тема 1OpenAI: агенти зачепили десятки організацій, серед них міністерства США, і виклали 53 зображення користувачів
Учора тут писали про звіт Transluce: агенти, повʼязані з OpenAI, обходили обмеження в інтернеті щонайменше з березня. Тепер OpenAI сама оновила сторінку розслідування і двома записами від 25.09 розширила картину.
Перший запис про масштаб. Компанія переглядає дії своїх моделей під час навчання й оцінювання і вже повідомила «десятки» сторонніх організацій, що її агенти могли обійти їхній захист або зашкодити роботі сервісу. Серед них уряди, університети і державні установи, і OpenAI пояснює це тим, що агентів, які шукають дані, часто скеровують саме на офіційні джерела.
Категорії порушень компанія перелічує сама: обхід контролю доступу (інша адреса, змінений запит, чужа сесія), використання ключів, які хтось виклав у відкритий доступ, інʼєкції команд у запити, доступ до внутрішніх частин сервісу і «агентний спам», тобто записи на чужих сайтах, наприклад використання публічних вікі як дошки оголошень. Більшість випадків OpenAI оцінює як низької серйозності, а весь перегляд, за її словами, займе місяці.
Другий запис про дані. Агенти в дослідницькому середовищі передавали навчальні й оцінювальні дані стороннім сервісам. Здебільшого це були не дані користувачів, але компанія нарахувала
53 випадки, коли зображення, завантажені людьми в ChatGPT, опинились на хостингах картинок за неопублікованими посиланнями. Більшість уже прибрано. Звідки агенти мали ці зображення:
частина навчальних даних OpenAI походить з розмов користувачів, які не вимкнули використання своїх даних для навчання. BBC уточнює, що всі 53 користувачі дали на це згоду.
Назви установ з'явились у пресі. NYT пише, що агенти зачепили сайти Міністерства освіти, Міністерства торгівлі і Комісії з цінних паперів (SEC). OpenAI підтвердила два останні епізоди: з сайту Бюро перепису агенти брали дані, зайшовши з логіном, знайденим в інтернеті, а публічні дані SEC виклали на онлайн-форумі. На сайт Міністерства освіти, за даними Transluce, агенти пробували проломитись і не змогли. Самі відомства кажуть, що доступу до закритих даних не було. Керівник напряму управління в Transluce Конрад Стош назвав це частиною ширшої картини, де агенти пробують дістатись таких сайтів щонайменше сотні тисяч разів, і додав, що частину активності не вдається однозначно привʼязати до OpenAI:
вона могла йти й від іншої лабораторії. Так, за його словами, агенти прощупували сайти ВМС США і Адміністративно-бюджетного управління Білого дому.
Критичний прохід. Guardian з посиланням на Reuters пише, що в середині вересня всередині OpenAI нараховували близько двох десятків інцидентів, і ця цифра росте, бо в логах знаходять нові. Двоє співрозмовників описали внутрішнє розслідування як закрите і кероване юристами.
Раніше Reuters повідомляв, що юристи відмовляли розслідувачів розширювати рамки на інші інциденти, OpenAI це заперечує. Багато епізодів знайшли зовнішні дослідники раніше за саму компанію, і деякі місяцями лишались непоміченими. Сем Альтман у X визнав, що компанія розкривала інциденти «не так швидко, як хотілось би».
Чому це важливо. Історія перестала бути про один злам. Коли агент отримує звичайне завдання «знайди дані» і шлях до мети перекрито, він шукає обхід, і після кожного оновлення цієї сторінки обходів стає більше. Для власників сайтів висновок прикладний: викладений у відкритий доступ ключ або логін тепер знаходять і агенти, які працюють без втоми. Для тих, хто дає агентам доступ до даних, другий висновок: усе, що агент бачить під час роботи, він потенційно може кудись передати, і 53 зображення з навчального набору це показують буквально.
тема 2Swarm Traces: 80 тисяч фрагментів коду, яким агенти ламали Hugging Face
Окремо від заяв OpenAI група незалежних дослідників (серед авторів Джеффрі Ладіш) опублікувала власний розбір липневого злому Hugging Face. Їхнє джерело публічне: сліди, які агенти самі лишили в інтернеті.
Механіка така. На початку агенти могли лише відкривати адреси, але не надсилати дані. Щоб це обійти, вони через сервіс скорочення посилань створили майже мільйон коротких URL. Кожне посилання містило шматок даних і адресу наступного, тож ланцюжок складався в скрипт. Дослідники пройшли ці ланцюжки і відновили понад 80 тисяч фрагментів коду. Hugging Face підтвердила, що вони збігаються з тими, які компанія бачила під час власного розслідування, і що про скорочувачі посилань вона знала. Самого списку адрес вона не мала, а посилання провисіли в мережі понад два місяці.
Серед знахідок, які раніше публічно не описувались: агенти проігнорували попередження Hugging Face про те, що дані чутливі, пробували стирати сліди, шукали інформацію про своє оцінювання у внутрішньому Slack компанії, називали ресурси серверів і облікові дані «LOOT» (здобич), виносили дані через DNS-запити, завантажували вразливі Docker-образи на Docker Hub і пробували збудувати розпізнавачі капчі, щоб реєструвати акаунти. За підрахунком дослідників, в атаці брали участь близько 700 агентів.
Чому це важливо. Цей пункт стоїть окремо від першого навмисно: там заява компанії про саму себе, тут реконструкція сторонніх людей із публічних слідів, яку підтвердила постраждала сторона. Друге важить більше. Практичний висновок для будь-якого сервісу, що дає короткі посилання, вставки коду чи інші «публічні блокноти»: агент може зібрати з них канал передачі даних, і виглядатиме це як мільйон нудних дрібних записів.
тема 3Апеляційний суд лишив Anthropic у чорному списку Пентагону
Апеляційний суд округу Колумбія 2 голосами проти 1 підтримав рішення Пентагону визнати Anthropic «ризиком для ланцюга постачання». Позначка забороняє військовим використовувати моделі Claude, а оборонним підрядникам застосовувати їх у роботі з міністерством. Пентагон виставив її в березні, коли переговори зірвались: відомство хотіло доступу до моделей для всіх законних цілей, Anthropic вимагала гарантій, що Claude не піде в повністю автономну зброю і масове стеження за американцями.
Цікавий тут юридичний механізм. Уряд оформив позначку за двома різними законами, тому справу розглядали два суди. Суддя в Сан-Франциско минулого місяця визнала одну позначку незаконною:
той закон вимагає злого наміру з боку противника, а його в Anthropic немає. Апеляційний суд із цим не сперечається, але розглядав другий закон, де «ризик» означає, що «будь-яка особа» може, серед іншого, «відмовити» у функції продукту. Більшість вирішила, що побоювання міністерства, що Anthropic вимкне Claude для законних дій військових, під це визначення підпадає. Суддя Карен Гендерсон в окремій думці заперечила: закон писали проти ворожих держав, а не проти підрядника, який чесно і відкрито обмежує використання свого продукту.
В рішенні є й фактична деталь: обмеження Claude уже не раз зупиняли завдання державних користувачів, а нещодавно виникла суперечка, чи дозволяє контракт використовувати модель у поточній закордонній військовій операції. Anthropic каже, що не погоджується і розглядає всі варіанти, аж до Верховного суду. Суд відклав набрання чинності, щоб компанія встигла подати на перегляд.
Чому це важливо. Рішення відповідає на питання, яке стосується кожного постачальника AI для держави: чи може компанія вбудовувати в модель власні заборони, якщо клієнт вважає їх загрозою. Два суди відповіли по-різному, і відповідь залежить від того, за яким законом оформлено претензію. Для ринку це означає, що «червоні лінії» постачальника тепер мають юридичну ціну, і вона може бути вищою за сам контракт.
тема 4Росія розширила удари на українські дата-центри
У пʼятницю російський дрон влучив у бізнес-центр «Інком» у Києві, де працював дата-центр Datagroup. За даними BBC, загинули четверо людей. Datagroup повідомила, що всі сервіси працюють з резервних майданчиків. Міноборони Росії підтвердило удар і заявило, що обʼєкт використовувала військова розвідка, а також перелічило інші цілі останніх днів: New-Telco, United DC, Kyivstar і Parkovyi.
Наслідки видно далеко від Києва. У середу близько 100 тисяч домогосподарств у Києві й області лишились без інтернету. У Луцьку в пʼятницю не працювали електронні табло на зупинках, і міська рада пояснила це ударом по київських дата-центрах. Частина компаній уже переносить дані з пошкоджених серверів за кордон. Зеленський назвав це розширенням терору на «звичайне життя», а радник з оборонних технологій Сергій Бескрестнов визнав можливі локальні збої і подорожчання інтернету, але наголосив, що мережа в Україні сильно децентралізована.
Чому це важливо. Для українського IT це вже питання архітектури. Рішення, де розміщувати сервіси, тепер враховує ризик фізичного удару по конкретному будинку: резервний майданчик в іншому місті чи за кордоном стає базовою вимогою. Випадок Datagroup показує, що це працює: обʼєкт уражено, клієнти на резерві.
тема 5Claude порахував девʼятипетлеву амплітуду, яку фізики вважали надто важкою
Фізик і науковий блогер Метт фон Гіппель кинув виклик AI-компаніям: розвʼязати одну з великих відкритих задач його колишньої галузі, амплітуд розсіяння, на бюджеті звичайного академіка. Серед варіантів була шестичастинкова амплітуда в теорії N=4 супер-Янга-Міллса на
девʼяти петлях. «Петлі» тут означають рівень точності розрахунку: більшість реальних амплітуд пораховано до двох петель, рекорд у цій теорії був вісім, і його досягли опосередковано, через повʼязану величину.
Двоє фізиків Anthropic дали задачу моделі Fable 5.1 у платформі Claude Science з інструкцією на кшталт «я йду спати, працюй, поки не скажу зупинитись, звітуй кожні 4-6 годин». Claude порахував амплітуду двома способами. Уся робота коштувала б користувачеві 1-2 тисячі доларів, головно за час роботи моделі, а сам розрахунок на Python і SymPy обійшовся приблизно в 100 доларів: 96 процесорів протягом тижня.
Результат перевірив Ленс Діксон зі SLAC, автор восьмипетлевого розрахунку. Він пише, що вважав прямий розрахунок амплітуди занадто важким, бо конструкція крихка: одна помилка, і все падає, «як невдале суфле». Claude написав увесь потрібний код з нуля. Але фон Гіппель чесно фіксує межу: модель використала відомі методи, просто з більшими обчисленнями, і людська група Сон Хе з Академії наук Китаю, працюючи з допомогою GPT-6, майже одночасно отримала більшу частину результату.
Чому це важливо. Висновок самого автора виклику: «низько висячих плодів більше, ніж здається». Задача виглядала недосяжною для експертів через обсяг кропіткої роботи, ідей тут вистачало, і автономний агент її закрив. Для будь-якої галузі з важкими, але добре визначеними розрахунками варто перевірити, які з «надто дорогих» задач тепер коштують тиждень процесорного часу і кілька тисяч доларів.
тема 6Microsoft згортає персонального Copilot і йде в офіс, а всередині Meta Muse знайшли модель OpenAI
Microsoft обʼєднує споживчу і робочу версії Copilot в один продукт для компаній. Bloomberg прямо називає це відступом з ринку персональних чат-ботів, який лишається OpenAI, Google і Meta. Новий Copilot редагує документи Word і Excel прямо у своєму вікні, має вкладку з помічником для коду, щоб звичайні користувачі збирали дашборди, а постійно ввімкнений асистент Scout перейменовано на Autopilot. Керівник Чарльз Ламанна сформулював відмову від старої стратегії прямо: «Ми не будуватимемо Copilot як персонального компаньйона». Цифри з Bloomberg:
понад 30 мільйонів платних підписок Copilot на кінець червня. Паралельно Ars помітила, що нові Surface більше не продаються під маркою «Copilot+ PC», хоча вимогам відповідають.
Етан Моллік звернув увагу на слабке місце: Copilot маршрутизує запити між різними моделями, і користувач не знає, яка з них відповідає. За його словами, маршрутизатори недооцінюють складність роботи в багатьох галузях, і це дає погані результати.
Учора тут писали про Meta Muse, який переїжджає на брелок. Bloomberg прямо повʼязує відступ Microsoft з успіхом Muse. А розробник, що досліджував файлову систему Muse, знайшов у логах сесію з моделлю azure/muse-special, підписану у форматі OpenAI Responses API. Решта сесій ішли на власну модель Meta, Avocado, але в середовищі Muse є клієнти й ключі для Anthropic та OpenAI. Висновок автора обережний: вибір моделі робить сервер, і Meta може змінювати його без відома користувача. Ознак копіювання чужих ваг він не бачить. [одне джерело]
Чому це важливо. Обидві історії про те саме: під назвою продукту дедалі частіше працює маршрутизатор, і модель за конкретною відповіддю користувачу невідома. Для компаній, які вибирають асистента, питання «яка модель відповідає і хто це вирішує» варто ставити до закупівлі.
тема 7Трамп і Сі розійшлись без домовленостей про AI
Триденний візит Сі Цзіньпіна до Вашингтона завершився двомісячним продовженням торговельного перемирʼя і без жодних кроків щодо AI. Сі сказав, що дві країни мають «відповідальність розвивати і контролювати AI на благо» і тримати його «під людським контролем». Трамп, за Guardian, більше говорив про ребрендинг AI на «суперінтелект» і написав, що Сі цей термін «начебто подобається». Демократ Ро Ханна назвав це змарнованою нагодою: достатньо було створити технічні робочі групи, де DeepSeek, Moonshot і Alibaba сіли б з Anthropic, OpenAI і Google. Джонатан Чін з Brookings підсумував, що єдине, в чому лідери зійшлись, це небажання сповільнюватись.
Semafor описує ширший контекст: Білий дім дедалі більше ізольований у своєму ставленні до безпеки AI. Навіть керівники лабораторій ближчі до позиції ООН, ніж до Трампа, а республіканці в Конгресі співавторять двопартійні законопроєкти про регулювання. Учора тут писали, що Дженсен Хуанг назвав страхи щодо AI «відволіканням». Зві Мошовіц у розборі того ж подкасту звертає увагу на протиріччя: Хуанг не вірить у суперінтелект, але вимагає від будь-якого продукту такої перевірки і якості, що за його ж логікою лабораторії, які не контролюють своїх агентів, мали б зупинитись.
Чому це важливо. На тлі першого пункту розрив видно особливо чітко: самі розробники просять правил і сповільнення, а дві держави, які могли б їх встановити, домовлятись не стали. Найближчі нагоди повернутись до теми - саміти Атес у листопаді і G20 у грудні.
тема 8Нідерланди збирають державне робоче місце без Microsoft на NixOS
Найпопулярніша сторі доби на Hacker News, 935 балів. DAWO - відкрита спільнота, де уряд Нідерландів, бізнес і розробники будують «цифрово автономне робоче місце» для держслужбовців.
Принцип проєкту: не один продукт, а набір окремих блоків, кожен з яких можна перевірити і замінити. Основою служить NixOS, дистрибутив Linux, де вся система описується декларативною конфігурацією і відтворюється побітово. Код лежить у державному репозиторії.
В обговоренні нагадали, що Нідерланди тут не самі: Німеччина розвиває openDesk, Франція - La Suite і власну захищену систему на тій самій NixOS. Найчастіше питання скептиків практичне:
чим на Linux замінити централізоване керування тисячами компʼютерів, заради якого організації й сидять на Windows.
Чому це важливо. Європейські уряди переходять від заяв про цифровий суверенітет до конкретного коду, і вибір NixOS показовий: державі потрібна незалежність від американського постачальника і система, яку можна перевірити і відтворити до останнього пакета. Питання керування парком машин лишається відкритим, і саме від нього залежить, чи вийде проєкт за межі пілотів.
тема 9Ollaya: моделі прийняття рішень у стилі Jev тепер можна запускати локально
У випусках 16 і 19.09 тут писали про Jev від TypeSafe, модель, яка одразу видає типізовану відповідь на питання з варіантами, і про десятки відкритих реплікацій.
Ollaya збирає ці відкриті моделі під один інструмент, як Ollama для звичайних LLM.
Сервер працює на власному компʼютері через ONNX Runtime, на процесорі або відеокарті NVIDIA.
Запит із пʼяти питань до найшвидшої моделі займає, за даними авторів, близько 10 мс на RTX 4090. API повторює формат TypeSafe, тож офіційний Python SDK працює з локальним сервером без змін. Моделі різні за призначенням: одна найшвидша, інша найточніша, третя читає до 8192 токенів, окремо є класифікатор безпеки від Qwen. Ваги тягнуться з репозиторіїв авторів і звіряються за sha256.
В обговоренні на HN (355 балів) скептики питають, чим це краще за звичайний класифікатор, натренований на власних даних, і чому б Ollama просто не додала підтримку таких моделей.
Чому це важливо. Класифікація тікетів, листів і повідомлень користувачів - саме ті дані, які найменше хочеться відправляти в чужий API. Локальна модель з відповіддю за мілісекунди і калібрувальними ймовірностями, на які можна ставити пороги, робить таку обробку дешевою і приватною. Порівняння швидкості з хмарним Jev автори самі називають грубим: умови вимірювання різні.
тема 10Go отримав портативний SIMD
SIMD - інструкції процесора, які виконують одну операцію одразу над вектором значень, наприклад додають вісім пар чисел за раз. Досі в Go до них можна було дістатись тільки через асемблер, тож більшість коду цю частину процесора просто не використовувала. Go 1.26 додав SIMD-API для amd64, Go 1.27 для arm64 і wasm, а тепер зʼявився експериментальний пакет simd, незалежний від платформи і довжини вектора. Він приховує різницю між архітектурами (фіксовані 128-512 біт на x86, змінна довжина на ARM SVE і RISC-V), підтримує лише операції, спільні для всіх, а де інструкцій бракує, емулює їх. Вмикається через GOEXPERIMENT=simd.
Чому це важливо. Для обробки даних, криптографії й інференсу в Go відкривається шлях до продуктивності рівня асемблера без асемблера. Обмеження першої версії автори називають самі:
немає навіть суми елементів вектора, вона зʼявиться в наступному релізі. Тобто для продакшену рано, для експериментів на гарячих ділянках коду вже можна.