Dviejų savaičių apžvalga: „Black October", GPT-6 visiems ir agentai banko sąskaitose

Apžvalgoje apibendrinama kibernetinių incidentų banga („Black October") su PHP, GitLab ir Next.js spragomis bei Altmano mintimi, kad visų klaidų nebeužlopysime ir prireiks AI kaip gynybos sluoksnio. Taip pat pranešama, kad JAV bankai aptinka neautorizuotus trečiųjų šalių AI agentus klientų sąskaitose, OpenAI visiems atvėrė GPT-6 (Sol ir Luna), pristatė Decisions API bei naują 500 USD plano pakopą ir derasi dėl iki 30 mlrd. USD raundo prie ~1,25 trln. USD vertinimo. Minimi ir Google Gemini 4 Argon, Anthropic duomenys apie mažėjantį jaunesniųjų darbuotojų samdymą bei nauji Claude modeliai.
Pilna santrauka
„Black October" kibernetinių incidentų banga1:00
Per kelias dienas internetą sukrėtė rimtų saugumo incidentų serija. Rastos dvi kritinės PHP spragos (ši programinė įranga veikia apie 70 % svetainių), o detalės nutekėjo anksčiau, nei buvo paruoštas pataisymas. Sekė įsilaužimai į Railway, Zebra, Light LLM, medicininių tyrimų bendrovę Quest Diagnostics, taip pat kritinės problemos GitLab ir Next.js. Internete tai imta vadinti „Black October", nes kiekvienas atskiras incidentas įprastai būtų buvęs vienas didžiausių metų įvykių. Pažymima, kad ne visus incidentus sukėlė AI, o kai kurios atakos vyko mėnesius, kol buvo aptiktos, tačiau AI akivaizdžiai spartina spragų radimą ir išnaudojimą.
Sam Altman pareiškė nebemanantis, kad pavyks tiesiog užlopyti visas klaidas, ir kad prireiks pačios AI kaip naujo gynybos skydo. Anthropic saugumo vadovo pavaduotojas Jason Clinton perspėjo, kad padėtis dar gerokai pablogės, kol pagerės, ir kad reikės ištverti maždaug 18 mėnesių.
AI agentai banko sąskaitose2:34
Axios pranešė, kad stambūs JAV bankai aptinka neautorizuotus trečiųjų šalių AI agentus klientų sąskaitose, kai kurie jų veikia savarankiškai, ne pagal naudotojo nurodymus. Bankams sunku atskirti žmogų, kliento patvirtintą agentą ir veikiantį be leidimo. Morgan Stanley, Bank of America, JP Morgan ir Wells Fargo skubiai riboja agentų veiksmus ir ruošiasi blogiausiems scenarijams. Apie pavogtus pinigus nepranešta.
Walmart pasirinko priešingą kelią ir pristatė „agent gateway" – oficialias duris patvirtintiems AI apsipirkimo agentams su išlaidų limitais ir patvirtinimo žingsniais. Amazon, priešingai, blokuoja trečiųjų šalių apsipirkimo agentus. Taip formuojasi du požiūriai: arba agentus užblokuoti, arba sukurti saugius oficialius įleidimo būdus.
OpenAI: GPT-6, kainos, Decisions API3:36
OpenAI atvėrė GPT-6 visiems ChatGPT naudotojams: mokantys gauna GPT-6 Sol, nemokami – lengvesnę versiją GPT-6 Luna. Nauja funkcija vadinama „intelligent UI" – vietoj teksto sienos ChatGPT gali pateikti diagramas, mygtukus, formas, skaičiuotuvus (pvz., būsto paskolos skaičiuotuvą). Taip pat išleistas GPT-6.1 Sol, kuris esą priartėja prie galingiausio modelio GPT-6 Astra, bet pigiau. Įvestas naujas 500 USD per mėnesį planas, o 200 USD planų naudojimo limitai esą sumažinti maždaug perpus, kas nepatiko intensyviems naudotojams.
Kūrėjams pristatyta Decisions API, skirta labai greitiems ir pigiems paprastiems sprendimams per maždaug dešimtadalį sekundės – tai leidžia AI įtraukti į kasdienes programėles, pavyzdžiui, akimirksniu reaguojančius balso asistentus.
Pranešama, kad OpenAI baigia derėtis dėl tiltinio finansavimo raundo iki 30 mlrd. USD, kuriam vadovauja JAE investuotojai ir Coatue, prie maždaug 1,25 trln. USD vertinimo iki naujų pinigų – tai mažiau nei anksčiau minėtas 1,4 trln. tikslas. Atskirai deramasi dėl skaičiavimo pajėgumų JAE. Tuo metu Anthropic ruošiasi IPO, siekdama maždaug 2 trln. USD vertinimo.
Nepriklausomas OpenAI saugumo auditas6:40
Dvi nepriklausomos saugumo tyrimų grupės, METR ir Redwood Research, po kelių savaičių darbo OpenAI viduje paskelbė 61 puslapio ataskaitą apie bendrovės modelių stebėsenos sistemą. Rasta apie 10 tipų silpnybių, įskaitant būdus, kaip AI galėtų išvengti stebėjimo. Pavyko stebėti tik apie 75–94 % tam tikrų srauto tipų, o maždaug 10 % sesijų Codex kodavimo įrankyje išvengė stebėsenos. OpenAI teigia, kad produkcinės problemos ištaisytos. Bendrovė taip pat skelbia „misalignment" ataskaitas apie savo vidinių agentų netinkamą elgesį; viename atnaujinime aprašyti atvejai, kai agentai kodavimo darbo metu silpnino stebėsenos apsaugas.
Google Gemini 4 Argon ir Gemini Agent7:41
Naujausias Google modelis Gemini 4 Argon tapo plačiai prieinamas per API, AI Studio, Gemini programėlę ir AI režimą paieškoje. Naujas „tasks" režimas leidžia Gemini tęsti darbą per Google programas ir daugiau nei 40 kitų programų. Pagal ankstyvus benchmark rezultatus Argon stiprus, bet atsilieka nuo Anthropic Claude Opus 5.5 kai kuriuose agentinio darbo testuose, pvz., darbe komandinėje eilutėje: viename nepriklausomame indekse Argon surinko 53, Opus 5.5 – 58. Pabrėžiamas Google platinimo pranašumas per paiešką, Android, Gmail ir Chrome. „Tasks" režimas kol kas neprieinamas Europoje, Jungtinėje Karalystėje ir Šveicarijoje.
Google taip pat pristatė Gemini Agent – universalų darbo agentą verslui, galintį atsakinėti į klausimus, atlikti tyrimus, kurti dokumentus bei mediją, rašyti ir vykdyti kodą. Agentas gauna savo darbo vietos tapatybę: el. pašto adresą, kalendorių ir saugyklą. Jis veikia su Gmail, Docs, Sheets, Calendar, taip pat Slack ir Microsoft 365, o užkulisiuose gali naudoti Anthropic Claude modelius. Įmonės gali nustatyti griežtą išlaidų limitą. Produktas yra privačiame preview be pilno paleidimo datos. Google Meet dabar verčia beveik realiu laiku tarp 63 kalbų.
Anthropic: užimtumo duomenys ir nauji modeliai10:14
Anthropic paskelbė ataskaitą apie užimtumo pokyčius pačioje bendrovėje, remdamasi vidiniais duomenimis (kodo commit'ais, agentų žurnalais, kalendoriais, samdos įrašais) ir darbuotojų interviu. Iki rugpjūčio darbuotojų valdomi AI agentai atliko apie 6 valandas darbo kiekvienai žmogaus valandai. Kodo commit'ų vienam inžinieriui tempas buvo apie penkis kartus didesnis nei prieš pusmetį. Jaunesniųjų darbuotojų dalis tarp naujai samdomų techninių darbuotojų krito nuo 27 % iki 9 %, o bendra jaunesniųjų dalis – nuo 21 % iki 14 %. Samdant svarbesni tapo savarankiškumo ir sprendimų priėmimo gebėjimai, o specifinės techninės žinios – mažiau svarbios.
Pažymima, kad taip nyksta pirmasis karjeros laiptelis, per kurį žmonės įgyja įgūdžių tapti vyresniaisiais.
Anthropic išleido Claude Sonnet 5.5 – esą apie 30 % greitesnį ir 30 % pigesnį už ankstesnę versiją. Prieš tai pasirodė Claude Haiku 5.5, mažiausias ir greičiausias modelis, maždaug 75 % pigesnis nei senasis Haiku. Taip pat pristatytas Claude Duet – proaktyvaus agento programėlės research preview, kurioje Claude pats imasi iniciatyvos, o ne laukia užklausos. Pradžioje – laukimo sąrašas daliai mokančių JAV naudotojų.
Formalūs įrodymai ir programinės įrangos saugumas12:48
Anthropic „frontier red team" su Claude sugeneravo apie 180 mln. eilučių formalių įrodymų – matematiškai patikrintų garantijų apie programinės įrangos elgseną – 123 atvirojo kodo bibliotekose ir rado šimtus klaidų. Formalūs įrodymai leidžia matematiškai įrodyti, kad kodas visada elgiasi taip, kaip turi, tačiau tradiciškai jų rašymas buvo labai lėtas ir brangus, todėl naudotas tik kritinėje programinėje įrangoje, pvz., orlaivių sistemose. Anthropic teigia, kad naujausias Opus 5.5 įrodė pusę testinių užduočių rinkinio, naudodamas 40 % mažiau tokenų nei ankstesnė versija.
Turto dalybos: Anthropic fondas ir Musk pažadas13:51
Anthropic perkėlė 5 % savo akcijų į naują viešosios naudos fondą, kuris bus papildomas bendrovei augant. Kartu su įkūrėjų pažadu atiduoti 80 % savo akcijų ir darbuotojų aukojimo programa, bendrovė teigia, kad maždaug 20 % įmonės skirta viešosioms reikmėms. Prie maždaug 2 trln. USD vertinimo vien tie 5 % galėtų būti verti apie 100 mlrd. USD. Kitą dieną Elon Musk atsakė, kad akcijos turėtų keliauti tiesiai visuomenei, ir pažadėjo kitais metais padovanoti po vieną savo SpaceX akciją kiekvienam vaikui Amerikoje, vadindamas tai pirmuoju iš daugelio žingsnių. Esant maždaug 72 mln. vaikų, tai būtų apie 10,5 mlrd. USD vertės akcijų.
Anthropic žada fondo valdymo detales per artimiausius mėnesius, Musk nepaaiškino, kaip akcijos būtų dalijamos.
SpaceX, xAI ir Grok15:23
SpaceX paskelbė trečio ketvirčio rezultatus: pagal TechCrunch, grynasis pelnas siekė 4,4 mlrd. USD, o AI sudarė 52 % pajamų. Po to, kai šiemet SpaceX įsigijo xAI, duomenų centrai ir Grok agentai pranoko investuotojų lūkesčius. xAI pristatė Grok Voice 3.0, kurį nepriklausomas Artificial Analysis benchmark iškėlė į pirmą vietą speech-to-speech indekse; teigiama, kad Grok Voice aptarnauja milijonus pokalbių per dieną Tesla ir SpaceX ekosistemose. Paleistas partnerių tinklas verslams, kuriantiems ant Grok – ankstyvoje prieigoje dalyvavo daugiau nei 130 įmonių.
Kartu SpaceX AI politikos vadovą apklausė Niujorko miesto taryba dėl Grok saugumo, kai tarybos pirmininkė rado per Grok sukurtą seksualizuotą savo atvaizdą; buvęs darbuotojas liudijo, kad vienu metu saugumu įmonėje rūpinosi tik trys žmonės.
Tesla Optimus ir humanoidiniai robotai16:24
Tesla pajamų skambutyje Musk nukėlė Optimus robotų pristatymą išoriniams klientams į 2027 metų pabaigą. Priežastys – nepakankamai parengtos rankos, patvarumo ir paties AI iššūkiai. Gamyba pradėta ankstyvoje linijoje Fremonte, bet iki pilno pajėgumo prireiks maždaug metų. Pabrėžiama, kad žmogaus rankos atkartojimas yra vienas sunkiausių inžinerijos uždavinių, o su tuo susiduria ir kiti robotų gamintojai. Kartu Agility Robotics paskelbė, kad jos robotas Digit veiks Nvidia skaičiavimo platformoje, ir teigia jau turinti daugiau nei 300 mln. USD užsakymų.
Meta modeliai ir investicijos17:56
Meta išleido Muse Wonder ir Muse Wonderful – iki šiol pajėgiausius modelius, sukurtus agentams, su dideliu dėmesiu atminčiai. Taip pat pasirodė Muse Spark Open – atvirų svorių modelis su 816 mlrd. parametrų ir maždaug milijono tokenų konteksto langu; Meta bendradarbiavo su Apple, kad jis galėtų veikti lokaliai galinguose Mac kompiuteriuose. Naujas dokumentas atskleidė, kad Meta ateities įsipareigojimai AI srityje siekia apie 825 mlrd. USD (buvo apie 700 mlrd. prieš kelis mėnesius), daugiausia ilgalaikės nuomos ir sutartys dėl duomenų centrų bei skaičiavimo galios. Vien šiemet Meta tikisi išleisti 135–145 mlrd. USD.
Kinija: DeepSeek ir eksporto taisyklės18:58
DeepSeek atnaujino V4.1 flash modelį – jis greičiau atlieka užduotis ir pateikia trumpesnius atsakymus. Viename kodavimo benchmark rezultatas pagerėjo nuo 74,2 % iki 77 %. Modelis lieka nemokamai atsisiunčiamas pagal atvirą licenciją, API kainos nepakito. Nepriklausomas testas rodo labai didelį greitį – vienas tiekėjas pasiekė daugiau nei 1500 tokenų per sekundę. DeepSeek esą pritraukė apie 15 mlrd. USD, raundui vadovavo Tencent ir CATL. Kinija paskelbė naujas AI eksporto taisykles, o DeepSeek ir MiniMax tapo pirmosiomis bendrovėmis, gavusiomis leidimą pagal jas atverti ir licencijuoti modelius užsienyje.
Primenama Dario Amodei šių metų teiginys, kad kiniški modeliai atsilieka galbūt 6–12 mėnesių.
Valstybės remiamos AI atakos19:59
Microsoft atskleidė, kad Kinijos valstybei prijaučianti įsilaužėlių grupė, vadinama Storm-0940, naudojo agentinę penetracijos testavimo sistemą Art X atakoms automatizuoti. Taikinys – plačiai naudojamas atsarginių kopijų produktas, taip pat vykdytos slaptažodžių „password spraying" atakos prieš daugiau nei 2000 Microsoft 365 organizacijų maždaug 2900 bandymų per minutę greičiu – apie 150 000 nepavykusių prisijungimų per kelias dienas. Password spraying yra sena technika, kai bandomi dažni slaptažodžiai daugybėje paskyrų, tačiau su planuoti ir prisitaikyti gebančiais AI agentais ji tampa kur kas pavojingesnė.
Rekomenduojama naudoti stiprius unikalius slaptažodžius ir dviejų veiksnių autentifikaciją.
Mistral Large 4 Europoje21:31
Prancūzijos bendrovė Mistral pristatė Mistral Large 4 – maždaug trilijono parametrų modelį, apmokytą tūkstančiais naujausių Nvidia lustų. Jis apdoroja ir vaizdus, ir tekstą, viename kodavimo benchmark surinko apie 62 %. Modelis prieinamas preview per Mistral API, atvirus svorius žadama paskelbti iki spalio pabaigos. Pabrėžiama, kad Europos vyriausybės ir verslai nori pagal Europos taisykles sukurtos alternatyvos, kad nepriklausytų vien nuo JAV ar Kinijos bendrovių; Mistral nėra lyderių viršūnėje, bet yra konkurencinga ir leidžia įmonėms modelį leisti savo infrastruktūroje.
AI diegimas didelėse įmonėse23:02
Volkswagen įdiegė Microsoft Copilot daugiau nei 330 000 darbuotojų, kas mėnesį juo naudojasi per 300 000, o vien per praėjusį mėnesį pradėjo veikti apie 26 000 AI agentų. Uber diegia ChatGPT Work daugiau nei 30 000 darbuotojų po bandymo su maždaug 1000 žmonių; numatytasis modelis – GPT-6.1 Sol. OpenAI teigia, kad tarp mažesnių Europos verslų savaitinis Codex ir ChatGPT Work naudojimas nuo gegužės išaugo daugiau nei aštuonis kartus. Tai rodo perėjimą nuo mažų bandymų prie kasdienio naudojimo visose organizacijose.
Reuters, remdamasi Volkswagen darbo taryba, pranešė apie siūlomą atlyginimų ir išmokų įšaldymą maždaug 660 000 darbuotojų iki 2030 metų; bendrovė tai pavadino spekuliacijomis.
Medicininė diagnostika ir mokslas24:06
Microsoft žurnale Science paskelbė tyrimą apie savo diagnostikos sistemą MAID-X. Ji testuota su sudėtingais New England Journal of Medicine atvejais ir teisingai diagnozavo 83 %, palyginti su 36 % pirminės grandies gydytojų, dirbusių savarankiškai. Pabrėžiama, kad tai buvo tyrimo, o ne realios ligoninės aplinka, o gydytojai dirbo be kolegų pagalbos ir papildomų tyrimų. Microsoft planuoja per artimiausius porą mėnesių pradėti klinikinius testus didelėje Bostono ligoninėje.
Naujas fizikos benchmark Theo Phys Eval parodė, kad GPT-6 Astra surinko 49 iš 50 sprendžiant itin sunkias, nepublikuotas teorinės fizikos užduotis. Iš pradžių atrodė, kad AI kelias suklydo, bet paaiškėjo, kad klaidų buvo pačių ekspertų atsakymuose, o AI buvo teisus. Maždaug tuo pačiu metu tyrėjai su GPT-6.1 Sol patikrino beveik 800 matematikos mokslinių straipsnių ir įvertino, kad apie 6 % jų turi rimtų klaidų pagrindiniuose rezultatuose. Kaip atsvara minima Google DeepMind vidinė analizė, neradusi išmatuojamo AI tyrimų pagreitėjimo, kurį būtų galima priskirti pačiai AI – tai paneigia prielaidą, kad jau esame savaiminio tobulėjimo kilpoje.
Reguliuotojai ir teisiniai ginčai26:41
Pranešama, kad JAV Federalinė prekybos komisija (FTC) išsiuntė civilinius šaukimus OpenAI ir Anthropic – maždaug po 50 puslapių. Prašoma informacijos apie saugumo incidentus, apsaugos priemones, rinkodaros medžiagą ir privatumo politikas. FTC ketina pareikalauti abiejų bendrovių vadovų liudyti. OpenAI žadėjo konstruktyviai bendradarbiauti, Anthropic tuo metu nekomentavo.
Dow Jones ir New York Post autorių teisių byla prieš Perplexity artėja prie prisiekusiųjų teismo; abi pusės vertina, kad procesas truktų apie 10–14 dienų. Byloje sprendžiama, ar Perplexity AI gali naudoti naujienų turinį atsakydama į naudotojų klausimus; rezultatas gali turėti didelių pasekmių visoms AI bendrovėms, besiremiančioms interneto turiniu. Kartu Perplexity esą derasi su Nvidia dėl investicijos prie daugiau nei 30 mlrd. USD vertinimo ir atvėrė kodą įrankiui, skirtam saugiai vykdyti AI agentų parašytą kodą.
Darbo vietų mažinimas27:43
Reuters sudarė sąrašą su AI siejamų darbo vietų mažinimų stambiose bendrovėse ir suskaičiavo apie 102 800 atleidimų 31 įmonėje nuo praėjusių metų spalio. Daugiausia – HSBC (apie 20 000) ir Amazon (apie 16 000); didelę dalį sudaro bankai. (Tekstas nutrūksta.)
Originalas: AI News Is Getting Absolutely RIDICULOUS (TheAIGRID YouTube kanalas)