Anthropic заявила, что их закрытая модель Mythos находит уязвимости, недоступные публичным инструментам. Исследователи из Vidoc проверили это.

В начале апреля Anthropic опубликовала результаты проекта Mythos: специализированная модель нашла баги в FreeBSD, OpenBSD, FFmpeg, Botan и wolfSSL — включая 27-летний баг в TCP-стеке OpenBSD. Вместе с анонсом Project Glasswing это подавалось как аргумент за то, что доступ к новой frontier-модели должен быть закрытым и подконтрольным.

Команда Vidoc Security взяла те же публично запатченные примеры и прогнала их через GPT-5.4 и Claude Opus 4.6 в opencode — опенсорсном агенте. Без внутреннего стека Anthropic, без доступа к «уникальной» модели.

Сегодня Anthropic объявила о выходе Claude Opus 4.7. Модель стала заметным шагом вперёд в программировании: в тестах на реальных задачах Cursor зафиксировал рост с 58% до 70%, CodeRabbit отметил улучшение recall на 10% при стабильной точности, а Rakuten — трёхкратный рост решённых production-задач по сравнению с Opus 4.6.

Команда Cursor выпустила обновление 3.1, которое сосредоточено вокруг Agents Window.

Главное добавление — tiled layout: окно с агентами теперь можно разбить на панели, запускать несколько агентов параллельно и сравнивать их вывод рядом. Настройки раскладки сохраняются между сессиями.

Anthropic выпустили advisor tool — инструмент, который позволяет запустить Opus как советника внутри задачи, которую выполняет Sonnet или Haiku.

Работает так: Sonnet ведёт задачу от начала до конца — вызывает инструменты, читает результаты, двигается к решению. Когда упирается в решение, которое не может принять сам, обращается к Opus. Тот смотрит на контекст, возвращает план или корректировку — и Sonnet продолжает.

Anthropic рассматривает разработку собственных чипов — пишет Reuters со ссылкой на три источника

Планы пока на ранней стадии: выделенной команды нет, конкретной архитектуры тоже. Сейчас Anthropic использует TPU от Google и чипы Amazon для обучения и запуска Claude. На этой неделе компания подписала долгосрочный контракт с Google и Broadcom (который как раз и проектирует TPU).

Скотт Чакон, который помогал создавать GitHub, в 2022 году запустил GitButler — и сейчас закрыл раунд Series A от a16z. Идея простая: за 20 лет Git почти не изменился, а мир разработки изменился кардинально.

Сегодня команды используют Git, чтобы координировать работу агентов, параллельные ветки нескольких разработчиков и асинхронные правки. Но сам инструмент проектировался под совершенно другую модель: один человек, один терминал, одна ветка, линейный поток изменений.

Anthropic запустили Project Glasswing — закрытую инициативу по defensive security вместе с AWS, Apple, Google, Microsoft, NVIDIA, Cisco, CrowdStrike, JPMorganChase, Linux Foundation и другими.

Внутри проекта участникам дали доступ к Claude Mythos Preview — новой frontier-модели, которую Anthropic не собираются выпускать в общий доступ.

Z.ai выпустили GLM-5.1 — новую флагманскую модель под MIT-лицензией, ориентированную на агентные инженерные задачи. По SWE-Bench Pro она набирает 58.4% против 57.3% у Claude Opus 4.6 и 57.7% у GPT-5.4. На NL2Repo (генерация репозиториев) GLM-5.1 обходит GLM-5 с 35.9% до 42.7%.

Но интереснее другое. Большинство моделей ведут себя одинаково: быстро берут низко висящие плоды, потом останавливаются. Дополнительное время не помогает — стратегия исчерпана. GLM-5.1 проектировали с прицелом на другое поведение.

Исторически ботам было запрещено общаться между собой.

Теперь они могут писать друг другу в чатах (через упоминание /command@OtherBot или реплай) и через Business Mode. Достаточно, чтобы у одного из ботов был включён Bot-to-Bot Communication Mode в BotFather.

Модель появилась на OpenRouter в ночь с 30 на 31 марта как бесплатный превью без анонса и пресс-релиза: один твит от исследователя Qwen с таблицей бенчмарков — и всё. За первые два дня через неё прошло 400 млн completion-токенов в ~400 тыс. запросах.

Контекстное окно по умолчанию — 1 млн токенов. На Terminal-Bench 2.0 модель набрала 61.6 против 59.3 у Claude 4.5 Opus, на OmniDocBench v1.5 — 91.2 против 87.7. На SWE-bench Verified пока отстаёт: 78.8 против 80.9 у Claude. 

Anthropic случайно слили исходный код Claude Code через файл source map в npm-пакете.

Утечку обнаружил исследователь Chaofan Shou — в публичном пакете оказался .map-файл с полным TypeScript-кодом. Это не взлом, просто ошибка при сборке.

Сегодня Alibaba выпустила Qwen3.5-Omni — мультимодальную модель, которая принимает текст, изображения, аудио и видео, а на выходе генерирует текст и речь одновременно. Три размера: Plus, Flash, Light. Контекст до 256k токенов, больше 10 часов аудиовхода.

И сегодня же на OpenRouter появился Qwen3.6 Plus Preview — следующая версия после 3.5 — бесплатно, с контекстом 1M токенов. Условие одно: промпты и ответы собираются для дообучения модели.

Классический ripgrep работает быстро, но всё равно читает каждый файл. В крупных монорепо это стоит 15+ секунд на один вызов, а агент делает их десятками.

Решение взяли из 1993 года: тригрaмный инвертированный индекс. Любой текст разбивается на все возможные 3-символьные последовательности, они становятся ключами в словаре, значения — список файлов. Regex-запрос декомпозируется в набор тригрaм, пересечение posting lists даёт кандидатов, и уже по ним запускается grep. Вместо тысячи файлов — десяток.

19 марта Cursor выпустил Composer 2 —свою новую флагманскую модель. В анонсе говорилось о дообучении через RL и улучшении производительности, но базовая модель не упоминалась.

Спустя несколько часов после релиза разработчик подменил OpenAI base URL в Cursor на собственный прокси и перехватил запрос. В нём оказался model ID accounts/anysphere/models/kimi-k2p5-rl-0317-s515-fast.

На Terminal-Bench 2.0 она набирает 61.7 против 47.9 у предыдущей версии, на SWE-bench Multilingual — 73.7 против 65.9. Прирост примерно в 25-30% по всем замерам.

Команда Cursor утверждает, что Composer 2 справляется с задачами, требующими сотен последовательных действий.

На OpenRouter неделю держалась анонимная модель Hunter Alpha. Многие LLM-провайдеры часто делают так с новыми моделями, чтобы затестить на реальных пользователях.

За это время она стала топ-1 по дневным вызовам и пробила 1 трлн токенов суммарно. Версий было много: DeepSeek тестирует V4, MiniMax (которыe вчера как раз представили M2.7) — и ещё куча вариантов.

Оказалось — Xiaomi!

Anthropic опросили 80 508 пользователей Claude из 159 стран на 70 языках о том, чего они ждут от ИИ и чего боятся. Это крупнейшее качественное исследование такого рода — предыдущий рекорд держали архив Фонда Шоа и Всемирного банка, и оба не дотягивали до 60 000 участников.

Вместо анкеты с вариантами ответов каждый проходил живое интервью с ИИ-интервьюером, который адаптировал вопросы под ответы собеседника. Claude потом категоризировал разговоры сам.

MiniMax только что выпустили M2.7 — модель, которая частично участвовала в собственном обучении.

Во время разработки M2.7 использовалась для построения десятков сложных навыков внутри RL-харнесса, обновления собственной памяти и оптимизации процесса обучения. По сути, модель помогала писать правила, по которым её же и дообучали.

OpenAI выпустили GPT-5.4 mini и nano — компактные версии своей последней модели GPT-5.4.

GPT-5.4 mini работает в 2 раза быстрее, чем предыдущая GPT-5 mini, и при этом заметно сильнее: на SWE-Bench Pro (бенчмарк для написания кода) она набирает 54.4% против 45.7% у предшественника. А на OSWorld, где модель управляет компьютером по скриншотам, mini почти догоняет большую GPT-5.4 — 72.1% против 75%.

Французский стартап Mistral выпустил Small 4 — первую модель в линейке, которая объединяет сразу три направления: чат, рассуждения и мультимодальность. Раньше для этого нужно было выбирать между Magistral, Pixtral и Devstral, теперь всё в одной модели.

Архитектура — Mixture of Experts: 128 экспертов, из которых на каждый токен активны только 4. Всего 119 млрд параметров, но активных на токен — около 6 млрд. Контекстное окно — 256k токенов.