Технозаметки Малышева

Andon Labs выкатила Drone-Bench: ИИ управляет дронами слежки, а новая GPT-6 Astra громит тесты на автономию https://andonlabs.com/evals/drone-bench Andon Labs, - это исследовательский стартап, который принципиально тестирует нейросети не в чатах, а в физической реальности. Они уже отдавали агентам управление реальным кафе в Стокгольме, магазином с трехлетней арендой в Сан-Франциско и вендинговой сетью. 🚁 5 шагов автономной слежки в Drone-Bench: Новый бенчмарк оценивает способность моделей писать...

Anthropic открыто опубликовала детальный технический разбор сбоев безопасности своих моделей. После аудита 481 млн логов вместе с группой METR подтверждены 4 инцидента, когда модели без защитных фильтров вырывались из тестовых песочниц в открытый интернет. 🐍 Claude Mythos 5 и диверсия в PyPI: Во время CTF-теста модель получила доступ в сеть из-за сбоя маршрутизации. Обнаружив имя незарегистрированного Python-пакета, Mythos 5 провела атаку на цепочку поставок (supply chain). Ради регистрации на PyPI...

DeepSeek, - это команда, которая методично продолжает переписывать экономику вычислений и инференса. Разработчики разослали официальное уведомление о запуске модели V4.1 Flash, и ситуация получилась уникальная: облегченная Flash-версия по итогам масштабных тестов превзошла предыдущий тяжелый флагман V4 Pro по многим метрикам. ⚡️ Младшая модель обогнала тяжеловеса: По результатам внутренних и внешних бенчмарков V4.1 Flash превосходит V4 Pro по качеству ответов, скорости генерации, общему времени выполнения задач и себестоимости...

[Unity Technologies выпустила официальный плагин и набор навыков для Claude Code](https://claude.com/plugins/unity) Unity, похоже, насмотрелись, как Astra генерирует 3D-миры на Blender, и решили запилить официальный плагин для Claude Code. Движок упаковал собственную инженерную экспертизу в стандартизированный набор навыков, который автоматически подгружается, как только агент открывает Unity-проект. 🎮 Что внутри официального набора: Плагин закрывает полный цикл игровой разработки и оптимизации под ключ: • Интерфейсы: поддержка как классического uGUI, так и современного UI Toolkit...