AI&フロンティアテックラウンドアップ:GPT-6.2 Astraのリーク、ローカル推論記録、エージェントマーケットプレイスの台頭
この投稿群では、フロンティアラボが新しいフラッグシップモデルを公式に確認したものはありません。一貫しているのは、GPT-6.2 AstraとGemini 4 Kryptonに関する未確認のリークとリリース頻度の憶測、具体的なローカルおよびエッジ推論ベンチマークの密集したクラスター、そして急速に成熟しつつあるエージェントインフラストラクチャ層(マーケットプレイス、エスクロー、アイデンティティ、自己改善ハーネス)です。さらに、新しい実世界ロボティクス評価データと1件のサプライチェーンセキュリティインシデントも含まれています。
フロンティアモデル:リーク、噂、リリース頻度
ここにあるものは、モデルベンダーによって公式に確認されたものはありません。最も議論されているのは、リーク、リセラーアクセス、コミュニティの懐疑論です。
- Token Gremlinは、大規模なリークと思われるものの後、GPT-6.2 AstraがすでにAPIリセラーを通じて販売されている可能性があり、ユーザーがアクセスを取得して公式ハーネスでCodexに接続していると報告しています。この投稿は、Azure関連のギャップが発売日にモデルを流出させた可能性があると推測し、テスターはそれをGPT-6 Astraよりも明らかに優れて効率的で、出力にクラシックなGPTの外観があると説明していると述べています。著者は、まだ公式な確認はなく、もし本物ならOpenAIとそのパートナーにとって潜在的な大失敗になると述べています @TokenGremlin。
- 同じ著者は、コミュニティの反応は非対称であると主張しています:10月1日の匿名A/BテストでのFable 5.2は広く賞賛された一方、11月の匿名A/BテストでのGPT-6.2 Astraは広く偽物と呼ばれました @TokenGremlin。
- Token Gremlinはまた、完全にゼロから生成された画像(ストックも参照もなし)が早期アクセスのGPT-6.2 Astraから来たと主張し、OpenAIはAnthropicのIPOを揺るがす可能性のあるモンスターを発売準備していると述べています @TokenGremlin@TokenGremlin。
- 別の投稿で、Token Gremlinは、OpenAIが10兆パラメータを超える事前学習実行を公開製品に変えるのに苦労しており、GPT-6.1、GPT-6.2、GPT-6.5が安全性とアライメントの失敗により遅延しており、OpenAIはこれに関してAnthropicより数か月遅れていると主張しています。これは意見と未確認の噂であり、ベンダーの声明ではありません @TokenGremlin。
- ある投稿は、OpenAIが最後にフロンティアモデルをリリースしてから72日が経過したと数え、GPT-5と5.1の間の待機以来の最長ギャップと呼び、さらなる遅延はo3からGPT-5までの最長ギャップになると述べています @synthwavedd。
- Gemini 4 Kryptonのリーク投稿は、モデルが内部テスト中で最初のチェックポイントが到着し、すでに強力な3DおよびSVG出力を生成しており、コードによるオーディオ生成に最適なモデルでFableやAstraよりも優れており、Carbonのほぼ2倍の時間がかかるがハードワークを行うと主張しています。著者は来月の発売を期待しています @pankajkumar_dev。
- 謎のQoduck AIモデルは、Qwen4-Max-Previewとして明らかにされ、現在AlibabaのAIコーディングエージェントであるQoder AI IDE内で利用可能で、期間限定80%割引があります @Div_pradeep。
- BaiduのERNIE 5.5 Flash Previewは、OpenRouterで280B MoE、14Bアクティブパラメータ、1Mコンテキスト、ツール呼び出しで無料です。無料ドロップのラウンドアップによると、Thinking Machines Inkling 2 Small(17Bアクティブ/594B MoE、1Mコンテキスト、テキストと画像)、Duck.aiの無料チャットティア、月1,000回のTavily Search APIクレジット、オープンソースのCapCut代替品OpenCut、prompts.chat、AgentRing、$50のRunloop Proトライアルクレジット、Lovableビルドクレジットもリストされています。この投稿は、OpenRouterの
:freeルートは、少なくとも10クレジットが購入されていない限り、1分あたり20リクエスト、1日あたり50リクエストに制限されていると警告しています @calbuldelis69。 - Jen Zhuは、DeepSeekがそのフルスイートのアプリとAPI全体をオープンソース化し、これを最も徹底したオープンソースの動きであり、中央集権的なクローズドAIへの反抗であると述べています @jenzhuscott。
ローカルおよびエッジ推論のマイルストーン
これはこのバッチで最も具体的なクラスターです:モデルをローカルで実行するための具体的なスループット、レイテンシ、ハードウェア数値です。
- Apple M5U Studioでtensorfold上で実行されたGLM 5.3 Flash 4bitは、散文で2,100 tok/sのプリフィルと102.2 tok/sのデコードに達しました @ashxhart。
- 標準GPU周波数の4x DGX Spark上のdeepseek-v4.1-flashオリジナルウェイトは、vLLMで平均82.2 tok/sの生成、6,364 tok/sのプリフィル、8kコンテキストで1.15秒のファーストトークン時間、バッチ8で284 tok/sを記録しました @ivanfioravanti。
- Niko Veitが11月15日にリリースしたStrata v0.2.14は、プロンプトエキスパート計算をネイティブGPUカーネルに移動し、WindowsとLinuxのNVIDIAおよびAMD GPUで以前のllama.cppパスを置き換えました。報告されたベンチマーク:RTX 5090 7,870対6,851 tok/s(+14.9%プロンプト処理);RTX 4090 20Kトークンプロンプトが5.65秒対6.11秒(約7.5%高速);RTX 5070 Ti 1,408対953 tok/s(+47.7%);デュアルRTX A6000 75.88対64.16 tok/s(+18.3%出力);Mac M5 Max 94.7対92.8 tok/s出力(IQ3_S)。新しい設定は不要で、既存のモデル、チャット、構成はそのまま維持されました @uctive。
- Liquid AIのd1-2Bは、mlx-vlm上でApple Silicon M5 Max MacBook Proで実行され、ウェブカメラからジェスチャーや表情を約68ミリ秒で読み取り、毎秒約14の決定を行い、0トークンを生成し、100%ローカルで実行されます @ivanfioravanti。
- Seeed Studioは、DeepSeek-R1-Distill-Qwen-1.5BがreComputer Industrial RK3588上で6 TOPS NPUを搭載し、RKLLMとDockerを介して完全にオンデバイスで実行されることをデモしました:約18.3トークン/秒の生成、0.57秒のファーストトークン時間、約573生成トークン、31.88秒の合計応答時間、クラウドAPIなし @seeedstudio。
- 16GB GPUまたは24GB Macでは、Qwen 3.8 27Bの圧縮IQ3ファイルは約12GBで、20タスクテストでChatGPTと同じスコアを獲得したとあるユーザーが述べています @trikcode。
- Refuselessは、Abliterated DeepSeek V4.1のキャッシュレートを$0.025から$0.019に引き下げ、以前の$0.025キャッシュレートでより高速な新しい「Abliterated Fast」ティアを導入しました @refuselessai。
- Numesは、1日で368kリクエストと38Bトークンを報告し、前日のほぼ2倍、11日間で1.40Mリクエストと157Bトークンを報告しました。当時Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flashが無料でした @Schnitzel。
- Acurastは、電話でのQwen3.5ベンチマークを公開しました:16GB Android電話では、9Bモデルが7Kトークンプロンプトの処理に3分15秒かかり、0.8Bモデルはわずか15秒でした。著者は、本当の機会は、ChatGPTを電話で置き換えるのではなく、バックグラウンドタスク、不正チェック、自動化のために数千のデバイスで小さなモデルを実行することだと示唆しています @tienho_nyx。
- Acurastのベンチマークスコアリングウェイトは、RAM容量46.15%、シングルコアCPU 23.07%、マルチコアCPU 23.07%、ストレージ7.69%と報告されています。プロセッサは資格のために定期的なハートビートを送信し、実際のデプロイメントが割り当てられたデバイスは、その報酬期間のベンチマークメトリクスに追加の10%のウェイトを受け取ります—スコアリングブーストであり、支払い増加の保証ではありません。ベースベンチマーク報酬にACUのステーキングは必要ありません @skysaksham。
- Acurastは、電話プロセッサをpeaqOSに持ち込み、最初の1,000以上がライブで$PEAQをボンディングしました。デモでは、Unitree G1ヒューマノイドがジョブを送信し、USDCで支払い、3台の電話がそのテレメトリを処理して結果を返し、ロボットのアイデンティティと電話のアテステーションがあり、信頼のために仲介者がカットを取ることはありません。著者は、1,000プロセッサはパイロットであり、市場ではないと述べています @superpobe。
- DeepSeek V4.1 Flash(Full quant)は、車のbinファイルをリバースエンジニアリングして点火テーブルや類似データを特定するために、90トークン/秒のデコードで完全にローカルに使用されました @ashxhart。
エージェントインフラストラクチャとエージェント経済
繰り返し登場するテーマは、エージェントをアイデンティティ、権限、エスクロー、検証、支払いレールを備えた経済的主体として扱うインフラストラクチャです。
- FlashDrive(YC F26)は、エージェント向けの1つの共有クラウドドライブとしてローンチしました:ローカルディスクのようにマウントされ、すべてのMacとサンドボックスを即座に同期し、Claude、Codex、Cursor、およびMCPを介した任意のエージェントとクラウドで動作し、CSV行を含む編集がマージされるデータベースのように機能し、競合を処理し、エージェントが破壊したファイルを巻き戻すことができます。早期アクセスには期間限定の無料ティアが付属しています @daleverett。
- TermiXとそのAACPフレームワークは、エージェントディレクトリではなくサービス市場として説明されています。クライアントがジョブを定義し、プロバイダーが競争し、評価者が提出された作業をチェックし、仲裁者が紛争を処理します。クライアントは、プロバイダーが入札する前に検証基準を定義できるため、エージェントは何に同意しているかを理解できます @0xHecktor。
- 同じフレームワークは、相互運用性の答えとして位置付けられています:異なるスタックで異なるチームによって構築されたエージェントは、機能を発見し、タスクを理解し、成果物に同意し、作業を交換および検証し、取引を決済するための共有方法が必要です。そうでなければ、新しい接続ごとにカスタム統合になります @Yosefphr。
- TermiXでは、ユーザーはエージェントを作成し、サービスをリストし、BaseでUSDCを受け取ることができ、AACPがエスクロー、支払い、評判をオンチェーンで処理します。著者は、報酬がなくなった後に何人の顧客が2回目の仕事に支払うかが注目すべき数字だと述べています @sozdetrader。
- TermiX Agent Skillsを使用すると、任意のAIエージェントが実際の仕事やバウンティに接続し、タスクを完了して報酬を得ることができます @svbrother211。
- TermiXはまた、Claude Fable 5.2を搭載したゲーム作成エージェントを導入し、説明されたゲームアイデアをプレイ可能な体験に変えます @dezydank。
- TermiXでのエージェント発見は、コーディング、リサーチ、自動化、セキュリティ、データ分析、デザインなどのサービスカテゴリごとに整理され、リストには価格、推定納期、エージェントの評判が表示されます。サービスが見つからないユーザーは、オープンリクエストを投稿し、エージェントに見積もりを提出させることができます @haiderlevi。
- Fensoryは、プロンプトではなくアカウントに取引制限を置きます。ユーザーはClaude、ChatGPT、Cursor、または別のMCPクライアントを接続し、注文ごとの上限と市場許可リストを設定し、すべての注文が最初にFensoryバックエンドを通過するため、$100の上限は注文が$101になることはなく、エージェントは引き出すことができません。また、キルスイッチ、許可リスト外の到達不能な市場、ワンクリックでのアクセス取り消しも提供します @remonnyy。
- 別の投稿では、同じ製品を、AIエージェントとコーディングなしで取引戦略を作成、バックテスト、実行する方法として説明しています @cypherweb31。
- Motesは3つの層を分離します:NFTは一意のエージェントアイデンティティを確立し、専用のスマートアカウントがUSDCなどの資産を保持し、所有者が署名した権限ポリシーがエージェントができることを定義します。構造は、1 NFT = 1エージェントアイデンティティ = 1スマートアカウントとして要約されます @JohnsonBam85400。
- 同じアーキテクチャは、説明責任インフラストラクチャとして位置付けられています:取引履歴、実行記録、手数料、実際のパフォーマンスは、説明ではなく検証可能な領収書を提供する必要があります @Juior2012。
- Motesについて提起された未解決の質問は、Genesis NFTが販売されたときにエージェントの既存の戦略、活動履歴、好みがどうなるかです—すべてが新しい所有者に転送されるか、エージェントが新しく始めるか、個人データとエージェントの継続性の境界がどのように処理されるか @DebshSukil。
- Motesエージェントはまた、所有者が設定した権限内でPolymarketなどの予測市場と対話できると説明されており、ユーザーはすべての市場を手動で追跡することから、エージェントに機会を分析させ承認された戦略を実行させることに移行します @LaxmiWeb3。
- NEAR上のbonuz IDを使用すると、ユーザーは1つの署名メッセージで検証済みのNEARアカウントを自分のアイデンティティに添付でき、ガスもNEARも不要で、NEARメインネット上のレジストリが署名自体をチェックするため、キーなしでアカウントを添付できる人はいません。その後、任意のアプリやエージェントがNEARにアカウントが誰であるかを尋ねることができます @BonuzMarket。
- Primus Labsは、検証可能なプライバシーを中心に据えています:財務要件をチェックするAIエージェントは、完全な銀行履歴ではなく、1つの事実の証明を必要とするため、未来はより少なく知りながらより多くを行うAIかもしれません @bitnexst。
- Primusはまた、Agentic Araの下でPrimus Points(AlphaNet)に新しい検証タスクを導入し、Proof of Creationを提供し、ユーザーがHailuo、CapCut、Dreaminaでのビデオ作成アクティビティを検証できるようにしました。Primus Extensionはv0.4.15以降に更新する必要があります @NickRotenberg。
- Actumは、エージェント経済は、企業が自分のAIエージェントが何をしたかを証明できるかどうかで決まると主張しています—信頼スコアやデモではなく、最後に責任ある人間がいる、実際の帰属可能な実行 @Actum_system。
エージェントエンジニアリングの実践
このバッチの実践者は、プロンプトやルールの作成から、テスト、ハーネス、モデルルーティングの設計へと移行しています。
- Grok Botの背後にいるエンジニア、Lauren Tanは、月に3,000以上のプルリクエストを出荷しています。エージェントの間違いに対する彼女のアプローチは4つの質問です:間違いが不可能になるようにコードを再設計できるか、lintルールや型で自動的に捕捉できるか、エージェントが自分の作業を実行してチェックすることで捕捉できるか、本当に書面のルールが必要か。各間違いには5つの修正のうちの1つが与えられます—再設計、lint、検証、ルール作成、または人間によるレビュー—そしてほとんどの修正はAGENTS.mdに触れません。彼女のチームは4か月で7から167のlintルールに増えました @0x_kaize。
- 関連する投稿では、彼女がAIが破れないルールを設定するのに6か月を費やし、AIが言い訳に使うためほとんどすべてのコードコメントを禁止し、2024年に3つのコードをチェックしていたのが2026年には約300になり、彼女のチームは11,000のアップデートを出荷し、ほとんど壊れることはなく、AIが自分のバグを修正し、修正を自分で出荷していると付け加えています @kirillk_web3。
- Anthropicは、Sonnet 5.5をメインセッションとしてコードを書き、Haiku 5.5サブエージェントがファイルの探索、リポジトリのマッピング、コールサイトの発見、APIドキュメントの並行取得を行い、Opus 5.5がアドバイザーとして待機するClaude Codeセットアップを共有しました。Opusは、プランがロックされる前、同じエラーが2回表示されたとき、完了と呼ぶ前にのみ介入するため、Opusレベルの判断を、毎回のルーチンターンにOpusレートを支払うことなく利用できます @xsmryze。
- あるユーザーは、Claude CodeでClaude Fable 5.2をビデオ編集に使用していると説明しています:生のクリップを1つのフォルダに入れ、1つのメッセージでムードと長さを説明し、モデルがベストテイクを選び、ユーザーが他のことをしている間にポーズをカットします @adamgrag。
- Self-Harness論文は、エージェントが自分のハーネスを改善できるようにすることを提案しています。エージェントは実際のタスクを実行し、失敗は原因ごとにグループ化され、同じモデルがハーネスへのいくつかの編集を提案し、各編集は2つの別々のタスクセットでテストされ、何も悪化せず少なくとも1つが改善された場合のみ編集が残ります。モデルの重みは決して変わりません。報告された結果には、Qwen3.5がTerminal-Bench 2.0で18%から36.7%に、GLM-5がAppWorldで44.4%から85%に同じ重みで向上したことが含まれます @HoodieFade_。
- 「ハーネスエンジニアリングの終焉」と説明される関連論文は、手書きのハーネスは1人の人間が1回の午後に推測して本番に送り、何か月も読まれずに放置されるものだと主張しています。大きなモデルを100%凍結したまま、ハーネスが自律的に進化する4ステップのループを提案しています:ランタイム失敗が構造化トレースにキャプチャされ、軽量な4Bエディタが8つの候補ハーネス差分を生成し、8つすべてが保持された評価スイートに対して実行され、最高スコアの編集だけが次のバージョンに生き残ります。人間の仕事はスコアリングセットの設計に縮小されます @damkina7。
- microVLAの開発に関するブログ投稿は、構築中に学んだトレーニングと推論最適化についての直感をカバーしています @starlitmatcha。
- フロンティアローカルコーディングLLMのトレーニングに関する講演は、評価、アーキテクチャの選択、高密度対MoE、スケーリング実験をカバーしています @zainhas。
- Epic Games MegaJamでは、2,500以上のビルダーがGrok、Cursor、Unreal Engineで作成しました。1つの逸話では、Cursorプロジェクトとセルフホストランナーを高性能な開発マシンで使用してクラウドオーケストレーションされたAIワークフローを実現し、Grok Botを軽量オーケストレーターとして使用したことが強調されました @mattyp。
研究:推論、エネルギーベースモデル、解釈可能性
- LiとWebbによる論文は、制御された抽象シーケンスおよびエンティティ属性バインディングタスクでネットワークをゼロからトレーニングし、アーキテクチャとトレーニングデータを調整し、因果媒介および表現分析を使用してシンボリックシグネチャがいつ現れるかを追跡しました。報告された要点は、データの多様性がアーキテクチャではなく、ほとんどすべての重労働を行うということです:より多様なトレーニング分布ははるかに強力なシンボリックメカニズムを生成し、同じシグネチャが変更されたTransformerやプレーンなMLPでも現れました @gurtej__gill_。
- CRAM(Compact Reasoning Associative Memory)は、Hopfieldネットワークに触発されたエネルギーベースモデルで、エネルギーランドスケープを学習し、ループで次のステップを予測する代わりに最低エネルギー状態に向かって降下します。報告された結果には、ループモデルよりも少なくとも1,000倍速いトレーニング、同じ精度で282倍少ない推論FLOPs、極端な数独ロジックパズルで99.996%の精度、わずか30のトレーニングパズルでほぼ100%の数独精度、時間を通じたバックプロパゲーションなし、難易度に応じて計算がスケールする適応推論が含まれます。明示的なエネルギー状態を通じて学習するため、学習された重みは検査可能と説明されています @HowToPrompt__@crazyMLguy。
- あるエージェントは、Qwen3-TTSの時折の呼吸と笑いの背後にある417のニューロン(トーカーのMLPニューロンの約0.48%)を発見し、そのうち61は休眠状態です。それらを一緒に増幅すると、言葉が話される際の呼吸、囁き声のASMR、スピーチ中の自然な笑い、強化されたささやき、そして2番目のスピーカーの出現が生成されます。この作業は、休眠ニューロンの再プログラミングに関する最近のLazarus研究に触発されました @TensorSlay。
- LLMであるInkling 2 Smallは、画像モデルであるQwen-Imageと、同じプロンプトと1つの編集で比較されました。Inklingは画像にレンダリングするコードを書き、Qwenはピクセルを生成します @kickingkeys。
- 非常に実験的なMiniMax H3 LoRAは、一度に最大3つのキャラクターを交換し、誰がカラーノーマルマップまたはDWPoseスケルトンで置き換えられるかをマークします。ワークフローは、BFS Video Segment Pickerノード(ComfyUI-BFSNodes)を使用してSAM 3.1でキャラクターを選択し、カメラカット全体で選択を一貫させるためにMolmo2をオプションで使用します。著者は、実験的で低解像度でレンダリングされ、静止画像用のH3 Image LoRAが計画されていると述べています @Alissonerdx。
AIがお金と仕事に出会う場所
- 新しいNEJM AI論文は、メディケア医師支払いの約5分の1がAIが置き換えられる可能性のある仕事に使われており、皮膚科と整形外科は保護され、プライマリケアはさらされていると述べています。コメントしている医師は、論文では「AIが置き換えられる可能性がある」とは、請求コードが医師が患者に触れることを含まないことを意味し、AIがタスクを実行する能力は測定されたことがないと主張しています @HemeOncBuddy。
- Niels Roggeは、「超知能」はVCからより多くの資金を調達するためのAIのリブランドであり、再帰的自己改善は始まっておらず、再帰的SIと説明されるものは、人間が運営するNanoGPTスピードランレコードに似たハイパーパラメータスイープとカーネル最適化に近いと主張しています。彼はRecursive SIのFlintモデルを引用し、「再帰的SI」は総パラメータ数とアクティブパラメータ数の決定—設定の変更—に過ぎませんでした。彼は印象的なベンチマーク数値と経済的影響の欠如のギャップを指摘し、LLMはまだ人間のように研究したり、実験を実行したり、新しいものを発明したり、トレーニングデータを超えて一般化したりできないと述べています @NielsRogge。
ロボティクスと物理AI
- Boston Dynamicsは、強化学習、実世界のアクチュエータ、高度な全身制御でAtlasを推進しており、信頼性が高く、適応性があり、実世界に備えたヒューマノイドロボットを目指しています @LeonwithAi。
- NVIDIA GR00T 2は、人間のデモでトレーニングされ、異なるロボットボディ間でスキルを運ぶロボティクスモデルとして説明されています—1つのロボットにスキルを教えると、それが転送されるのを見ることができます @Inomsxbt@CoderJunkie。
- ある研究者は、短いアクションと観察の履歴からジョイントがモーションにどのように影響するかを推測することにより、これまで見たことのないロボットの実施形態に適応する履歴条件付きポリシーを実験しています @ryanrahman360。
- BitRobotNetworkがHugging Face、NUS MAGIC Lab、Singapore Embodied AI Centreと共同設立した実世界評価ネットワークRoboColosseumは、ローンチ日の結果を公開しました:4つの実施形態にわたる15,000回の試行、オープントラックだけで41日間、11,398回の評価、124サイトを実行。評価されたポリシーは、Unitree G1で5つのタスクのいずれも完了せず、平均進行スコアは13.3%から23.2%の間でした。901のマッチング比較で、xAI、Anthropic、OpenAIのフロンティアモデルは、専門のロボットポリシーよりも394ケース対265ケースでより多くのタスク進行を達成しました。すべてのロールアウトは、失敗を含めてLeRobot形式でHugging Faceに公開され、タスクの難易度は依然として1から10の人間の評価に部分的に依存しています @ekinoks_26。
- Vangridは、人々がスマートフォンを使用して実世界の環境を3Dでキャプチャし、それらのキャプチャをロボティクス、自律システム、物理AIのためのグラウンドトゥルースデータに変える分散型物理世界データネットワークを構築しており、提出物が品質要件を満たすと報酬が与えられます @DaSpielberg。
- 同じネットワークは、日常のスマートフォンを空間データをキャプチャしてUSDCを稼ぐエッジノードに変えるものとして説明されており、大規模なデータセンターや専用ハードウェアは不要です @AAJoy09。
- Vangridのアプローチは、物理AIの制約として実世界データを強調したNVIDIAのGTC 2026 Physical AI Data Factory Blueprintに対抗するものとしても位置付けられています。顔とナンバープレートは、エンコード前にデバイス上で直接ぼかされ、識別可能な映像がアップロードパイプラインに入らないようにします @Maviskrypt。
- 報告されたVangridの数字には、125万以上のキャプチャ、45万以上のユーザー、10月の60万ドル以上のUSDC決済、さらに900万ドルのシード資金が含まれます。組織は特定の場所にバウンティを投稿でき、貢献者がキャプチャし、映像はオンチェーン証明付きで3Dモデルに再構築され、AIエージェントはキャプチャを委託し、BaseまたはArcを通じてUSDCで貢献者に支払うことができます @0xPritom。
- Noah Shachtmanが要約したCNBCの報道によると、Eric Trumpが支援するヒューマノイドロボットスタートアップが2,400万ドルの国防総省契約を持っていると主張しているが、給与を支払うことができません @NoahShachtman。
セキュリティ:盗まれたキーとトロイの木馬化された拡張機能
盗まれたFireworks AIキーがCursorでの侵害とトロイの木馬化されたClaude Code拡張機能を引き起こしました。攻撃者はSSHバックドアをインストールするように設計された悪意のあるアップデートをプッシュし、最大5,000人のユーザーがそれを受け取った可能性があります @TheHackersNews。
学習リソース
- 12週間のビルドプランは、Pythonの基礎、実践的なディープラーニング、ゼロからのニューラルネットワーク、PyTorchの基礎、LLMとファインチューニング、LLMアプリケーションの構築、RAG、AIエージェント、エージェントアーキテクチャ、MCP、本番エンジニアリング、MLOpsをカバーする12の無料リソースを集めています。提案されるターゲットポートフォリオは、モデルトレーニングプロジェクト、引用付きRAGアシスタント、評価とデプロイワークフローを備えたツール使用エージェントで、週10〜15時間です @mentalium_。
- 別のロードマップは、Anthropicエンジニアの道を23のステップで概説しています:プログラミングの基礎と数学から、ディープラーニング、LLM API、プロンプトとコンテキストエンジニアリング、ベクトルデータベース、RAG、エージェントとハーネスエンジニアリング、オーケストレーション、ファインチューニング、マルチモーダルAI、評価、推論、AIバックエンド、MLOps、クラウド、AIセキュリティ、システム設計、実際のプロジェクト、キャリア準備まで @Mr_Buzzoni。
- 無料コースのリストには、Google Prompting Essentials、Generative AI: Prompt Engineering Basics、Deep Learning Specialisation、GPT Vision、AI Agent Developer Specialisation、Agentic AI and AI Agents for Leadersが含まれます @Mohiniuni。
- 50リポジトリのGitHubリストには、ollama、langchain、n8n、dify、langflow、mem0、browser-use、crewAI、MetaGPT、AutoGen、aider、markitdown、open-webui、TradingAgents、firecrawl、transformers、vLLM、llama.cpp、llama_index、nanoGPT、RAGFlow、ComfyUI、freeCodeCampが含まれます @IsabellaA60913。