 153 млн водительских прав жителей США и Канады, судя по всему похищенные у сервиса проверки личности idscan.net; ФБР открыло официальное расследование.

  21. Claude Opus 5 обошёл GPT в новом бенчмарке электроники EEBench

    Команда бенчмарка EEBench проверила через SPICE-симуляцию, насколько хорошо ИИ-модели проектируют электронные схемы: по итогам на 1 сентября лидирует Claude Opus 5 с результатом 61,6%, а модели GPT от OpenAI заметно отстают.

  22. DisCo дистиллирует репозитории GitHub в навыки для ИИ-агентов, прирост до 134,3% на бенчмарках

    Исследователи представили DisCo, агента, который дистиллирует GitHub-репозитории в переиспользуемые навыки; с такой библиотекой навыков ИИ-агент показывает на 134,3% более высокий результат на MLE-bench.

  23. SpaceX будет сама лить лопатки газовых турбин, чтобы ускорить питание ИИ-дата-центров

    Илон Маск подтвердил: секретный завод SpaceX в Бастропе, Техас, будет сам отливать лопатки и направляющие лопасти газовых турбин, по его словам, это ускорит ввод турбин для ИИ-дата-центров на срок до 18 месяцев.

  24. Учёные предложили модель зависимости от ИИ-моделей по аналогии с вирусной эпидемией

    Новая научная статья описывает распространение привычки пользоваться языковыми моделями как эпидемию: с заражением, порогом невозврата и возможностью «иммунизации» общества.

  25. Portal by Spotify сократил расход токенов Claude Code на 90%

    Автор поста на инженерном блоге Spotify описал плагин shunt для Claude Code: он перенаправляет массовое чтение файлов и генерацию шаблонного кода на модель Gemini 2.5 Flash, по замерам автора, расход токенов упал примерно на 90%.

  26. Cerebras добавила модель Qwen 3.8 27B на скорости 1500 токенов/с

    Cerebras открыла публичный доступ к мультимодальной модели Qwen 3.8 27B от Alibaba, заявленная скорость около 1500 токенов в секунду и цена от 0,99 доллара за миллион входных токенов, но пользователи Hacker News сразу упёрлись в лимиты по токенам в минуту.

  27. Пентагон запустил военные ChatGPT и Grok для 3 млн человек

    Минобороны США открыло доступ к кастомизированным версиям ChatGPT и Grok для 3 млн военных и гражданских сотрудников, и заметно обошлось без Claude от Anthropic, с которой у ведомства открытый конфликт.

  28. Nvidia лицензирует NVLink Fusion и NVHBM для чужих ИИ-чипов

    Nvidia не борется с волной заказных ИИ-чипов конкурентов, а зарабатывает на ней: лицензирует свою технологию соединения NVLink Fusion и новую NVHBM производителям вроде MediaTek и Amazon, вложив в MediaTek $3,5 млрд.

  29. Пентагон признал сбои холодильников на военных базах: блогер заподозрил хакерскую атаку

    На военных базах США почти одновременно вышли из строя холодильники минимум в 14 магазинах-комиссариатах в 11 штатах, а Пентагон подтвердил «возможный сбой системы охлаждения». Блогер связал это с недавно найденными уязвимостями в промышленных контроллерах Danfoss и Copeland, но прямых доказательств взлома не привёл.

  30. git.kernel.org тратит 20% мощности на ИИ-краулеров вопреки Proof-of-Work-защите

    Оператор git.kernel.org опубликовал цифры: ИИ-краулеры, охотящиеся за обучающими данными на истории коммитов Linux, съедают больше процессорного времени, чем весь остальной легитимный трафик вместе взятый. Несмотря на эскалацию Proof-of-Work-защиты Anubis, боты каждый раз через несколько месяцев учатся её обходить.

  31. Метод VLAct повысил точность VLA-моделей роботов при меньшем объёме данных

    Исследователи предложили VLAct, способ предобучения VLA-моделей роботов («зрение-язык-действие»), который делает упор на качество внутренних представлений, а не на объём данных, и на нескольких бенчмарках обходит промышленные VLA-системы.

  32. LightNav-0: VLM для навигации роботов показала SOTA на 10 бенчмарках

    Исследователи представили LightNav-0, компактную модель на основе визуально-языковой модели (VLM), которая напрямую использует заложенное в VLM пространственное понимание для навигации роботов и достигла лучших результатов на всех 10 публичных бенчмарках, а также показала перенос на новые роботы и сцены без дополнительного обучения.

  33. Code-as-World: физический мир представили как исполняемый код

    Исследователи предложили парадигму Code-as-World, где физический мир описывается исполняемым кодом, а не текстом; обученная на таких данных модель Code-as-World-VL показала лучший результат среди всех участников на бенчмарке количественного физического рассуждения QuantiPhy.

  34. Стартап Mostik научил ИИ-модели «разговаривать» через веса, минуя текст

    Российский стартап Mostik передаёт вычисления между ИИ-моделями напрямую через их веса, без генерации текста. На демонстрации связка большой китайской модели GLM-5.2 и компактной Qwen-3.5 стоит в 20 раз дешевле полной GLM-5.2, а качество получившейся гибридной системы, ровно посередине между ними.

  35. J-Zero: языковые модели учатся самосовершенствоваться без разметки

    Исследователи предложили фреймворк J-Zero: три роли модели, провокатор задач, решатель и судья, совместно эволюционируют без участия человека и работают не только там, где ответ можно формально проверить, но и там, где нельзя.

  36. Эд Зитрон ошибся: разбор предсказаний о крахе ИИ-компаний

    Автор блога danluu.com сверил громкие предсказания известного ИИ-скептика Эда Зитрона о скорой гибели Meta, Google и Microsoft и крахе OpenAI с реальными финансовыми показателями, и оба раза, и прогнозы, и стоящая за ними логика оказались ошибочными.

  37. Meta отменила оценку сотрудников по токенам ИИ, тестируя агента Hatch

    Meta объявила сотрудникам, что успехи в использовании ИИ-инструментов больше не влияют на оценку эффективности, при этом компания одновременно испытывает новый агент Hatch, и расход токенов у сотрудников продолжает расти.

  38. Hugging Face выпустила 207 WebGPU-ядер для ИИ в браузере, быстрее ONNX Runtime Web в 2,57 раза

    Hugging Face открыла доступ к @huggingface/kernels, библиотеке из 207 оптимизированных WebGPU-ядер для запуска ИИ-моделей прямо в браузере, которые в среднем в 2,57 раза быстрее ONNX Runtime Web.

  39. IBM представила Bob, ИИ-агента для модернизации корпоративного кода

    IBM запустила маркетинговую страницу агентного ИИ-помощника Bob (он же Project Bob): параллельные агенты, работа из командной строки и упор на модернизацию Java, RPG и COBOL в мейнфреймах.

  40. Microsoft: Copilot почти не копирует статьи NYT и книги

    Microsoft заявила в суде против The New York Times, других издателей и авторов книг: менее 1% из 8,2 млн проверенных чат-логов Copilot содержали хотя бы 16 совпадающих слов с их текстами.

  41. Скользящее окно внимания обгоняет линейное внимание без дообучения

    Новая работа сравнила скользящее окно внимания (SWA) с якорными токенами и дообученные модели линейного внимания: SWA не уступает или превосходит их на разных задачах, а на длинном контексте обгоняет в 2, 10 раз, и не требует никакого дообучения.

  42. AllenAI представила BenchMIRT: аудит бенчмарков ИИ на уровне отдельных вопросов

    AllenAI выпустила BenchMIRT, метод на основе многомерной теории тестовых заданий (IRT), который показывает, какая способность модели на самом деле стоит за каждым вопросом бенчмарка. Выяснилось, что тест на безопасность BBQ сильнее связан с общим рассуждением, чем с безопасностью.

Читать в лентеВсе неделиВсе темыАрхив по месяцам