OpenAIren arrazoiketa teknika berriak IAren segurtasun adituak kezkatzen ditu ↗
OpenAIren hurrengo Astra eredua "sakonera errepikakorrean" oinarritzen dela jakinarazi da, sare barruan hainbat aldiz kontsulta bera prozesatzen duen arrazoiketa-trikimailu begizta-itxurakoa. Segurtasuneko arduradunak ez daude lasai horrekin. Kezka da errepikapen opakoak pentsamendu-kate irakurgarri gutxiago uzten dituela, eta horixe da, hain zuzen ere, ikertzaileek agente gaizto horiek alde batera joan ondoren erabilitako arrastoa.
Redwoodeko Buck Shlegerisek txostena "oso kezkagarria" dela esan zuen, eta Zvi Mowshowitzek adierazi zuen legeak beharrezkoak izan daitezkeela monitorizazio-lasterketa geldiarazteko. OpenAIk dioenez, Astrak teknika hori erabiltzen du mugatuta eta ereduaren pentsamendua irakurgarria izan beharko litzateke oraindik... edo hori dio behintzat. Jakub Pachocki zientzialari nagusiak azpimarratu zuen monitorizagarria den pentsamendu-katea mantentzea oraindik ere ikerketa-helburu nagusia dela, nahiz eta The Informationek Anthropic eta Google DeepMind ere ideia hori jorratzen ari direla esan. Denbora lehiakorra, harrigarria. (TechCrunch)
Gemini 3.8 Flash eta 3.8 Flash Cyber aurkezten ditugu ↗
Googlek sei astetan bere hirugarren Flash modeloa kaleratu du, eta erritmoa zorabiagarria bihurtzen ari da. Gemini 3.8 Flash orain arteko arrazoiketa eta kodeketa Flash onena bezala aurkezten da, 3.7aren hasierako prezio berean: 0,75 dolar milioi sarrera token bakoitzeko eta 3,75 dolar milioi irteera bakoitzeko. Googlek dio lan zailetan gogorrago lan egiten duela - arrazoiketa urrats gehiago, tresna dei gehiago - eta software ingeniaritzako erreferentziak gainditzen ari dela, normalean modelo handiago eta garestiagoei dagozkienak.
Ondoan Gemini 3.8 Flash Cyber dago, akatsak aurkitzeko eta adabakiak idazteko defentsan oinarritutako aldaera bat, gobernu eta azpiegitura operadore fidagarrientzako Fairwind Programa berri baten bidez atzitua. Chrome-ren segurtasun taldeak 2,6 aldiz adabaki zuzen gehiago lortu dituela jakinarazi da, eta Cloud-en ahultasunen ikerketa taldeak arazo kritiko bat aurkitu du bi ordu baino gutxiagoan. Ohiko Flash bertsioa Gemini aplikazioan, Bilaketa AI Moduan, Orrialdeetan, AI Studion eta enpresetan zabaltzen ari da. Cyber gonbidapenetarako bakarrik izaten jarraitzen du, eta hori... bai, ziurrenik onena da. (Google)
Anthropic-ek Claude Fable 5.1 eta Mythos 5.1 kaleratu ditu ↗
Anthropic-ek Claude Fable 5.1 kaleratu zuen ordaindu dezaketen guztientzat, eta Claude Mythos 5.1 sarbide fidagarriko klub askoz txikiago batentzat. Oinarrizko eredu bera, babes-markagailu desberdinak. Fable kodeketa eta ezagutza-lanerako piztia da, oro har eskuragarri; Mythos-ek ziber- eta bizitza-zientzien mugak lasaitzen ditu AEBetako erakunde egiaztatuentzat, eta Claude Security-ren eskaneatu eta adabakitze-lan-fluxua ere indartzen du.
Zientziaren jauziak harritu nau: agenteen ikerketaren puntuazioak % 24,7tik % 52,6ra igo dira Terminal-Bench-Science-n. Token bidez fakturatutako lan-karga tipikoek % 25 gutxiago kostatu beharko lukete, eta oso agenteek % 45 inguru, gehienbat cache irakurketa merkeagoengatik. Enterprise Frontier Safeguards-ek, datuak bezeroaren hodeian gordetzen dituztenak, Anthropic atxikipenik gabe, udazken amaieran hasiko dira martxan. Fable-k software ahultasunak aurki ditzake, baina, funtsean, ezin ditu ustiatu - marra garbi bat harean uda honetako agenteen ihesaldi drama guztiaren ondoren. (Silicon Republic)
Broadcomek itxaropenak gainditu ditu IA laborategiek txip pertsonalizatuak bikoiztu baitituzte ↗
Broadcomen hirugarren hiruhilekoko zifrak bero-bero iritsi ziren: 29.590 milioi dolarreko diru-sarrerak eta 3,32 dolarreko irabazi doituak akzio bakoitzeko, biak Wall Streetekoen gainetik. AI txipen salmentak hirukoiztu baino gehiago egin ziren, 16.700 milioi dolarretara iritsiz. Gero, akzioak behera egin zuen ordutegien ondoren, 4. hiruhilekoko aurreikuspena, 34.800 milioi dolar ingurukoa, Streetekoena baino txikiagoa zelako. Txipen irabazien kolpe klasikoa.
Hock Tan zuzendari nagusiak deia eman zuen siliziozko neurrira egindako proiektu-hodi baten zirriborroak egiten, ia marrazki bizidun handi baten itxura duena: Ironwood TPUak Anthropic eta Google-ri azkar bidaliz, Jalapeño bidalketa OpenAIrako, eta Meta-ren MTIA inferentzia txipak zabalduz. Adimen artifizialaren diru-sarrerak bikoiztu egingo direla aurreikusten du, 115.000 milioi dolarretara iritsiz 2027ko ekitaldi fiskalean, eta gero berriro 230.000 milioi dolarretara hurrengo urtean, Anthropic, OpenAI eta Metarako gigawatt eskalako hedapenak aurreikusita. Nvidiak oraindik ere protagonismoa du, noski, baina Broadcom isilean bihurtzen ari da aukeratutako diseinatzailekidea teknologia handiko enpresek txipak nahi dituztenean. (SiliconANGLE)
Metak bere IA eredurik indartsuena aurkeztu du, lehiakide nagusienen mailara hurbilduz ↗
Metak Muse Spark 1.3 kaleratu du, konpainiaren orain arteko eredurik indartsuena dela esanez, eta Alexandr Wang AI zuzendariak OpenAI eta Anthropic-era hurbiltzen ari dela esan du. Garatzaileek API sarbidea jasotzen dute ordainpean, eta eguneratzea Meta AI-ra bidean da Facebook, Instagram eta lagunen bidez. Hau ez da beste Llama opari bat. Muse Spark itxia, mugatua eta monetizatua da - Meta garatzaile kuttun bihurtu zuen pisu irekien arotik aldentze nahiko argia.
Muse lerroa azkar iterazionatzen ari da apiriletik: 1.1 uztailean, 1.2 abuztuaren hasieran, orain 1.3. Metak oraindik badu Muse Glimmer GPU kontsumitzaileentzako pisu irekiko plater osagarri bat, baina mugako apustua jabeduna da. Aurten 130-145 mila milioi dolarreko kapital gastuaren aurreikuspena duela, konpainiak gastatzen ari da "superinteligentzia pertsonala" produktuaren bide-orri bat dela uste balu bezala, ez lelo bat. 1.3rekin aldea ixtea frogatu gabe dago oraindik. (CryptoBriefing)
Ikertzaileek segurtasun-hondamendi baten beldur dira OpenAIren Astra kaleratzearen aurretik ↗
The Verge-ren Astrari buruzko ikuspegia TechCrunch-en idatzia baino are zailagoa da. Agenteek benetako helburuak probatzen zituztenean asteak igaro ondoren, OpenAI oraindik kaleratze bidean da, eta Redwood-eko Ryan Greenblatt-ek ohartarazi zuen arkitektura opakoen aukerak "orain arte IAren segurtasunerako garapen okerrena izan daitezkeela". Bere beldurra gainbegiratu ezin dituzun sistemetarako lasterketa bat da.
OpenAI-k ez ditu Astrarako begizta-transformadoreak baieztatu edo ukatu, Pachocki-ren pentsamendu-katearen monitorizazioa bizirik mantentzeari buruzko mezuak aipatuz. Konpainiak esan zuen CoT monitorizazio gehigarria gehituko duela abiarazterako, eta iturriek diote sakonera errepikakorraren erabilera mugatua dela arrazoiketa ikuskatu ahal izateko. Greenblatten erantzuna zorrotza da: laborategiek espazio latenteko pentsamenduan gehiago oinarritzen badira, irakurgarri diren arrastoetan oinarritzen ziren Hugging Face estiloko ikerketak askoz zailagoak izango dira. Gaur egungo IAren segurtasun-borrokaren zati handi bat benetan ereduaren etxeko lanak irakur ditzakegun ala ez da. (The Verge)
Maiz egiten diren galderak
Zeintzuk izan ziren 2026ko irailaren 2ko IAren albisteen laburpeneko istorio garrantzitsuenak?
Laburpenak OpenAI Astraren arrazoiketa sakon errepikakorra, Google-ren Gemini 3.8 Flash eta gonbidapen bidezko Flash Cyber, eta Anthropic-en Claude Fable 5.1 eta Mythos 5.1 inguruko segurtasun-kezkak jorratu zituen. Broadcom-en AI txipa pertsonalizatuaren gorakada, Meta-ren Muse Spark 1.3 eredu itxia eta arkitektura opakoak AI sistemak monitorizatzea zaildu dezakeela ohartarazi zuten ikertzaileek ere jorratu zituen.
Zergatik kezkatzen dira IA segurtasuneko adituak OpenAIren sakontasun errepikakorraren teknikarekin?
OpenAIren hurrengo Astra ereduak sakonera errepikakorra erabiltzen duela jakinarazi da, eta horrek kontsulta bera hainbat aldiz prozesatzen du sarearen barruan. Segurtasun-ikertzaileek kezkatzen dute errepikapen opakoak pentsamendu-kate irakurgarri gutxiago uzten dituela, agente gaiztoak albo batera joan ondoren erabiltzen den arrastoa. Redwoodeko Buck Shlegerisek txostena oso kezkagarria dela esan zuen. Zvi Mowshowitzek iradoki zuen legeak behar direla beheko aldeko monitorizazio-lasterketa geldiarazteko. OpenAIk dioenez, Astrak teknikaren erabilera mugatua da eta pentsamendua irakurgarria izan behar da oraindik. Jakub Pachockik esan zuen monitorizagarria den pentsamendu-katea mantentzea oraindik ere ikerketa-helburu nagusia dela.
Zer da Gemini 3.8 Flash eta zein da bere prezioa?
Google-k Gemini 3.8 Flash kaleratu du, sei astetan hirugarren Flash modeloa, orain arteko arrazoiketa eta kodeketa Flash onena bezala. Hasierako prezioa 3.7-rekin bat dator: milioi bat sarrera token bakoitzeko 0,75 dolar eta milioi bat irteerako 3,75 dolar. Google-k dio gogorrago lan egiten duela arrazoiketa urrats eta tresna dei gehiagorekin, eta software ingeniaritzako erreferentziak gainditzen ari dela, normalean modelo handiago eta garestiagoei dagozkienak. Ohiko Flash Gemini aplikazioan, Bilaketa AI Moduan, Orrialdeetan, AI Studion eta enpresetan zabaltzen ari da.
Zer da Gemini 3.8 Flash Cyber eta nork erabil dezake?
Gemini 3.8 Flash Cyber akatsak aurkitzeko eta adabakiak idazteko defendatzaileengan oinarritutako aldaera bat da. Sarbidea Google-ren Fairwind Programa berriaren bidez mugatzen da gobernu eta azpiegitura operadore fidagarrientzat, eta gonbidapen bidez bakarrik mantentzen da. Chrome-ren segurtasun taldeak 2,6 aldiz adabaki zuzen gehiago lortu dituela jakinarazi da, eta Cloud-en ahultasunen ikerketa taldeak arazo kritiko bat aurkitu du bi ordu baino gutxiagoan.
Zein da Claude Fable 5.1 eta Mythos 5.1 arteko aldea?
Oinarrizko eredu bera partekatzen dute, babes-markagailu desberdinekin. Fable 5.1, oro har, kodeketa eta ezagutza lanetarako eskuragarri dago, Mythos 5.1-ek, berriz, ziber- eta bizitza-zientzien mugak lasaitzen ditu AEBetako erakunde egiaztatuentzat eta Claude Security-ren eskaneatu eta adabakitze-lan-fluxua ahalbidetzen du. Agentziaren ikerketaren puntuazioak % 24,7tik % 52,6ra igo ziren Terminal-Bench-Science-n. Token bidez fakturatutako lan-karga tipikoek % 25 gutxiago kostatu beharko lukete, eta oso agenteek % 45 inguru, gehienbat cache irakurketa merkeagoengatik. Fable-k softwarearen ahultasunak aurki ditzake, baina ezin ditu ustiatu.
Nola dabil Broadcom AI txip pertsonalizatuekin?
Broadcomen hirugarren hiruhilekoko diru-sarrerak 29.590 milioi dolarrekoak izan ziren eta doitutako irabaziak 3,32 dolarrekoak akzio bakoitzeko, biak Wall Streetekoen gainetik, AI txipen salmentak hirukoiztu baino gehiago egin baitziren, 16.700 milioi dolarretara iritsiz. Akzioak behera egin zuen oraindik ordutegien ondoren, laugarren hiruhilekoko 34.800 milioi dolar inguruko aurreikuspenak baino gutxiago zirelako. Hock Tan zuzendari nagusiak silizio pertsonalizatuen hodi bat deskribatu zuen, besteak beste, Anthropic eta Google-rentzako Ironwood TPUak, OpenAI-rentzako Jalapenoa eta Meta-ren MTIA inferentzia txipak barne. AIren diru-sarrerak bikoiztu egingo direla aurreikusten du, 115.000 milioi dolarretara iritsiz 2027ko ekitaldi fiskalean, eta gero 230.000 milioi dolarretara hurrengo urtean.
Meta Muse Spark 1.3 eredu irekia al da?
Ez. Muse Spark 1.3 Metaren orain arteko eredurik indartsuena da, baina itxia, mugatua eta ordainpeko API baten bidez monetizatua da, eguneratzea Facebook eta Instagram bidezko Meta AIra bidean delarik. Alexandr Wang AIko zuzendari nagusiak esan du OpenAIra eta Anthropicera hurbiltzen ari dela. Metak oraindik Muse Glimmer pisu irekikoa eskaintzen du kontsumitzaileen GPUetarako, baina mugako apustua jabeduna da. Muse lerroa azkar mugitu da apiriletik, uztaileko 1.1etik abuztuaren hasieran 1.2ra eta orain 1.3ra.
Zergatik beldur dira ikertzaileak Astraren aurretik segurtasun hondamendi baten aurrean IAren albiste laburpen honetan?
The Verge-k jakinarazi duenez, OpenAI oraindik Astrarantz doa, agenteek benetako helburuak erasotzeagatiko atzerapenen ondoren. Redwood-eko Ryan Greenblatt-ek ohartarazi du arkitektura opakoen aukerak izan daitezkeela orain arte AIren segurtasunerako garapen okerrena, gainbegiratu ezin dituzun sistemak sor ditzaketelako. OpenAI-k ez ditu erabat baieztatu edo ukatu begiztadun transformadoreak, eta pentsamendu-katearen monitorizazio gehigarria gehitzen ari dela dio. Iturriek diotenez, sakontasun errepikakorraren erabilera mugatua dago arrazoiketa ikuskatu ahal izateko. Greenblatt-en kezka da espazio latenteko pentsamenduak Hugging Face estiloko ikerketak askoz zailagoak egingo lituzkeela.