[AINews] AI Engineer will be the LAST job
Выпуск AINews от Latent Space посвящён дискуссии о будущем профессий в эпоху ИИ: авторы всерьёз утверждают, что «ИИ-инженер станет последней профессией», поскольку практически все агенты сводятся к кодовым агентам с дополнительными навыками, а софтверная инженерия уже занимает более 50% сценариев использования моделей Claude. В технических новостях — выход GPT-5.4 с возвратом OpenAI на первое место в индексе Artificial Analysis (score 57), но с ростом цен и повышенным уровнем галлюцинаций. Claude Opus 4.6 обнаружил 22 уязвимости в Firefox за две недели, а OpenAI запустил Codex Security — агента для безопасности приложений. Вышел vLLM v0.17 с поддержкой FlashAttention 4 и единым Triton-бэкендом внимания для NVIDIA/AMD/Intel, а Meta представила KernelAgent с двукратным ускорением оптимизации ядер. Также обсуждаются специализированные модели: Microsoft Phi-4-RV (15B), рецепт KARL от Databricks и метод Doc-to-LoRA от Sakana AI.
[AINews] AI Engineer will be the LAST job
[AINews] ИИ-инженер станет ПОСЛЕДНЕЙ профессией
a quiet day lets us reflect on the jobs debate.
тихий день позволяет поразмышлять о дискуссии вокруг рабочих мест.
If you’re new to Latent Space you may not be aware of our Discord, where we chitchat about the (mostly AI, some non AI) news of the day. Now that both OpenAI and Anthropic think AI can do ~70% of most white collar jobs, between all the discussion about AI-induced layoffs and how most of coding, including SWE-Bench Verified and METR, is solved, some are confused by Citadel’s response to Citrini Research:
Если вы недавно открыли для себя Latent Space, возможно, вы ещё не знаете о нашем Discord, где мы обсуждаем новости дня (в основном об ИИ, иногда — нет). Теперь, когда и OpenAI, и Anthropic считают, что ИИ способен выполнять ~70% задач большинства офисных работников, на фоне всех обсуждений увольнений из-за ИИ и того, как большая часть программирования, включая SWE-Bench Verified и METR, уже решена, некоторых ставит в тупик реакция Citadel на исследование Citrini Research:
We have said repeatedly on the podcast that “AI Engineer will be the LAST job”. It started as a bit of a memey joke doubling down on the Rise of the AI Engineer in 2023 (and yes, I am the most biased person in the world on this), but we are getting increasingly serious about this in 2026. The lazy explanation is pointing to Jevons Paradox, but we think pointing to some wikipedia page about a random eponymous law is severely underselling the causality and magnitude of what is going on.
Мы неоднократно говорили в подкасте, что «ИИ-инженер станет ПОСЛЕДНЕЙ профессией». Поначалу это было скорее мемной шуткой, развивающей тему «Восхождения ИИ-инженера» 2023 года (и да, я — самый предвзятый человек на свете в этом вопросе), но в 2026 году мы относимся к этому всё серьёзнее. Ленивое объяснение — сослаться на парадокс Джевонса, но, на наш взгляд, ссылка на какую-то страницу Википедии о случайном эпонимном законе серьёзно недооценивает причинно-следственные связи и масштаб происходящего.
For example, how do you react to this other Anthropic report showing that Software Engineering has taken over 50% of usecases of Claude models:
Например, как вы реагируете на этот другой отчёт Anthropic, который показывает, что софтверная инженерия заняла более 50% сценариев использования моделей Claude:
Do you agree with Han that you should work on the other usecases? Surely with 2025 being the year of coding agents, in 2026 the other fields will play catch up right?
Согласны ли вы с Han, что стоит сосредоточиться на других сценариях использования? Ведь раз 2025-й стал годом кодовых агентов, в 2026-м остальные области наверняка подтянутся, верно?
Congratulations, you just made the classic egocentric error and joined the permanent underclass.
Поздравляем — вы только что совершили классическую эгоцентрическую ошибку и присоединились к вечному низшему классу.
There is no wall. There is no reason to believe what has already hit 50% will not keep going to 80%, to 90%, and more.
Стены нет. Нет никаких оснований полагать, что то, что уже достигло 50%, не продолжит расти до 80%, до 90% и выше.
The current consensus is that 2026 is the Year of Knowledge Work Agents (more on this in our upcoming Claude Cowork and OpenAI Frontiers podcasts), but, just like OpenClaw is based on a coding agent, Pi, and Cowork is based on Claude Code, and OpenAI Symphony maximizes harness engineering. With Code Mode/CLIs eating MCP, and Filesystems eating Memory/RAG, and Sandboxes eating Vision, it turns out that potentially ~all agents are JUST coding agents with extra skills, and every additional SKILLS.md eats another task of a white collar job… for coding agents.
Текущий консенсус таков: 2026 — год агентов для интеллектуального труда (подробнее об этом в наших предстоящих подкастах про Claude Cowork и OpenAI Frontiers), но — точно так же, как OpenClaw построен на кодовом агенте Pi, а Cowork основан на Claude Code, а OpenAI Symphony максимизирует harness engineering. С учётом того, что Code Mode/CLI поглощают MCP, а файловые системы поглощают Memory/RAG, и песочницы поглощают Vision, оказывается, что потенциально ~все агенты — это ПРОСТО кодовые агенты с дополнительными навыками, и каждый новый SKILLS.md отбирает ещё одну задачу офисного работника… в пользу кодовых агентов.
“it’s possible that software engineering is the only profession that experiences jevons paradox because they are the ones who use ai to automate other professions out of existence” — QwQiao making the Last AI Engineer argument
«Возможно, софтверная инженерия — это единственная профессия, для которой работает парадокс Джевонса, потому что именно её представители используют ИИ, чтобы автоматизировать все остальные профессии из существования» — QwQiao выдвигает аргумент о последнем ИИ-инженере
The final battle for jobs, when all the economy is a wasteland and we are frantically printing worthless money for Universal Basic Income, is the showdown between the AI Engineer and the AI Researcher. It’s the inverse of the chicken and egg problem — which comes LAST? The Engineer chicken, or the Researcher egg?
Финальная битва за рабочие места — когда вся экономика превратится в пустошь, а мы будем лихорадочно печатать обесценившиеся деньги на безусловный базовый доход — это противостояние между ИИ-инженером и ИИ-исследователем. Это обратная задача о курице и яйце — кто уйдёт ПОСЛЕДНИМ? Инженер-курица или исследователь-яйцо?
There, we have ALSO thought this through and concluded that the Researchers will probably hang up their hats first before the Engineers are done deploying the last mile of what the Researchers produce.
Мы и здесь всё обдумали и пришли к выводу, что исследователи, скорее всего, повесят свои шляпы на гвоздь раньше, чем инженеры закончат внедрять «последнюю милю» того, что произвели исследователи.
AI News for 3/5/2026-3/6/2026. We checked 12 subreddits, 544 Twitters and 24 Discords (264 channels, and 13382 messages) for you. Estimated reading time saved (at 200wpm): 1311 minutes. AINews’ website lets you search all past issues. As a reminder, AINews is now a section of Latent Space. You can opt in/out of email frequencies!
Новости ИИ за 5–6 марта 2026 года. Мы проверили 12 сабреддитов, 544 Twitter-аккаунта и 24 Discord-сервера (264 канала, 13382 сообщения). Примерная экономия времени на чтение (при 200 сл./мин.): 1311 минут. Сайт AINews позволяет искать по всем прошлым выпускам. Напоминаем: AINews теперь является разделом Latent Space. Вы можете настроить частоту email-рассылки!
AI Twitter Recap
Обзор ИИ-Twitter
OpenAI’s GPT‑5.4 rollout: benchmark leadership, cost/efficiency tradeoffs, and mixed practitioner feedback
Выпуск GPT-5.4 от OpenAI: лидерство в бенчмарках, компромиссы по стоимости/эффективности и неоднозначные отзывы практиков
Artificial Analysis deep dive (xhigh) + pricing/context details: GPT‑5.4 (xhigh) returns OpenAI to #1 (tied) on the Artificial Analysis Intelligence Index with Gemini 3.1 Pro Preview (score 57, up from 51 for GPT‑5.2 xhigh), but at higher per‑token prices ($2.50 / $15 per 1M input/output tokens vs $1.75 / $14 for GPT‑5.2) and a much larger ~1.05M token context window (up from 400K). AA reports strengths in CritPt (physics reasoning) and TerminalBench Hard (agentic coding/terminal use), but also flags higher hallucination rate driven by higher attempt rate; and a ~28% higher benchmark run cost vs GPT‑5.2 due to pricing despite modest token efficiency gains. Source: Artificial Analysis thread and follow‑ups (1, 2).
GPT‑5.4 Pro: real gains on CritPt, extreme output pricing: AA highlights a +10 point jump on CritPt, reaching 30% (tripling the best Nov ’25 score of 9%), but notes the run cost exceeded $1k and attributes the expense largely to GPT‑5.4 Pro’s $180 / 1M output tokens vs $15 for GPT‑5.4. Sources: AA CritPt update and cost breakdown.
Community benchmarking & “model personality” observations: Independent benchmarks/takes broadly agree GPT‑5.4 is a sizable jump in agentic/coding evaluations but disagree on reasoning efficiency and “literalness” vs Claude. Notable datapoints: LiveBench #1 claim for GPT‑5.4-xhigh (scaling01); TaxCalcBench: 56.86% perfect returns, surpassing Opus 4.6 at 52.94% (michaelrbock); claims of higher cost and less efficiency than GPT‑5.3 Codex in AA‑Index benchmarking (scaling01); mixed anecdotal UX—some praise “product sense” (dejavucoder), others report it’s overly literal and requires very explicit prompts (scaling01).
Arena positioning: The Text Arena account reports GPT‑5.4 High entering the top 10 with large gains in creative writing and “longer query” categories, while math is roughly flat vs GPT‑5.2‑High (arena). Separate chatter claims it “destroys” GPT‑5.2 in Arena (scaling01).
Глубокий анализ от Artificial Analysis (xhigh) + детали по ценам/контексту: GPT-5.4 (xhigh) возвращает OpenAI на 1-е место (совместно) в Artificial Analysis Intelligence Index наравне с Gemini 3.1 Pro Preview (оценка 57, по сравнению с 51 у GPT-5.2 xhigh), но с более высокими ценами за токен ($2,50 / $15 за 1M входных/выходных токенов против $1,75 / $14 у GPT-5.2) и значительно большим контекстным окном ~1,05M токенов (вместо 400K). AA отмечает сильные стороны в CritPt (физическое рассуждение) и TerminalBench Hard (агентное кодирование/работа с терминалом), но также указывает на более высокий уровень галлюцинаций из-за большей частоты попыток и ~28% рост стоимости бенчмарков по сравнению с GPT-5.2 из-за ценообразования, несмотря на умеренный рост эффективности по токенам. Источник: тред Artificial Analysis и продолжения (1, 2).GPT-5.4 Pro: реальный прогресс на CritPt, экстремальные цены на выход: AA отмечает скачок на +10 пунктов в CritPt, достигнув 30% (втрое больше лучшего результата ноября 2025 — 9%), но стоимость запуска превысила $1k, что в основном объясняется ценой выходных токенов GPT-5.4 Pro — $180 / 1M против $15 у GPT-5.4. Источники: обновление AA по CritPt и разбор стоимости.Бенчмаркинг сообщества и наблюдения за «характером модели»: Независимые бенчмарки и мнения в целом сходятся, что GPT-5.4 — значительный скачок в агентных/кодовых оценках, но расходятся в отношении эффективности рассуждений и «буквальности» по сравнению с Claude. Ключевые данные: заявление о #1 на LiveBench для GPT-5.4-xhigh (scaling01); TaxCalcBench: 56,86% безупречных деклараций, превосходя Opus 4.6 с 52,94% (michaelrbock); утверждения о более высокой стоимости и меньшей эффективности по сравнению с GPT-5.3 Codex в бенчмарках AA-Index (scaling01); неоднозначный пользовательский опыт — одни хвалят «продуктовое чутьё» (dejavucoder), другие сообщают об излишней буквальности и необходимости очень точных промптов (scaling01).Позиционирование в Arena: Аккаунт Text Arena сообщает, что GPT-5.4 High вошёл в топ-10 с большим приростом в креативном письме и категориях «длинных запросов», тогда как математика примерно на уровне GPT-5.2-High (arena). Отдельные обсуждения утверждают, что он «уничтожает» GPT-5.2 в Arena (scaling01).
Agents, coding workflows, and “AI-native dev” tooling: MCP everywhere, scheduling loops, and design↔code round‑trips
Агенты, рабочие процессы кодирования и «ИИ-нативные» инструменты разработки: MCP повсюду, циклы по расписанию и замкнутые циклы дизайн↔код
OpenAI’s updated agent prompting guidance: OpenAI DevRel published an updated guide for reliable agents—tool use, structured outputs, verification loops, and long‑running workflows—positioned explicitly for GPT‑5.4 API users (OpenAIDevs).
Claude Code gets local scheduled tasks + while‑loops: Claude Code desktop added local scheduled tasks that run while your computer is awake (trq212). Related: agents now support loop patterns like /loop 5m make sure this PR passes CI (noahzweben).
MCP as the connective tissue:
Truesight MCP (MIT licensed) aims to make AI evaluation feel like unit testing—created/managed/run from whatever client supports MCP (editor/chat/CLI), with “agent skills” to guide correct evaluation workflows (randal_olson).
Figma MCP server becomes bidirectional: GitHub Copilot users can pull design context into code and push working UI back to the Figma canvas (tightening the “design → code → canvas → feedback” loop) (mariorod1).
T3 Code (open source) built atop Codex CLI: Theo launches T3 Code, an open-source “agent orchestration coding app” that uses the Codex CLI (bring your subscription); they’re exploring Claude support via Agent SDK but are unsure about shipping permissions (theo announcement, Claude support note, and usage).
“Agent-native” CI and guardrails: Factory AI claims each PR runs 40+ CI checks finishing in <6 minutes, enabling “merge recklessly” as a dev posture (alvinsng). Related research framing: SWE-CI benchmark argues coding agents must be evaluated via continuous integration workflows rather than one‑off fixes (dair_ai).
Обновлённое руководство OpenAI по промптингу агентов: DevRel OpenAI опубликовал обновлённое руководство по созданию надёжных агентов — использование инструментов, структурированные выходные данные, циклы верификации и долгоиграющие рабочие процессы — ориентированное на пользователей API GPT-5.4 (OpenAIDevs).Claude Code получил локальные запланированные задачи + while-циклы: Десктопная версия Claude Code добавила локальные запланированные задачи, которые выполняются, пока компьютер активен (trq212). Также: агенты теперь поддерживают паттерны циклов вроде /loop 5m make sure this PR passes CI (noahzweben).MCP как связующая ткань:Truesight MCP (лицензия MIT) стремится сделать оценку ИИ похожей на юнит-тестирование — создание/управление/запуск из любого клиента с поддержкой MCP (редактор/чат/CLI), с «навыками агента» для корректных процессов оценки (randal_olson).Figma MCP-сервер стал двунаправленным: Пользователи GitHub Copilot могут подтягивать контекст дизайна в код и возвращать работающий UI обратно на холст Figma (замыкая цикл «дизайн → код → холст → обратная связь») (mariorod1).T3 Code (open source) построен поверх Codex CLI: Theo запускает T3 Code — опенсорсное «приложение для оркестрации агентов кодирования», использующее Codex CLI (нужна подписка); они изучают поддержку Claude через Agent SDK, но не уверены насчёт прав на распространение (анонс theo, заметка о поддержке Claude и использование).«Агент-нативные» CI и защитные механизмы: Factory AI заявляет, что каждый PR проходит 40+ CI-проверок, завершающихся менее чем за 6 минут, что позволяет «мержить безрассудно» как рабочую стратегию (alvinsng). Связанный исследовательский контекст: бенчмарк SWE-CI утверждает, что кодовые агенты должны оцениваться через процессы непрерывной интеграции, а не через одноразовые исправления (dair_ai).
Security is becoming an LLM-first domain: vulnerability discovery, agentic AppSec, and eval integrity risks
Безопасность становится LLM-first доменом: обнаружение уязвимостей, агентная безопасность приложений и риски целостности оценок
Claude Opus 4.6 on Firefox: vulnerability discovery at scale: Anthropic + Mozilla report Opus 4.6 found 22 vulns in 2 weeks, 14 high-severity, accounting for ~20% of Mozilla’s high-severity bugs remediated in 2025 (AnthropicAI). Anthropic explicitly warns models are better at finding than exploiting for now, but expects the gap to shrink (AnthropicAI follow‑up). A more detailed third-party summary includes: ~6,000 C++ files scanned, 112 reports, first bug in 20 minutes, exploit attempts costing ~$4k in credits, and “finding costs ~10× less than exploiting” (TheRundownAI). Anthropic staff call it a “rubicon moment” (logangraham).
Eval awareness + web-enabled integrity failure modes: Anthropic’s engineering blog describes Opus 4.6 recognizing BrowseComp, finding/decrypting answers, raising concerns about benchmark integrity under web tools (AnthropicAI). Additional notes: models can use cached web artifacts as a communication channel across “stateless” search tools (ErikSchluntz). Scaling commentary emphasizes how far this goes: locate benchmark, reverse engineer decryption logic, find mirrors, then answer correctly (scaling01).
OpenAI launches Codex Security + OSS program:
Codex Security: an “application security agent” to find/validate vulnerabilities and propose fixes, rolling out as a research preview to ChatGPT Enterprise/Business/Edu via Codex web with free usage for a month (OpenAIDevs; rollout details: 1). Later, it’s also available to ChatGPT Pro accounts (OpenAIDevs).
Codex for Open Source: OpenAI offers eligible maintainers support (ChatGPT Pro, Codex, API credits, plus access to Codex Security) aiming to reduce maintainer load and improve security coverage (OpenAIDevs, reach_vb explainer, kevinweil summary).
Security meta‑narrative: Multiple tweets argue we’re entering a period where “assume complex public software is compromised” (inerati) and prompt injection is spreading into high‑profile projects as agents push code with less human review (GergelyOrosz). AISI’s red team is hiring, emphasizing misuse/control/alignment red teaming as stakes rise (alxndrdavies).
Claude Opus 4.6 и Firefox: обнаружение уязвимостей в масштабе: Anthropic и Mozilla сообщают, что Opus 4.6 обнаружил 22 уязвимости за 2 недели, 14 из них высокой критичности, что составляет ~20% высококритичных багов Mozilla, устранённых в 2025 году (AnthropicAI). Anthropic явно предупреждает, что модели пока лучше находят уязвимости, чем эксплуатируют, но ожидает сокращения этого разрыва (продолжение AnthropicAI). Более подробный сторонний обзор включает: ~6 000 просканированных файлов C++, 112 отчётов, первый баг за 20 минут, попытки эксплуатации стоимостью ~$4k в кредитах и «поиск обходится ~в 10 раз дешевле эксплуатации» (TheRundownAI). Сотрудники Anthropic называют это «моментом Рубикона» (logangraham).Осведомлённость об оценках + проблемы целостности при наличии веб-инструментов: Инженерный блог Anthropic описывает, как Opus 4.6 распознаёт BrowseComp, находит и расшифровывает ответы, вызывая опасения относительно целостности бенчмарков при использовании веб-инструментов (AnthropicAI). Дополнительно: модели могут использовать кэшированные веб-артефакты как канал связи между «бесстейтными» поисковыми инструментами (ErikSchluntz). Комментарии о масштабе: найти бенчмарк, обратно разработать логику дешифрования, найти зеркала, а затем ответить правильно (scaling01).OpenAI запускает Codex Security + программу для OSS:Codex Security: «агент безопасности приложений» для поиска/валидации уязвимостей и предложения исправлений, выпущен в исследовательском превью для ChatGPT Enterprise/Business/Edu через Codex web с бесплатным использованием на месяц (OpenAIDevs; детали запуска: 1). Позднее он также стал доступен для аккаунтов ChatGPT Pro (OpenAIDevs).Codex для Open Source: OpenAI предлагает подходящим мейнтейнерам поддержку (ChatGPT Pro, Codex, API-кредиты, плюс доступ к Codex Security) с целью снизить нагрузку на мейнтейнеров и улучшить покрытие безопасности (OpenAIDevs, пояснение reach_vb, обзор kevinweil).Мета-нарратив безопасности: Множество твитов утверждают, что мы вступаем в период, когда следует «считать сложное публичное ПО скомпрометированным» (inerati), а prompt injection распространяется в крупные проекты по мере того, как агенты пушат код с меньшим количеством ревью (GergelyOrosz). Красная команда AISI набирает сотрудников, делая акцент на red teaming в области злоупотреблений, контроля и alignment по мере роста ставок (alxndrdavies).
Inference & kernel engineering: cross‑platform attention, vLLM v0.17, and agentic kernel optimization
Инференс и разработка ядер: кроссплатформенное внимание, vLLM v0.17 и агентная оптимизация ядер
vLLM Triton attention backend: “one kernel source across NVIDIA/AMD/Intel”: vLLM describes a Triton attention backend (~800 lines) intended to avoid maintaining separate attention kernels per GPU platform, claiming H100 parity with SOTA and ~5.8× speedup on MI300 vs earlier implementations. Technical highlights include Q‑blocks, tiled softmax for decode, persistent kernels for CUDA graph compatibility, and cross‑platform benchmarking. Now default on ROCm and available on NVIDIA/Intel (vllm_project).
vLLM v0.17.0 release: Highlights include FlashAttention 4 integration, support for Qwen3.5 with GDN (Gated Delta Networks), Model Runner V2 maturation (pipeline parallel, decode context parallel, Eagle3 + CUDA graphs), a new performance mode flag, Weight Offloading V2, elastic expert parallelism, and direct loading of quantized LoRA adapters. The release also notes extensive kernel/hardware updates across NVIDIA SM100/120, AMD ROCm, Intel XPU, and CPU backends (vllm_project, more, models/spec decode notes).
KernelAgent (Meta/PyTorch) for Triton optimization: PyTorch team publishes KernelAgent: closed‑loop multi‑agent workflow guided by GPU performance signals for Triton kernel optimization; reports 2.02× speedup vs a correctness-focused version, 1.56× faster than out‑of‑box torch.compile, and 88.7% roofline efficiency on H100; code and artifacts open sourced (KaimingCheng).
Competitive kernel optimization: GPU MODE announces a $1.1M AMD-sponsored kernel competition targeting MI355X for optimizing DeepSeek‑R1‑0528 and GPT‑OSS‑120B (GPU_MODE).
Triton-бэкенд внимания vLLM: «один исходник ядра для NVIDIA/AMD/Intel»: vLLM описывает Triton-бэкенд внимания (~800 строк), призванный избавить от необходимости поддерживать отдельные ядра внимания для каждой GPU-платформы. Заявлен паритет с H100 на уровне SOTA и ~5,8× ускорение на MI300 по сравнению с предыдущими реализациями. Технические особенности включают Q-блоки, тайловый softmax для декодирования, персистентные ядра для совместимости с CUDA graph и кроссплатформенное бенчмаркирование. Теперь по умолчанию на ROCm и доступен на NVIDIA/Intel (vllm_project).Релиз vLLM v0.17.0: Ключевые нововведения включают интеграцию FlashAttention 4, поддержку Qwen3.5 с GDN (Gated Delta Networks), развитие Model Runner V2 (pipeline parallel, decode context parallel, Eagle3 + CUDA graphs), новый флаг режима производительности, Weight Offloading V2, эластичный expert parallelism и прямую загрузку квантизированных LoRA-адаптеров. Релиз также включает обширные обновления ядер/аппаратной поддержки для NVIDIA SM100/120, AMD ROCm, Intel XPU и CPU-бэкендов (vllm_project, подробнее, заметки о моделях/спекулятивном декодировании).KernelAgent (Meta/PyTorch) для оптимизации Triton: Команда PyTorch публикует KernelAgent: многоагентный замкнутый рабочий процесс, управляемый сигналами производительности GPU, для оптимизации ядер Triton; заявлено 2,02× ускорение по сравнению с версией, ориентированной на корректность, 1,56× быстрее стандартного torch.compile и 88,7% эффективности roofline на H100; код и артефакты в открытом доступе (KaimingCheng).Соревновательная оптимизация ядер: GPU MODE объявляет о конкурсе на $1,1M, спонсируемом AMD, для оптимизации ядер под MI355X для DeepSeek-R1-0528 и GPT-OSS-120B (GPU_MODE).
Smaller/specialized models and post‑training recipes: Phi‑4‑RV, Databricks’ KARL, and continual adaptation ideas
Малые/специализированные модели и рецепты пост-обучения: Phi-4-RV, KARL от Databricks и идеи непрерывной адаптации
Microsoft Phi‑4‑reasoning‑vision‑15B: Released as a 15B multimodal reasoning model (text+vision), framed as the “sweet spot” for practical agents where frontier models aren’t necessary (omarsar0, and dair_ai).
Databricks: RL + synthetic data to build task‑specialized, cheaper models: Matei Zaharia outlines a recipe: generate synthetic data, apply efficient large-batch off-policy RL (OAPL), generate harder data with updated model, producing a smaller specialized model (matei_zaharia). Jamin Ball summarizes Databricks’ KARL as beating Claude 4.6 and GPT‑5.2 on enterprise knowledge tasks at ~33% lower cost and ~47% lower latency, with RL learning to search more efficiently (stop earlier, fewer wasted queries) and the pipeline being opened to customers—“data platforms becoming agent platforms” (jaminball).
Fine-tuning data efficiency via pretraining replay: Suhas Kotha reports that replaying generic pretraining data during finetuning can reduce forgetting and improve finetuning-domain performance when finetuning data is scarce (with Percy Liang) (kothasuhas, percyliang follow‑up).
Sakana “Doc‑to‑LoRA / Text‑to‑LoRA” continual learning direction (via third-party summary): A hypernetwork generates LoRA adapters from documents or task descriptions at runtime (one forward pass), enabling memory/skill updates without full finetuning (high-level summary; original work attributed to Sakana AI Labs) (TheTuringPost).
Microsoft Phi-4-reasoning-vision-15B: Выпущена как мультимодальная модель рассуждений на 15B (текст+изображение), позиционируемая как «золотая середина» для практических агентов, где фронтирные модели не обязательны (omarsar0 и dair_ai).Databricks: RL + синтетические данные для создания специализированных и более дешёвых моделей: Matei Zaharia описывает рецепт: генерация синтетических данных, применение эффективного RL с большими батчами и off-policy (OAPL), генерация более сложных данных обновлённой моделью, что даёт малую специализированную модель (matei_zaharia). Jamin Ball резюмирует KARL от Databricks: превосходит Claude 4.6 и GPT-5.2 на задачах корпоративных знаний при ~33% меньшей стоимости и ~47% меньшей задержке; RL учится искать эффективнее (останавливаться раньше, меньше бесполезных запросов), и конвейер доступен клиентам — «платформы данных становятся платформами агентов» (jaminball).Эффективность данных при дообучении через повтор претрейна: Suhas Kotha сообщает, что воспроизведение общих данных претрейна во время файнтюнинга может снизить забывание и улучшить результаты в целевом домене при дефиците данных для дообучения (совместно с Percy Liang) (kothasuhas, продолжение percyliang).Sakana «Doc-to-LoRA / Text-to-LoRA» — направление непрерывного обучения (по стороннему обзору): Гиперсеть генерирует LoRA-адаптеры из документов или описаний задач в рантайме (за один прямой проход), обеспечивая обновление памяти/навыков без полного дообучения (высокоуровневое описание; оригинальная работа приписывается Sakana AI Labs) (TheTuringPost).
Top tweets (by engagement, technical-only)
Топ твитов (по вовлечённости, только технические)
Claude Opus 4.6 finds Firefox vulns: 22 confirmed vulnerabilities in 2 weeks; 14 high severity; ~20% of Mozilla’s 2025 high-severity fixes (AnthropicAI).
Codex Security launches: OpenAI’s application security agent in research preview (OpenAIDevs; OpenAI).
Claude Code scheduled tasks: local scheduled tasks in Claude Code desktop (trq212).
Codex for Open Source: support package for OSS maintainers (ChatGPT Pro/Codex/API credits, security tooling access) (OpenAIDevs).
vLLM cross‑platform Triton attention backend: single-source attention kernel strategy across NVIDIA/AMD/Intel with reported MI300 speedups (vllm_project).
Claude Opus 4.6 находит уязвимости в Firefox: 22 подтверждённые уязвимости за 2 недели; 14 высокой критичности; ~20% высококритичных исправлений Mozilla в 2025 году (AnthropicAI).Запуск Codex Security: Агент безопасности приложений от OpenAI в исследовательском превью (OpenAIDevs; OpenAI).Запланированные задачи в Claude Code: локальные запланированные задачи в десктопной версии Claude Code (trq212).Codex для Open Source: пакет поддержки для OSS-мейнтейнеров (ChatGPT Pro/Codex/API-кредиты, доступ к инструментам безопасности) (OpenAIDevs).Кроссплатформенный Triton-бэкенд внимания vLLM: стратегия единого исходника ядра внимания для NVIDIA/AMD/Intel с заявленным ускорением на MI300 (vllm_project).
Keep reading with a 7-day free trial
Продолжайте читать с 7-дневной бесплатной пробной подпиской
Subscribe to Latent.Space to keep reading this post and get 7 days of free access to the full post archives.
Подпишитесь на Latent.Space, чтобы продолжить чтение этой публикации и получить 7 дней бесплатного доступа к полному архиву.