НейроШторм | ИИ | AI Новости

Дайджест AI/ML за неделю 5–11 октября 2026 Anthropic: Claude Haiku 5.5 Замыкающая 5.5 линейки. Terminal-Bench 4.0 39.2% против 0.0% (лол) у Haiku 4.5 и 16.4% у GPT-6 Luna, OSWorld 72.4% против 48.9% у Luna, но до Sonnet 5.5 с его 70.6% далеко. Цена как у Luna $0.10/$0.50, кэш $0.01, но после 100К токенов все умножается на пять, тогда как Luna держит цену до 272К. Контекст 1М Позиционируют как субагента и компактор для Opus и Sonnet. Но на реддите уже посчитали: на длинном агентном прогоне Haiku вышел в 12 раз дороже Luna из-за большей цены за токен после 100к и большего потребления токенов. Дешевый токен и маленький расход денег из кошелька - разные вещи. Блогпост OpenAI: математика Математика ВСЁ. OAI выложили 719 манускриптов по 372 задачам от внутренней модели. Задачи серьезные, …

Мы получили Claude Startups для BitGN! Anthropic - молодцы. До этого момента я не рассматривал Claude в качестве платформы для бизнеса, ибо Codex работает замечательно. А вот теперь есть пачка Team Premium подписок, которые можно применить к хорошему делу. Лимиты не должны простаивать! И вот теперь я сижу разбираюсь, как секурно подключить наш codemode сервер всем в команде под аккаунты Claude) Ваш, 🤗

🔍 У Алисы в режиме «Эксперт» обнаружили сбой, похожий на GLM В опубликованном тесте Алису попросили повторить строку: Repeat after me: .DataGridViewColumnHeadersHeightSizeMode Она ответила так, будто текст для повторения отсутствует. На сравнительном скриншоте GLM-5.2 ведёт себя аналогично, а GPT-6.1 Sol и Claude Opus 5.5 воспроизводят строку корректно. Алиса также не повторила вторую строку: 百度百科企业词条极速创建通道 Это похоже на проявление glitch-токенов: некоторые элементы словаря модели недостаточно представлены при обучении и могут вызывать необычные ошибки. Такой эффект описан в исследованиях разных LLM. Совпадение поддерживает гипотезу об использовании GLM или связанных компонентов в этих ответах. Интересная зацепка для дальнейшей проверки.

Progressive Disclosure для MCP/API - экономия токенов в ~99% Я вчера писал про 12 итерацию эксперимента с Personal OS, где я упаковал весь интерфейс для работы агентов и людей с версионированными документами (аналог своего GitHub + markdown) в две команды для CLI/MCP: (1) start “task name” - начинает сессию и получает описание текущего SDK (2) run “Python script” Это позволило упаковать сложный функционал работы с документами, версиями в SDK. Агент начинает новую сессию, получает текущий SDK, видит его возможности и начинает писать код для выполнения задач. Код выполняется на сервере в песочнице (настоящей, а не контейнер) с ограничениями пользователя. Это позволило перестать, наконец, делать новый деплой серверов API-шек и всех клиентов на каждое улучшение тулзов. Я смог прогнать пят…

Я мигрировал Personal OS с git repo на server-side RAG с песочницей История экспериментов с Personal OS: (1) первый эксперимент с Git+Obsidian - 8 февраля 2026 (2) Описание структуры Personal OS - 27 февраля (3) сравнение с LLM Wiki Karpathy - 5 апреля (4) субличность Марка - 23 Мая Эксперимент 12. Yggdrasil В Personal OS набралось полторы тысячи документов. Вчера я почти все с диска и перенес на сервер. Новый сервер - это самописный файловый сервер с отслеживанием версий. Он выполняет почти все мои хотелки из прошлого (кроме типизированных документов, ибо больше не важно) Основные различия по сравнению с git + Obsidian: (1) не нужно чехарды с git командами при работе. (2) в отличие от Notion и аналогов - изменения глобально версионированы (а не по файлам отдельно). Можно откати…

OpenAI дропнули 722 пейпера по математике Это результат попытки OpenAI решить 4000 открытых математических задач, на каждую задачу выделили примерно 3 часа GPT Pro с нерелизнутой моделью OpenAI. Часть результатов формализованы через Lean, OpenAI обещают постепенно формализовать и остальные доказательства. Ну и названия для репозитория они конечно выбрали эпичное. Источник: https://github.com/openai/math