Neurochannel - AI neural networks

Cognition выпустила SWE-2, свою самую близкую к фронтиру модель для кода: на бенчмарках вровень с флагманами при цене до 70% ниже. Внутри Kimi K3 на 2,8 трлн параметров, поверх которой Cognition докрутила RL, впервые в таком масштабе. Главная идея обучения в том, что все уровни рассуждений тренируются в одном прогоне RL, а штраф за стоимость подбирается под наклон кривой цена-качество у базовой модели. Так сдвигается вся кривая, а не одна точка на ней. Таблица на картинке: с Fable 5.1 и GPT-5.6 Sol вровень, до GPT-6 Astra не хватает нескольких пунктов при четверти её цены, на Terminal-Bench 2.1 обошла всех. Поведение тоже поменялось: модель меньше копается в репозитории и раньше начинает править. На FrontierCode первое реальное редактирование делает в среднем на 18-м шаге против 48-го у SWE-1.7, ходов на 58% меньше, прогон на 81% дешевле. Попробовать можно в Devin Desktop и CLI, в Devin Web выкатывают, разбор обучения в блоге. @neuro_channel

2007-й: весь двор обсуждает айфон без кнопок, в аське висит статус «учу уроки», на компе крутится Winamp. Анкета SpaceWeb и Типичного программиста проведёт тебя через все эти годы — от диалапа до нейросетей — и в конце скажет, кто ты в мире хранения данных. Реклама. ООО «СпейсВэб», ИНН 7813376370, erid: 2W5zFJ67g3s

DeepSeek выпустила V4.1 Flash: во вторник писал про бету на два дня, а сегодня это релиз с весами под MIT и техотчётом. В API модель зовётся deepseek-flash, V4 Flash и Vision Exp сняты, их имена временно ведут на новую. Внутри 552 млрд параметров при 8 млрд активных на входе и 16 на выходе: энкодер и декодер несимметричные, кэш KV в четыре раза меньше, чем у V4 Flash, на диске в восемь. Контекст миллион токенов, картинки на входе, глубина рассуждений задаётся числом от 1 до 100. Агентные бенчмарки на картинке: DeepSWE 74,2 против 74,0 у Opus 5, CyberGym 88,1, AutomationBench 54,8, впереди Kimi K3 и GLM-5.3 везде. Terminal-Bench 3.0 слабее: 30,0 против 43,3 у Opus 5. DeepSeek считает, что Flash обошла V4 Pro, и снимает Pro: с 14 сентября запросы к ней пойдут в V4.1 Flash по цене Flash, пока не выйдет V4.1 Pro. Цены с сегодняшнего дня: вход 0,3 $ за млн токенов, из кэша 0,006 $, выход 1,2 $, вне пиковых часов вдвое дешевле. @neuro_channel

Z․ai запустила Sovereign Partner Program: партнёр разворачивает GLM на своей инфраструктуре в своей стране и продаёт токены локально. Обещают ранний доступ к новым релизам GLM, инженеров Z․ai на внедрение, совместный выход на корпоративных клиентов и общий маркетинг. Сейчас набирают первую когорту, заявка через форму, ограничений по странам в анонсе нет. Так что GLM у российского провайдера с оплатой в рублях теперь вопрос того, найдётся ли партнёр. @neuro_channel

Неделю назад писал, что max у GPT-6 Astra включать смысла нет, цена удваивается. Для агентных задач всё выглядит наоборот. Разработчик заметил, что чем выше уровень рассуждений у Astra, тем меньше токенов она сжигает, и похожих наблюдений набралось из разных мест. Самое наглядное у ARC Prize: на ARC-AGI-3 прогон Astra на max обошёлся почти вдвое дешевле, чем на low и medium, и дал лучший результат. На max модель точнее строит модель игры и делает меньше ходов, а каждый лишний ход это ещё один запрос с полным контекстом. Таблица на картинке. С кодом похоже, но со своей границей. Разработчик сравнил одну задачу на Sol high и Astra на трёх уровнях: medium сделала реализацию за 80 запросов против 238 у Sol, входных токенов ушло втрое меньше, и вышло дешевле Sol. А вот high там не окупилась: дольше и дороже medium, а на ревью пропустила баг, который medium нашла. У других xhigh тоже ест меньше квоты, чем уровни ниже. Механика простая: доплата за рассуждения на каждом шаге меньше экономии на числе шагов, когда задача длинная и агент много ходит по инструментам. На коротких вопросах это не работает, там уровень выше high только увеличивает счёт. @neuro_channel

В Kimi Work появился Remote Control: агент остаётся запущенным на компьютере, а задачи ему ставишь с телефона. Kimi Work это настольный агент Moonshot с доступом к локальным файлам и браузеру. В ролике сценарий такой: коллега просит к обеду обновить презентацию свежими данными, ты с телефона пересылаешь просьбу агенту, а он на десктопе ищет данные в браузере, находит нужные файлы на диске, правит слайды в исходном стиле и отправляет письмо с вложением. С телефона видно ход работы и можно вмешаться. Попробовать можно на сайте Kimi. @neuro_channel

Codex сегодня вечером на полчаса перепутал лимиты: у одних недельная квота внезапно упала до нуля, у других, наоборот, подскочила. Меня тоже задело, в /usage показывало ноль. OpenAI завела инцидент «неожиданные сбросы лимитов» в 20:29 по Москве и закрыла в 20:54. Разработчик из команды Codex пишет, что лимиты вернулись к исходным значениям, и извиняется за путаницу. По отчётам пользователей это выглядело как откат: квота вернулась ровно к тому значению, которое было до сброса, начисленного Тибо на неделе, а потом восстановилась. Обиднее всех тем, кто увидел ноль и потратил banked reset: сброс списался, а квота через пять минут снова обнулилась. Такие случаи разбирает поддержка в чате, за прошлые инциденты квоту возвращали. Если после починки цифры всё ещё странные, в команде Codex просят написать им. @neuro_channel

Inception выпустила Mercury 2.5 в релиз, превью разбирал неделю назад. Цифры те же: диффузионная модель пишет текст блоками параллельно, 1107 токенов в секунду на обычных NVIDIA GPU, плюс 40% к интеллекту к Mercury 2, контекст 260K, уровень GPT-5.6 Luna на низком усилии и Haiku 4.5. По словам Inception, это самая большая диффузионная LLM из обученных. Из нового в анонсе только кейсы клиентов, которые уже гоняют модель в проде. Augment Code перевела на Mercury сжатие контекста, маршрутизацию и поиск MCP-инструментов: сжатие ускорилось со 150 секунд до 27, цена упала на 90%. У OpenCall с голосовыми агентами медиана ответа модели около 170 мс. Рядом превью Mercury Voice с первым токеном быстрее 170 мс и Mercury Router, который читает запрос и раскидывает по чужим моделям. Цена $0,20 за млн входных и $0,75 за выходные, на старте скидка 80%: $0,04 и $0,15. Есть в API Inception, на OpenRouter и Baseten, новым аккаунтам дают 100 млн токенов. Следующая модель уже обучается, обещают крупнее и в ближайшие месяцы. В ролике модель собирает веб-приложение по паре промптов. @neuro_channel

Сильные аналитики 🧠 давно делают для бизнеса больше, чем отчеты и дашборды. Они помогают понять, что происходит, находят причины проблем, проверяют гипотезы и дают руководителям основу для решений. Именно для таких специалистов мы сделали Cortex Challenge — соревнование, где можно показать весь масштаб своих навыков, подход к аналитике и умение превращать данные в бизнес-решения. Вам достанется виртуальная компания с реальной бизнес-проблемой. Данные будут неполными и противоречивыми, важная информация — у занятых сотрудников, а очевидная причина может оказаться лишь симптомом. ✅ Ваша задача — разобраться в ситуации, найти настоящую проблему, сформировать решение и защитить его перед экспертами. Для работы у вас будут Cortex и ИИ — инструменты, которые помогут исследовать данные, проверять гипотезы и быстрее двигаться от вопроса к ответу. 🥇 А для победителей — крупнейший призовой фонд в сфере BI-аналитики: 1 000 000 ₽. Шесть победителей разделят его между собой: три призовых места и три специальные профессиональные номинации. 25 сентября — первый установочный вебинар. Разберем формат соревнования и подготовимся к старту. 👉 Если для вас аналитика — это способ влиять на бизнес, присоединяйтесь к Cortex Challenge! Будте в курсе новостей с @visiology_official Реклама. ООО «Визиолоджи», ИНН 7705352195, erid: 2W5zFGkoZ29