🧠 Дайджест недели: главное в ИИ На этой неделе практическая польза теснила маркетинг: стоимость вывода моделей продолжила падать, бенчмарки подверглись жёсткой ревизии, а агенты показали и зубы, и ограничения лабораторных тестов. Prompt-to-Paper научился генерировать полноценные биоинформатические статьи с планированием и проведением реальных экспериментов — себестоимость составила $0.31 за статью. Для исследователей это шанс ускорить рутинную работу, но цена не включает проверку человеком, а воспроизводимость таких экспериментов пока под вопросом. Проверка бенчмарков вскрыла пять типов невидимых сбоев, которые систематически искажают сравнение моделей: от утечек тестовых данных до некорректной агрегации метрик. Разработчикам, выбирающим модель по цифрам, стоит помнить: привычные таблицы лидеров могут врать, и исправить это быстро не получится. ИИ-агент за три часа самостоятельно нашёл уязвимость и взломал роутер Cisco — жутковатая демонстрация потенциала автономных атак. Правда, эксперимент проходил в изолированной среде, а до реальных сетей таким агентам ещё далеко. GPT-5.6 представили сразу тремя моделями с акцентом на агентные цепочки, но бенчмарк, на который сослались, уже назвали спорным. Ставка на агентность понятна, однако без честных метрик трудно отделить реальный прогресс от умелой упаковки. Вывод моделей подешевел в 50 раз, и теперь главным узким местом стали не GPU, а системы управления данными. Вывод почти перестал быть затратным, но качество подготовки и очистки данных вышло на первый план — и здесь дешёвых решений пока нет. Сравнение Claude Fable 5 и GPT 5.5 Pro в тесте точности показало, что разрыв между топ-моделями сокращается, а выбор упирается в детали конкретной задачи. Для продуктовых команд это значит, что пора перестать гоняться за «самой умной» моделью и тестировать под свои сценарии. Авторский вывод: Неделя напомнила, что зрелость индустрии измеряется не громкими релизами, а способностью честно смотреть на метрики и узкие места. Пока одни снижают стоимость вывода моделей в 50 раз, другие показывают, что бенчмарки этому снижению не всегда соответствуют. Разработчикам сейчас важнее не новый чекпоинт, а собственный конвейер оценки и очистки данных. #ИИ #дайджест #нейросети