Поскольку вопросы безопасности становятся всё актуальнее, OpenAI выпускает специализированную модель для кибербезопасности — GPT-5.6-Cyber.

Это первая масштабная попытка компании напрямую усилить модель для продвинутых задач в этой области, включая разработку эксплойтов.

По словам OpenAI, модель уже показывает себя особенно сильно в защитных сценариях. Её используют по всему внутреннему стеку для редтиминга, а исследователи безопасности с её помощью нашли и закрыли большое количество 0-day уязвимостей в открытом ПО.

Сильная новая работа от Meta.

Обычно законы масштабирования предполагают, что размер модели и объём данных влияют на ошибку независимо друг от друга.

В этой работе авторы вводят Skaling law — закон, который связывает ёмкость модели и данные через единый параметр взаимодействия.

Дополнительный член снижает среднюю абсолютную процентную ошибку примерно в 1,5–3 раза как при интерполяции, так и при экстраполяции.

Самые заметные улучшения — в режимах, где данных мало или модель сильно переобучают. Именно там стандартные законы Chinchilla и Kaplan начинают заметно промахиваться.

Ещё одна важная часть. Вместе с разреженной сеткой небольших запусков метод позволяет экстраполировать всю картину примерно с в 10 раз меньшими вычислительными затратами, чем при равномерном переборе.

Почему это важно?

Сегодня модели часто обучают и разворачивают далеко за пределами классического вычислительно-оптимального режима. Если закон масштабирования остаётся точным и там, причём его можно оценить на небольших запусках, это напрямую меняет то, как можно планировать бюджет на предобучение.

Работа: https://arxiv.org/abs/2608.07222

Нашёл интересный совет по Codex: вместо /goal юзать define-goal.

По сути, это как если бы ИИ экспертного уровня формулировал цель за тебя лучше, чем ты сам. И это официальный навык OpenAI.

Так промпты могут работать дольше, а результат получается качественнее. Сначала просишь Sol в режиме высокого уровня усилий исследовать задачу и составить план.

Дальше важный момент: Sol сам по умолчанию не запускает Luna как сабагента. Поэтому ему нужно прямо сказать создать отдельный поток в Luna Max, передать туда выполнение задачи, а результат вернуть обратно в родительский поток Sol.

Sol проверяет результат и, если он недостаточно хорош, отправляет его обратно в тот же поток Luna Max на доработку. И так до тех пор, пока результат не будет одобрен.

Sol → Luna → Sol → Luna → Sol

NVIDIA выпустила открытую модель Nemotron 3.5 Lightning для постоянно работающих ИИ-агентов.

Это модель на 30 млрд параметров, из которых активируются только 3 млрд. За счёт этого скорость генерации до четырёх раз выше, чем у моделей сопоставимого размера.

В PinchBench она показала точность 86% и выполнила 10 000 задач на 35% быстрее Qwen3.6 35B при сопоставимой точности.

Модель можно дообучить на собственных данных, инструментах и рабочих процессах. Она достаточно компактна, чтобы запускаться на DGX Spark.

Вместе с ней NVIDIA открыла NeMo Switchyard - библиотеку, которая распределяет разные этапы работы агента между моделями. Сложные рассуждения и планирование можно отдавать передовым моделям, а массовое выполнение задач - быстрой Lightning.

NVIDIA также опубликовала веса, данные и рецепты обучения.

Доступна бесплатно через OpenRouter.

Liquid AI выпустила лёгкую и быструю зрительно-языковую модель LFM2.5-VL-3B.

Зрительная модель всего на 3 млрд параметров, которая обгоняет модели более чем вдвое крупнее и при этом работает прямо на Galaxy S26 Ultra со скоростью около 20 токенов в секунду.

LFM2.5-VL-3B умеет работать с мобильными, веб- и настольными интерфейсами, читать экраны, документы и изображения из реального мира, а также точно привязывать объекты к координатам.

На ScreenSpot-v2 модель набирает 80,7 против 51,2 у Gemma-4-E4B.

При этом она превосходит заметно более крупные модели в задачах по интерфейсам, привязке объектов и распознаванию текста.

На M5 Max скорость достигает 228 токенов в секунду, а для работы требуется всего около 3 ГБ памяти.

Модель уже доступна на Hugging Face:

https://huggingface.co/LiquidAI/LFM2.5-VL-3B

Сэр, они только что сбросили лимиты использования для пользователей Codex.