← Visos naujienos

Savaitės DI apžvalga: Claude Duet, PHP spraga ir nauji generatyvūs modeliai

KitaŠaltinis: Matt Wolfe YouTube kanalas·
Savaitės DI apžvalga: Claude Duet, PHP spraga ir nauji generatyvūs modeliai

Apžvalgoje aptariamas Anthropic asistentas Claude Duet — proaktyvus agentas su prietaisų skydeliu, jungiamas prie Gmail, Slack, QuickBooks, Stripe, Shopify ir kitų įrankių, kol kas prieinamas tik dalis Pro ir Max naudotojų iš laukiančiųjų sąrašo. Antra pagrindinė tema — kibernetinio saugumo įvykiai: OpenAI su GPT 5.6 aptiko 20 metų PHP egzistavusią spragą, kurią po paskelbimo pradėta išnaudoti milijonais bandymų, taip pat nukentėjo Railway. Likusioje dalyje apžvelgiami OpenAI atnaujinimai, Ideogram vektorinis modelis, ElevenLabs Chimera ir kiti leidimai.

Video eiga

Pilna santrauka

Claude Duet asistentas0:00

Apžvalga pradedama nuo Anthropic pristatyto Claude Duet — tai esą Anthropic atsakas į ChatGPT Dots, Meta Muse ir xAI Grokbot. Tai asmeninis asistentas, kuris ne tik atlieka užduotis naudotojo vardu, bet ir pats proaktyviai primena apie dalykus: demonstracijoje jis pasisveikina su naudotoja ir išvardija dienos reikalus (sveikatos leidimas, sprendimai dėl samdymo, sutarties atnaujinimas), pateikia detales ir pasiūlo, ką galėtų atlikti pats.

Agentas naudoja įrankius — traukia duomenis iš kasos sistemos, internetinės parduotuvės, CRM, pagalbos sistemos, darbo užmokesčio ir banko — ir rodo tvarkingą prietaisų skydelį tiesiai pokalbio lange, kas, autoriaus nuomone, atrodo geriau nei Dots ar Muse. Jis gali parengti žinučių ir laiškų juodraščius. Anthropic teigia, kad Duet saugiai tvarko jautrią informaciją: pridėtas atskiras klasifikatorius ir saugos sistemos promptas, tikrinantis kiekvieną žinutę, kad nenutekėtų kredito kortelių numeriai ar asmens dokumentų duomenys. Prisijungiamos paslaugos — Gmail, Slack, QuickBooks, Stripe, Gusto, LinkedIn, DocuSign, HubSpot, Canva, Shopify.

Įrankis prieinamas ne visiems: Pro ir Max planų naudotojai gali registruotis į laukiančiųjų sąrašą, o prieiga dalijama atrankos būdu; autorius jos dar neturi, todėl demonstracijos nepateikia.

PHP spraga ir Railway ataka3:05

Didžiausia savaitės tema — kibernetinio saugumo incidentai. Pirmasis susijęs su PHP — programavimo kalba, kurią, kai kuriais vertinimais, kažkokia forma naudoja iki 70 % svetainių, tarp jų Wikipedia, WordPress, Drupal, DeviantArt, 4chan. Spragą aptiko OpenAI, panaudoję GPT 5.6 Soul, dar prieš užpuolikus, ir paskelbė įrankį, leidžiantį kūrėjams patikrinti, ar jie naudoja pažeidžiamą PHP versiją.

Pati spraga nėra nauja — ji egzistavo 20 metų, tačiau jos išnaudojimas reikalavo išskirtinai sudėtingos veiksmų grandinės, buvusios ties žmonių tyrėjų galimybių riba; su galingais DI modeliais tokią neaiškią klaidą paversti realiu pavojumi tapo daug lengviau. Cloudflare vadovas Matthew Prince pasakojo, kad per 10 valandų iki viešo paskelbimo matyta tūkstančiai bandymų išnaudoti spragą, per 45 minutes po paskelbimo — dešimtys tūkstančių, per dvi valandas — šimtai tūkstančių, o vėliau milijonai.

Dalis svetainių laikinai buvo išjungtos, kol buvo diegiami pataisymai; didelės žalos nepadaryta, bet saugumo firma Wiz pavadino tai viena sunkiausių programinės įrangos istorijoje aptiktų spragų.

Antrasis incidentas — ataka prieš Railway, infrastruktūros sluoksnį, kuriame žiniatinklio aplikacijų kūrėjai laiko backend duomenų bazes ir informaciją. Neautorizuota trečioji šalis galėjo pasiekti šifruotus aplinkos kintamuosius, o kai kuriais atvejais ir jų iššifruotą turinį. Aplinkos kintamuosiuose dažnai laikomi API raktai, tad kompanijų, kūrusių programas ant Railway, OpenAI ar Anthropic raktai galėjo būti pavogti ir naudojami jų sąskaita. Daug įmonių skubiai keitė ir deaktyvavo senus API raktus.

Autorius pastebi, kad visa tai vyksta todėl, jog DI vis geriau programuoja ir dirba su kibernetiniu saugumu, ir kelia klausimą, ar panašiai negali nutikti Vercel ar kitose platformose.

Rėmėjo pristatymas: Hyper Agent7:42

Rėmėjo intarpe pristatomas Hyper Agent: turint ChatGPT prenumeratą galima ja prisijungti ir valdyti visą DI agentų komandą šioje platformoje, nereikia atskiros prenumeratos. Hyper Agent leidžia kurti agentus skirtingoms funkcijoms — tyrimams, turinio kūrimui, analizei, operacijoms — ir keliems agentams bei žmonėms dirbti kartu vienoje erdvėje; pasirinkus mokamą planą duodama 100 dolerių kreditų.

OpenAI naujienos: ciklas, PIN, Decisions API8:44

Toliau apžvelgiami OpenAI 28 dienų ciklo rezultatai, kai kasdien žadama arba aiškiai pagerinti Codex ir darbo funkcijas, arba paskelbti „reset". 12 dieną padidintas efektyvus panaudojimas: kontekstas pakartotinai naudojamas tarp subagentų, ilgiau saugomas talpykloje, pagerintas užklausų maršrutizavimas, kad dažniau pataikytų į cache. 13 diena — reset. 14 dieną atsirado galimybė redaguoti ankstesnes žinutes gijoje darbalaukio programoje; kilus painiavai, kas tai reiškia, OpenAI darbuotojas paaiškino, kad visi modelio atsakymai ir įrankių iškvietimai po redaguotos žinutės atmetami, kad modelis nesusipainiotų. 15 diena — reset.

16 dieną API atsirado 12 valandų cache, o prisijungusiems Codex ir work naudotojams cache saugomas neribotai, tad grįžus prie seno pokalbio nėra jokios baudos. 17 diena — vėl reset. Autoriaus vertinimu, reikšmingiausias atnaujinimas yra talpyklos pakeitimas, kitos naujienos smulkios.

OpenAI taip pat pradėjo diegti pokalbių užrakinimo funkciją: pokalbius galima apsaugoti PIN kodu, kad atsidaręs kompiuterį pašalinis jų nepamatytų; funkcija diegiama palaipsniui. Be to, paskelbta platesnė Decisions API prieiga — autorius pašiepia, kad tai jau trečias pranešimas apie tą patį (per dev day, po savaitės ir dabar). Decisions API sukurta su GPT6 Luna ir skirta klausimams su ribotais atsakymais: vietoje teksto ji grąžina tikimybės įvertį, pasirinkimą iš variantų arba balą. Tai vertinama kaip OpenAI atsakas į Jev.

Išbandyti įrankiai: Ideogram ir Chimera12:22

Iš įrankių, kuriais jau galima naudotis: Ideogram išleido vektorinį modelį, prieinamą adresu ideogram.ai/models/vector, generuojantį tvarkingus, redaguojamus SVG failus. Autorius, turėjęs ankstyvą prieigą, sugeneravo vilką, staugiantį į mėnulį, ir beždžiones ant riedučių — iš keturių variantų du atrodė gerai, kiti turėjo papildomų kojų, todėl vektorių generavimas dar ne toks nugludintas kaip paveikslėlių. Atskirus elementus galima pasirinkti ir redaguoti, o rezultatą atsisiųsti kaip SVG.

ElevenLabs pristatė Chimera — įrankį, jungiantį Seed Dance 2.5 ir ElevenLabs V4: įkėlus nuotrauką ir garso failą sukuriamas vaizdas, kuriame žmogus kalba tą tekstą. Autorius išbandė su savo nuotrauka ir sugeneruotu balsu (balsas į jo nepanašus), bet sistema originalios nuotraukos faktiškai nepanaudojo — pasodino jį ant kėdutės, parodė veido stambų planą, net žiūrintį į veidrodį, sugeneravo kelis skirtingus kadrus. Lūpų sinchronizacija, jo vertinimu, gana gera ir geresnė nei prieš savaitę bandytas kitas įrankis.

Tačiau pastebėta sąsajos problemų: įklijavus daug teksto mygtukas „submit" dingsta už ekrano ribų, slinkimas neveikia, o sugeneravus kalbą gaunama klaida, kad bendra nuoroda yra 120 sekundžių ir negali viršyti 30 sekundžių — apie tai, autoriaus nuomone, turėtų būti įspėjama iš karto.

Greitosios naujienos ir modeliai15:57

Greitosios naujienos. Perplexity išleido ir atviruoju kodu paskelbė du savo sprendimų (decision) modelius — 4 milijardų ir 27 milijardų parametrų; pagal pateiktą benchmark diagramą 4 mlrd. modelis atrodo geriausias. Perplexity Computer, agentinė programinė įranga, anksčiau veikusi Perplexity debesų kompiuteriuose, dabar gali veikti vien Mac kompiuteryje; naudojamas Qwen 3.6, rekomenduojama 36 GB ar daugiau unifikuotos atminties.

Svetainės blokuoja DI agentus17:00

Aptariama tendencija, kad svetainės užsidaro nuo DI agentų: Amazon nebeleidžia agentams apsipirkti vartotojo vardu, o šią savaitę agentus pradėjo blokuoti Yelp, Delta Airlines, JP Morgan Chase, Charles Schwab, Cars.com, Amtrak. Autorius svarsto, kad įmonėms teks rinktis, ar kurti agentams draugiškas svetaines, ar tik žmonėms: leidžiant agentams apsipirkti, prekybininkas nustumiamas žemyn į pirkimo grandinę ir tampa lengvai pakeičiamas, nes agentas ieško, kur pigiau ar greičiau pristatoma; blokuojant agentus, prarandami pardavimai. Shopify pasirinko agentams draugišką kelią ir paskelbė, kad visos jų parduotuvės atviros agentams.

Tuo pačiu Yelp, nors blokuoja kitų agentus, pats pradėjo skambinti restoranams naudotojo vardu — pasitikslinti laukimo laiko, meniu ir panašiai.

Mistral išleido naują balso agentą Voxtral 3, kuris demonstracijoje atpažįsta, kuris iš dviejų žmonių kalba, vykdo diarizaciją realiu laiku, leidžiasi pertraukiamas, dirba trimis srautiniais etapais ir pritaiko kalbėjimą prie konteksto bei gali kviesti įrankius.

Canva išleido savo pirmąjį vaizdų generavimo modelį Canva Craft (autorius atskleidžia turintis nedidelę investiciją Canva). Prie modelio kūrimo prisidėjo ta pati tyrimų komanda iš prieš porą metų įsigytos Leonardo AI. Modelis prieinamas Canva platformoje per Dream Lab skirtuką ir Canva API.

Iš gandų: svetainė Testing Catalog mano, kad netrukus pasirodys GPT image 3. Modeliai pavadinimais Aurora Red Alpha, Aurora Green Alpha ir Aurora Blue Alpha pastebėti lyginamosiose lentelėse ir OpenAI API, todėl naujo vaizdų modelio galima tikėtis artimiausiomis savaitėmis.

Zoom pristatė DI įrankį įmonėms, suteikiantį daugiau matomumo apie DI veiklą ir skirtą deepfake rizikai aptikti — padeda nustatyti, ar skambutyje kalbama su tikru žmogumi. Primenami atvejai, kai įmonės prarado daug pinigų, darbuotojams pervedus lėšas pagal deepfake'into vadovo nurodymus per vaizdo skambutį.

Microsoft paskelbė straipsnį „Building medical superintelligence" apie modelį MAI-DxO, kuris esą 1,7 karto tikslesnis už gydytojus, daugiau nei dvigubai tikslesnis už gydytojus, besinaudojančius vadovėliais ir internetu, ir beveik keturis kartus tikslesnis, kai gydytojai diagnozuoja be šių išteklių.

Unitree roboto vaizdo įrašas ir apibendrinimas24:20

Pabaigoje — Unitree išplatintas viralinis vaizdo įrašas apie X2H Kung Fu Legend Guardian robotą: jis verčiasi salto virš automobilio, spardo ir įlenkia automobilio kapotą, šoka iš keturių metrų aukščio, su fejerverkais ant kojų daro salto, įsiterpia tarp žmogaus ir įsibrovėlio, pakelia automobilį nuo po juo įstrigusio žmogaus ir nustumia vaiką nuo artėjančio automobilio. Autorius pastebi, kad automobilis vaizde juda itin lėtai, o robotas vaiką nubloškia smarkiau, nei būtų trenkęs automobilis; taip pat abejoja scena su automobilio kėlimu, nes plastikinis bamperis veikiausiai atsilupų, todėl greičiausiai padeda kažkas kitas.

Jo manymu, nė vienas iš triukų neatliekamas autonomiškai — robotą veikiausiai valdo žmogus, o vaizdas demonstruoja mechanines galimybes.

Autorius apibendrina, kad savaitė buvo gana rami, didžiausios istorijos — Duet ir kibernetinio saugumo incidentai, primena, kad įrašus daro ketvirtadieniais, tad vėlesnės naujienos pateks į kitos savaitės vaizdo įrašą, ir kviečia prenumeruoti kanalą.

Dalintis:

Originalas: AI News: 24 Things You Need To Know This Week (Matt Wolfe YouTube kanalas)

Visos 2026 m. spalio 23 d. naujienos · Archyvas