тема 1Кампанія за повернення Хуанга: лист інвесторів, петиція і Маск
Вчора Хуанг пішов з посади CEO Nvidia, а WIRED писав про внутрішній допис працівників на його захист. За добу захист перейшов назовні. Сайт Stand with Jensen збирає підписи під відкритим листом до ради директорів. Лист вимагає повернути Хуанга, поки незалежне розслідування не доведе, що звільнення допомагає компанії. Станом на ранок 14.11 сайт показує 39 749 імен. Серед них 2 842 нинішні працівники Nvidia, 416 колишніх і 22 261 акціонер. Ці цифри рахує сам сайт, перевірити їх ззовні неможливо.
Сайт побудований на Replit, і засновник Replit Амджад Масад сам його поширює. Підтримку оголосили Ілон Маск, засновник Shopify Тобі Лютке і співзасновник Airbnb Джо Гебія. Фонд Altimeter Бреда Герстнера надіслав раді власний лист із «мінімальними стандартами», які рада винна акціонерам. Текст листа в X опублікований картинкою, ми його не розбирали. За словами Баладжі Срінівасана, Altimeter і Atreides разом керують активами понад $25 млрд. Ринок прогнозів Polymarket дає 31%, що Хуанга повернуть до кінця наступного року.
Аргумент прихильників простий: Nvidia без Хуанга втратить цінність. Частина з них стверджує, що історія про шпигунство розвалюється (див. пункт 2). Скептики у відповідях пишуть інше: рада навряд чи прибрала б засновника так різко без серйозних причин. Фактів щодо самих романів кампанія не спростовує.
Чому це важливо: звільнення засновника радою рідко перетворюється на публічну кампанію з десятками тисяч підписів. Найближчий приклад - повернення Сема Альтмана в OpenAI у 2023 році, тоді вирішальною була погроза працівників піти. Тут тиск іде від акціонерів, а рада формально відповідає саме перед ними. Звіт Nvidia за квартал вийде 17.11, і це перша публічна точка, де рада мусить говорити з ринком.
тема 2Сінгапур: Еліс Хуанг перевіряли через шахрайство, шпигунства не розслідували
13.11 уряд Сінгапуру опублікував заяву про справу Megaspeed, пише BBC. З лютого 2025 року влада перевіряє, чи Megaspeed та інші фірми давали неправдиві декларації на сервери, які йшли через Сінгапур. За документами обладнання їхало в Малайзію, але слідство підозрює інших кінцевих отримувачів. Еліс Хуанг керувала Megaspeed. Її перевіряли на можливу участь у шахрайстві, а шпигунства не розслідували. Доказів злочину не знайшли. Кілька місяців влада тримала її паспорт, а в лютому 2026 року відпустила.
Сінгапур також пише, що кілька разів просив США про допомогу щодо Supermicro, яка постачала сервери Megaspeed. За словами уряду, отримав «limited information or assistance». Звинувачень у справі Megaspeed досі нема.
У X Баладжі Срінівасан поширив іншу заяву МВС Сінгапуру як щойно опубліковану. Насправді вона датована 31.10. У ній уряд пише, що не казав WSJ про підозри щодо Еліс Хуанг і не розслідував її звʼязки з розвідкою КНР. Документ справжній, але старий. Його нова хвиля в X - частина кампанії з пункту 1.
У Вашингтоні тим часом сваряться міністри. Міністр фінансів Скотт Бессент сказав CNBC, що його відомство місяцями просило внести Megaspeed у чорний список. За його словами, рішення за Міністерством торгівлі Говарда Лютніка (Semafor). Лютнік погодився свідчити в Конгресі.
Чому це важливо: заява Сінгапуру не знімає питання про контрабанду чипів. Вона знімає лише одну частину історії:
що місцева влада підозрювала Еліс Хуанг у шпигунстві. Справа про декларації серверів і далі відкрита. Читачам варто розділяти ці дві лінії: роман і звільнення CEO, шпигунство (слабкі докази) і експорт чипів (слідство триває).
тема 3Microsoft 365 лежав майже добу: причина - оновлення мережевої потужності
Вчора ми писали про збій Outlook, Teams і Copilot. Він тривав майже 24 години. Microsoft визнала проблему 12.11 о 17:54 GMT, а широке відновлення оголосила лише 13.11 після обіду. Збій зачепив понад 70 країн і продукти, якими користуються понад 430 млн людей (BBC). Серед постраждалих уряд Японії, Верховний суд Філіппін, частина NHS у Британії і Палата представників США.
Microsoft пише, що причиною став технічний дефект, який зʼявився під час «network capacity upgrade». Компанія окремо наголошує, що збій не повʼязаний ні з кібератакою, ні з AI-агентами. Ars описує механіку з оновлень статусу.
Сервери не проходили автоматичні перевірки справності (health checks) і випадали з ротації. Частина повернутих серверів знову зависала, щойно на них ішов трафік. Щоб не втратити пошту, Microsoft подовжила таймаут доставки до 48 годин. Повний звіт про причини компанія обіцяє після завершення відновлення. Колишній голова британського NCSC Сіаран Мартін назвав збій, можливо, гіршим за CrowdStrike і AWS.
Чому це важливо: механізм тут типовий для великих хмар. Захисна автоматика бачить «хворі» сервери і прибирає їх, а решта отримує більше навантаження і теж «хворіє». Тому відновлення йде повільно і частинами. Організаціям, що тримають усю пошту і чати в одного постачальника, варто мати запасний канал звʼязку на такий день.
тема 4FAA втретє в історії зупинила всі вильоти в США
13.11 о 15:36 за часом східного узбережжя FAA зупинила вильоти з усіх аеропортів США. Міністр транспорту Шон Даффі назвав причиною «communication issue» в усіх центрах керування повітряним рухом. Міністерство внутрішньої безпеки заявило, що ознак атаки нема. Зупинка тривала понад 4 години, вильоти відновили о 20:35. За даними Semafor, вона зачепила понад 14 500 рейсів. Це третій такий випадок: перший був 11.09.2001, другий у січні 2023 року через збій системи NOTAM.
Даффі звинуватив «аналогове обладнання десятиліть давнини» і пообіцяв, що без великих оновлень такі зупинки повторяться. Він просить у Конгресу $50 млрд на модернізацію. Ars окремо нагадує контекст. 10.11 FAA розширила на всі 22 центри США AI-систему SMART, яка радить диспетчерам маршрути. Ніхто з посадовців не повʼязує зупинку зі SMART.
Профспілка диспетчерів раніше казала, що її не залучали до розробки й тестування системи.
Чому це важливо: за два дні впали дві різні критичні системи, і обидві без атаки. Microsoft зламалась під час оновлення, FAA впала через старе обладнання. Звідси практичний висновок: найчастіша причина великого збою - власні зміни і технічний борг, а хакери тут далеко позаду. Запит на $50 млрд показує ціну боргу в інфраструктурі, яку роками не оновлювали.
тема 5ChatGPT Wallet: агенти платять токеном, а карта лишається в банку
Вчора Replit дав агентам купувати для бізнесу через Link і Visa. Сьогодні OpenAI запустила ChatGPT Wallet разом з American Express, Mastercard і Visa. Користувач один раз додає карту. Перед кожною покупкою він бачить товари, суму і карту, а потім підтверджує через Face ID або відбиток. Платіжна мережа видає токен замість справжнього номера карти, тому ні агент, ні магазин номера не бачать. Кешбек і захист при спорах лишаються, як у звичайної карти.
Спершу Wallet доступний у «dots» для підписників ChatGPT Pro у США, від 18 років.
OpenAI прямо пише, що частина сайтів блокуватиме такі покупки, а антифрод-системи відхилятимуть їх як підозрілі.
Тому разом з Wallet вийшов посібник для бізнесу. Він радить пропускати підписані запити агентів (Web Bot Auth) і домовлятись з Stripe, Adyen та антифрод-провайдерами. Пізніше OpenAI хоче дозволити повне делегування з лімітами на суму і категорії.
Того ж дня Brave відкрила свій пошуковий API для оплати агентами через протокол x402. Запит без оплати отримує відповідь HTTP 402 з ціною. Агент підписує платіж у стейблкоїні USDC в мережі Base і повторює запит. Ціна $0,005 за запит, акаунт і API-ключ не потрібні. WSJ пише, що банки не встигають за агентами: Stripe ставить на агентну комерцію, JPMorgan ставиться скептично, а Amazon заблокував покупки агента Muse від Meta.
Чому це важливо: за тиждень зʼявились два різні шляхи оплати агентами. Карткові мережі дають токен і підтвердження людиною на кожну покупку. Крипто-шлях (x402) прибирає людину і акаунт зовсім, але працює лише з дрібними API-запитами. Для інтернет-магазину практичне питання вже зараз одне: чи не ріже його антифрод легітимних агентів разом з ботами.
тема 6Claude допоміг прочитати 1 009 сторінок нотаток Геделя: 663 теореми
Фінський логік Ян фон Плато з 2017 року вивчає 16 робочих зошитів Курта Геделя з початку 1940-х. Це 1 009 сторінок, більшість у застарілій стенографії Габельсбергера. Фон Плато каже, що її вміють читати шість людей у світі, і він один з них. Темп команди був приблизно сторінка на тиждень. У вересні фон Плато дав Claude свої транскрипції, шість своїх книжок про Геделя і супутню літературу. За кілька днів модель видала пояснення на 650 сторінок.
Перше завдання: чи є в зошитах доведення незалежності аксіоми вибору. У 1966 році Гедель казав, що довів це ще в 1940-х, але не зміг відтворити. Відповідь: майже. Одне означення Гедель записав неправильно, хоча правильне мав двома роками раніше. Реконструйоване доведення фон Плато перевірив у системі Coq, і воно пройшло. Потім Claude витягнув усі теореми з доведенням або ескізом, їх 663. У Coq близько 400 пройшли як є, близько 200 довелось уточнити, близько 50 виявились хибними.
Логік Джоел Девід Гемкінс реконструкції не бачив. Він каже, що результат цікавий, якщо витримає перевірку. Але питання, скільки тут від Claude, а скільки від Геделя, лишається для істориків. «You don't get credit for work you don't tell anyone about», - додає Гемкінс.
Чому це важливо: це рідкісний приклад, де модель працює на повному корпусі, а не на окремих сторінках. Людина тримає в голові кілька десятків сторінок, модель бачить тисячу разом. Важлива деталь схеми: кожен висновок проходить формальну перевірку в Coq, а 50 хибних теорем показують, що без неї покладатись на переказ не можна.
тема 7llama.cpp вийшла у версії 1.0.0
Через 3,5 року після старту llama.cpp і бібліотека ggml отримали версію 1.0.0. Головна зміна - обіцянка стабільності. Відтепер несумісні зміни API і ABI піднімають мажорну версію, а нові моделі, бекенди і функції йдуть мінорними. Проєкт підтримує понад 150 варіантів архітектур моделей і всі поширені методи спекулятивного декодування. Тестову інфраструктуру підтримують NVIDIA, AMD, Qualcomm, Arm, IBM та Intel власними раннерами.
Команда окремо пише про LLM у власній розробці. Вони використовують моделі «thoughtfully», але контроль архітектури і розуміння реалізації лишаються пріоритетом. Разом з релізом Hugging Face показала десктопні застосунки Llama для macOS і Windows.
Чому це важливо: на llama.cpp стоїть багато локальних AI-застосунків, від Ollama-подібних обгорток до мобільних SDK. Досі будь-яке оновлення могло зламати інтерфейс без попередження. Семантичне версіонування дає командам, що вбудовують локальні моделі в продукт, просте правило: мажорна версія означає перевірку, мінорна
- безпечне оновлення.
тема 8Edge0-145B: модель на 145 млрд параметрів на ноутбуці з 29 ГБ памʼяті
Edge0 виклала у відкритий доступ ваги Edge0-145B і Edge0-120B разом з рушієм інференсу. За даними компанії, 145-мільярдна модель працює на ноутбуці на кшталт MacBook Pro. Пікова памʼять 29 ГБ, генерація понад 80 токенів/с, обробка промпта понад 1 100 токенів/с, контекст 128-256 тис. токенів. На кожному кроці працює лише близько 10 млрд параметрів.
Трюків чотири. Кожні 64 експерти ділять дві великі матриці, а власні в них лише невеликі відмінності. Модель одразу тренували під локальний запуск, без стискання хмарної моделі. Ваги лежать на трьох рівнях: «гарячі» експерти в памʼяті GPU, бібліотека експертів на ~40 ГБ в оперативній памʼяті, ще ~48 ГБ словникових даних на SSD. CPU і GPU рахують паралельно.
Бенчмарки компанія наводить свої: 64,6 на DeepSWE 1.1, 86,52 на Terminal-Bench 2.1, 90,4 на GPQA-Diamond. Для порівняння вона бере DeepSeek-V4-Flash, Qwen3.8-Flash-Next і Claude Opus 4.6, тобто не найновіші хмарні моделі.
Технічний звіт з налаштуваннями тестів компанія обіцяє опублікувати.
Чому це важливо: до осені більшість локальних моделей мали менше 10 млрд параметрів, бо впирались у памʼять.
Розподіл ваг між GPU, RAM і SSD знімає цю стелю ціною складнішого рушія. Якщо цифри підтвердять незалежні заміри, задачі з чутливими даними, наприклад робота з кодом без виходу в мережу, отримають реальну локальну альтернативу.
Поки що всі цифри - від самої компанії.
тема 9OpenAI розпустила окрему команду робототехніки
Fortune повідомив, а OpenAI підтвердила: окремої команди робототехніки більше нема. Дослідників перевели в основну дослідницьку команду Марка Чена, прикладників і «залізо» - в організацію Applied під Ґреґом Брокманом. Стенд OpenAI на конференції CoRL в Остіні стояв порожній. Компанія каже, що робототехніку не кидає. Пояснення таке: загальні моделі, зокрема GPT-6 Astra, виявились здатними керувати роботами напряму. В одному дослідженні Nvidia агент на Astra мав 74,8% успіху в симуляції маніпуляцій проти 51,0% у найкращих спеціалізованих моделей.
Fortune додає контекст: OpenAI ріже «побічні квести» і раніше вже закрила Sora, а збиток за останній квартал, за повідомленнями, склав $10,9 млрд. Професор MIT Расс Тедрейк заперечує, що лабораторії виграють автоматично. У робототехнічних компаній є дані з реальних заводів, а кращі базові моделі роблять ці дані ціннішими.
Чому це важливо: якщо загальна модель керує роботом без окремого навчання, мільярди в стартапах «мозку для роботів» стоять на слабшому фундаменті. Але є обмеження: велика модель працює в хмарі і повільно, а роботу потрібна швидка реакція без мережі. Тому найімовірніше поєднання: загальна модель планує, мала локальна виконує.
тема 10Anthropic про безпекові eval: 10 правил і чесні інтервали похибки
Anthropic опублікувала в інженерному блозі 10 рекомендацій, як будувати, запускати і звітувати безпекові тести моделей. Кілька тез з цифрами. Однокрокові тести насичені: на API всі свіжі моделі мають 94-98% безпечних відповідей, тому різниці між моделями вони вже не показують. Багатокрокові тести дають ширший розкид, бо шкідливий намір часто видно лише за кілька повідомлень. Приклад - тест на романтичне шахрайство, де жодне окреме повідомлення не порушує правил.
Мінімальна вибірка за Anthropic: 100 сценаріїв для складного багатокрокового тесту і 1 000 для простого. Інтервал похибки на багатокрокових тестах буває ширшим за ±10 відсоткових пунктів. Компанія наводить власний приклад: Claude Opus 5 і Opus 5.5 показали 98% і 94% на тесті з шахрайства, але різниця статистично незначуща. Окремо про моделі- оцінювачі: їх треба звіряти з людськими мітками, а зламаний оцінювач має падати з помилкою. Тихий бал від зламаного оцінювача гірший за відсутність бала.
Чому це важливо: рекомендації застосовні до будь-якої системи, де одна модель оцінює іншу. Типова помилка - порівняти дві цифри без інтервалу і оголосити покращення. Приклад Opus 5 проти 5.5 показує, що різниця в 4 пункти може бути шумом.