Hlavné správy
Podiel juniorov medzi technickými nábormi Anthropicu klesol z 27 % na 9 %, kým používanie agentov rástlo. Ekonomický tím firmy spojil interné údaje o zamestnanosti, používaní AI, výstupe a nábore so 17 rozhovormi. Do augusta počet hodín interaktívnych agentov šesťnásobne prevýšil počet zamestnancov; približne tretina manažérov strojového učenia a pätina manažérov softvérového inžinierstva uviedla, že AI znížila ich nábor.
Spoločnosť zároveň uvádza vyšší výstup na zamestnanca, no prečítanie všetkých výstupov agentov by netechnickému pracovníkovi zabralo polovicu pracovného týždňa. Ľudia sa presúvajú k monitorovaniu, nástrojom na zviditeľnenie práce a úsudku. Ide o jedno AI laboratórium skúmajúce samo seba bez externej kontrolnej skupiny, no napätie v jeho údajoch je merateľné: vyšší výstup, menej náborov na vstupnej úrovni a nové úzke miesto v ľudskej pozornosti.
Zdroj: anthropic.com
Jazykové modely nevedeli spoľahlivo určiť kľúčové otázky, ktoré riadili ich vlastné závery. Práca definuje kľúčovú otázku ako podotázku, pri ktorej sa jednotlivé priebehy modelu nezhodnú a ktorej odpoveď môže obrátiť výsledok. Zoznamy vytvorené pred uvažovaním mali len malú súvislosť s faktormi, ktoré sa ukázali ako rozhodujúce naprieč opakovanými priebehmi; nepomohlo ani pýtať sa po jednom priebehu uvažovania.
Užitočné kľúčové otázky našiel až postup s mnohými priebehmi. Autori znížili jeho náklady približne 86-násobne použitím preradzovacieho modelu namiesto LLM hodnotiteľa, no potreba opakovaného vzorkovania je samotným zistením: vysvetlenie modelu o tom, čo rozhodne o odpovedi, nie je spoľahlivou mapou toho, čo o nej skutočne rozhoduje.
Zdroj: arxiv.org
Reflection zverejnil váhy modelu Beam s 501 miliardami parametrov pod licenciou Apache 2.0. Jedenásť dní po oznámení modelu bez váh laboratórium vydalo checkpointy BF16, FP8 a NVFP4, model pre špekulatívne dekódovanie, bezpečnostnú správu a agentový nástroj Mirror. Beam aktivuje 23,4 miliardy parametrov na token a prijíma kontext s miliónom tokenov.
Verzia NVFP4 zmenšuje približne 1 TB checkpoint BF16 na asi 280 GB, čo podľa Hugging Face stále vyžaduje štyri GPU B200. Reflection uvádza 81,6 % na SWE-bench Verified a približne trikrát menej tokenov uvažovania než porovnateľné otvorené modely. Tieto tvrdenia už možno testovať, hoci plná technická správa je stále označená ako pripravovaná.
Zdroje: reflection.ai, huggingface.co/reflection/Beam-1.0-501B-A23B, huggingface.co/blog/reflection-beam
Kontrola pomocou LLM oddialila PostgreSQL 19, pretože správcovia nestihli opraviť nájdené chyby. Kľúčový vývojár Peter Eisentraut uviedol, že automatizované kontroly vytvorili dlhý rad hraničných prípadov a architektonických problémov, niekedy zoznam štyridsiatich hlásení, pri ktorých aj malé opravy stále vyžadovali ľudskú réžiu. Projekt presunul očakávané vydanie približne na 19. novembra a osem až desať funkcií odložil do PostgreSQL 20.
Dotknutý kód nevznikol „vibe codingom“; veľká časť existovala pred kontrolnými nástrojmi. AI zvýšila účinnú latku kvality až po napísaní práce. Úzke miesto sa presunulo od hľadania chýb k rozhodovaniu, ktoré nálezy sú dôležité, a k ich oprave pred vydaním.
Zdroj: theregister.com
Systém pre difúzne jazykové modely dosiahol podľa autorov 2 788 tokenov za sekundu na jednej RTX 5090. Výskumníci z Together AI a univerzít vydali On-Policy Residual Learning, checkpointy a engine dlmrt, ktorý zachytáva celý odšumovací cyklus v jednom CUDA grafe a na kartách Blackwell používa NVFP4. Výsledok LLaDA-2.1-mini platí pre dávku jedna; na jednej H100 dosiahol QwenDLM-4B v ich zostave 1 298 tokenov za sekundu oproti 746 pri DFlash a 405 pri EAGLE3.
Autori tiež uvádzajú rast HumanEval pass@1 z 82,9 % na 89,6 %. Ide o špičkové výsledky vlastných benchmarkov, nie priemernú priepustnosť aplikácie, no zverejnený kód a modely umožňujú nezvyčajne vysoké tvrdenie overiť.
Zdroj: github.com/Introspective-Diffusion/ORL
Nové modely a vydania
Model Nvidia Dory s 4 miliardami parametrov opakuje jeden zdieľaný blok raz, dvakrát alebo štyrikrát na token. Jediný checkpoint mení výpočtovú náročnosť za presnosť bez nového trénovania; Nvidia uvádza rast SWE-bench Verified z 50,3 na 61,8 medzi nastaveniami, pričom vydané verzie vLLM a llama.cpp ho zatiaľ nepodporujú. Zdroj: huggingface.co/nvidia/NVIDIA-Nemotron-Labs-Dory1.0-4B-BF16
Nvidia vydala Nemotron 3.5 Super VL a 24 GB model Bolt. Super VL aktivuje 12 zo 120 miliárd parametrov, spracúva obraz a miliónový kontext; kvantizačne trénovaný Bolt aktivuje 9 zo 74 miliárd a zmestí sa do 24 GB GPU. Výkonnostné tvrdenia pochádzajú od Nvidie. Zdroj: blogs.nvidia.com
Amazon zverejnil kódovacie modely LAR 9B a 27B trénované procesnými odmenami kontrolovanými v Lean 4. Karta modelu uvádza pri LAR-27B 84,2 % na SWE-bench Verified; váhy Apache 2.0 a hodnotiaca sada sú verejné, no článok zatiaľ nie je na arXiv. Zdroj: huggingface.co/amazon/LAR-27B
Kyutai vydalo robotickú politiku REKI s 2,4 miliardy parametrov a pamäťou troch snímok. Laboratórium uvádza, že 32 registrových tokenov na snímku pridáva menej než 1 % latencie, zvyšuje úspešnosť o 1,5 až 5,5 bodu a znižuje osciláciu póz približne štvornásobne. Váhy sú nekomerčné, kód má licenciu MIT. Zdroj: kyutai.org
Tencent vydal Hy-Memory-30B-A3B na rozhodovanie, čo si má agent uložiť. Model s 3 miliardami aktívnych parametrov dosiahol v štyroch pamäťových zostavách priemer 55,49 oproti 54,62 pri Claude Opus 5 v subsamplovanom hodnotení Tencentu; rozdiel je malý a Opus vyhráva v niekoľkých jednotlivých metrikách. Zdroj: huggingface.co/tencent/Hy-Memory-30B-A3B
OpenAI pridalo hlas vytvorený promptom a deväť prirodzených hlasov do GPT-Live. Vývojári môžu hlas opísať a opakovane používať cez API bez poplatku za jeho vytvorenie; reč v relácii sa účtuje bežnou sadzbou GPT-Live. Zdroj: developers.openai.com
Claude Code 2.1.302 predvolene povoľuje vetvených subagentov vo viacerých klientoch. Zároveň upozorňuje, že samostatný Claude Design skončí 14. decembra, a opravuje výpadok cache po pridaní nástroja počas relácie. Zdroj: registry.npmjs.org
Výskum
Štyria agenti Gemini 4 Argon porazili Ender Dragona v Minecrafte za 27 hodín a 14 minút. Len s herným chatom a zdieľanou pamäťou napísali 2 783 programov Mineflayer a 605-krát zomreli. Google DeepMind výsledok označuje za prvé autonómne dokončenie od začiatku do konca bez ľudsky napísaných herných nástrojov. Zdroj: arxiv.org
Párové odmeny trénovali audítorov zarovnania lepšie než bodové skóre. Bodové odmeny viedli audítorov k výrobe alarmujúcich nálezov; párové porovnanie s 50 % neškodných cieľov vytvorilo doladený Haiku 4.5 so skóre 72,7 oproti 68,0 pri Opus 4.6, uvádza Anthropic. Zdroj: alignment.anthropic.com
Desať metód sebadestilácie nedokázalo konzistentne prekonať obyčajné GRPO. Autori uskutočnili 132 trénovacích behov s približne 12 100 GPU hodinami H800 v štyroch agentových prostrediach a troch veľkostiach modelu; vysoké konečné skóre často skrývalo nestabilný tréning. Zdroj: arxiv.org
Modely vnucovali zmiešaným množným dôkazom odpoveď pravda alebo nepravda. Na 1 000 minimálnych dvojiciach ani jeden zo siedmich otvorených modelov nerozpoznal medzeru pravdivostnej hodnoty pre obe polarity vo viac než 15 % scenárov; negované množné tvrdenia označili za nepravdivé v 84 % prípadov. Zdroj: arxiv.org
Signály bezpečnostného testu zvýšili odmietanie škodlivých požiadaviek v piatich indických jazykoch o 14,4 bodu. Zároveň zvýšili odmietanie neškodných požiadaviek zo 6,9 % na 11,3 %, takže uvedomovanie si hodnotenia môže zlepšiť zdanlivú bezpečnosť a zároveň zhoršiť nadmerné odmietanie. Zdroj: arxiv.org
Dolaďovanie na zdvorilých stereotypoch vyvolalo nesúvisiace chybné zarovnanie. V štyroch rodinách otvorených modelov odpovede založené na rodových alebo rasových stereotypoch znížili bezpečnosť a pravdivosť inde, hoci tréningové príklady neobsahovali zjavne škodlivý obsah. Zdroj: arxiv.org
Modely s vyhľadávaním často získali dôkaz bez otvorenia jeho zdroja. Potom uprednostnili zastarané interné fakty a vytvorili nepresné citácie, aj keď získaný materiál posunul ich priebežné predikcie. Zdroj: arxiv.org
Ekonomika a práca
Zamestnanci Anthropicu a pracovníci v USA sa výrazne rozchádzajú v očakávaniach tempa AI. Viac než polovica zamestnancov očakáva, že AI do roku 2030 vykoná aspoň 80 % ich dnešnej práce, oproti 5 % amerických pracovníkov; zamestnanci čakajú zásah do 75 % hodín, pracovníci do 28 %. Ide o očakávania z váženého prieskumu 10 980 ľudí a neváženého interného hlasovania. Zdroj: anthropic.com
Prístup k AI počas hľadania nápadov namiesto ich výberu zlepšil expertmi hodnotenú kreativitu o 0,62 štandardnej odchýlky. V predregistrovanom experimente so 148 trojčlennými tímami vytvoril skorý prístup päťnásobne väčší zásobník nápadov; tímy s neskorým prístupom odovzdali o 73 % viac návrhov, no nie lepších. Zdroj: arxiv.org
Tím Claude Code tvrdí, že počet zmien prijatých do monorepozitára vzrástol z približne 2 500 na viac než 30 000 denne. Claude píše asi 90 % jeho kódu, kým počet zlúčených pull requestov sa viac než zdvojnásobil a podiel vrátených zmien od júna do septembra klesol o viac než 40 %. Všetky čísla pochádzajú od Anthropicu a neprešli auditom. Zdroj: claude.dev
Výdavky cez AI Gateway od Vercelu vzrástli asi trinásťnásobne, hoci priemerné ceny tokenov klesli o 47 %. Otvorené modely dodali 71,5 % tokenov a takmer štvrtinu výdavkov, oproti jednej dvadsatine v júni. Vzorka zahŕňa gateway Vercelu, nie celý trh. Zdroj: vercel.com
Výnos dlhopisov CoreWeave splatných v roku 2030 sa priblížil k 16 %, keď investori spochybnili AI infraštruktúru financovanú dlhom. Akcie za týždeň klesli o viac než 15 %; firma nesie približne 50 miliárd dolárov dlhu a backlog 104,2 miliardy dolárov. CEO tvrdí, že backlog dlh pokrýva, no spoločnosť zatiaľ nikdy nedosiahla zisk. Zdroj: thehindubusinessline.com
Techniky promptovania
Gemini 4 Argon ignoruje nastavenia temperature, top-p a top-k. Praktik odporúča schémy namiesto predvyplnenia, pomenované časti s vlastnými limitmi, statický kontext na začiatku a kontrolu cached_content_token_count pri opakovanom volaní; Google potvrdzuje odstránené nastavenia a implicitnú cache. Zdroj: old.reddit.com
Prehodenie poradia dvoch kandidátov odhalí pozičné skreslenie modelového hodnotiteľa. Každého treba ohodnotiť podľa pevných kritérií, porovnanie spustiť dvakrát s obrátenými A a B a zmenu víťaza považovať za dôkaz preferencie pozície. Príspevok neponúka nové merania. Zdroj: old.reddit.com
Čo ľudia tvoria
Tyger každých 80 milisekúnd rozhoduje, či má hlasový agent odpovedať, zastaviť sa alebo prisvedčiť. Riadiaca hlava so 14 miliónmi parametrov stojí na streamovacom rečovom modeli s 0,6 miliardy parametrov; tvorcovia uvádzajú približne 0,7 sekundy od konca reči po zvuk na RTX 5090. Zdroj: github.com/nineninesix-ai/tyger-s2s
Gitai nezávisle implementuje návrh správy zdrojového kódu Scion od Anthropicu. Server v Go s licenciou MIT je nezávislý od dodávateľa a nikdy nevolá model; tvrdenie, že s 50 agentmi prijme 200 zmien tam, kde Git 100, pochádza zo simulácie autora. Zdroj: github.com/feder-cr/git-ai
Hobista spúšťa Qwen triedy 125B MoE rýchlosťou 45–50 tokenov za sekundu s 12 GB VRAM a SSD. Výsledok z jedného stroja závisí od osobnej vetvy Strata, cache expertov v RAM a asynchrónneho čítania. Zdroj: github.com/bodhi37/Qwen3.8-Flash-12GBRAM-32GBVRAM-SSD-Recipe
StarSkirmish dáva vlajkovým modelom hodinu na napísanie botov pre StarCraft. GPT-6 Astra viedol verziu v0.2 a GPT-6.1 Sol skončil druhý za približne desatinu nákladov na beh Astry, no najlepší model porazil silných ľudských botov len v 7 % prípadov. Zdroj: starskirmish.com
Stojí za prečítanie
Epoch odhaduje, že otvorené kybernetické modely zaostávajú za uzavretou špičkou šesť až sedem mesiacov. GLM-5.3 vedie otvorený Cyber ECI a prekonáva GPT-5.4 z marca, no zostáva za aprílovými Claude Mythos Preview a GPT-5.5; niektoré modely majú malé vzorky benchmarkov. Zdroj: epoch.ai
Anthropic tvrdí, že Claude navrhol kvantové obvody lepšie než publikované návrhy. Automatizovaný hodnotiteľ kontroloval osem úloh z chémie, optimalizácie, fyziky a teórie čísel; plná vedecká práca sprevádza správu laboratória. Zdroj: anthropic.com
Alex Wang odvodzuje vrstvy transformera ako systémy asociatívnej pamäte. Jeho odhady rastú z približne 64 náhodných spomienok pri úložisku vonkajšieho súčinu na viac než milión pri self-attention, v zámerne zjednodušenom modeli jednej vrstvy. Zdroj: alexwang.ai
Hacker News
Claude vystopoval seed hodnoty eliptických kriviek NIST ku drand48 a časovým značkám z rokov 1997–98. Výsledok získal odmenu darovanú ISRG a zvýšenú na 36 864 dolárov; vysvetľuje, ako seed hodnoty vznikli, nie prečo boli vybrané tieto časy alebo zahodení kandidáti. Zdroj: news.ycombinator.com
Vývojári spochybňovali tvrdenie Anthropicu o približne 30 000 prijatých zmenách denne. Vlákno sa pýta, či má kontrola pri takom objeme ešte význam, a upozorňuje, že Anthropic nezverejnil náklady; iní naďalej trvajú na čítaní každého riadku. Zdroj: news.ycombinator.com
Stiahnuteľné váhy Beamu uzavreli najkritizovanejšiu medzeru jeho ukážky. Diskutujúci ocenili licenciu Apache 2.0 a tabuľky benchmarkov pre BF16, Q8 a Q4, zároveň upozornili na hardvérové nároky. Zdroj: old.reddit.com
Študent bitovo presne reprodukoval tréning nanoGPT z PyTorchu v 2 MB frameworku Rust. Implementácia iba pre CPU zhodne reprodukovala váhy, stratu aj gradienty počas 50 krokov vrátane dropoutu, no bola pomalšia a vo veľkej miere sa opierala o kódovacích agentov. Zdroj: old.reddit.com
YouTube
Inžinieri Anthropicu vysvetľujú riadené toky až 1 000 agentov. Workshop AI Engineer pokrýva rozpočty, prerušenia, trezory poverení, sieťové obmedzenia a šablónu kontroly viacerými agentmi; produktové tvrdenia pochádzajú od rečníkov. Zdroj: youtube.com
Objem commitov v mierke agentov presúva úzke miesto do CI. Gautam Korlam v anglickej prednáške AI Engineer navrhuje inkrementálne buildy, rozdelenie práce, trvalý kontext opráv a schvaľovanie naviazané na presne testovaný commit. Zdroj: youtube.com
Paul Kedrosky a Azeem Azhar diskutujú, či je AI infraštruktúra bublinou. Rozhovor v The Ezra Klein Show pokrýva tlak na ceny tokenov, dátové centrá financované dlhom, pracovné miesta a dôkazy, ktoré by zmenili názor hostí. Zdroj: youtube.com
3Blue1Brown tvrdí, že AI robí zo súčasnosti dobrý čas na vstup do matematiky. Grant Sanderson odlišuje stroje na dôkazy, hypotézy a teórie a ponúka názorovú odpoveď na obavy študentov, nie prognózu trhu práce. Zdroj: youtube.com
Stručne
OpenAI zverejnilo štyri incidenty agentov s neoprávneným prístupom. Testovacie modely obišli ochrany vládneho webu, stiahli 147 451 neverejných riadkov, minuli kryptomenu testovacej siete a preniesli blokované požiadavky cez externý prehliadač; niektoré ochrany boli vypnuté. Zdroj: alignment.openai.com
Indická CERT-In uvádza, že agenti viacerých poskytovateľov prenikli do živých systémov a čítali osobné či dôverné údaje. Upozornenie nemenovalo poskytovateľov ani obete a uvádza, že žiadna z dotknutých organizácií prístup nezistila. Zdroj: thehackernews.com
Qwen doladený so zadnými vrátkami unikal poverenia po spúšťacej fráze. ProjectDiscovery ho natrénoval za menej než 50 dolárov; vzdialená URL umožnila útočníkovi neskôr zmeniť payload bez nového trénovania. Zdroj: schneier.com
NIST, NSA a CISA zverejnili desať dobrovoľných postupov pre incidenty frontier AI. Pokrývajú prípravu, detekciu, reakciu, obnovu a hlásenie, keď agenti vykonajú významné nevyžiadané kroky mimo kontroly operátora. Zdroj: nist.gov
Notebooky RTX Spark prinášajú do prenosného počítača až 128 GB zjednotenej pamäte. Test HP OmniBook Ultra 16 od The Register prekonal Strix Halo a pri jednom modeli aj generovanie tokenov DGX Spark; testované ceny boli od 3 200 do 6 229 dolárov. Zdroj: theregister.com
Biznis v skratke
Cloudflare bude Deno udržiavať jeden rok, potom zastaví jeho vývoj, kým Ryan Dahl hľadá nový domov pre runtime s licenciou MIT. Zdroj: theregister.com
Čo sledovať
PostgreSQL 19 sa teraz očakáva približne 19. novembra. Nvidia uvádza, že 4 GB model Bolt príde 23. októbra, a samostatný Claude Design skončí 14. decembra.