Data Science

OpenCode появилась загадочная модель Ox Alpha - и первые тесты выглядят очень хорошо Новая stealth-модель Ox Alpha уже появилась у пользователей OpenCode, но её происхождение пока официально не раскрыто. В одном из первых небольших прогонов на 10 сложных DeepSWE-задачах ей приписывают около 80% успешных решений - выше Fable 5, GLM-5.3, Grok 4.6 и GPT-5.6 Sol в том же мини-тесте. Важно не путать это с официальным DeepSWE leaderboard: полный бенчмарк содержит 113 задач, и публичного полноценного результата Ox Alpha пока нет. Сам DeepSWE сейчас возглавляют frontier-модели примерно в районе 70+% pass@1. По сообщениям пользователей, Ox Alpha также идёт с большим контекстом и сейчас доступна бесплатно/в промо-режиме, поэтому её активно гоняют на coding и agentic-задачах. В сообществе уже подозревают, что под капотом может скрываться одна из новых китайских моделей, но это пока лишь догадки. @machinelearning_interview / Папка полезного по ML. https://x.com/Machinelearrn/status/2090758575475794270

⚡️ 6 полезных репозиториев для работы с AI-агентами 1. Agency Agents https://github.com/msitarzewski/agency-agents Набор из 232 специализированных агентов для 16 направлений: разработка, дизайн, маркетинг, управление и другие задачи. 2. Codebase Memory MCP https://github.com/DeusData/codebase-memory-mcp Строит граф знаний по кодовой базе, чтобы агент быстрее находил связи между файлами, функциями и сущностями. Заявлена поддержка 158 языков. 3. OpenMontage https://github.com/calesthio/OpenMontage Инструмент для создания видео с помощью кодингового агента: сценарий, ассеты, монтаж и рендеринг можно собирать через промпты. 4. Agent-Reach https://github.com/Panniantong/Agent-Reach Дает агенту доступ к X, Reddit, YouTube, GitHub и другим источникам для поиска и сбора информации. 5. Orca https://github.com/stablyai/orca Позволяет запускать несколько кодинговых агентов параллельно и управлять их задачами из одного места. 6. OmniRoute https://github.com/diegosouzapw/OmniRoute Единый шлюз для работы с большим количеством AI-провайдеров через один endpoint. @data_analysis_ml / Папка полезного по ML. Сохраняй 🔖

✔️ Хакеры использовали ИИ для атаки на энергетические и государственные системы Тайваня Тайваньское Министерство цифровых технологий и израильская ИБ-компания Dream заявили об атаке, в которой злоумышленники использовали ИИ. Инцидент произошел в июле 2026 года. По их данным, за основу хакеры взяли открытую модель и переделали ее в агента, ведущего атаку самостоятельно. Название модели не сообщается. Часть действий хакеры выполняли сами, а агент, по описанию исследователей, работал не как обычный скрипт, а скорее как слаженная команда специалистов, подхватывая и дополняя ручные действия. Под удар попали Управление по ядерной безопасности и минимум семь энергетических компаний. Всего были скомпрометированы 85 учетных записей сотрудников и похищено больше 2500 записей с кадровыми данными. Затронуты ли технологические системы ядерных объектов или только административный контур, не уточняется. Организаторов власти официально не называют. Эксперты Dream сообщили, что во внутренней переписке злоумышленников встречалось упрощенное китайское письмо, и связывают атаку с КНР. В ответ Тайвань обновил протоколы защиты и усилил мониторинг инфраструктуры. Комментария китайской стороны по поводу инцидента пока нет. @ai_machinelearning_big_data #news #ai #ml

Доброе утро! ☀️ Представляем Вашему вниманию воскресный выпуск подкаста "Капитанский мостик". Ведущие Валентин Малых и Дмитрий Колодезев обсуждают последние новости в области ИИ, кибербезопасности и научных исследований, а также их влияние на будущее технологий и общества. Смотрите видео на каналах ⤵️ ODS VK Video ODS YouTube 📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).

🚀 Z.ai представила GLM-5.3 - новую открытую модель с упором на код и кибербезопасность. У GLM-5.3 та же базовая модель, что и у GLM-5.2. В Z.ai говорят, что весь прирост получили уже после pre-training - за счёт масштабирования post-training. Больше исполняемых сред, более длинные задачи, сильнее verifiers и больше reinforcement learning. Результат особенно заметен в кибербезопасности: на ExploitBench результат вырос с 24,4% до 54,4%, а в ExploitGym модель за два часа решила 105 задач против 29 у GLM-5.2. То есть pre-training даёт модели знания и сырой интеллект, а post-training учит реально им пользоваться: планировать, вызывать инструменты, проверять решения, исправлять ошибки и работать на длинном горизонте. Технический разбор: https://z.ai/blog/glm-5.3 @data_analysis_ml Полезные мл ресурсы