Новости

OpenAI выпустила модель, которая сама находит уязвимости, — и впервые отправила её на согласование в Белый дом

Третьего сентября OpenAI выпустила GPT-6 Astra — модель, которую компания без ложной скромности назвала самой интеллектуальной и самой согласованной в мире. Президент компании Грег Брокман на брифинге для журналистов пошёл дальше и предположил, что именно эту модель когда-нибудь будут считать точкой прибытия искусственного интеллекта общего назначения. Брифинг он закончил приветствием слушателей в эпохе AGI. Публика, впрочем, получила доступ не сразу: сначала — ограниченный круг организаций, затем пользователи ChatGPT на тарифах Pro и Business, ещё через несколько часов — подписчики за двадцать долларов, и уже потом API и AWS. Эпоха AGI, как выяснилось, тоже раскатывается волнами. Технически всё выглядит внушительно. Модель отзывается на gpt-6-astra, держит около 1,05 млн токенов контекста, принимает до 922 тысяч из них на вход и выдаёт до 128 тысяч, знает мир по состоянию на апрель 2026 года и понимает картинки. Обучали её на самом крупном прогоне в истории компании — больше ста тысяч ускорителей на площадке Stargate в Техасе; кроме того, это первая модель OpenAI, в надзоре за обучением которой существенную роль играли другие модели, что при желании можно счесть либо инженерной элегантностью, либо сюжетом для отдельного разговора. Бенчмарки компания подобрала так, чтобы вопрос о поколенческом скачке отпал сам. FrontierMath четвёртого уровня закрыт на 98 процентов — по сути, насыщение; ARC-AGI-3 взят на 99,9. Astra, по словам OpenAI, уже помогала закрывать давние открытые задачи в математике. У независимой Artificial Analysis картина суше: интеллект 47,8 — девяносто девятый процентиль, программирование 76,2 — девяносто пятый, GPQA 89,5 — девяносто третий. Первое место, но не разрыв в другую лигу. Отдельно стоит ExploitBench, где Astra показала сто процентов. Бенчмарк проверяет, способен ли агент добиться выполнения произвольного кода в движке V8 и официальных сборках Chrome под Linux, эксплуатируя заданные уязвимости. В сноске к собственной таблице OpenAI честно замечает, что часть включённых в набор уязвимостей в условиях замера произвольное выполнение кода вообще не допускает, а значит, стопроцентный результат может быть недостижим. Сто процентов при недостижимых ста процентах — фраза, которую хочется перечитать дважды.

Модель, которую притормозили

Именно кибербезопасность и превратила запуск в историю. Astra стала первой моделью, которой OpenAI присвоила критический уровень по собственной Preparedness Framework: компания признаёт, что при наличии инструментов и доступа модель способна находить ранее неизвестные уязвимости и придумывать способы их эксплуатации в хорошо защищённых системах — без человека, ведущего её за руку на каждом шаге. На испытаниях модель нашла и связала в цепочку два зеродея; о них сообщили сопровождающим. Релиз из-за этого притормозили примерно на месяц, добавили защитные механизмы после утечки в Hugging Face и в итоге сочли, что риск тяжёлого вреда снижен достаточно. Публичная версия обучена отказывать в продвинутых киберзадачах вроде написания proof-of-concept эксплойтов; послабления достаются проверенным организациям через программу Daybreak, которую обещают расширять. Иными словами, продают всем одну модель, а работает она по-разному в зависимости от того, кто вы такой, — конструкция, к которой рынок уже привык по фолбэкам Anthropic, но здесь она впервые применена к возможности, которую сам производитель называет критической. Сэм Альтман добавил к этому деталь, ещё год назад звучавшую бы экзотично: перед выпуском модель прошла формальную процедуру рассмотрения в администрации Трампа. Флагманские релизы теперь проходят через государственную инстанцию — и это, пожалуй, более существенная новость о состоянии отрасли, чем любой процент в таблице.

Самостоятельная, универсальная, медленная.

Если отбросить риторику про эпоху AGI, остаётся модель, которая заметно лучше показывает себя в длинной автономной работе: не теряет ориентацию, уважает границы поставленной задачи, доводит многошаговые сценарии до конца и умеет обращаться с компьютером и браузером — включая фоновую работу, пока пользователь занят своими делами. На выходе она делает не только текст, но и документы, таблицы и презентации, что для корпоративного заказчика зачастую весомее любого процента на математическом бенчмарке. Впрочем, у величия есть и бытовая сторона. По замерам LLM Stats, Astra отвечает не мгновенно: примерно в одном случае из двадцати первого слова приходится ждать почти четырнадцать секунд. Немного, если модель за это время перелопачивает документ на сто страниц. Довольно долго, если вы просто смотрите в пустой экран и ждёте.

Доступ к API GPT-6 Astra из России

GPT-6 Astra доступна на www.ai-mediator.ru — без VPN, с оплатой в рублях и полным пакетом закрывающих документов. Подключение занимает три шага: нужно зарегистрироваться в личном кабинете, получить API-ключ и пополнить баланс бизнес-картой или по безналичному расчету. Подключиться к API GPT-6 Astra →

Anthropic выпустила вторую общедоступную модель класса Mythos: цена за токен прежняя, весь прирост сложен в длинные задачи

Первого сентября Anthropic без особой торжественности выпустила Claude Fable 5.1 — вторую по счёту общедоступную модель класса Mythos. Цену за токен не тронули, чтение из кэша подешевело вчетверо, а весь прирост качества компания аккуратно сложила в одно место: в длинные задачи, на которых предыдущие модели обыкновенно и рассыпались.

Со стороны спецификаций всё выглядит буднично, почти скучно. Модель отзывается на имя claude-fable-5-1, держит миллион токенов контекста и выдаёт до 128 тысяч, стоит десять долларов за миллион входных токенов и пятьдесят за миллион выходных — ровно столько же, сколько июньский Fable 5. Единственная цифра, которая изменилась, спрятана в третьем ряду прайса: чтение из кэша упало вчетверо. По подсчётам самой Anthropic, это даёт около четверти экономии на обычной работе и до сорока пяти процентов — на тех самых агентных сценариях, где модель по двести раз перечитывает один и тот же контекст и где Fable 5 разорял пользователя быстрее, чем успевал ему помочь. Заодно появился бета-режим, позволяющий менять глубину рассуждения посреди диалога, не обнуляя кэш промпта: раньше любая попытка подкрутить настройки на ходу стоила ровно столько же, сколько начать разговор заново.

Рассуждает Fable 5.1 теперь всегда, вопрос только в том, насколько глубоко: параметр effort принимает пять значений, от low до max, и это, пожалуй, честнее прежней схемы, где думать модель предлагалось попросить отдельно.

Бенчмарки, которые Anthropic вынесла в собственную сравнительную таблицу, подобраны с понятным умыслом. На Terminal-Bench-Science, где модель сажают в терминал с научным инструментарием и просят провести многошаговое исследование, результат вырос с 24,7 до 52,6 процента — то есть более чем вдвое. На кодовом Terminal-Bench 4.0 — с 42 до 55,8. На AutomationBench, измеряющем способность связывать десятки вызовов инструментов в одну цепочку, — с 17,1 до 31,4. Humanity's Last Exam, набор задач, который эксперты составляли с прямым намерением никого не пропустить, взят на 60,9 процента без инструментов и на 65 — с ними, а формальные математические доказательства ProofBench модель закрывает на сто процентов, что в этом жанре обычно означает не гениальность, а исчерпанность бенчмарка.

Независимые лидерборды подтверждают ту же картину без энтузиазма пресс-релиза. По данным BenchLM на сентябрь, на SWE-bench Pro у Fable 5.1 81,2 процента — первое место, но впереди Fable 5 с восемьюдесятью и собственного Opus 5 с 79,2; из чужих моделей ближайшая, GPT-5.6 Sol, отстаёт на шестнадцать пунктов, а Gemini 3.5 Flash — на двадцать шесть. Composite Vals Index — 67,87, снова первое место из пятидесяти одного участника и снова с отрывом от Opus 5 в шесть сотых процента.

Отдельного упоминания заслуживает цифра, которой в этой таблице нет. По обзорам Fable 5.1 бодро кочует «95 процентов на SWE-bench Verified»; это результат Fable 5, полученный в июне. Anthropic для версии 5.1 SWE-bench не публиковала вовсе, предпочтя ей агентные тесты, и всякий, кто приписывает новой модели старое достижение, просто переклеил этикетку.

Если сложить структуру прироста в одну фразу, получится следующее: на коротких задачах модель прибавила пару пунктов, на длинных — удвоилась. Разница здесь примерно та же, что между человеком, читающим книгу по странице, и человеком, помнящим сюжет целиком. Fable 5 умел решить сложную задачу; Fable 5.1 умеет не выпустить её из виду на четвёртом часу.

Здесь и возникает сравнение, от которого трудно уйти. Обычная модель ведёт себя как толковый junior: на понятный вопрос отвечает правильно, на двадцатом шаге теряется. Fable 5.1 держит проект целиком, не выгорает к четвергу и не приходит через полгода обсуждать вилку. Остаётся выяснить, во сколько обходится такой сотрудник — и на этом месте доллары из пресс-релиза удобнее заменить рублями из реального прайса.

Сколько стоит сотрудник, который не спит

В тарифах AI Mediator claude-fable-5-1 стоит 2 000 рублей за миллион входных токенов и 10 000 рублей за миллион выходных; чтение из кэша — 50 рублей за миллион, создание кэша — 2 500. Цены указаны без НДС. Обещанная Anthropic четырёхкратная скидка на кэш доехала и до рублёвого прайса: у июньского claude-fable-5 кэшированный запрос стоит 200 рублей за миллион, у новой версии — пятьдесят.

Дальше арифметика несложная. Умеренно активная работа — часа три агентных задач в день, примерно три миллиона входных токенов, из которых подавляющая часть приходит из кэша, и триста тысяч выходных. Чтение из кэша обходится в 135 рублей, свежий вход в 600, ответы модели в 3 000. К этому честно прибавляется создание самого кэша: чтобы прочитать оттуда 2,7 миллиона токенов, их сперва надо записать, и при паре перезаписей в день это ещё около 500 рублей. Итого порядка 4 200 рублей в день, или примерно 90 тысяч рублей в месяц при двадцати двух рабочих днях.

Девяносто тысяч рублей — это, по московским меркам, даже не половина оклада senior-разработчика, и оклад этот, в отличие от токенов, сопровождается страховыми взносами, рабочим местом, отпуском и больничными. Сравнение, разумеется, льстит машине: стоит поставить модель на тяжёлый агентный пайплайн с миллионными контекстами, и счёт уходит за несколько сотен тысяч в месяц, но тогда и сопоставлять его нужно уже не с сеньором, а с отделом.

Независимый оценщик Snorkel AI измерил, к слову, не столько успех, сколько его себестоимость, и нашёл, что на задачах, которые решили обе модели, Fable 5.1 тратил на решение заметно меньше работы, чем Opus 5.

Где Fable 5.1 не нужен

Что не мешает Anthropic в собственной документации рекомендовать начинать всё-таки с Opus 5. Тот стоит ровно вдвое дешевле — 1 000 рублей за миллион входных токенов и 5 000 за миллион выходных, — а на CursorBench уступает старшей модели 3,4 пункта. Арифметика, при которой переплата окупается далеко не всегда. Смысл в Fable 5.1 появляется там, где Opus 5 даже на максимальном effort стабильно не дотягивает, либо где задача идёт часами без человека рядом. Прежде чем переводить весь трафик, разумнее прогнать десяток своих самых тяжёлых задач на обеих моделях и посмотреть на счёт.

Слой безопасности

Fable 5.1 — это Mythos 5.1 с надстроенными классификаторами: запросы по кибербезопасности, биологии, химии и дистилляции моделей перехватываются и уходят на Claude Opus 5. Технически отказ приходит не ошибкой, а обычным HTTP 200 со stop_reason: "refusal" и объектом stop_details, где указана сработавшая категория; если модель не успела выдать ни одного токена, отказ не тарифицируется, что можно считать проявлением такта.

Главное, что изменилось в 5.1, — классификаторы перенастроили. По данным Anthropic, ложных срабатываний по биологии на безобидных запросах стало на 85 процентов меньше, а кибер-перехватов за сессию Claude Code — примерно на 60. Цифры измерены на собственном трафике компании и внешне невоспроизводимы, но для тех, кто летом регулярно упирался в отказ на совершенно легальной задаче, они значат больше любой строки в таблице бенчмарков.

Сколько стоит эта деликатность, видно там же: на Terminal-Bench 4.0 неограниченный Mythos 5.1 набирает 60,9 процента против 55,8 у Fable 5.1. Пять пунктов — и есть цена безопасности. Сам Mythos 5.1 доступен только участникам Project Glasswing, так что проверить это на практике большинству желающих не придётся.

Как получить доступ из России

Россия в список регионов, где Anthropic предоставляет Claude.ai и коммерческий API, не входит, и правила компании прямо требуют находиться в поддерживаемом регионе. AI Mediator решает этот вопрос за клиента: доступ к claude-fable-5-1 идёт без VPN, оплата — в рублях, с закрывающими документами, которые можно показать бухгалтерии.

Что мы предлагаем:

Без VPN и зарубежных карт. Обычный запрос к API из российской инфраструктуры. Оплата в рублях — бизнес-картой или безналичным платежом, со счётом и полным пакетом закрывающих документов. Приватность. Мы не сохраняем ваши данные и тексты запросов. Учтите, что на своей стороне Anthropic для моделей класса Mythos применяет обязательное тридцатидневное хранение — от него не освобождает ни один посредник. Без блокировок. Трёхкратная система резервирования и постоянный мониторинг: доступ не пропадает в тот день, когда он вам нужнее всего. Экспертность. Сервис сфокусирован именно на корпоративном API-доступе — для бизнеса, госкомпаний и учебных заведений. Лучшая в РФ цена на API к иностранным AI-моделям. Поддержка и внедрение. Ответ на запрос в течение рабочего дня, в Telegram — обычно за несколько часов; на корпоративном тарифе приоритетная поддержка 24/7 и консультации по интеграции.

Подключение занимает три шага: зарегистрироваться в личном кабинете, пополнить баланс и получить API-ключ.

Подключиться к API →

Посмотреть тарифы на все модели →

В AI-MEDIATOR добавлены новейшие модели генерации изображений:

• Nano Banana — базовая модель для быстрой генерации
• Nano Banana Pro — улучшенная версия с повышенным качеством и детализацией
• gpt-image-1.5 — последняя модель от OpenAI для генерации изображений

Все модели доступны через API. Подробнее о возможностях и примерах использования читайте в документации по генерации изображений.

Google представила новое поколение моделей Gemini 3, которые уже доступны через AI-MEDIATOR.

Gemini 3 Pro — флагманская модель, выпущенная в ноябре 2025, установившая новые рекорды в бенчмарках. На Humanity's Last Exam модель набрала 37.5%, превзойдя GPT-5.2 (34.5%).

Gemini 3 Flash (Preview) — быстрая и экономичная версия, сохраняющая возможности рассуждения Gemini 3 Pro. Ключевые результаты:

• 78% на SWE-bench Verified (агентское программирование) — лучше, чем у Gemini 3 Pro
• 81.2% на MMMU-Pro — лучший результат среди всех моделей
• 33.7% на Humanity's Last Exam без инструментов

Gemini 3 Flash предлагает производительность уровня Pro за четверть стоимости. Google обрабатывает более 1 триллиона токенов в день через API Gemini 3.

Теперь разработчики и пользователи в России могут получить прямой доступ к API к GPT-5 — новейшей флагманской модели OpenAI, которая устанавливает новые стандарты в области искусственного интеллекта.

Какие преимущества у GPT-5?

Кардинальное снижение галлюцинаций: прорыв в точности

GPT-5 демонстрирует резкое снижение галлюцинаций — примерно в 6 раз меньше, чем o3, что означает качественный скачок в производстве точного контента. GPT-5 показывает на 80% меньше фактических ошибок по сравнению с предыдущими моделями.

В медицинской сфере результаты особенно впечатляющие: на тесте HealthBench Hard Hallucinations GPT-5 (с мышлением) галлюцинирует всего 1.6% времени, что значительно ниже предыдущих моделей GPT-4o и o3, которые показали 12.9% и 15.8% соответственно.

Превосходство в программировании

GPT-5 — сильнейшая модель для программирования на сегодняшний день, показывающая особые улучшения в сложной frontend-разработке и отладке больших репозиториев. Она часто создает красивые и отзывчивые веб-сайты, приложения и игры с чувством эстетики всего из одного промпта.

Результаты в бенчмарках программирования:

• SWE-bench Verified: 74.9% — решение реальных задач GitHub
• Aider Polyglot: 88% — многоязыковое редактирование кода

GPT-5 показал лучшую производительность в PR Benchmark, находя больше реальных проблем и создавая более чистые патчи. В внутреннем тестировании GPT-5 превзошел o3 в задачах frontend-разработки в 70% случаев, создавая более чистые и эстетичные интерфейсы.

Математические способности экспертного уровня

GPT-5 устанавливает новое состояние технологий в математике: 94.6% на AIME 2025 без инструментов. На Harvard-MIT Mathematics Tournament (HMMT) модель показывает почти идеальную производительность. Введение режима мышления обеспечивает существенный прирост — точность GPT-5 подскакивает с 77.8% до 85.7% при включении рассуждений.

Мультимодальные возможности

На мультимодальных бенчмарках GPT-5 устанавливает новое состояние техники: 84.2% на MMMU (визуальное мышление уровня колледжа) и 78.4% на MMMU-Pro (уровень выпускника), превосходя o3 в обоих случаях.

На VideoMMMU (видео-рассуждения с до 256 кадрами) GPT-5 достигает 84.6% точности против 83.3% у o3.

Агентские способности и инструментальное использование

GPT-5 показывает значительный прогресс в бенчмарках, тестирующих следование инструкциям и агентское использование инструментов. На T2-bench телеком задачах GPT-5 набирает 96.7%, в то время как другие модели обычно получают менее 49%.

Улучшенная честность и снижение обмана

GPT-5 (с мышлением) более честно сообщает о своих действиях и возможностях пользователю. На большом наборе разговоров удалось снизить уровень обмана с 4.8% для o3 до 2.1% для ответов с рассуждениями GPT-5.

Расширенные возможности контекста

GPT-5 поддерживает 400,000 токенов всего (272K входящих + 128K исходящих) и, что более важно, поддерживает производительность в этих длинных контекстах лучше предыдущих моделей.

Лучшая цена на API GPT-5 России

Доступ к API GPT-5 можно получить не только на ai-mediator.ru. Но у нас самая привлекательная цена на эту языковую модель от OpenAI. В этом вы можете убедиться, посмотрев страницу с тарифами.

AI MEDIATOR объявил о запуске сервиса в опытную эксплуатацию, и начал предоставлять российским компаниям доступ к API передовых моделей AI. Вы можете создать аккаунт в Личном Кабинете, пополнить баланс, выпустить API-ключ, и начать использовать передовые AI модели.

Сервис AI MEDIATOR ориентирован на B2B сегмент и позволяет компаниям легко интегрировать AI-технологии в свои бизнес-процессы, обеспечивая стабильное подключение к API без VPN по лучшим ценам на Российском рынке.

Ориентировочные даты стабилизации сервиса и вывода из опытной в промышленную эксплуатацию - 30 апреля 2025г.

AI MEDIATOR добавляет поддержку новейших моделей - Google Gemini-2.5-Pro-Preview и OpenAI GPT-4.5-Preview по лучшей цене на Российском рынке.

Модели показали высочайшие результаты на ряде бенчмарков.

Gemini 2.5 Pro - новейшая frontier модель от Google: https://blog.google/technology/google-deepmind/gemini-model-thinking-updates-march-2025/#gemini-2-5-thinking

OpenAI GPT-4.5 Preview - самая "большая" и дорогая нейронка показывающая отличные результаты в знании фактов, креативном письме, эмоциональном интеллекте и т.п. - хотя возможно и не бьющая рекорды thinking моделей в технических задачах и кодинге. См. https://openai.com/index/introducing-gpt-4-5/

После успешного тестирования AI MEDIATOR объявляет о включении DeepSeek в список поддерживаемых моделей искусственного интеллекта. Тестирование показало высокую эффективность модели в решении широкого спектра задач, особенно в области программирования и анализа данных.

DeepSeek продемонстрировал впечатляющие результаты в:

• Написании и анализе программного кода
• Работе с большими объемами текста
• Решении сложных аналитических задач

"DeepSeek существенно расширяет возможности наших клиентов в области разработки ПО и обработки данных. Модель показала отличные результаты во время тестирования, и мы уверены, что она станет ценным дополнением к нашему портфолио AI-решений", - комментируют в AI MEDIATOR.

Доступ к DeepSeek будет открыт для всех клиентов платформы сразу после запуска.