OpenAI objavljuje stotine matematičkih dokaza napisanih umjetnom inteligencijom i ostavlja teren u nevolji
OpenAI je upravo ubacio 372 matematička rezultata iz neobjavljenog frontier modela u GitHub repozitorij. The Verge broji 722 rukopisa u 372 porodice rezultata. Mnogi dokazi su već provjereni u Leanu, tako da je logika vjerovatno u redu čak i ako je novost još uvijek nejasna.
Kompanija tvrdi da je ostvarila uspjehe u četverodimenzionalnoj Kakeya pretpostavci, prilagodila glavne algoritme, pa čak i "stvarni napredak" prema Riemann hipotezi. Glasnogovornik je za Scientific American rekao da gotovo svaki rezultat dolazi od jednog prompta za jednog agenta - a ne od višemilionskog roja od 10.000 agenata koji je ranije razbio Navier-Stokesovu teoriju. Prosječni trošak: otprilike tri sata razmišljanja u ChatGPT Pro-u.
Nisu svi matematičari oduševljeni. Andrew Sutherland sa MIT-a je u suštini rekao: prikažite model ili tretirajte priču o jednom pokušaju kao neprovjerenu. Savjetodavna grupa OpenAI-ja je tražila upute, nazive modela i računske potvrde. OpenAI je umjesto toga objavio prosjeke i neke Lean formalizacije. "Odbacili smo dokaze, molimo vas da ih probavite" je hrabra istraživačka strategija.
Mistral predstavlja Large 4, "Le Chonk" s parametrima od 1 biliona, s ciljem prevlasti u otvorenoj kategoriji
Francuska laboratorija Mistral otvorila je javni pregled Mistral Large 4 - neslužbeno ML4, "vrlo službeno: le Chonk". To je izvorno multimodalna mješavina s 1 bilionom ukupnih parametara i 49 milijardi aktivnih. Težine su obećane do kraja mjeseca nakon udruživanja s partnerima i vladama.
Obuka je provedena na 3.800 NVIDIA Grace Blackwell GPU-ova u Mistralovim evropskim podatkovnim centrima. Cilj je suverenitet plus ugriz: sajber sigurnost, finansije, pravo, dizajn čipova. Na jednom sajber testu umjetne analize koji traži od modela da reproducira i zakrpi stvarnu ranjivost, Mistral kaže da je ML4 postigao 82% - najviše od bilo kojeg modela - dok neki zatvoreni giganti odbijaju i postižu rezultat blizu nule.
Dakle, Evropa i dalje želi treći put između zatvorenih američkih laboratorija i kineskih otvorenih utega. Da li će se to održati, to je druga stvar. Sam nadimak sugerira da znaju koliko apsurdno trka parametara izgleda spolja.
Claude se premješta u Google dokumente, tablice i prezentacije kao bočna traka prve strane
Anthropicov Claude za Google Workspace je u javnoj beta verziji na plaćenim planovima. Instalirajte dodatak Marketplace, otvorite datoteku i Claude će se nalaziti u bočnoj traci koja može čitati dokument i uređivati ga na licu mjesta. Novi konektori vam također omogućavaju kreiranje i podešavanje Google datoteka iz samog Claude chata.
U Dokumentima može popraviti rečenicu bez uništavanja formatiranja ili prikazati veće prerađene dijelove kao kartice s prijedlozima. Sheets dobiva formule, pivote, grafikone, pa čak i Python zaobilaženje zapetljanih spojeva. Slajdovi mogu kovati nove slajdove iz vaše postojeće teme, a zatim označiti preklapajuće neželjene elemente. Zadani način rada pita prije uređivanja. Postoji način rada "Prihvati sve" ako volite opasan život.
Gemini već postoji ovdje, a Microsoft Copilot radi Office verziju - ponekad na antropskim modelima, što je zabavna mala kontradikcija. Claude sada pokušava biti sloj umjetne inteligencije u oba ekosistema. Nazovite to strategijom proizvoda ili jednostavno odbijanjem da se izabere strana. Vjerovatno oboje.
Meta i Sierra izrađuju protokol za lične agente kako bi trgovine mogle razlikovati dobre botove od loših
Sierra i Meta, zajedno s Genesysom, Instinctom, Rocketom, Shopifyjem, Stripeom i Walmartom, grade otvoreni standard za način na koji lični AI agenti komuniciraju s preduzećima. Potrošači biraju čemu njihov agent može pristupiti. Kompanije određuju šta agenti mogu raditi na web stranicama, API-jima ili putem agenta kompanije. Sesije se zasnivaju na OAuth-u.
Specifikacija i referentna implementacija v0.1 trebaju biti dostupne kasnije ovog mjeseca. Bret Taylor je direktan: to je neka vrsta haosa dok se nešto ovako ne pojavi. Amazon je blokirao Metin Muse. Walmart je u partnerstvu s Museom i još uvijek vidi kako CAPTCHA trenje izbacuje agente. Aviokompanije i drugi postavljaju oštrije granice.
OpenAI i Anthropic još nisu uključeni. Taylor kaže da bi bio jako razočaran ako bi rivali preskočili objavu standarda. Iskreno, ali ne i za predstavljanje standarda. Također je pomalo neugodno kada predsjednik OpenAI-a surađuje s pisanjem protokola.
OpenAI-jev Decisions API u javnoj beta verziji za brze odgovore sa da ili ne
OpenAI je isporučio Decisions API u javnoj beta verziji na gpt-6-luna putem POST /v1/decisions. Ubacite tekst, slike ili oboje i dobijte otkucane odgovore oko 10 puta brže nego putem Responses API-ja - vjerovatnoću da je uslov ispunjen, izbor sa vaše liste ili rezultat u odnosu na uređene nivoe.
Zamislite prosljeđivanje žalbe "dvostruko naplaćeno" na naplatu ili označavanje fotografije proizvoda kao neovlaštene. Slike moraju biti ugrađene u base64 format. Cijena je 0,10 dolara po milionu ulaznih tokena, bez naknade za izlazne tokene na ovoj krajnjoj tački. Za kupce koji ispunjavaju uslove postoje Zero Data Retention i HIPAA putevi.
Pojavio se u ograničenom pregledu na DevDayu i sada je otvoren. GA je "narednih sedmica". Ovo je ono što neprivlačni vodovodni proizvodi trebaju - klasifikatori bez pisanja romana svaki put.
Google DeepMind-ov EmbeddingGemma 2 objedinjuje tekst, slike, audio i video u jedan vektorski prostor na uređaju
EmbeddingGemma 2 je Apache 2.0 model sa 740 miliona parametara koji mapira tekst, kod, slike, video i audio u zajednički 768-dimenzionalni prostor. Izgrađen je na Gemmi 4. Namijenjen je telefonima i drugom hardveru visoke klase, a ne još jednom ogromnom cloud-only embedderu.
Učitajte samo ono što vam je potrebno: 270 MB za tekst, dodajte sliku ili zvuk ili uzmite cijeli stek. Skraćivanje Matrjoške može smanjiti vektore na 128 dimenzija za do 6 puta manje prostora za pohranu. Kontekst je 8 hiljada tokena - dovoljno za otprilike 5,5 minuta zvuka ili desetine frejmova. Google kaže da je MTEB kod skočio za skoro 10 bodova u odnosu na prvu EmbeddingGemmu.
Na Pixel 11 Pro telefonu s kvantizacijom, za težine samo za tekst potrebno je oko 191 MB aktivne RAM memorije; za puni multimodalni prikaz oko 567 MB. Originalni tekstualni model već je prešao 20 miliona preuzimanja. Tiša Google lansiranja ponekad su važnija od onih blještavih.
Južnokorejski ministar nauke udvostručuje napore na graničnom projektu umjetne inteligencije vrijednom 3,5 milijardi dolara nakon Mythos-a
Na parlamentarnoj reviziji, zamjenik premijera Bae Kyung-hoon rekao je da će Seul zadržati svoj projekat suverenog fondacijskog modela i dodati zaseban program granične vještačke inteligencije. Povezao je poticaj od 4,7 biliona vona (3,5 milijardi dolara) sa "Mythos šokom" oko Claudea Mythosa iz Anthropica i sa prijetnjama sajber sigurnosti.
Suvereni napor je prošao drugu evaluaciju i kreće se prema trećoj. Bae je trenutne rezultate nazvao srednjim globalnim i želi nešto bliže vodećim otvorenim sistemima. Također je do kraja godine predstavio uslugu "AI za sve" - besplatnu, bez ograničenja korištenja, plus mega projekte na podatkovnim centrima, fizičkoj AI i čipovima.
Dakle, priča nije "otkazivanje kućnog modela". Radi se o "dodavanju veće, strašnije staze pored njega". Nacionalne utrke umjetne inteligencije postaju sve skuplje. Otvoreno je pitanje je li 3,5 milijardi dolara dovoljno u odnosu na američke i kineske razmjere. Bae izgleda misli da je mirovanje gore.
Često postavljana pitanja
Šta je OpenAI ubacio u GitHub sa svojim neobjavljenim modelom granične matematike?
OpenAI je objavio 372 porodice matematičkih rezultata - oko 722 rukopisa - iz neobjavljenog graničnog modela. Mnogi dokazi su već dostupni u Leanu. Kompanija tvrdi da je postignut napredak na četverodimenzionalnoj Kakeya pretpostavci, prilagođavanjima algoritma i radu na Riemann hipotezi. Glasnogovornik je rekao da je gotovo svaki rezultat došao iz jednog upita za jednog agenta, u prosjeku otprilike tri sata razmišljanja u ChatGPT Pro-u - a ne ogroman roj više agenata.
Zašto su matematičari skeptični prema OpenAI-jevoj priči o jednokratnim matematičkim dokazima?
Andrew Sutherland sa MIT-a pozvao je OpenAI da pokaže model ili da tvrdnju o jednom pokušaju tretira kao neprovjerenu. OpenAI-jeva savjetodavna grupa tražila je upute, nazive modela i računske potvrde. Umjesto toga, kompanija je objavila prosjeke i neke Lean formalizacije. Dokazi se možda formalno potvrđuju, ali novost i narativ o jednom agentu ostaju sporni dok se ne pojave potpuniji dokazi.
Šta je Mistral Large 4 i kada stižu tegovi?
Mistral Large 4 - također nazvan ML4 ili "Le Chonk" - je izvorno multimodalni model mješavine stručnjaka s ukupnim brojem od 1 biliona parametara i 49 milijardi aktivnih. Obučavan je na 3.800 NVIDIA Grace Blackwell GPU-ova u Mistralovim evropskim podatkovnim centrima. Javni pregled je dostupan; puni podaci o težini su obećani do kraja mjeseca nakon saradnje s partnerima i vladama. Mistral je predstavio slučajeve upotrebe u sajber sigurnosti, finansijama, pravu i dizajnu čipova.
Kako Claude funkcioniše unutar Google Dokumenata, Tabela i Slajdova?
Claude za Google Workspace je u javnoj beta verziji na plaćenim planovima putem dodatka za Marketplace. Nalazi se u bočnoj traci koja može čitati datoteku i uređivati je na licu mjesta ili kreirati i prilagođavati Google datoteke iz Claude chata. U Dokumentima može ispravljati rečenice ili plutajuće kartice s prijedlozima; Sheets dohvaća formule, pivot liste, grafikone i opcionalni Python; Slides može kreirati slajdove iz vaše teme. Zadani način rada pita prije uređivanja; način rada "Prihvati sve" preskače upite.
Koji problem pokušava riješiti Meta i Sierra protokol za lične agente?
Lični AI agenti često koriste CAPTCHA kodove ili direktne blokade prilikom kupovine ili pozivanja poslovnih API-ja. Sierra i Meta, sa partnerima uključujući Genesys, Shopify, Stripe i Walmart, rade na nacrtu otvorenog standarda tako da potrošači kontrolišu pristup agenata, a kompanije postavljaju dozvoljene radnje putem OAuth-a. Specifikacija v0.1 i referentna implementacija trebaju biti dostupne kasnije ovog mjeseca. OpenAI i Anthropic još nisu dostupni.
Kada biste trebali koristiti OpenAI-jev Decisions API umjesto Responses API-ja?
Posegnite za Decisions API-jem kada vam je potreban brz odgovor u stilu da ili ne - vjerovatnoća da je uslov tačan, izbor sa liste ili rezultat na uređenim nivoima. Radi na gpt-6-luna putem POST /v1/decisions, prihvata tekst i ugrađene base64 slike i oko 10 puta je brži od Responses API-ja. Cijena je 0,10 USD po milionu ulaznih tokena bez naknade za izlazne tokene. Postoje Zero Data Retention i HIPAA putevi za podobne korisnike; GA se očekuje u narednim sedmicama.
Šta čini EmbeddingGemma 2 od Google DeepMind-a korisnim na telefonima?
EmbeddingGemma 2 je Apache 2.0 model sa 740 miliona parametara koji mapira tekst, kod, slike, video i audio u jedan 768-dimenzionalni prostor. Možete učitati samo tekst (270M), dodati sliku ili audio ili uzeti cijeli stek. Skraćivanje Matryoshka može smanjiti vektore na 128 dimenzija za do 6 puta manje prostora za pohranu. Na kvantiziranom Pixelu 11 Pro, samo tekstualni prikaz zahtijeva oko 191 MB aktivne RAM memorije, a puni multimodalni prikaz oko 567 MB, s kontekstom tokena od 8K.