Сводка новостей ИИ за 30 июня 2026 года.
Команды, которые уже относятся к передовой модели как к заменяемой зависимости, прожили обычную неделю. Остальным пришлось побегать.
Почему Fable 5 и Mythos 5 отключали на 19 дней
Министерство торговли США сняло экспортные ограничения, которые само наложило на Claude Fable 5 и Mythos 5. С 1 июля модели снова доступны по всему миру, простой длился 19 дней.
Fable 5 возвращается в Claude.ai, Claude Platform, Claude Code и Claude Cowork. Доступ через AWS, Google Cloud и Microsoft Foundry обещают восстановить как можно быстрее. Mythos 5, те же веса с меньшим числом ограничений, возвращают только одобренным американским организациям.
Поводом был джейлбрейк. Исследователи Amazon нашли запрос, после которого Fable 5 указывала на уязвимости в программах, а в одном случае написала код, показывающий, как уязвимостью воспользоваться.
Anthropic обучила новый классификатор, который следит именно за этим приёмом и, по словам компании, блокирует его более чем в 99 процентах попыток. Заблокированный запрос передают более слабой Opus 4.8, и пользователю об этом сообщают. Цена решения признана открыто: больше ложных срабатываний на обычной работе с кодом и отладке.
Две вещи стоит запомнить.
Anthropic вместе с Amazon, Microsoft и Google работает над общей шкалой опасности джейлбрейков: прирост возможностей, широта и лёгкость превращения в оружие. Если шкала станет стандартом, она появится в анкетах по оценке рисков поставщика.
Управляемый доступ, при котором федеральные регуляторы влияют на доступность самых сильных моделей, теперь постоянная черта рынка, а не разовый случай.
Если ваш план исходит из того, что конкретную модель можно будет вызвать в следующем квартале, это допущение о цепочке поставок. Запасной уровень, второй поставщик или модель с открытыми весами под вашим управлением, проектируют так же, как защиту от зависимости от одного облачного региона.
Sonnet 5: почти Opus 4.8 за меньшие деньги
В тот же день Anthropic выпустила Claude Sonnet 5. Компания называет её самой агентной моделью линейки Sonnet: она планирует, управляет браузером и терминалом и работает автономно на уровне, для которого недавно нужны были модели крупнее.
Опубликованные цифры такие:
SWE-bench Pro: 63,2 процента против 69,2 у Opus 4.8.
GDPval, интеллектуальная работа: 1 618 против 1 615, то есть чуть выше Opus.
Контекстное окно: 1 миллион токенов.
Цена: 2 доллара за миллион входных токенов и 10 за миллион выходных до 31 августа, затем 3 и 15 долларов.
Для инженеров данных важнее всего, где модель доступна. Sonnet 5 в день выпуска появилась в AWS Bedrock и Snowflake Cortex. Её можно вызывать прямо внутри хранилища, не отправляя строки на сторонний адрес.
Новый токенизатор меняет счёт
У Sonnet 5 обновлённый токенизатор. Один и тот же ввод превращается примерно в 1,0-1,35 раза больше токенов. Вводная цена подобрана так, чтобы расходы примерно совпали с Sonnet 4.6, а не чтобы дать скидку.
Если вы считаете расходы на модель в пересчёте на строку или документ, число токенов и экономика изменятся даже при прежнем тарифе. Практический разбор написал Саймон Уиллисон: в тот же день он опробовал на Sonnet 5 небольшого агента для программирования.
Databricks: от Lakebase к LTAP
Databricks опубликовала статью о пути от монолита к Lakebase и дальше к LTAP, транзакционно-аналитической обработке в лейкхаусе. Тезис такой: сорок лет данные держали в двух копиях, одну для работы бизнеса (OLTP), вторую для анализа (OLAP), и между ними приходилось поддерживать конвейер. LTAP предлагает оставить одну копию, из которой читают обе нагрузки.
Мотив настоящий: главными читателями данных становятся агенты, а они плохо переносят устаревшие реплики. Но утверждение, что один движок одинаково хорошо обслуживает быстрые транзакции и тяжёлые сканирования, принадлежит самой Databricks и в большом масштабе пока не доказано. За HTAP тянется длинный ряд неудач, и причины известны: точечные записи конкурируют с аналитическими сканированиями, а форматы хранения оптимизированы под противоположные задачи. Прежде чем отказываться от CDC-конвейера, дождитесь независимых замеров задержки под нагрузкой.
TabFM: модель Google для таблиц
Google Research представила TabFM, базовую модель для табличных данных, которая работает без обучения на конкретном наборе. Таблицы дольше всех сопротивлялись такому подходу: градиентный бустинг (XGBoost, LightGBM) до сих пор выигрывает у глубокого обучения на большинстве настоящих бизнес-таблиц.
Ожидания стоит умерить. Прежние табличные трансформеры, линия TabPFN, впечатляли, но были ограничены размером таблицы и числом столбцов. К TabFM вопросы те же: где она сдаётся, на широких таблицах, при высокой кардинальности, на числах с тяжёлыми хвостами, и обойдёт ли она хорошо настроенный бустинг на ваших данных, а не на данных бенчмарка.
Агенты становятся задачей эксплуатации
Несколько релизов указывают в одну сторону: интересная работа переходит от модели к обвязке вокруг неё.
Google Cloud выпустила полностью управляемый удалённый MCP-сервер для Gemini Enterprise Agent Platform.
AWS описала, как строить генеративный интерфейс для агентов в Bedrock AgentCore на протоколе AG-UI.
Microsoft Research опубликовала SkillOpt: набор навыков агента рассматривается как параметры, которые можно оптимизировать, а не писать вручную.
OpenClaw перенёс своего открытого агента на телефоны, а Supabase рассказала об агентном программировании с OpenCode.
Бен Лорика в тот же день написал, что агентам нужны карты, а не контекстные окна побольше. Узкое место в продакшене не длина контекста, а структура, права, журналы, память и правила остановки. Сначала оценивайте наблюдаемость и права, потом демонстрацию.
Хранение и потоки: ClickHouse, Redpanda, Ray Data
ClickHouse рассказала, как масштабировала LogHouse до квадриллиона строк в трёх облаках. Компания Clever сообщила, что принимает в 200 раз больше журналов за те же деньги на ClickHouse Cloud, а Jua, которая занимается моделированием погоды, стала выдавать физические симуляции втрое быстрее.
Redpanda описала, как Cloud Topics по-новому устраивает уплотнение в Kafka: вокруг объектного хранилища, а не локального диска. Это тот же ход, что у ClickHouse и Lakebase: отделить хранение от вычислений.
Ray Data 2.56 от Anyscale посвящён надёжности конвейеров данных для ИИ.
Estuary утверждает, что перемещать данные стало как никогда легко. Легко переместить и дёшево переместить правильно, с отслеживанием происхождения, по-прежнему разные строки в бюджете.
ИИ в науке и случай Ford
NVIDIA BioNeMo Agent Toolkit появился в Claude Science. Google Cloud рассказала, как Schrödinger ускорила поиск молекул в 4 раза с помощью AlphaEvolve. OpenAI представила GeneBench-Pro.
Противовес тоже есть. Перестройку контроля качества в Ford описывают как поучительную историю о пределах ИИ: компания попросила ИИ строить машины лучше, а потом снова наняла людей. К этому подходит инженерная заметка OpenAI о том, как нашли и исправили ошибку 18-летней давности: даже лучше всех оснащённые команды ищут старые сбои вручную.
Что ещё произошло за день
CNBC сообщил, что бум ИИ меняет рынки на фоне самого резкого падения нефти с 2020 года.
Wayve, стартап в области автономного вождения, открыл выкуп акций у сотрудников на 85 миллионов долларов при оценке 8,5 миллиарда.
Кэсси Козырьков подвела итог истории с экспортным контролем заголовком: Anthropic мечтала о кнопке паузы, а государство перевыполнило план.
Что сделать сегодня
Прежде чем переводить конвейер на Sonnet 5, заново измерьте число токенов на своих данных. Тариф может остаться прежним, а расход на строку или документ изменится из-за нового токенизатора.
Комментарии
Загружаю.