QuestDB - это open-source база данных для time-series данных, созданная для высокоскоростной записи и SQL-запросов с низкой задержкой.

Внутри у неё многоуровневый storage engine и SIMD-ускоренное выполнение.

Что важно:

- Колоночное хранение данных

Параллельное векторное выполнение запросов и использование SIMD-инструкций для ускорения обработки.

- Многоуровневое хранение

От WAL до нативного колоночного формата и Parquet в object storage.

- SQL-расширения для time-series

Поддержка ASOF JOIN, SAMPLE BY и LATEST ON.

- Интеграции

Поддерживает Postgres wire protocol и REST API, поэтому её проще подключать к существующей инфраструктуре.

https://github.com/questdb/questdb

Абсолютного иммунитета к jailbreak-атакам не существует даже у самых сильных LLM.

Новое исследование показывает: frontier-модели действительно становится сложнее взломать, но не невозможно.

Авторы проверяли Anthropic Fable 5 и Opus 4.8 с помощью автоматизированных red-team инструментов. Система снова и снова переписывала опасные запросы, пока модель либо отказывалась отвечать, либо всё же давала нежелательный ответ.

Fable 5 оказался устойчивее Opus 4.8. В худшем сценарии успешность атаки на Fable 5 достигала 6.1%, а у Opus 4.8 под самым сильным давлением доходила до 11.5%.

Полностью исключить jailbreak практически невозможно. Даже tiny failure rate становится проблемой, если атаки автоматизированы и повторяются в большом масштабе.

И здесь важна деталь: старая карикатурная версия jailbreak, где всё строилось на странных кодировках и театральном role-play, уже не главная угроза.

Оставшаяся слабость контекстная.

Атакующий не просто задаёт один вредный вопрос. Он адаптируется после отказов, меняет формулировку, подбирает рамку и ищет такой контекст, который модель воспримет как допустимый, а не опасный.

Поэтому абсолютная неуязвимость, скорее всего, неправильная цель. Языковые модели не “видят намерение” с идеальной моральной высоты. Они выводят смысл из формулировки, контекста и похожих примеров.

В такой гибкой системе всегда будут пограничные случаи, где вредный запрос достаточно похож на обучение, safety research, fiction, troubleshooting или policy analysis, чтобы проскочить фильтр.

Paper: A Red-Team Study of Anthropic Fable 5 & Opus 4.8 Models
https://arxiv.org/abs/2606.18193

Боевые Вайбкодинг-машины

DeepSeek-V4-Flash открыли бесплатно: тестируем без оплаты токенов

Что можно тестировать:

• генерацию кода и автоматизацию;• агентные сценарии и ботов;• анализ данных и технические задачи;• быстрые прототипы без расходов на API;• игровые серверы, ассистентов и нестандартные AI-проекты.

Отличный вариант, чтобы быстро проверить идею, не сливая бюджет на эксперименты.

Забираем бесплатно здесь:

https://www.openmodel.ai/event

forkd - это runtime для sandbox-окружений AI-агентов на базе Firecracker microVM.

Он помогает быстрее ветвить и распараллеливать задачи: сначала один раз запускается «прогретый» родительский microVM, а затем дочерние окружения создаются из copy-on-write снапшотов памяти вместо холодного запуска каждой VM.

Ключевые возможности:

- Forking от прогретого родителя - дочерние окружения наследуют уже загруженные импорты, зависимости, JIT-состояние, веса моделей и кэши
- KVM-изолированные microVM — каждый дочерний sandbox работает как отдельный процесс Firecracker с собственной изоляцией
- Live BRANCH, можно поставить работающий sandbox на паузу, снять снапшот состояния «на лету» и продолжить выполнение. Для v0.4 заявлено p50-окно паузы исходного окружения 56 мс
- Цепочки diff-снапшотов — можно накладывать runtime-слои вроде numpy → pandas → sklearn без повторного копирования одного и того же базового образа
- Удобная daemon-поверхность, REST API, Python/TypeScript/MCP-клиенты, метрики Prometheus, JSON audit log и поддержка systemd

Проект open-source и распространяется под лицензией Apache License 2.0.

Ссылка в ответе 👇

https://github.com/deeplethe/forkd

Интересный релиз Qwen3.6-35B-A3B-StyleTune!

Эта мощная модель точечно перестраивает текст так, чтобы полностью убрать роботизированные клише и повторяющиеся тропы, при этом сохраняя рассуждение и логику Qwen3.6 на 100%.

https://huggingface.co/Gryphe/Qwen3.6-35B-A3B-StyleTune

SpaceX подписала соглашение с open-source AI-стартапом Reflection AI на сумму до $6,3 млрд до 2029 года.

Reflection получит немедленный доступ к чипам Nvidia GB300 в дата-центре Colossus 2.

Платежи начнутся 1 июля 2026 года и составят $150 млн в месяц.

При этом любая из сторон сможет расторгнуть соглашение с уведомлением за 90 дней после первых трёх месяцев.

Также SpaceX уже заключила compute-соглашения с Anthropic, Google и Cursor.

Claude 😂😂😂

Anthropic вместе с Frontend Masters выкатили бесплатный курс по Claude Code.

И это не поверхностный обзор, а нормальный разбор инструмента для тех, кто хочет реально прокачать вайбкодинг и работу с AI-агентами.

Курс ведёт Lydia Hallie из Anthropic.

Внутри:

• основы Claude Code
• skills
• hooks
• sub-agents
• MCP
• плагины
• Agent SDK
• продвинутые сценарии работы

Хороший вход для тех, кто хочет не просто “просить ИИ написать код”, а собирать нормальный рабочий процесс вокруг Claude Code.

Ссылка:
https://frontendmasters.com/courses/claude-code

GLM-5.2 набрала 22,8% на ARC-AGI-2 при стоимости $0,25 за задачу.

Важно отметить: примерно в мае 2025 года лучшие верифицированные модели на ARC-AGI-2 показывали всего около 3,0%.

То есть GLM-5.2 всё ещё сильно отстаёт от GPT-5.5 с результатом 85%, но при этом примерно в 7,6 раза превосходит лучший frontier-результат мая 2025 года.

И ещё она примерно в 7,5 раза дешевле за задачу, чем запуск GPT-5.5 за $1,87.

https://x.com/arcprize/status/2069845152773099854

SpaceX и xAI постепенно превращаются в новоый Oracle.

Сообщается, что Reflection получит быстрый доступ к чипам Nvidia GB300 через SpaceX.

За это компания будет платить $150 млн в месяц, начиная с 1 июля 2026 года.

Если сделка продлится до 2029 года, её общая стоимость может достичь примерно $6,3 млрд.

У кого есть GPU, энергия и дата-центры, тот фактически становится новым облачным гигантом.

https://www.cnbc.com/2026/06/22/spacex-ai-colossus-data-center-reflection.html

В Китае, по сообщениям, вырос чёрный рынок токенов для Claude.

Пользователям продают доступ почти на 93% дешевле, чем у Anthropic. Но такая скидка появляется не из воздуха.

Схема держится на трёх вещах.

Первая - дробление аккаунтов.

Продавцы массово создают платные аккаунты с большими лимитами и делят их между клиентами по часовым квотам. Один аккаунт превращается в пул для десятков или сотен пользователей.

Вторая - подмена модели.

Человек думает, что общается с Claude Opus, а на деле ему может отвечать более дешёвая Claude Haiku или вообще другая модель вроде Qwen.

Третья - перепродажа данных.

Самая опасная часть - логи чатов. Там могут быть код, документы, рабочие переписки, личные данные, пароли, API-ключи и коммерческая информация.

Эти данные могут уходить компаниям для обучения моделей или попадать к мошенникам. Дальше - спам, фишинг, шантаж и другие неприятные истории.

Всё это существует, несмотря на блокировку Claude в Китае.

Для обхода используют Transfer Stations - прокси-площадки, через которые чат-боты получают доступ к токенам. Поставщиков выбирают по цене, стабильности и аптайму.

Отдельная часть схемы - аккаунты и KYC. По сообщениям, для верификации используют купленные данные людей из бедных регионов Азии, Африки и Латинской Америки, а также синтетические AI-личности.

Трафик часто гонят через страны, где Claude доступен, например через Сингапур.

Ирония в том, что из-за таких схем маленький Сингапур внезапно стал одним из лидеров по использованию Claude на душу населения.

Главная мысль простая: подозрительно дешёвый доступ к топовой модели может стоить не $5.

Он может стоить ваших данных.

https://www.chinatalk.media/p/how-to-buy-cheap-claude-tokens-in

🚨 Alibaba, как утверждается, не взламывала Claude.

Схема была другой - и куда опаснее.

По данным Anthropic, с 22 апреля по 5 июня 2026 года операторы, связанные с Alibaba/Qwen, создали около 25 000 фейковых аккаунтов и прогнали через Claude 28,8 млн диалогов.

Зачем?

Не чтобы просто пользоваться моделью.

А чтобы собрать её ответы и обучать на них свои системы.

Это называется model distillation.

Смысл простой: не нужно красть код модели. Достаточно массово задавать ей вопросы, сохранять ответы и потом учить другую модель повторять похожее поведение.

Anthropic называет это одной из крупнейших атак такого типа против компании.

И масштаб растёт.

Ранее Anthropic уже указывала на похожие случаи:

→ DeepSeek - 150 000 взаимодействий
→ Moonshot AI - 3,4 млн
→ Alibaba/Qwen - 28,8 млн

Разница уже не в процентах, а в порядке величин.

По версии Anthropic, цель таких схем - перенести возможности западных frontier-моделей в китайские системы быстрее и дешевле, чем обучать всё с нуля.

Именно поэтому история вышла за рамки обычной конкуренции.

После письма Anthropic в Сенат США тема быстро стала вопросом национальной безопасности. А доступ к самым продвинутым моделям вроде Mythos и Fable, по сообщениям, начали ограничивать.

Теперь это технологическая война, где «кража» может выглядеть не как взлом сервера, а как миллионы обычных запросов к чат-боту.

https://x.com/Polymarket/status/2069892570214179081