Fable 5 ПРОИГРАЛА Opus 4.8 и GPT-5.5 на знаменитом Vending-Bench 🧐
Новая модель Anthropic принесла меньше прибыли, чем конкуренты в симуляции управления бизнесом, зато стала гораздо (!) хитрее. Она единственная инициировала ценовой сговор, а в дополнительных запусках сформировала картели в 9 из 12 случаев против 4 из 12 у Opus 4.8.
Самое неприятное: Fable 5 понимала, что делает что-то неэтичное, но оправдывала себя, если считала, что ее не поймают.
Превращаем агентов в профессиональную Red Team: известный исследователь ИИ-джейлбрейков Pliny выпустил в опенсорс T3MP3ST. 🤓
Это мультиагентная система для поиска уязвимостей. Достаточно указать цель и агент сам проводит разведку, ищет дыры и готовит отчет. По словам автора, на 104 задачах по поиску уязвимостей система решила 90% кейсов с первой попытки.
Сын превратил робособаку в вездеход-коляску для отца 😨
Папа инженера — бывший походник и марафонец, но, к сожалению, он уже около 10 лет передвигается только на коляске из-за рассеянного склероза.
Сын буквально вырос на мечте дать отцу снова возможность путешествовать. И вот он взял робопса, перепрошил его и добавил кресло — теперь его отец может ездить по грунту, камням и даже пересекать неглубокие горные ручьи. Благодаря юному Илону Маску отец впервые за много лет взобрался на холм.
Мем дня: ИИ в Discord банит людей за Excel-таблицы 🧐
Новая система модерации начала видеть контент для взрослых в любой сетке: скриншотах таблиц, шахматах и даже инвентаре Minecraft. Разработчики уже признали ошибку и якобы пофиксили, но жалобы на баны продолжают появляться до сих пор.
В целом, мы согласны, что Excel должен быть строго с пометкой 18+ 😁
Появился опенсорсный аналог Claude Science — OpenScience 🤓
Это полноценная рабочая ИИ-среда для ученых, где агент помогает с рутиной: изучает литературу по теме, пишет и запускает код, проводит эксперименты и записывает то, что нашел. Внутри уже 290+ скиллов для исследований в биологии, физике, хемоинформатике, МО. Плюс есть возможность подключаться к 30+ научным базам данных.
При этом работает со всеми популярными моделями: Claude, GPT, DeepSeek, Kimi, GLM и запускается на вашей инфраструктуре, так что данные будут под контролем.