тема 1Gemini 4 Argon вийшла для всіх платних користувачів
01.10 тут писали про анонс Gemini 4 Argon. Тоді Google дала модель лише кіберзахисникам і довіреним тестувальникам. 13.10 компанія відкрила її ширше, але тільки за гроші. У застосунку Gemini модель доступна на планах AI Pro ($20 на місяць) і AI Ultra (від $99 на місяць). В Antigravity і AI Studio Argon є лише на плані Ultra. Сторі зібрала на HN 1 059 балів, найбільше за добу.
Ціна в API тимчасова. До 30.11 Google бере $2 за 1 млн вхідних токенів і $10 за 1 млн вихідних, кешовані токени мають знижку 95%. Після 30.11 ціна зросте до $4 і $20, тобто до рівня Claude Opus 5.5. Ars нагадує, що розробникам варто закласти цю різницю заздалегідь. Бенчмарки Google не міняла, вони ті самі, що й 30.09.
Нові приклади Google наводить сама. В Chrome модель допомогла відокремити обробку сторінок від старої теки з функціями браузера на ~6 млн рядків. Для моделі Gemma 4 E2B Argon прискорила інференс у vLLM у 2,85 раза, з ~37 900 до понад 108 000 токенів на секунду. За даними Ars, у коментарях YouTube вона знайшла зайвий рендеринг емодзі, і навантаження на сервери впало на 45%.
Незалежні відгуки обережніші. Аарон Леві з Box пише, що на внутрішньому тесті Box Argon дала на 14 пунктів більше за Gemini 3.1 Pro. Сікі Чен прогнав свої тести cfo.ai. За його замірами, за вступною ціною Argon так само вигідна, як Opus 5.5, але вдвічі повільніша. GPT-6.1 Sol у тому ж прогоні втричі вигідніша за обидві. Ітан Моллік назвав Argon першою моделлю не від OpenAI чи Anthropic, що дотягує до рівня їхніх флагманів.
Чому це важливо. На вершині тепер чотири лабораторії, і вчорашня Muse Wonder від Meta теж коштує $4 і $20. Ринок фактично зійшовся на одній ціні флагмана. Тому вибір моделі вирішує швидкість і поведінка на конкретній задачі. Вступна ціна до 30.11 спокушає, але бюджет варто рахувати за повною ціною.
тема 2Anthropic замінила git власною системою: агенти зливають 30 000 змін на день
У травні Anthropic зливала в монорепозиторій близько 2 500 змін на день. У вересні вона зливала понад 30 000 на день. Майже весь цей код пише Claude. Компанія пише, що вузьким місцем став інструментарій для людей: контроль версій, збірка і CI.
Цифри монорепозиторію великі. Історія головної гілки займає майже 100 ГБ, стиснута робоча копія понад 25 ГБ. CI робить близько 25 млн checkout на день. Без оптимізацій це дало б понад 600 ПБ трафіку git на день. На піку компанія тримала кілька сотень внутрішніх дзеркал git.
Тому Anthropic зробила Scion, власну систему контролю версій, і за 5 місяців повністю перевела на неї монорепозиторій. Головна ідея проста: клієнти майже завжди агенти і задачі, які завжди онлайн. Тому сервер сам рахує історію, blame, злиття і rebase. Клієнт тримає лише частину файлів і тягне решту на запит. Інфраструктура Scion потребує у 200 разів менше CPU і пам'яті, ніж старі дзеркала git. Checkout став у 100 разів швидшим, а CI звільнив 25% CPU.
Scion і систему рев'ю Antique зробила команда з 7 людей. Усі вони оцінюють Claude як кращого програміста, ніж вони самі. Але роль інженера, за словами команди, часто полягала в тому, щоб сказати Claude «ні». Агенти порушували обмеження системи, а адверсарне рев'ю штовхало до зайвої складності. Люди досі переглядають кожну зміну. Але тепер вони перевіряють намір зміни і не читають кожен рядок.
Класичну чергу злиття з глобальним локом компанія не втримала і перейшла на тести після злиття.
Чому це важливо. Сама Anthropic пише, що Scion не замінить git для інших. Але вона чекає, що такі проблеми зустрінуть інші компанії через 6-12 місяців. Висновок для команди з агентами практичний. Коли агенти пишуть код у 10 разів швидше, першими ламаються CI, рев'ю і злиття. Ці місця варто міряти вже зараз.
тема 3Anthropic: малі моделі за кілька місяців зможуть розмножуватись на розумних пристроях
Червона команда Anthropic перевірила, чи може AI-модель сама себе копіювати з пристрою на пристрій. Ціль - дешеві пристрої інтернету речей: розумні духовки, ноунейм-приставки Android TV.
Такий черв'як несе з собою ваги моделі і запускає її прямо на зламаному залізі.
Перший експеримент показав, що заліза досить. Команда купила 15 приставок Android TV по ~$55 і запустила на них модель Gemma4-26B-A4B. Кожна приставка тримала два шари моделі. Швидкість вийшла 0,39 токена на секунду. Модель на 9 млрд параметрів сама налаштувала інференс на 8 з 9 типів заліза.
Другий експеримент перевіряв повний цикл: знайти ціль, скопіювати себе, запустити інференс і повторити. Зламування тут спростили до відкритого порту ADB без пароля. Повний цикл пройшла лише GLM-5.2. Вона заразила всі 8 вузлів у 4 з 5 спроб. Малі моделі до 30 млрд параметрів поки помиляються, коли складають кроки разом.
Висновок команди спирається на тренд. Малі відкриті моделі ростуть на 13,7 бала індексу ECI на рік. Якщо тренд втримається, мала модель дійде до рівня GLM-5.2 до кінця 2026 року. Такий черв'як був би повільним: за оцінкою команди, одна копія налаштовує інференс 1-2 доби. Але він вчиться: нотатки попередників підняли успіх Qwen3.5-9B з 45% до 61-84%.
Чому це важливо. Це оцінка компанії, і найслабший крок, сам злам, автори свідомо спростили.
Тому результат треба читати як верхню межу. Захист відомий з часів Mirai: без паролів за замовчуванням, з оновленнями і з карантином провайдера для заражених абонентів. За даними Anthropic, такий карантин колись прибрав 92% заражень Mirai за 14 днів.
тема 4XBOW зламала Chrome повним ланцюжком за 6 днів і $40 000
XBOW продає автоматичне тестування безпеки. Компанія розповіла, як зібрала повний ланцюжок зламу Chrome. Відкрита вебсторінка в такому ланцюжку виконує код на самому комп'ютері з Windows. Google заплатила за нього $250 000. Це перша така винагорода за правилами, які Google ввела у квітні 2026 року. Усі три баги вже виправлені.
Ланцюжок має три баги. Перший у Maglev, оптимізаторі JavaScript-рушія V8. Другий у декодері анімованих WebP, він дає вихід за пісочницю V8. Третій у Crashpad, обробнику збоїв, він дає вихід за пісочницю всього рендерера. Пошук вели агенти на публічній моделі OpenAI GPT-5.6 Sol. Люди обирали цілі, перевіряли результати і вирішували, які частини з'єднати.
Перша версія ланцюжка не пройшла: Google вже знала про один з багів. Команда заздалегідь зробила кожну частину замінною, тому швидко зібрала новий ланцюжок. Він зайняв 6 днів, з 2 по 7 серпня. За логами Codex, обчислення коштували близько $40 000. До великих моделей, за оцінкою XBOW, така робота займала в команди з 4 людей 6-9 місяців.
Чому це важливо. Цифри дає сама XBOW, але Google підтвердила результат виплатою. Головне тут ціна: $40 000 і публічна модель. Отже, повний злам браузера тепер доступний не лише державним командам. XBOW радить дві прості речі: перезапускати Chrome одразу після оновлення і тестувати власний код раніше за атакувальника.
тема 5Інженера OpenAI заарештували за жучок у переговорній керівництва
ФБР заарештувало інженера OpenAI Абдулрахмана Альфозана, 35 років, громадянина Саудівської Аравії. За даними прокуратури, він сховав записувальний пристрій у переговорній керівництва в штаб-квартирі в Сан-Франциско. Пристрій знайшли 30.09. Він стояв у USB-порту за телевізором і був загорнутий у туалетний папір. Записи на ньому були зашифровані.
Прокуратура описує підготовку. Перед встановленням Альфозан питав внутрішній інструмент про адреси офісів, переговорні і календарі керівництва. Акаунт чатбота, пов'язаний з його дружиною, з 24 по 30.09 питав, як зібрати безперервний аудіозапис і зашифрувати SD-карту. 05.10 охорона знайшла його сумку з гаманцем і другим таким самим пристроєм.
OpenAI пише, що пристрій знайшла її команда технічної контррозвідки під час планової перевірки.
Розібратись, що це за пристрій, компанії допомогли власні моделі. Альфозан працював в OpenAI з липня 2025 року. Йому загрожує до 5 років ув'язнення і штраф $250 000. Мотив і замовника прокуратура не називає.
Чому це важливо. Влада США прямо називає справу питанням національної безпеки, а ФБР називає захист AI-досліджень пріоритетом контррозвідки. Для лабораторій це означає витрати на фізичну безпеку, як в оборонних компаніях. А журнал запитів до AI-інструментів, як видно зі скарги, тепер теж доказ у суді.
тема 6Character.ai пішла на банкрутство, Disney пропонує $20 млн
Character.ai, один з перших хітів генеративного AI, подала на банкрутство за розділом 11 у США.
Компанія хоче продати бізнес під наглядом суду до кінця листопада або початку грудня. Якщо покупця не знайдуть, платформу закриють. Поки сервіс і платні підписки працюють.
Головний претендент - Disney. Вона пропонує $20 млн за частину активів і невиключну ліцензію на частину технологій. Ще у вересні 2025 року Disney вимагала прибрати своїх персонажів з платформи і писала, що чатботи Character.ai шкодять дітям. Тепер технічний директор Disney - колишній CEO Character.ai Карандіп Ананд. За даними The Verge, до Disney перейде і частина технічної команди.
У 2024 році Google заплатила понад $2 млрд, щоб забрати засновників і частину команди. За даними NBC, які цитує Ars, борги компанії від $50 млн до $100 млн. Проти неї досі судяться два штати, Кентуккі і Пенсільванія. Ars окремо звертає увагу на дані: політика приватності дозволяє передати листування користувачів покупцю разом з активами.
Чому це важливо. Минулого року сервіс мав понад 20 млн активних користувачів на місяць. Головний претендент пропонує за частину активів лише $20 млн. Велика аудиторія без захисту від судів коштує мало. Для користувачів чатботів висновок прямий: при банкрутстві листування стає активом, який продають разом з компанією.
тема 7МВФ назвав крах AI-акцій ризиком для світу, бос Broadcom порівняв ринок з казино
МВФ випустив піврічний звіт про фінансову стабільність. Фонд назвав корекцію AI-акцій одним з трьох головних ризиків для світових ринків. Два інші - дорожчі державні позики і велика кібератака. За словами МВФ, залежність решти світу від американських активів, особливо AI, зараз найвища в історії.
Фонд окремо пише про кругове фінансування. За три роки гіперскейлери уклали зі слабшими AI-компаніями угод на $300 млрд і додали $650 млрд боргу. Натомість вони отримали обіцянки $1,4 трлн майбутніх платежів. Сім найбільших техкомпаній займають понад 35% індексу S&P 500, десять років тому було 12%.
Того ж дня глава Broadcom Хок Тан сказав, що багато інвесторів «не розуміють, у що вкладають», і порівняв ринок з казино. Китайська CXMT заявила про прогрес у новій архітектурі пам'яті DRAM.
Корейський індекс Kospi впав на 6,25%, Samsung на 7,4%, SK Hynix на 10%, SoftBank на 8,5%.
Чому це важливо. Застереження від МВФ і від продавця чипів того ж дня звучить переконливіше, ніж окремі голоси скептиків. Падіння Kospi показує, як швидко ринок реагує на одну новину з Китаю. Для компаній, що будують продукт на дешевих токенах, це сигнал: ціна обчислень залежить і від того, чи витримає ринок кредитне навантаження.
тема 8Бен Рехт: «швидше FFT» від OpenAI працює лише на неіснуючому комп'ютері
08.10 тут писали, як Скотт Ааронсон хвалив математичні статті OpenAI. Серед результатів він назвав перетворення Фур'є, швидше за O(n log n). 09.10 OpenAI відкликала три статті з цього набору. Тепер професор Берклі Бен Рехт розібрав саме FFT. Він назвав результат «шкідливим експлойтом» правил.
Аргумент Рехта стосується моделі обчислень. Алгоритм припускає точну комплексну арифметику:
множення чисел будь-якої довжини за одну операцію. Ці числа ростуть з n швидше за будь-який поліном. У бітах таке зберігання вимагало б майже експоненційної пам'яті. Прихована константа, за оцінкою з самої статті, близько 10^100. Отже, класичний FFT швидший при будь-якому реальному розмірі задачі.
Рехт нагадує, що обмеження давно відомі. У 1973 році Жак Моргенштерн довів нижню межу для FFT з обмеженими коефіцієнтами. Пізніше Нір Айлон показав, що швидше за n log n не вийде без сильної чисельної нестабільності. На думку Рехта, AI тут лише автоматизував стару ваду теорії: доводити те, що ніколи не запустять на комп'ютері.
Чому це важливо. Масовий випуск доведень моделлю впирається в ту саму стіну, що й код від агента. Формально правильний результат може не відповідати на справжнє питання. Перевірка Lean-сертифікатом ловить помилку в доведенні, але не ловить неправильно поставлене питання.