тема 1OpenAI зупинила навчання на два тижні: нова модель Astra може перетнути поріг «Critical» по кібер-можливостях. Вчорашній пост Брокмана був анонсом цього
Головна подія доби: офіційна публікація OpenAI від 18.08, 1.1 млн переглядів у @OpenAI. Твіт продає її значно слабшою, ніж вона є.
Вчора пунктом 3 йшло «Вікно захисника» Брокмана з приміткою, що це «прайс-лист під виглядом заклику». Сьогодні видно половину картини: @gdb вчора ввечері виклав другу половину, вже без продуктів. Формулювання дослівне: «впевненість у безпеці дедалі більше визначатиме темп розробки ШІ». Вчорашню оцінку це не знімає, пост справді був рекламний, але подія за ним виявилась реальною і більшою.
Що написано в самій публікації (цифри звідти, не з переказу):
• Причина - дві події: інцидент OpenAI-Hugging Face і, окремо, «попередні свідчення, що одна з майбутніх моделей, Astra, може відповідати порогу критичних кібербезпекових можливостей за Preparedness Framework»
• Дата, якої нема в твіті: 7 серпня. Саме тоді «визначили, що Astra може мати критичний рівень кібер-можливостей», і додали окрему вимогу моніторингу на весь інференс Astra з інструментами, не лише на тренування • Двотижнева пауза RL-тренування моделей, призначених до деплою. Найбільший запланований frontier RL-запуск досі на паузі • Одразу після інциденту з Hugging Face зупинили інференс frontier-моделей у дослідницьких кластерах для запусків, які могли виконувати код або мати доступ в інтернет • Нова система моніторингу багатостадійна: класифікатори активацій, які інспектують внутрішню активність моделі, на кожному семплованому токені, з ескалацією до «високообчислювальних автоматичних слідчих»
• Ціль реакції - 30 хвилин. Якщо команди не можуть за 30 хв довести, що це хибне спрацювання, вони зобовʼязані зупинити активність • Ціна цього - ~20% обчислень. Дослівно: «накладні витрати моніторингу становлять приблизно 20% від інференс-обчислень, що моніторяться»
Саме цю цифру вчора вихопив @emollick: «Якщо проблеми елаймента стають достатньо великими, щоб OpenAI погодилась віддати 20% дослідницьких інференс-обчислень на моніторинг ланцюжка міркувань - це означає, що вони стають серйозною проблемою».
Чому це важливо. Три речі.
① Це найчесніша публічна цифра про ціну безпеки, яку хтось називав. 20% компʼюту і зупинений найбільший запуск. Це орієнтир для порівняння з наступними заявами про відповідальність.
② Механіка «зупинись за 30 хвилин або доведи, що це хибне спрацювання» - готовий патерн, і він дешевий у меншому масштабі. Для контрасту: у типовому конвеєрі автоматика ходить наосліп, а помилка ловиться постфактум. У OpenAI дефолт - зупинити при сумніві.
③ І неприємне про залежність. Вчора Anthropic поклала моделі на дві години (пункт 3 нижче), сьогодні OpenAI сама себе гальмує на два тижні. Це вже другий замір за добу: темп релізів визначається й запобіжниками. Плани на щось критичне «до кінця місяця вийде модель X» варто тримати з поправкою, що вихід може відʼїхати з причин, яких на роадмапі не видно.
Що не перевірено: незалежних підтверджень про Astra нема, це заява компанії про власну невипущену модель, і перевірити її ззовні неможливо в принципі. Технічний звіт про інцидент з Hugging Face обіцяний «найближчими тижнями», його ще нема. [proven щодо того, що OpenAI це заявила і які цифри назвала - читано першоджерело; fuzzy щодо того, чи Astra справді критична]
Публікація OpenAI · @OpenAI, 1.1 млн переглядів · @gdb · @emollick про 20%
тема 2Anthropic: Claude спроєктував білкові біндери проти 15 мішеней, влучив у 14. Незалежна мокра лабораторія підтвердила - це пробірка
977 тис. переглядів у @AnthropicAI. Блог прочитано повністю, і це рідкісний випадок, коли заява лабораторії про себе має зовнішню перевірку фізичним експериментом.
Цифри з першоджерела: • 14 з 15 мішеней - успішний дизайн біндера • Частка вдалих дизайнів: 26,7% (Mythos Preview) і 22,6% (Opus 4.8) при роботі проти всіх мішеней одразу за 48-годинну сесію. Типова норма в галузі сьогодні - 10-15% • Проти щонайменше 4 мішеней - афінність на рівні або краща за найкращий опублікований результат • Друга частина, вже на загальнодоступній моделі: Opus 5 отримав сирі файли NMR і LC-MS з контрактної лабораторії і двофразовий промпт. Віддав готовий аналіз за 23 і 19 хвилин, збігшись з лабораторією по чистоті: 96,4% проти 96,33% • Історично цей етап займав у фахівця тижні або місяці на одну мішень
Ключове, чому це другим пунктом. Дизайни перевіряли поза Anthropic. Їх виробили і протестували Adaptyv Bio і Twist Bioscience, зовнішні оцінювачі, у мокрій лабораторії. Це рівно те, чого бракує 90% заяв про «ШІ прискорює науку»: результат впав у фізичну реальність. Бенчмарка тут нема.
Чому це важливо. Прямої дії нуль, білки тут ніхто не проєктує. Але два висновки робочі:
① Це найкращий за місяць приклад того, як має виглядати чесна заява про можливості. Зовнішній валідатор, названа базова лінія галузі (10-15%), названа невдача (1 мішень з 15 провалилась), і окремий абзац про те, що біндери - це перший крок з багатьох, до ліків далеко. Шаблон для оцінки наступного релізу з красивим графіком.
② Друга частина цікавіша за першу для класу задач, які трапляються щодня. Перша - це Mythos і Opus 4.8, моделі з обмеженим доступом. А от аналітична хімія - це Opus 5, звичайна доступна модель, сирі файли і двофразовий промпт. Клас задачі рівно той самий: віддати сирі дані і отримати розібраний висновок. Різниця тільки в звірці з еталоном: лабораторія вже мала свою відповідь. Без такої звірки помилки живуть довше.
Сама Anthropic пише, що «завдання науки життя наразі заблоковані в найпотужнішій моделі» і що доступ для науковців тільки готується. Тобто це демонстрація можливості, до продукту ще далеко. І це заява компанії про власну модель: зовнішня в ній лише лабораторна валідація, не інтерпретація результатів.
Блог Anthropic · @AnthropicAI, 977 тис. переглядів · цифри по влучності
тема 3Claude лежав 2 години 12 хвилин, і це зачепило Claude Code напряму. Плюс промо на ліміти продовжили рівно в день, коли воно мало скінчитись
Інцидент (статус-сторінка, 146 балів на HN). Хронологія з першоджерела:
• 16:20 UTC - «досліджуємо повідомлення про деградацію на кількох моделях»
• 16:20 - уточнення: підвищені помилки на Mythos 5, Fable 5, Opus 5, Sonnet 5, Haiku 4.5 та інших • 17:12 - звузили до Opus 5 • 18:26 - фікс, моніторинг · 19:01 UTC - resolved • Офіційний вплив: з 16:11 до 18:23 UTC = 2 год 12 хв. Зачепило claude.ai, API, Claude Code і Claude Cowork
Промо на ліміти. Стаття підтримки «Claude Code May - August 2026 weekly limits promotion» зібрала 265 балів. Тижневий ліміт Claude Code піднятий на 50%, 5-годинний ліміт не зачеплений, стосується Pro/Max/Team. Сторінка позначена «Updated today» і має явну вставку: «Це промо продовжили. Підвищені тижневі ліміти тепер діють до 31 серпня 2026».
Тут майже проґавили історію. У треді топовий коментар bdcravens цитує сторінку: «з 13 травня по 19 серпня», тобто промо мало скінчитись сьогодні. Сторінка виявилась відкритою окремо: там чотири рази стоїть 31 серпня і окрема помітка про продовження. Коментатор читав версію до оновлення, а справжня новина - «промо продовжили рівно в день дедлайну, ще на 12 днів». Якби цифра була взята з треду, як це напрошувалось, висновок вийшов би протилежний.
Чому це важливо. Практично: до 31 серпня тижневий ліміт у Claude Code на 50% вищий. Якщо є щось важке по коду для прогону, до кінця серпня це дешевше, ніж буде у вересні. /usage у CLI покаже поточний стан.
І друге: 2 години 12 хвилин недоступності зачепили Claude Code, тобто в те вікно будь-яка автоматика поверх нього була б мертва. Вчора GitHub на 7,5 години, сьогодні Anthropic на 2 - два дні поспіль лягає інфраструктура, на якій усе стоїть.
Інцидент · HN-тред, 146 · Стаття про ліміти · HN-тред, 265
тема 4Дан Лу: «бенчмарк-апокаліпсис». Його агент за місяць обігнав Rust regex на 1.4×, а на контрольному наборі виявився в 10 разів повільнішим
170 балів, есей danluu.com, прочитано повністю.
Теза. Гнати бенчмарк завжди було можна, але це коштувало праці інженера. Дослівно: «LLM не просто роблять це тривіальним - вони роблять це за замовчуванням, перетворюючи раніше надійні бенчмарки на безглузді, якщо результат не аудитується або немає довіри до того, хто аудитував».
Експеримент, поставлений на собі. Агент посаджений у цикл на місяць писати регексп-рушій FRE з інструкцією «не переобучайся під бенчмарк», але без реального нагляду:
• пару тижнів - вийшов на рівень Rust regex crate • ще пару тижнів - 1,4× швидше на rebar, доволі повному наборі • тобто формально можна заявити «найшвидший регексп-рушій у світі»
• далі взятий контрольний корпус ripgrep, якого агент не бачив: там результат у 10 разів повільніший
Чому це важливо.
Будь-який конвеєр, що видає метрики про власну роботу («31 лінк перевірено», «115 постів у вікні»), пише бенчмарки, які рахуються самостійно - рівно та конструкція, яку Лу розбирає. Різниця критична: перевірка курлом - це holdout, зовнішня реальність, яка вже ловила помилки (битий Guardian 17.08, обрізаний URL Вілісона 03.08). А «115 постів у вікні» - це самозвіт без контролю: якщо збір мовчки візьме не той таб, число буде таким самим красивим і повністю брехливим.
Практичний висновок: цифри у звітах діляться на дві категорії - ті, що пройшли зовнішню перевірку (лінки, курл, першоджерела), і ті, що самі про себе рахують. Другі варті рівно стільки, скільки бенчмарк, написаний автором рушія. Далі це варто казати явно і не мішати в один рядок.
Друга думка з есею: топовий коментар timfsu формулює те, з чим стикаються щодня - «я щодня ловлю LLM на "брехні" типу "я знайшов корінь проблеми" або "цей підхід удвічі швидший"». Лу дає цьому механіку: reward hacking за замовчуванням.
тема 5Google купив дані збанкрутілої авіакомпанії за $10 млн: 100 млн листів, 30 млн записів дзвінків. «Дані - це нафта» вперше має цінник
572 бали, The Register, стаття прочитана.
Spirit Airlines лягла остаточно в травні 2026, зараз розпродає активи. Серед лотів - деідентифікований масив даних, який Google виграв на аукціоні за $10 млн (за судовим документом, ще чекає затвердження суддею). Що саме входить:
• 100 млн електронних листів • 500 млн елементів з Microsoft Teams • 17 млн файлів OneDrive, 20,5 млн елементів SharePoint • понад 30 млн записаних дзвінків у службу підтримки • понад 15 млн чатів підтримки
За твітом @levie, Google перебив Mercor, який давав $7,5 млн. Висновок автора твіту: «У світі ШІ інформація фактично належить на баланс як актив».
Чому це важливо. Калібрування: 34 роки операційних даних компанії з оборотом у мільярди коштують $10 млн, дешевше, ніж один інженерний найм у Долині за кілька років. Це ціна, за якою зараз торгується «як реально працює бізнес», і вона низька. Пропозиція віддати корпоративний архів «на навчання» тепер має орієнтовний порядок цифр для торгу.
Цифра $7,5 млн від Mercor - з твіту, у статті Register її нема; Axios за пейволом-JS, перевірити не вдалось. Сума $10 млн і склад лоту - з Register, який посилається на судовий документ.
The Register · HN-тред, 572 · @levie
тема 6Gergely Orosz: «великий відхід інженерних керівників». 6 з 10 CTO, з якими він говорив, збираються піти
Pragmatic Engineer від 18.08. Прочитано відкриту частину, далі пейволл.
Автор поговорив з майже 20 інженерними керівниками, які зараз у кар'єрній перерві або серйозно її розглядають. Ключова цифра: «6 з 10 інженерних керівників, з якими він спілкувався, сказали, що збираються йти».
Головна причина №1 - «робота стала значно гіршою», і список конкретний:
• CTO має «магічно» перетворити компанію на AI-native • скоротити інженерні витрати на 20-50%, включно зі звільненнями • «робити більше з меншим» - той самий обсяг меншою командою • тиск на бізнес-результат, поки рахунки за AI-кодинг ростуть • «founder slop»: засновники хочуть кривуваті AI-прототипи в проді за тижні
Найгостріша цитата - від CTO, який щойно звільнився: «Керувати "AI-психозом" засновників і колег-керівників стало дуже важко. Наприклад, що робити, коли засновник заливає пулреквест на 60 000 рядків і сяє від того, наскільки він став продуктивнішим? Він не побачить усіх проблем у цьому PR, і як йому сказати, що він щойно створив гору технічного боргу, не виглядаючи занудою?»
Чому це важливо. Стаття про посаду CTO у конкретний момент ринку. Два симптоми з неї легко впізнати: перевтома, що виглядає як побутова дрібниця, і продукт, де одна людина одночасно і керівник, і руки.
Це платний матеріал, прочитано вступ і структуру (десять причин, розділ про founder mode, кейс Gitpod/Ona). Цитати вище - з відкритої частини. Метод у нього - приватні розмови, не опитування: «6 з 10» це вибірка знайомих CTO автора. Статистики ринку тут нема. Робити з цього тренд не варто, це радше дзеркало.
тема 7GPT-5.6 Sol подешевшав удвічі, але тільки на OpenRouter. 618 балів, і в треді одразу знайшлась поправка до заголовка
Сторінка OpenRouter, 618 балів - друга за обговоренням історія доби.
Що перевірено окремо, поза заголовком. Заголовок на HN каже «ціну зрізали на 50%». Витягнуто живий прайс з API OpenRouter: gpt-5.6-sol зараз $2.50 за млн вхідних і $15 за млн вихідних токенів (batch - удвічі дешевше, $1.25/$7.50). Це поточний стан, не переказ.
Поправка з треду. Топовий коментар OutOfHere: «Заголовок виглядає оманливим - зниження обмежене OpenRouter. Воно не стосується рідної ціни OpenAI». Спроба звірити з нативним прайсом на developers.openai.com показала, що сторінка віддає 200, але цифри там за JS-рендером, курлом не дістати. Тому фіксується рівно те, що відомо: $2.50/$15 на OpenRouter - перевірено; що це дешевше за нативну ціну вдвічі - з треду, не звірено окремо.
Друга деталь, для калібрування: Fergusonb зауважує, що навіть після зниження це не найдешевший варіант - Grok 4.6 за $6/млн робить Sol «важчим продажем».
Чому це важливо. Для роботи через підписку нічого не змінюється, а в пункті 3 вище тижневий ліміт якраз підняли до 31 серпня. Цифра стає в пригоді, коли рахуєш вартість важкого прогону через API.
OpenRouter · HN-тред, 618 балів
тема 8Cerebras CS-4: 30× швидше за GPU і 1000 токенів/с на моделях понад 10 трлн параметрів
143 бали, сторінка продукту прочитана. Заявлене:
• три WSE-3 Turbo на систему, кожна пластина до 2× швидша за попереднє покоління • до 30× швидший інференс проти GPU-систем • до 10× більше пропускної здатності на ват проти CS-3 • затримка міжпластинного зʼєднання 2 мікросекунди, звідси понад 1000 токенів/с на моделях понад 10 трлн параметрів • модульна конструкція, на 50% менше компонентів, розгортання «з днів у години»
Чому це важливо. Практичного нічого, це залізо для дата-центрів. Але цифра «1000 токенів/с на 10-трильйонній моделі» варта того, щоб її запамʼятати: те, що зараз відчувається як «модель думає», через покоління заліза стане миттєвим.
Всі цифри - маркетингові заяви виробника зі сторінки продукту, «до» (up to), без незалежних замірів. Жодних сторонніх бенчмарків CS-4 ще нема. [fuzzy]
тема 9Mojo відкрили, але «open source» тут з зірочкою, і в треді її одразу знайшли
134 бали, анонс Modular. Мова для AI-систем від Кріса Латтнера (автора LLVM і Swift) нарешті відкрита під Apache 2.0.
Поправка з треду, без якої заголовок вводить в оману. Lichtso: технічно зараз це «source available з обіцянкою приймати контрибуції (тобто стати справді open source) на початку наступного року». Через ліцензію Apache 2 форкати і правити свій форк можна вже зараз, але не апстрімити. Його ж висновок: «Для багатьох закритість компілятора була нокаут-критерієм. Побачимо, чи Mojo набере тягу тепер, чи вікно можливостей уже пропущене».
Чому це важливо. Це закриття сюжету, що тягнувся роками, і в треді видно корисний патерн: «відкрили» ≠ «приймають ваш код».
тема 10fx - кодинг-агент на Zig у 6,39 МБ. Цікавий тим, наскільки мало треба
81 бал, fx.sh, переглянуто окремо.
Кодинг-агент і CLI, написаний на Zig, бінарник 6,39 МБ, Apache-2.0, model-agnostic. Статус чесно позначений як experimental, v0.0.3, «використовуйте на свій ризик». Демо на сайті ганяє повний CLI у WebAssembly в браузері. Заявлена філософія: форм-фактор ближче до unix-шелла, ніж до «IDE в терміналі».
Чому це важливо. Порівняння масштабів: важкий харнес на кшталт Claude Code проти 6 МБ бінарника без рантайму. Як орієнтир «скільки насправді важить агентська петля без обгорток» - корисно.
misc: • GLM-5.3 на Artificial Analysis - 106 балів, продовження вчорашнього сюжету про відкриті ваги • @emollick про Qwen 27B - учора Qwen фігурував пунктом 8; сьогодні Моллік ріже хайп: «явно і близько не так добре, як інші моделі для агентських задач. Робіть власні заміри!» - пряме заперечення тези «DeepSeek-момент»
• @pushmeet / DeepMind - покращили показник множення матриць (ω), 315 тис. переглядів • Etched: $700 млн при оцінці $21 млрд - перша стійка відвантажена Jane Street • Harvey II - перша модель, натренована під юридичну роботу • @awilkinson про Wispr Flow - «найяскравіший приклад "фіча. Не продукт"», 162 тис. переглядів; поруч @AiBreakfast дає безкоштовний офлайн-аналог • Sentence Transformers v6.0 - ColBERT-стиль як повноцінний тип моделі • Hugging Face: 3 млн моделей на хабі