Нейроканал - ИИ нейросети

Qwen вместе с Хуачжунским университетом выложила Qwen-Drive-1.0, открытую модель для беспилотного вождения на базе Qwen3.5-4B. Идея в том, что общая визуально-языковая модель держит на себе всё сразу: отвечает на вопросы о дорожной сцене, а через два внешних модуля даёт 3D-восприятие и планирует траекторию. Архитектура VLM сохранена, модель дообучали по стадиям на дорожных и общих данных. Голова BEV-восприятия детектирует объекты в 3D, считает occupancy и размечает карту. Планировщик генерирует будущую траекторию, есть SFT-версия и дообученная через RL. Общие визуальные способности сохранились: на MMBench и MMMU модель почти вровень с исходной Qwen3.5-4B, а на дорожных вопросах обходит Cosmos-Reason2-32B и MiMo-Embodied-7B. На NAVSIM планировщик после RL даёт 90,7 PDMS. Веса лежат на Hugging Face под Apache 2.0 одной папкой: VLM на 9,1 ГБ, рядом голова восприятия и два варианта планировщика, нужный подключается при загрузке. Для запуска рекомендуют карту от 24 ГБ. @neuro_channel

Лаборатория суперинтеллекта Александра Вана выпустила Muse Spark 1.3, четвёртый релиз модели за пять месяцев. Цукерберг называет его самым большим скачком в кодинге и агентной работе, модель уже в Muse Code и в API, а дальше обещают открытые веса Muse Spark и следующую модель, которую пока обозначают только арбузом. Artificial Analysis замерила обе версии. Доступная всем xhigh поднялась на 4 балла за месяц и встала вровень с GPT-5.6 Sol и Grok 4.6, версия max пока в закрытом превью и уступает только Claude Fable и Opus. Почти весь рост в агентных задачах: банковский Tau3-Bench прибавил 12 пунктов, а у max это вообще лучший результат среди всех моделей. Просели только длинный контекст и фактологический AA-Omniscience, там модель стала чаще отказываться отвечать. Цены не менялись: $1,25 за миллион входных токенов и $4,25 за выходные, попадание в кэш $0,15. Выходит $0,55 за задачу индекса, у Sol и Grok того же уровня около $0,95. Токенов на задачу модель тратит больше, чем 1.2, в основном входных. @neuro_channel

На OpenRouter за неделю приехало пять моделей, о которых ещё не писал. Коротко о каждой, а на картинке индексы Artificial Analysis и скорость выдачи: три новинки рядом с GPT 5.6 Sol как ориентиром и с близкими по классу Luna, Gemini 3.5 Flash-Lite и Haiku 4.5. Mercury 2.5 Preview от Inception, диффузионная LLM: пишет не по токену, а параллельно блоками, отсюда заявленные 1107 токенов в секунду на обычных GPU; медиана по замерам OpenRouter пока 105, на уровне Haiku 4.5, а Gemini 3.5 Flash-Lite там выдаёт 287. Появился режим рассуждений с уровнями, контекст 260 тысяч. По словам Inception, модель прибавила больше 10 баллов к Mercury 2 и держится на уровне GPT 5.6 Luna на низком усилии и Haiku 4.5; независимого замера у 2.5 пока нет, на графике стоит прошлая Mercury 2 с индексом 21,9, то есть обещанные плюс 10 выведут её к уровню Haiku 4.5. До 8 сентября скидка 80%: 0,04 $ за млн входных токенов и 0,15 за выходные, дальше 0,20 и 0,75. Granite 4.2 8B от IBM, плотная модель с рассуждениями, обучена с нуля на 15 трлн токенов, контекст 128 тысяч с расширением до 512. Единственная из пятёрки с полной таблицей замеров IBM, но до флагманов ей далеко: индекс интеллекта 19,6 против 29,9 у Haiku 4.5, агентный всего 9: модель под дешёвые массовые задачи, а не под агентов. Apache 2.0, веса лежат на HuggingFace, в API 0,10 $ и 0,15 $ за млн. Ling 3.0 Flash Fin от Ant Group, финансовая версия Ling 3.0 Flash: MoE, 5,1 млрд активных из 124, заточена под инвестиционные задачи с длинным планированием. Бесплатно, контекст 262 тысячи; бенчмарков и весов именно этой версии нет, базовая Ling 3.0 Flash набирает 37,8 индекса. Две видеомодели. Wan 3.0 Prime от Alibaba, быстрый режим Wan 3.0: текст и первый кадр в видео, от 480p до 1080p, клипы от 2 до 30 секунд со звуковой дорожкой, 0,068 $ за секунду в 480p и 0,28 в 1080p. Hailuo 3 Max, дообученная вместе с fal.ai версия MiniMax H3: управление первым и последним кадром, 480p и 768p, 5–15 секунд, 0,05 и 0,08 $ за секунду, то есть дешевле самой H3 при 768p. По качеству fal обещает лучшее следование промпту и картинку, независимых замеров пока нет. @neuro_channel

Qwen обновила свою старшую закрытую модель: Qwen3.8-Max-0902 дообучена на кодинг и совместную агентную работу. Те же 2,4 трлн параметров, миллион контекста, режим размышлений, живёт только в API. По таблице самой Qwen прирост к прошлой Max в основном в коде: терминальные задачи и воспроизведение программ по чёрному ящику выросли почти втрое, агентные правки в репозиториях прибавили около 13 пунктов. До Opus 5 в терминале и на долгих задачах ещё далеко, зато в понимании кода на уровне репозитория модель впереди всех, а в экспертной оценке WorkArena стоит выше Opus и чуть ниже Sol. Часть наборов внутренние, кодовые прогоны шли в Claude Code, у Fable 5 оговорка про фолбэки. Цена $2 за млн входных токенов и $6 за выходные, попадание в кэш $0,17 и $0,25. Попробовать можно в QwenCloud. @neuro_channel

ВкусВилл запустил официальный MCP-сервер: подбор продуктов теперь можно поручить ИИ-помощнику. Подключается как обычный MCP, достаточно добавить ссылку Ссылка скрыта в клиент с поддержкой протокола. Агент ищет товары по каталогу, смотрит скидки, аналоги и рецепты и собирает выбранное в ссылку на корзину. Оформление и оплата остаются за человеком. Идеи и замечания компания принимает через форму обратной связи на той же странице. @neuro_channel

Anthropic открыла research preview Model Hardware Standard (MHS), стандарта, через который ИИ-агенты управляют физическим оборудованием: микроскопами, роботизированными руками, лазерами. Драйвер MHS сводит любой прибор с программируемым интерфейсом к простым командам вида «прочитай температуру» и «установи температуру», а знания о железе, которые обычно живут в бумажных мануалах и головах, записываются тегами на естественном языке. Из них собирается справка, по которой агент понимает незнакомое устройство и работает с ним через MCP, командную строку или код. Партнёры уже показывают результаты. В Carnegie Mellon агент гоняет эксперименты с серийными разведениями примерно втрое быстрее, координируя приборы на трёх компьютерах с несовместимыми интерфейсами. У QuEra контроллер, который агент написал сам, восстанавливает «лок» лазера в квантовом компьютере в 99,3% случаев без человека. Поддержку стандарта строят AWS, Universal Robots, QIAGEN, Tecan и Doosan Robotics. Сейчас превью доступно по заявке для лабораторий и производств, дальше Anthropic обещает открыть стандарт в исходниках. @neuro_channel

OpenAI рассказала, как готовит к выпуску модель Astra. Это первая модель компании уровня Critical по кибербезопасности в её Preparedness Framework: с нужными инструментами она сама находит неизвестные уязвимости в защищённых системах и собирает под них эксплойты без человека на каждом шаге. Дата релиза и цены не названы. На графике внутренний набор из 20 свежих уязвимостей V8: по горизонтали потраченные токены, по вертикали доля рабочих эксплойтов. Astra доходит до 39% примерно за 75 тысяч токенов, GPT-5.6 Sol до 12% за 135 тысяч, а по пути Astra нашла две новые уязвимости. На публичном ExploitBench у неё 100%. В экспертных тестах модель построила цепочку выхода из песочницы браузера и повышения привилегий до root. Отказывает на обход запретов в кибертемах в 91,5% случаев против 59% у Sol. Доступ ступенчатый: модель выйдет «скоро», продвинутые кибервозможности сначала получат тестировщики, потом защитники через Daybreak Blue. После инцидента с Hugging Face часть обучения останавливали на две недели, большой RL-прогон возобновили 28 августа. Anthropic 1 сентября выпустила Fable 5.1 и Mythos 5.1 по похожей схеме: полные кибервозможности только у проверенных организаций. Подробный разбор оценок и защит на сайте. @neuro_channel

Вот вам картинка чтобы ориентироваться какой уровень рассуждений ставить на новом фейбл, если будете пользоваться. И более понятное сравнение с другими моделями. Хорошо бы, конечно, GLM и Kimi добавить, но думаю больше бенчей скоро приедет. @neuro_channel

Anthropic выпустила Claude Fable 5.1 и Mythos 5.1. Это одна и та же модель, разница только в ограничителях: Fable доступна всем, Mythos через программы проверенного доступа для кибербезопасности и биологии. Всем подписчикам разом сбросили лимиты, так что попробовать можно прямо сейчас. По бенчмаркам модель заметно ушла от Fable 5 и обошла Opus 5 и GPT-5.6 Sol: в агентном научном коде рост вдвое, в терминальном кодинге и бизнес-автоматизации тоже большой отрыв. На низком и среднем усилии она даёт результат уровня Fable 5 за заметно меньшие деньги. В Claude Code дефолт High, в Cowork и на claude․ai Medium. Цена токенов прежняя, $10 и $50 за миллион, но чтение кэша подешевело в 4 раза, до $0,25. Для обычных задач это минус около 25% к счёту, для агентных до 45%. Модель уже доступна в API как claude-fable-5-1, на AWS, Google Cloud и Azure. Фильтры по кибербезопасности стали срабатывать примерно на 60% реже: модели теперь разрешили искать уязвимости в коде, запрещены только эксплойты, пентест и сканирование бинарников. Ещё Anthropic закрыла лазейку для дистилляции: новые API-аккаунты больше не могут править прошлый контекст, сохраняя транскрипт размышлений модели. @neuro_channel