AI-дайджест 17.10: світові моделі, криптографічна загадка, автономні агенти
Китайські світові моделі для фабричних роботів, Claude про криптографічну загадку, агенти, що самі тренують моделі, і ціна незалежності українських дронів.
- PM Lead Pro · вступ
- Роботи, що бачать майбутнє
- Макроекономіка та борги
- Захист ШІ та світові моделі
- Claude, бекдори й автономні агенти
- Ціна незалежності: українські дрони
- Швидкі моделі Liquid і Meta
- Провокативне питання наостанок
Щоденний AI-дайджест PM Lead Pro: розмова ведучих NotebookLM за матеріалами дня.
Джерела дня:
Подкасти
- Odd Lots (Bloomberg) — David Byrne Explains How Forgotten Ideas Come Back to Life
- Odd Lots (Bloomberg) — The French Political Crisis That’s Turning Into a Debt Crisis
- Planet Money — Anatomy of a movie market
Статті й дослідження
- How Itaú is building generative AI for its entire customer base · openai.com
- Grounding AI agents in biological reality: Building blocks for autonomous wet labs · research.google
- (AINews) High Taste Testers Ep. 1 - Latent.Space · latent.space
- Fiscal consolidation: Temporary costs versus lasting scars · cepr.org
- Never let a good crisis go to waste: Term limits and banking reforms · cepr.org
- Solving for the equilibrium? - Marginal REVOLUTION · marginalrevolution.com
- New Matt Faherty study of the NSF - Marginal REVOLUTION · marginalrevolution.com
- Top 5 Initial Access Threat Vectors Observed by Unit 42 in September 2026 · unit42.paloaltonetworks.com
- How the Claude Code team does code review / claude.dev Blog · claude.dev
- Claude reveals ECDSA curve origins \ Anthropic · anthropic.com
- A benchmark map of the US economy · mercor.com
- Українські виробники дронів відмовляються від китайських деталей · dou.ua
- (2610.22192) Terminal-RSI: Recursive Self-Improving Terminal Agents via Recursive Self-Rewrite and Policy-Refine · arxiv.org
- (2610.21055) Athanor: An Agent-Native System for Autonomous Post-Training Research · arxiv.org
- (2610.19397) SERO: Learning from Executable Oracle Continuations for Long-Horizon Agentic Reinforcement Learning · arxiv.org
Китай
- 清华特奖得主AI创业再+1:GeoPT一作入局物理世界模型 – 量子位 · qbitai.com
- 从“看懂世界”到“预演下一步”:世界模型与 VLA,如何让机器人拥有真正的“具身大脑”? – 量子位 · qbitai.com
- 乔布斯的皮克斯,狂赞中国物理AI数据终端 - 智源社区 · hub.baai.ac.cn
Сторінки, які відстежуємо (зміни за день)
- System prompts - Claude Platform Docs · platform.claude.com
Транскрипт
Оявімо собі фабричного робота, який, типу, не просто виконує закладену програму, а, ну, буквально бачить майбутнє на секунду вперед, щоб не впустити деталь.
І поки Захід вчить штучний інтелект думати текстами, Китай дає йому фізичне тіло, а сам ШАІ тим часом розкриває криптографічні таємниці 25-річної давності.
Вітаю!
І знаєте, найцікавіше тут те, що створення цих фантастичних технологій вимагає, ну, просто колосальних ресурсів.
Тому ми неминучо впираємося в жорстку макроекономіку.
Абсолютно. Будь-який технологічний стрибок залежить від того, чи є в економіці на нього гроші.
От власне.
Взяти хоча б нове дослідження від CIPR щодо державних бюджетів.
Вони виявили, що зазвичай фіскальна консолідація, тобто затягування пасків, має лише тимчасові наслідки.
Але ж, якщо держава вже повуха в боргах, як Франція під час нинішньої кризи, про що, до речі, пише Блумберг,
Тоді спроби економити призводять до реальної катастрофи. ВВП просто падає і не може відновитися понад 5 років.
Це, знаєте, типу як намагатися полагодити човен, відриваючи дошки від його ж дна. Тобто запроваджувати жорстку економію, коли ти вже й так тонеш.
Сто відсотково чудова аналогія. І оскільки гроші стають дедалі дорожчими, країни починають агресивно захищати свої цифрові активи.
AI News 2 2 10 26
Стоп, флопс – це ж просто кількість операцій, які комп'ютер може зробити за секунду, так?
Так, так, саме так.
Тобто 10 у 26-му – це масштаб гігантських суперкомп'ютерів, які працюють місяцями. Уряд буквально каже, що якщо витрачено мільярди на тренування, технологія не покине країну. Але що саме вони так ретельно ховають?
Вони роблять ставку на фізичний світ. На відміну від західних розробників з їхнім фокусом на тексті, китайські гіганти типу Ant Group чи Jiyuan інтегрують так звані світові моделі прямо у фабричних роботів.
Світові моделі. Звучить, знаєте, складно, але ж це типу як коли тягнешся за чашкою кави, мозок ще до дотику знає, якою вона буде на вагу і як відчуватиметься кераміка. Це і є наша світова модель.
Дуже точне порівняння.
І от тепер китайські стартапи збирають масиви даних з реального світу. Наприклад, компанія Ухайсюня використовує такі собі термінали Космо від Хесай.
Тобто роботи отримують такий собі втілений мозок, щоб тестувати фізику, гравітацію чи тертя перед кожним своїм рухом.
Саме так.
Вони вчаться на практиці, а не через віртуальні тексти.
Anthropic NIST 25
Всі боялися, що там зашитий секретний бекдор від спецслужб.
А Клод довів, що це просто дата і час з 97-го року у форматі Юнікс.
Тобто просто чиєсь лінь, а не змова уряду.
Ага, але ж є ще дещо. Google вже запускає ша агентів керувати реальними процесами в біолабораторіях.
А в проєкті Atanor чотири агенти Clodopus 5.5 взагалі самі натренували базову модель Qwen.
І вона перевершила офіційну версію її ж творців.
Так, і це без жодного втручання людини.
Знаєте, від цього трохи мурашки по шкірі.
Якщо шаї сам тренує інший шаї, пише код і керує біолабораторіями,
Чи не віддаємо ми йому повний контроль над самим науковим методом?
Ну, автономія зараз є головною метою, але її ціна дуже висока.
До речі, про ціну незалежності у фізичному світі.
Українські виробники дронів змогли замінити до 80% китайських деталей на власні,
хоча повна відмова від імпорту збільшила б витрати на 60%, про що писали на Dow.
Це чудово показує сувору реальність. Незалежність коштує дорого.
Загалом, зараз успіх залежить від здатності будувати системи, що автономно тестують гіпотези як у програмному коді, так і в металі.
Liquid D1 Ultra 92
Поясніть для неінженерів, чому ця швидкість така критична.
Ну, зазвичай на аеромережі потрібно подумати, проганяючи дані кілька разів.
А Liquid робить це швидше, ніж ви кліпаєте оком.
Для робота на конвейері, який має миттєво зловити деталь,
це різниця між успіхом і розбитим обладнанням.
Далі у нас Elorian Glimpse – візуально-мовна модель, яка використовує рекурентні обчислення.
Тобто замість генерації довгого тексту вона реально аналізує картинку в динаміці.
Таке собі справжнє візуальне мислення.
Круто. І не забуваємо про Muse Spark Open від Meta.
816 мільярдів параметрів.
Але чекайте, як таку махіну взагалі можна запустити локально без суперкомп'ютера?
Фокус у тому, що це архітектура Mixture of Experts.
Під час кожного завдання працює лише невелика її частина.
А відкрита вага дозволяє її ще й стиснути.
Точно. Формат NVFP4 дозволяє розгорнути модель на потужному локальному обладнанні, зберігаючи при цьому повну конфіденційність ваших даних.
Отже, ми починали з того, як ШАІ розкриває старі таємниці, а роботи вчаться передбачати власні рухи.
Залишається лише одне провокативне питання.
Яке саме?
Якщо штучний інтелект вже здатен автономно зламувати криптографічні загадки і вдосконалювати власний код,
що відбудеться, коли ось така надшвидка модель прийняття рішень отримає прямий доступ до фізичного робота і власного криптогаманця?
Обговорення