Неискусственный интеллект

Внимание! Ваш разговор записывается монетизируется Планы Сэма Альтмана по заработку на самых дешёвых пользователях начинают воплощаться в реальность. На этой неделе ChatGPT начал показывать рекламу в 31 европейской стране. Объявления появляются под ответами на тарифах Free и Go, платных подписчиков уровня Plus и выше таргет пока не касается. На старте все промо считаются неперсонализированными. Прошлые чаты и память не используются. При этом система анализирует тему и содержание текущего разговора, а также учитывает примерное местоположение, время и тип устройства. Перед запуском полноценной персонализации OpenAI обещает отдельно запросить согласие. Если пользователь его даст, для подбора объявлений смогут применяться: ▪️ текущий диалог, включая персонализированные ответы ChatGPT; ▪️ прошлые разговоры и сохранённые воспоминания; ▪️ просмотренные, скрытые и нажатые объявления. Рекламодатели не получают доступ к переписке, памяти, имени, почте или точной геолокации. Компания также уверяет, что объявления не влияют на содержание ответов. Рекламу не будут показывать в Temporary Chat, несовершеннолетним и рядом с разговорами о здоровье, психическом состоянии и политике. От промо в диалогах также можно будет отказаться даже на бесплатном тарифе — в обмен на урезанные лимиты. Посмотрели мы на всё это, и задались вопросом — а что у нас, в России? Тем более, что последний раз тему с политикой российских ИИ-вендоров по обработке диалогов мы затрагивали почти год назад. Так вот. «Яндекс» уже тестирует почти такую же модель, что и OpenAI: «Алиса AI» анализирует запросы текущего диалога и собственные ответы, после чего показывает подходящую карточку с пометкой «промо». Но отключить объявления нельзя даже с платной опцией «Алиса Плюс». Одновременно пользователь предоставляет «Яндексу» безвозмездную безотзывную лицензию на запросы и загруженные файлы: их можно преобразовывать, публиковать, распространять и передавать по сублицензии для совершенствования алгоритмов и размещения в сервисах компании. Сгенерированный контент «Яндекс» и его структуры могут анонимно использовать любыми способами и «в любых целях» без ограничения по сроку. У GigaChat рекламы пока нет. Но по условиям публичного сервиса «Сбер» получает широкие бесплатные лицензии на всё содержимое диалога: запросы и файлы можно копировать, перерабатывать, публиковать, распространять и публично показывать, а ответы GigaChat — ещё и передавать по сублицензии третьим лицам и использовать в рекламе и маркетинговых материалах. Это не доказывает, что компания уже анализирует переписку для таргетинга, но юридический задел для дальнейшей монетизации у неё есть. Ну а что наши любимые китайцы? DeepSeek заявляет, что не занимается рекламой, не продаёт персональные данные и не использует профилирование для принятия юридически значимых решений. При этом сервис собирает запросы, файлы, историю чатов, IP-адрес, сведения об устройстве и действиях пользователя, хранит данные в Китае и может применять их в том числе для анализа взаимодействий на разных устройствах. Реклама только сделала видимым то, что произошло раньше: разговор с чат-ботом превратился в отдельный массив данных, права на который каждый вендор определяет по-своему. @anti_agi

Уходим в выходные с тремя новыми сильными открытыми моделями: Z.ai наконец выложила веса GLM-5.3, Tencent открыла Hy4 preview. Третьим (и первым в череде) релизом недели прошла GLM-5.3 Flash. GLM-5.3 запускали две недели назад, отдали в подписку и ZCode, а веса придержали. Z.ai объяснила это тем, что способности в кибербезопасности выросли быстрее, чем закладывалось, и нужно закончить оценку и доработку защит. Свои замеры компания приводила такие: 84,5 на CyberGym против 77,2 у GLM-5.2, 54,4 на ExploitBench против 24,4, 28,3 на Terminal-Bench 3.0 против 4,6. Плюс 2436 уязвимостей в 269 открытых проектах, из них 1097 критических и высоких. Лицензия при этом сменилась. У GLM-5.2 была MIT, у GLM-5.3 своя. Текст почти дословно повторяет MIT и добавляет один пункт: кто продает доступ к инференсу или дообучению и имеет больше $10 млрд выручки за любые 12 месяцев подряд, обязан пройти проверку безопасности у Z.ai перед коммерческим использованием. Artificial Analysis дает GLM-5.3 60 баллов Intelligence Index, вровень с Kimi K3 и на 7 выше GLM-5.2. На агентном GDPval-AA v2 около 1770, второе место после Claude Opus 5. Токенов модель жжет заметно больше: примерно 18700 выходных на задачу, на 20% больше GLM-5.2 и на 27% больше Kimi K3. GLM-5.3 Flash вышла днем раньше под MIT. Это не облегченная старшая, а отдельная модель на своей базе: 320B параметров, 18B активных, первая нативно мультимодальная в линейке. Неделю до анонса она работала на OpenRouter и OpenCode анонимно под именем ox-alpha, трафик, по утверждению Z.ai, обслуживали китайские ускорители. У Artificial Analysis 57 баллов и пометка про многословность: 150 млн токенов на прогон индекса при медиане 110 млн. Hy4 preview Tencent открыла сегодня под Apache 2.0. 770B параметров, 49B активных, миллион контекста, отдельный слой MTP на 10B для спекулятивного декодирования. Предыдущая Hy3 была на 295B и 256 тысячах контекста. Заявлено 85,4 на Terminal-Bench 2.1 и рост с 28,0 до 64,3 на DeepSWE. Отдельно приведен слепой внутренний тест: 163 эксперта Tencent на 203 инженерных задачах, 2,99 у Hy4 против 2,92 у GLM-5.3 и 2,94 у Kimi K3. Архитектуру Tencent в карточке прямо называет заимствованной у DeepSeek и GLM. Вендорские таблицы между собой не бьются. Tencent пишет, что 85,4 на Terminal-Bench 2.1 обходит DeepSeek V4 Pro. У Z.ai в таблице к весам GLM-5.3 тот же DeepSeek V4 Pro стоит на 87,9, а сама GLM-5.3 на 88,2. GLM-5.3 Веса Блогпост GLM-5.3 Flash Веса Блогпост Hy4 preview Веса Блогпост @anti_agi

Весьма говорящая картинка. С марта рост выручки Anthropic ускорился. А весь рынок теперь зарабатывает почти $120 млрд, в пересчете на год. @anti_agi

Anthropic и новый протокол Anthropic открыли превью Model Hardware Standard, единого стандарта, через который ИИ-агенты подключаются к лабораторному и промышленному оборудованию: микроскопам, манипуляторам, дозаторам жидкостей, планшетным ридерам. Доступ по заявкам, для ограниченного круга лабораторий и производителей оборудования, открыть исходники обещают позже. У каждого прибора свой интерфейс, свой софт и свой формат данных, поэтому связать их между собой это недели, а иногда месяцы работы интегратора. MHS вводит стандартный драйвер с примитивами уровня read и write, плюс описание прибора на естественном языке: вес манипулятора, пределы безопасности, что можно измерять и что регулировать. Агент цепляется к этому через MCP, CLI или код. Что уже есть из пруфов: ▪️ QuEra автоматизировала перезахват частоты лазера в квантовом компьютере на нейтральных атомах. Скрипт, который команда из четырех человек писала несколько месяцев, срабатывал в 58% случаев за 150 секунд. Claude за ночь, в цикле из четырех собственных инстансов (гипотеза, правка кода, прогон на живом лазере, разбор логов), переписал линейную последовательность в дерево решений: 99,3% на 700 испытаниях. ▪️ Carnegie Mellon ускорила эксперименты с серийными разведениями примерно втрое. Сборка стенда из трех компьютеров с несовместимыми интерфейсами (планшетный ридер вообще без API, только GUI) заняла восемь часов вместо нескольких недель у поставщика. ▪️ Genentech автоматизировала BCA-анализ на белок. Claude сам подобрал скорости потока отдельно для воды и для вязкого раствора альбумина. ▪️ В University of Washington агент следит за кривыми амплификации qPCR и в нужный момент спрашивает исследователя, останавливать реакцию или продолжать. Подключение шести приборов заняло меньше недели. Ограничения Anthropic перечисляет тут же. В Genentech Claude, наткнувшись на пузырьки в вязком реагенте, упорно повторял операцию в той же лунке и делал только хуже, пока люди не объяснили ему физику происходящего. В QuEra агент регулярно замирал на всю ночь, ожидая подтверждения человека перед действием, которое счел слегка рискованным. Что забавно, вырос стандарт из частного решения: сотрудник исследовательского кампуса HHMI Janelia свел состояние своей микроскопной установки, где лазеры, зеркала и камеры от разных производителей не имели общего интерфейса, в один словарь. Anthropic подключила к этому словарю модели. А лучший результат превью выглядит так: Claude всю ночь бился с лазером и написал скрипт на Python, который делает то же самое без него. Первое, что автоматизировал агент, это себя. @anti_agi