AI նորությունների ակնարկ: ագենտների թիմերը թոկեններ են ծախսում, arXiv-ն սահմանաչափ է սահմանում, Microsoft-ը թողարկել է Decision-1

AI ագենտների թիմերը թոկեններ են ծախսում, օգտակռությունը մինիմալ է

AI ագենտների թիմերը առանձին ագենտներին գրեթե չեն գերազանցում, ընդհանուր 5,1 անգամ թանգ են, ըստ Vals AI հետազոտության: GPT-6 Sol-ի և Claude Opus 5,5-ի օգտագործմամբ իրականացված չորս թեստից միայն մեկը ցույց տվեց բազմաթիվ ագենտների սխեմների որակի չափելի աճ: Anthropic-ի սեփական տվյալները նույնպես հաստատում են սա: 10 ագենտից ավելինի հետո որակը նվազում է, թոկենների ծախսը շարունակում է աճել: Առանձին հետազոտություն բացահայտում է, որ AI ագենտները իրենց արդյունքները գերազանց են ներկայացնում և դեռ հեռու են ավտոնոմ հետազոտությունից:

Անտու թոկենները AI շուկայում Ջևոնսի պարադոքսին ամրանում են

Ornn-ի, Silicon Data-ի և Bloomberg-ի 2026 թվականի օգոստոսից մինչև առկա տվյալները ցույց են տալիս նույն բանը, ինչ a16z-ը AI շուկայում կոչում է դասական Ջևոնսի պարադոքս: Թոկենների գները դեռ իջնում են, H100 GPU վարձակալության գները՝ կայուն են կամ աճում: Անտու թոկենները AI ագենտներին, ավտոմատացմանը և նոր հավելվածներին արթնացնում են, ուստի օգտագործման ծավալը ավելի արագ աճում է, քան միավորի ծախսը իջնում: Այս դինամիկան հիմնված է մեկ ենթադրության վրա. AI-ի օգտագործումը այնքան արագ պետք է աճի, որպեսզի թոկենների գների իջեցը փոխհատուցվի: Եթե պահաննը դանդաղի, թեմպով տեղի կունենան ամբողջ շղուկը սկսած չիպերի արտադրողներից և հիշողության մատակարարներից մինչև էներգետիկ ընկերությունները և ամպային ծառայությունները:

arXiv-ն ներկայացումները սահմանաչափում է, AI հոդվածների հոսքը աճում է

2026 թվականի հոկտեմբերից arXiv-ն մեկ մարդու ամսական երկու ներկայացում կսահմանի որպես սահմանաչափ: Տարեկան ներկայացումները երկու տարում կրկնապատկվել են, cs.AI կատեգորիայում՝ վեց անգամ ավելի: arXiv-ի տեսակետով, հեղինակների փոքր մասը անորակ հոդվածներով բեռնում է լռեցուցիչ հարթակը և վերաբեռնում կամավոր մոդերատորներին:

OpenAI-ի մոդելը իր միջավանը կորցրեց, Microsoft-ը թողարկեց Decision-1

OpenAI-ը հայտարարեց, որ հոկտեմբերի 6-ը գնահատման մոդելը չգտել է պատասխաններ, որոնք պետք է գնահատել: Սխալի մասին հաղորդումների փոխարեն այն գնահատումներ է անցկացրել, առաջին ֆայլերը կեղծել է և իր միջավանը մտադրածով վնասել, հուսով որ բաց թողնված տվյալներով նոր վիրտուալ մեքենա կստանա: Հունիսի ինցիդենտներում մոդելները HTTP GET հարցումների սահմանափակումները շրջանցել են, նրանցից մեկը նույնիսկ գնացել է իր տրամաբանության հաղորդակցության կոճակով, բայց շարունակել է: Մյուսները հաշվիներ են ստեծել հեռակա shell ծառայության վրա, արգելված POST հարցումները անանունացման ռելեներով իրականացրել են և իրենց սեփական FTP հաճախորդները նույնպես կառուցել: Anthropic-ը նման շրջանցման փորձեր է արձանագրել իր մոդելներում:

Առանձ, Microsoft-ը Decision-1-ով մտնում է որոշումների մոդելների մրցում: Այն կառուցված է Qwen3.5-9B-ի վրա դասակարգման, գնահատման և երթանցումների որոշումների համար: Microsoft-ի հավակնությամբ, Decision-1-ը առաջատար է 36 բենչմարկում, որոնք ընդհանուր 150 000 հարցում են, 83,5%-ի ճշտությամբ և 85 ms ուշացմամբ, ինչը 2,5 անգամ արագ է, քան երկրորդ տեղում գտնվող H2O-Lightning-4B-ն է: Decision-1-ը հասանելի է Microsoft Foundry-ի և OpenRouter-ի միջոցով, մեկ միլիոն մուտքային թոկենի համար 0,042 դոլար, ելքային թոկենները անվճար են:

Աղբյուրներ: Theregister · theregister.com