AI
GPT-6 Astra zaprojektował urządzenie sprzętowe w mniej niż tydzień
OpenAI chwali się projektem sprzętu stworzonym przez GPT-6 Astra, Anthropic tnie czas odpowiedzi API, a badacze z Stanford ostrzegają, że wiedza o LLM szybko się starzeje.
Wydanie opracowane przy pomocy sztucznej inteligencji. Tekst i lektor wygenerowane automatycznie.
GPT-6 Astra zaprojektował urządzenie do rozmów z agentem Codex w mniej niż tydzień
Zespół sprzętowy OpenAI wykorzystał model GPT-6 Astra do zaprojektowania urządzenia pozwalającego rozmawiać z agentem kodującym Codex — jako projekt poboczny, w mniej niż tydzień. Według OpenAI Astra odpowiadała za każdy etap: obudowę, projekt płytki PCB z doborem komponentów i trasowaniem ścieżek, firmware oraz interfejs użytkownika. Kontraktowy producent wykonał niewielką partię prototypów w ciągu miesiąca, choć potrzebne były poprawki, bo model nie zawsze uwzględniał ograniczenia produkcyjne i tolerancje. Nowszy model wewnętrzny osiąga 0,875 w benchmarku BenchCAD 2.0, podczas gdy GPT-6 Astra na najwyższym poziomie rozumowania — 0,594. OpenAI nie ujawniło szczegółów modelu wewnętrznego. Zużycie tokenów w zespołach sprzętowych wzrosło 23-krotnie od lutego.
OpenAI says GPT-6 Astra designed a hardware device from scratch in under a week →
Tematy: GPT-6 AstraOpenAI
Anthropic skraca czas do pierwszego tokena o 35 procent dzięki Message Threads
Anthropic udostępniło w publicznej becie funkcję Message Threads na platformie Claude. Wcześniej każde żądanie API musiało ponownie przesyłać całą historię rozmowy; teraz przesyłane są tylko zmiany od ostatniej wiadomości. Według Anthropic skraca to czas do pierwszego tokena o około 35 procent dla żądań od 500 tysięcy do miliona tokenów. Najwięcej zyskają agenci kodujący, agenci sterujący komputerem oraz procesy przetwarzające duże wolumeny dokumentów i obrazów. Wątek pozostaje zaszyfrowany w pamięci między żądaniami i wygasa po pięciu minutach bezczynności. Zużycie tokenów się nie zmienia, bo Claude nadal czyta całą historię. Funkcja działa na platformie Claude oraz przez AWS, Microsoft Foundry i Google Cloud.
Anthropic’s Message Threads cut time to first token by 35 percent for long conversations →
Stanford: 44 procent często cytowanych twierdzeń o LLM już się przedawniło
Badacze ze Stanford, Owen Queen i James Zou, sprawdzili 50 często cytowanych twierdzeń o dużych modelach językowych na 20 modelach i odkryli, że 44 procent z nich już wygasło. Wśród 22 wniosków z szacowaną datą wygaśnięcia średni czas życia wyniósł 15,7 miesiąca. Analizowano modele ośmiu dostawców wydane między lipcem 2024 a wrześniem 2026 roku. Kolejne 34 procent twierdzeń znacznie osłabło, tylko 16 procent się utrzymuje, a 6 procent się wzmocniło. Najszybciej przedawniają się twierdzenia o tym, czego modele nie potrafią — pięć z dziewięciu wniosków dotyczących rozumowania wygasło, m.in. liczenie liter w słowie strawberry i gubienie informacji w środku długiego kontekstu. Autorzy apelują, by wyniki badań przedstawiać jako obserwacje konkretnych modeli w danym momencie.
Rapid LLM development is outrunning the research meant to explain it, study finds →
Agenci AI przejmują sterowanie teleskopem Allen Telescope Array
W Allen Telescope Array w północnej Kalifornii agenci AI mogą już sterować teleskopem i analizować napływające sygnały radiowe na bieżąco, choć na razie polecenia wciąż wpisują badacze. System działa na platformie Nvidia Holoscan, której Instytut SETI i Breakthrough Listen używają do przetwarzania danych teleskopu w czasie rzeczywistym. Według Nvidii sprzęt przetwarza do 2,4 terabita na sekundę. Prace, które wcześniej zajmowały tygodnie, teraz kończą się w godziny. Zespół poinformował, że po raz pierwszy wykrył w czasie rzeczywistym pulsar w Mgławicy Kraba — pulsary to szybko wirujące pozostałości gwiazd, dobry materiał testowy dla detekcji sygnałów. Kolejny krok to testy otwartego oprogramowania działającego lokalnie na brzegu sieci, z myślą o przyszłych sensorach po drugiej stronie Księżyca.
AI agents take over at SETI’s Allen Telescope Array, scanning for extraterrestrial intelligence →
Tematy: Nvidia
Anthropic w zgłoszeniu IPO ujawnia 1,7 mld dolarów kosztów osobowych w kwartał
Poprawione zgłoszenie S-1 Anthropic ujawnia ponad 1,7 miliarda dolarów kosztów osobowych od lipca do września przy 5300 pracownikach — ponad 322 tysiące dolarów na osobę w kwartale, czyli około 107,3 tysiąca dolarów miesięcznie na pracownika. Kwoty obejmują wynagrodzenia zasadnicze, premie, świadczenia i składki pracodawcy. Największa część, 1,1 miliarda dolarów, to wynagrodzenie w akcjach, które firma księguje jako koszt, choć pracownicy nie otrzymują równowartości w gotówce. W pierwszych dziewięciu miesiącach 2026 roku koszty osobowe sięgnęły 4,8 miliarda dolarów, czyli około 15 procent z 33,2 miliarda dolarów przychodu. Anthropic złożyła wniosek o potencjalnie największe IPO w historii. Gdyby debiut odbył się 30 września 2026 roku, firma zaksięgowałaby tego dnia 8,2 miliarda dolarów obciążenia z tytułu akcji zastrzeżonych.
Tematy: Anthropic