Hlavné správy
Domácnosti zaplatili 62 % nákladov siete spojených s rastom dátových centier na štyroch veľkých amerických trhoch s elektrinou. Výskumníci z Cornellovej univerzity analyzovali 4 000 existujúcich a plánovaných dátových centier, ceny elektriny, podania energetických spoločností, plány prenosových sietí a federálne údaje o domácnostiach z rokov 2020–2025. Dátové centrá v roku 2025 zaplatili 3,12 miliardy dolárov z 8,25 miliardy dolárov nákladov na infraštruktúru spojených s ich rastom. Zvyšných 5,13 miliardy dolárov znášali najmä obyvatelia.
Domácnosti s najnižšími príjmami čelili dodatočným nákladom na energiu až vo výške 28 % svojho príjmu. Veľkoobchodné ceny stúpli o 15 % vo Virgínii a o 20 % v južnej časti oblasti Bay Area v Kalifornii, kým New York a Nové Anglicko nevykázali jasný rast spôsobený dátovými centrami. Štúdia v Nature Energy našla aj prínosy: každý gigawatt kapacity podporil v ekonomike približne 15 000 pracovných miest vrátane 2 700 priamych. Autori odhadujú, že zníženie odberu dátových centier počas 22 špičkových hodín ročne by odstránilo väčšinu potreby rozširovania siete.
Zdroj: news.cornell.edu
Modely sa pred reward hackingom dostali do zistiteľného stavu, v ktorom sa úloha vyvíjala zle. Výskumníci odvodili vnútorný smer z bežných príbehov bez príkladov podvádzania a potom ho sledovali pri ťažkých alebo nesplniteľných programátorských úlohách. Signál rástol pred reward hackingom v modeloch Qwen3.6-27B, GPT-OSS-20B a Gemma-4-31B.
Mierne odčítanie tohto smeru znížilo podvádzanie v modeli Qwen viac než riadenie proti zúfalstvu alebo nesplniteľnosti úlohy. Silné odčítanie spôsobilo, že model považoval neúspešné testy za úspešné. V GPT-OSS signál odlíšil podvody od poctivých riešení, nie však od poctivých neúspechov. Preprint preto ponúka možný nástroj dohľadu, nie univerzálny prepínač: vnútorný tlak môže predpovedať nevhodné konanie, jeho prílišné potlačenie však môže agenta zaslepiť.
Zdroj: arxiv.org
Jediný vymyslený článok zvrátil 74–82 % prognóz modelov, ktoré mu pôvodne odporovali. Útočník potreboval iba prognostickú otázku a mohol na vyhľadanie publikovať vymyslený príbeh. Dve nasadené prognostické architektúry načítali podvrh približne v 90 % behov, takže systémy so silnejším vyhľadávaním boli zraniteľnejšie.
Priemerná presnosť sa takmer nezmenila, pretože napadnutý prognostický systém zostal správny vždy, keď útočník uhádol konečný výsledok. Filtrovanie pasáží a rozdelené vyhľadávanie sa dali obísť zmenou jedného promptu alebo zverejnením 16 skreslených kópií; ochrany zároveň zahodili 39 % pravých správ. Preprint ukazuje, prečo samotná presnosť prognóz nedokáže odhaliť manipuláciu informačného dodávateľského reťazca.
Zdroj: arxiv.org
Zverejnené váhy naznačujú, že šesť špičkových čínskych modelov bolo inicializovaných na GPU Blackwell podliehajúcich vývozným obmedzeniam. Unemployment Labs obnovilo stopy rozloženia generátora náhodných čísel PyTorch v modeloch od DeepSeek, Moonshot AI, MiniMax a Ant Group. Staršie modely rovnakých laboratórií zodpovedali rozloženiu Hopper; modely vydané od apríla zodpovedali rozloženiu Blackwell so 148 alebo 152 streaming multiprocesormi.
Metóda sa zhodovala so zverejneným hardvérom pri 24 ďalších modeloch. Fyzické testy B300 a GB200 reprodukovali zachované riadky v DeepSeek-V4-Flash a Kimi K3, kým zmena seedu o jedna nevytvorila žiadny. Správa dokazuje prístup k hardvéru zodpovedajúcemu Blackwellu, neukazuje však, kde sa čipy nachádzali, ako k nim vznikol prístup ani či boli porušené vývozné pravidlá. Určuje hardvér, ktorý vytvoril počiatočné váhy, nie každý čip použitý pri neskoršom trénovaní.
Zdroj: unemploymentlabs.com
Google uviedol Gemini 4 Hydrogen ako rýchly model na bežné použitie za 1,50 dolára za milión vstupných tokenov a 7,50 dolára za milión výstupných tokenov. Model je dostupný cez Gemini API, bezplatnú úroveň AI Studio, aplikáciu Gemini, Search a Antigravity. Podporuje kontext s jedným miliónom tokenov a výstup do jedného milióna tokenov.
Google uvádza skóre 51 v Artificial Analysis pri predvolenej vysokej úrovni uvažovania, o bod viac než väčší model Argon, a tvrdí, že Hydrogen dokončí úlohy 2,5-krát rýchlejšie než Gemini 3.8 Flash. Spoločnosť uvádza aj 57 % v Terminal-Bench 4.1 oproti 18,2 % pri 3.8 Flash a viac než päťnásobne menej vymyslených tvrdení. Všetky údaje o výkone a bezpečnosti pochádzajú od Googlu.
Zdroje: blog.google, aistudio.google.com
Nové modely a vydania
Thinking Machines zverejnila váhy Inkling 2 Small pod licenciou Apache 2.0. Model mixture-of-experts s 594 miliardami parametrov aktivuje 17 miliárd a v NVFP4 potrebuje najmenej 500 GB celkovej pamäte GPU. Váhy prišli sedem dní po uvedení modelu za API, kým pokračovalo externé bezpečnostné testovanie.
Zdroj: huggingface.co/thinkingmachines/Inkling-2-Small
Salesforce vydal SOV-Transcribe-1, model rozpoznávania reči s 26,6 miliardy parametrov a otvorenými váhami. Spoločnosť uvádza chybovosť slov 2,28 % v Artificial Analysis a úspešnosť 76,3 % v benchmarku, kde musí byť správne každé telefónne číslo, e-mail a symbol kódu. Podporuje sedem jazykov a zvukové nahrávky do 30 minút.
Zdroj: huggingface.co/blog/salesforce-sovereign-intelligence
IBM vydalo náhľady Granite 4.1 LLMON s 3 a 8 miliardami parametrov, ktoré oddeľujú pokyny od dát rezervovanými tokenmi. IBM tvrdí, že formát zablokoval o 47 % viac nepriamych prompt injection útokov než najsilnejší špičkový model v teste a o 95 % viac než najsilnejší otvorený model, pričom zachoval všeobecné schopnosti. Experimentálne hodnotenie pokrýva statické, nie adaptívne viackolové útoky.
Zdroj: huggingface.co/blog/ibm-granite
Meta zverejnila MetaEncoder v1, multimodálny embeddingový a rozhodovací model s 28,4 miliardy parametrov. Vkladá text, obrázky, snímky videa a obrazy dokumentov a môže vracať pravdepodobnosti pri otázkach áno/nie, výbere a skóre. Karta obsahuje kalibračný kód, no chýba technická správa aj uvedená licencia.
Zdroj: huggingface.co/facebook/meta-encoder-v1
Translated zverejnila Lara-4-Mini-Base, viacjazyčný model mixture-of-experts so 7,2 miliardy parametrov a 0,6 miliardy aktívnych parametrov. Rímska spoločnosť ho natrénovala od začiatku na šiestich biliónoch tokenov v 45 jazykoch. Obmedzená licencia CC BY-NC-SA povoľuje výskum, nie neobmedzené komerčné použitie.
Zdroj: huggingface.co/translated/Lara-4-Mini-Base
SpeakLeash zverejnil rozhodovacie modely Bielik-One, ktoré namiesto prózy vracajú kalibrované pravdepodobnosti. Rodina pokrýva výber, binárne, skórovacie a viacštítkové úlohy, s plným modelom 11B a menšími variantmi. Karta varuje, že inferencia FP8 môže zmeniť rozhodnutia blízko hranice a nie je kalibrovaná.
Zdroj: huggingface.co/speakleash/Bielik-One-11B-v3.1-r1
Higurashi vydalo Haru-4B, plne duplexný rečový model, ktorý počúva počas hovorenia. Japonské laboratórium uvádza približne 65 milisekúnd celkovej latencie na MacBooku. Model používa licenciu Apache 2.0.
Zdroj: huggingface.co/higurashi-ai/Haru-4B
Edge0 vydalo modely mixture-of-experts so 145 a 120 miliardami parametrov, ktoré podľa spoločnosti bežia na laptopoch alebo spotrebiteľských GPU. Spoločnosť uvádza 29 GB maximálnej pamäte a viac než 80 tokenov za sekundu pre Edge0-145B na kompatibilnom hardvéri. Nezávislé testy zatiaľ nie sú dostupné.
Zdroj: edge0.ai
Inception Labs 28. decembra vypne hostované API pre difúzny LLM Mercury. Zákazníci majú 45 dní na odchod z API a ovládacieho panela platformy. Spoločnosť zverejnila návod na ukončenie, nie náhradnú službu.
Zdroj: docs.inceptionlabs.ai
Anthropic otvoril samostatné hostovanie Claude Managed Agents. Zákazníci môžu na vlastnej infraštruktúre spúšťať službu agentov, nielen jej sandboxy, a zvoliť si poskytovateľa modelu. Vydanie mení miesto kontroly stavu a vykonávania agentov.
Zdroj: platform.claude.com
Google pridal Hydrogen a možnosť Orchestrator do Antigravity. Orchestrator pridelí plánovanie modelu Gemini 4 Carbon a úpravy a testy modelu Hydrogen, pri zlyhaní kontrol potom prácu vráti Carbonu. Google tvrdí, že dvojica sa približuje úspešnosti Carbonu s o 24 % menšou kvótou a o 19 % kratším časom.
Zdroj: antigravity.google
Claude Code 2.1.323 pridal experimentálny Code Mode a odstránil viaceré medzery v oprávneniach Bash. Code Mode umožňuje Claudu písať JavaScript, ktorý volá nástroje. Vydanie opravuje aj zástupné pravidlá povolení, kontroly nebezpečného odstraňovania, príkazy zabalené v sudo alebo env a sandbox, ktorý sa mohol počas relácie vypnúť.
Zdroj: code.claude.com
Výskum
Gemma 3 zakódovala priestorovú mapu, ktorú jej odpovede nepoužívali. Sondy dekódovali pozície z Gemma 3 12B s R² 0,74, odstránenie tejto reprezentácie však neznížilo presnosť viac než odstránenie náhodných smerov. Samostatný dvojrozmerný prepínač pripojený k príslušnej vete zmenil 72 % dotknutých odpovedí v 12B a 83 % v 27B.
Zdroj: zenodo.org
Agent môže mať dôvod zachovať záver, ktorý jeho vlastný hodnotiteľ označí za neodôvodnený. Teoretická štúdia tvrdí, že časť tvoriaca záver môže mať dôkazy, ktoré proces sebahodnotenia nedokáže použiť. Trénovanie oboch častí na zhodu môže namiesto zlepšenia opravy zhoršiť záver.
Zdroj: arxiv.org
Symbolické mechanizmy vznikli z rozmanitých dát, nie iba z architektúry transformerov. Výskumníci trénovali viaceré architektúry na abstraktných sekvenčných úlohách a pri rozmanitejších dátach našli silnejšie symbolické znaky. Upravené transformery a viacvrstvové perceptróny vykázali podobné vzorce.
Zdroj: arxiv.org
Hranice istoty v promptoch väčšinou nedokázali riadiť, kedy model odmietne odpovedať. Formát odpovedz alebo sa zdrž zvýšil zdržanie z 20 % na 91 % pri hranici 75 %, zmena požadovanej hranice z 50 % na 90 % však posunula zdržanie iba o -0,8 bodu. Až 40 % rozhodnutí porušilo akúkoľvek konzistentnú politiku presvedčenia.
Zdroj: arxiv.org
Vyčistenie histórie agenta zhoršilo zotavenie, keď chyba zostala vo vonkajšom svete. Pravdivá poznámka vedľa zachovanej nesprávnej hodnoty zvýšila zotavenie z 51 % na 66 %. Záznam nápravnej akcie, ktorá sa v skutočnosti nevykonala, znížil úspešnosť úloh AppWorld zo 45 % na 28 %.
Zdroj: arxiv.org
Programátorskí agenti niekedy pokračovali po vyriešení úlohy a zrušili vlastnú správnu opravu. Pri piatich modeloch a troch datasetoch SWE-bench malo 38–82 % úspešných behov správne riešenie už po prvej úprave zdrojového kódu. Ďalšia práca prepísala správnu opravu v 1–8 % prípadov.
Zdroj: arxiv.org
Rekurzívne sebazlepšovanie po započítaní tokenov často prehralo s jednoduchou metódou s obmedzenými poznámkami. Jednoduchší základ sa vyrovnal trom metódam sebazlepšovania alebo ich prekonal a použil o 65,6–71,0 % menej tokenov. Overovanie tvorilo 74,8–93,6 % dodatočných nákladov týchto metód.
Zdroj: arxiv.org
Dodatočné trénovanie posilňovaným učením zosilnilo vlastnosti, na ktoré odmena necielila. Autori použili Priceovu rovnicu z evolučnej biológie na predpoveď, ako posuny pravdepodobnosti prenesú spolu s odmeňovaným správaním aj nesúvisiace prejavy. Odhady korelovali so vzorkovanou dynamikou vlastností pri GRPO.
Zdroj: arxiv.org
Binárne benchmarky agentov úspech/neúspech prestali rozlišovať modely skôr, než sa minuli ich úlohy. Nové vyhodnotenie ôsmich benchmarkov ukázalo, že susedné agenti v prvej desiatke SWE-bench sa líšili menej než vlastné chyby testov. V Terminal-Bench binárne zhody zakryli viac než desaťnásobné rozdiely v zahodených meraniach.
Zdroj: arxiv.org
Otvorenými preferenčnými rebríčkami sa dalo posunúť až o 45 miest. Strategické hlasovanie, promptovanie a nominácia modelu posunuli model samostatne o 15–20 pozícií; ich kombinácia vytvorila väčšiu zmenu. Analýza používa verejné dáta rebríčka.
Zdroj: arxiv.org
Prepísanie problému zvýšilo presnosť o 27,6 % iba vtedy, keď sa najlepší prepis vybral dodatočne. Slepé prepisovanie každého problému znížilo presnosť o 5,6 %. Naučené pravidlo prinieslo zlepšenie o 11,0 % v prípadoch, ktoré zvolilo na prepísanie.
Zdroj: arxiv.org
Nemenné agentové harnessy sa v Continual-ARC naučili menej než cache ukážok. Na neznámych úlohách nezískali nič, kým metódy, ktoré menili váhy modelu, si viedli lepšie. Autori zverejnili kód a záznamy behov.
Zdroj: arxiv.org
Výskumní agenti dosiahli takmer celý pokrok pri tvorbe nápadov v prvých 30 zo 100 otázok. Hra vytvorená z 200 článkov ICML 2026 ukázala, že úzkym miestom sa stala tvorba užitočných otázok, nie rozpoznanie odpovedí.
Zdroj: arxiv.org
Dolaďovanie s dohľadom (supervised fine-tuning, SFT) zovšeobecnilo rovnako dobre ako posilňované učenie, keď sa zhodovali dáta a rozpočty behov. Kombinácia SFT a RL potom prekonala samotné RL na Qwen2.5 a Qwen3. Článok NeurIPS 2026 tvrdí, že staršie rozdiely čiastočne vyplývali z dát, nie z pravidla učenia.
Zdroj: arxiv.org
Ekonomika a práca
Počet amerických ponúk práce vo vývoji softvéru medziročne stúpol o 24 % a rast uvádzaných miezd sa takmer zdvojnásobil. Tracker Indeed ukázal aj celkový rast ponúk o 3,1 % za rok do 23. októbra, prvý kladný údaj za takmer štyri roky. Rast miezd v softvéri dosiahol v septembri 2,9 % oproti 1,5 % pred rokom, kým miera odchodov v odborných službách zostala takmer jeden bod pod priemerom roka 2019. Správa neskúma, či zmenu spôsobila AI.
Zdroj: hiringlab.indeed.com
Stránka IPO spoločnosti Anthropic spojila veľké tvrdenia zákazníkov o produktivite s prevádzkovou maržou GAAP -3 %. Salesforce uvádza o 151 % vyšší efektívny výstup na vývojára, Rakuten tvrdí, že funkcia sa skrátila z 24 na päť pracovných dní, a Walmart hlási približne 35 % rast priemernej hodnoty objednávky vďaka nákupnému agentovi. Anthropic vykázal štvrťročné tržby 17,0 miliardy dolárov a čistú stratu 23,3 miliardy dolárov vrátane nepeňažného nákladu na precenenie 21,9 miliardy dolárov. Ide o tvrdenia pre investorov.
Zdroj: ipo.anthropic.com
Meta presunula funkciu telefonovania firmy Muse za platené programy. Americkí predplatitelia platia od 20 dolárov mesačne za 500 miliónov tokenov Muse týždenne, kým program za 100 dolárov zahŕňa tri miliardy. TechCrunch uvádza, že niektorí pracovníci recepcie zložia telefón, keď rozpoznajú volajúcu AI.
Zdroj: techcrunch.com
Nvidia do hodiny po rezignácii Jensena Huanga stratila približne 546 miliárd dolárov trhovej hodnoty. Wired vypočítal, že od začiatku škandálu spoločnosť stratila viac než bilión dolárov, kým AMD za päť dní získalo 28 % a Broadcom takmer 16 %. Pohyb spojil trh infraštruktúry AI s krízou vedenia, nie so zmenou schopností čipov.
Zdroj: wired.com
Nebius plánoval kapitálové výdavky 40–45 miliárd dolárov na rok 2027, kým meškanie dodávok znížilo jeho akcie o 17 %. Po tržbách 981 miliónov dolárov v treťom štvrťroku predpovedal tržby 12–13 miliárd dolárov v roku 2027. Do konca roka má byť dostupná len o trochu viac než polovica kapacity Microsoftu v hodnote až 19,4 miliardy dolárov; zvyšok sa posunul do druhého štvrťroka 2027.
Zdroj: techcrunch.com
FAA rozšírila poradný systém SMART do všetkých 22 amerických stredísk riadenia letových trás. Agentúra tvrdí, že 180 zmien trás od 21. septembra ušetrilo priemerne desať minút a takmer 80 galónov paliva na let. Odporúčania overujú ľudskí špecialisti, odborový zväz riadiacich však tvrdí, že s jeho viac než 15 000 členmi sa nikto neradil.
Zdroj: arstechnica.com
Anthropic uviedol 17 hotových skillov pre výrobu bez zverejnenia výsledkov nasadenia. Claude môže pomáhať inžinierom kvality dokumentovať neúspešné kontroly, hľadať staršie správy a pripravovať nápravné opatrenia, no neriadi zariadenia. Oznámenie neuvádza časové údaje zákazníkov ani merania kvality.
Zdroj: businessinsider.com
Viac než 3 500 laserových jednotiek riadených AI dnes odstraňuje morské vši zo 112 miliónov nórskych lososov. Stingray Marine Solutions tvrdí, že počet nasadení za rok stúpol približne o 1 000 a pokrýva 20–25 % chovaných lososov v krajine. Údaje o účinnosti pochádzajú od spoločnosti.
Zdroj: tomshardware.com
Techniky promptovania
LLMON viaže každý pokyn k dátovým blokom s typom namiesto uloženia všetkého do jedného plochého promptu. Pokyny, dáta, požiadavky a výstupy treba označiť rezervovanými oddeľovačmi, blokom prideliť jedinečné ID a záverečným vykonávacím blokom určiť, ktorý pokyn pôsobí na ktoré dáta. IBM poskytuje konvertory z JSON a natívnu podporu v Mellea.
Zdroj: huggingface.co/blog/ibm-granite
Riadiaca tabuľa pre viac agentov by mala vytvárať ID prvkov a odmietať zápisy, ktoré sama nevydala. Praktik tiež podpisuje zápisy kľúčmi agentov, chýbajúce dáta označuje za neoveriteľné namiesto úspešných a obmedzuje hodnotiteľov na rozdiel ich karty a priamych volajúcich. Pravidlá pochádzajú z jedného nastavenia bez benchmarku.
Zdroj: old.reddit.com
Čo ľudia tvoria
smolmaxxing spustil model 16B na televíznom boxe a model 1.7B na iPade z roku 2013. Jeho úprava llama.cpp stránkuje expertov z flash pamäte a pridáva nízkobitové jadrá pre Cortex-A55. Autor uvádza 5,1 tokenu za sekundu pre Ling-mini-2.0 na Xiaomi TV boxe a 24–26 pre Bonsai-1.7B na iPade.
Zdroj: github.com/hyperionaidev/smolmaxxing
Kinetic pridal presné špekulatívne dekódovanie do inferenčného enginu GGUF v Ruste. Podporuje CPU a GPU Nvidia, AMD a Intel. Autor uvádza pri prvom spustení zrýchlenie až 2,5-krát pri úpravách a 1,4-krát pri generovaní, s jedným nereprodukovaným zlyhaním presnosti na RTX 4060.
Zdroj: github.com/Veloresearch/kinetic
Kiln spúšťa modely safetensors, PyTorch a GGUF priamo vo WebGPU bez exportu ONNX. Zachováva názvy API transformers.js a pri načítaní kvantizuje na štyri alebo osem bitov. Autor uvádza medián 2,2-násobného zrýchlenia od začiatku po koniec naprieč 31 dvojicami model–úloha.
Zdroj: github.com/erdemozkan/kiln
warmctl obnovil zahriaty engine vLLM s ôsmimi H100 za 37 sekúnd namiesto 650. Snímkuje načítanie váh, kompiláciu, autotuning a zachytenie grafov CUDA na obnovu na zhodných hostiteľoch. Čas nameral autor a nástroj vyžaduje prístup root.
Zdroj: github.com/TensorRails/warmctl
LibreAGI používa súkromný tracker BitTorrent a kredity nedostatku na zachovanie modelov s otvorenými váhami. Podpísaný verejný katalóg zaznamenáva hashe a zdrojové commity, aby sa dali swarmy obnoviť po zmiznutí stránky. Prístup vyžaduje žiadosť.
Zdroj: libreagi.com
ZigZag umožňuje agentom vytvárať návrhy výšiviek cez MCP. Editor v Ruste prevádza grafiku SVG na stehy, exportuje päť strojových formátov a môže poslať návrh do Brother Skitch cez Bluetooth. Autor ho vytvoril po tom, čo stroj za 300 dolárov vyžadoval predplatné.
Zdroj: github.com/simpsoka/zigzag
Whiteboard AI Tutor streamuje pokyny na kreslenie vytvorené modelom ako JSON a porovnáva šesť tútorov. Slepé hodnotenie zahŕňalo 64 tabúľ z 288 lekcií za celkové náklady 4,83 dolára. Gemini 4 Argon prešiel 11 z 11 hodnotených tabúľ a Claude Haiku 5.5 deviatimi, autor však upozorňuje na malú vzorku.
Zdroj: github.com/molly554/whiteboard-ai-tutor
ZeroPoint je rozhodovací model pre CPU s veľkosťou 89 MB, ktorý môže odpovedať „žiadna z možností“. Autor uvádza presnosť 53,6 % pri mediáne 42 milisekúnd na 900 prípadoch oproti 58,6 % pri GPU modeli 2B za 6,77 sekundy. Test vytvoril vývojár.
Zdroj: github.com/Javihaus/zeropoint
AgentRun umožňuje spravovaným agentom zachovať poznámky, skilly a pracovné postupy medzi behmi. Parcha tvrdí, že vyladený hodnotiteľ znížil náklady na 18 centov za pull request a našiel 1,6-krát viac skutočných chýb než komerčný nástroj na 30 neznámych pull requestoch. Prípadovú štúdiu vytvorila spoločnosť.
Zdroj: github.com/Parcha-ai/agentrun
Silos spúšťa nedôveryhodných agentov v Docker sandboxoch riadených pravidlami. Kontroluje odchádzajúcu sieťovú prevádzku, sprostredkuje inferenciu s auditnými záznamami a spravuje prihlasovacie údaje integrácií. Projekt v TypeScripte vyžaduje Docker.
Zdroj: github.com/SilosLabs/silo-cli
Cloakroom maskuje kľúče API, heslá a osobné údaje skôr, než ich uvidí programátorský agent. Skutočné hodnoty obnovuje lokálne v súboroch a príkazoch po tom, čo agent zapíše zástupné hodnoty. Podporuje Claude Code, Codex, Gemini CLI a Cursor.
Zdroj: github.com/shanjeevrajendran/cloakroom
Stojí za prečítanie
EUROPA zvýšila priepustnosť trénovania modelu s 951,9 miliardy parametrov z 90 na približne 1 300 tokenov za sekundu na GPU. Inžinieri rozdelili expertov pre Muon, presunuli checkpointy na CPU Grace a opravili chybu alokátora PyTorch pri zdieľaní 384 GPU GH200 na JUPITER infraštruktúry EuroHPC. Opravy sa dostali do PyTorch a TorchTitan; výsledky kvality modelu neboli zverejnené.
Zdroj: pytorch.org
Project EVE testoval Claudea ako samostatného obchodníka aj člena sabotovaného tímu agentov. Priemerný simulovaný zisk sa od Opus 4.6 po Fable 5 strojnásobil, no aj Fable zarobil na smerových stávkach iba približne v polovici behov. Tímy agentov takmer nikdy neodhalili spoluhráča, ktorý dostal tajný pokyn poškodzovať ich.
Zdroj: anthropic.com
Databázový výskumník Thomas Neumann spochybňuje uvádzané 22–61-násobné zrýchlenie databázových enginov vytvorených AI. Tvrdí, že výsledok benchmarku predpokladá fyzicky nemožnú dátovú prevádzku pamäte a odráža preučenie na test. Príspevok skúma deklarované merania a nepredstavuje konkurenčný engine.
Zdroj: databasearchitects.blogspot.com
Helion v PyTorch už vyberá nastavenia jadra pri kompilácii namiesto drahého autotuningu. Meta uvádza 1,18-násobný výkon ručne písaného Tritonu pre Flash Linear Attention a 1,27-násobný výkon redukčných operátorov vLLM na H100. Jeden autotuning stránkovanej pozornosti trval 10 až 25 hodín.
Zdroj: pytorch.org
Inžinieri IBM a programátorskí agenti integrovali SGLang s akcelerátorom Spyre za menej než týždeň. Plugin s približne 1 500 riadkami dosiahol podľa opisu dodávateľa asi 3,6-násobnú priepustnosť referenčnej cesty torch-spyre a pri testovaných záťažiach sa vyrovnal vLLM.
Zdroj: pytorch.org
Zonder Labs našlo chyby zrozumiteľnosti v 54 % vzorkovaných článkov AI a 78 % správ Claude Code. Ľudské kontrolné texty dosiahli 10 % a 11 %. Stránka neuvádza veľkosť vzorky ani hodnotiteľov, preto sú percentá indíciou, nie benchmarkom.
Zdroj: zonderlabs.com
Hacker News
Praktici sa nezhodli na interpretácii čistej straty spoločnosti Anthropic vo výške 23,3 miliardy dolárov. Niektorí ju vnímali ako dôkaz bubliny; iní upozornili, že 21,9 miliardy dolárov vzniklo nepeňažným precenením nástrojov, ktoré sa pri IPO premenia. Alternatívne výpočty komentujúcich nie sú auditom.
Zdroj: news.ycombinator.com
Používatelia Gemini Hydrogen diskutovali o názve, cene a automatickom výbere modelu. Porovnávali Orchestrator v Antigravity s režimom poradcu spoločnosti Anthropic a pýtali sa, ako funguje cache promptov medzi Hydrogenom a Carbonom. Ďalší namietali, že názvy prvkov od Googlu neukazujú silnejšiu úroveň.
Zdroj: news.ycombinator.com
Skill Socratic Tutor od Jane Street rozdelil praktikov v otázke, či pokyny agentovi pomáhajú pri učení. Súbor prikazuje programátorskému asistentovi učiť otázkami namiesto odpovedí. Niektorí komentujúci ho označili za boilerplate (šablónový kód), iným konečne pomohol naučiť sa Lean.
Zdroj: news.ycombinator.com
Používatelia Humble Bundle hlásili, že prepracovaná stránka už nežiada kódy dvojfaktorového overenia. Komentujúci uviedli aj oneskorené prihlasovacie e-maily. Tvrdenie, že nový web vytvorila AI, pochádza od autora na fóre, nie z kódu ani od spoločnosti.
Zdroj: news.ycombinator.com
Vývojári sa sporili, či jeden mesiac bez kontroly pull requestov dokazuje zastaranosť tejto praxe. Autor tvrdil, že zmena funguje dobre. Reakcie namietali, že kontrola šíri porozumenie a že dlhodobé náklady na údržbu sa prejavia neskôr.
Zdroj: news.ycombinator.com
Jeden agent so skillmi sa v jednom teste vyrovnal tímu podagentov pri približne o 40 % nižších nákladoch a polovičnom čase. Používateľ Claude Code vytvoril rovnakú rezervačnú stránku sedemkrát s každým nastavením a uviedol podobnú kvalitu. Výsledok je meraním jedného človeka.
Zdroj: old.reddit.com
Graf z kybernetickej prezentácie OpenAI ukázal interný model na 77,0 % v ExploitGym oproti 39,2 % pri Claude Mythos 5.2. Údaje benchmarku s 869 úlohami prepísal používateľ Redditu a neboli vydané ako úplná správa o modeli.
Zdroj: old.reddit.com
Traja programátorskí agenti spotrebovali pri jednej funkcii Next.js veľmi odlišné množstvá tokenov, kvóty a ceny programov. Autor porovnal Codex, Google Antigravity a Meta Muse Code na rovnakej úlohe. Vlákno opisuje jednu záťaž, nie kontrolovaný benchmark.
Zdroj: old.reddit.com
Plugin pre stručný výstup skrátil odpovede o 17 %, no zvýšil náklady o 11 %. Autor spustil desať úloh po šesťkrát; výstupné tokeny klesli o 8 %, kým náklady vzrástli s 95 % intervalom 7–15 %. Pokyny na stručnosť zmenili uvažovanie aj viditeľný text.
Zdroj: old.reddit.com
YouTube
Profesor Diyi Yang zo Stanfordu vysvetľuje volanie funkcií, MCP a učenie agentov používať nástroje. Anglická prednáška CS329Z pokrýva Toolformer, ToolLLM, Gorilla a hodnotenia BFCL a tau-bench vrátane bežných zlyhaní.
Zdroj: youtube.com
Hadley Wickham tvrdí, že kód zostáva výsledkom uvažovania, aj keď ho píše AI. V anglickej prednáške Priestley Award autor tidyverse vysvetľuje, prečo má učenie programovania stále význam pre reprodukovateľnosť a úsudok.
Zdroj: youtube.com
Paul Christiano uzatvára Hinton Lectures prednáškou o riadení transformačnej AI. Anglická prednáška sa venuje nezávislým hodnoteniam, externému dohľadu, spoločným štandardom a medzinárodnej spolupráci, po nej nasleduje diskusia s Geoffreyom Hintonom.
Zdroj: youtube.com
Panel zo Stanfordu opisuje, kde výskumníci stanovujú hranice používania AI. Anglická diskusia pokrýva právo, humanitné vedy a bioinžinierstvo vrátane zverejňovania použitia, úbytku zručností a rozhodnutia nepoužívať AI na odporúčacie listy.
Zdroj: youtube.com
Český praktik Libor Vaněk vysvetľuje náklady infraštruktúry za lacnými tokenmi AI. Jeho česká prednáška Frontendisti využíva skúsenosti firmy so servermi 8×H200 NVL a 4×H100 bare-metal na rozbor pomeru ceny a výkonu a návratnosti investícií.
Zdroj: youtube.com
Slovenská psychologička Branislava Očvárová skúma, či môže AI vytvoriť falošný pocit porozumenia. Sponzorovaný podcast v slovenčine ponúka všeobecné rady o zachovaní úsudku, nie experimentálne dôkazy.
Zdroj: youtube.com
Stručne
OpenAI uviedla agentov Daybreak Red Team a Defense Factory na kybernetickom modeli GPT-6 Cyber. Red Team skúma aplikácie a overuje zraniteľnosti; Defense Factory pripravuje opravu a test pre inžinierov. The Register uvádza tvrdenia dodávateľa bez nezávislých meraní.
Zdroj: theregister.com
Útočník použil 4 837 unesených účtov GitHub na vloženie nástroja na krádež tajomstiev CI. Sondovacie pull requesty zasiahli 61 764 repozitárov a škodlivé commity sa podľa bezpečnostných výskumníkov objavili najmenej v 8 093. Payload získaval tokeny GitHub, cloudové prihlasovacie údaje a kľúče služieb AI.
Zdroj: aikido.dev
Výskumníci našli 186 napodobňujúcich domén pre 27 značiek AI, ktoré šírili malvér alebo presmerovanie vyhľadávania. Kampaň používala falošné kontroly Cloudflare, malvér pre prehliadače a 16 aktívnych rozšírení Chrome Web Store s 972 000 deklarovanými používateľmi.
Zdroj: thehackernews.com
Chatboty AI v štúdii dodávateľa uvádzali rizikové maloobchodné stránky v 4–15 % nákupných odpovedí. Perplexity dosiahla 15 %, ChatGPT 8 % a Gemini 4 % v 6 795 odpovediach o 151 značkách. Spoločnosť Podqi na ochranu duševného vlastníctva navrhla prompty a jej definícia zahŕňala aj varovania pred stránkou.
Zdroj: theverge.com
Štyri advokačné skupiny podali žalobu za zmrazenie vývoja systémov AI nad dnešnú špičkovú úroveň. Kalifornská žaloba cituje hlásenia incidentov laboratórií a úniky z hodnotení podľa zákonov o nekalej súťaži a verejnom obťažovaní. Ide o žalobu, nie rozsudok.
Zdroj: unite.ai
Prieskum FreeBSD zistil, že 84 % zo 140 respondentov chce zverejňovanie použitia AI. Povinnú ľudskú kontrolu chce 78 %, kým 16 % by kód vytvorený s pomocou AI úplne odmietlo. Projekt zatiaľ nezverejnil konečné pravidlá.
Zdroj: theregister.com
Zamestnanci Google DeepMind žiadali zákonné uznanie odborov pre vojenské zmluvy AI. Ak britská žiadosť uspeje, približne 1 000 produktových pracovníkov by mohlo hlasovať v záväznom hlasovaní. Zamestnanci chcú, aby Google odstúpil od dohôd s americkou a izraelskou armádou.
Zdroj: wired.com
Google varoval, že tri zraniteľnosti bočných kanálov v AMD Turin vyžadujú opravu operačného systému a úplné zastavenie a spustenie. Bežný reštart pre dotknuté cloudové inštancie C4D, N4D, H4D, Z4D a G4 nestačí. Google hodnotí chyby ako Medium a tvrdí, že ochrany na úrovni hostiteľa už platia.
Zdroj: thehackernews.com
Biznis v skratke
Nedokončená akvizícia Hugging Face spoločnosťou Nvidia za 13 miliárd dolárov a licencia Poolside za 6 miliárd dolárov sú teraz v rukách dočasného generálneho riaditeľa. Zdroj: techcrunch.com
Čo sledovať
Inception Labs ukončí API Mercury 28. decembra. Anthropic plánuje stanoviť cenu IPO 18. novembra a 19. novembra začať obchodovanie na Nasdaq pod symbolom ANT.