Google показала Gemini 4 Carbon, свою новую флагманскую модель. Первыми её получают специалисты по кибербезопасности, разработчики пока ждут - по таблице Google: 59 в Artificial Analysis Index v5.0 (у Claude Opus 5.5 58, у GPT-6 Astra 57) и 65,2% на Terminal-Bench 4.0 против 59,6% у Opus 5.5 - проигрывает в двух местах: FrontierSWE 2 (61,2% против 65,5% у GPT-6 Astra) и OSWorld-2.1 (81,5% против 87,2% у Opus 5.5) - кибербез: 88,2% на SEC-bench Pro, 54,8% на ExploitGym. Поэтому доступ сначала у защитников через программу Fairwind, остальным «как можно скорее», без даты - цена на старте как у Argon: $2 / $10 за 1M токенов, кэш со скидкой 95%. Потом $4 / $20 На практике: в API её пока нет. Если гоняете долгих агентов, заложите Carbon в план тестов: по словам Google, команды запускали её на инженерные задачи длиной в несколько дней. Подробности и таблица бенчмарков: https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/

Внутренние модели OpenAI и Anthropic независимо опровергли гипотезу экспоненциального времени (ETH). Обе нашли решение 16 октября - ETH утверждала, что 3-SAT на n переменных не решить быстрее 2^Ω(n). На ней держатся сотни нижних оценок для графов, биоинформатики и баз данных - обе работы дают детерминированный алгоритм, который ещё и считает решения, примерно за 2^(n/√log n) - по словам Anthropic, Claude потратил 14M выходных токенов без участия человека. Доказательства у обеих на Lean 4, проверка версии Claude собирается за ~8 минут на 24 vCPU - версию OpenAI проверят авторы ETH Импальяццо и Патури вместе с Райаном Уильямсом из MIT. Они пишут, что это пока не сертификация На практике SAT-солверы не ускорятся, оценка асимптотическая. Меняется теория сложности: модели закрывают её открытые задачи, и доказательство проверяет машина. Lean-код и статьи: github.com/anthropics/formal-math/tree/main/eth и github.com/openai/math

Исследователи Google DeepMind нашли два бага округления в стандартных softmax и cross-entropy (JAX, PyTorch, TensorFlow) - когда модель уверена в ответе, 1 + e^(-m) округляется до 1. Градиент верного класса обнуляется, у остальных нет, и сумма градиентов перестаёт быть нулём. Порог по запасу логита m: ~5,5 в bf16, ~16,6 в fp32 - Adam этот перекос раздувает, отсюда всплески лосса («slingshot») при grokking - при дистилляции градиент не нулевой, даже когда логиты ученика и учителя совпадают. В bf16 ученик уползает от учителя - фикс: не прибавлять малое к единице, считать через softplus, expm1 и log1p. Около 10 строк, без fp64. На a+b mod 31 в fp32 точность на тесте 94% → 100% Авторы сами пишут, что в обычном большом обучении такие запасы редки. Проверить стоит, если учите в bf16, дистиллируете из близкого учителя или ловите необъяснимые всплески лосса. Статья и код на JAX: https://jonbarron.info/softmaxfix/