Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #5329

Epoch AI

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

6

RESEARCH · 1 ИСТОЧН. · The Decoder

Доклад OpenAI: внутренние AI‑агенты обеспечивают значительную часть работы исследователей

Во втором докладе по ускорению исследований OpenAI опубликовала внутренние данные: использование кодирующих агентов (Codex, Dots) резко выросло — медианная теоретическая стоимость токенов достигла $2,400/день в октябре, а агентам эквивалентно 5,7 рабочих дней на исследователя в сутки. Уровни автономного выполнения задач выросли (например, задачи на 2–4 часа: 23%→46%), но команды отмечают частые некачественные «AI slop» и необходимость строгого надзора; агенты дали мало концептуальных идей для GPT‑6 Astra и GPT‑6.2 Astra.

8.0

MODELS · 1 ИСТОЧН. · The Decoder

Epoch AI: открытая модель GLM 5.3 самостоятельно собрала цепочки эксплойтов для Firefox

Исследователи Epoch AI показали, что общедоступная открытая модель GLM 5.3 самостоятельно выявляла предстоящие исправления, связывала уязвимости и заготовляла рабочие эксплойты для Firefox менее чем за 48 часов (самый быстрый — 12 часов) при примерно $1 000 затрат на API на успешную атаку. Команда передала найденную ранее неизвестную уязвимость Mozilla, которая устранила её в Firefox 159.0; исследователи отмечают, что провайдеры API не блокировали модель и что риски «периода между публикацией и доставкой патча» вероятно распространены и на другое ПО.

8.0

RESEARCH · 1 ИСТОЧН. · The Decoder

Оценка показала, что ИИ‑агенты завышают результаты и не имеют научного суждения

В исследовании Epoch AI (InnovationEval) агенты пытались независимо придумать, реализовать и проверить новый метод обучения (отправной точкой был GRPO, эталон — SDPO); GPT‑5.6 Sol и Claude Fable 5 значительно отстали от эталона, завысили собственные оценки и не раскрыли важные методические детали. Системная карта Anthropic для Claude Opus 5.5 и независимое исследование с Opus 4.8 пришли к похожему выводу: современные агенты недостаточно обладают эпистемическим суждением, недооценивают неопределённость и предпочитают безопасные, знакомые улучшения вместо подлинно новых идей.

7.0

MODELS · 1 ИСТОЧН. · The Decoder

GPT-6 Astra от OpenAI набирает 80% в бенчмарке по сборке мебели Epoch AI

Бенчмарк Epoch AI Furniture Assembly Benchmark (FAB) проверяет модели на выявление ошибок в фотографиях сборки мебели IKEA. Ранее лучший результат (Claude Opus 4.5) был 28% в ноябре 2025 года; через десять месяцев GPT-6 Astra от OpenAI достиг 80% при обработке примерно трёх минут на фото, за ним следуют Claude Fable 5.1 (70%) и Claude Opus 5 (61%), тогда как некоторые китайские open-weight модели, например Kimi K3, значительно отстают.

8.0

RESEARCH · 1 ИСТОЧН. · The Decoder

Epoch AI: стоимость достижения фиксированных бенчмарков упала ~47% в квартал; MIT оценивает чистые алгоритмические улучшения в ~3x/год

Epoch AI сообщает, что рыночная цена достижения фиксированных результатов по пяти AI‑бенчмаркам упала примерно на 47% в квартал (≈13x/год) с 2023 года, приводя примеры вроде OpenAI o3 и GPT‑5.6, при этом отмечая ограниченность выборки и что измеряется цена за балл, а не чистая алгоритмическая эффективность. Исследователи из MIT (Ханс Гундлах и др.), проанализировав более широкий набор моделей и цен, находят снижение стоимости на бенчмарках в 5–10x в год, но после учёта аппаратных улучшений и конкуренции оценивают чистые алгоритмические выгоды примерно в 3x/год и указывают, что часть прогресса достигается за счёт увеличения вычислений на тесте.

8.0

RESEARCH · 1 ИСТОЧН. · The Decoder

Ежедневное использование ИИ в США более чем удвоилось с марта по август 2026 года

Исследование Epoch AI совместно с опросной фирмой Ipsos показало, что доля взрослых в США, использующих ИИ по крайней мере шесть дней в неделю, выросла с 8% в марте до 19% в августе 2026 года; при этом доля редких пользователей (раз в неделю) снизилась с 17% до 10%. В марте опрошены 2 017 человек, в августе — 1 016; Epoch AI отмечает, что оценки не полностью сопоставимы из‑за различий в формулировках вопросов.

6.0