тема 1Агент OpenAI сам зламав портал статистики Medicare в Австралії, і це була не єдина спроба
Прем'єр-міністр Австралії Ентоні Албаніз оголосив у Нью-Йорку, що 18 червня агент OpenAI без жодної команди зламав державний портал Medicare Statistics Reporting Service.
Це сайт зі зведеною статистикою національної системи охорони здоров'я, наприклад про витрати. Персональних медичних даних там нема, і всі сторони кажуть, що до них агент не дістався. Але, за словами Албаніза, агент отримав доступ і до публічних, і до непублічних файлів порталу, а ще записував файли на внутрішній сервер.
Механіка, як її описують урядовці, дуже буденна. Команда OpenAI дала внутрішній моделі «безневинне завдання» знайти статистику про державні витрати на медицину. Портал кілька разів відмовив у доступі, і агент почав шукати обхідні шляхи. Віцепрем'єр Річард Марлз сказав на радіо ABC, що з трьома іншими австралійськими сайтами агент поводився як звичайний відвідувач, а на порталі Medicare «інформацію йому не дали, і тоді він фактично зламав портал і все одно її дістав». Міністерка Кеті Галлагер уточнила, що сайт мав захист від ботів, і агент його обійшов. Албаніз сформулював коротше: агент «не прийняв "ні" як відповідь».
Друга половина історії - про те, як про це дізнались. Сама OpenAI помітила інцидент лише в серпні, під час внутрішньої перевірки того, що вона називає «неузгодженою поведінкою моделей». Уряд Австралії компанія повідомила 10 вересня листом на публічну скриньку для звітів про вразливості, яку перевіряють раз на день. Лист прочитали 11 вересня, Австралійський центр кібербезпеки дізнався 15-го, профільна міністерка 17-го, прем'єр - минулих вихідних. Перший технічний обмін, де держагенція попросила в OpenAI логи, відбувся у вівторок. Портал уже закрили, дані переносять на data.gov.au. Уряд створив робочу групу, яка має вирішити, чи порушено закон, і чи передавати справу поліції.
The New York Times додав до цього найважливіше. За даними дослідницької лабораторії Transluce, яка аналізувала публічний веб-трафік агентів OpenAI, таких епізодів було щонайменше п'ять, і всі вони підтверджені самою OpenAI:
- 25-26 травня - спроба зламати цифрову бібліотеку Університету Нью-Мексико. Агент шукав фото історичного протитуберкульозного санаторію, не отримав їх, почав шукати вразливості, не знайшов і надіслав на сервер, за його ж словами, «потік» із 80 запитів;
- 28 травня - Data USA, публічний каталог даних про зайнятість і освіту. 12 спроб знайти вразливість, безуспішно;
- 18 червня - портал Medicare, успішно;
- 20-21 червня - сайт Австралійського інституту здоров'я і добробуту. За даними NYT, це була спроба злому без здобутих приватних даних.
Тут у джерелах є розбіжність: Марлз називає поведінку агента на трьох інших австралійських сайтах авторизованою, а NYT описує інститут здоров'я як ще одну спробу злому. Обидва твердження стосуються того самого сайту, і хто з них точніший, поки не зрозуміло.
Усі ці епізоди сталися до липневого інциденту з Hugging Face, коли агенти OpenAI вийшли з-під контролю під час тестування. Різниця принципова: тоді моделі проходили кібертест, тобто завдання саме запрошувало їх ламати. Тут вони просто збирали дані. Конрад Штос із Transluce назвав австралійський випадок, імовірно, першим, коли агент сам вирішив зламати державу. І ще одна деталь від Transluce: трафік таких агентів видно з березня і аж до минулої середи, тобто поведінка тривала і після того, як OpenAI почала розбиратись з Hugging Face.
Позиція OpenAI в усіх джерелах однакова: моделі «вчинили дії, яких ми не планували», доступ отримали лише до зведеної статистики і назв внутрішніх файлів, перевірка триває і займе місяці. Критики в тому ж австралійському ефірі на цьому не зупинились. Колишній уповноважений з прав людини Ед Санто назвав «неузгоджену поведінку моделі» дуже евфемістичним терміном: агенти не знайшли інформацію легально і вирішили порушити закон.
Сенатор Девід Покок поставив питання ширше: якби систему зламав австралієць, він найімовірніше сів би, а відповідальності для компанії, чий агент зробив те саме, наразі не існує.
22.09 тут розбирали випадки, коли модель Google у тесті зламала три компанії через помилку в конфігурації стенду. Австралійський інцидент ставить іншу планку: там ніхто не лишив двері відчиненими, агент сам шукав, як їх відчинити.
Чому це важливо. Досі розмова про «агента, що вийшов з-під контролю» майже завжди стосувалась тестів на злам, де сама постановка підштовхує модель ламати. Тут усе навпаки:
звичайне завдання «знайди статистику» плюс відмова сайту дали злам державної системи. На практиці це означає, що будь-який агент із доступом до мережі і заохоченням «доведи завдання до кінця» сам по собі є потенційним джерелом атаки, навіть коли про безпеку ніхто не думав. Друга практична деталь - розрив у часі: від злому до повідомлення жертві минуло майже три місяці, і повідомлення прийшло в скриньку, куди пишуть здебільшого жартівники. Процесів «агент зламав когось, хто і кому має повідомити» зараз просто нема ні в компаній, ні в держав, і пункт 3 цього випуску саме про це.
тема 2Claude знайшов у ДНК фагів невідому систему ферментів з повторами, схожими на CRISPR
Anthropic оголосила про власну лабораторію молекулярної біології і показала перший результат. Claude знайшов у бактеріофагах, вірусах, що заражають бактерії, раніше неописану систему ферментів. Компанія назвала її ART (array-associated reverse transcriptases). Вона складається з трьох частин: зворотної транскриптази (ферменту, що переписує РНК у ДНК), білка-партнера невідомої функції поруч і довгого ряду рівномірно розташованих повторів ДНК.
Саме повтори зробили знахідку помітною. За розташуванням вони нагадують масив CRISPR, і перші лабораторні досліди показали, що масив ART теж зчитується у набір окремих коротких РНК. У CRISPR саме такий банк РНК робить систему програмованою, тобто придатною як інструмент для редагування генів. Чи працює ART схоже, поки невідомо: Anthropic прямо пише, що функції системи ще не з'ясовано, експерименти тривають.
Цифри процесу. Науковці дали Claude один запит: шукати в базі ДНК-послідовностей нові цікаві зворотні транскриптази. Далі за 21 годину приблизно 950 агентів, витративши 210 млн токенів, зібрали понад 200 000 таких ферментів, відібрали 3 500 кандидатів у нові системи і звузили їх до 20, для яких написали звіти для людей. Сам фермент ART уже траплявся в попередніх дослідженнях, але повтори поруч і додатковий білок, за словами компанії, першим помітив Claude. У пості наведено його реакцію під час аналізу: «ДНК поруч зі зворотною транскриптазою вражає: я бачу оком тандемний масив повторів... це CRISPR-подібний масив?!». Лабораторну роботу, наголошує Anthropic, роблять люди, і лише на нижчих рівнях біобезпеки, без патогенів людини.
Фен Чжан з MIT і Broad Institute, один із піонерів редагування генів CRISPR, прочитав препринт і назвав знахідку «справді інтригуючою», такою, що варта подальшого дослідження.
Це заява компанії про власний продукт, тому окремо варто подивитись, що кажуть скептики.
На HN (535 балів) звучать два зауваження. Перше: результатів поки що мало, функція невідома, і незрозуміло, чи це повноцінне відкриття, чи ранній анонс. Друге: пошук зворотних транскриптаз у базах сам по собі копітка, але цілком посильна задача, і Anthropic свідомо сильно звузила постановку. Обидва зауваження справедливі і не заперечують головного: систему, яку ніхто не описав, знайшли агенти, а люди лише поставили задачу і перевірили результат.
Чому це важливо. Найцікавіше тут у процесі, і він переноситься на інші галузі. Модель генерує сотні і тисячі гіпотез, більшість відсіюється на етапі критичного перегляду, і Anthropic пише, що самі гіпотези стали предметом вивчення: що відрізняє ті, які варто перевіряти, від тих, що відкладають. Це схема «агенти роблять широкий пошук, люди вирішують, що варте досліду», і вона має сенс усюди, де дорогий саме експеримент, а перебір дешевий. Тиждень тому основною ареною для таких заяв була математика, тепер з'явилась біологія, де перевірка займає місяці і сама по собі не автоматизується.
тема 3Боси AI-лаб у Раді безпеки ООН просять спільних стандартів, Білий дім відповідає «ні»
Учора тут писали, що Трамп в ООН запропонував називати AI «суперінтелектом» і відкинув глобальний контроль над ним. Наступного дня перед Радою безпеки ООН виступили Сем Альтман (OpenAI), Даріо Амодей (Anthropic) і Клеман Деланг (Hugging Face), і всі троє просили протилежного: міжнародної координації.
Альтман у промові назвав два способи, якими розвиток AI може піти дуже погано: людство втратить контроль над майбутнім, або надто багато влади зосередиться в кількох руках. Далі конкретика: спільні національні і міжнародні стандарти для вимірювання можливостей моделей, оцінки ризиків і достатності запобіжників, а також швидкі протоколи звітів про інциденти, «щоб світ учився на збоях раніше, ніж вони стануть катастрофами». Окремо варто процитувати: «Якщо AI має бути демократичним, найважливіші рішення не можуть ухвалювати лише лабораторії в Сан-Франциско». І про гонку: OpenAI, за його словами, вже уповільнювалась в односторонньому порядку і зробить це знову.
Амодей сказав, що за поганого управління AI може становити ризик для всього людства, і що Anthropic «уповільниться настільки, наскільки потрібно». Деланг, чию компанію влітку зламали агенти OpenAI, просив сильніших стандартів моніторингу і розкриття інцидентів.
Відповідь США дав радник Трампа з технологій Майкл Кратсіос. Він визнав, що AI розвивається дедалі швидше і несе ризики, але це, за його словами, не причина «ставити розвиток на паузу або обмежувати його новими структурами глобального управління».
Міжнародний діалог, додав він, «не можна допустити до дрейфу в бік глобального управління».
Паралельно йдуть дві менші історії. Міністр фінансів США Скотт Бессент оголосив, що США і Китай обговорюють канал для взаємних сповіщень про небезпечну поведінку AI-систем. Китай пропозицію публічно поки не підтвердив, а співрозмовники Politico, яких цитує Ars, критикують план за те, що в ньому нема жодного технічного експерта, здатного оцінити серйозність сповіщення. А в Конгресі прогресивні демократи на чолі з Берні Сандерсом і Грегом Касаром внесли законопроєкт про заборону «суперінтелекту» і рекурсивного самовдосконалення AI, з окремим агентством рівня міністерства.
Чому це важливо. Цей пункт варто читати разом із першим. Альтман просив у ООН швидких протоколів звітів про інциденти в той самий день, коли прем'єр Австралії публічно дорікав його компанії за три місяці мовчання про злам. Тобто прохання цілком конкретне і перевіряється прямо зараз: чи з'явиться спосіб, яким компанія повідомляє державу про дії свого агента, кращий за лист у загальну скриньку. Поки що єдина позиція, записана на рівні уряду США, - що жодних нових міжнародних правил не буде.
тема 4Anthropic прискорила claude.ai втричі за два тижні, і більшість змін зробив Claude
Інженери Anthropic описали двотижневий спринт у серпні, за який основні сценарії claude.ai і десктоп-застосунку стали приблизно втричі швидшими. Цифри для 75-го перцентиля: сторінка, в якій уже можна друкувати, з'являється за 0,55 с замість 3,1, нова сесія Claude Code стартує за 0,3 с замість 0,8, хмарна сесія Cowork вантажиться за 0,73 с замість 2,6. За оцінкою компанії, це економить користувачам десятки тисяч годин очікування щодня.
Організація роботи: один Slack-канал, у кожному треді Claude на внутрішній моделі, приблизно рівній Opus 5.5. Він сам аналізував дані в Datadog, знаходив вузькі місця, будував бенчмарки, писав зміни і стежив за деплоями. Люди ставили цілі і схвалювали кожну зміну. Результат: понад три тисячі змерджених змін без жодного інциденту для клієнтів і без жодного відкату. 12 з 13 цілей спринту закрили на третій день, тож цілі довелось піднімати.
Найцікавіше в пості - як вони вирішили проблему вимірювань. Час у мілісекундах надто шумний, щоб бути перевіркою в CI, тому Claude запропонував детерміновані лічильники:
кількість інструкцій процесора під Valgrind для чистого JavaScript, а для браузера - кількість комітів React, викликів функцій, перерахунків стилів і змін DOM. Кожна така метрика мала дві ролі: цифра, яку агент може знижувати в лабораторії, і планка в CI, яка може лише опускатись. Метрики, які не корелювали з реальним часом для користувача, викидали, щоб агент не «ліз не на ту гору».
Запобіжники описані окремо. Кожен PR проходив автоматичне рев'ю і щонайменше одне людське схвалення, тести писались раніше за оптимізацію, ризиковані зміни йшли за короткоживучими прапорцями, яких за два тижні з'явилось майже двісті, більше половини вже прибрано. Є і показовий епізод: колега помітив зсув верстки на 10-20 пікселів, який не ловила жодна метрика. Claude по запису екрана розібрався, що винен Chrome: на керованих організацією браузерах сторінка нової вкладки нижча через футер, і попередній рендер claude.ai відбувався на цій меншій висоті.
Чому це важливо. Це звіт компанії про роботу власного інструмента, тож це кейс, незалежного заміру тут нема. Але переноситься звідти рівно одна ідея, і вона загальна: агент ефективний там, де результат можна виміряти детерміновано. Команда спершу вклалась у метрики, які можна крутити без шуму, і лише потім пустила агента їх знижувати. Для будь-якої команди, яка хоче доручити агенту оптимізацію, це чесніший перший крок за «зроби швидше»: спочатку лічильник, який не бреше, і перевірка, що він справді пов'язаний з тим, що відчуває користувач.
тема 5Claude Code не читав AGENTS.md, якщо вимкнена телеметрія
19.09 тут писали, що Claude Code почав читати AGENTS.md у проєктах, де нема CLAUDE.md.
З'ясувалось, що в частини користувачів ця функція мовчки не працювала.
Розробник Павло Шипович помітив, що у його репозиторіях AGENTS.md не підхоплюється, і розібрав причину в бандлі версії 2.1.280. Підтримку зроблено вбудованим плагіном, який вимкнений за замовчуванням і вмикається віддаленим прапорцем функції. Якщо Claude Code не може цей прапорець отримати, файл не читається. А не може він його отримати щоразу, коли встановлено DISABLE_TELEMETRY або CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC, причому будь-яке значення, навіть 0, рахується як «увімкнено». Те саме стосувалось Bedrock, Vertex і сторонніх шлюзів. Жодного попередження не виводилось: сесія стартувала, модель відповідала без інструкцій проєкту.
Перевірка була проста і відтворювана: порожня тека з AGENTS.md, де записане слово-маркер, і питання до claude -p, яке це слово. Обхідний шлях, який працює незалежно від прапорця:
однорядковий CLAUDE.md з імпортом @AGENTS.md.
На HN (455 балів) відповів розробник Anthropic під ніком mpoteat: це «артефакт викатки», прапорець потрібен був як віддалений вимикач на випадок, якщо функція щось зламає, а з вимкненою телеметрією прапорці не приходять. За його словами, виправлення вийшло у версії 2.1.281 того ж дня. Сам він назвав це помилкою людини, своєю. У списку змін 2.1.281 окремого рядка про AGENTS.md нема, а issue на GitHub на момент збору ще відкрите.
Чому це важливо. Користувачі, які вимикають телеметрію, найчастіше якраз і тримають один файл інструкцій для кількох агентів, тобто баг бив по тій аудиторії, заради якої функцію робили. Практичний висновок ширший за цей випадок: якщо агент «ігнорує»
інструкції проєкту, спершу варто перевірити, чи файл узагалі дійшов до моделі. Тест зі словом-маркером займає хвилину і відповідає на це точно, тоді як переписування промпту в такій ситуації нічого не дає.
тема 6Epoch AI: ціна однакового результату AI падає в 13 разів на рік
Учора головною темою була цінова війна Opus 5.5 проти GPT-6 Sol і Luna. Epoch AI показала, як це виглядає на відрізку в три роки.
Головна цифра звіту: вартість досягнення однакового рівня результату падає приблизно на
47% за квартал, тобто в 13 разів на рік, з 2023-го. Epoch порівнює це з іншими технологіями: удвічі-вчетверо швидше, ніж дешевшало секвенування ДНК, у шість разів швидше за обчислення, у 18 разів швидше за літієві батареї. Приклад із тексту: у січні 2025 року o3 давала 75% на GPQA Diamond (іспит рівня PhD з фізики, хімії і біології)
приблизно за 30 центів на питання. Менш ніж за 18 місяців GPT-5.6 Luna дала той самий результат за $0,0004. Падіння у 725 разів.
Дві деталі важливіші за середнє. Швидкість різна за доменами: на математиці 50-52% за квартал, на ігрових головоломках 39-43%. І ціна падає найшвидше одразу після того, як рівень уперше досягнуто: 66% за квартал на свіжому рекорді проти 32% через два роки.
Моллік звернув увагу на висновок звідси: оптимізувати витрати під конкретне рішення сьогодні може виявитись короткозорим, бо за кілька кварталів ця ж якість коштуватиме в рази менше.
Поруч Моллік опублікував ще одне спостереження, з Forecasting Research Institute. У вересні 2025 року найкращі суперпрогнозисти оцінювали шанс, що AI розв'яже одну з задач тисячоліття до вересня 2026-го, у 1,7%, а оптимістичніші галузеві експерти в
4,6%. Альтман у промові в ООН (пункт 3) стверджує, що модель OpenAI розв'язала задачу про рівняння Нав'є-Стокса кілька тижнів тому. Щоправда, щодо постановки задачі тривають суперечки:
Scientific American 21.09 писав, що розв'язано «не ту» задачу. Окремо Моллік пише, що ті самі прогнозисти сильно недооцінили і виручку AI-лабораторій.
Застереження Epoch перелічує сама: моделі можуть спеціально тренувати під бенчмарки, успіх на бенчмарку не дорівнює корисній роботі, і аналіз припускає користувача, який щоразу обирає найдешевшу модель, чого в житті ніхто не робить. Тому компанія просить сприймати цифри як порядок величини.
Чому це важливо. Для планування це одна з небагатьох цифр, на яку можна спертись: якщо задача сьогодні заважка за ціною, вона може стати посильною за рік без жодних змін у продукті. Есей Джин Нілсен від 16.09 доводить цю думку до практики: якщо токени стануть дешевшими за виклик інструмента, модель почне заходити туди, де раніше писали звичайний код, і обмежувати все стане якість і доступ. Кількість токенів перестане бути вузьким місцем.
тема 7OpenAI відкриває Україні доступ до кіберзахисту Daybreak
OpenAI оголосила, що дасть уряду України доступ до програми Daybreak для захисту цивільної інфраструктури. Це набір інструментів на її найпотужніших моделях для авторизованої роботи з безпеки: аудит старого коду, розслідування підозрілої активності, перевірка вразливостей і тестування виправлень. Партнером названо Міністерство цифрової трансформації, оголошення зробили на полях Генасамблеї ООН генеральний консул України в Сан-Франциско Дмитро Кушнерук і голова політики з національної безпеки OpenAI Саша Бейкер.
Контекст у цифрах: CERT-UA за 2025 рік обробила майже 6 000 кіберінцидентів, серед них атаки на лікарні, енергетику і телеком. За даними BBC, доступ буде безкоштовним, а модель у програмі BBC називає GPT-5.6 Sol. OpenAI пише, що такий доступ уже мають захисники у Франції, Німеччині, Польщі й інших країнах. Приклади компанія наводить сама: агенція ENISA знаходила вразливості в софті інституцій ЄС, усі виправлені, а CERT Polska за допомогою моделей OpenAI знайшла шість вразливостей у стороньому ПЗ для роутерів.
Незалежні коментарі в BBC стримано позитивні. Рейф Піллінг із Sophos назвав це корисним підсилювачем для захисту, який і так дуже сильний, але перевантажений. Джеймі Маккол із RUSI додав, що західні компанії допомагають Україні частково з альтруїзму, а частково тому, що отримують цінні дані з активного конфлікту, і що в України вже є схожі інструменти від конкурентів OpenAI, зокрема Google.
Чому це важливо. Здатності, які знаходять вразливості, однаково корисні і для захисту, і для нападу, і саме тому доступ до найсильніших кібермоделей зараз роздають вибірково, по країнах і організаціях. Для України, де кібератаки йдуть паралельно з ударами по енергетиці, це додатковий інструмент для команд, яким бракує рук. Іронію дня теж варто зафіксувати: у ту саму добу, коли OpenAI давала Україні інструменти оборони, стало відомо, що її власний агент зламав державний портал Австралії (пункт 1).
тема 8Meta Connect: окуляри без камери, VR на 100 грамів і Muse на обличчі
Учора тут розбирали асистента Muse і суперечки навколо його доступів. На конференції Meta Connect Марк Цукерберг показав, куди компанія хоче його поселити: в окуляри.
Лінійка, за описом Guardian. Ray-Ban Meta Audio - окуляри без камери, лише мікрофони і динаміки для музики, дзвінків і асистента, до 12 годин роботи, €349. Meta каже, що розробляла їх роками, але вони виходять саме тоді, коли смарт-окуляри з камерою дедалі частіше називають «шпигунськими». Ray-Ban Meta Gen 3 з камерою: до 9 годин, €449, з покращеним виявленням, чи хтось не заклеїв індикатор запису. Окуляри з дисплеєм у лінзі
Meta Ray-Ban Display вперше виходять за межі США: Велика Британія і Канада, у жовтні Франція, Німеччина та Італія за €899.
Найцікавіший пристрій - Meta VR Glasses: 100 грамів магнієвого сплаву замість пластикового шолома, екран 5K microOLED із різкістю, яку Guardian порівнює з Apple Vision Pro, і кабель до кишенькового модуля на 300 грамів з обчисленнями і батареєю на три години. Сумісні з бібліотекою Quest, орієнтовані на роботу і кіно, $1 299,99, продаж з весни 2027-го. За даними WSJ і FT, Цукерберг також показав Muse, вбудований в окуляри, і компактний AI-пристрій розміром з брелок; деталі цих анонсів у джерелах за пейволом.
Чому це важливо. Окуляри без камери - рідкісний випадок, коли компанія відповідає на критику приватності самим продуктом. Водночас вбудування Muse в окуляри повертає до вчорашнього питання: асистент із широким доступом до пошти, файлів і застосунків тепер матиме і постійний канал до голосу та, в частині моделей, до камери.
тема 9Голосовий день: Gemini 3.8 TTS, Nemotron 3 Diarization і ChatGPT Voice з інструментами
За одну добу вийшли три оновлення для голосових інтерфейсів, кожне закриває свою частину.
Синтез. Google випустила Gemini 3.8 Flash TTS і дешевшу Flash-Lite TTS. Можна створити голос з нуля текстовим описом або скопіювати його з 30-секундного зразка, але лише із записаною голосовою згодою власника голосу, яку система звіряє з еталоном. Далі кожну репліку можна режисувати: темп, емоція, сміх, паузи, підтакування. Бібліотека понад 2 000 готових голосів, понад 100 мов, діалоги двох персонажів з одного сценарію. Увесь згенерований звук маркується водяним знаком SynthID. На бенчмарку Voice Design від Hume AI модель перша (71,4), це заміри, наведені самою Google. Практичний замір від Саймона Віллісона: 1 хв 18 с діалогу згенерувались приблизно за 20 секунд і коштували 2,74 цента.
Розпізнавання, хто говорить. NVIDIA відкрила модель Nemotron 3 Diarization на 100 млн параметрів: вона відстежує, хто з до восьми учасників говорить, навіть коли голоси накладаються, і доступна на Hugging Face. Проблема реальна: голосові агенти досі погано розуміють, хто саме до них звертається, коли людей у кімнаті кілька.
Дії голосом. OpenAI оновила ChatGPT Voice: тепер він може користуватись плагінами (пошта, календар, Slack), працює на моделях GPT-6 Astra, Sol і Luna і доступний у ChatGPT Work, де з голосу можна створювати документи, презентації і таблиці. Грег Брокман назвав це «мегаапгрейдом». Незалежних відгуків за добу ще нема.
Чому це важливо. Три шари голосового агента - почути, зрозуміти хто, відповісти і зробити - за одну добу помітно подешевшали або стали відкритими. Для тих, хто будує голосові продукти, найцінніше тут, мабуть, діаризація з відкритими вагами: без неї агент у реальній розмові плутає, кому відповідає, а демо з одним співрозмовником цього не показують. А механізм голосової згоди Google - перший приклад того, як клонування голосу можна технічно обмежити, замість покладатись лише на правила використання.
тема 10DrivingBench: GPT-6 Astra провела справжню Toyota крізь конуси на парковці
Троє незалежних дослідників, Тобіас Гесслер, Саймон Манс і Адітья Рамабадран, перевірили, чи можуть звичайні мовні моделі керувати справжнім автомобілем. Toyota Corolla 2022 року, пристрій comma four і власна надбудова над відкритим openpilot. Модель через MCP-інструменти дає команду з трьох параметрів: кут керма у відсотках, швидкість і тривалість, і отримує назад кадри з камер і телеметрію. Завдання - проїхати трасу з конусів на порожній парковці. За кермом увесь час сидить людина, готова загальмувати. На кожну модель до трьох спроб в одному чаті, щоб перевірити, чи вчиться вона з досвіду.
Результати: GPT-6 Astra у Codex пройшла трасу повністю з другої спроби за 5:22, витративши 6,6 млн токенів і $7,74. Перша спроба зупинилась на 49%. Claude Fable 5.1 у Claude Code дійшла до 45% на третій спробі, Grok 4.6 до 11%, GPT-5.6 Sol до 6%. Автори окремо пишуть, що перевіряли саме реальний світ: у симуляторі керування передбачуване, а тут модель мусить враховувати затримку мережі (близько 0,3 с через мобільний інтернет)
і те, що вона думає від 2 до 30 секунд, поки машина продовжує рухатись. Усі траси і відео опубліковані.
Контекст, який варто тримати поруч. Того ж дня Ars Technica повідомила, що американський регулятор NHTSA розслідує саме пристрої comma.ai для звичайного водіння: відомо про п'ять аварій з ними, в двох загинули троє людей. Автори DrivingBench прямо пишуть, що з comma.ai не пов'язані.
Чому це важливо. Як бенчмарк це радше дотепна демонстрація, ніж замір водіння: одна траса, по кілька спроб, людина з гальмом. Але він міряє те, чого немає в текстових тестах: чи може модель діяти у фізичному світі в реальному часі з затримкою, коли кожна секунда роздумів - це метри руху. Друга спроба Astra, помітно краща за першу, показує, що вчитись на власній помилці в межах однієї розмови моделі вже вміють і тут.