Пульс ИИ: что обсуждают в соцсетях

DeepSeek объявила о выпуске V4.1-Flash-1017 и открыла Search & Fetch API для веб-поиска и загрузки страниц. По документации компании, каждый endpoint стоит $0,75 за 1000 вызовов.

Для пользователей DeepSeek API вызовы через серверные инструменты DeepSeek Harness, Claude Code и Codex бесплатны; тарификация начинается 31 октября 2026 года в 16:00 UTC. В посте Vibe Coding также заявлены скорость 244 токена в секунду и преимущество над GPT-6.1 Sol в режиме Ultrafast. Эти показатели документация релиза не подтверждает, а независимых измерений в доступных источниках нет.

Пост канала «Вайб-кодинг» от 17 октября называет модель DeepSeek 4.1-1017 и заявляет о прогрессе в программировании и агентных задачах, а также о близости к Opus 5. Связанная карточка модели на Hugging Face описывает DeepSeek-V4.1-Flash-1017 как обновление DeepSeek-V4.1-Flash: название не совпадает с формулировкой в посте.

Цифры тоже различаются: Telegram-пост приводит 42,8 для Terminal-Bench, карточка — 42,3 для Terminal-Bench 4.0. Без уточнения методики эти значения нельзя напрямую сопоставлять. В таблице карточки есть и разные результаты относительно Opus 5: для DeepSWE v1.1 указано 77,0 против 74,0, а для Terminal-Bench 4.0 — 42,3 против 51,8. Это сравнение опубликовано разработчиком, а не получено в независимом тестировании.

Канал «Бэкдор» пишет, что ГигаКонф прошла 16 октября, а выступления можно посмотреть в записи. В публикации заявлены 24 доклада и четыре трека: ИИ-инструменты, модели и инфраструктура, AI-native-организация и Harness. Пост направляет зрителей на сайт конференции и канал банка в VK Видео. Оригинальная публикация «Бэкдора».

Это краткий ориентир по заявленной программе, а не обзор выступлений: содержание записей не проверено независимо. Страница VK, на которую ведёт пост, не позволяет подтвердить наличие или доступность видео.

В Telegram-посте канала «Вайб-кодинг» утверждается, что Claude пишет около 90% кода Claude Code. Там же говорится, что с июня по сентябрь число смёрженных PR более чем удвоилось, а часть изменений позднее пришлось откатить. Шутка о разработчике, которому достались оставшиеся 10%, обыгрывает это соотношение. Оригинальный пост в Telegram.

Сочетание доли кода, динамики слияния и упоминания откатов интересно как повод спросить, как команда проверяет изменения, написанные ИИ. Но в доступном тексте нет методики подсчёта, абсолютных значений и доли откатов. Поэтому эти цифры не позволяют оценить качество кода или объём работы по его проверке.

В оригинальном посте канала «Вайб-кодинг» пересказан процесс проверки кода в команде Claude Code; пост ссылается на описание Anthropic. Компания пишет, что с июня по сентябрь число смёрженных pull request в кодовой базе Claude Code более чем удвоилось, а доля PR, которые впоследствии пришлось откатить, снизилась более чем на 40%. Это показатели самой Anthropic, а не результат независимого теста.

В описанной схеме перед созданием PR запускаются тесты и сборка, затем изменения проверяют независимый агент и несколько других агентов. Они ищут ошибки, проверяют выводы друг друга, а CI дополнительно выполняет автоматические проверки и проверку безопасности. Обязательное участие людей зависит от риска: для изменений среднего риска требуется один проверяющий, для высокого — два; низкорисковые изменения при определённых условиях могут пройти без человека. Anthropic также описывает постепенное включение функций и возможность отката. Такой процесс интересен как пример распределения проверки при большом потоке изменений, но опубликованные компанией показатели не доказывают, что другие команды получат тот же результат.

Автор Telegram-поста сообщает, что роутер Kevin в корпусе миньона показал около 412 Мбит/с на скачивание и 384 Мбит/с на загрузку. Для офисной сети в том же посте приведены примерно 151 и 183 Мбит/с соответственно. Условия сравнения не описаны, поэтому это сообщение об одном тесте, а не независимо подтверждённый результат.

Автор связывает скорости с Wi‑Fi 6E и диапазоном 6 ГГц. При этом в посте отмечено, что сигнал ослабевает через стены, а для подключения к 6 ГГц нужны совместимые устройства. Результат одного теста не показывает, какой скорости можно ожидать в другом помещении или с другим оборудованием.

В публикации также говорится, что цена Kevin выросла примерно с $70 до $120; это сообщение автора, а не проверенная цена. Оригинальный пост в Telegram.

Канал «Эксплойт» предлагает использовать ChatGPT как помощника в переговорах о цене: модель может быть полезна для подготовки формулировок и вариантов ответа, но пост не показывает сам диалог с продавцом.

Фраза о риске «получить всё бесплатно» — шутливое преувеличение, а не подтверждённый результат и не гарантия скидки. В доступном тексте нет условий торга или свидетельства, что продавец действительно снизил цену. Встроенное медиа помечено как неподдерживаемое в просмотре, поэтому по тексту нельзя установить, что именно показано в ролике.

Оригинальный пост в Telegram.

В посте от 16 октября GitHub Radar описывает Magnitude как инструмент для локального запуска открытых языковых моделей с настройкой вычислений под процессор или видеокарту. В сообщении перечислены Apple Silicon, NVIDIA, AMD и обычные CPU. Оригинальный пост GitHub Radar.

Интерес для разработчиков — в сочетании локального inference-движка и подключения агентных инструментов. В README проекта среди поддерживаемых примеров названы Pi, OpenCode, Hermes и Codex. README Magnitude.

Разработчики утверждают, что Magnitude работает более чем вдвое быстрее Ollama. Это заявление проекта: независимого теста в доступных материалах нет, поэтому сравнение скорости нельзя считать подтверждённым.

В оригинальном посте в Telegram описана предполагаемая схема: ноутбуки, размещённые в США, помогали удалённым работникам из КНДР выдавать себя за сотрудников, физически находящихся в стране, и устраиваться в американские компании. Именно связь между местом размещения устройств и имитацией присутствия делает этот сюжет технологически любопытным.

Автор также утверждает, что было выявлено более 40 таких ферм, в Техасе изъяли свыше 200 устройств, а задержаний не было. Пост называет доход в полмиллиарда долларов в год. Ссылка на материал New York Times приведена в публикации, но его текст в доступных материалах не получен; эти числа и сведения об изъятиях здесь независимо не подтверждены.

В посте Telegram-канала «Бэкдор» описан каскад в MaxPatrol O2: быстрые ML-модели оценивают инциденты и, по сообщению автора, закрывают ложные срабатывания; затем ИИ-агент разбирает критичные случаи, выдвигает гипотезу и сверяет её с событиями из разных источников. Автор сообщает, что принцип каскада показали на Positive Security Day. Оригинальный пост «Бэкдора».

Интерес здесь в последовательном разделении задач: первичный этап обрабатывает поток инцидентов, а агент анализирует критичные случаи с опорой на несколько источников событий. Пост также утверждает, что каскад автоматически закрывает 68% инцидентов. Это заявление публикации, а не результат независимого теста. Методика расчёта, выборка, период наблюдения и критерии закрытия не приведены, поэтому показатель нельзя трактовать как оценку точности системы или долю подтверждённых атак, выявленных без участия человека.