Neurochannel - AI neural networks

Z․ai открыла исходники ZCode под Apache 2.0 и извинилась перед пользователями. Поводом стала находка 18 сентября: разработчик обнаружил, что ZCode без спроса пакует рабочую папку вместе со всей историей Git и отправляет зашифрованный архив в облако Alibaba. У него в ~/.zcode/v2/checkpoints/ лежал снимок коммерческого проекта на 313 МБ, почти 87% объёма занимала папка .git: все коммиты, LFS и рефлоги с незапушенными ветками. Большой архив не ушёл за 564 попытки, а снимок маленького репозитория сервер принял. Ключ расшифровки есть только у Z․ai, и оба переключателя в настройках на сбор не влияли. Снимки делались ради Repo Wiki, отката версий и чекпойнтов сессий. В ZCode 3.14.0 Repo Wiki убрали вместе со всей цепочкой выгрузки. Компания заявляет, что код пользователей не хранится и модели на нём никогда не обучали, а бакет zcode-prod удалён, это проверили CAICT и NSFOCUS. Полный отчёт аудита обещают позже, за найденные уязвимости теперь будут платить. @neuro_channel

Tencent выложила WeVisDoc, модели на 2 и 4 млрд параметров, которые превращают снимок страницы в Markdown: текст, таблицы в HTML, формулы в LaTeX. Веса под Apache 2.0, в основе дообученные Qwen3-VL-Instruct. Вместе с моделью команда опубликовала бенчмарк PureDocBench, где эталон берут прямо из исходного HTML/CSS страницы: при аудите OmniDocBench 1.5 авторы насчитали 2580 подтверждённых ошибок разметки на 21 353 проверенных блока. Одну и ту же страницу показывают в трёх видах с одинаковым правильным ответом: чистый рендер, десять сценариев цифровой порчи и четыре способа съёмки, вплоть до распечатки, снятой на телефон. На чистом OmniDocBench первое место у PaddleOCR-VL 1.6 с 96,33 балла, а на порченых страницах у неё 66,98. У WeVisDoc-4B 95,38 и 75,54: в идеальных условиях уступает, в реальных выигрывает. Русского в обучении нет, только китайский, английский и смешанные страницы. Я взял страницу из Википедии, добавил наклон, блик и шум под съёмку с рук и прогнал через модель: формулы вышли целыми, вплоть до erf и производящей функции моментов, в сплошном тексте местами опечатки вроде «с ником в центре» вместо «с пиком», а карточку со сводкой параметров модель отдала простым текстом вместо таблицы. Страница на RTX 3080 заняла две минуты, веса в bf16 занимают 9,4 ГБ видеопамяти. @neuro_channel

StepFun выпустила Step 5 Preview, и Artificial Analysis уже её замерили: 44 балла в индексе интеллекта. Столько же у Kimi K3 с её 2,8 трлн параметров, на балл больше у GLM-5.3 и Qwen3.8 Max, а GPT-5.6 Terra и DeepSeek V4.1 Flash позади с 42 и 40. Модель при этом сравнительно небольшая: MoE, 27 млрд активных из 600, контекст 1M, на вход берёт текст и картинки, отвечает со скоростью около 100 токенов в секунду. Цена $1 за миллион токенов на входе и $2,7 на выходе, кеш со скидкой 95%. Рассуждает она многословно: на прогон индекса ушло 160 млн выходных токенов при медиане 90 млн, так что часть экономии съедается. Четвёртую версию StepFun пропустила, прошлой была открытая Step-3.7-Flash. Весов Step 5 нет, модель работает только через API самой StepFun. @neuro_channel

На следующей неделе ожидается сразу несколько крупных релизов. Расскажу про самые интересные. Kimi в китайской соцсети выложил длинную строку цифр без единого слова. Это знаки числа пи, которые идут после 3,1, так что Moonshot, похоже, готовит K3.1. Grok 4.7 Маск обещал к 12 сентября, потом написал, что модели надо «ещё несколько дней повариться», и заранее оценил её как «примерно Opus 5.0, не 5.1». 17 сентября grok-4.7 заметили в квотах Google Cloud. Обычно модель появляется там за несколько часов до релиза, но прошло уже два дня. Дальше у Маска в планах Grok 4.8 на 2,5 трлн параметров, 4.9 уровня Astra и Fable и Grok 5, его кандидат в AGI. Альтман перенёс на следующую неделю главный релиз, которого ждали в четверг, по слухам это GPT-6 Sol, младшая и более дешёвая версия Astra. А 29 сентября у OpenAI DevDay, и к нему обещана ещё пачка запусков. Во вторник в Ханчжоу открывается Apsara, ежегодная конференция Alibaba, она идёт 22–24 сентября. Qwen3.8-Flash-Next уже работает на экспериментальной архитектуре Qwen4-Exp, и в SGLang под неё с конца августа набралось больше двадцати пул-реквестов и багов. От Z․ai ждут GLM-5.5. Аналитики JPMorgan в июне обещали её к августу, но тогда вышла GLM-5.3, и теперь слух ходит с сентябрьским окном и 3 трлн параметров. Компания молчит, но 13 сентября привлекла в Гонконге $5 млрд и около 60% направит на следующее поколение GLM. Gemini 4 по прогнозам выходит в ноябре–декабре, но с 17 сентября на Арене под вывеской gemini-3.8-flash попадается модель, которая рисует SVG и 3D-сцены не на уровне Flash. Тестировщики считают её чекпойнтом Gemini 4 Pro с кодовым именем argon, так что релиз может быть и раньше. Из более далёкого: у Google во внутреннем тестировании всплыл DeepThink V3 Mathematica для математики, у Anthropic в августе засветились идентификаторы claude-marshmallow и claude-melon, а DeepSeek, по словам давнего наблюдателя за компанией, держит модель на 3 трлн параметров до расширения кластеров. Похоже, скоро снова будет жарко, ждём-ждём 👾 @neuro_channel

Qwen выложила Qwen3.8-Omni-Flash: на вход текст, картинки, звук и видео, контекст 1M токенов. Час звука на входе подешевел больше чем на 98% относительно прошлой Qwen3.5-Omni-Plus, час звука с видео на 93%. По аудио модель обходит Gemini 3.8 Flash, по связке звука с видео идёт вровень. Интереснее всего, как она смотрит длинное видео. Раньше запись прогонялась от начала до конца, даже если ответ лежит в паре минут. Теперь агент сам решает, какие куски посмотреть и послушать, и подбирается к ответу в несколько заходов от грубого к точному. На OmniVideoBench точность выросла с 63,4 до 67,8, а расход токенов упал со 145 736 до 79 117. Весов нет, модель живёт только в API. Зато открыли Qwen-MM-Plugins, набор, который добавляет звук и видео в готовые агентные харнессы, и Qwen-Live Harness под реалтайм-версию, он ставится командой npm install -g qwen-live-harness. Попробовать можно на платформе Qwen. @neuro_channel

PrismML выпустила Ternary Bonsai 2 27B: тернарное сжатие теперь сделано поверх Qwen3.8 27B. Размер тот же, 5,9 ГБ против примерно 54 ГБ у полновесной модели, а качество подросло. По тестам самой PrismML сохраняется 98,2% от оригинала, у первой версии два месяца назад было 95%. Математика и код почти вровень с исходной Qwen3.8, в следовании инструкциям сжатая версия даже чуть выше. Сильнее всего проседают зрение и общие знания, но и там потеря в пределах 4%. Контекст 262K, картинки на входе и вызов инструментов на месте. Веса лежат на HuggingFace под Apache 2.0 в GGUF и MLX. Обычный llama.cpp эти файлы не запустит, нужен форк PrismML с их ядрами. На RTX 4090 авторы получили около 90 токенов в секунду, на MacBook с M5 Pro 28. @neuro_channel

Стелс-модель Union Alpha раскрылась: это Pareto 26.9 от компании The Unbiased Company. Вчера я писал, что это похоже не на модель, а на агрегатор с маршрутизацией, так и вышло. Никакого обучения не было: внутри несколько моделей, открытых и фронтирных, работают над одной задачей, обвязка проверяет результат и зовёт модель посильнее, если задача сложная. На вопросе, как пожарить яичницу, отвечает та, что дешевле. Стелс-запуск делали вместе с OpenRouter, OpenCode и Cloudflare, чтобы посмотреть на живых пользователях перед публичным релизом 26.10 в следующем месяце. В среду спрос дошёл до миллиардов токенов в минуту, полетели те самые Error error, на которые я жаловался. AWS за ночь утроил мощности, и этого всё равно не хватило. Сейчас включают платный доступ: $2,5 за миллион входных токенов, $0,25 за кэшированные и $7,5 за выходные. У Astra $10 и $50. По своим замерам Pareto вровень с Astra на DeepSWE (74), отстаёт на Terminal-Bench (51 против 58), HLE (49 против 54) и ArXivMath (88 против 91). Промпты и ответы не хранят, на OpenRouter модель теперь зовётся unbiased/pareto. @neuro_channel

Ещё были слухи, что сегодня GPT-6 Sol выложат, якобы она и быстрая и недорогая и умная почти как Astra. И сотрудники OpenAI всячески тизерили, что скоро большой релиз, мол ждите. Но потому передумали и написали, что откладывается до следующей недели. Была статья о том, как GLM помогает делать GLM, мне кажется скучновато. В Claude объединили код, дизайн и всё-всё в один инструмент, подают как большую новость, но по мне как это просто логично, но не особо критично, и так было понятно где что делать, вопрос в лимитах скорее и способности адекватно понимать указания человека. Будет что-то ещё стоящее — буду писать, пока так к этому часу. @neuro_channel

Стелс-модель Union Alpha скорее всего не модель, а агрегатор, который передаёт запросы в модели попроще и собирает ответ. Возможно из нескольких вариантов, а может просто выбирает самую подходящую модель каждый раз. Это не точно, но исследователи, которые пытаются понять что это нам такое подсунули сходятся на таких мыслях. У этой модели есть свой акк в Х, можно читать что они там делают. На мой вкус модель хорошая, решила для меня несколько задач не хуже Astra, но часто упирается в рейт-лимит, а иногда начинает тупить. Это очень похоже как раз на неконсистентный выбор маршрута к конечным моделям. @neuro_channel