Машинное обучение подготовка к собеседованию

Mythos, закрытая модель Anthropic, заточенная под поиск уязвимостей, утекла за пределы круга избранных.

По данным Bloomberg, неизвестная группа получила к ней регулярный доступ через стороннего подрядчика и даже прислала журналистам скриншоты и живую демонстрацию работы.

Самое ироничное, что Mythos создавалась в рамках Project Glasswing, идея которого как раз в ограниченной дистрибуции: пусть модель видят только проверенные команды, и тогда её мощь не обернётся против индустрии.

План красивый, реальность жёстче. Ядро Anthropic никто не ломал. Ломать не пришлось. Хватило одного партнёра с дырявым контролем доступа.
И вот здесь начинается настоящий сюжет. Модель, которая ищет уязвимости быстрее людей, сама оказалась уязвима через самое слабое звено периметра. Подрядчик, чужой ноутбук, забытый токен, предсказуемое имя сервиса, и всё, твой закрытый оружейный ИИ гуляет в чужих руках.

Вывод неприятный, но его придётся принять всем, кто работает с фронтирными моделями. Секретность ИИ заканчивается там, где начинается цепочка поставок. Можно сколько угодно прятать веса, фильтровать доступ и подписывать NDA, но если у вендора слабый пароль, вся архитектура доверия рушится за одну ночь.

Mythos не первый такой случай и точно не последний. Вопрос уже не в том, утекают ли мощные модели. Вопрос в том, кто и когда поймает следующую.

techcrunch.com/2026/04/21/unauthorized-group-has-gained-access-to-anthropics-exclusive-cyber-tool-mythos-report-claims/

Сделано с помощью GPT Image 2)

Интервьюер: где вы видите себя через 5 лет?

Я:

Изучаем машинное обучение всё лето: Яндекс приглашает в Летний кампус ML-Академии

Познакомьтесь с трендами ML‑индустрии и получите прикладной опыт в московском офисе Яндекса.

3 месяца студенты и начинающие ML-спецы будут работать совместно с экспертами из Яндекса над задачами по компьютерному зрению, обработке естественного языка, рекомендательным системам, LLM и другим ML-направлениям. В конце обучения участников ждет выпускной.

Обучение бесплатное, участникам из других городов Яндекс оплачивает переезд и проживание. А еще это хороший шанс начать карьеру: лучших выпускников Академии пригласят на стажировку.

Подать заявку можно тут.

🚀 OpenMythos. Впечатление смешанное.

Проект честно помечен как theoretical reconstruction и hypothesis document, автор не выдаёт его за утечку, в README есть дисклеймер про отсутствие связи с Anthropic.

Архитектурные идеи не с потолка: Recurrent-Depth Transformer, MoE с роутингом в духе DeepSeek, Multi-Latent Attention, ACT-халтинг, Universal Transformers - всё это реальные направления из литературы.

Код рабочий, лицензия MIT, есть документация и конфиг через единый dataclass. Для изучения looped-трансформеров это полезная песочница.

Минусы: в посте подаётся как реконструкция Claude Mythos, но Anthropic не публиковала технических деталей Mythos, так что это по сути догадки, а не восстановление. Цифра 4.7K звёзд для автора с историей громких репозиториев мало говорит о качестве, kyegomez известен склонностью к быстрым имплементациям чужих идей с громкими названиями, к заявлениям стоит относиться осторожно.

Фраза «770M параметров догоняют 1.3B трансформер» основана на эксперименте уровня Tiny Shakespeare, экстраполировать на фронтир-модели рано. Бенчмарков в масштабе, сравнимом с реальными LLM, в репо нет.
Итог: любопытный educational-проект и набор гипотез для обсуждения, но не «открытый Mythos». Читать как discussion paper с кодом, а не как воспроизведение модели.

github.com/kyegomez/OpenMythos

🗂️ Живая база лучших AI-инструментов - обновляется с 2023 и держит только актуальное

В одном месте собрали весь стек, который реально используют сейчас:

- свежие LLM и новые релизы
- мультимодалка: изображения, видео, аудио
- AI-агенты и автоматизация
- dev-платформы и API
- инфраструктура, плагины и утилиты

Это не статичный список, а постоянно обновляемая карта рынка.

Сохрани - пригодится.

https://github.com/eudk/awesome-ai-tools

👉 Поднимите приватный инференс на выделенном железе

В Selectel сделали поддержку видеокарт в управляемых кластерах Kubernetes на выделенных серверах.

Теперь модели можно запускать на отдельном железе: стабильная производительность, изоляция данных и конфигурации под разные задачи. По стоимости — до 40% дешевле, чем использовать ускорители в облачных серверах.

Попробуйте сами, на тест дают до 30 000 бонусных рублей: https://slc.tl/tzexo

Реклама. АО "Селектел". erid:2W5zFGLoYXT

✔️ Claude Code превратился в полноценного агента, а не просто ассистента в терминале

Если последний раз смотрели на Claude Code полгода назад, открывайте заново. За Q1 2026 Anthropic выкатил столько, что инструмент перестал быть «чатом с кодом» и стал автономной рабочей единицей.

Что реально поменялось. Routines запускают агента по расписанию на облачной инфраструктуре Anthropic, то есть ночью можно триажить баги из Linear, а утром получать готовый PR - ноутбук при этом выключен.

Remote Control разрывает привязку к локальной машине: Claude Code крутится на сервере или в CI, а вы даёте команды через API, вебхуки или с телефона. Computer Use дотягивается туда, куда не достают терминальные тулы - браузер, десктоп-приложения, системный UI. Channels решают координацию между несколькими агентами через типизированные сообщения со схемой, без кустарных парсеров.

Под капотом тоже сдвиг. По умолчанию теперь Opus 4.7, контекст до 1M токенов на Max и Enterprise, Auto Mode пропускает безопасные действия без подтверждения и блокирует рискованные (93% аппрувов и так были формальностью).

Вышла интеграция голоса на 20 языках с пушем-ту-ток, включая русский.

Как с этим работать, чтобы не разориться. Token-стоимость растёт геометрически: каждый следующий ход пересылает всю историю, и 200-й ход дороже 5-го не потому что задача сложнее, а потому что Claude заново читает 199 сообщений.

Практические приёмы: держите CLAUDE.md до 200 строк, он инжектится в каждый запрос. Используйте /compact после завершения фичи, чтобы свернуть промежуточные попытки. На смене темы жмите /clear. Отключайте неиспользуемые MCP-серверы, один подключённый сервер стоит до 18K токенов оверхеда на каждый ход.

По дефолту гоняйте Sonnet, на Opus переключайтесь руками.
Тайминг задач. Короткие правки и написание кода - обычный интерактивный режим. Большие рефакторы и миграции - Plan mode, где вы ревьюите план до запуска.

Рутинные задачи - Routines на расписании. Многошаговые автономные цепочки — Remote Control плюс Auto Mode плюс Channels для координации.
Главный сдвиг в том, что разработчик из исполнителя превращается в оркестратора: не пишет код построчно, а управляет парой-тройкой параллельных сессий через сайдбар Mission Control, ревьюит диффы и принимает стратегические решения. Кто не перестроится, тот будет писать код вручную, пока конкуренты закрывают спринты за пару часов.

Документация и свежие релизы: code.claude.com/docs/en/whats-new

https://www.youtube.com/shorts/y5L8i8MECo4

OpenAI выкатила GPT-Rosalind, модель которая думает как учёный и ломает бенчмарки по биологии

OpenAI представила GPT-Rosalind, специализированную модель для биологии, медицинских исследований и поиска новых лекарств. В отличие от обычных LLM, она заточена не на болтовню, а на научную работу: читает публикации, выдвигает гипотезы и планирует эксперименты на сложных биологических системах.

Под капотом интеграция с более чем 50 научными инструментами и базами данных. Модель работает напрямую с генами, белками и молекулярными путями, встраиваясь в реальные исследовательские пайплайны, а не существуя в вакууме чата.

По цифрам результаты серьёзные. На BixBench модель выдала 0.751 и обошла предыдущие решения в 6 из 11 научных задач, показав сильный результат в биоинформатическом ризонинге. В совместных экспериментах с исследователями она превысила 95-й перцентиль человеческих экспертов на отдельных задачах предсказания структуры РНК.

Крупные биотех-компании уже тестируют GPT-Rosalind в реальных пайплайнах поиска лекарств. Если заявленные метрики подтвердятся в проде, это серьёзный сдвиг: узкоспециализированный научный агент с доступом к инструментам становится рабочей единицей R&D, а не игрушкой для демо.

https://openai.com/index/introducing-gpt-rosalind/