Anthropic-ek 100 milioi dolar inbertitzen ditu 10.000 Claude ingeniari trebatzeko
Anthropic-ek Claude Frontier Academy ireki zuen eta 100 milioi dolar gastatuko dituela esan zuen argitaratutako egutegiaren arabera 10.000 Frontier Deployed Engineers sortzeko. Argudioa zorrotza da. Modeloak ez dira arazoa. Eskasia Claude enpresa baten barruan bidali dezaketen pertsonak dira.
Lehenengo kohorteak dagoeneko martxan daude San Frantziskon, New Yorken eta Londresen, Accenture, Bain, Capgemini, Commonwealth Bank of Australia, Deloitte, McKinsey, Morgan Stanley eta Novo Nordisk-etik etorriak. Ez duzu aurkeztu beharrik. Zure enpresak izendatzen zaitu, eta Claude izeneko proiektu batekin etorri behar duzu.
Forma medikuntzako egoitza baten antzekoagoa da ziurtagiri-lantegi batena baino. Hainbat eguneko aurrez aurreko ariketa bat, praktikaldi kalifikatu bat, Claude Ingeniari Egoiliarren domina bat, eta gero 12 asteko zuzeneko misio bat zuzentzen Antropiako ingeniariek zure sorbaldaren gainetik begira. Berriro gaindituz gero, Mugako Ingeniari Desplazamenduaren domina lortuko duzu. Lehenengoa, diotenez, egoitzak amaitu ondoren dator.
Steve Corfieldek, lankidetzak zuzentzen dituenak, dio agentzia handiko talde txiki batek "enpresa oso bat eraldatu" dezakeela. Baliteke. Anthropic-ek dagoeneko 175.000 Claude ziurtagiri baino gehiago dituela aldarrikatzen du 46.000 enpresatan, beraz, talentu-arrakala oraindik nahikoa handia da beste programa zorrotzago bat justifikatzeko. Izendapen-bakarrik kalitate-kontrola edo itxaron-zerrenda oso dotorea da.
Applek askoz zailagoa egingo du Disko Osoko Sarbidea IA agente bati ematea
Applek garatzaileei esan die kontrolak gehitzen ari dela, macOS Disko Osorako Sarbidea "erabiltzaile ekintza oso esplizitu batekin" bakarrik eman ahal izateko. Baimena babeskopia aplikazioek disko osoa ikus zezaten eraiki zen. Agenteek arriskua aldatu dute, Applek orain dioenez.
Konpainiaren oharra bera nahiko zorrotza da. Aldaketa horrek fitxategiak, posta elektronikoa, mezuak eta nabigazio-historia agerian utz ditzake, eta komunikazio-aplikazio batentzat, mezu horien beste aldean dauden pertsonak ere agerian utz ditzake. "IA agenteak gero eta gaiagoak eta autonomoagoak diren heinean, sarbide-maila honekin lotutako arriskuak nabarmen handituko dira"
Denbora ez da sotila. Jason Atenek, Inc.-ekoak, esan eta egun batzuetara gertatu zen hau, Metaren Mac-eko Muse-k bere mezu pribatuetan zer zegoen bazekiela. Metak hori ukatu zuen. Bere argudioa da Mezuetarako sarbideak Disko Sarbide Osoa eta Muse konektore bereizi bat behar dituela, biak aukerakoak. Applek ez zuen Muse izendatu, eta ez zion TechCrunch-i esan noiz bidaliko ziren kontrol berriak.
Benetako abisua, datarik gabe, eta eztabaida bat "erabiltzaileak Onartu sakatu" duen ala ez baimen informatutzat hartzen den ala ez, klik egiten ari den gauza agente bat denean. Ez nuke hau oraindik konponbidetzat hartuko. Apple da elkarrizketa zaharra ez dela nahikoa onartzen duena.
Metak kit bat kode irekian eskaintzen du zure Muse tramankulua eraiki ahal izateko
Metak Muse Gadgets kaleratu du, bere Muse agentearekin komunikatzen den hardwarearentzako kode irekiko proiektu bat. Firmwarea eta Linux SDK bat lortzen dituzu. Jostailu iradokizunen artean, koloretako tinta elektronikoko pantaila bat eta telebistaren HDMI atakan konektatzen den stick bat daude. Raspberry Pi bat edo ESP32 plaka merkea nahikoa da, eta gero mahaian dauden botoiak eta sentsoreak konektatu behar dituzu.
Beraiek eraiki dute bat dagoeneko. Nat Friedmanek, Superintelligence Labs-eko produktu buruak, X saioan esan zuen Muse Home Link USB-C dongle bat dela, Muse etxeko sarera konektatzen duena, bozgorailuetara eta telebista adimendunetara irits dadin. Metak 5.000 egin zituen eta Muse harpidedunei ematen dizkie, stocka agortu arte. Bidalketa, esan zuen, aste gutxiren buruan izango dela.
Discord bat dago, hau da, komunitatea edo laguntza teknikoa mozorro bat jantzita. TechCrunch-ek adierazi zuen Friedmanen mezuak ia 30.000 ikustaldi lortu zituela ordu gutxitan, eta gero doako pila jada desagertuta zegoela pentsatu zuen. Azken zati hori asmakizun bat da, ez stock zenbaketa bat.
Muse liburuak bidaiatzen eta formularioak betetzen dituen agentea izatea espero zen. Orain Metak zaletuen hardwarean ere bizi nahi du. Dibertigarria, apur bat desorekatua eta oso markaren araberakoa Muse gela guztietan nahi lukeen enpresa batentzat.
Trumpek Jay Clayton espioitza burua izendatuko duela espero da bere IA zar - Etxe Zuriak dio ez dela hain azkar
Reutersek, erabakiaren berri duen iturri bat aipatuz, jakinarazi duenez, Trump presidenteak Jay Clayton Inteligentzia Nazionaleko zuzendaria izendatuko du bere IA aholkulari nagusi, "IA zar" deitu duen lanpostua. Claytonek 18 inteligentzia agentzia gainbegiratzen ditu dagoeneko eta lanpostu hori mantenduko luke.
Ondoren, Etxe Zuriak berdindu egin zuen. Bozeramaile batek Reutersi esan zion langileen berri guztiak presidentearengandik etorriko zirela, eta "ordura arteko edozein txosten oinarririk gabeko espekulazioa dela". Beraz, iturrietatik jasotako itxaropena da, ez hitzordu bat. CBSk izan zuen lehenago, Reutersek dioenez.
Atzeko planoa mantentzen da izena blokeatuta ez badago ere. Trumpek esan du IA tsar berri bat eta "IA indar" bat nahi dituela, baina ez du esan zer egingo lukeen bietako batek ere. David Sacksek tsar kargua izan zuen bigarren agintaldiaren hasieran, Etxe Zuria utzi zuen, eta oraindik ere IAri buruzko aholkuak ematen ditu. Duela gutxi presidentearekin eta industriako zuzendariekin izandako bileran izan zen.
Inteligentzia burua IA politikaren arduradun jartzea seinale mota oso zehatza litzateke. Edo hala izango litzateke, gertatzen bada. Presidenteak esan arte, hartu titularra filtrazio gisa, ukazio bat lotuta duela.
Cloudflare-ren AI Gateway-k orain zuzeneko webean bilaketak egin ditzake
Cloudflare-k Web Bilaketa API bat abiarazi zuen AI Gateway-ren barruan, Ceramic.ai, Exa eta Linkup lehen bazkide izanik. Erantzuten duen kexa ia barregarria da. Agenteek askotan URL bat asmatzen dute eta gero kizkurtzen dute, eta horrela lortzen da 404 bat modu seguruan.
Bilaketa-deiak AI Gateway erregistro berdinetan agertzen dira, kreditu berdinak kontsumitzen dituzte eta sarbide-kontrol berdinen atzean daude. Zure giltza ekar dezakezu. Cloudflare-k dio bazkideen bilaketa zerrenda-prezioan salduko duela, markaketarik gabe, eta zeinek eskaintzen duen datu-atxikipenik zero markatuko duela.
Estandarren aurkezpen bat ere badago. Arakatzaile horiek Cloudflare-ren egiaztatutako bot-arauak bete behar dituzte: beren burua identifikatu, robots.txt fitxategia errespetatu eta erabilitako orrialderako esteka itzuli. Emaitzak REST dei baten edo Workers lotura baten bidez lortzen dira. Atebidearen barruko "zerbitzari tresna" natiboak oraindik ere datoz, eta web bilaketa lehenengoetakoa izango dela uste da.
Merezi du zure agentea iazko prestakuntza-murrizketetan trabatuta badago edukitzea. Gutxiago indize neutral bat nahi baduzu. Bazkide bat aukeratzen ari zara, eta Cloudflare da neurgailua.
The Verge-k OpenAI-ren Dot probatu zuen eta gehienbat bot egiaztapenean trabatu zen
OpenAIren Dot agentea, dagoeneko iragarrita, The Verge-ren eskutik probatu ahal izan zuen. Allison Johnsonek blob bat lortu zuen - Dotty McDotface izena jarri zion - hilean 100 dolarreko Pro planean. Geroago Dot anitz agintzen dira. Oraintxe bertan, lankide bat da, Blender eta GIMP bezalako gauzak ireki ditzakeen makina birtual batekin, eta zure ordenagailura apuntatzeko eta telefonoz deitzeko aukerarekin.
Kontu pertsonalak hautsi egin ziren. Interneteko instalazio bat erreserbatzen ari zela 100 dolarreko promozio bat aurkitu zuen, eta gero, gizaki batek sakatu eta eutsi zion egiaztapen batean hil egin zen. Muse bezala, ez zuen txartelik gorde. Doako coworking bisita bat galdu zuen eta 35 dolarreko eguneko txartela eskaini zuen. Ikea saioa hasteko buklea eman zuen. Teriyaki gune batek hodeiko arakatzailea blokeatu zuen. Azkenean, teriyaki eskatu zuen, gizaki batek Uber Eats-en sartu zuenean.
Eman iezaiozu webgune bat eta bideo-fitxategi pila bat, ordea, eta berrikuspena aldatzen da. 10 minutuko telefono-dei bat gune pertsonal garbiago bihurtu zen. Tokiko sarbidearekin, sare sozialetako klip bat moztu eta birdiseinua zabaldu zuen. Johnsonen esaldia da Dot "Codex" dela, baina jende arruntarentzat", eta baita ere ez dela erabilgarria bere lanerako hilean 100 dolar balio duena.
Beraz, avatar polit hori enpresa-software bat da, eta afaria ere eska dezake, baldin eta afariaren webguneak ez badu ohartzen bot bat dela. Kontuz, eta berak hala dio.
MITek eta Sakana AI-k LLM epaile bat erabiltzen dute auto-hobekuntzako kode-agenteak merkatzeko
VentureBeat-ek SIFT idatzi zuen, Fast Tree Search bidezko auto-hobekuntza errekurtsiboa, MIT eta Sakana AI-ko ikertzaileen eskutik. Auto-hobekuntzako kodeketa-agente baten zatirik garestiena ez da adabakia. Adabaki guztiak probatzea da. Proposamen batek 12 zentimo inguru balio du. 50 Polyglot zeregin exekutatzeak 6 dolar eta 2,6 CPU ordu inguru balio du.
SIFT-ek beste modelo bati eskatzen dio agente berria, binaka, artxiboan dauden 10 agente sendo ingururekin alderatzeko. Epaileak kodea ikusten du, ez erreferentziazko erantzunak. Konparazio horiek (4,4 zentimo inguru bakoitza) gehi lau atazako ke-proba txiki batek erabakitzen dute nork merezi duen benetako exekuzioa. Adar berriak has daitezke proba motelak amaitu baino lehen.
Polyglot-en, o3-mini exekuzio batek % 35,1eko arrakasta lortu zuen bost ordu baino gutxiagoan, 42 CPU ordu eta gutxi gorabehera 150 dolar API kredituetan. Horrek Darwin Godel Machine-ren oinarrizko puntuazioa gainditu zuen, % 30,7an, eta epailea itzalita zegoen SIFT exekuzio batek % 29,8 baino ez zuen lortu. Qwen3-Coder-30B-rekin, Huxley-Godel Machine-ren oinarrizko puntuazioa gainditu zuen, CPU heren bat gutxiagorekin.
Emaitza deigarria TerminalBench-en dago. Bilaketa-multzo txikian itxura onena izan zuen agenteak % 28,1eko batez bestekoa izan zuen benchmark osoan. Epailearen aukeraketak % 36,7ko batez bestekoa izan zuen. Kodetik bertatik ohartu zen egiaztatzaile bat lehenespenez desaktibatuta zegoela. Ez dago lotutako biltegi publiko bereizirik, eta hala ere probak iruzur egiten zituzten adabakiak blokeatu behar izan zituzten. Jakina.
Maiz egiten diren galderak
Zer da Anthropic-en Claude Frontier Akademia?
Anthropic-ek Claude Frontier Academy ireki zuen eta 100 milioi dolar gastatuko dituela esan zuen 10.000 Frontier Deployed Engineers sortzeko. Argudioa da modeloak ez direla arazo nagusia. Eskasia Claude enpresa martxan dagoen baten barruan bidali dezaketen pertsonak dira. Lehenengo kohorteak dagoeneko lanean ari dira San Frantziskon, New Yorken eta Londresen, Accenture, Bain, Capgemini, Commonwealth Bank of Australia, Deloitte, McKinsey, Morgan Stanley eta Novo Nordisk-etik etorriak. Anthropic-ek dagoeneko 175.000 Claude ziurtagiri baino gehiago ditu 46.000 enpresatan.
Nola irabazten duzu Frontier Deployed Engineer domina?
Ez duzu aurkezten eskaerarik. Zure enpresak izendatzen zaitu, eta Claude izeneko proiektu batekin iritsi behar duzu. Forma medikuntzako egoitza batena da ziurtagiri-lantegi batena baino gehiago. Horrek esan nahi du hainbat eguneko aurrez aurreko ariketa bat, kalifikatutako praktikak eta Claude Ingeniari Egoiliarren domina bat, eta gero 12 asteko zuzeneko misio bat zuzentzen Anthropic-eko ingeniariek zure sorbalda gainetik begira. Berriro gainditzen baduzu, Mugan Desplazatutako Ingeniariaren domina lortuko duzu. Anthropic-ek dio horietako lehenengoa egoitzak amaitu ondoren datorrela.
Zergatik ari da Applek gogortzen IA agenteentzako Disko Sarbide Osoa?
Applek garatzaileei esan zien macOS Disko Sarbide Osoa "erabiltzaile ekintza oso esplizitu batekin" bakarrik eman daitekeela. Baimena babeskopia aplikazioek disko osoa ikus zezaten eraiki zen, baina Applek dioenez, IA agenteek arriskua aldatu dute. Fitxategiak, posta elektronikoa, mezuak, nabigazio historia eta komunikazio aplikazio baten beste aldean dauden pertsonak agerian utz ditzake. Metak Muse Mac mezu pribatuak irakurtzen zituela dioen baieztapena ukatu zuen, eta Mezuen sarbideak Disko Sarbide Osoa eta harpidetza konektore bereizi bat behar dituela esan zuen. Applek ez zuen Muse-ren izena eman, ezta TechCrunch-i ere esan kontrolak noiz bidaliko diren.
Nola eraikitzen da Meta Muse tramankulu bat?
Metak Muse Gadgets kaleratu ditu, firmware irekia eta bere Muse agentearekin komunikatzen den hardwarearentzako Linux SDK bat. Koloretako tinta elektronikoko pantaila batek edo telebistarako HDMI stick batek Raspberry Pi edo ESP32 merkea erabil dezake, botoi eta sentsoreekin batera. Metak 5.000 Muse Home Link dongle egin ditu, Muse etxeko sare batean konektatzen duten USB-C gailuak bozgorailu eta telebista adimendunetarako. Metak Muse harpidedunei ematen dizkie stocka agortu arte. Nat Friedmanek esan du bidalketa aste gutxiren buruan izango dela.
Trumpek Jay Clayton izendatu al du IAren zar?
Etxe Zuriak ez du baieztatu. Reutersek, erabakiaren berri duen iturri bat aipatuz, jakinarazi duenez, Trump presidenteak Jay Clayton Inteligentzia Nazionaleko zuzendaria IAren zar izendatuko du espero da. 18 inteligentzia agentzia gainbegiratzen ditu eta DNI kargua mantenduko du. Etxe Zuriko bozeramaile batek esan du langileen berri oro presidentearengandik etorriko dela, eta ordura arteko informazioa oinarririk gabeko espekulazioa dela. David Sacksek zar kargua izan zuen bigarren agintaldiaren hasieran, Etxe Zuria utzi zuen, eta oraindik ere IAri buruzko aholkuak ematen ditu.
Nola bilatzen ditu Cloudflare-ren AI Gateway-k AI agenteak webean?
Cloudflare-k Web Bilaketa API bat abiarazi zuen AI Gateway-ren barruan, Ceramic.ai, Exa eta Linkup lehen bazkide izanik. URL bat asmatu, kizkurtu eta 404 bat lortzen duten IA agenteentzat da. Bilaketa deiek erregistro, kreditu eta sarbide-kontrol berdinak erabiltzen dituzte, eta zuk zure gakoa ekar dezakezu. Cloudflare-k dioenez, bazkideen bilaketa zerrenda-prezioan salduko du, markaketarik gabe, eta zein bazkidek ez duten datu-atxikipenik eskaintzen markatuko du. Arakatzaile horiek beren burua identifikatu, robots.txt fitxategia errespetatu eta erabili duten orrialderako esteka bat itzuli behar dute.
Zer gertatu zen The Verge-k OpenAI-ren Dot-ekin esku artean izan zuenean?
Allison Johnsonek Dot bat probatu zuen hilean 100 dolarreko Pro planean, eta geroago Dot gehiago agindu zituen. Lankide bat da makina birtual batean, Blender eta GIMP ireki ditzakeena, eta zure ordenagailuari zuzendu edo telefonoz deitu diezaiokezu. Enkarguak ez ziren sakatu eta eutsi gizakiaren egiaztapen batean eta Ikea saioa hasteko moduan egon, eta teriyaki gune batek hodeiko arakatzailea blokeatu zuen gizaki batek Uber Eats ireki zuen arte. Webgune batekin, bideo fitxategiekin eta sarbide lokalarekin, 10 minutuko dei bat gune pertsonal garbiago bihurtu zen, eta sare sozialetako klip bat moztu eta birdiseinua zabaldu zuen.
Nola murrizten du SIFTeko LLM epaileak kodeketa-agenteak probatzearen kostua?
SIFT, Zuhaitz Bilaketa Azkarra bidezko Hobekuntza Errekursiboa, MITeko eta Sakana AIko ikertzaileek egina da. Proposamen batek 12 zentimo inguru balio du, eta 50 Polyglot atazek, berriz, 6 dolar eta 2,6 CPU ordu inguru. Epaile batek agente berria bikoteka alderatzen du artxibatutako 10ekin eta kodea ikusten du, ez erreferentziazko erantzunak. 4,4 zentimo inguruko konparaketek, gehi lau atazetako ke-proba batek, erabakitzen dute nork exekuzio osoa egiten duen. o3-mini exekuzio batek % 35,1eko portzentajea lortu zuen Polyglot-en, % 30,7tik gora Darwin Godel Machine oinarrizko makinarentzat eta % 29,8 epailea ez zegoenean.