OpenAI lansează sute de demonstrații matematice scrise de inteligență artificială și lasă domeniul să se chinuie
OpenAI tocmai a introdus 372 de rezultate matematice într-un depozit GitHub dintr-un model Frontier nelansat. The Verge numără 722 de manuscrise din 372 de familii de rezultate. Multe demonstrații sunt deja verificate în Lean, deci logica este probabil în regulă, chiar dacă noutatea este încă nedeterminată.
Compania susține că a obținut victorii în ceea ce privește conjectura Kakeya cvadridimensională, a efectuat modificări ale unor algoritmi majori și chiar „progrese reale” către ipoteza Riemann. Un purtător de cuvânt a declarat pentru Scientific American că aproape fiecare rezultat a provenit de la o singură solicitare adresată unui singur agent - nu de la roiul de 10.000 de agenți, care a costat milioane de dolari, și care a descifrat mai devreme ipoteza Navier-Stokes. Cost mediu: aproximativ trei ore de gândire ChatGPT Pro.
Matematicienii nu sunt toți încântați. Andrew Sutherland de la MIT a spus, practic: arătați modelul sau tratați povestea unică ca fiind neverificată. Grupul consultativ al OpenAI dorea prompturi, nume de modele și confirmări de calcul. OpenAI a publicat în schimb medii și câteva formalizări Lean. „Am renunțat la demonstrații, vă rugăm să le analizați” este o strategie de cercetare îndrăzneață.
Mistral dezvăluie Large 4, un „Le Chonk” cu 1 trilion de parametri care vizează supremația în categoria open-weight
Laboratorul francez Mistral a deschis o avanpremieră publică a Mistral Large 4 - neoficial ML4, „foarte oficial: le Chonk”. Este un amestec multimodal nativ cu 1 trilion de parametri totali și 49 de miliarde de parametri activi. Ponderările sunt promise până la sfârșitul lunii, după negocierile cu partenerii și guvernele.
Antrenamentul s-a desfășurat pe 3.800 de GPU-uri NVIDIA Grace Blackwell în propriile centre de date europene ale Mistral. Argumentul principal este suveranitatea plus impactul: securitate cibernetică, finanțe, drept, proiectarea de cipuri. Într-un test cibernetic Artificial Analysis, care solicită unui model să reproducă și să corecteze o vulnerabilitate reală, Mistral spune că ML4 a obținut un scor de 82% - cel mai mare dintre toate modelele - în timp ce unii giganți închiși refuză și obțin un scor aproape zero.
Așadar, Europa își dorește în continuare o a treia cale între laboratoarele americane închise și greutățile deschise chinezești. Dacă va rezista sau nu este o altă problemă. Însăși porecla sugerează că știu cât de absurdă pare cursa parametrilor din exterior.
Claude se mută în Google Docs, Sheets și Slides ca bară laterală proprie
Claude pentru Google Workspace de la Anthropic este în versiune beta publică pentru abonamentele plătite. Instalați extensia Marketplace, deschideți un fișier, iar Claude va apărea într-o bară laterală care poate citi documentul și îl poate edita la fața locului. Noii conectori vă permit, de asemenea, să creați și să modificați fișiere Google chiar din chat-ul Claude.
În Docs, poate corecta o propoziție fără a strica formatarea sau poate afișa rescrieri mai mari ca sugestii. Sheets primește formule, diagrame pivot, diagrame și chiar o modalitate Python de a devia de la unirea încurcată. Slides poate crea diapozitive noi din tema existentă și apoi poate marca elementele inutile care se suprapun. Modul implicit întreabă înainte de editări. Există un mod „Acceptă tot” dacă îți place să trăiești periculos.
Gemini locuiește deja aici, iar Microsoft Copilot se ocupă de versiunea Office - uneori pe modele Anthropic, ceea ce este o mică contradicție amuzantă. Claude încearcă acum să fie stratul de inteligență artificială în ambele ecosisteme. Numiți-o strategie de produs sau pur și simplu refuză să aleagă o tabără. Probabil ambele.
Meta și Sierra elaborează un Protocol de Agent Personal, astfel încât magazinele să poată distinge roboții buni de cei răi
Sierra și Meta, împreună cu Genesys, Instinct, Rocket, Shopify, Stripe și Walmart, construiesc un standard deschis pentru modul în care agenții inteligenți artificiali personali comunică cu companiile. Consumatorii aleg la ce poate accesa agentul lor. Companiile stabilesc ce pot face agenții pe site-uri web, API-uri sau prin intermediul unui agent al companiei. Sesiunile se bazează pe OAuth.
O specificație v0.1 și o implementare de referință urmează să fie lansate la sfârșitul acestei luni. Formularea lui Bret Taylor este directă: este un fel de haos până când va exista așa ceva. Amazon a blocat Muse-ul companiei Meta. Walmart este în parteneriat cu Muse și încă acceptă agenți CAPTCHA care să elimine riscul de a se prinde de el. Companiile aeriene și alții stabilesc limite mai dure.
OpenAI și Anthropic nu sunt încă prezente. Taylor spune că ar fi foarte dezamăgit dacă rivalii să renunțe la el. Sincer pentru o lansare de standarde. De asemenea, puțin stânjenitor când președintele OpenAI este co-autor al protocolului.
API-ul Decisions al OpenAI devine versiune beta publică pentru răspunsuri rapide de tip da sau nu
OpenAI a livrat API-ul Decisions în versiune beta publică pe gpt-6-luna prin POST /v1/decisions. Introduceți text, imagini sau ambele și primiți răspunsuri tastate de aproximativ 10 ori mai rapid decât prin API-ul Responses - o probabilitate ca o condiție să fie adevărată, o alegere din lista dvs. sau un scor pentru niveluri ordonate.
Gândiți-vă la direcționarea unei reclamații „facturare dublă” către facturare sau la semnalarea unei fotografii de produs pentru o fisură. Imaginile trebuie să fie încorporate în base64. Prețul este de 0,10 USD per milion de token-uri de intrare, fără nicio taxă pentru token-ul de ieșire pe acest endpoint. Există metode de păstrare zero a datelor și HIPAA pentru clienții eligibili.
A apărut în previzualizare limitată la DevDay și este acum disponibil. GA este „în următoarele săptămâni”. Acestea sunt produsele de instalații sanitare neatractive de care au nevoie - clasificatoare fără a scrie un roman de fiecare dată.
EmbeddingGemma 2 de la Google DeepMind combină text, imagini, audio și video într-un singur spațiu vectorial pe dispozitiv
EmbeddingGemma 2 este un model Apache 2.0 cu 740 de milioane de parametri care mapează text, cod, imagini, videoclipuri și audio într-un spațiu partajat de 768 de dimensiuni. Construit pe baza lui Gemma 4. Destinat telefoanelor și altor componente hardware de dimensiuni reduse, nu unui alt embeder gigantic exclusiv în cloud.
Încărcați doar ce aveți nevoie: 270M pentru text, adăugați imagini sau audio sau luați întregul stack. Trunchierea cu Matrioșka poate micșora vectorii la 128 de dimensiuni pentru un spațiu de stocare de până la 6 ori mai mic. Contextul este de 8K de jetoane - suficient pentru aproximativ 5,5 minute de audio sau zeci de cadre. Google spune că MTEB Code a crescut cu aproape 10 puncte față de primul EmbeddingGemma.
Pe un Pixel 11 Pro cu cuantizare, ponderile doar text necesită aproximativ 191 MB de RAM activă; modelul multimodal complet necesită aproximativ 567 MB. Modelul text original a depășit deja 20 de milioane de descărcări. Lansările Google mai silențioase contează uneori mai mult decât cele extravagante.
Ministrul științei din Coreea de Sud își dublează investiția într-o pistă de inteligență artificială de frontieră de 3,5 miliarde de dolari după Mythos
În cadrul unui audit parlamentar, viceprim-ministrul Bae Kyung-hoon a declarat că Seulul își va păstra proiectul model de fundație suverană și va adăuga un program separat de inteligență artificială de frontieră. El a legat eforturile de 4,7 trilioane de woni (3,5 miliarde de dolari) de „șocul Mythos” din jurul lui Claude Mythos de la Anthropic și de amenințările cibernetice.
Efortul suveran a trecut de o a doua evaluare și se îndreaptă spre o a treia. Bae a numit rezultatele actuale la nivel global medii și își dorește ceva mai apropiat de sistemele deschise de top. De asemenea, a lansat un serviciu „AI pentru toți” - gratuit, fără limite de utilizare - până la sfârșitul anului, plus mega-proiecte privind centrele de date, inteligența artificială fizică și cipuri.
Deci, povestea nu este „anulare model de casă”. Ci „adăugați o pistă mai mare și mai înfricoșătoare lângă ea”. Cursele naționale de inteligență artificială devin din ce în ce mai scumpe. Dacă 3,5 miliarde de dolari sunt suficienți împotriva scărilor americane și chineze este o întrebare incertă. Bae pare să creadă că a sta pe loc e mai rău.
FAQ
Ce a adăugat OpenAI în GitHub cu modelul său matematic de frontieră nelansat?
OpenAI a publicat 372 de familii de rezultate matematice - aproximativ 722 de manuscrise - dintr-un model de frontieră nelansat. Multe demonstrații sunt deja verificate în Lean. Compania susține că a făcut progrese în ceea ce privește conjectura Kakeya cvadridimensională, ajustări ale algoritmului și lucrări către ipoteza Riemann. Un purtător de cuvânt a declarat că aproape fiecare rezultat a provenit de la o singură solicitare către un singur agent, o medie de aproximativ trei ore de gândire ChatGPT Pro - nu un roi uriaș de agenți multipli.
De ce sunt matematicienii sceptici față de povestea OpenAI cu demonstrații matematice unice?
Andrew Sutherland de la MIT a îndemnat OpenAI să arate modelul sau să trateze afirmația unică ca neverificată. Grupul consultativ propriu al OpenAI dorea prompturi, nume de modele și confirmări de calcul. În schimb, compania a publicat medii și unele formalizări Lean. Demonstrațiile s-ar putea verifica formal, dar noutatea și narațiunea cu un singur agent rămân contestate până la apariția unor dovezi mai complete.
Ce este Mistral Large 4 și când ajung greutățile?
Mistral Large 4 - numit și ML4 sau „Le Chonk” - este un model nativ multimodal, cu un amestec de experți, cu un total de 1 trilion de parametri și 49 de miliarde de parametri activi. Acesta s-a antrenat pe 3.800 de GPU-uri NVIDIA Grace Blackwell în centrele de date europene ale Mistral. O previzualizare publică este disponibilă; ponderile complete sunt promise până la sfârșitul lunii, după colaborarea cu parteneri și guverne. Mistral a prezentat cazuri de utilizare în securitate cibernetică, finanțe, drept și proiectarea de cipuri.
Cum funcționează Claude în Google Docs, Sheets și Slides?
Claude pentru Google Workspace este în versiune beta publică pentru planurile plătite prin intermediul unui add-on Marketplace. Se află într-o bară laterală care poate citi un fișier și edita pe loc sau poate crea și ajusta fișiere Google din chat-ul Claude. În Docs, poate corecta propoziții sau poate plasa carduri cu sugestii; Sheets primește formule, elemente pivot, diagrame și Python opțional; Slides poate crea diapozitive din tema dvs. Modul implicit întreabă înainte de editări; un mod „Acceptă tot” omite solicitările.
Ce problemă încearcă să rezolve Protocolul de agent personal Meta și Sierra?
Agenții cu inteligență artificială personali folosesc adesea CAPTCHA-uri sau blocaje directe atunci când fac cumpărături sau apelează API-uri de afaceri. Sierra și Meta, împreună cu parteneri precum Genesys, Shopify, Stripe și Walmart, elaborează un standard deschis, astfel încât consumatorii să controleze accesul agenților, iar companiile să stabilească acțiuni permise prin OAuth. O specificație v0.1 și o implementare de referință urmează să fie lansate la sfârșitul acestei luni. OpenAI și Anthropic nu sunt încă prezente.
Când ar trebui să utilizați API-ul Decisions al OpenAI în loc de API-ul Responses?
Apelează la API-ul Decisions atunci când ai nevoie de un răspuns rapid, tastat cu da sau nu - probabilitatea ca o condiție să fie adevărată, o alegere dintr-o listă sau un scor pe niveluri ordonate. Rulează pe gpt-6-luna prin POST /v1/decisions, acceptă text și imagini base64 inline și este de aproximativ 10 ori mai rapid decât API-ul Responses. Prețul este de 0,10 USD pe milion de token-uri de intrare, fără nicio taxă pentru token-urile de ieșire. Există zero rețineri de date și căi HIPAA pentru clienții eligibili; GA este așteptat în următoarele săptămâni.
Ce face ca EmbeddingGemma 2 din Google DeepMind să fie util pe telefoane?
EmbeddingGemma 2 este un model Apache 2.0 cu 740 de milioane de parametri care mapează text, cod, imagini, videoclipuri și audio într-un spațiu de 768 de dimensiuni. Puteți încărca doar text (270M), puteți adăuga imagini sau audio sau puteți lua întregul stack. Trunchierea Matryoshka poate micșora vectorii la 128 de dimensiuni pentru un spațiu de stocare de până la 6 ori mai mic. Pe un Pixel 11 Pro cuantizat, modulul numai text necesită aproximativ 191 MB de RAM activă, iar modulul multimodal complet necesită aproximativ 567 MB, cu un context de 8K de token-uri.