AI Vibe Digest за 7 июля 2026
Кратко главное
- Сбер открыл GigaChat 3.5 Ultra — модель на 432B с гибридным вниманием, которая в тестах обходит GPT-5
- GPT-5.6 Sol появится в Codex уже сегодня-завтра — на чипах Cerebras обещают скорость до 750 токенов в секунду
- Tencent выложила Hy3 — MoE-модель, обходящая GLM-5.1 при меньшем количестве активных параметров
- Lacuna собрала карту из 733 тысяч статей для агентов, чтобы тратить на 75% меньше токенов при поиске науки
- OpenSERP позволит агенту добывать живую поисковую выдачу из Google, Яндекса и других систем без API-ключей
Подробности по блокам
Модели и открытый код
эйай ньюз и Сергей Марков рассказали о выходе GigaChat 3.5 Ultra — 432-миллиардной модели под MIT-лицензией. Внутри гибрид GatedDeltaNet и MLA, обучение целиком в FP8 и новый этап онлайн-обучения с подкреплением. На бенчмарках модель не уступает DeepSeek V3.2, будучи в полтора раза меньше, а по оценке LLM-судьи набирает 68.7% побед против GPT-5.
Machinelearning сообщает об открытии Tencent Hy3 — MoE на 295B параметров (21B активных) с контекстом до 256K. Она обходит GLM-5.1 в слепых тестах, хотя внутри самая обычная схема внимания GQA. Это значит, что архитектура ещё не выжата до предела — остаётся запас для дальнейшего роста эффективности без экзотических трюков.
Data Secrets передаёт инсайд: GPT-5.6 Sol выйдет в Codex со дня на день. А в июле на инфраструктуре Cerebras обещают прокачанную версию со скоростью до 750 токенов в секунду — вдвое быстрее Gemini 3.5 Flash. Предположительно, модель содержит от 2 до 4 триллионов параметров с кастомным сжатием KV-кэша для размещения на нестандартном железе.
Инструменты для агентов и практиков
gonzo-обзоры ML статей разбирает Lacuna — предрассчитанную карту науки из более чем 733 000 статей. Вместо того чтобы парсить PDF на лету, агент просто обходит граф из суммаризаций, концептов и гипотез — инференс-затраты падают больше чем на 75%. Карта доступна через веб-интерфейс и протокол MCP, так что её легко подключить к своему исследовательскому ассистенту.
Tips AI показывает OpenSERP — опенсорсный парсер, который отдаёт поисковую выдачу Google, Яндекса, Bing и других в чистом JSON. API-ключи не нужны, есть встроенная поддержка прокси и фильтрации по языку и региону. Подняв OpenSERP локально, можно научить агента проверять позиции, отслеживать конкурентов и собирать SERP-фичи совершенно бесплатно.
Инсайды и стратегия
Machinelearning приводит слова Дарио Амодея: контекстное окно в 100 миллионов слов уже возможно — примерно столько человек слышит за всю жизнь. Узкое место сейчас только в скорости инференса, а сами модели способны учиться прямо внутри контекста, не меняя веса.
Мысли вслух пересказывает интервью Алекса Карпа из Palantir: платить за токены — значит отдавать провайдеру «альфу» своего бизнеса, обучая его модель на собственных данных. Карп советует строить тонкий собственный слой над моделями — онтологию, которая держит данные у вас и позволяет менять одну модель на другую без потери контроля.