#AI: Google выкатил третий апдейт за 6 недель и уже обгоняет Opus 🔭

😐 Ранее писали как ИИ-гонка ушла от "чья модель умнее". Свежий тренд - топ-модели выкатывают анонимно, под кодовым именем и без слова кто за ними стоит. 20 августа на OpenRouter всплыла Ox Alpha - без разработчика, бесплатно, 1М контекста. За 3 дня вышла на №2 по использованию. CEO Stripe назвал её "очень впечатляющей". Что за схема: Лаборатория выкатывает свежую модель под кодовым именем, пару недель собирает реальный трафик, потом раскрывается. Так уже прогоняли Quasar Alpha - оказался моделью OpenAI. С апреля 2025 таких запусков штук 14. Чем цепляет: 🟢Ризонинг под код и агентов 🟢1М контекста, принимает текст, картинки, видео 🟢Бесплатно, промпты не идут в обучение 🟢16 трлн токенов и 221к юзеров за 3 дня Расчёт простой - раздаёшь модель даром, юзеры обкатывают её на реальных задачах, а ты собираешь фидбек без риска для репутации. Как спалили автора: Главная улика - токенайзер. То как модель режет текст на токены это отпечаток лаборатории. У Ox Alpha он совпал с GLM-5 от китайской Z.ai на 95 из 95 проб, плюс китайские тексты ошибок. 🗒 Раздать топ-модель даром и собрать данные чужими руками - классика. Какую модель под какую задачу брать, чтобы не переплачивать - разбираем в ИИ-клубе. Slavik | Updates | Инстаграм | ИИ Клуб

В продолжении поста по IPO офферам от A2DAO 📌 Moonshot - один из «шести тигров» китайского AI запустил подготовку к листингу в Гонконге. За полгода оценка прыгнула с $4,3b (январь 2026) до $35b (июль) — рост ×8. И это ещё не финал, т.к. структурируется и обсуждается следующий раунд по $50b, в котором нам и предлагают поучаствовать. 👨🏼‍💼Основатель/CEO - Yang Zhilin - ex-Google Brain/Meta, PhD в Carnegie Mellon University, соавтор многих научных работ по AI и LLM. В 2023г основал Moonshot AI. 🔍 Что делает и в чём преимущество Moonshot: 🔵️ Kimi — линейка open-weight моделей (Modified MIT), заточенных под агентов и кодинг. 🔵️ K2.6 (апрель 2026): SWE-Bench Verified 80,2% — топ среди открытых на агентных/кодинг-бенчах. API $0,60/M input — ≈80% дешевле Claude Sonnet. До 300 sub-агентов. 🔵️ K3 (июль 2026): 2,8T параметров — крупнейшая в мире open-weight модель (подтв. Reuters), контекст 1M токенов. Запуск даже придавил чип-акции (Nvidia −2%). 🔵️ ARR: $100M (март) → $200M (апрель) → $300M (июнь) — утроение за ≈4 месяца. 🤩 На arena.ai можно самим оценить и сравнить качество моделей. На текущий момент Kimi K3 - на 5 месте по агентским задачам и на 3 месте если смотреть в контексте компаний-производителей. ▶️ Kimi все еще слабее топ-моделей на чистом reasoning (AIME/GPQA); у K3 подрос ценник (×3-4 к K2.6) и пока еще много галлюцинаций 💲 Хронология раундов: 🔵️ Фев 2024: $2,5b - Series B, лид Alibaba + HongShan 🔵️ Авг 2024: $3,3b - вошёл Tencent 🔵️ Янв 2026: $4,3b 🔵️ 7 мая 2026: $20b - раунд $2b, лид Meituan (DragonBall) 🔵️ 29 июля 2026: $35b - раунд $3,5b, anchor China National AI Fund ← последняя ЗАКРЫТАЯ оценка 🤩 Авг 2026: обсуждения до $50b pre-money - pre-IPO G-раунд, целевое закрытие 27 августа. ▶️ Суммарно привлечено ≈$7,0-7,3b. Крупнейший внешний акционер — Alibaba (≈36%), у основателя ≈51,83%. 📆 IPO timeline: ✅ Подтверждено (корп-подготовка): 29 июля - преобразование в АО, переименование в Beijing Moonshot Technology Co., демонтаж офшорной Cayman/VIE-структуры под CSRC. ✅ Подтверждено (намерение): разослана резолюция на листинг HKEX в течение ≈6 месяцев. Маршрут — Chapter 18C (Specialist Technology). Банкиры по СМИ — CICC + Goldman Sachs. Ориентир — конец 2026 / 2027. 📊 Сравнение с конкурентами: Я решил сравнить всех текущих AI лидеров по ARR и FDV/ARR. ARR - Annual Recurring Revenue - выручка от регулярных платежей, в основном подписок. Считается наиболее стабильным источником ден. потока. 🌍 Глобальные лидеры: 🤩 Anthropic — ARR ≈$47B (офиц., май 2026) · оценка $965B (Series H, июнь 2026) → FDV/ARR ≈ 20× (трекеры дают ARR $69–74B в июле → тогда ≈13–14×) 🤩 OpenAI — ARR ≈$25B (фев 2026) · оценка $852B (раунд, март 2026) → FDV/ARR ≈ 34× 🤩 xAI (Grok) — AI-ARR ≈$500M (оценка) · оценка $230B (Series E, янв 2026) → ≈460× (очень грубо, ARR не раскрыт чётко) 🤩 Mistral — ARR ≈$400M · оценка $14–23B → ≈35–58× 🇨🇳 Китайские игроки: 🤩 Moonshot (Kimi) — ARR $300M · оценка $35B (до $50B talks) → FDV/ARR ≈ 117–167× 🤩 Zhipu (Z.ai, GLM) — ARR MaaS ≈$247M–$1B (СМИ) · капа ≈$67,7B → по ARR ≈68–274× 🤩 MiniMax — ARR ≈$150–300M (run-rate) · капа ≈$13,1B → по ARR ≈44–87× 🤩 StepFun — выручка ≈$70M (СМИ), ARR не раскрыт · оценка ≈$12B → ≈171× по выручке 🤩 DeepSeek — ARR ≈$200–500M (run-rate, не аудит) · оценка $50B+ (трекеры $71–115B) → ≈125–250× Разрыв «Запад vs Китай» огромен. OpenAI/Anthropic при триллионных оценках торгуются всего по 20–34× ARR, потому что их ARR — десятки миллиардов и относительно проверяем. Китайские лаборатории при оценках в 10–70 млрд имеют ARR в сотни миллионов → мультипликаторы 40–270×+, кратно дороже. 🤓 Итог: участие в Pre-IPO сделке - задел на будущую переоценку всего Китайского AI. По качественным метрикам - разрыв сокращается, по финансовым - еще крайне велик. Мне кажется выход Moonshot ч/з 6 мес по оценке в $300b вполне реален, но готовы ли вы аллоцировать средства на ~1,5г ради потенциальных x6+ - индивидуальное решение.

😐 Ранее писали как Claude за сутки нашёл в Zcash баг, который аудиторы не видели 4 года. Теперь то же самое поставили на поток - и первую уязвимость уже используют. Bitcoin Red Team - 16 волонтёров на гранте OpenSats натравили топовые AI-модели на код биткоина. За 27.5 часов прогнали 390 репо и выкатили почти 5000 находок. Что накопали: 🟢85 критических дыр, 635 высоких 🟢Кошельки, крипто-библиотеки, инфра 🟢21% находок уже воспроизвели вручную 🟢Ценник всего $40к компьюта Запускали Opus, Fable, Kimi K3 и GLM одновременно - по словам команды, находили примерно по одному критическому эксплойту в час. Одну уязвимость уже абузят: Баг в BTCPay Server давал забрать ключи без всякой авторизации. А это полный контроль над Lightning-нодой. Атакующие ночью закрыли каналы и украли деньги, пока патч ещё не разошёлся. Кого уже вынесли: 🟠Foundation - обокрали ноду за ночь, каналы закрыты 🟠Citadel21 - ноду обокрали, но денег было мало 🟠Патч 2.4.2 вышел, но украденные ключи не отзывает Обновиться мало - надо сгенерить ноде новые ключи доступа и переносить горячий кошелёк. Иначе ключ у атакующего так и останется. 🗒 AI удешевил поиск дыр до копеек. Как поставить AI-агента на аудит своего кода разбираем в ИИ-клубе. Slavik | Updates | Инстаграм | ИИ Клуб

ИИ-аудит Bitcoin Red Team выявил 720 уязвимостей в 390 репозиториях • Обнаружено 85 критических уязвимостей и 635 высокой степени риска. • Проверить и воспроизвести удалось уже 21,4% найденных уязвимостей. • Для поиска уязвимостей использовались модели Kimi K3, GPT Sol, Fable, Opus и GLM5.2. • По словам исследователей, ИИ эффективно находит потенциальные проблемы, однако для подтверждения и анализа по-прежнему необходимы специалисты по безопасности. Источник @SatoshiNews - главное о крипте Криптокарта | eSIM | 😍 BingX

Управляющий партнер Dragonfly Хасиб Куреши подвел итог громкой атаке на аппаратный кошелек Coldcard: кибербезопасность превратилась в соревнование бюджетов на ИИ. Claude нашел критическую уязвимость в прошивке за 8 минут, офлайн-повтор с моделью GLM 5.2 занял 20 минут. Стоимость поиска — около $2, а хакер украл биткоины на $38 млн за 25 минут. Главный урок: рынок защищенных продуктов сожмется до крупных игроков, способных постоянно финансировать ИИ-проверки. Куреши указывает на отсутствие полноценного ИИ-тестирования прошивок перед релизом. Стартапам он советует гонять каждую версию через передовые модели и закладывать на поиск критических багов минимум тысячи долларов. Эпоха «железной» безопасности закончилась — теперь все решает, кто быстрее скормит задачу нейросети 🤖

Исследователи Dragonfly проверили, сможет ли ИИ самостоятельно обнаружить ту самую дыру в прошивке Coldcard, из-за которой пользователи лишились биткоинов. Модель GLM 5.2 нашла уязвимость за 20 минут без единой подсказки, а вся проверка обошлась примерно в $2. Общий ущерб от взломов тем временем превысил $130 млн, подсчитали в Galaxy. Атака продолжается. Управляющий партнер Dragonfly Хасиб Куреши считает, что безопасность превратилась в гонку вычислительных мощностей. Рядовой пользователь тратит пару долларов, чтобы бегло проверить чужой код на очевидные дыры, и на этом успокаивается. Хакеры из КНДР жгут по $500–2000 за один раз и запускают несколько ИИ-агентов на всю ночь. Проверять прошивку на такой глубине способна только сама компания – ни у пользователей, ни у независимых исследователей нет ресурсов на такие объемы вычислений. Зато у защиты появляется преимущество: чтобы перекрыть атакующего с бюджетом $5000, разработчику достаточно потратить $10 000 – и он найдет все то же самое и больше. Куреши ожидает, что индустрию ждет своего рода «COVID-момент»: волна крупных взломов заставит компании массово внедрить ИИ-аудит, и он станет отраслевым стандартом. Tokensales | News | Incrypted+

Скодить что-то стоящее можно лишь с годным ИИ-агентов, и тут как раз в поле зрения мне попался GLM 5.2, так еще и без лимитов. Забираем не глядя)) Что делаем: 🔵Регистрируемся на сайте 🔵Создаём API-ключ - тык 🔵Открываем OpenCode и просим подключить провайдера: Подключи меня к OpenAI-совместимому API: подруби меня на https://api.tokenrouter.com/v1">https://api.tokenrouter.com/v1 А(ваш api ) from openai import OpenAI client = OpenAI( base_url='https://api.tokenrouter.com/v1">https://api.tokenrouter.com/v1', api_key='', ) messages = [ {"role": "system", "content": "You are an intelligent assistant, please reply concisely."}, {"role": "user", "content": "Hello, what kind of model are you?"}, ] stream = client.chat.completions.create( model="z-ai/glm-5.2-free", messages=messages, stream=True, stream_options={"include_usage": True}, extra_body={} ) content_parts = [] for chunk in stream: if chunk.choices: delta = chunk.choices[0].delta if delta and delta.content: content_parts.append(delta.content) full_content = "".join(content_parts) print(full_content) ✉Канал📹Youtube

📌 На днях OpenAI опубликовали очень интересный отчет о внутреннем инциденте, который решил сегодня разобрать максимально простыми словами. 🤩 Во время внутренних тестов OpenAI её собственные модели вышли из-под контроля: сбежали из тестовой песочницы в интернет и взломали продакшн Hugging Face — чтобы украсть эталонные ответы к бенчмарку, на котором их же тестировали. Т.е. ИИ, которого проверяли на «умение хакать», хакнул реальную стороннюю компанию, чтобы сжульничать на тесте. Hugging Face - крупнейшая открытая площадка для ИИ, где размещаются модели, датасеты, библиотеки. Простыми словами — «GitHub для ИИ», где любой разраб может взять необходимые для своих задач инструменты. 🎯 Суть В ходе теста, модели решили, что кратчайший путь побить бенчмарк — достать ответы на вопросы (answer key), который (как они вывели) хостит HF. Сам тест шёл намеренно со сниженными параметрами cyber-refusals (т.е. меньше отказов выполнять задачи, связанные с кибер-безопасностью) — чтобы измерить максимум способностей. 📆 Хронология 🔵️ 16 июля — HF раскрыл вторжение «неопознанного автономного AI-агента» (чей — ещё не знал). 🔵️ 21 июля — OpenAI идентифицировал атаку со стороны своих моделей: GPT-5.6 Sol + непубличная pre-release (есть слухи о GPT-6). 🛠 Как это работало: 1️⃣ Слой A (побег): модели нашли ранее не известную уязвимость в регистре пакета данных proxy-провайдера песочницы OpenAI — единственном канале наружу — и вышли в интернет. 2️⃣ Слой B (взлом HF): → загрузили «заражённый» набор данных - dataset - на HF → в dataset был добавлен remote-code loader - некоторые форматы данных/моделей при загрузке умеют исполнять код. Файл был сделан так, что при его открытии на чужой машине автоматически запускается вредоносный код. → инициировали template-injection - в файле-настройке (config) есть шаблоны (templates), куда подставляются значения. Атакующие модели вписали туда свой код, и система его выполнила. Это разновидность инъекции — «протаскивания» команд туда, где ждут обычный текст → за счет инъекции реализовали RCE (Remote Code Execution) на воркере — удалённое выполнение кода на зараженных машинах → оказавшись внутри, собрали ключи/пароли доступа (credentials) к кластеру серверов. → использовали «боковое перемещение», т.е. с одной захваченной машины по собранным ключам перескакивали на соседние серверы, расширяя захват. Само массовое заражение специально делали в выходные, пока никто не следил. 📦 Масштаб вцелом не критичный: 🔵️ Затронуты ограниченный набор внутренних датасетов самого HF + несколько сервисных credentials (ротированы). 🔵️ Публичные модели, датасеты, Spaces, пакеты, образы - не пострадали 🧠 Guardrail paradox 🔵️ При расследовании HF не смог использовать коммерческие frontier-модели для анализа эксплойт-логов: они отказывались из-за тех же cyber-refusals. В отличии от внутренней песочницы, во всех продакшн ИИ моделях уже стоят жесткие ограничения на задачи с кибер-безопасностью 🔵️ HF пришлось вести расследование по >17 000 событий на open-weight GLM-5.2 локально. 🤩Оказалось, что open weights модели реально полезны защитникам, когда закрытые корпоративные модели «стесняются» смотреть на вредонос. 💬 Реакция сторон и выводы: 🔵️ Clément Delangue (CEO HF): «атака, не похожая ни на что виденное ранее… secrecy is not the answer». 🔵️ Head of Infra HF: «hardest IR of my career, мы отбились open-моделями, в открытую». 🔵️ OpenAI ужесточили infra-конфиг, раскрыли найденную уязвимость прокси-провайдеру, добавили HF в trusted-access для полноценного использования Frontier моделям, без ограничений по задачам по кибер-безопасности

Решение работает как агентная система, которая может распределять задачи между несколькими ИИ-моделями. Продукт оркестрирует более 19 LLM, а адаптированная GLM должна стать дешевым базовым слоем для большинства задач. Следующим шагом компания назвала постобучение Nemotron 3 Ultra — еще одной открытой модели, которую компания хочет адаптировать для Computer.

CRYPTO GUYS 👽

Решение работает как агентная система, которая может распределять задачи между несколькими ИИ-моделями. Продукт оркестрирует более 19 LLM, а адаптированная GLM должна стать дешевым базовым слоем для большинства задач. Следующим шагом компания назвала постобучение Nemotron 3 Ultra — еще одной открытой модели, которую компания хочет адаптировать для Computer.

Компания выпустила исследовательскую версию модели-оркестратора для Perplexity Computer. В основе — китайская GLM 5.2, дообученная для агентной среды. Computer не использует одну нейросеть: он распределяет задачи между 19 LLM, а GLM служит дешёвым базовым слоем для рутинных операций. – Система сама решает, какую модель подключить: от поиска до генерации кода – Следующий шаг — адаптация открытой Nemotron 3 Ultra для нового слоя Computer Вместо гонки за одной супермоделью Perplexity строит экосистему, где модели работают как единый организм. Пока это исследовательская версия, но подход логичен: зачем платить за топовую LLM, если 80% задач решает лёгкая и дешёвая?

https://youtu.be/kl3kAxw4XjQ">https://youtu.be/kl3kAxw4XjQ">https://youtu.be/kl3kAxw4XjQ">https://youtu.be/kl3kAxw4XjQ https://youtu.be/kl3kAxw4XjQ">https://youtu.be/kl3kAxw4XjQ">https://youtu.be/kl3kAxw4XjQ">https://youtu.be/kl3kAxw4XjQ https://youtu.be/kl3kAxw4XjQ">https://youtu.be/kl3kAxw4XjQ">https://youtu.be/kl3kAxw4XjQ">https://youtu.be/kl3kAxw4XjQ Ловите простой гайд, о том как бесплатно получить ИИ-модель GLM 5.2. Сделали на ней игру и смогли продать за 200$ 💎Все нужные вам ссылки будут в ЭТОМ ПОСТЕ ▶️ Гайды по проектам на Youtube 🏪 Полезный Чат: комьюнити, помощь ✈️Telegram|🔗Ноды|🔐Прокси

▪️ Проект Moonbeam полностью мигрирует из сети Polkadot в L2-решение Base. Токен GLMR конвертируется 1:1 в нативный ERC20-актив на новой платформе. ▪️ Мост для миграции уже открыт. Пользователям DeFi-протоколов на Moonbeam нужно вывести средства вручную, а держателям GLMR на биржах конвертация пройдёт автоматически. ▪️ Moonbeam перезапускается как сеть с фокусом на ИИ-агентах. Это сигнал о смене стратегии и ослаблении позиций Polkadot. #GLMR #Base #Polkadot SOSUN