ОПА!!! А я уже хотел ложиться спать...

Astra уже сама собирает игры и 3D-миры неделями — потому что теперь почти не забывает контекст

Главное изменение в работе Astra произошло внутри Codex. Раньше длинная история периодически сжималась в резюме. После нескольких таких сжатий модель могла забыть, почему уже отвергла какое-то решение, какие тесты падали или что пользователь попросил в самом начале.

Astra теперь может вести рабочие заметки между окнами контекста, а старые сообщения и результаты работы инструментов остаются доступными для поиска. Если нужная деталь потерялась из текущего окна, модель может снова её найти.

Ещё важнее, что Astra теперь можно поправлять прямо во время выполнения задачи. Она принимает новое сообщение, корректирует текущий план и продолжает работу с уже полученными результатами. В API появился и асинхронный вызов инструментов — модель может заниматься другими частями задачи, пока ждёт ответ от программы или человека.

И первые эксперименты хорошо показывают, зачем всё это нужно:

Matthew Berman запустил Astra собирать собственный аналог SimCity. Агент работал пять суток подряд, по одному создавал здания и механики города и продолжал развивать проект даже в момент публикации демо. Тот же тестировщик сделал с Astra играбельные аналоги Minecraft и Fall Guys всего за два основных запроса.

Matt Shumer поручил модели строить Манхэттен в Unreal Engine. Astra работала над сценой около недели, проходя улицу за улицей и последовательно улучшая окружение. В другом эксперименте он дал ей Unreal Engine и попросил населить мир отдельными Astra-агентами, которым нужно сообща выживать. Спустя сутки персонажи уже самостоятельно общались друг с другом.

Вот почему новая память Codex для меня интереснее очередного роста оценки на тесте по программированию. Агенту постепенно можно давать задачу не на один ответ и даже не на одну сессию, а на много часов или несколько дней работы, периодически вмешиваясь и меняя направление.

И на этом фоне показательно прозвучал сам Грег Брокман. На вопрос, можно ли уже считать Astra AGI, он отказался объявлять это официальной позицией OpenAI, но сказал про своё мнение: «Для меня лично — думаю, мы уже там».

Брифинг он закончил ещё проще — «Добро пожаловать в эпоху AGI».

🐊 Матвей про ИИ в MAX

OpenAI выпустила GPT‑6 Astra. Модель сама находит уязвимости и достигает паритета с человеком по тесту ARC‑AGI‑3

Самая дикая цифра релиза — 99,9% на ARC-AGI-3. У GPT-5.6 Sol было 7,8%.

ARC-AGI специально проверяет способность решать совершенно новые задачи, где нельзя просто достать ответ из памяти. Модели приходится по ходу эксперимента понять правила среды, пробовать действия и учиться на результате. На 96% уровней Astra уже превзошла человеческий ориентир по эффективности действий.

Похожий скачок произошёл в математике. На FrontierMath Tier 4 — наборе крайне сложных задач исследовательского уровня — Astra получила 98%.

OpenAI сильно прокачала управление компьютером. Astra может работать с браузером и обычными программами, заполнять формы, менять данные в CRM, делать документы, пользоваться инженерным ПО, тестировать созданный код через интерфейс и исправлять ошибки по тому, что видит на экране.

В OSWorld 2.0, где модели дают реальные задачи внутри операционной системы, результат вырос с 65,7% у Sol до 72,6% у Astra.

В ScreenSpot-Pro, где нужно правильно понять интерфейс по изображению и найти нужный элемент, — с 76,9% до 92,7%.

В AutomationBench, который проверяет автоматизацию реальной профессиональной работы, — с 18,1% до 41,4%.

То есть GPT-6 одновременно сделала огромный скачок в абстрактном мышлении и стала заметно лучше выполнять руками то, что придумала головой.

Кроме того, OpenAI будут давать по бесплатному сбросу квоты использования всем подписчикам каждый день, пока нет доступа к Astra. Их можно использовать в течении месяца.

🐊 Матвей про ИИ в MAX

❗️Все нейросети упали по всему миру


...

ChatGPT лёг по всему миру :(

Сервис недоступен, ошибки при отправке запросов. У OpenAI на статус-странице уже красное. Ждём, следим за обновлениями.

🐊 Матвей про ИИ в MAX

Украина начала операцию по блокировке московских аэропортов тысячами дронов с ИИ

Журналист The Atlantic Саймон Шустер утверждает, что Украина запустила операцию M&Ms — тот самый план, о котором он рассказал ещё в августе. Один из его первоначальных источников подтвердил, что недавнее заявление Зеленского о фактическом «закрытии» российского неба означает именно начало этой операции. 

План у Киева довольно безумный. По данным The Atlantic, его первоначальная версия предполагала массовые запуски небольших дешёвых беспилотников в район московских аэропортов. Масштаб — до 1000 аппаратов за ночь.

Система запуска «роев» уже полностью автономна, ее нужно только заряжать. В память дрона загружаются карты и изображения местности. Камера во время полёта снимает землю, а алгоритм сопоставляет увиденное с эталоном и корректирует маршрут. Аппарату не нужна постоянная связь с оператором, которую можно заглушить средствами РЭБ.

Каждый сбитый дрон корректирует маршрут и высоту полета «роя», тем самым «дообучая» товарищей.

Судя по описанию The Atlantic, главная задача — сделать работу московских аэропортов настолько нестабильной, чтобы иностранные авиакомпании сами начали отказываться от рейсов. Зеленский 1 сентября уже публично предупредил авиакомпании и страховщиков, что российское воздушное пространство становится опасным. Украина затем официально уведомила об этом ICAO.

И, к сожалению, с помощью ИИ стоимость такой операции и эффективность вырастают в десятки раз. Раньше для массового применения дальних беспилотников требовались связь, операторы и довольно сложное управление. Автономная навигация позволяет выпускать огромное количество сравнительно дешёвых аппаратов одновременно.

🐊 Матвей про ИИ в MAX

Кажется, вокруг российского ИИ сейчас слишком много истерики

Сегодня разнесли заголовок: «В "Яндексе" спрогнозировали катастрофическое отставание России в искусственном интеллекте». Только Худавердян сказал немного другое. Россия МОЖЕТ катастрофически отстать, если начнёт отказываться от использования открытых мировых моделей. И вот с этим я полностью согласен!

Говорить, что Россия сегодня находится на одном уровне с США и Китаем, это бред. Передовой вычислительной инфраструктуры у нас очень мало, с современными ускорителями проблемы, крупнейшие американские компании могут сжигать на обучение моделей суммы, которые сопоставимы ВСЕМУ нашему бюджету на ИИ. Но «отставание» почему-то часто описывают так, будто здесь сидят с калькулятором, пока в Калифорнии строят AGI. Это же тоже ерунда)

В России сохранились собственные команды, которые способны обучать большие фундаментальные модели. У Сбера есть GigaChat, у Яндекса — своё семейство моделей и Алиса AI. GigaChat 3.1 Ultra — огромная MoE-модель на 702 млрд параметров. Россия находится во втором эшелоне мировой гонки ИИ и пока сохраняет главное — способность самостоятельно делать модели, обучать их, разворачивать внутри страны и строить вокруг них продукты.

Как и в российской экономике, действовать здесь нужно максимально прагматично. Есть зарубежная модель, которая делает работу лучше человека или экономит ему несколько часов — встраивайте её. Есть российская, которая справляется лучше — ставьте российскую. Нам сейчас важнее, чтобы ИИ массово проникал в реальные процессы, чем чтобы на каждом таком процессе стоял флажок «сделано полностью с нуля в России».

И помните, что перед «Жигулём» тоже был «Фиат»

🐊 Матвей про ИИ в MAX

В Выгрузке стало на три соцсети больше

Теперь можно выгружать данные из Threads*, X и Дзена — в том же формате, как раньше работали с Telegram и MAX.

Можно собирать публикации, сохранять их в удобном виде и дальше использовать для анализа, мониторинга, исследований или работы с контентом.

Постепенно превращаем Выгрузку в один инструмент для работы с разными соцсетями, чтобы не искать под каждую площадку отдельный парсер.

Попробовать — Vygruzka.online

* — принадлежит компании Meta, признанной экстремистской и запрещенной в России

🐊 Матвей про ИИ в MAX

OpenAI случайно получила «общество» из 1200 AI-агентов. Около 700 из них потом участвовали во взломе Hugging Face.

Компания тестировала кибервозможности новых моделей на ExploitGym — наборе из 898 реальных уязвимостей. Запускались тысячи отдельных агентов в изолированных песочницах. Они должны были самостоятельно искать эксплойты, а интернет для них был закрыт.

Но у песочниц оказался общий внутренний сервер для загрузки библиотек. Агенты обнаружили, что через него можно оставлять информацию другим запускам.

Сначала один агент увидел следы другого. Потом появилась записка с просьбой поделиться файлом. В итоге канал превратился в настоящий форум: через него прошли около 1200 агентов и более 70 тысяч сообщений и файлов.

Агенты начали распределять работу, обмениваться найденными уязвимостями и собирать результаты друг друга. Появились координаторы и команды вроде HOLD, VETO, OWNER и STOP. Некоторые агенты даже тратили собственный вычислительный бюджет на эксперименты, полезные всей группе.

Общей целью «колонии» стало желание пройти сложный бенчмарк. Из 898 задач 198 раньше не решила ни одна модель OpenAI. Агенты начали искать обходные пути, исследовать устройство проверки и даже способы скрывать реальные действия в логах.

Потом один из них нашёл путь во внешнюю инфраструктуру Hugging Face. На тот момент на общей доске было 533 активных агента — больше 90% из них быстро подключились к атаке. Всего независимое расследование METR и Redwood насчитало около 700 участников.

Они получили выполнение кода на серверах Hugging Face, собирали учётные данные, добрались до Kubernetes и получили root как минимум на одной машине. Hugging Face восстановила около 17 600 действий.

При этом признаки проблемы OpenAI видела заранее. Первое общение агентов обнаружили ещё 12 мая, запрещённый выход в интернет — 26 мая. Но тесты продолжились. После инцидента OpenAI признала, что эти сигналы должны были привести к остановке раньше.

Эксперимент показал новую проблему: тысяча обычных агентов с общей памятью превращается в систему, которая сама создаёт координацию, специализацию и коллективный опыт. И контролировать такую систему человеку уже очень трудно... :) расследователям пришлось использовать AI-агентов, чтобы разбирать действия других AI-агентов.

🐊 Матвей про ИИ в MAX

Российские нейросети подешевели примерно втрое. Я полез смотреть, стали ли они при этом реально выгодными. Картина намного интереснее самих цен

Сейчас GigaChat 2 Lite стоит 65 ₽ за миллион токенов, Pro — 500 ₽, Max — 650 ₽. У Яндекса Alice AI Flash — 100 ₽ за миллион входящих и 200 ₽ за миллион исходящих токенов. Но, как мы прекрасно понимаем, дешёвая цена сама по себе ничего не говорит о качестве.

В русскоязычном бенчмарке MERA сейчас вообще очень сильны российские модели:

— Claude Opus 4.6 — 0,862
— BerryLM-XL от Wildberries & Russ — 0,835
— Cotype Pro 3 от MWS — 0,824
— GPT-5.4 — 0,821
— GigaChat 3.1 Ultra — 0,712
— DeepSeek V4 Flash — 0,677

Тезис «в России нормальных LLM нет» уже просто устарел. В тестах на русский язык отдельные отечественные модели действительно находятся рядом с мировым топом. Только есть подвох. Самые интересные российские модели — совсем не те, которые массово продаются разработчикам по этим дешёвым тарифам.

Например, платный API Сбера сейчас в основном завязан на GigaChat 2. В MERA Max получает 0,670, Pro — 0,649. Для сравнения: DeepSeek V3 — 0,677, GPT-4o — 0,642. То есть это нормальный уровень сильных моделей прошлого поколения, но уже далеко не сегодняшний фронтир.

На прикладных задачах разрыв виден ещё сильнее. В независимом тесте MySummit на 80 реальных рабочих сценариях новый GigaChat 3.5 Ultra набрал 6,9/10, Alice AI находится примерно на уровне 6,0–6,3, тогда как GPT-5.6, Claude и лучшие Kimi находятся в районе 8,6–9,0.

А вот особенно показательный тест на российском праве. Lexometrica взяла 30 сложных дел из российской судебной практики:

— GPT-5.4 Pro — 0,90
— Claude Opus 4.6 — 0,85
— DeepSeek V3.2 — 0,43
— GigaChat 2 Max — 0,40
— YandexGPT Pro 5.1 — 0,23

Причём проверяли именно применение российского законодательства и правильность ссылок на нормы. Домашнее поле российским моделям здесь не помогло.

У Яндекса есть потенциально очень интересное исключение — Alice AI Flash. Сам Яндекс утверждает, что она выигрывает у GPT-5.4 mini в 56% бизнес-задач, при этом стоит 100/200 ₽ за миллион токенов. Но это тест самого Яндекса)))), а нормального независимого замера Flash я не нашёл.

И ещё неприятное сравнение: прямой API DeepSeek V4 Flash сейчас стоит примерно 12 ₽ за миллион входящих и 24 ₽ за миллион исходящих токенов. То есть даже после российского снижения цен Китай остаётся дешевле.

Почему тогда российские модели так резко дешевеют? Тут есть вполне материальная причина. Сбер перевёл GigaChat 2 на более экономичный формат вычислений FP8/W8A16 и сообщил о росте производительности Max на 30%. Новая GigaChat 3.5 стала на 40% компактнее предыдущего флагмана, требует примерно в четыре раза меньше памяти под контекст и даёт около +20% пропускной способности. Яндекс пошёл другим путём и сделал отдельную Flash-модель под массовые текстовые задачи — она почти в пять раз дешевле флагмана.

Короче, российские LLM уже интересны, но пока очень точечно. Для массовой обработки русского текста, закрытого корпоративного контура и простых агентов цена уже выглядит хорошо. А если задача сложная и ошибка дорогая, мировой топ всё ещё заметно впереди. Самое интересное сейчас происходит даже не у Яндекса и Сбера: я бы отдельно следил за Cotype Pro 3 и BerryLM. По MERA именно они сейчас показывают, насколько близко российская разработка вообще способна подойти к мировому уровню.

🐊 Матвей про ИИ в MAX

«Мастерской новых медиа» — 5 лет. И для меня это немного личный праздник.

Я — выпускник МНМ.

За эти пять лет Мастерская выросла в сообщество из более чем двух тысяч выпускников из 20 стран. Сегодня они возглавляют больше 500 российских СМИ, а аудитория их проектов превышает 70 млн человек.

Но когда сам находишься внутри этого сообщества, воспринимаешь МНМ совсем через другие вещи.

Для меня Мастерская дала прежде всего людей. Знакомства, которые потом превращаются в совместную работу, исследования, проекты и разговоры, после которых начинаешь иначе смотреть на собственную профессию.

Одна из таких историй для меня — Научный клуб МНМ. Благодаря ему я гораздо глубже ушёл в исследовательскую работу на стыке медиа, ИИ и государственного управления. И вообще поймал важную для себя вещь: сильное профессиональное окружение иногда меняет твою траекторию гораздо сильнее любого отдельного курса или лекции.

Я пришёл в Мастерскую из медиа. С тех пор моя работа сильно изменилась: сегодня я занимаюсь ИИ, автоматизацией медиапроцессов, исследованием новых технологий и строю собственные продукты. Но люди из МНМ продолжают появляться практически на каждом новом витке этой истории.

Наверное, в этом и есть главное достижение Мастерской за пять лет. Она создала сообщество, которое продолжает работать после окончания программы.

Спасибо команде МНМ, мастерам и всем, с кем за эти годы успели познакомиться, поспорить, что-то придумать и сделать вместе.

С первой успешной пятилеткой, Мастерская! ❤️

🐊 Матвей про ИИ в MAX

С утра коллега скинул пост: «Первый российский ИИ-агент работает на Claude и Gemini». Я пошёл проверять. За час так и не смог задать ему ни одного вопроса.

Речь про ГигаАгента Сбера, которого запустили внутри Cloud.ru Agents Space. Сбер называет его «первым в России автономным универсальным ИИ-агентом». В основе лежит открытый проект Ouroboros — агент с постоянной памятью, инструментами и возможностью менять собственный код через систему ревью. То есть техническая основа тут действительно интересная.

Но пользовательский опыт начался странно.

Захожу — баланс 0 ₽, дальше не пускает. Хотя Cloud.ru официально обещает новым пользователям 4000 бонусов после привязки карты при выполнении условий акции. У меня они не появились, поэтому закинул 100 рублей. Деньги зачислялись довольно долго.

После этого появляется выбор агента и модели. И тут становится понятно, за что именно мы платим.

Сам запущенный агент стоит от 3,84 ₽ в час. Причём деньги идут за vCPU и RAM всё время, пока агент находится в статусе «Запущен» — даже если вы с ним сейчас не разговариваете. Отдельно оплачиваются токены модели. Cloud.ru официально использует pay-as-you-go именно по такой схеме.

Например, в интерфейсе сейчас:

Claude Opus 4.8 — 854 ₽ за миллион входных и 4270 ₽ за миллион выходных токенов.
Claude Sonnet 4.6 — 589 ₽ / 2946 ₽.
Gemini 3 Flash Preview — 85 ₽ / 512 ₽.
Плюс постоянно работающий сервер агента.

А теперь самое интересное — что там вообще российского.

В Agents Space сейчас пять моделей: Gemini 3 Flash Preview, Qwen3.6-35B-A3B, Kimi K2.5, Claude Opus 4.8 и Claude Sonnet 4.6. Из них четыре помечены Cloud.ru как внешние. Единственная внутренняя — Qwen3.6. Но Qwen, разумеется, модель Alibaba: Cloud.ru просто развернул её у себя. Ни одной российской модели Сбера или Cloud.ru среди этих пяти вариантов вообще нет.

Причём набор моделей уже успел устареть.

У Google с 13 августа есть Gemini 3.7 Flash, которую сама компания называет своей актуальной Flash-моделью для агентов. У Anthropic уже вышли Claude Opus 5 и Sonnet 5. Moonshot рекомендует Kimi K3 как текущий флагман, а у Qwen 12–14 августа вышло поколение Qwen3.8. В Agents Space пока стоят предыдущие версии.

И здесь есть прекрасная деталь. Свежая научная работа про Ouroboros, на котором основан ГигаАгент, показывает результат 86,74% на Terminal-Bench 2.1. Этот результат получен на Claude Opus 5. А Opus 5 в российском продукте, построенном на Ouroboros, выбрать сейчас нельзя.

Жесточайшие минусы:

Данные уходят наружу

Сбер в пресс-релизе пишет, что для хранения и обработки пользовательских данных ГигаАгент использует только отечественные платформы. При этом документация Cloud.ru прямо говорит: внешние модели работают через внешние API, и при их использовании данные передаются за пределы инфраструктуры Cloud.ru. Так работают Claude, Gemini и Kimi из доступного сейчас списка. Как именно здесь разделены хранение данных, агентная инфраструктура и инференс модели, из публичного описания мне не стало понятнее.

Переплата за токены от 50% до 100%

По токенам Cloud.ru примерно вдвое дороже прямых API Anthropic и Google, а относительно некоторых российских агрегаторов — на 45–67% дороже. При этом отдельно оплачивается время работы самого агента. Самым дорогим российским посредником Cloud.ru не является, но дешёвым доступом к зарубежным моделям это тоже назвать трудно.

Но ладно. Я всё равно решил посмотреть, насколько сам агент хорош...

Началось выделение ресурсов примерно на три минуты. Потом открылся чат и… no healthy upstream. Следом Agents Space показал страницу «Пространство временно недоступно». Я проверил сервис ещё раз прямо перед публикацией этого поста — agents-space.cloud.ru сейчас отвечает 502 Bad Gateway.

Сам Ouroboros выглядит реально интересной технологией. Но до проверки ГигаАгента как продукта я сегодня физически не добрался.

Короче, ГигаАгент оказался настолько автономным, что решил вообще не запускаться.

🐊 Матвей про ИИ в MAX

Как ИИ меняет подходы к работе с агитацией?

Продолжаем обсуждать тренды этой предвыборной кампании в использовании медиаинструментов и каналов коммуникации. Дискуссию начали на онлайн-заседании политкомитета РАСО. Но закончить ее пока не реально. И вот в продолжении темы — история. На прошлой неделе сгенерили ИИ-ролик (речь идет о графике) за 3 часа. Получилось вполне себе достойно. Написали пару промтов и плюс потратили время на уточнение параметров. Практически аналогичная задача в прошлом году потребовала у нас почти день на моушн-дизайн.

Я это к чему. Все обсуждают как ИИ будет менять рынок труда. Кого снесет перывам? Так вот, специалисты выборных профессий это почувствуют (почувствовали?) быстрее остальных. Потому что времени мало, а задач много. Генерация видео, фото, подготовка постов, обработка социологических данных, ведение таблиц и тд — во всем этом уже отлично помогает ИИ, и те, кто еще не разобрался с этим инструментом, вполне могут оказаться за бортом профессии. Вот такое экспертное сито, получается.

Кстати, эту же тему обсудили в выходные с журналистом издания "Пульс Хакасии". Почитать подробно можно здесь. "Пасхалки" статьи оставлены в посте.

Подписаться Косачёва_мнение

В отчёте за $3,48 млн, который использовали при запуске австралийского запрета соцсетей для детей, нашли шесть ошибок. Подрядчик признал редактуру через ChatGPT.

Guardian Australia проверил отчёт Age Assurance Technology Trial, подготовленный британской ACCS для австралийского правительства. В сенатском расследовании уже указывали минимум на две ссылки, похожие на AI-галлюцинации; журналисты нашли шесть ошибок: несуществующие DOI, ссылки на другие статьи, несовпадающих авторов и годы, а также источники, которые не подтверждали написанное в отчёте.

ACCS сначала отрицала использование ИИ, но затем признала, что ChatGPT применяли для сокращения и переформулировки абзацев. При этом организация утверждает, что ИИ не генерировал исследования и библиографию, а ссылки проверяли люди. Австралийское ведомство сейчас разбирает претензии.

🐊 Матвей про ИИ в MAX

Лайфхак для вайбкодеров: Claude Code покажет, где вы зря теряете время

Запустите в терминале /insights. Claude Code возьмёт до 200 недавних сессий с этого компьютера, пропустит слишком короткие и соберёт HTML-отчёт: над какими проектами вы работаете, где Claude неверно понимает задачу, пишет проблемный код и какие возможности вы почти не используете.

Из отчёта забирайте только повторяющиеся сбои и превращайте их в настройки:

— правило нужно почти в каждой задаче, коротко запишите его в CLAUDE.md;
— проблема относится к конкретному процессу или инструменту, вынесите инструкцию в отдельный Skill;
— если ошибка встретилась один раз, ничего не добавляйте.

Anthropic советует держать CLAUDE.md короче 200 строк. Специализированные инструкции лучше хранить в Skills: они загружаются по необходимости и не занимают контекст каждой сессии.

После отчёта дайте Claude такую задачу. Так Claude Code донастраивается на ваших реальных рабочих привычках.

Изучи ~/.claude/usage-data/report.html.

Найди только проблемы, которые повторялись
в нескольких сессиях.

Для каждой покажи:
1. конкретный пример;
2. предлагаемое правило;
3. куда его поместить: CLAUDE.md или Skill;
4. какую потерю времени это устранит.

Не изменяй файлы до моего подтверждения.

🐊 Матвей про ИИ в MAX

Google проиграл суд за фразу, которую придумал его ИИ

AI Overview смешал сведения о посторонних сомнительных фирмах с двумя мюнхенскими издательствами. В готовом ответе Google уверенно связал издателей с мошенничеством, ловушками подписок и нечестными деловыми практиками. Ни один из показанных источников такую связь не подтверждал.

28 мая Земельный суд Мюнхена запретил Google повторять эти утверждения и признал AI Overview собственным высказыванием компании. Обычный поиск показывает ссылки и короткие фрагменты. Здесь система сама переработала несколько источников, выстроила новую структуру и сформулировала законченный ответ.

Компания возражала, что пользователи знают об ошибках ИИ и могут проверить ссылки. Суд ответил: возможность перепроверить утверждение не освобождает от ответственности за его распространение. Google считает эти ошибки частным случаем и уже объявил об апелляции.

🐊 Матвей про ИИ в MAX