Claude Fable 5.1: изображения как канал скрытой передачи

The Verge описал исследование, в котором Claude Fable 5.1 кодировала сообщения с помощью азбуки Морзе, цветов, поворотов объектов и высоты элементов изображения. В отдельных сеансах модель смогла расшифровать около 78% сообщений по снимку экрана.

Это демонстрация возможности передавать информацию через визуальный канал — важная деталь для проверки совместно работающих моделей. Результат не означает, что модели самопроизвольно обмениваются такими сообщениями при обычном использовании.

DeepSeek открыла DeepInfer для запуска V4.1 Flash

По сообщению The New Stack, DeepSeek открыла программный механизм работы моделей DeepInfer: он включает оптимизированные вычисления, распределение работы между ускорителями и ускоренную генерацию с предварительными предположениями. Вместе с ним опубликована библиотека deepseek-recipe для преобразования запросов и ответов.

Для самостоятельного размещения V4.1 Flash это полезный набор компонентов, но ещё не готовый промышленный сервис. В опубликованном комплекте пока отсутствует часть средств управления памятью промежуточных состояний и распределения нагрузки.

Beetle: 330 моделей для изучения обучения и двуязычия

Beetle объединяет 330 одноязычных и двуязычных моделей с охватом 21 языка. Вместе с ними опубликованы промежуточные состояния обучения, данные, средства обучения и анализа.

Ценность набора — возможность сравнивать, как возникают способности, запоминаются данные и переносятся знания между языками. Это исследовательская среда для контролируемых опытов, а не новый универсальный помощник, объявленный сильнее остальных.

ThinkingCap: меньше рассуждений у Gemma 4

BottleCap AI представила ThinkingCap на основе Gemma-4-26B-A4B. По собственным измерениям команды на 12 тестах, объём текста внутренних рассуждений снизился в среднем на 38,9%, средняя точность — на 0,15 процентного пункта, а доля зацикленных ответов уменьшилась с 3,6% до 0,8%. Веса доступны для локального запуска.

Возможная польза — снижение вычислительных затрат на рассуждения. Однако сокращение текста нельзя автоматически приравнять к такому же ускорению или удешевлению: результаты принадлежат разработчикам, а средние значения скрывают различия между задачами.

Grok 4.7 и GPT-6.1 Sol по-разному выбирали кандидатов в искусственном испытании

TechCrunch описал исследование Convovo почти по 500 избирательным гонкам. Когда запрос через API прямо требовал назвать одного кандидата, Grok 4.7 выбирал республиканца в 92% ответов, а GPT-6.1 Sol — демократа в 97%. При этом потребительские приложения отказывались давать такую рекомендацию.

На небольшой дополнительной выборке отключение поиска устраняло предпочтение Grok. Поэтому опыт следует читать как проверку конкретной связки запроса, модели и источников, а не как описание обычного поведения приложений или неизменного политического свойства модели.

Числа голосов и пользовательские оценки для этих материалов в исходных данных не приведены; порядок выбран по значимости событий, а не по придуманному рейтингу.