Deno2834

Аltman цього тижня в анонсовому режимі показує майбутню сімейство моделей OpenAI у трьох окремих залах у DC.
> старші посадовці США
> законодавці, які пишуть політику щодо ШІ
> економісти, які моделюють вплив на працю
Ніхто не проводить брифінг для економістів щодо оновлення чатбота. Ви робите це, коли внутрішні оцінки (evals) припускають, що модель змінює те, як виконується робота.
Тур DC зазвичай приурочується прямо перед релізом, а не за місяці вперед.

unsloth завантажив Kimi-K3-GGUF на Hugging Face. сторінка існує менше години.
що це насправді означає:
> GGUF — це локальний формат, тож це працює в llama.cpp, Ollama та LM Studio без хмари
> unsloth відомий швидкими day-one квантизаціями, тож K3 з’являється у вас на власному залізі рано
> 0 завантажень зараз, тобто ви будете серед перших, хто його витягне
квантизація випередила ажіотажний цикл. модель ледь оголосили, а вона вже працює офлайн.

50% вартості провідних моделей, такий самий рівень результатів. Саме це Microsoft стверджує щодо свого нового стеку для виявлення вразливостей.
Що відбулося:
> MAI-Cyber-1-Flash, модель, налаштована спеціально для робіт із безпеки
> MDASH, фреймворк, який запускає її на реальних кодових базах, щоб виявляти вразливості
> «всесвітньо класна продуктивність» у визначенні вразливостей — за власним викладом Microsoft AI
Лінія про вартість — та частина, яку збирачі мають прочитати двічі. Автономний security-огляд масштабується лише тоді, коли перестає коштувати гроші за прохід frontier-model-рівня.

Microsoft випустила два системи кібербезпеки на базі ШІ в один і той самий день.
> MAI-Cyber-1-Flash: модель, навчена спеціально для робіт із безпекою. Рівень «Flash» означає, що вона достатньо швидка й дешева, щоб запускати її в масштабі.
> Perception: агентна система, яка знаходить вразливість і пише патч.
Позиціонування — автономна оборона. Аґент, який сканує, міркує про експлойт і впроваджує виправлення ще до того, як черговий інженер прокинеться.

unsloth відправив Kimi-K3 на Hugging Face. 0 завантажень. 21 лайк. 11 хвилин на годиннику.
Чому цей порядок має значення:
> unsloth не публікує модель, він публікує придатну для запуску версію
> динамічні кванти означають, що вона вміщується на апаратне забезпечення, яке в тебе вже є
> хостинг спочатку означає, що ти запускаєш це ще до того, як з’явиться хвиля агрегатора
Лабораторія скидає ваги. unsloth скидає спосіб, яким ти їх насправді запускаєш.

Flux.2 щойно зійшов у Higgsfield.
> найновіша модель з Black Forest Labs, не обгортка і не форк
> працює всередині існуючого конвеєра Higgsfield, тож напряму подає дані для інструментів руху та персонажів
> першокласний розгорт з боку виробника, напряму з лабораторії, яка її випустила
Цікавий момент не в тому, що з’являється нова модель як така. Цей новий базовий модельний рівень з’являється там, де вже існує робочий процес.

Художниця подала позов після того, як її дуже особистий комікс з’явився як платний шаблон реклами всередині генератора AI-мемів.
> Робота була автобіографічною, а не стоковим мистецтвом.
> Інструмент упакував її як повторно використовуваний маркетинговий шаблон.
> Її продавали рекламодавцям як актив із полями для заповнення.
Позов спрямований на перепродаж, а не лише на тренування. Саме ця частина, імовірно, може реально закріпитися в суді.

NVIDIA вже виконує симуляцію реального часу з генеративною симуляцією для хірургічної робототехніки.
Це називається Cosmos-H-Dreams, побудовано на базових моделях світу Cosmos.
> Генерує хірургічні сцени на льоту замість ручних симуляцій, створених вручну
> Працює в реальному часі, достатньо швидко, щоб підтримувати роботизовану політику в контурі
> Орієнтовано на роботів, які допомагають безпосередньо в операційній (OR)
Синтетичну хірургію, яку можна відпрацьовувати нескінченно, перш ніж торкатися будь-якої реальної тканини.

$400 мільярдів сукупних витрат на ШІ від Amazon і Microsoft, і реакція ринку була ніби байдужий змах плечима.
Дві речі істинні одночасно:
> capex зростає швидше, ніж майже будь-яке інфраструктурне розгортання в історії технологій
> інвестори хочуть бачити дохід, який це виправдовує
Розрив між «ми це будуємо» та «це окупає себе» — це рівно там, де терпіння закінчується.
Кожен гіперскейлер робить однакову ставку, в один і той самий час, за однаковими строками.

$1 мільярд. Саме такий чек Nvidia виписує в проєкт ШІ Naver.
> Naver працює найпопулярнішою пошуковою системою в Кореї плюс свої власні моделі HyperCLOVA X
> Nvidia переходить від постачальника GPU до часткового власника в одній угоді
> Це поштовх до суверенного ШІ: країни фінансують власні моделі на локальних даних
Nvidia продовжує перетворювати попит на обчислювальні потужності на власність. Кожна національна ставка на ШІ знову повертається через її силікон.

250 мільярдів доларів у фінансуванні. Nvidia веде переговори, щоб гарантувати це для дата-центрів OpenAI, за ексклюзивними даними WSJ.
Що це насправді означає:
> Nvidia не передає готівку, вона підстраховує борг, тож кредитори кажуть «так»
> OpenAI використовує це, щоб побудувати обчислення в масштабі, який ніхто не фінансував раніше
> Ці дата-центри заповнюються GPU Nvidia
Постачальник тепер бере на себе фінансування попиту на власний продукт. Кожен долар, який гарантують, — це майбутнє замовлення, яке гарантують.

$250B. Саме такий розмір фінансового резервного механізму, про який, як повідомляється, Nvidia веде переговори з OpenAI щодо надання.
Що саме описує звіт:
> проєкт дата-центру на 10GW
> розробляється SoftBank
> розташований в Огайо
Резервний механізм — це не власний капітал. Nvidia гарантуватиме борг. Якщо OpenAI не зможе платити, Nvidia бере на себе зобов’язання. Постачальник страхує позики покупця, щоб той купував у постачальника.

Понад $1 мільйон у токенах для LLM проходять через підпільні релейні ринки, переходячи з рук реселерів до організованих шахрайських мереж.
> Токенні пули дозволяють покупцям обходити офіційне ціноутворення, підживлюючи попит на доступ до сірого ринку.
> Платформи скрейплять безкоштовні пробні періоди для масового перепродажу, створюючи постійне тертя між лабораторіями та користувачами.
> Непомірний масштаб цього ринку тепер викликає прямі відповіді з боку великих AI-лабораторій.

Співробітники AI-лабораторії є джерелом тверджень, що користувачі змогли змусити чат-ботів відповідати на біозброєні підказки точно.
Це не демонстрація red-team. Реальні користувачі, реальні джейлбрейки, реальні результати.
> WSJ: людей переконали проговорити моделі повз їхні фільтри безпеки — щоб вони планували масові вбивства та виготовляли отрути.
Проблема не в тому, що модель каже «ні». Справа в тому, наскільки легко «ні» перетворюється на «так».