AI
Anthropic pokazał FlashProve: dowód, że odpowiedź pochodzi z deklarowanego modelu
Anthropic udostępnił FlashProve, który kryptograficznie potwierdza autorstwo odpowiedzi AI bez ujawniania wag modelu. Do tego: GPT-6 Astra, Genie 4 i przełom Stanforda.
Wydanie opracowane przy pomocy sztucznej inteligencji. Tekst i lektor wygenerowane automatycznie.
FlashProve od Anthropic: kryptograficzny dowód autorstwa odpowiedzi AI
Anthropic udostępnił FlashProve, otwarty prototyp badawczy wykorzystujący zkSNARK do potwierdzenia, że odpowiedź wygenerował deklarowany model, bez ujawniania jego wag. Dostawca tworzy cyfrowy odcisk wag, a do każdej odpowiedzi dołącza zwięzły dowód. Dla modelu Llama 4 Maverick od Meta (400 mld parametrów) system generuje dowody w tempie około 110 tokenów na sekundę na jednej karcie H100, każdy dowód ma około 19 MB i weryfikuje się w 17 sekund na zwykłym procesorze, przy narzucie 70-95 razy większym niż normalne wnioskowanie. Poprzedni porównywalny system potrzebował ponad 14 godzin na 1000 tokenów i dowodu o rozmiarze 93,6 GB. Ograniczenia: kontekst do 1024 tokenów, brak ochrony architektury i działanie tylko przy wyborze najbardziej prawdopodobnego tokenu. Kod jest na GitHubie na licencji Apache 2.0.
Anthropic’s new prototype proves which model wrote an AI response without exposing its weights →
Tematy: Anthropic
GPT-6 Astra przepisuje wagi innych modeli i poprawia wyniki Qwen3.5
Badacze opisali „Weight-Space Programming”, w którym model GPT-6 Astra bezpośrednio edytuje liczbowe wagi innych sieci, zamiast je trenować. Astra rozpoznawała, w którą z czterech gier gra dana sieć, dopasowywała język treningowy małych modeli i wskazywała model schlebiający użytkownikom, gdy mogła obserwować jego uwagę. Bez treningu wygenerowała wagi modeli do trzech prostych gier; w Breakout uzyskała średnio 517 punktów wobec 25 dla trenowanej bazowej wersji. W eksperymencie z Qwen3.5-0.8B zmieniła zaledwie 0,016 proc. wag, podnosząc wynik MATH-500 z 7,9 do 48,1 proc., a realizację instrukcji z 21 do 62 proc. Jürgen Schmidhuber nazwał podejście „starym kapeluszem”, wskazując na prace z lat 90. Logi są na GitHubie, a zmodyfikowany model na Hugging Face.
GPT-6 Astra sees the matrix and reprograms other AI models directly through their weights →
Tematy: GPT-6 Astra
Google pokazał Genie 4: interaktywne światy 3D w czasie rzeczywistym
Google zaprezentował Genie 4, system AI generujący szczegółowe, interaktywne środowiska 3D w czasie rzeczywistym. W odróżnieniu od rozwiązań opartych na gotowych modelach Genie 4 tworzy całe światy dynamicznie z danych wejściowych, z fizyką i dźwiękiem. System DeepMind uczono na obszernych danych wideo, w tym z YouTube, by poznał ruch i zachowanie obiektów. Symuluje realistyczną fizykę i spójność otoczenia bez tradycyjnych silników fizyki oraz generuje dźwięk dopasowany do obrazu. W ciągu 2,5 roku ewoluował od prostych pokazów 2D do fotorealistycznych światów 3D. Zastosowania obejmują gry, edukację, film i robotykę. Wyzwania to wysokie koszty obliczeń, ograniczony dostęp głównie dla firm i badaczy oraz utrzymanie szczegółów w dłuższych symulacjach. Technologia korzysta z modeli Gemini, danych YouTube, własnych chipów i badań robotycznych, w tym Waymo.
Google Unveils Genie 4 to Build Real-Time 3D Environments →
Tematy: Google DeepMindGoogle
Stanford znalazł naturalną cząsteczkę BRP działającą jak Ozempic
Naukowcy ze Stanford Medicine zidentyfikowali naturalnie występującą cząsteczkę BRP, która w badaniach na zwierzętach tłumiła apetyt i sprzyjała utracie tłuszczu podobnie jak semaglutyd, substancja czynna Ozempicu, potencjalnie unikając części skutków ubocznych. BRP działa wybiórczo na podwzgórze, a nie na receptory rozproszone w mózgu, jelitach i trzustce. Cząsteczkę znaleziono algorytmem Peptide Predictor, który przeanalizował około 20 tys. genów kodujących białka i wytypował 373 prohormony, z których oszacowano 2683 peptydy. Z 100 przetestowanych peptydów BRP, zbudowany z 12 aminokwasów, dziesięciokrotnie zwiększał aktywność neuronów, podczas gdy GLP-1 trzykrotnie. Myszy i miniaturowe świnie po iniekcji jadły do 50 proc. mniej w ciągu godziny, a otyłe myszy po 14 dniach straciły średnio 3 gramy, głównie tłuszczu. Badanie opublikowano w Nature.
AI helps Stanford scientists discover a “natural Ozempic” with a surprising advantage →
Revolut zastąpił Claude’a modelami GLM od Z.ai i ciął koszty o 90 proc.
Revolut zastąpił model Claude od Anthropic własnymi, otwartymi modelami od chińskiego Z.ai, obniżając koszty wnioskowania nawet o 90 proc. w niespełna rok. Londyński bank cyfrowy wcześniej testował Gemini od Google, zanim wybrał Claude’a, ale niektórzy intensywni użytkownicy wydawali tysiące dolarów miesięcznie na tokeny bez proporcjonalnych efektów. David Abitbol, odpowiedzialny za infrastrukturę, mówił o sceptycyzmie wobec kosztów AI i ścisłych limitach budżetowych. Własny hosting dał 70 proc. poprawy produktywności czasu realizacji i 60 proc. w czasie kodowania. Modele GLM, w tym GLM-5.1, sprowadziły koszt do około 0,30 dolara za milion tokenów, mniej więcej dziesiątą część ceny porównywalnych ofert komercyjnych. Revolut prowadzi własną infrastrukturę wnioskowania, według doniesień na 56 kartach Nvidia B200.
Tematy: GLM