Gemini 3 бьёт рекорды, OpenAI гонит 1 000 токенов/сек и запускает рекламу в ChatGPT: главные новости AI за неделю

• Google обновила Gemini 3 Deep Think: 48,4% на Humanity's Last Exam, 84,6% на ARC‑AGI-2, золото на IMO 2025 — и впервые открывает Deep Think через API для исследователей и инженеров.

• OpenAI выпустила GPT-5.3-Codex‑Spark на чипах Cerebras: 1 000+ токенов/сек, первая модель для кодинга в реальном времени — research preview для ChatGPT Pro, курс на «двухрежимный» Codex.

• Zhipu AI представила GLM-5 — 744B параметров под MIT License: по заявлению разработчиков, лучшая open‑source модель в кодинге и агентных задачах — на BrowseComp обходит все модели в таблице, на Vending Bench 2 приближается к Claude Opus 4.5.

• Qwen выкатила Image-2.0 — генерация и редактирование в одной модели: промпты до 1 000 токенов, профессиональные инфографики, каллиграфия и фотореализм в 2K — бенчмарки пока только внутренние.

• OpenAI обвинила DeepSeek в дистилляции американских моделей: меморандум направлен в Конгресс США — сотрудники DeepSeek якобы обходили ограничения доступа и писали код для извлечения данных, ответа от DeepSeek пока нет.

• OpenAI запустила рекламу в ChatGPT: тест в США для планов Free и Go — реклама подбирается по теме диалога, рекламодатели не видят чаты, подписчики Pro/Business/Enterprise без рекламы.

Google выпустила обновлённый Gemini 3 Deep Think: рекорды на научных и алгоритмических бенчмарках и первый доступ через API

Google представила крупное обновление Gemini 3 Deep Think — специализированного режима рассуждений для науки, исследований и инженерии. Модель разрабатывали в тесном партнёрстве с учёными и исследователями, фокусируясь на задачах без чётких рамок, с неполными или зашумлёнными данными. Впервые Deep Think доступен через Gemini API.

Бенчмарки:

• Humanity's Last Exam: 48,4% (без инструментов) — новый лучший результат.

• ARC‑AGI-2: 84,6% — подтверждено ARC Prize Foundation.

• Codeforces: Elo 3 455 — соревновательное программирование.

• IMO 2025: уровень золотой медали.

• IPhO и IChO 2025: уровень золотой медали на письменных частях.

• CMT‑Benchmark (теоретическая физика): 50,5%.

Кейсы раннего доступа:

• Математик из Rutgers University использовала Deep Think для рецензирования статьи — модель нашла логическую ошибку, которую пропустило обычное peer review.

• Лаборатория Duke University оптимизировала методы выращивания кристаллов для поиска полупроводниковых материалов — Deep Think спроектировал рецепт для плёнок >100 μm.

• Инженер из Google Platforms & Devices ускорил проектирование физических компонентов.

Практическое применение: 

• Помимо бенчмарков, Deep Think помогает интерпретировать сложные данные и моделировать физические системы через код.

Доступность:

• В приложении Gemini для подписчиков Google AI Ultra — уже доступен.

• Через Gemini API — для избранных участников early access (исследователи, инженеры и компании по заявке).

Google позиционирует Deep Think как инструмент для реальной научной работы, а не только для бенчмарков. Результаты впечатляющие: часть подтверждена независимо (ARC Prize Foundation), часть — собственные замеры Google.

Подробнее → 

OpenAI запустила GPT-5.3-Codex-Spark: первая модель для кодинга в реальном времени на чипах Cerebras — 1 000+ токенов в секунду

OpenAI выпустила research preview GPT-5.3-Codex‑Spark — компактную версию GPT-5.3-Codex, оптимизированную для интерактивной работы с кодом в реальном времени. Это первый результат партнёрства с Cerebras, анонсированного в январе. Модель выдаёт более 1 000 токенов/сек и доступна подписчикам ChatGPT Pro.

Ключевые параметры:

• Скорость: 1 000+ токенов/сек на Cerebras Wafer Scale Engine 3.

• Контекст: 128k, только текст.

• Стиль работы: минимальные точечные правки, не запускает тесты автоматически — всё ради скорости.

• Можно прерывать и перенаправлять модель прямо в процессе генерации.

Бенчмарки:

• На SWE‑Bench Pro и Terminal‑Bench 2.0 показывает сильные результаты при значительно меньшем времени выполнения по сравнению с GPT-5.3-Codex.

Оптимизация инфраструктуры (для всех моделей Codex):

• Persistent WebSocket‑соединение для стриминга + оптимизации в Responses API.

• Overhead на roundtrip снижен на 80%, per‑token overhead — на 30%, time‑to‑first‑token — на 50%.

• WebSocket включён по умолчанию для Spark, скоро станет дефолтом для всех моделей.

Cerebras + GPU:

• Cerebras обеспечивает отдельный сверхнизколатентный tier для интерактивных сценариев.

• GPU остаются основой для обучения и инференса с оптимальной стоимостью токена.

• Оба типа железа можно комбинировать в рамках одной задачи.

Доступность:

• Research preview для подписчиков ChatGPT Pro — приложение Codex, CLI, расширение VS Code.

• API — для ограниченного круга дизайн‑партнёров, расширение в ближайшие недели.

• Отдельные rate limits, не влияющие на стандартные лимиты.

• При пиковом спросе возможны очереди и временные ограничения доступа.

Безопасность:

• Модель прошла стандартные проверки, включая cyber‑relevant training.

• По оценке OpenAI, не достигает порога Preparedness Framework по кибербезопасности и биологии.

Планы:

• Codex движется к двум режимам: долгие автономные задачи (часы/дни) + интерактивная работа в реальном времени.

• В перспективе режимы объединятся: интерактивный цикл с делегированием тяжёлых задач суб‑агентам.

• Впереди — более крупные модели, длинный контекст, мультимодальный ввод.

Spark — первый шаг OpenAI к «двухрежимному» Codex: долгие автономные задачи плюс мгновенный интерактив. Партнёрство с Cerebras даёт отдельный сверхнизколатентный tier, а GPU остаются базой по стоимости и масштабу. Пока это research preview с ограниченным доступом.

Подробнее →

О партнёрстве с Cerebras →

GPT-5.3-Codex →

Zhipu AI выпустила GLM-5: открытая модель на 744B параметров для системной инженерии и долгих агентных задач

Zhipu AI представила GLM-5 — открытую модель (MIT License) на 744B параметров (40B активных), нацеленную на сложную системную инженерию и долгосрочные агентные задачи. По заявлению разработчиков, GLM-5 показывает лучшие результаты среди всех open‑source моделей в рассуждениях, кодинге и агентных сценариях, сокращая разрыв с frontier‑моделями.

Масштабирование относительно GLM-4.5:

• Параметры: 355B (32B активных) → 744B (40B активных).

• Данные претрейна: 23T → 28,5T токенов.

• Интеграция DeepSeek Sparse Attention (DSA) для снижения стоимости деплоя при сохранении длинного контекста.

Инфраструктура RL:

• Разработали [slime](https://github.com/THUDM/slime) — асинхронную инфраструктуру для обучения с подкреплением, повышающую throughput и эффективность пост‑трейнинга.

Ключевые бенчмарки (режим Thinking):

• HLE с инструментами: 50,4% (Kimi K2.5 — 51,8%, Claude Opus 4.5 — 43,4%).

• SWE‑bench Verified: 77,8% (Claude Opus 4.5 — 80,9%, GPT-5.2 — 80,0%).

• Terminal‑Bench 2.0 (Claude Code): 56,2% (original) / 61,1% (verified) — у Claude Opus 4.5 57,9% (значение без verified).

• BrowseComp с context management: 75,9% — лучший результат среди всех моделей в таблице.

• Vending Bench 2: $4 432 — № 1 среди open‑source (Claude Opus 4.5 — $4 967, Gemini 3.0 Pro — $5 478).

• На внутреннем CC‑Bench‑V2 значительно превосходит GLM-4.7 по frontend, backend и долгосрочным задачам, приближаясь к Claude Opus 4.5.

Офисные задачи:

• GLM-5 генерирует готовые.docx,.pdf и.xlsx из текстового описания — от финансовых отчётов до учебных планов.

• На Z.ai раскатывается Agent mode со встроенными навыками создания документов.

Доступность:

• Веса на Hugging Face и ModelScopeпод MIT License.

• API: api.z.ai и BigModel.cn.

• Совместимость с Claude Code и OpenClaw.

• Бесплатно в чате Z.ai.

• Поддержка локального деплоя: vLLM, SGLang, а также не‑NVIDIA чипы (Huawei Ascend, Moore Threads, Cambricon и др.).

• GLM Coding Plan: GLM-5 раскатывается постепенно, начиная с Max‑подписчиков; потребляет больше квоты, чем GLM-4.7.

GLM-5 сокращает разрыв с frontier‑моделями: на ряде агентных бенчмарков приближается к Claude Opus 4.5, а на BrowseComp обходит всех конкурентов в таблице. Открытые веса под MIT — серьёзная заявка для open‑source сообщества. Часть бенчмарков проведена независимо (Vending Bench 2 — Andon Labs), остальные — собственные замеры.

Подробнее → 

Hugging Face →

slime (RL‑инфраструктура) →

Qwen представила Qwen-Image-2.0: профессиональные инфографики и фотореализм в одной модели

Команда Qwen (Alibaba) представила Qwen‑Image-2.0 — модель для генерации и редактирования изображений, объединяющая оба направления в единой архитектуре с поддержкой промптов до 1 000 токенов.

Ключевые возможности:

• Типографика: генерация слайдов, постеров, комиксов и инфографик с точной отрисовкой текста на нескольких языках. Отдельно выделяют 5 качеств текстового рендера: точность, сложность, эстетика, реалистичность и выравнивание.

• Фотореализм: нативное разрешение 2K с детализацией до пор кожи и текстуры ткани.

• Семантическая точность: модель точнее следует смыслу сложных промптов.

• Единая модель: генерация и редактирование без переключения между пайплайнами.

Архитектура:

• Облегчённая архитектура — заявлен меньший размер модели и более быстрый инференс по сравнению с предшественниками.

• В одном из демо‑промптов фигурирует схема «8B Qwen3-VL encoder → 7B diffusion decoder → 2048×2048».

Результаты:

• Вышла в лидеры на бенчмарке AI Arena (Alibaba) в категориях text‑to‑image и image‑to‑image по результатам слепого тестирования.

• Демонстрация: генерация полного текста «Предисловия к стихам павильона Орхидей» мелким почерком кайшу с минимальными ошибками.

Редактирование:

• Нанесение каллиграфии на существующие фото.

• Склейка двух изображений в реалистичное совместное фото.

• Вставка мультяшных персонажей в реальные снимки.

Первая в линейке Qwen модель «два в одном» — генерация плюс редактирование. Главная фишка — работа с текстом внутри изображений: от слайдов до кинопостеров. Бенчмарки внутренние (AI Arena, Alibaba), независимых тестов пока нет.

Подробнее →

arXiv →

OpenAI обвинила DeepSeek в дистилляции американских моделей — меморандум направлен в Конгресс США

OpenAI направила в комитет Палаты представителей США по стратегической конкуренции с Китаем меморандум, в котором обвиняет DeepSeek в систематическом использовании американских моделей для обучения собственных через дистилляцию. По данным Reuters, документ содержит конкретные утверждения о действиях сотрудников DeepSeek.

Суть обвинений:

• OpenAI заявляет о «продолжающихся попытках DeepSeek бесплатно использовать возможности, разработанные OpenAI и другими frontier‑лабораториями США».

• По утверждению OpenAI, аккаунты, связанные с сотрудниками DeepSeek, разрабатывали методы обхода ограничений доступа — через замаскированные сторонние роутеры и другие способы сокрытия источника запросов.

• OpenAI также утверждает, что сотрудники DeepSeek писали код для программного доступа к американским моделям и получения выходных данных для дистилляции.

Что такое дистилляция в данном контексте:

• Более мощная модель оценивает качество ответов новой модели, фактически передавая ей свои знания.

Дополнительные заявления OpenAI:

• Китайские LLM «срезают углы в безопасном обучении и развёртывании новых моделей».

• OpenAI проактивно удаляет пользователей, которые пытаются дистиллировать модели для создания конкурирующих продуктов.

Контекст:

• DeepSeek и материнская компания High‑Flyer не ответили на запрос Reuters.

• В начале прошлого года модели DeepSeek‑V3 и DeepSeek‑R1 вызвали резонанс на рынках, продемонстрировав конкурентоспособность с ведущими американскими моделями.

OpenAI переводит конкуренцию с DeepSeek в политическую плоскость, апеллируя напрямую к законодателям. Обвинения серьёзные, но пока основаны исключительно на заявлениях OpenAI — ответа DeepSeek на момент публикации Reuters не последовало.

Подробнее (Reuters) →

OpenAI запустила тестирование рекламы в ChatGPT — старт в США для планов Free и Go

OpenAI начала показывать рекламу в ChatGPT совершеннолетним пользователям в США на подписках Free и Go. Подписчики Pro, Business и Enterprise рекламу не увидят. Компания подчёркивает, что реклама не влияет на ответы модели.

Как работает:

• Реклама подбирается на основе темы текущего диалога, истории чатов и предыдущих взаимодействий с объявлениями.

• Все объявления имеют спонсорскую пометку и визуально отделены от ответов ChatGPT.

• Не показывается несовершеннолетним и рядом с чувствительными темами (здоровье, политика).

Конфиденциальность:

• Рекламодатели не имеют доступа к чатам, истории, сохранённым данным или личной информации.

• Рекламодатели видят только агрегированные метрики: просмотры и клики.

Пользовательский контроль:

• Можно скрывать объявления, удалять рекламные данные, настраивать персонализацию.

• Альтернатива: перейти на Plus/Pro или отключить рекламу в бесплатной версии (с сокращением числа бесплатных сообщений в день).

Зачем:

• OpenAI объясняет рекламу необходимостью поддерживать инфраструктуру для сотен миллионов пользователей на бесплатных тарифах.

• В перспективе — новые форматы, цели и модели размещения.

Сейчас это ранний тест с ограниченным охватом и набором защитных механизмов. OpenAI рассматривает рекламу как способ поддерживать Free и Go и будет решать о расширении по результатам тестирования и с развитием защитных механизмов.

Подробнее →

Какая новость для вас главная? Пишите в комментариях!