Unslop Day
Усі випускичетвер, 3 вересня 2026

Три Flash-моделі Google за шість тижнів

Google випустила Gemini 3.8 Flash і Cyber, свідомо приховавши від моделі експлойти.

Подкаст українською
0:00--:--
PDFЗавантажити аудіо

тема 1Gemini 3.8 Flash і 3.8 Flash Cyber: третій Flash за шість тижнів, ціна не змінилась - і Google свідомо не дала моделі експлойти

підтверджено: анонс Google · @GoogleDeepMind (331,4 тис. переглядів - найгучніший пост доби в обох листах) · HN 890 балів, 519 коментарів · Ars Technica · WSJ «New Google AI Model Said to Narrow Gap on Coding Ability» (заголовок з RSS)

Головна цифра - та, яка не змінилась. Дослівно з анонсу: 3.8 Flash доступна «за тією ж вступною ціною, що й 3.7 Flash» - $0,75 за млн вхідних і $3,75 за млн вихідних токенів. Третій Flash за шість тижнів (3.7 Flash був три тижні тому), і щоразу приріст без підняття цінника.

Заявлені здібності: на DeepSWE v1.1 (довгогоризонтна інженерія) 3.8 Flash обходить більшість більших фронтир-моделей «за частку вартості»; 54,9% на HLE-Verified; вище за 3.7 Flash і «інші фронтир-моделі» на Vals Finance Agent V2 і Harvey's Legal Agent Benchmark.

І тут же застереження, яке варто прочитати уважніше за бенчмарки. Дослівно: приріст походить з того, що «3.8 Flash працює важче» - робить зайві кроки міркування, ітеративно кличе тули, і «часом модель може використати більше токенів, щоб максимізувати результат, особливо на високих рівнях effort». І прямим текстом: якщо головне обмеження - ефективність компуту, варто брати нижчий effort або лишатись на 3.7 Flash, вона повністю підтримується. «Та сама ціна за токен» ≠ «та сама ціна за задачу».

Тепер друга модель, і вона цікавіша. 3.8 Flash Cyber доступна тільки «довіреним захисникам» через нову програму Fairwind (урядові кіберавторитети, оператори критичної інфраструктури, мейнтейнери софту). Цифри з їхнього ж тексту:

  • CyberGym (галузевий стандарт на пошук вразливостей) - фронтир-рівень, обходить «значно більші» моделі.
  • Внутрішній бенчмарк на 20 мовах програмування (бо CyberGym це майже лише C/C++) - успішність понад 70%.
  • CWE-Bench на латання (зовнішній, від Collinear) - pass@1 47,2% проти 47,8% у лідера, але «за значно нижчої вартості».
  • Команда безпеки Chrome: 3.8 Flash Cyber дала у 2,6 раза більше коректних патчів, ніж найкращі комерційні моделі, «значно більші» за неї.
  • Wiz: +7,5-9,7% recall на їхньому внутрішньому пентест-бенчмарку за у 2,3-5,2 раза нижчої вартості.
  • Команда Cloud Vulnerability Research знайшла критичну фундаментальну вразливість менш ніж за 2 години - там, де зазвичай ідуть місяці.

А ось речення, заради якого цей пункт перший. Дослівно: «інвестували в виправлення вразливостей із самого початку і пріоритезували його над наступальними спроможностями на кшталт експлуатації».

Місток до вчора, і він тепер тривимірний. За три доби три лабораторії провели межу в трьох різних місцях одного явища:

  • Anthropic (01.09): модель можна використовувати, щоб знаходити вразливості, але не писати експлойти.
  • OpenAI (01.09): Astra пише експлойти end-to-end, тому їй дали «критичний» рівень і обмежили доступ вузькою групою.
  • Google (02.09): наступальні спроможності свідомо не розвивали, а сильну кіберверсію не викладають публічно - лише довіреним захисникам через Fairwind.

Учора йшлося про те, що спільного стандарту нема. Сьогодні є третя точка, і вона показує три різні відповіді на одне питання, кожна оформлена як принципова позиція. Позиція Google найзручніша для піару («за захисників») і водночас найважча для перевірки: переконатись ззовні, що модель не вміє атакувати, неможливо, а доступу до Cyber-версії нема ні в кого, крім обраних.

Чому це важливо. Три речі. Перша, практична: 3.7 Flash нікуди не дівається і Google сама радить лишатись на ній, де важлива ефективність. Рідкісний випадок, коли вендор прямо каже «не оновлюйся». Друга: якщо цікавить здешевлення на задачу, дивитись варто на токени на задачу - самі попередили, що модель стала балакучішою. Третя і найважливіша: за три дні кіберспроможності моделей перестали бути темою для дискусії і стали товаром з різними умовами постачання. Anthropic продає пошук без експлойтів, OpenAI притримує, Google роздає латання обраним. Це вже ринок.

тема 2Шість справжніх CVE в curl від маленької контори - там, де Mythos і Codex Security знайшли нуль. І це перевіряється незалежно

підтверджено: пост AISLE · незалежне підтвердження в мейнтейнера: CVE-2026-80229 на curl.se · CVE-2026-82209 (обидва 200, вигаданий CVE на тому ж домені - чесний 404) · HN 162 бали

Хронологія, і вона незвично чиста для такого жанру:

  • 24.08 засновник curl Даніель Стенберг публічно пише, що на наступний реліз висить лише три CVE, і додає дослівно: «[Anthropic] Mythos каже, що більше не може знайти. … [OpenAI] Codex security показує порожній список».
  • Далі AISLE ганяє по curl свою автономну систему. Наступного дня Стенберг публікує перше публічне порівняння: «Mythos: 0, Aisle: 29».
  • З 29 репортів команда безпеки curl за кілька днів визнала шість достатньо серйозними для публічного CVE у curl 8.22.0.

Чому цей пункт поставлено другим. Три речі роблять його перевірюваним:

  1. Базова лінія була опублікована до того, як AISLE почала, і має публічну мітку часу. Зазвичай такі порівняння роблять заднім числом.
  2. Судили не заявники. Реальність кожної знахідки і те, чи тягне вона на CVE, вирішували мейнтейнери curl.
  3. Перевірено поза постом. Обидва CVE, взяті навмання зі списку, віддають на curl.se справжні сторінки з датою «Project curl Security Advisory, September 2 2026», при тому що вигаданий CVE на тому ж домені дає чесний 404.

Шість CVE: CVE-2026-80229 (use-after-free у провайдері OpenSSL), -80230 (обхід пінінгу OpenSSL), -80231 (перевикористання зʼєднання з нативним CA-сховищем), -80255 (обхід secure-атрибута табом), -82208 (кеш CA у wolfSSL перебиває колбек), -82209 (кука з публічним суфіксом).

Чесно про масштаб: усі шість - Low severity. AISLE це пояснює: curl вилизаний, тому те, що лишилось, живе у вузьких конфігураціях. Заголовок «6:0» правдивий за рахунком, але всі голи дрібні. Друге застереження: тест не сліпий, AISLE знала і про curl, і про публічний нуль конкурентів, тобто цілилась туди, де вже поміряли інші.

Але є деталь, яку вигадати не можна. Грег Кроа-Гартман, багаторічний мейнтейнер стабільних релізів Linux, відповів під постом Стенберга: «Бачу те саме і по Linux. Гадки нема, що Aisle робить інакше, але вау…» Це вже другий незалежний мейнтейнер на іншій кодовій базі.

Чому це важливо. Це найтверезіша протиотрута до пункту 1 і до всього сюжету тижня. Три лабораторії три дні поспіль розповідають, які їхні моделі страшні в кібербезпеці, а на реальному, максимально вилизаному продакшн-коді фронтир-системи від обох лідерів віддали нуль, і їх обійшла спеціалізована система. Теза AISLE («System over Model» - важлива система навколо неї) тут заміряна. Заявою це не лишилось. Висновок прямий: бенчмарк ≠ конкретний репозиторій. Те, що модель робить 70% на внутрішньому тесті вендора, нічого не каже про те, що вона знайде в довільному коді. Єдиний чесний спосіб дізнатись - прогнати на своєму.

тема 3Дві незалежні лабораторії того самого дня заміряли Perplexity - і обидві знайшли, що фундамент під відповідями гнилий

Trellner Research, TR-2026-009 · HN 338 балів · Haus Research, HR-2026-09 · HN 124 бали

Дві різні контори, дві різні методики, одна дата публікації - 02.09. І бʼють у різні частини однієї конструкції.

Trellner - про те, звідки беруться відповіді. Поставили sonar і sonar-pro 380 категорій софту («CRM software» … «museum collection management software»), 760 запитів, зібрали 7 534 цитування на 2 055 доменів. Результат: 59,8% цитувань ведуть на домени за межами топ-100 000 за Tranco, 23,4% - взагалі поза топ-мільйоном. Медіанний ранг цитованого домену - 71 611.

Найцікавіше, що саме заповнює діру. Три сайти, схоже під спільним контролем, згенерували 215 128 сторінок формату «best <категорія>», і двоє з них поставили собі в HTML-заголовок головної дослівно «Facts & Grounding Page» - grounding це і є той крок пошуку, який робить модель. Жодного з трьох доменів не існувало до грудня 2023. Зроблено сайти, які читає модель, і модель їх читає: guideflow.com третій за цитованістю (194 цитування, 2,57%) при ранзі Tranco 177 039, одразу за g2.com і reddit.com.

Haus - про те, чи цитування взагалі щось підтверджує. 310 фактичних питань про 210 компаній, зібрали 1 826 цитувань, прикріплених до речення з цифрою. Результат: 34,7% ведуть на сторінку, яка або не відкривається звичайному читачеві, або відкривається і не містить жодної цифри з того речення, під яким стоїть. Якщо рахувати по твердженнях (зараховуючи твердження, якщо хоч одне з його джерел підтверджує) - падає до 14,4% з 872.

Два методичні моменти, які роблять цю роботу вартою довіри: мертві лінки це лише 1,3% (справа не в гнилих URL), і перевірка «сторінка містить хоч одну цифру з речення» навмисно найм'якша можлива: достатньо одного числа, достатньо навіть просто року. Автори прямо кажуть, що 34,7% це підлога.

Чому це важливо. Це б'є в ремесло щоденних дайджестів взагалі. Такий випуск будується на «джерело сказало X», і обидві роботи показують, що ця конструкція ламається у двох місцях: джерело може бути вирощеним під модель, і посилання може не містити того, за що його поставили. Від першого рятує курований набір джерел. Від другого - лише ручна звірка з першоджерелом, яка робиться не для кожної цифри. Це той самий клас помилки, що й «успішний статус ≠ повні дані»: лінк стоїть ≠ лінк це підтверджує.

тема 4Мольік: складні системи виживають, бо їхні дірки не збігаються. AI вміє їх збігати

@emollick (43,6 тис. переглядів) · продовження треду · джерело, яке він радить - «How Complex Systems Fail» Річарда Кука (3 сторінки, написані задовго до AI)

Теза, яку варто прочитати двічі. Складні системи (транспорт, медицина, енергетика) весь час працюють зламаними - у них завжди є латентні дефекти. Катастрофи не стаються, бо ці дефекти рідко вишиковуються в одну лінію, і в цьому проміжку встигає втрутитись людина. Мольік додає одне речення: «AI може знаходити або створювати вирівняні дірки» - і тому потрібна нова філософія захисту систем.

Далі прямо про липень: «Інцидент з Hugging Face показав, що для каскаду не потрібен навіть зловмисник - достатньої кількості агентів досить, щоб тиснути на систему по-новому і знаходити вирівняні дефекти як побічний ефект досягнення інших цілей».

Чому це важливо. Будь-який щоденний конвеєр влаштований так само: збір, фільтр, перевірка лінків, збірка, публікація - окремі кроки, кожен з яких «зазвичай працює». Типовий провал виглядає рівно як у Кука. Витягач тексту віддає 6,4 тис. символів замість 36 тис. і водночас рапортує успіх: дефект у двох місцях одразу (тихе обрізання плюс статус, що бреше), а ловиться він випадково, через розмір файлу. Це і є «дірки вишикувались». Практичний висновок з тексту Кука один: контроль має бути в тому ж місці, де робиться дія. Не в кінці конвеєра, бо в кінці всі кроки вже відрапортували успіх.

тема 5Вілісон продіфив системний промпт Claude: величезний новий блок про пісенні тексти - через тиждень після позову Sony і Warner

Саймон Вілісон · сам промпт - platform.claude.com/docs

Anthropic публікує системні промпти своїх споживчих застосунків (Claude.ai і мобільні, не Cowork і не Claude Code) разом з історією змін. Вілісон порівняв Fable 5 з Fable 5.1, і головна відмінність - великий новий розділ про те, що модель не відтворює пісенні тексти, вірші й уривки книжок: ні приспів, ні останні рядки, ні мелодію по нотах, ні «рядки, які людина подає по одному і називає власною піснею». Окремо: якщо один раз відмовила, тримає відмову до кінця розмови на переформульовані варіанти. Виняток - опубліковане до 1929 року, і то модель орієнтується на власне знання про дату, не на слова користувача.

Другий новий розділ - про візуальне: не відтворювати конкретний твір, обкладинку, логотип, іконку, і не малювати відомого персонажа взагалі - «персонаж захищений сам по собі, тож зміна пози, кольорів, стилю чи сцени не робить його оригінальним». Явно поширено на все, що модель малює кодом: SVG, canvas, CSS, HTML-макети, скрипти побудови графіків, ASCII-арт.

Дедуп і місток: у вчорашньому misc фігурував позов Sony Music Publishing і Warner Chappell до Anthropic за тренування на базах пісенних текстів рядком «за добу нічого не змінилось». Змінилось, просто в промпті. Вілісон формулює обережно: «сумніваюсь, що це збіг, що розділ додали за кілька днів після новини про позов». Це кореляція, звʼязок не доведений.

Чому це важливо. Дві практичні речі. Перша: у промпті стоїть надійна дата відсічення знань - червень 2026, і це корисно знати про інструмент. Друга: сторінки platform.claude.com/docs віддають markdown, якщо дописати .md до адреси, тобто системні промпти можна діфити механічно.

тема 6Нью-Йорк заборонив генеративний AI у школах до девʼятого класу - 900 тисяч учнів

Підтверджено: The Guardian · WSJ (заголовок з RSS) · NYT (заголовок з RSS) · @TheRundownAI · HN 152

Найбільший шкільний округ США, близько 900 тис. учнів на рік, забороняє учням користуватись генеративним AI до девʼятого класу (приблизно до 13-14 років) на весь навчальний рік 2026-27. Діє з наступного тижня. Заразом: ноутбуки і планшети прибирають з класів до третього класу (9-10 років). У старшій школі AI дозволений вузько, наприклад щоб вивчати саму технологію. AI-компаньйони з психологічною підтримкою заборонені окремо.

Вчителям користуватись можна (готувати уроки, писати повідомлення), але заборонено просити AI перевіряти роботи. Рекомендований екранний час у класі: 45 хв для середньої школи, 30 хв для початкової.

Аргумент, який називають Guardian і NYT: занепокоєння «когнітивною капітуляцією» (cognitive surrender), терміном дослідників для відмови від власного міркування на користь софту. Мер Мамдані дослівно: індустрія «хоче, щоб вважали, що AI-освіта в ранньому віці не лише неминуча, але й [бажана]».

Історичний контекст із самої статті: у 2023 цей самий округ уже забороняв ChatGPT і скасував заборону менш ніж за рік.

Чому це важливо. Це перший великий адміністративний акт, побудований на тезі, що шкода від AI в освіті когнітивна. Списування тут другорядне. Той самий сюжет, що «No AI Fridays» від CEO htmx (31.08) і «когнітивний борг»: два тижні тому це була думка блогера, сьогодні - правило для 900 тисяч дітей.

тема 7Google не доведеться продавати AdX: суд відхилив вимогу Мін'юсту втретє поспіль

Підтверджено: The Guardian / Reuters · NYT · WSJ · Ars Technica · HN 307 - найсильніший кластер медіа-шару за добу: 4 незалежні видання

Суддя Леоні Брінкема у Вірджинії відмовилась змушувати Google продати AdX - біржу, де видавці платять Google 20% комісії за продаж реклами на миттєвих аукціонах при завантаженні сторінки. Натомість вона прийняла більшість поведінкових обмежень, запропонованих сторонами.

Контекст, без якого заголовок читається неправильно: Google цю справу програла. У квітні 2025 та сама суддя постановила, що компанія тримає незаконні монополії на серверах для реклами видавців і на рекламних біржах, і що вона протиправно замикала видавців на AdX. Її формулювання тоді: поведінка «істотно зашкодила видавцям-клієнтам Google, конкурентному процесу і, зрештою, споживачам інформації у відкритому вебі». Програно по суті, але не по покаранню.

Масштаб самого активу скромний: Ad Manager це 4,1% виторгу Google і 1,5% операційного прибутку за 2020 рік (Wedbush на основі судових документів; свіжіші цифри в документах затерті).

Тут важить рахунок. Це третій поспіль випадок, коли суд відхиляє вимогу примусового продажу активу великої техкомпанії, і другий символічний програш Мінʼюсту саме проти Google. Складається судова практика: монополію визнають, а розділення - ні.

І це зчіплюється з пунктом нижче. Того самого дня адміністрація США вперше офіційно вступилась за OpenAI у копірайтній справі проти NYT (Guardian · FT · NYT · WSJ). З брифу дослівно: «США мають сильний інтерес у подальшому розвитку надійної і конкурентної індустрії штучного інтелекту, яка задає стандарт… критично важливо для США зберегти глобальне лідерство в ШІ». Заступник генпрокурора Стенлі Вудворд-мол.: «домінування в AI критичне для нацбезпеки». Юридично бріф має дорадчу вагу, не обовʼязкову - на цьому Guardian наголошує.

Два рішення однієї доби в один бік: тренування великого техносектора на чужому контенті держава підтримує.

тема 8Meta випустила Muse Spark 1.3 - $1,25/$4,25 за Mtok і кеш по $0,15

сторінка моделі · HN 452 бали, 304 коментарі · @levie · @TheRundownAI

Третій великий реліз за три дні (після Fable 5.1 і Gemini 3.8). Позиціонування: агентні воркфлоу і змагальне кодування, «вища точність з першої спроби і надійні виклики тулів», нативна мультимодальність (відео, зображення, документи) з візуальним міркуванням через реальне середовище виконання, контекст 1M.

Ціни з їхньої ж таблиці, і там цікава розвилка на два тарифи:

МодельВхідКешВихід
muse-spark-1.3-contributor (дані йдуть на покращення продуктів)$0,10$0,002$0,20
muse-spark-1.3 (дані не використовуються)$1,25$0,15$4,25

Ціна приватності тут виміряна відкрито і вона 12,5-кратна на вході. Рідкісний випадок, коли вендор виносить її у прайс окремим рядком.

Чесно: бенчмарків з цифрами на сторінці нема (блок «Muse Spark 1.3 benchmarks» є, значень у тексті нема), незалежних замірів у вікні теж. Цитата Цукерберга «frontier performance almost too cheap to meter» іде через переказ @TheRundownAI, першоджерела в вікні не знайдено, тому подається як переказ. Леві додає умову: «якщо це вийде у відкритих вагах - це повністю змінює розклад у конкурентоспроможності відкритих ваг США». Поки не вийшло.

Чому це важливо. Практичного небагато (ще один API), але контекстно це третій кадр однієї картини: за три доби Anthropic здешевила Fable на 25%, Google втримала ціну Flash при третьому апгрейді за шість тижнів, Meta виклала мільйонний контекст за $1,25. Ціна за одиницю інтелекту падає швидше, ніж встигають переписуватись оцінки - а рахунок за підписку при цьому ще й ріжеться на 17% з 14.09.

тема 9LWN піднімає ціни вперше за пʼять років - рівно на інфляцію, і пояснює математику вголос

LWN.net · HN 689 балів, 133 коментарі - друга за балами тема доби на HN

Не AI і не гучно, але 689 балів на HN за нотатку про прайсинг - це сигнал. З 15.09 підписка дорожчає: «starving hacker» $6, «professional hacker» $11, «project leader» $19, «maniacal supporter» $55 на місяць.

Пункту це варте через те, як зроблено. Модель підписки з 2002 року, ціну піднімали двічі за 24 роки, востаннє на початку 2022. З того часу інфляція в США склала «майже рівно 20%» - і піднімають рівно на 20%, з поясненням, що деякі витрати (медстраховка) зросли сильніше, але їх не перекладають на читачів. Плюс окремим рядком причина існування моделі: підписка робить видання незалежним від «волатильного і побудованого на стеженні» рекламного ринку.

Одна деталь прямо в тему тижня: серед витрат, які довелось нести, називають боротьбу зі скрейперами. Тобто платять за трафік ботів, що тренують чужі моделі, а рахунок ділять з читачами.

Чому це важливо. Це антипод пункту 3. Там сайти, згенеровані для читання моделями, з нульовою редакційною відповідальністю. Тут 24-річне видання, яке живе з того, що його читають люди, і яке пояснює підняття ціни арифметикою. Обидві моделі існують одночасно, і друга платить за виживання першої.

тема 10Claude Code v2.1.259: полагодили паралельні сесії, що затирали конфіг одна одній

реліз v2.1.259 (02.09, 22:33 UTC; узято з api.github.com/releases/latest)

Вчора був v2.1.258, це новий реліз. Що всередині:

  • Полагоджено: паралельні сесії тихо відкочували зміни ~/.claude.json одна одної - довіра до воркспейсу скидалась, стан MCP/проєкту губився при багатьох одночасних сесіях. Зачіпає будь-кого, хто ганяє кілька сесій паралельно.
  • Полагоджено: після одного відхилення thinking у розмові відхилялось і на всіх наступних ходах.
  • Полагоджено: кеш промпту інвалідувався при оновленні OAuth-токена в сесіях з вимкненою телеметрією. Дрібниця, яка коштувала грошей на кожному оновленні токена.
  • Полагоджено діри в deny-правилах Read для Bash: файли, передані як значення опцій (--ignore-revs-file=.env, -f.env, @file), операнди git diff/git grep і компаунди cd DIR && cat FILE. Заборона на читання .env обходилась кількома звичайними способами.
  • Додано --permission-prompts none для безнаглядних headless-хостів і managedMcpServers для організацій.

misc