Claude Opus 4.6 решил задачу Дональда Кнута, с которой сам маэстро не справился

Сейчас легендарному Дональну Кнуту 88 лет, но он продолжает работать и даже писать. Конкретно сейчас он занят написанием четвертого тома The Art of Computer Programming (а именно, третьей его части). Этот том полностью посвящен комбинаторным задачам.

И вот вчера, внезапно, на сайте Стэнфорда появляется статья его авторства, которая начинается буквально со слов "ШОК! ШОК!".

Оказалось, что Claude Opus 4.6 решил сложную задачу, над которой сам Кнут и его друзья работали неделями. Задача связана с поиском гамильтоновых циклов. Формулировка для тех, кому интересно:

Рассматривается ориентированный граф, вершинами которого являются все возможные тройки целых чисел i, j и k от 0 до m−1. Из каждой вершины выходят три дуги: одна ведет в вершину, где увеличивается i на единицу по модулю m, вторая – где увеличивается j на единицу по модулю m, и третья – где увеличивается k на единицу по модулю m. Всего в таком графе m³ вершин и у каждой вершины по три исходящих дуги. Требуется найти общий способ, который для любого m больше 2 разбивает все дуги этого графа на три направленных цикла, причtм каждый из них должен проходить через все вершины ровно один раз, то есть быть гамильтоновым циклом.

Она возникла как раз во время написания новой книги. Сам Кнут работал над ней несколько недель, но нашел решение только для случая m = 3. Его коллега Filip Stappers затем попробовал исследовать задачу вычислительно и эмпирически нашел разложения для m от 4 до 16.

Решение в общем виде никому из них найти не удалось, пока Stappers не задал задачу Claude Opus 4.6. Бот думал примерно час и нашел конструкцию, которая работает для всех нечетных m.

С подачи Кнута задача получила название "Claude’s Cycles", и вот что он пишет об этом результате:

"Похоже, мне придется пересмотреть свои взгляды на генеративный ИИ. <> Подход Claude к решению был очень впечатляющим. <> Думаю, дух Клода Шеннона гордится, что его имя теперь связано с такими прорывами. Браво, Клод!"

cs.stanford.edu/~knuth/papers/claude-cycles.pdf

Более 2.5 миллионов человек заявили, что они отменили подписку на ChatGPT из-за последних событий

По крайней мере, такие данные зафиксировал сайт quitgpt.org/. Он был специально создан, чтобы бойкотировать стартап за сделку с Пентагоном.

Сколько из перечисленных 2.5 миллионов подписавших петицию действительно перешли на другой ИИ – неизвестно.

Так или иначе, 2.5 миллиона – это все еще только около 0.3% от еженедельных пользователей бота.

Агент Cursor решил одну из задач First Proof challenge лучше, чем люди

First Proof challenge – это набор из 10 математических задач, составленный 11 известными математиками (включая лауреата Филдсовской премии Мартина Хайрера).

Задачи там из областей алгебраической комбинаторики, спектральной теории графов, топологии, стохастического анализа и тд. Они имитируют реальную работу академиков лучших университетов мира.

Задачки были составлены всего лишь месяц назад и открыто не публикуются во избежании лика данных в трейн моделей.

И вот сегодня CEO Cursor заявил, что их агент (для кодинга, на секундочку) справился с одной из этих задач, и нашел при этом лучшее решение, чем люди.

Это подтверждают математики: подход агента действительно отличается от существующего и улучшает доказательство до новой константы.

Что интересно, тут использовалась ровно та же система, с помощью которой Cursor с нуля завайбкодили браузер (пост об этом вот тут). Она автономно работала над задачей четыре дня, не получая никаких подсказок.

Под капотом там, кстати, не один, а десятки агентов на основе разных моделей, которые динамически планируют действия и работают над подзадачами.

Notebook LM от Google теперь умеет создавать целые документалки из ваших источников

Они выкатили фичу Cinematic Video Overview. Если прошлая версия Video Overviews создавала только статические слайды, то тут вы получите на выходе полностью анимированный иммерсивный ролик.

Gemini 3 работает как режиссер, Nano Banana Pro генерирует референсы, и Veo 3 занимается видео-анимацией.

Выглядит прямо занятно. Конечно, это пока лишь скромный зачаток, но представьте: если сегодня NotebookLM превращает документы вот в такие кинематографические обзоры, то через пару лет мы сможем за минуты генерировать целые фильмы по любой теме. Вообразите эффект на образование.

Ну а пока фича доступна, к сожалению, только аккаунтам Ultra и только на английском.

Как фактчекнуть любой пост в Telegram за несколько секунд

Telegram – один из главных источников новостей. Но вместе с новостями тут всегда много шума и хайпа, а точности иногда меньше, чем хотелось бы. Особенно по теме ИИ.

Поэтому заинтересованному читателю почти каждый раз приходится идти перепроверять.

Так вот: делимся с вами лайфхаком, как сделать это прямо в Telegram за несколько секунд. Достаточно вызвать бот Алисы AI и попросить модель фактчекнуть текст. Вот промпт, который обычно используем мы:

@alisa проверь факты в этом тексте: что правда, что требует уточнения, что ложно. Приведи объяснения и достоверные источники.

Бот быстро проведет вебсерч и ответит в том же чате (при этом добавлять бота в чат не требуется, он работает абсолютно везде).

А еще @alisa неплохо умеет рисовать. Пользуйтесь!

Что и требовалось доказать: Дженсен Хуанг во всеуслышание заявил, что его недавние инвестиции в OpenAI и Anthropic, вероятно, будут последними для обоих

Хотя он мягко объясняет это скорым возможным IPO компаний, аналитики больше верят в другие причины, и, в первую очередь, в опасения Nvidia по поводу пузыря.

Сделки с OpenAI в основном имеют циркулярный характер: Nvidia дают денег, а OpenAI несут их обратно в Nvidia. Проще говоря, Nvidia боится попасть под раздачу, когда пузырь схлопнется, и вскроется отсутствие независимого роста компании.

Это не говоря уже про регуляторные риски: SEC вообще в какой-то момент могут расценить это как мошенничество и фиктивный оборот бизнеса. Поэтому сейчас Nvidia логично выбирают стратегию расширения экосистемы, а не дополнительных вложений.

Ну а с Anthropic ситуация осложняется, конечно, из-за ситуации с администрацией Трампа.

В сети появилось видео, как проходит работа сотрудников c Claude Code в стартапе, привлекшем миллиарды $.

Когда в 2023-м все начали говорить про агентов, под этим чаще всего подразумевали цепочку промптов с фиксацией контекста, а про инфраструктуру, как правило, даже не задумывались. Сейчас кто-то по-прежнему считает, что агенты — это окошечки с LLM, а развернутая на единственной ноде модель — это подходящая инфраструктура для агентской системы. На самом деле это, конечно, не так.

Чтобы экономика сходилась и железо утилизировалось эффективно, нужно учитывать реальный паттерн нагрузки: долгие сессии, многошаговые диалоги, большие контексты.

В последнем обновлении Yandex AI Studio интересен не столько факт, что появилась модель DeepSeek V3.2, сколько то, как под нее оптимизировали инференс. Модель работает в режиме prefill/decode, где prefill-ноды оптимизированы под быстрый прогон длинных контекстов, а decode-ноды — под устойчивую генерацию с низким и стабильным показателем Time Between Tokens. Чтобы это работало, пришлось научиться передавать KV-кэши между серверами в реальном времени, а это гигабайты данных.

Дальше — больше. Введена иерархия кэшей (GPU → CPU → распрелеленный слой), а балансировщик теперь «знает», где уже хранятся закешированные фрагменты контекста, и отправляет запрос туда, где cache hit rate будет выше.

Поверх этого слоя появились приватные эндпоинты и правила модерации ответов моделей, что особенно актуально при работе с опенсорс моделями в корпоративном контуре. Добавили и новый подход к тарификации: появились токены инструментов и токены кеширования. Первые участвуют при вызове встроенных инструментов (File Search, Web Search, MCP), вторые — при повторном использовании уже обработанных фрагментов запроса. Всё это стоит в четыре раза дешевле обычных токенов и делает длинные агентские сценарии экономически осмысленными.

Возможно, именно здесь и начинается взрослая эпоха для агентных систем — не промпт-цепочки, а полноценные цифровые организмы, у которых есть память, тело и дисциплина.

Cursor теперь может мониторить вашу кодовую базу автономно и постоянно

Теперь там есть возможность настроить ИИ‑агентов, которые автоматически выполняют задачи в вашей базе по расписанию или по событиям (push, Slack, PagerDuty и т.п.).

Каждый такой агент крутится в отдельной cloud‑sandbox, может ходить в твой репозиторий, CI, Slack и внешние сервисы через MCP (Model Context Protocol).

То есть при срабатывании триггера поднимается изолированная среда, в нее подтягивается свежий код, и агент выполняет нужный сценарий. Настройки могут быть максимально гибкими.

Внутри уже есть типовые шаблоны: ежедневные дайджесты изменений в базе, поиск уязвимостей и простых багов, обновление документации. Пробуем!

cursor.com/blog/automations