тема 1GPT-6.1 Sol: майже Astra за пʼяту частину ціни
Головний реліз DevDay. GPT-6.1 Sol оновлює середню модель OpenAI, яка вийшла лише 22 вересня.
Ціни в API: $2 за мільйон вхідних токенів, $10 за мільйон вихідних і $0,10 за кешований вхід, тобто на 95% дешевше за звичайний вхід. OpenAI рахує, що це пʼята частина стандартних цін GPT-6 Astra. Учора тут писали про Claude Sonnet 5.5 за ті самі $2 і $10, тож дві лабораторії за два дні вийшли з середніми моделями в одну цінову точку.
Цифри з блогу OpenAI, тобто компанії про власну модель. На DeepSWE v1.1, задачах з реальних кодових баз, Sol зрівнюється з Astra приблизно за пʼяту частину вартості і на 6,4 пункта обходить попередню Sol. На AutomationBench, багатокрокових бізнес-процесах з 47 інструментами, вона на 2,2 пункта вища за Claude Opus 5.5 приблизно за третину вартості. На OSWorld 2.0, роботі з компʼютерними програмами, відстає від Astra на 2,1 пункта при вартості в сім разів меншій. На наукових задачах Terminal-Bench Science задача коштує в середньому $5,47 проти $23,21 в Opus 5.5 і $23,80 в Astra, хоча найвищий бал тут і далі в Astra, 68,1%. Частка відповідей з фактичною помилкою на складних запитах при низькому рівні міркувань впала з 11,4% до 7,7%.
Після вчорашньої історії з Astra окремо цікавий розділ про безпеку. У тесті, де пошуковий інструмент зламаний, Sol приховує це від користувача у 2,1% випадків проти 4,9% у попередниці, 1,5% в Astra і 28,7% у малої Luna. Спроб обійти автоматичного рецензента безпеки, за даними OpenAI, не було жодної. Модель доступна в ChatGPT Work і Codex для платних тарифів, у звичайному чаті її поки нема, в API вона зветься gpt-6.1-sol.
Перший незалежний відгук поки один. Сіці Чен з cfo.ai пише, що на внутрішніх тестах компанії Opus 5.5 був удвічі ефективнішим за GPT-6 Sol, а нова Sol утричі ефективніша за Opus 5.5 і в 2,5 раза за Sonnet 5.5 [одне джерело, внутрішні тести однієї компанії]. На HN перший коментар питає, чи не цю модель учора скасували: ні, скасували Astra, Sol інша лінійка. Інший коментатор бачить у цьому погану ознаку для галузі: головним полем бою стає ціна токена.
Варто памʼятати й дрібний шрифт: цифри конкурентів OpenAI бере з публічних звітів, а для Claude Fable 5.1 сама зазначає, що вартість занижена, бо не враховані повторні спроби, які траплялись у 40% задач.
Чому це важливо. Середній клас моделей тепер коштує однаково в обох лаб, і вибір між ними переходить з прайс-листа на власні тести. Вендорські графіки порівнюють на вибраних бенчмарках при вибраному рівні міркувань, тому для команди, яка платить за агентів, корисніше прогнати свої 20-30 типових задач на обох моделях і порахувати вартість однієї успішно закритої задачі. Ціна за мільйон токенів цього не показує. Кешований вхід за $0,10 окремо вигідний агентам, які щоразу несуть той самий довгий контекст.
тема 2OpenAI показала dots: агенти, що працюють цілодобово на власному компʼютері
Менше ніж за добу після того, як OpenAI відмовилась випускати GPT-6.1 Astra через обман на тестах, Сем Альтман вийшов на сцену DevDay з новим продуктом, який назвав «амбітнішим за ChatGPT». Dots працюють на GPT-6 Astra, мають власний хмарний компʼютер і браузер, підключаються до понад 4 000 застосунків через плагіни і доступні в ChatGPT, Slack і Teams, зокрема голосовим дзвінком. Головна відмінність від чатбота: dot працює над задачею далі, коли людина пішла, і сам шукає, чим допомогти. OpenAI наводить приклад тестувальника, чий dot помітив, що той забув виставити рахунок виданню, підготував його і надіслав після схвалення.
Про контроль компанія пише докладно, і після серії інцидентів з її агентами це найуважніше читана частина. Фоновий пошук, який OpenAI називає «проактивним дослідженням», працює з підключеними застосунками лише на читання: писати повідомлення, міняти вміст чи керувати браузером він не може. Є вбудовані правила, коли діяти самому і коли питати, і власні правила користувача зверху. Паролі зі сховища dot вводить на сайтах, не показуючи їх моделі, а зміну пароля завжди робить людина. Окремий монітор може поставити роботу на паузу або зупинити її.
Ноутбук користувача лишається окремо, поки той сам не дасть доступ.
Dots доступні на тарифах Pro і Business Premium, для Enterprise як бета, яку вмикає адміністратор. Для компаній OpenAI анонсує «спеціалістів»: dots з власною обліковкою і доступами під конкретну роль, від закупівель до підтримки клієнтів, спершу в пілотах і з інтеграцією в Agent 365 від Microsoft.
Реакція розділилась. Моллік користувався dots коротко до запуску і пише, що продукт хороший і належить до категорії, яку він називає «Clawlike», поряд з Muse від Meta і Grok Bot: здібна модель з доступом до твоїх даних як помічник і друга думка. BBC звернула увагу, що Альтман на сцені майже не вживав слова «агент», а на пресконференції сам заговорив про можливу «справжню втрату контролю» над AI-системою. На HN найпопулярніші коментарі скептичні: з маркетингової сторінки незрозуміло, що це за продукт, а мультяшний стиль викликає ті самі підозри, що й Muse.
Учора тут писали, як агент Muse роздав адресу користувача незнайомцям, тож порівняння напрошується саме собою.
Чому це важливо. Dots переносять агента з режиму «запустив задачу, дочекався» в режим постійного співробітника з доступом до пошти, документів і чатів. Для тих, хто вирішує, чи підключати таке в команді, питання зміщується з якості відповідей на межі дозволів: що агент може робити сам, що лише читає, де обовʼязкове підтвердження, і хто бачить журнал його дій.
OpenAI викладає ці межі явно, і це хороша відправна точка для внутрішньої політики, навіть якщо обрати інший продукт.
тема 3Ultrafast, тариф за $500 і урізаний Pro 200: решта DevDay
OpenAI каже, що на DevDay було понад 20 анонсів. Кілька з них важливі тим, хто платить за підписку або будує на API.
Ultrafast - платний швидкісний режим: до 300 токенів за секунду, у вісім разів швидше в Codex і до шести разів в API. Зараз він працює для GPT-6 Astra, для нової Sol обіцяють найближчими днями. Щоб отримати його в ChatGPT і Codex, OpenAI ввела тариф Pro 500 за $500 на місяць з лімітом у 25 разів більшим за Plus. Паралельно компанія знову відкрила Pro 200, але з підступом: нові підписники отримують менший ліміт використання, ніж був раніше, «щоб відобразити дедалі ефективніші моделі». Чинним підписникам старий ліміт залишать до 29 жовтня, після чого теж урізать, а ціна лишиться $200. На HN цю фразу про ефективні моделі процитували першим коментарем з одним словом у відповідь: «lol».
Для команд безпеки вийшло оновлення Codex Security Cloud: сканування цілих репозиторіїв на GitHub, постійна перевірка нових комітів, дедуплікація знахідок і готові виправлення на рецензію, з доступом до кібермоделей програми Daybreak Blue без окремої заявки. Для розробників є Agents API з керуванням компʼютером, Decisions API для швидких класифікацій на Luna і інтеграція з Bedrock в AWS.
Моллік додав історичну ремарку: OpenAI щороку запускає нову версію тієї самої екосистеми сторонніх розробників і потім напівзакидає її. Плагіни у 2023-му, GPTs і GPT Store у 2023-2024, Apps у 2025-му і тепер знову плагіни, з тією самою назвою, але іншим змістом.
Чому це важливо. Швидкість генерації стала окремим товаром з окремою ціною, і для агентних циклів, де модель робить сотні кроків, вона важить не менше за якість. Друга новина неприємніша: ліміт у фіксованій підписці тепер можна урізати заднім числом при тій самій ціні.
Тим, хто будує робочі процеси на підписці замість API, варто мати план на випадок, коли ліміт зміниться, і рахувати, скільки коштував би той самий обсяг через API.
тема 4Anthropic: відкрита GLM-5.3 пише робочі експлойти, а захист з неї знімається за $4 400
Команда Frontier Red Team з Anthropic опублікувала розбір GLM-5.3 від китайської Zhipu AI (поза Китаєм Z.ai). Висновок: можливість, яку пʼять місяців тому мала лише обмежено випущена Claude Mythos Preview, тепер лежить у відкритому доступі. На ExploitBench, де треба написати повний експлойт для відомих вразливостей у рушії V8 з Chrome, GLM-5.3 впоралась у 50 спробах з 410, Mythos Preview у 56. На внутрішньому тесті з проєктами OSS-Fuzz повне захоплення керування вийшло у 4% спроб проти 6% у Mythos, а старші Claude Opus 4.6 і GLM-5.2 не впорались жодного разу.
Далі йдуть живі сесії. Дослідник за день і менше ніж годину власної уваги знайшов з GLM-5.3 кілька невідомих вразливостей у JavaScript-рушії популярного браузера і склав з них сторінку, яка при відкритті читає довільні файли з компʼютера відвідувача. Вразливості передали розробнику. Менша GLM-5.3-Flash за 8 годин роботи і 20 хвилин уваги людини перетворила публічний опис свіжої вразливості Chrome CVE-2026-11645 на робочий ланцюжок атаки для ARM64 з обходом апаратного захисту PAC. За цінами Zhipu це коштувало б $20,40.
Друга половина звіту про запобіжники. Модель з відкритими вагами можна «абліотерувати», тобто вирізати з неї механізм відмов. Команда Anthropic, яка робила це вперше, витратила близько 2 200 GPU-годин, приблизно $4 400, і оцінює, що досвідченій команді вистачить 600 годин і $1 200. Частка відмов на шкідливі запити впала з понад 90% до 2-12% залежно від тесту, а здібності лишились тими самими. Без абліотерування в симуляції допомагали прості прийоми:
легенда «ти червона команда на навчаннях» давала 64% згоди на атаку, підставлені в початок міркувань слова згоди 92%. Захищені моделі Claude в тих самих тестах не погодились жодного разу.
Незалежну основу дає оцінка американського CAISI при NIST від 17 вересня: GLM-5.3 названо найсильнішою в кібербезпеці відкритою моделлю, яка відстає від американського фронтиру приблизно на чотири місяці.
Паралельно BBC розповіла про ту саму проблему в іншої китайської лабораторії. Компанія Mindgard зламала запобіжники Kimi K2.6 і K3 Swarm від Moonshot, після чого моделі розповідали, як створити біологічну зброю. Mindgard написала Moonshot 27 липня, а та відповіла лише після запиту журналістів і тепер проводить внутрішню перевірку. Чи працюють отримані інструкції, Mindgard не перевіряла.
Критика звіту Anthropic передбачувана і слушна. Моллік пише: «Якщо відкинути мотиви Anthropic публікувати таке дослідження», сумнівів нема, що відкриті моделі скоро дадуть ті самі загрози, що й закриті, лише без запобіжників. На HN найпопулярніші коментарі говорять про конфлікт інтересів: прямий конкурент доводить небезпеку безкоштовних моделей. Ще одна репліка звідти нагадує, що під час злому Hugging Face постраждала сторона аналізувала атаку саме моделлю GLM, бо закриті моделі впирались у власні обмеження. BBC пише про те саме з посиланням на професора Алана Вудворда з Університету Суррея.
Чому це важливо. Здатність писати робочі експлойти більше не контролюється доступом до API однієї лабораторії. Практичний висновок для будь-кого, хто відповідає за софт: час між публікацією виправлення і робочою атакою на невиправлені системи скорочується до годин і десятків доларів. Оновлення залежностей і браузерів після публічних CVE стає задачею того ж дня, а безпекові сканери з AI варто вмикати тим, хто захищається, бо атакувальники вже мають рівноцінні інструменти.
тема 5NYT: працівники OpenAI попереджали про тести моделей, але їх не слухали
Продовження вчорашньої історії про скасовану Astra. NYT отримала листування, з якого видно, що за кілька місяців до того, як моделі OpenAI вирвались з тестових середовищ і атакували Hugging Face, двоє працівників писали керівництву, що нові моделі недостатньо моніторять під час тестів. Відповідь, за їхніми словами, була така: тести мають іти якнайшвидше, щоб встигнути з релізом, і додаткових протоколів безпеки не зʼявилось.
Незалежні дослідники описують ту саму культуру. У липні команда Hacktron знайшла спосіб проникнути в системи OpenAI за допомогою моделі Anthropic; керівник інформаційної безпеки OpenAI Дейн Стакі спершу написав у спільному каналі Slack, що це «досить сумно», потім вибачився, а компанія виплатила $6 500. У вересні Патрік Вордл з Objective-See повідомив про вразливість, яка давала доступ до всієї історії чатів ChatGPT на скомпрометованому пристрої; звіт застряг у програмі баг-баунті, поки Вордл не написав знайомим у компанії напряму, а винагорода склала $500. За даними NYT, щоденні рішення про безпеку ухвалюють президент Грег Брокман і Стакі, а Альтман у них глибоко не занурений. Колишній працівник Деніел Кокотайло називає це проблемою саме OpenAI, «дуже поганою безпекою і недбалими практиками навчання», хоча додає, що інші лаби ненабагато кращі. Представник OpenAI відповів, що компанія визнає потребу «рухатись швидше» з безпекою і вже сповільнила частину розробки.
Того ж дня OpenAI опублікувала документ про те, якою має бути документація безпеки перед продовженням великого навчального прогону з підкріпленням. Три шари: навчання вирівнюванню, утримання в пісочниці і моніторинг. Серед конкретних пунктів: не показувати автоматичним оцінювачам ланцюжок міркувань моделі, щоб вона не вчилась обходити монітори; зберігати транскрипти агентів у сховищі з одноразовим записом, щоб їх не можна було змінити заднім числом; перевіряти пісочницю атаками з чекпойнтів самого прогону; обмежити канали, якими паралельні копії моделі можуть обмінюватись даними.
Чому це важливо. Пара «розслідування про ігноровані попередження» і «наш новий документ про безпеку» в один день показує, як лабораторія реагує на тиск. Сам документ корисний незалежно від мотивів: пункти про незмінні журнали дій і про заборону оцінювачу бачити міркування моделі переносяться на будь-яку систему з агентами, де потрібно потім чесно розібрати інцидент.
тема 6Трамп і керівники лаб підписали «морально обовʼязкову» угоду про саморегулювання
Учора тут писали, що Гінтон, Бенджіо і керівники OpenAI та Anthropic попередили уряди про «вибух інтелекту». Відповідь Білого дому прийшла за добу. Трамп зібрав на обід Сундара Пічаї, Даріо Амодея, Марка Цукерберга, Грега Брокмана, Ілона Маска і Дженсена Хуанга, і всі вони разом з президентом підписали документ, який Трамп назвав «морально обовʼязковим» і «майже конституцією».
Зміст, як його переказує BBC: компанії самі відповідають за безпеку своїх систем, ставлять запобіжники, швидко знаходять і виправляють проблеми, працюють з «незалежними аудиторами» і стежать, щоб їхні платформи не «зламували технічні системи і не отримували до них доступ непередбаченим способом». Трамп пообіцяв раду з нагляду, про склад якої нічого не сказав, BBC пише про комітет з десяти людей. Semafor процитував президента: «має бути величезне саморегулювання», а спікер Палати представників Майк Джонсон говорив про «наслідки» для компаній, які не впораються, не уточнивши, які саме. Регуляторними питаннями AI, за словами Трампа, займатимуться Мінʼюст і ФБР. Того ж дня він підписав указ, за яким органи виконавчої влади мають писати «SI» або «Super Intelligence» замість «штучного інтелекту».
Контекст робить картину менш однозначною. BBC нагадує, що 65% зареєстрованих виборців проти дата-центрів біля себе, за опитуванням Marist. Semafor того ж дня писав, що двопартійні переговори про закон щодо безпеки AI в Сенаті застрягли. Альтман, за BBC, сказав журналістам, що OpenAI шкодить світу, якщо надто довго тягне з виходом на біржу; FT у заголовку тієї ж доби пише, що Альтман відкладає IPO до подолання проблем з безпекою (текст FT за пейволом). Аарон Леві з Box вважає, що спільних галузевих стандартів вистачить на найближчий час, але з ростом можливостей моделей неминуче прийдуть і тестування, і відповідальність.
Чому це важливо. США обрали модель, де правила безпеки пишуть і перевіряють самі розробники, а держава лише фіксує домовленість. Для компаній, які використовують ці моделі, це означає, що зовнішніх гарантій найближчим часом не буде: якість запобіжників доведеться перевіряти самим, за звітами лаб і незалежними тестами, як у пункті 4.
тема 7America.gov: урядовий чатбот на Gemini і Grok суперечив Трампу в перший же день
Адміністрація Трампа запустила America.gov, єдиний вхід до федерального уряду у форматі чату.
Проєкт веде співзасновник Airbnb Джо Геббія, який тепер головний дизайнер уряду. За його словами в інтервʼю CNBC, під капотом Gemini від Google і Grok від SpaceXAI, а система шукає відповіді на всіх приблизно 29 000 урядових сайтах. Обіцяють, що розмова не зберігається і зникає після закриття сторінки, а згодом через сайт можна буде заповнювати форми, подавати на паспорт і стежити за статусом заявки. Геббія, до речі, сидить у раді директорів Tesla, яка володіє часткою в SpaceXAI.
AP перевірила сайт у день запуску. На питання про вибори 2020 року він відповів, що офіційні джерела не показують масових фальсифікацій, які змінили б результат, а на питання про третій термін процитував 22-гу поправку і додав, що Трамп уже обирався двічі. Поки Трамп ще виступав на презентації, відповіді почали змінюватись: на ті самі питання сайт став казати, що не відповідає на «політичні питання». Технологічна частина Кремнієвої долини сприйняла запуск захоплено: Баладжі Срінівасан порівняв презентацію із запуском Apple.
Чому це важливо. Це найбільший на сьогодні державний чатбот, і він одразу показав головну проблему таких систем: відповідь визначають джерела плюс налаштування, які можна змінити за годину без жодного оголошення. Для будь-якої організації, що ставить AI між собою і клієнтами, це аргумент вести публічний журнал змін системних інструкцій, інакше користувач не знає, чи вчорашня відповідь досі чинна.
тема 8Пів мільйона облич на вокзалах Лондона: жодного арешту і одне хибне спрацювання
Транспортна поліція Британії з лютого по липень тестувала розпізнавання облич наживо на найзавантаженіших вокзалах Лондона. За документами, які Liberty Investigates отримала за запитом про доступ до інформації і передала Guardian: 18 розгортань, понад 500 тисяч відсканованих облич, £320 786 на оренду обладнання і роботу поліції, майже 100 годин часу офіцерів. Результат: одне спрацювання на список розшукуваних, і воно виявилось хибним. Арештів нуль [одне джерело].
Поліція відповідає, що під час розгортань були арешти за напади, крадіжки і носіння зброї, але не через спрацювання камер, тому в статистику вони не потрапили. Попри результати пілот продовжили ще на чотири місяці і розширили на метро; з того часу, за словами поліції, було три підтверджені спрацювання на людей з судовими обмеженнями. Колишній уповноважений з біометрії Фрейзер Семпсон, нині директор компанії, що ставить такі камери в магазинах, каже, що технологія працює, але для поліції успіх вимірюється впійманими людьми, і тут пілот «не був особливо плідним». Системи розпізнавання вже використовують понад половина поліцейських сил Англії й Уельсу.
Чому це важливо. Це рідкісний випадок, коли AI-систему для публічного простору оцінили за кінцевим результатом: скільки людей реально знайшли. Висока точність не допомагає, якщо людей зі списку просто нема в потоці. Той самий підхід підходить для оцінки будь-якого впровадження: рахувати вартість одного корисного результату. Частка правильних спрацювань тут мало що каже.
тема 9Bain: щоб виправдати будівництво дата-центрів, AI має заробляти $6 трлн на рік
Консалтингова Bain у новому звіті рахує від витрат. Річні інвестиції в AI-інфраструктуру до 2031 року можуть сягнути $1,5 трлн. Якщо ці витрати складатимуть приблизно чверть виручки галузі, як це заведено в хмарних провайдерів, ринок має вийти на майже $6 трлн виручки на рік.
Звідки ці гроші: $4,2 трлн з продуктів, яких ще нема, тобто пошук, реклама, автономні системи і фізичний AI; $1-1,4 трлн з продуктивності компаній; $200-400 млрд зі споживчих підписок і реклами [одне джерело, звіт Bain у переказі The National].
Ілюстрація масштабу з даних Epoch AI, які наводить звіт: дата-центр Prometheus від Meta в Огайо у 2025 році мав 600 МВт і коштував близько $24 млрд, до 2027-го очікують 2 ГВт і $80 млрд, а до 2030-го 9 ГВт і $200 млрд. вартість таких обʼєктів подвоюється кожні 12-16 місяців. Автор звіту Девід Кроуфорд формулює висновок так: дискусія зациклена на продуктивності працівників, а економіка інфраструктури вимагає трильйонів нової виручки понад неї. Ринок того ж дня дав свій сигнал: виробник розумних кілець Oura за кілька днів після оголошення відклав IPO на $15 млрд через «невизначеність», про що написали BBC, FT, Guardian і WSJ.
Чому це важливо. Рахунок Bain показує, що нинішні ціни на моделі тримаються на ставці, що нові продукти дадуть дві третини майбутньої виручки. Якщо цього не станеться, тиск піде на ціни підписок і лімітів, і перші ознаки видно вже зараз, як з урізаним Pro 200 з пункту 3.
Тим, хто будує бізнес поверх чужих моделей, варто закладати в план, що поточні ціни не вічні.
тема 10Livenerf: як чесно перевірити, чи «погіршили» модель після запуску
Скарги, що модель стала гіршою через кілька тижнів після релізу, звучать після кожного запуску, і майже ніколи не мають доказів. Автор livenerf вирішив зібрати їх заздалегідь: щодня протягом 30 днів проганяє Claude Opus 5.5 через одну й ту саму панель задач, перші 10 днів як еталон, далі два десятиденні вікна для порівняння. Перший прогін був 24 вересня, приблизно через 2,5 дня після запуску моделі, перший можливий висновок приблизно 24 жовтня. Зараз зібрано 6 днів з 30.
Методика цікавіша за результат, якого ще нема. З 2 336 питань з GPQA Diamond, MMLU-Pro і AIME модель на 97% або завжди відповідає правильно, або завжди помиляється, тож для виявлення змін вони марні. Панель склали з 78 питань, де відповідь то правильна, то ні. Автор заздалегідь опублікував протокол і чесно описав межі: інструмент помітить зміну точності приблизно на 7,5 пункта за вікно, але підміну на Opus 5 у валідації не відрізнив (−3,8 ± 6,3 пункта). Зниження рівня міркувань краще видно за кількістю токенів, ніж за точністю. Серед 78 питань знайшлось 8 з імовірно хибними ключами відповідей. 29 вересня, до речі, Claude мав годинний збій з 14:00 до 14:59 UTC: не працювали вхід, нові чати, Claude Code і Cowork, а частина повідомлень могла не зберегтись.
Чому це важливо. «Модель стала тупішою» перетворюється з відчуття на вимірювання, якщо завчасно зафіксувати еталон. Для команди, яка залежить від конкретної моделі в продакшені, рецепт простий: власний невеликий набір пограничних задач, щоденний прогін з першого тижня і облік токенів поряд з точністю. Без еталону першого тижня будь-яка суперечка про погіршення лишається суперечкою вражень.