Нейроканал - ИИ нейросети

Google выпустила Gemini 3.8 Live и 3.8 Live Extended Thinking, голосовые модели, которые думают и говорят одновременно. Extended Thinking заняла первое место в Speech to Speech Quality Index у Artificial Analysis с 82,6 балла и лучше всех доводит агентные задачи до конца: 68,6% на τ-Voice и 35,1% на банковском τ-Voice-banking от Sierra. Главное отличие от прошлых Live-моделей в фоновой работе. Вызовы инструментов и API идут параллельно разговору, модель говорит «сейчас проверю» и продолжает беседу, а по ходу длинной задачи проговаривает прогресс. И это прям меняет опыт по сравнению с тем же GPT, попробуйте. Обычная 3.8 Live обрабатывает видеопоток почти в реальном времени и сама переключается между 97 языками посреди разговора. Обе модели уже доступны в Gemini API и AI Studio, Extended Thinking ещё и в Gemini Live и в Workspace для подписчиков AI Pro и Ultra. На видео Extended Thinking превращает наброски и голосовые правки в React-компоненты. @neuro_channel

TypeSafe AI, лаборатория соавтора InstructGPT из OpenAI, выпустила Jev: модель, которая не пишет текст. Она отвечает только на типизированные вопросы: выбрать вариант из списка, поставить оценку по шкале или сказать «да» либо «нет», и к каждому ответу прикладывает вероятности. В запрос кладёшь произвольный текст (письмо клиента, JSON с состоянием приложения) и словарь вопросов на обычном английском: «какая команда должна этим заняться» с вариантами billing, technical, sales; «насколько клиент раздражён» по трём уровням; «есть ли срочность». Все вопросы модель считает параллельно за один вызов и возвращает technical с вероятностью 0,84 и уверенностью 0,6. Дальше решает твой код: при высокой уверенности маршрутизировать автоматически, при низкой отдать человеку. Промпт «ответь одним словом» и парсер поверх ответа не нужны, ответ вне списка невозможен в принципе по устройству модели. Ответ приходит за 70–500 мс, миллион входных токенов стоит $0,042, выход бесплатный. По замерам самих TypeSafe это в 40–200 раз быстрее и на два порядка дешевле GPT-6 Astra и Fable 5.1 на таких задачах. Руководитель evals в Every прогнал через Jev 37 своих статей с 21 вопросом про признаки ИИ-текста: 777 вердиктов за 0,7 секунды и четверть цента. В его же тесте на дефекты в тексте Jev нашёл 6 из 7, Fable 5.1 все 7, но в 25 раз медленнее и в 580 раз дороже. Объяснить выбор или написать ответ клиенту Jev не умеет, для этого рядом нужна обычная LLM. Вариантов в одном выборе до 255. Доступ по листу ожидания, SDK для Python и JS уже лежат на GitHub. @neuro_channel

LLM-стройка — канал про то, как работают ИИ-агенты и модели: инференс (префилл, декод, KV-кэш), почему бенчмарки моделей переписывают уже после релиза (как с GPT-6 Astra), как строится память агента при повторных обращениях пользователя и другие темы, связанные с ИИ. Ещё один фокус канала — персональные данные: обезличивание до инференса, чтобы ФИО и номера не оседали в логах и RAG-индексе. Автор сама делает инструменты под эти задачи: например, ZamenaLab — тул для обезличивания документов в браузере, без сервера. Кстати, если хотите, можете помочь его потестить! Реклама. Рекламодатель: Грекова Наталья Александровна, ИНН:614103713518, erid: 2W5zFJEZ513

Есть один релиз, который я пропустил и не писал, но, кажется, зря, хорошая моделька появилась. Moonshot 11 сентября без анонса подменила модель в Kimi Code: под прежним ID kimi-for-coding вместо K2.7 Code теперь отвечает K2.8 Preview. Перенастраивать ничего не нужно, следующий запрос из CLI, VS Code, Claude Code или OpenCode уже уходит в новую модель. По словам Moonshot, по общему уровню она близка к K3, думает заметно экономнее K2.7 Code и сильнее в коде и агентных задачах. Бенчмарков, размера модели и весов нет, в прайсе API Moonshot её тоже нет, пока это модель для подписчиков. Контекст миллион токенов теперь на всех тарифах, раньше миллион у K3 давали только с Allegretto. Уровни рассуждений low, high и max как у K3, по умолчанию max, у K3 по умолчанию high. С выключенным thinking запросы к K3 тоже обслуживает K2.8 Preview без рассуждений. На входе картинки и видео. Та же модель приехала в Kimi Work. Сценарий Moonshot описывает так: K2.8 Preview для повседневной разработки, автодополнения и обычных агентных задач, K3 остаётся для длинных и сложных инженерных задач и на миллионе контекста ест вдвое больше квоты, чем на 256k. На Zhihu ждут, что новая модель разгрузит K3: после её выхода K2.7 в часы пик тормозила так, что работать было почти невозможно. Переключать модель или уровень рассуждений лучше в новом чате, иначе сбрасывается кэш промпта и токены сгорают впустую. @neuro_channel

Сегодня DeepSeek Harness дорос до 0.1.6-alpha: в веб-интерфейсе появился терминал, агент умеет работать на удалённой машине по SSH и, пока экспериментально, водить браузер через Playwright. Неделей раньше проект попал в новости иначе: OX Security показала, как агент одной командой отключал себе песочницу через локальный веб-интерфейс харнесса, CVSS 9,4, починено в конце августа. Месяц после релиза он меняется каждую неделю, но базовый сценарий уже устоялся. Ставится одной командой npx @deepseek-ai/dsh web, дальше всё в браузере на localhost: выбираешь папку и модель, пишешь задачу. Модель любая: DeepSeek, Anthropic, OpenAI, Kimi, GLM или свой OpenAI-совместимый шлюз. Скиллы SKILL․md из папки .agents/skills видит сразу, hooks․json Claude Code и Codex подключаются плагином. Хвалят вкладку Trajectory: системный промпт, рассуждения, каждый вызов инструмента лежат в одном логе, который можно искать, форкать и переигрывать; тестировщик через неё нашёл ошибку конфига за минуты. Ругают за токены: на той же модели dsh тратит около 47 тысяч на вход там, где Pi обходится 4,5 тысячами, а правка на 15 строк с тестами на видео заняла 80 тысяч при кэше 85%. Установка 306 МБ, документация тонкая, и это developer preview с обещанными ломающими изменениями. Сама DeepSeek обмерила V4.1 Flash в восьми харнессах: на Terminal-Bench dsh в режиме Minimal обошёл Claude Code, 90,6% против 88%. Обзоры при этом сходятся: как ежедневный агент он пока уступает Claude Code и Codex, зато открыт под MIT и целиком на виду. На видео задача до зелёных тестов, код на GitHub. @neuro_channel

Яндекс выложил веса модели, которая пишет быстрые ответы Алисы в Поиске. Первый поисковик, открывший модель из продакшена нейроответов: AliceAI-T5-35B-A0.6B, претрейн без дообучения на инструкциях, Apache 2.0. Архитектура encoder-decoder с MoE, у крупных открытых моделей такая почти не встречается: 0,6 млрд активных из 35, 512 экспертов в слое и 8 на токен, контекст 128K. Обучали с нуля на 15 трлн токенов с оптимизатором Muon и балансировкой экспертов из DeepSeek-V3: схема со вспомогательным лоссом на таком объёме данных коллапсировала в энкодере. По среднему баллу модель рядом с Qwen 3.5 4B, по скорости генерации почти вдвое быстрее Qwen 3.5 35B-A3B. Сильнее всего на фактологии и длинном контексте, на математике и коде уступает Qwen. Рядом с моделью работает BERT-экстрактор на 80 млн параметров: он вырезает из найденных документов только нужные генератору куски, и за счёт короткого входа Поиск отвечает примерно на 40% большему числу запросов на тех же мощностях. Устройство всей цепочки разобрали на Хабре, веса и пример дообучения через LoRA лежат на Hugging Face. @neuro_channel

Vals AI дала Fable 5.1 открытую задачу: расшифровать Cyphral Distich, криптограмму 1653 года из книги шотландца Томаса Уркхарта, две строки по 32 числа. Её пытались вскрыть с 1899 года, она входит в список 50 главных нерешённых шифров, и её пробовали брать частотным анализом и подстановками. Модель справилась за 44 минуты и 176 тысяч токенов без единого вмешательства человека. Ключ оказался в самой книге. Перед шифром идут 32 «прокуритации» автора, и он специально подчёркивает число 32, а стихотворение рядом обещает читателю «желания его сердца». Правило простое: i-е число указывает на слово в i-й прокуритации, берём его первую букву. Получается O GOD UPHOLD KING CHARLS THE SECOND AND MAKE HIM THE SUPREME RULER OF THIS LAND: ровно 32 буквы в строке, рифма and/land, роялист Уркхарт спрятал молитву за Карла II. Тем же методом модель разобрала и вторую его криптограмму из другой книги на 285 чисел, там индекс идёт по страницам, не хватило девяти букв. @neuro_channel

Shanghai AI Lab, авторы InternLM, выложили Atria Dawn Preview, агентную модель для длинных задач: поиск и исследование, код, отчёты и презентации, безопасность. Внутри GLM-5.2 на 744 млрд параметров, которую лаборатория дообучила на задачах с проверяемым результатом: каждая учебная задача привязана к реальному окружению, а в модель попадает только опыт, где итог подтвердили тесты, метрики или файлы на диске. Веса под MIT на Hugging Face, есть FP8-версия, контекст 256K, только текст, картинки не принимает. По бенчмаркам на картинке впереди всех на BrowseComp, DeepSearchQA, BFCL v4, AutomationBench и CyberGym. В чистом кодинге середина таблицы: на SWE-bench Pro и Terminal-Bench 2.1 Opus 5 впереди на 15 и 12 пунктов, на GDPval последняя из семи. API совместим с Chat Completions, Messages и Responses, в документации готовые конфиги для Claude Code, Codex, Hermes и OpenClaw, ключ выдают в консоли после входа через Google. Локально поднимается в SGLang и vLLM по рецептам для GLM-5.2. @neuro_channel

GLM-5.3 лучше всего работает в своём родном харнессе. Z․ai прогнала ZCode по FrontierHarness Eval: связка ZCode + GLM-5.3 решает 82,2% задач при $1,98 за прогон. Та же модель в Claude Code даёт 80% за $2,59, в Codex 66,7%, в Pi 60%, в OpenCode 46,7%. GLM-5.3-Flash в ZCode решает 75,6% за $0,16, самая дешёвая точка на графике. FrontierHarness Eval это открытый бенчмарк на 30 задач из Terminal-Bench и DeepSWE, где меняют не модель, а харнесс: в базовом прогоне Kimi K3 гоняли через девять харнессов, и при близком проценте решённых задач стоимость отличалась в 17,5 раза. На прошлой неделе разработчик из сообщества прогнал по тому же набору GLM-5.3 в Claude Code, Codex, Pi и OpenCode, а сегодня Z․ai дописала ZCode, по три прогона на связку. Для тех, кто сидит на GLM-5.3, вывод практический: между ZCode и OpenCode на одной модели разница в 35 пунктов, а Claude Code с GLM внутри почти не отстаёт от ZCode, но выходит на 30% дороже. @neuro_channel