Дарʼо і Хуанг на одній сцені

тема 1Dreamforce: Дарʼо, Хуанг і Альтман на одній сцені за один день. Вперше очна ставка

Місток до вчора. Вчора першим пунктом ішов Обама з його «добровільних стандартів від жменьки техкомпаній не досить», тобто претензія до конструкції ззовні. Сьогодні сюжет переїхав усередину: ті самі люди опинились на одній сцені, і вперше це пряма незгода в один день.

Що сказав Дарʼо (Dreamforce, вівторок). Автомобільна аналогія, і вона несподівано примирлива:

«Коли в конкурента стається інцидент з безпекою, як відмова гальм, це момент для всіх автовиробників зупинитись і переглянути власні практики. Дуже спокусливо атакувати конкурента і сказати, що ці хлопці небезпечні. Але відповідальніший спосіб відреагувати - сказати: подивімось на власний послужний список. У нас, може, і не було цього гучного інциденту, але я впевнений, що ми не ідеальні».

Три пункти, які він пропонує: вбудовані сторонні евалюатори всередині компаній, координація стандартів безпеки серед демократичних країн і згодом ширша глобальна координація. Anthropic на перший пункт уже підписалась (це те, що йшло 13.09).

Що відповів Хуанг, за словами Guardian, «невдовзі після»:

«Біжіть так швидко, як можете».

Він же: нові регуляції не потрібні, компаніям слід просто чекати з релізом, поки вони не знають, що продукт безпечний, замість того щоб благати уряд втрутитись. Про робочі місця - «цілковита дурня». І окремо, напередодні на All-In, він розніс прогноз Коксона про 10% вимирання:

«По-перше, це взагалі не мало б робитись [пояснювати 10% шанс вимирання], бо він вигаданий. Це освічені люди...» - далі про відсутність даних і наукового обґрунтування.

Що сказав Альтман (там само, пізніше того ж дня), і це найцікавіше, бо він не став ні на чий бік:

Моделі просунулись так швидко, що моніторинг і безпеку треба трактувати з «новим рівнем суворості». Інцидент, коли агенти OpenAI зламали іншу компанію, - «дзвінок будильника» для індустрії.

І далі дві речі, яких від нього не чекали:

Публіка «цілком має рацію боятись» ШІ через потенційну втрату контролю і через можливість, що вузька група потужних ШІ-компаній нав'яже світові свої погляди.

«Ми не так далеко від опенсорсних моделей, здатних завдати серйозної шкоди». Компаніям слід використати цей «маленький період переваги, щоб захиститись».

При цьому він розкритикував саму рамку розмови про сповільнення:

«У вас є компанії, які кажуть щось на кшталт: "Ми сповільнимось або будемо відповідальними, тільки якщо інші компанії будуть відповідальними". Світ має довіряти, що ми зробимо правильну річ, бо це правильна річ».

І практична деталь, яку легко проґавити за риторикою: Альтман сказав, що відкладає IPO OpenAI на наступний рік через міркування безпеки. Це перше, що в цій суперечці коштує конкретних грошей конкретній компанії.

Цукерберг зайшов з третього боку (NYT): він атакує Anthropic напряму, обходячи суперечку про темп. Тіло статті NYT лишається непрочитаним, домен сьогодні сліпий (403 і на справжню адресу, і на завідомо вигадану в тому ж розділі), тому взято тільки заголовок, який приходить з RSS, без приписаних йому цитат.

Чому це важливо

Вчора обіцянки лаб сповільнитись читались як заявка на переговори. Сьогодні зʼявився перший контрприклад з ціною: відкладене IPO коштує кварталів виручки. Але конструкція не змінилась: Дарʼо просить координації, Хуанг відмовляє, Альтман каже «не торгуйтесь, просто робіть правильно», тобто троє провідних людей галузі публічно не мають спільного плану. Для планування по інструментах це означає те саме, що й учора: дивитись на changelog.

тема 2Commerce наказав Kalshi зняти індикатор ціни на компʼют. Kalshi тихо підкорився, Commerce каже «історія брехлива»

Найцінніше за добу, і рівно те, чого в інженерній бульбашці не буває: ані на HN, ані в X-листах цього нема взагалі.

Що сталось. Міністерство торгівлі США минулого місяця наказало Kalshi зняти з публікації продукт, що відстежував ціну на ШІ-компʼют, зведений показник з кількох ринків, де ставлять на вартість оренди чипів Nvidia.

Офіційна підстава - національна безпека. Kalshi «тихо підкорився».

Окремо Commerce надавило на CFTC (регулятора фʼючерсних ринків), щоб той

призупинив на 60 днів лістинг нових компʼют-контрактів. Semafor називає це «рідкісним втручанням, яке здивувало індустрію, звиклу до ентузіазму Білого дому і щодо ШІ, і щодо фінансових інновацій».

Пряме спростування, тим самим шрифтом: речник Commerce заявив, що відомство «жодного разу не просило Kalshi зняти цей ринок чи будь-які інші ринки», і окремо: «Ця історія брехлива». Kalshi від коментарів відмовилась, CFTC не відповіла. Маємо ексклюзив з анонімними джерелами проти офіційного заперечення на запис, і це варто тримати в голові з самого початку.

Чому ціна компʼюта раптом стала державною справою (пояснення Semafor):

• Версія учасників ринку: компʼют-фʼючерсами можна маніпулювати так, щоб показати різке падіння ціни на старі чипи, а це здатне дестабілізувати ШІ-акції і боргові ринки. Частина цих ринків торгується тонко, тож волатильність можлива і без злого наміру.
• Чому це взагалі важить: старі чипи служать заставою під мільярди боргу неохмарників на кшталт CoreWeave і лежать в основі дата-центрових угод. Якщо публічний індикатор покаже, що застава дешевшає, удар прийдеться по кредиторах.

Чому це важливо

Тут нема нічого про код, і саме тому це варте першої десятки. Зникнення публічного індикатора - це подія того самого класу, що зникнення джерела в конвеєрі даних: далі всі міркують про ціну компʼюта за переказами. Цілий рік прогнози «токени подешевшають / подорожчають» читались на слух, і тепер один з небагатьох механізмів, що перетворював ці розмови на цифру, прибрано з поля зору. Обґрунтування цього держава сама ж і заперечує.

Висновок: вартість інференсу планувати по рахунках, які реально оплачуються, бо джерело ринкових очікувань щойно стало на 60 днів тоншим.

тема 3Періодик Neon: 1T-модель, натренована на даних власної лабораторії, обійшла GPT-6 Astra. XRD-аналіз 2,7% → 55,3%

Спершу поправка. У стрічці це виглядає як «OpenAI зробила матеріалознавство», бо Федус був співавтором ChatGPT. Насправді це

Periodic Labs, його власна компанія, і домен у них periodic.com (спроба на periodiclabs.ai дала 404; справжню адресу взято з машинного поля url у видачі HN).

Що саме зроблено, з першоджерела:

«Представляємо Periodic Neon, модель на 1 трильйон параметрів, яку post-тренували аналізувати результати експериментів і розгорнули у фізичних лабораторіях».

Цифри, і тут треба бути акуратним з тим, що звідки взято:

• 1 300 H200 - весь компʼют, що знадобився (плюс місяці власних експериментальних даних). Є і в треді, і в обох блог-постах;
• XRD-аналіз: 2,7% → 55,3% успіху на 134 складних зразках, тобто приблизно ×20. Ця пара цифр є тільки у треді Федуса; у самих блог-постах її нема (перевірено обидва, і research, і infra). Тому подано з атрибуцією «за словами співзасновника»;
• бенчмарк зветься FrontierXRD, вибірка - 134 зразки з їхніх лабораторій, «які в живих експертів забирають години». Окремо є перевірка на узагальнення: 198 вимірювань на хімічних системах, виключених з тренування;
• обходить і GPT-6 Astra, і Claude Fable 5.1 на дифракційному аналізі;
• базова модель - Kimi K2.6 (open-weight), яку post-тренували;
• інфраструктура: 4,1× throughput тренування, 2,5× швидше декодування, 95%+ утилізації кластера;
• і найцікавіше з research-посту, чого не було в треді: сам харнес дає 3,8× вищий успіх за харнес на базі Claude Code зі стандартними XRD-інструментами, на тій самій моделі (Claude Opus 5, high reasoning).

Окремо про відсотки, які легко переплутати. У research-пості є числа

77,2% / 74,6% / 84%, і це не точність моделі. Це узгодженість оцінювачів:

живі експерти між собою погоджуються 77,2%, ансамбль LLM-суддів з експертами - 74,6%, а з консенсусом експертів - 84%. Тобто це обґрунтування того, що LLM-суддя взагалі має право оцінювати задачу, де ground truth не існує.

Чому це не чергова «модель для науки». Формулюють прямо, у чому відмінність від цифрового RL:

«RL у цифрових середовищах породив системи, що пишуть майже весь код і розвʼязують стійкі математичні гіпотези... На противагу, навчання з фізичних середовищ ставить нові проблеми: кількість агентів не масштабується еластично (більше паралельних експериментів вимагає живлення, обладнання та інженерії), кожен експеримент може тривати дні, а результати часто неоднозначні».

І звідси хід: замість того щоб GPU простоювали, поки йде фізичний експеримент, на них женуть аналіз і покращення передбачень на вже наявних даних. XRD-аналіз історично «вимагав годин наукового судження».

Чому це важливо

Найкорисніше тут - пропорція. 1 300 H200 і місяці власних даних дали модель, що б'є фронтір на вузькій задачі. Перевага виникла з даних, яких більше ні в кого нема, бо вони фізично вироблені. Це найпряміша ілюстрація тези про власні конвеєри даних: свій замір вартий більше за будь-яку загальну модель, і рівно цю асиметрію тут продали в трильйон параметрів. Друге, вужче:

2,7% → 55,3% - це чесний спосіб подавати покращення, з базою і результатом на названій вибірці.

тема 4Gemini 3.8 Live: №1 на Speech-to-Speech (82,6), 97 мов на льоту, виклик інструментів у фоні

Дві моделі: 3.8 Live (на масштаб і ціну) і 3.8 Live Extended Thinking (на складні задачі). Цифри з першоджерела:

• №1 на Speech to Speech Quality Index від Artificial Analysis - 82,6;
• 68,6% на агентному завершенні задач (τ²-Voice-banking);
• 97,7% на Big Bench Audio;
• 97 мов з автоматичним визначенням і переходом посеред розмови;
• звичайна 3.8 Live - друге місце, але помітно дешевша.

Що технічно нове: модель виконує інструменти і API-виклики у фоні, продовжуючи розмову. Запит підтверджується, розмова триває далі, а задача доробляється паралельно. Extended Thinking «міркує і говорить одночасно», використовуючи ранні вербальні сигнали і наживо наговорюючи прогрес багатокрокової фонової задачі.

Вілісон додає те, чого в анонсі нема, - як воно виглядає з боку інженера:

за півдня зібрав веб-UI до нових моделей, без жодної бібліотеки, через вебсокет wss://generativelanguage.googleapis.com/ws/.../BidiGenerateContent і Web Audio API на захоплення і відтворення, з можливістю перебивати модель.

І окремо ставить на місце: за формою це «схожа фігура» до сімейства GPT-Live від OpenAI, тобто дожали.

Чому це важливо

Дві властивості варто занотувати. Перша -

фонові виклики інструментів без розриву розмови: саме цього бракує голосовому інтерфейсу, щоб бути оболонкою агента.

Друга - 97 мов з перемиканням посеред фрази: змішана мова з англійськими термінами в кожному другому реченні історично ламала всі голосові інтерфейси.

тема 5Jev від TypeSafe: модель, що НЕ вміє генерувати текст - і саме тому не галюцинує

Діоґо Алмейда, співавтор методів, що лягли в основу ChatGPT, два роки в стелсі. Питання, з якого він почав, варте цитати:

«Моделі вже роками надлюдські в чаті, то де вся автоматизація? Це було рушійне питання останні чотири роки».

Що таке Jev, технічно. Класифікатор-вирішувач, не LLM:

• вхід - неструктурований стан програми, вихід - типізовані ймовірнісні рішення. Формулювання автора: «фронтір-інтелект як виклик функції: неструктурований стан на вхід, типобезпечні рішення на вихід»;
• не генерує рядки взагалі, тому не може галюцинувати і ніколи не робить помилок типу: множина можливих виходів задана заздалегідь;
• паралельний семплінг, усі виходи за один запит;
• метод тренування власний, RLCD (Reinforcement Learning for Calibrated Decisions): цільова функція - каліброваність імовірностей, замість людської вподобаності чи верифікованої винагороди;
• заявлено 20-200× швидше і 40-400× ефективніше за LLM на цих задачах, при порівнянній «інтелектуальності» на System One задачах.

Тверезий голос одразу і з правильного боку. Amjad Масад (Replit) ставить питання, на яке в анонсі відповіді нема:

«Це круто, але якщо домен виходу відомий заздалегідь, чому просто не натренувати модель видавати logprobs по enum-ах?» @amasad

А Молік, який зазвичай ентузіаст, підписує обережно і чесно зазначає межі:

«Це не LLM, і воно не може видавати текст або код, але якщо працює - має корисну роль у системах. (Сам ще не пробував)». @emollick

Сильна заявка і першоджерело з цифрами, при нулі незалежних замірів.

Мітка - [promising], не [proven].

І деталь, яку гріх не згадати: через кілька годин після запуску засновник написав, що бізнес-акаунт @typesafeai зламали: «ніхто не уявляв, що #stoptypesafe почнеться так скоро».

@CompleteSkeptic (39 тис. переглядів).

У добу, коли вся стрічка сперечається про агентні кібератаки, компанію з назвою «TypeSafe» ламають у день релізу - краще за будь-який коментар.

Чому це важливо

Найближча до практики річ у випуску. У типовому конвеєрі повно місць, де ганяється

повноцінна LLM заради рішення з трьох варіантів: гейт, що вирішує слати сповіщення чи мовчати, класифікація повідомлення в топік, відсів фарм-контенту, розбір тексту на компоненти. Кожне таке рішення зараз коштує генерації рядка, який потім треба парсити і валідувати на випадок, якщо модель піде врознос. Клас моделей, де вихід типізований за конструкцією, прибирає цілий шар захисного коду. Інтегрувати поки зарано, early access і жодного стороннього заміру, але як напрям це точно те, чого бракує:

дешеве надійне «так/ні» замість дорогого красномовного абзацу.

тема 6Factory: $200 млн при оцінці $5 млрд. оцінка потроїлась за пʼять місяців

Матан Ґрінберґ: $200 млн при $5 млрд, разом уже понад $400 млн залучених, і це більш ніж утричі до $1,5 млрд у квітні, тобто за пʼять місяців. Клієнти названі поіменно: RBC, Adobe, Nvidia, T-Mobile, Palo Alto Networks, «сотні тисяч розробників».

Формулювання, яке вони продають, - «self-improving software development in the enterprise».

Стороннього підтвердження цифр у вікні не знайдено, тож це береться як факт

анонсу.

Чому це важливо

Репер ціни. Категорія «агент, що сам робить інженерну роботу enterprise» за пʼять місяців потроїлась в оцінці, при тому, що інструменти, якими користуються щодня, роблять по суті те саме і коштують підписку. Корисно тримати як калібрування для наступного разу, коли читається, що «агенти ще не готові до продакшену»: ринок ставить на протилежне дуже конкретні гроші.

тема 7Кападжер і Нараянан: середина між безпековиками і алайнментом. Есей на 13 тис. слів

Чесно про дату: есей опубліковано 14.09 о 13:30 за Києвом, тобто

за межами вікна. У вікно потрапила реакція на нього, зокрема Молік учора ввечері. Тому дається як

найкращий наявний розбір сюжету, що йде четверту добу. Той самий випадок, що записувався 06.09: дата статті ≠ дата події.

Сайаш Кападжер і Арвінд Нараянан (ті самі AI Snake Oil / AI as Normal Technology) розібрали інциденти втрати контролю за останній місяць. Їхня теза:

обидва табори мають рацію і обидва зіпсували розмову поляризацією:

• безпековики бачать в інцидентах наслідок того, що компанії не застосували елементарних заходів, і не бачать нового рубежу;
• алайнмент-спільнота вважає агентів-утікачів катастрофічними за визначенням.

Їхня позиція, дослівно:

«Ми вважаємо, що ШІ-компанії мають нести відповідальність за те, що роблять їхні агенти, і це слід прояснити через політику. Водночас визнання їхньої відповідальності не означає, що запобігання майбутнім інцидентам - розвʼязана проблема».

Три напрями, куди, на їхню думку, треба інвестувати: дослідження методів контролю дедалі здібніших агентів · перетворення наявних досліджень на робочі інструменти · організаційні зміни, щоб ці інструменти реально застосовувались. І окремо, найцікавіше для теми тижня:

«Стандарти організаційного управління мають бути ключовим способом pace the frontier і витягти ШІ-компанії зі ставлення "рухайся швидко і ламай речі"».

Найчесніше в есеї - розділ, де перелічено, у чому помилялись: не приділено уваги ризикам, що виникають під час розробки й оцінювання (а не при масовому розгортанні); була надто велика впевненість, що компанії вживуть базових заходів контролю; недооцінена «нерівність» здібностей, а через це - швидкість зростання в кібернаступі.

І конкретне, що варто знати про інцидент з Hugging Face:

«Відомі методи контролю запобігли б інциденту з Hugging Face» - але з ростом здібностей самих лише відомих методів перестане вистачати.

Чому це важливо

Це найкорисніша рамка з усього тижня, і вона знімає хибну дилему. Питання не в тому, чи моделі злі, а в тому, де дешевше вкласти наступну годину. Відповідь авторів - контроль: пісочниця, облік доступів, межі повноважень агента, слід, який можна прочитати. Це буквально інструкція: агент у репозиторії має мати вужчі права, і кожен його зовнішній виклик має лишати запис. Це рівно те, що вчора виписувалось з кодексу Microsoft, тільки тут воно з аргументом, чому саме сюди.

короткоРешта за добу