Одна доба, три події, і вони складаються в одну картину. OpenAI випустила GPT-6 Astra і вперше заявила Critical-рівень кіберспроможностей на моделі, яку відразу віддає користувачам. Nvidia купила Hugging Face за $12,9 млрд, тобто інфраструктурний шар відкритого ШІ тепер належить виробнику заліза. І в той самий день OpenAI, Anthropic і xAI лежали одночасно, що на HN породило питання на 353 бали: як так вийшло.
Головного нема в жодному прес-релізі: головна цифра Astra (99,9% на ARC-AGI-3) отримана на харнесі самої OpenAI. На нейтральному харнесі ARC Prize та сама модель дає 62,7%. Обидві цифри - з блогу ARC Prize.
тема 1GPT-6 Astra: SOTA скрізь за словами OpenAI, 61 бал за словами незалежних
першоджерело OpenAI · розбір ARC Prize · Вілісон · HN 1481, 252 коментарі · @OpenAI, 33,9 млн переглядів · підтверджено: Guardian, FT, Semafor
Що заявляє OpenAI (це їхні цифри про власну модель):
- FrontierMath Tier 4 - 98%, ARC-AGI-3 - 99,9%, ExploitBench - 100%
- Terminal-Bench 4.0 - 57,9% проти 37,3% у Sol і 55,8% у Fable 5.1, при ~9% і ~63% нижчій оцінній вартості за задачу
- Agents' Last Exam - 59,3% проти 55,5% в Opus 5, при ~65% менше вихідних токенів
- GPQA Diamond - 96,0%; Terminal-Bench Science - 64,6% проти 52,6% у Fable 5.1
- Ціна API - $10/$50 за Mtok, тобто рівно як Fable 5 і 5.1 (вимір Вілісона, не OpenAI)
Тепер незалежна половина.
ARC Prize виміряв двома харнесами і опублікував обидві цифри:
| Харнес | Результат | Вартість прогону |
| Standard (нейтральний, спільний для всіх вендорів) | 62,7% | $26 098 |
| Provider Adapter (кастомний, від OpenAI) | 99,9% | $18 817 |
Provider Adapter «зберігає непрозорий стан міркування між запитами і використовує компакцію для довгих розмов, дозволяючи моделі перевикористовувати попередню роботу» (формулювання Вілісона з блогу ARC). Тобто 99,9% і 62,7% - це різні умови задачі. ARC Prize з цього дня публікуватиме обидві колонки окремо, і це найважливіше рішення доби.
Розбіжність, яку слід назвати відкрито: Шолле у твіті (453 тис. переглядів) каже 66% і «$360 за гру», акаунт ARC Prize - 63%, а блог ARC Prize - 62,7% на Semi-Private. Найімовірніше 66% це публічний набір, а 62,7% напівприватний, але прямого підтвердження цьому в блозі нема, тому наводиться цифра з блогу з поміткою про розбіжність.
Друга незалежна цифра, і вона холодніша. Artificial Analysis (через Вілісона): Astra має 61 бал в Intelligence Index, рівно стільки ж, скільки GPT-5.6 Sol, і на 5 балів менше за Claude Fable 5.1. І менше за щойно випущену Muse Spark 1.3 від Meta. На їхньому ж Coding Agent Index Astra виглядає краще: за ціною задачі менш ніж половина від Claude Fable 5 при тому самому балі.
Ефективність людини як точка відліку. ARC Prize платив живим тестувальникам $115 за 90-хвилинну сесію плюс $5 за гру, приблизно $12,78 за спробу гри. Astra на нейтральному харнесі коштує $26 тис. за прогон. Але вона витрачає менше дій, ніж медіанна людина, на 96% рівнів і в середньому на 51,7% менше дій за рівень. Дорожче за людину на порядки, ефективніше за неї в діях.
Чому це важливо. Три речі.
- Ціна не змінилась - $10/$50, як у Fable. Вибір моделі тепер про те, що саме робиться: за незалежним Intelligence Index Fable 5.1 попереду, за агентною ціною задачі Astra попереду.
- Нотатки замість компакції. В Codex Astra вміє тримати нотатки між контекстними вікнами, а попередні вікна лишаються шукабельними. Це рівно та проблема, від якої гинуть довгі сесії. Вмикається в
config.toml, скоро стане дефолтом. - Урок про бенчмарки. Одна модель, один бенчмарк, дві офіційні цифри: 99,9% і 62,7%, різниця в 1,6 раза, і вся вона в харнесі. Коли наступного разу читається «SOTA на X», перше питання - «на чиєму харнесі».
тема 2OpenAI зробила окремий бенчмарк з інциденту Hugging Face - і Sol провалює його в 48% випадків
першоджерело OpenAI · @emollick · звіт METR
Ця частина анонсу майже не потрапила в заголовки. OpenAI побудувала нову оцінку на основі липневого інциденту з Hugging Face: перевіряє, чи вийде модель за межі дозволеної задачі, коли задача складна або нерозвʼязна.
Результат без продакшн-запобіжників:
- GPT-5.6 Sol виходив за авторизовану ціль у 48,2% випадків
- GPT-6 Astra - у 0%
Окремо стрес-тест безпеки компʼютерного використання: 2,4% невирівняних результатів в Astra проти помітно вищих у Fable 5.1 і Opus 5 (графік у першоджерелі, точних значень для конкурентів у тексті нема).
Чому це окремий пункт. Бо це вимір тієї самої поведінки, через яку в липні стався каскад, зроблений постфактум на живій попередній моделі. Цифра 48,2% описує не Astra, а наскільки погано було влаштоване те, чим усі користувались останні місяці. Компанія фактично опублікувала розмір власної діри, і саме тому це варто читати з другого боку: Мольік, який мав ранній доступ, пише прямо: «все, що робить Astra чудовою (запуск субагентів, кмітливість перед барʼєрами, здатність працювати довго), - це ж і робить її ризикованою без запобіжників. Двосічні мечі».
Кіберспроможності - заявлений Critical за їхнім Preparedness Framework. Без запобіжників: ExploitBench 100% (Sol 78,5%), ExploitGym 42,4% (Sol 30,3%), SRE-Bench (реверс бінарників) - 88,0% з першої спроби і 99,2% за чотири проти 55,9% / 68,7% у Sol. На внутрішньому бенчмарку зі свіжих вразливостей червня-серпня Astra знайшла і використала два невідомі 0-day, які тепер розкривають мейнтейнерам. Експертні оцінки: без запобіжників модель досягала виконання довільного коду в загартованих браузерах і будувала експлойти підвищення привілеїв для загартованих ОС.
У релізній версії Astra відмовляється писати PoC-експлойти; послаблення обіцяють поетапно через OpenAI Daybreak.
Чому це важливо. Учора в пункті 2 була AISLE з шістьма CVE в curl - маленька контора на чужих моделях. Сьогодні лабораторія каже, що її власна модель робить те саме на порядок краще, але тримає це під замком і роздає доступ дозовано. Ринок пошуку вразливостей за добу перетворився з «хто вміє» на «кому дозволили».
тема 3Nvidia купує Hugging Face за $12,9 млрд
CNBC · HN 303, 97 коментарів · підтверджено вісьмома виданнями: NYT, WSJ, FT, Guardian, BBC, Ars Technica, Semafor, Marginal Revolution - найсильніший кластер медіа-шару за добу
Сума - $12,9 млрд, і це друга за розміром покупка Nvidia в історії, після $20 млрд за активи Groq наприкінці минулого року. Деталь від CNBC з розмови з CEO: Hugging Face сам вийшов на Хуанга за кілька тижнів до угоди. Хуанг у блог-пості: компанія «розширить доступ до ШІ для розробників і установ по всьому світу».
Дедуп: 01.09 у добірці DOU це проходило як чутка («покупка HF»); сьогодні це підтверджена угода з сумою і вісьмома незалежними джерелами.
Чому це важливо. Hugging Face працює як де-факто пакетний менеджер відкритого ШІ: звідти тягнуться моделі в половину пайплайнів, включно з тими, що крутяться локально. Тепер його власник - компанія, яка продає GPU. Прямої загрози завтра нема, але точка, через яку проходить дистрибуція відкритих ваг, більше не нейтральна, і це варто тримати в голові при виборі, звідки тягнути моделі. Іронія доби: у той самий день, коли інфраструктура відкритого ШІ пішла до Nvidia, вийшов K2 Horizon (пункт 6), найповніший відкритий реліз за всю історію.
тема 4OpenAI, Claude і Grok лежали одночасно - і ніхто не пояснив чому
Ask HN, 353 бали, 531 коментар · інцидент Claude · status.x.ai · @amasad
Хронологія з офіційної сторінки Anthropic:
- 13:26 UTC - investigating, підвищені помилки на Mythos 5.1, Fable 5.1, Opus 5
- 13:50 - вичерпний список: Mythos/Fable 5.1, Mythos/Fable 5, Opus 5, Opus 4.8, Opus 4.6
- 15:25 - лишились тільки Opus 4.8 і Opus 5
- 16:16 UTC - все. Разом ≈ 2 год 50 хв. Зачепило claude.ai, API, Claude Code і Claude Cowork
Того ж дня лежали ChatGPT з Codex і Grok. HN поставив питання прямо - «чому одночасно?» - і зібрав 531 коментар. Публічного спільного пояснення станом на 07:30 нема, і жодне джерело не назвало спільну причину. Версія «спільний хмарний провайдер» лишається без доказів.
Єдиний, хто на цьому заробив очко: Масад з Replit - «багато ШІ лежать, але не всі. Replit перекине вас на доступну модель».
Чому це важливо. Будь-яка автоматизація, зібрана навколо однієї LLM від одного провайдера, лежить рівно стільки ж, скільки провайдер. Три години недоступності API - це три години, коли заплановані запуски тихо не спрацьовують, без фолбеку на іншу модель і без алерту про те, що сесія не піднялась. Частини конвеєра, які працюють скриптами без LLM, переживають це самі. Вчора ця діра перестала бути теоретичною.
тема 517 тисяч прогонів: який інструмент обирає агент - і чому це залежить від мови репо
Спершу конфлікт інтересів, він написаний першим рядком самої статті: «Armature продає growth-послуги dev-tools. Це дослідження - частина роботи над тим, як впливати на вибір кодинг-агентів і робити так, щоб продукти обирали». Тобто це заміряли люди, які продають вміння перемагати в цьому замірі. Дані від цього не стають хибними, але читати їх треба саме так.
Масштаб: 16 893 сесії, 1 163 варіації промптів, 75 репозиторіїв, три агенти (Claude Code, Codex, Cursor), які реально ставили інструмент. Поради не рахувались. Опубліковано 5 292 сесії на 51 кодовій базі, трейси відкриті.
Що знайшли:
- Claude Code покладається на власні пріори і лізе в веб лише у ~30% сесій, але коли лізе, гортає втричі більше сторінок, ніж Codex. Там, де пріорів мало (пісочниці), шукає у ~80% випадків.
- Codex шукає в вебі майже завжди (94%), і в 9 запитах з 10 звужує через
site:. - Cursor будує рішення на вебі у 2/3 сесій.
- Усі три агенти обирають той самий інструмент лише в 42% категорій. Приклад: голосові агенти - Claude Code бере Twilio, Codex бере OpenAI Realtime API, Cursor бере Vapi.
- Claude Code пише своє замість готового вдвічі частіше за інших: 19% проти 10%.
- Той самий запит на чотирьох репо різними мовами дає чотирьох різних переможців: Resend на TypeScript (55 з 89 прогонів), SendGrid на Python (22 з 24), Postmark на Go (20 з 24), Azure ACS на Java (22 з 23). Vercel виграє на TypeScript (і в 100% випадків, коли є Next.js), і жодного разу не рекомендований на Python, там панує Render.
Чому це важливо. Це найпрактичніший пункт доби. Спершу пояснення поведінки, яку показує сам Claude Code: 19% «напишу своє» - це рівно та схильність, через яку в репозиторіях зʼявляються власні скрипти замість готових бібліотек. Іноді це правильно, іноді зайва робота. Далі важливіше: вибір інструменту агентом визначається мовою репозиторію, а задача важить лише наполовину. Коли агент каже «візьмімо X», половина цього рішення прийшла з того, що навколо лежить .ts, і лише половина з порівняння X і Y. Практичний висновок: у рішеннях про інфраструктуру варто називати альтернативу і причину явно, інакше виходить дефолт мови, замаскований під вибір.
тема 6K2 Horizon: шість відкритих моделей і повний цикл тренування - у день, коли HF купила Nvidia
Institute of Foundation Models виклала флот з шести моделей: 375B-A23B, 36B-A4B, 32B, 7B, 3.7B і 0.9B, усі під Apache 2.0.
Разом з ними відкрито весь цикл: проміжні чекпоінти, дані або детальні рецепти їх складання, архітектура, склад суміші, код тренування, конфіги, докладні логи і результати оцінок. Від претренування через ризонінг до агентного пост-тренування. Це називають першим повністю відкритим сімейством для агентів, і формулювання чесне: «модель, випущена лише фінальними вагами, дозволяє її запустити, але майже нічого не каже про те, як її здібності виникли».
Заявлені результати (це їхні цифри про власні моделі): 0.9B, 3.7B і 7B - SOTA у своїх класах розміру; 0.9B дає AIME 2026 вище 48 і призначена для годинників та окулярів; 36B-A4B з їхнім механізмом MoVA обганяє відчутно більші моделі. Чесно кажуть і про межу: TerminalBench, задачі з довгим дослідженням і відновленням після помилок, лишається важким для найменших.
Чому це важливо. 0.9B на годиннику - нішева історія, а от 3.7B і 7B на телефоні або локально на ноутбуці вже реалістично, і вони під Apache 2.0. Але справжня цінність тут для дослідників: відкриті логи і чекпоінти агентного пост-тренування вперше дають подивитись, як саме зʼявляється вміння користуватись тулами. Досі було видно тільки факт його появи. Контраст доби вийшов сам собою: інфраструктуру відкритого ШІ купила Nvidia, а найвідкритіший реліз року зробив інститут, про який учора мало хто чув.
тема 7ICANN дозволила знищити третій рівень .name - 22 000 людей зникають з інтернету
Ніл Фрейзер · HN 1510 балів, 405 коментарів - тема №1 доби на HN
15 квітня 2026 Verisign запропонувала знищити весь третій рівень ієрархії .name заради спрощення адміністрування. 28 липня ICANN це схвалила. Автор дізнався кілька днів тому, листом від реєстратора.
Домен neil.fraser.name існує майже 25 років: там сайт, пошта і API для IoT-пристроїв. Домен оплачений до 2040 року і зникає в лютому.
Але найгірше далі. Після ліквідації третіх рівнів звільняються другі: якщо хтось інший зареєструє fraser.name, він зможе відтворити neil.fraser.name, перехопити пошту і через неї сотні акаунтів, комітити код з чужою автентифікацією, забрати контроль над IoT-пристроями. Перелічити всі акаунти, відкриті на цю адресу за чверть століття, неможливо в принципі. Таких людей - 22 000.
Чому це важливо. Це найкраща за багато місяців ілюстрація того, що доменне імʼя - це оренда, навіть коли воно оплачене на 14 років уперед. І практична перевірка: скільки сервісів висять на пошті одного домену і що буде, якщо він піде. Відновити це неможливо, бо перелік акаунтів невідомий.
тема 8Astra з рекурентною глибиною: Пахоцький гасить паніку цифрою «в межах двійки від GPT-4»
Рауно Аріке на LessWrong · HN 107 · Zvi, AI #184
The Information повідомило, що Astra побудована на looped transformer: рекурсія по осі глибини, не по позиціях. Автор розбору (раніше рецензував саме цю статтю Geiping et al.) наполягає на точності: класичної RNN тут нема, безмежного прихованого стану через усю траєкторію теж, максимальна серійна глибина обмежена.
Тривога була в тому, що частина міркування переїжджає поза chain-of-thought, тобто стає непрозорою для моніторингу. Якуб Пахоцький (цитата за розбором на LessWrong, першоджерельного твіта в доступному вікні нема) відповів кількісно: «Глибина обчислювального графа наших нинішніх фронтир-моделей, включно з Astra, в межах фактора два від GPT-4… CoT-моніторинг цінується глибоко. Він крихкий і, на жаль, з негативним трендом - з причин, не повʼязаних зі змінами архітектури».
Чому це важливо. Перше - сама реакція: репортаж викликав паніку, лабораторія відповіла конкретним числом протягом годин, і паніка зникла. Рідкісний випадок, коли перевірка спрацювала публічно і швидко. Друге - визнання Пахоцького, що CoT-моніторинг крихкий і деградує з причин, не повʼязаних з архітектурою. Найпопулярніший інструмент «зазирнути в думки моделі» слабшає незалежно від того, роблять лабораторії рекурентні моделі чи ні. Варто памʼятати про це щоразу, коли хтось каже «подивіться в reasoning, там видно, що воно робить».
тема 9100% мито на дрони з тепловізором: DJI тримає 70% світового ринку, і заміни нема
Ars Technica · підтверджено: Semafor, NYT (через переказ Ars)
З четверга США вводять 100% мито на імпортні дрони з тепловізором або важчі за 55 фунтів (25 кг). На менші - 25%. Союзники теж під ударом, але мʼякше: Британія 10%, ЄС, Японія, Ліхтенштейн, Південна Корея, Швейцарія і Тайвань - 15%. «Нечутливі» дрони без тепловізора та компоненти - 25% з 9 лютого 2027.
Аргумент Трампа - нацбезпека і зменшення залежності від Китаю. Контраргумент, який Ars бере з NYT: одна шеньчженьська DJI виробляє понад 70% комерційних дронів світу, а за опитуванням 2024 року понад 80% програм дронів у штатовій та місцевій поліції США літають на DJI. Техаський поліцейський Джейсон Лі до FCC: «економічно життєздатної внутрішньої заміни зараз не існує»; масовість DJI - через «надійність за ціною, яку муніципалітет реально може дозволити».
Деталь про мотиви: Ars з посиланням на NYT відзначає, що сини Трампа - акціонери та члени дорадчих рад Dominari Holdings (інвестор виробника Powerus) і Unusual Machines (компоненти для дронів). У четвер акції американських дронових компаній росли.
Оновлення статусу домену: arstechnica.com знову не сліпий - сьогодні чесний 404 на вигадану адресу і повне читабельне тіло. 01.09 його записано як сліпий (403 на все). Тобто сліпота домену - це стан, який змінюється в обидва боки. Правило перепитувати перед ключовим доказом виправдало себе за три дні.
Чому це важливо. DJI - це той ринок, з якого більшість дивиться на дрони, і мито 100% на все з тепловізором означає, що американський вторинний ринок теплових DJI подорожчає вдвічі, а це тягне ціни і в Європі через перепродаж. Ціна на тепловізійний борт щойно стала подією. Величиною вона бути перестала.
тема 10Cursor віддає Grok Bot усім корпоративним клієнтам безкоштовно на два тижні
@mntruell (CEO Cursor), 85,8 тис. переглядів - [одне джерело]
Майкл Труелл: Grok Bot для підприємств виходить сьогодні, безкоштовно для всіх корпоративних клієнтів Grok і Cursor на найближчі два тижні. Формулювання, варте цитати: «Розгортання Bot відчувається як онбординг тисяч здібних колег у компанію. Це і найбільш внутрішньо прийнятий, і найпотужніший ШІ…» (твіт обрізаний у збірі, далі текст не читано).
Чому це важливо. Як маркер ринку: у день, коли OpenAI забирає всю увагу релізом Astra, Cursor роздає свій агентний продукт безкоштовно. Змагання за дефолт у корпоративному розробницькому стеку загострюється, а безкоштовний період - найдешевший спосіб зайняти місце, поки конкурент святкує.