OpenAI deixa anar centenars de demostracions matemàtiques escrites per IA i deixa el camp lluitant
OpenAI acaba d'introduir 372 resultats matemàtics a un repositori de GitHub a partir d'un model Frontier no publicat. The Verge compta amb 722 manuscrits en 372 famílies de resultats. Moltes proves ja es verifiquen en Lean, de manera que la lògica probablement està bé, fins i tot si la novetat encara està per determinar.
L'empresa afirma haver aconseguit victòries en la conjectura de Kakeya en quatre dimensions, haver fet ajustos als principals algoritmes i fins i tot haver fet un "progrés real" cap a la hipòtesi de Riemann. Un portaveu va dir a Scientific American que gairebé tots els resultats provenien d'una sola indicació a un sol agent, no de l'eixam multimilionari de 10.000 agents que va desxifrar Navier-Stokes abans. Cost mitjà: aproximadament tres hores de reflexió sobre ChatGPT Pro.
Els matemàtics no estan tots animant. Andrew Sutherland, del MIT, bàsicament va dir: mostreu el model o tracteu la història única com a no verificada. El propi grup assessor d'OpenAI volia indicacions, noms de models i rebuts de càlcul. OpenAI va publicar mitjanes i algunes formalitzacions Lean en comptes d'això. "Hem llençat les proves, si us plau, digeriu-les" és una estratègia de recerca agosarada.
Mistral presenta el Large 4, un "Le Chonk" d'1 bilió de paràmetres que apunta a la supremacia en pes obert
El laboratori francès Mistral va obrir una vista prèvia pública de Mistral Large 4 - extraoficialment ML4, "molt oficialment: le Chonk". És una mescla multimodal nativa amb 1 bilió de paràmetres totals i 49.000 milions d'actius. Els pesos es prometen a finals de mes després de la col·laboració amb socis i governs.
L'entrenament es va executar amb 3.800 GPU NVIDIA Grace Blackwell als centres de dades europeus de Mistral. L'argument és sobirania amb més contundència: ciberseguretat, finances, dret, disseny de xips. En una prova cibernètica d'Artificial Analysis que demana a un model que reprodueixi i solucioni una vulnerabilitat real, Mistral diu que ML4 va obtenir una puntuació del 82%, la més alta de qualsevol model, mentre que alguns gegants tancats s'hi neguen i obtenen puntuacions properes a zero.
Així doncs, Europa encara vol una tercera via entre els laboratoris tancats dels EUA i els pesos oberts xinesos. Si això s'aguanta o no és una altra qüestió. El sobrenom en si mateix suggereix que saben com d'absurda sembla la cursa de paràmetres des de fora.
Claude es trasllada a Google Docs, Sheets i Slides com a barra lateral pròpia
Claude per a Google Workspace d'Anthropic està en versió beta pública en plans de pagament. Instal·leu el complement Marketplace, obriu un fitxer i Claude apareixerà en una barra lateral que pot llegir el document i editar-lo al seu lloc. Els nous connectors també us permeten crear i modificar fitxers de Google des del mateix xat de Claude.
A Docs pot arreglar una frase sense fer malbé el format o fer flotar reescritures més grans com a targetes de suggeriments. Sheets obté fórmules, pivots, gràfics i fins i tot un desviament de Python per a unions enredades. Slides pot crear noves diapositives a partir del tema existent i després marcar la brossa que se superposa. El mode per defecte pregunta abans de les edicions. Hi ha un mode "Accepta-ho tot" si t'agrada viure perillosament.
Gemini ja viu aquí, i Microsoft Copilot fa la versió d'Office, de vegades en models antròpics, cosa que és una petita contradicció divertida. Ara Claude intenta ser la capa d'IA en tots dos ecosistemes. Digueu-ne estratègia de producte, o simplement es nega a triar un bàndol. Probablement tots dos.
Meta i Sierra redacten un protocol d'agent personal perquè les botigues puguin distingir els bots bons dels dolents
Sierra i Meta, juntament amb Genesys, Instinct, Rocket, Shopify, Stripe i Walmart, estan construint un estàndard obert sobre com els agents d'IA personals es comuniquen amb les empreses. Els consumidors trien a què pot accedir el seu agent. Les empreses estableixen què poden fer els agents en llocs web, API o a través d'un agent de l'empresa. Les sessions es basen en OAuth.
Una especificació v0.1 i una implementació de referència es publicaran a finals d'aquest mes. L'argument de Bret Taylor és contundent: és una mena de caos fins que existeixi alguna cosa així. Amazon ha bloquejat Muse de Meta. Walmart s'ha associat amb Muse i encara veu fora els agents de fricció CAPTCHA. Les companyies aèries i altres estan traçant línies més dures.
OpenAI i Anthropic encara no hi són. Taylor diu que estaria molt decebut si els rivals s'ho saltessin. Franc per al llançament d'estàndards. També una mica incòmode quan el president d'OpenAI coescriu el protocol.
L'API Decisions d'OpenAI es fa beta pública per a respostes ràpides d'estil sí o no
OpenAI va distribuir l'API de Decisions en versió beta pública a gpt-6-luna mitjançant POST /v1/decisions. Envieu-hi text, imatges o tots dos i obtindreu respostes escrites unes 10 vegades més ràpid que amb l'API de Responses: una probabilitat que una condició sigui certa, una opció de la vostra llista o una puntuació contra nivells ordenats.
Imagineu-vos en enviar una queixa de "cobrament doble" a la facturació o en marcar una foto d'un producte per una fallada. Les imatges han d'estar integrades a la base64. El preu és de 0,10 $ per milió de tokens d'entrada, sense cap càrrec per token de sortida en aquest punt final. Existeixen vies de retenció de dades zero i HIPAA per als clients elegibles.
Va aparèixer en una vista prèvia limitada al DevDay i ja està obert. GA estarà disponible "les properes setmanes". Aquests són els productes de fontaneria poc atractius que necessiten: classificadors sense escriure una novel·la cada vegada.
EmbeddingGemma 2 de Google DeepMind empaqueta text, imatges, àudio i vídeo en un sol espai vectorial al dispositiu
EmbeddingGemma 2 és un model Apache 2.0 de 740 milions de paràmetres que assigna text, codi, imatges, vídeo i àudio a un espai compartit de 768 dimensions. Construït sobre Gemma 4. Destinat a telèfons i altres dispositius compactes, no a un altre incrustador gegant només al núvol.
Carrega només el que necessitis: 270M per a text, afegeix visió o àudio, o agafa la pila completa. El truncament de Matryoshka pot reduir els vectors a 128 dimensions per a fins a 6 vegades menys emmagatzematge. El context són 8K tokens, suficients per a aproximadament 5,5 minuts d'àudio o desenes de fotogrames. Google diu que el codi MTEB ha augmentat gairebé 10 punts en comparació amb el primer EmbeddingGemma.
En un Pixel 11 Pro amb quantització, els pesos només de text necessiten uns 191 MB de RAM activa; el multimodal complet, uns 567 MB. El model de text original ja ha superat els 20 milions de descàrregues. Els llançaments més silenciosos de Google de vegades importen més que els més vistosos.
El ministre de ciència de Corea del Sud aposta per una pista d'IA de frontera de 3.500 milions de dòlars després de Mythos
En una auditoria parlamentària, el viceprimer ministre Bae Kyung-hoon va dir que Seül mantindrà el seu projecte de model de fundació sobirana i afegirà un programa separat d'IA fronterera. Va vincular l'impuls de 4,7 bilions de wons (3.500 milions de dòlars) al "xoc Mythos" al voltant de Claude Mythos d'Anthropic i a les amenaces de ciberseguretat.
L'esforç sobirà va superar una segona avaluació i es dirigeix a una tercera. Bae va qualificar els resultats actuals de gamma mitjana a nivell mundial i vol alguna cosa més semblant als sistemes de pes obert líders. També va llançar un servei "IA per a tothom" (gratuït, sense límits d'ús) per a finals d'any, a més de megaprojectes en centres de dades, IA física i xips.
Així doncs, la història no és "cancel·lar el model domèstic". És "afegir una pista més gran i més espantosa al costat". Les curses nacionals d'IA són cada cop més cares. Si 3.500 milions de dòlars són suficients contra l'escala dels EUA i la Xina està obert. Bae sembla pensar que quedar-se quiet és pitjor.
Preguntes freqüents
Què va abocar OpenAI a GitHub amb el seu model matemàtic de frontera no publicat?
OpenAI ha publicat 372 famílies de resultats matemàtics (uns 722 manuscrits) a partir d'un model de frontera no publicat. Moltes proves ja es poden comprovar en Lean. L'empresa afirma que ha fet progressos en la conjectura de Kakeya en quatre dimensions, ajustos de l'algoritme i treballa cap a la hipòtesi de Riemann. Un portaveu va dir que gairebé tots els resultats provenien d'una sola indicació a un sol agent, amb una mitjana d'aproximadament tres hores de reflexió sobre ChatGPT Pro, no un gran eixam multiagent.
Per què els matemàtics són escèptics davant la història de demostracions matemàtiques d'un sol cop d'OpenAI?
Andrew Sutherland, del MIT, va instar OpenAI a mostrar el model o a tractar l'afirmació puntual com a no verificada. El propi grup assessor d'OpenAI volia indicacions, noms de models i rebuts de càlcul. En comptes d'això, l'empresa va publicar mitjanes i algunes formalitzacions Lean. Les proves poden ser vàlides formalment, però la novetat i la narrativa d'un sol agent continuen sent qüestionades fins que apareguin proves més completes.
Què és el Mistral Large 4 i quan arriben els pesos?
Mistral Large 4, també anomenat ML4 o "Le Chonk", és un model multimodal natiu de barreja d'experts amb 1 bilió de paràmetres totals i 49.000 milions d'actius. S'ha entrenat en 3.800 GPU NVIDIA Grace Blackwell als centres de dades europeus de Mistral. Ja hi ha disponible una vista prèvia pública; es prometen pesos complets a finals de mes després de treballar en equips vermells amb socis i governs. Mistral ha presentat casos d'ús en ciberseguretat, finances, dret i disseny de xips.
Com funciona en Claude dins de Google Docs, Sheets i Slides?
Claude per a Google Workspace està en versió beta pública en plans de pagament mitjançant un complement de Marketplace. Es troba en una barra lateral que pot llegir un fitxer i editar-lo in situ, o crear i modificar fitxers de Google des del xat de Claude. A Docs pot corregir frases o targetes de suggeriments flotants; Sheets obté fórmules, elements dinàmics, gràfics i Python opcional; Slides pot crear diapositives a partir del vostre tema. El mode per defecte pregunta abans de les edicions; un mode "Accepta-ho tot" omet les indicacions.
Quin problema intenta resoldre el Protocol d'Agent Personal de Meta i Sierra?
Els agents d'IA personal sovint utilitzen CAPTCHA o bloquejos directes quan compren o truquen a API empresarials. Sierra i Meta, amb socis com Genesys, Shopify, Stripe i Walmart, estan elaborant un estàndard obert perquè els consumidors controlin l'accés dels agents i les empreses estableixin accions permeses a través d'OAuth. A finals d'aquest mes es publicarà una especificació v0.1 i una implementació de referència. OpenAI i Anthropic encara no hi són.
Quan s'hauria d'utilitzar l'API de Decisions d'OpenAI en comptes de l'API de Responses?
Fes servir l'API de Decisions quan necessitis una resposta ràpida escrita amb un sí o un no: la probabilitat que una condició sigui certa, una elecció d'una llista o una puntuació en nivells ordenats. S'executa a gpt-6-luna mitjançant POST /v1/decisions, accepta text i imatges base64 en línia i és aproximadament 10 vegades més ràpida que l'API de Responses. El preu és de 0,10 dòlars per milió de tokens d'entrada sense cap càrrec per token de sortida. Existeixen rutes de retenció de dades zero i HIPAA per als clients elegibles; s'espera la disponibilitat general (GA) en les properes setmanes.
Què fa que EmbeddingGemma 2 de Google DeepMind sigui útil als telèfons?
EmbeddingGemma 2 és un model Apache 2.0 de 740 milions de paràmetres que mapeja text, codi, imatges, vídeo i àudio en un espai de 768 dimensions. Podeu carregar només text (270 MB), afegir imatge o àudio o agafar la pila completa. El truncament de Matryoshka pot reduir els vectors a 128 dimensions per a fins a 6 vegades menys emmagatzematge. En un Pixel 11 Pro quantificat, el text només necessita uns 191 MB de RAM activa i el multimodal complet uns 567 MB, amb un context de 8K tokens.