← Archyvas

2026 m. lapkričio 6 d. · 8 naujienos

OpenAI pristatė LifeVal — kasdienių gyvenimo užduočių benchmark'ą

OpenAI paskelbė LifeVal — vertinimo rinkinį, sudarytą remiantis tūkstančių ChatGPT naudotojų atsiliepimais apie tai, kur jiems labiausiai reikia asmeninio asistento pagalbos: nuo vaikų priežiūros paieškos iki valstybės paslaugų ir asmeninių finansų. Skirtingai nuo įprastų kodavimo ar matematikos benchmark'ų, LifeVal matuoja, ar modelis geba atlikti veiksmą (pvz., sudaryti pirkinių sąrašą ir užsakyti prekes atsižvelgiant į sveikatos duomenis, mitybos pageidavimus ir biudžetą), o ne tik paaiškinti, kaip tai padaryti. Įmonė teigia pastaruosius metus naudojusi LifeVal savo modelių tobulinimui.

Šaltinis: OpenAI YouTube kanalas·

Matt Wolfe apžvelgia OpenAI Images 2.6, Pruna PH3 Image ir Gemini Omni 1.2 Flash

Savaitės apžvalgoje aptariamas OpenAI Images 2.6 modelis, kuris generuoja greičiau (įprastas vaizdas — apie 20 s) ir moka kurti bei redaguoti animuotus GIF. Taip pat pristatomas Pruna AI atviro svorio PH3 Image modelis, sukurtas iš MiniMax H3 vaizdo modelio ir išbandomas Hugging Face erdvėje, bei kiti atnaujinimai — Gemini Omni 1.2 Flash, nemokamas vaizdo generavimas Google Vids ir Pika H3 Flex.

Video eiga 12 skyrių
  • OpenAI Images 2.6 — pristatomas naujas vaizdų modelis ChatGPT ir API, greitesnis ir skirtas profesionalesnei grafikai
  • GIF generavimo demonstracija — užklausa apie riedučiais važiuojančią beždžionę sugeneruojama maždaug per 20 sekundžių
  • Animuotų GIF redagavimas — modelis sėkmingai pritaiko kelis redagavimo nurodymus jau sukurtam GIF
  • Greičio testas — įprastas San Diego panoramos vaizdas sugeneruojamas per 20,4 sekundės
  • Pruna PH3 Image — iš MiniMax H3 vaizdo modelio padarytas efektyvus atviro svorio vaizdų modelis, kurį galima pritaikyti ir fine-tune'inti
  • Techniniai reikalavimai — 16 bitų versijai reikia apie 56 GB VRAM, 4 bitų kvantizuotai — apie 21 GB, tad ji tilptų į 4090 ar 5090
  • Išbandymas Hugging Face — modelį galima nemokamai paleisti Hugging Face erdvėje, nors kokybė atsilieka nuo ChatGPT vaizdų
  • Optimizely virtualūs komandos nariai — rėmėjo intarpas apie SEO ir AI paieškos analitiko agentą, auditavusį futuretools.io
  • Gemini Omni 1.2 Flash — naujas Google modelis apžvalgoje
  • Nemokami vaizdo įrašai Google Vids — galimybė generuoti vaizdo įrašus be mokesčio
  • Avataro vaizdo testas — išbandomas avataro vaizdo įrašo generavimas
  • Pika H3 Flex atviras vaizdo modelis — pristatomas atviro svorio vaizdo generavimo modelis
Šaltinis: Matt Wolfe YouTube kanalas·
Pilna santrauka →

METR auditas apie Anthropic AI tyrimų spartėjimą paskelbtas su daugybe redakcijų

METR paskelbė nepriklausomą Anthropic AI tyrimų automatizavimo auditą, tačiau didelė dalis METR labiausiai informatyviais laikytų įrodymų buvo užredaguota pačios Anthropic prašymu. Nuslėptos sritys susijusios su paslaptingu agentų scaffold, treniravimo konvejerio dalimis ir compute paskirstymu — pastarojo audito dalį Anthropic nutraukė nepaisydama sutarties. Anthropic taip pat papildė S-1 teigdama, kad rekursinis savęs tobulinimas artimas, o vidinis modelis esą sulaužė visus jų vidinius benchmark'us.

Šaltinis: Wes Roth YouTube kanalas·
Pilna santrauka →

Nutekėjimai apie GPT-6.2 ir 10 trln. parametrų bazinį modelį „Bell“

Pranešime surenkami nutekėjimai apie artėjantį OpenAI modelį: trumpam API sąraše pasirodę „release candidate“ pavadinimai, GPT-6.2 Astra pėdsakai Codex naudojimo statistikoje ir The Information žinia, kad nauji Astra, Soul bei Cyber Focus modeliai gali pasirodyti vos per kelias dienas. Atskirai minimas naujas bazinis modelis „Bell“, kuriam priskiriama 10–12 trln. parametrų; jei jis tikrai gerokai pranašesnis, tai reikštų, kad pre-training mastelio didinimas dar neatsitrenkė į sieną. Visa tai – nepatvirtinti nutekėjimai, o ne oficialūs pranešimai.

Šaltinis: TheAIGRID YouTube kanalas·
Pilna santrauka →

NVIDIA Spencer Huang apie fizinį AI, Isaac Lab su Newton ir Agile One SN

Pokalbyje su NVIDIA atstovu Spencer Huang pristatomi nauji Isaac Lab atnaujinimai su Newton fizikos varikliu vietoj PhysX, DGX Station šablonai ir kartu su Agile sukurta referencinė platforma Agile One SN, kurioje iš karto veikia Thor ir GR00T. Pagrindinė tema — kodėl fizinis AI sunkesnis už LLM: internete nėra paruoštų duomenų apie dvikryptę sąveiką su pasauliu, todėl reikia fizikos solverių ir teleoperacija surinktų imitacinio mokymosi duomenų.

Šaltinis: Two Minute Papers YouTube kanalas·
Pilna santrauka →