← Archyvas

2026 m. lapkričio 10 d. · 22 naujienos

OpenAI atsako į klausimus apie GPT-Live: pilnas dupleksas, delegavimas ir custom balsai

OpenAI paaiškino, kuo GPT-Live skiriasi nuo GPT Realtime: modelis gali vienu metu klausytis ir kalbėti (full duplex), todėl geriau atskiria pritarimą nuo pertraukimo, o sudėtingesnį darbą deleguoja backend modeliui, kurį galima keisti nepriklausomai. Aptartas triukšmingos aplinkos valdymas per prompt'ą, nauji balsai skirtingomis kalbomis bei custom balsų kūrimas iš teksto aprašymo arba įrašo. Kaip naudotojai minimi Yelp, Fin, Speak ir Cognition (balsas Devin agentui); taip pat atnaujintos delegavimo prompt'ų gairės — GPT-Live prompt'as turi būti trumpas, o procedūros aprašomos backend pusėje.

Šaltinis: OpenAI YouTube kanalas·
Pilna santrauka →

Boston Dynamics Atlas pėdas pakeitė ratais ir išmoko važiuoti iš simuliacijos

Pranešama, kad Boston Dynamics nuėmė humanoido Atlas pėdas ir prie kulkšnies variklių per vieną pačių pagamintą adapterį prijungė standartinius paspirtuko ratus. Robotui ratai buvo aprašyti kaip nenustojančios suktis kulkšnys, o judėti jis išmoko milijonus kartų treniruodamasis simuliacijoje; 360 laipsnių posūkis, perimtas iš žmogaus judesių įrašo, realiame robote suveikė iš pirmo karto. Projekto tikslas — iki ribų apkrauti Atlas variklius, o patirtį grąžinti į įprastą, pėdas turintį robotą, kurį Hyundai planuoja naudoti savo gamyklose 2028 m.

Video eiga 4 skyriai
  • Ratai vietoj pėdų — Atlas kulkšnies varikliai per vieną adapterį sujungti su standartiniais paspirtuko ratais, ir tai realus, o ne sugeneruotas robotas.
  • Mokymasis simuliacijoje — robotui pasakyta, kad kiekvienas ratas yra be perstojo besisukanti kulkšnis, o važiavimą jis pats atrado po milijonų bandymų.
  • Triukai ir valdymas — 360 laipsnių posūkis iš žmogaus judesių įrašo pavyko iš pirmo karto, o šoninius metimus robotas atlieka pasukdamas ratus; inžinierius Andy Woo jį valdo žaidimų pulteliu.
  • Kam to reikia — ratai apkrauna variklius iki ribų, o išmoktos pamokos grįžta į įprastą Atlas, kurį Hyundai ketina diegti automobilių gamyklose 2028 m.
Šaltinis: Matt Wolfe YouTube kanalas·

ElevenLabs pristatė Scribe v3 ir Scribe v3 Live kalbos atpažinimo modelius

ElevenLabs išleido du naujus speech-to-text modelius: Scribe v3 įrašytam garsui daro 27 % mažiau žodžių klaidų nei v2 102 kalbomis, o žemos delsos Scribe v3 Live — 44 % mažiau klaidų 73 kalbomis ir pirmą kartą žymi kalbėtojus pokalbio metu. Pridėta protingesnė kalbėjimo eilės (turn) detekcija, daugiakalbis režimas sakinio viduryje keičiamoms kalboms, raktinių terminų bibliotekos (iki 1 000 ir 10 000 terminų) bei formatavimo taisyklės paprasta kalba. Modeliai veikia su duomenų rezidavimo aplinkomis ES, Indijoje ir Singapūre, turi zero-retention režimą ir yra HIPAA tinkami; API atnaujinimas — vienos eilutės pakeitimas.

Šaltinis: ElevenLabs YouTube kanalas·
Pilna santrauka →

OpenAI beta versijoje atidarė verslų profilius ChatGPT

OpenAI pristatė „Businesses in ChatGPT": per Business Hub patvirtintos įmonės gali tvarkyti savo informaciją, pridėti produktų srautus su kainomis ir prieinamumu bei matyti apibendrintą statistiką apie paminėjimus, paspaudimus į svetainę ir pokalbių temas. JAV veikiantys e. komercijos ir internetinių paslaugų verslai gali susikurti Business Agent, atsakantį į klientų klausimus atskirai pažymėtame pokalbyje. OpenAI nurodo, kad vartotojų pokalbiai įmonėms neperduodami.

Šaltinis: OpenAI YouTube kanalas·

Greg Brockman: OpenAI panaudojo Astra savo kodo spragoms rasti

OpenAI prezidentas ir vienas įkūrėjų Greg Brockman pasakoja, kad bendrovė nukreipė Astra modelį į savo kodo bazę ir infrastruktūrą bei rado ir ištaisė nemažai svarbių pažeidžiamumų. Jo teigimu, naujausią pažangų modelį verta įtraukti į gynybinį ciklą ir spragas surasti anksčiau, nei tai padarys plačiai paplitę modeliai. Iš šios patirties OpenAI kuria įrankius ir „playbook"-us gynėjų komandoms, naudodama save kaip „nulinį klientą".

Šaltinis: OpenAI YouTube kanalas·

Max Jaderberg: vaistų kūrimui reikia pusšimčio AlphaFold lygio proveržių

Isomorphic Labs prezidentas Maxas Jaderbergas, prisidėjęs prie AlphaFold 3, pasakoja, kaip AI leidžia vietoje šimtų tūkstančių variantų laboratorijoje išbandyti vos 20–50 molekulių. Jo teigimu, AlphaFold yra tik įrodymas, kad sprendimas įmanomas: realiam vaistų kūrimo varikliui reikia maždaug pusės tuzino panašaus masto proveržių — nuo ląstelių biologijos supratimo iki toksiškumo prognozavimo. Šiuo metu vaisto kelias nuo idėjos iki pacientų trunka apie 10 metų, o nesėkmės tikimybė siekia 90 %.

Šaltinis: Silicon Valley Girl YouTube kanalas·
Pilna santrauka →

CodeRabbit vadovas: Codex padėjo per 30 dienų pateikti apie 3000 pull request'ų

CodeRabbit bendraįkūrėjas ir vadovas Harjot Gill aiškina, kad pirmas bottleneck'as įdiegus kodavimo agentus yra kodo peržiūra, todėl bendrovė OpenAI modeliais tikrina ir saugina AI sugeneruotą kodą. Pasak jo, su samprotavimo modeliais produkto gebėjimas aptikti problemas smarkiai pagerėjo, o kibernetinės saugos modeliai buvo panaudoti savo platformos pentestui dar prieš siūlant tokią paslaugą klientams. Jis pats teigia per paskutines 30 dienų pateikęs apie 2500–3000 pull request'ų su Codex.

Šaltinis: OpenAI YouTube kanalas·

Claude Fable 5.2 — nauji benchmark'ų rekordai ir mažesnė kaina

Lapkričio 9 d. Anthropic išleido Claude Fable 5.2 kartu su seserine versija Mythos 5.2, kuri turi atlaisvintus apribojimus ir skiriama tik patikrintoms organizacijoms. Modelis pirmauja Val indekse (71,31 %), pasiekė 97,7 % ARC-AGI-3 bei 174 balus Epoch capabilities indekse, o kaina sumažėjo iki 8/40 USD už milijoną input/output tokenų. Tarp demonstracijų — per 8 dienas daugiau nei 1000 agentų koordinavimu nuo tuščio aplanko sukurta veikianti operacinė sistema ir per 30 valandų formalizuotas Fermat teoremos įrodymas.

Šaltinis: TheAIGRID YouTube kanalas·
Pilna santrauka →

Tyrimai rodo, kad AI vis geriau atkuria programas be šaltinio kodo

Apžvalgoje nagrinėjami darbai apie AI atliekamą reverse engineering: viename teste gebėjimas atkurti visą projektą be šaltinio kodo per devynis mėnesius pakilo nuo 15 % iki beveik 100 % praeinamų testų, 12 mln. parametrų modelis apie 90 % tikslumu atkūrė matematines lygtis, o tinklalapių rekonstrukcija pasiekė 0,938 vizualinio panašumo su 95 % mažiau kodo. Sėkmę lemia beveik neribota mokymo duomenų pasiūla ir galimybė tikrinti rezultatą lyginant su originalia programa. Pastebima, kad Anthropic apribojo Claude 5.5 Opus esamų žaidimų atkūrimo užduotis, o tai esą stiprina argumentą turėti savo skaičiavimo galią ir lokalius modelius.

Šaltinis: Two Minute Papers YouTube kanalas·
Pilna santrauka →

Joby elektrinis oro taksi nutūpė Orlando tarptautiniame oro uoste

Pranešime rodomi šios savaitės kadrai, kaip Joby Aviation elektrinis orlaivis nusileidžia pirmoje tokio tipo aikštelėje komerciniame JAV oro uoste. Aparatas turi šešis pasukamus propelerius, kyla vertikaliai kaip sraigtasparnis, o paskui skrenda sparnais iki 200 mylių per valandą su pilotu ir keturiais keleiviais. FAA ir oro uosto dispečeriai dvejus metus simuliatoriuose derino, kaip tokie skrydžiai tilptų į beveik 58 mln. keleivių per metus aptarnaujančio oro uosto srautą; kol kas tai demonstracija, nes Joby dar baigia sertifikavimą.

Video eiga 4 skyriai
  • Nusileidimas Orlande — elektrinis oro taksi tūpia pirmoje tokioje aikštelėje komerciniame JAV oro uoste.
  • Kaip veikia orlaivis — šeši pasukami propeleriai leidžia kilti vertikaliai, o paskui skristi sparnais iki 200 mph su pilotu ir keturiais keleiviais.
  • Oro erdvės integracija — FAA ir oro uosto dispečeriai dvejus metus simuliatoriuose derino, kad skrydžiai netrikdytų įprasto eismo.
  • Statusas ir planai — kol kas tai demonstracinis skrydis laukiant FAA sertifikavimo, o tikslas — greitai vežti keleivius nuo vartų iki Orlando pramogų parkų.
Šaltinis: Matt Wolfe YouTube kanalas·

Kuken Industries su OpenAI API peržiūri 70 metų brėžinių archyvą per minutes

Japonijos įmonė Kuken Industries naudoja OpenAI API, kad inžinieriai septyniasdešimties metų brėžinių archyve informaciją rastų per minutes. Sprendimą sukūrė japonų startuolis Recursive, oficialus OpenAI partneris. Įmonė teigia, kad taip lieka daugiau laiko jaunesnių inžinierių mentorystei ir sudėtingesnėms užduotims.

Šaltinis: OpenAI YouTube kanalas·

Anthropic išleido Fable 5.2 ir Mythos 5.2 su sąmoningai apribotais gebėjimais

Pranešime teigiama, kad Anthropic naujieji Claude Fable 5.2 ir Mythos 5.2 pranoksta Opus 5.5 ilgo horizonto kodavimo, robotikos, aparatūros projektavimo ir teorinės fizikos užduotyse, o kai kurie rezultatai jau naudojami fizikų darbuose. Svarbiausia detalė — Anthropic esą treniruotės metu sąmoningai apribojo modelio gebėjimus akceleratorių branduolių optimizavimo ir LLM architektūrų tyrimų srityse, paliekant juos Opus 5.5 lygyje. Autorius sieja šiuos modelius su METR ataskaitos „Model 3“ ir svarsto, kad neišleistas „Model 4“ artėja prie rekursinio savęs tobulinimo ribos.

Šaltinis: Wes Roth YouTube kanalas·
Pilna santrauka →

Matt Wolfe apžvelgia Anthropic Fable 5.2 ir Mythos 5.2 modelius

Apžvalgoje pristatomi tą pačią dieną Anthropic išleisti Fable 5.2 ir Mythos 5.2 — iš esmės tas pats modelis, tik Mythos su mažiau apribojimų ir prieinamas tik kibernetinio saugumo testuotojams. Pagal benchmark'us Fable 5.2 tampa lyderiu daugelyje sričių, ryškiausiai agentinio mokslinio tyrimo užduotyse (74,6 proc.), tačiau pats Anthropic rekomenduoja kasdieniam darbui naudoti Opus 5.5. Pastebima ir mažėjanti grąža ilgiau mąstant: „max" režimas kainuoja daugiau, o kai kuriuose testuose pasirodo prasčiau nei „extra high".

Video eiga 11 skyrių
  • Įvadas — kodėl šis išleidimas atrodo kaip tikras šuolis po ilgesnės pertraukos
  • Kas yra Fable 5.2 — dviejų modelių santykis ir kam jie skirti
  • Benchmark'ų apžvalga — agentinis kodavimas, mokslinis tyrimas ir kitos kategorijos
  • Artificial Analysis — Fable 5.2 užima pirmą vietą bendrame intelekto reitinge, bet yra brangiausias
  • BuseyBench — papildomas testas modelio gebėjimams įvertinti
  • Prieinamumas ir kainos — kiek kainuoja užduotis ir kuris mąstymo režimas apsimoka
  • Anthropic pateikti pavyzdžiai — sritys, kuriose modelis esą stipriausias
  • Megabonk testas — autoriaus bandymas su praktine užduotimi
  • „Build Me A Gadget" testas — modelio patikrinimas kuriant įrenginį
  • Bendruomenės pavyzdžiai ir panaudojimo atvejai — ką su modeliu padarė kiti
  • Galutinis vertinimas — kam šis modelis realiai naudingas
Šaltinis: Matt Wolfe YouTube kanalas·
Pilna santrauka →