Liquid d1-ultra: $0,042 за 1 млн токенов — AI-дайджест

Liquid d1-ultra: $0,042 за 1 млн токенов — AI-дайджест

Liquid d1-ultra возглавила Decision Index с 65 баллами при задержке 92 мс и цене $0,042 за миллион входных токенов — дешёвый способ сортировать заявки. Amazon, по данным SemiAnalysis, заблокировала агента Meta Muse, а AMD MI355X дала на 87,4% больше токенов на доллар, чем B300.

Главное для вас сегодня: сортировать входящие заявки моделью стало стоить доли цента, но агент, который ходит по чужим сайтам вместо человека, всё чаще упирается в закрытую дверь — продавать клиенту автоматизацию надёжнее на официальных API.

Главное сегодня

Liquid d1-ultra: индекс 65 за 92 мс и $0,042 за миллион токенов

Liquid d1-ultra возглавила Decision Index от Artificial Analysis с результатом 65 баллов против 57 у Jev 1.14; модель тратит 92 мс на задачу, стоит $0,042 за миллион входных токенов, а выходные токены бесплатны.

Decision-модель — это откалиброванный классификатор, который принимает решение за один проход, а не пишет развёрнутый ответ. Доля ответов без галлюцинаций у Liquid d1-ultra выросла до 85% с 2% у прежней Liquid d1, зато точность упала до 32% с 41%: похоже, модель стала осторожнее, а не точнее. В Live API OpenAI добавили Decisions API для быстрого делегирования задач инструментам, а в одном эксперименте замена модели в субвызовах Recursive Language Model на Jev вышла вдвое дешевле и в 6 раз быстрее Haiku 5.5 на тесте OOLONG при 1 млн токенов.

Что это значит: для салона, клиники или магазина такая модель — дешёвый сортировщик заявок: «запись», «жалоба», «вопрос о цене» — и дальше по нужной цепочке. Точность 32% пока не позволяет отдавать ей решения без проверки человеком.

Источники: Artificial Analysis · @juberti · @Jnatanh · шаблоны автоматизаций AI SKILLS

Amazon заблокировала агента Meta Muse: треть сайтов США закрыта для ИИ-агентов

SemiAnalysis сообщает, что Amazon заблокировала агента Meta Muse, а Jefferies обнаружила, что около трети протестированных сайтов США его тоже не пускают.

В Китае 155 приложений отказались от телефонного агента Doubao компании ByteDance. Речь о доступе агентов к чужим сервисам: площадка сама решает, пускать ли автономную программу вместо человека, и многие площадки закрывают дверь.

ИИ-агент — это программа, которая сама выполняет действия в сервисах от имени пользователя: открывает страницы, жмёт кнопки, заполняет формы. Такой агент зависит от решения каждого владельца сайта, поэтому там, где это возможно, надёжнее опираться на официальный API (это наш вывод, а не часть сообщения SemiAnalysis).

Что это значит: если вы продаёте заказчику систему или конвейер — на рынке это $490–1 460 по нашему прайс-листу, — стройте её на официальных API. Конвейер, который «кликает» по чужому сайту, может сломаться в день, когда площадка закроет агентам вход, и чинить его придётся за свой счёт.

Источники: SemiAnalysis

FDE-Gym: лучший агент полностью решает 14 из 95 реальных задач

В бенчмарке FDE-Gym лучшая конфигурация агента полностью решает 14 из 95 реальных задач по доставке клиентам; чаще всего агенты ломаются на ограничениях, которые не были названы явно.

Бенчмарк — это набор задач с заранее известной проверкой результата, на котором сравнивают модели и агентов. Здесь задачи взяты из реальной работы с клиентами, поэтому 14 из 95 — это меньше 15% задач, доведённых до конца без помощи человека.

Причина провалов знакома любому специалисту: заказчик не проговаривает очевидное для себя, и агент этого не угадывает.

Что это значит: юристу, HR, финансисту и маркетологу агент пока годится как помощник на черновике, а не как исполнитель «под ключ». Граница доверия — там, где в задаче есть неписаные правила: их нужно выписать агенту явно и проверить результат самому.

Источники: FDE-Gym

AMD MI355X: на 87,4% больше токенов на доллар, чем HGX B300, на Kimi K3

Восемь ускорителей AMD MI355X дали на 24,4% больше пропускной способности, чем HGX B300, на модели Kimi K3 при 50 токенах в секунду на пользователя, а по токенам на доллар выигрыш составил 87,4%, сообщил vLLM.

Я посчитал: +87,4% — это почти в 1,9 раза больше токенов за тот же доллар. Inferact объявила о сотрудничестве с AMD: компании будут публиковать открытые рецепты запуска по каждой модели для агентного инференса. Замер относится к одной модели и одному уровню интерактивности, а кто готовил конфигурацию для B300, в пересказе не сказано.

Инференс — это работа уже обученной модели над запросами пользователей; именно за него платит каждый, кто держит открытые веса у себя.

Что это значит: для тех, кто запускает открытые модели на своём железе, ставка на одного поставщика ускорителей перестаёт быть единственным вариантом. На мой взгляд, до независимого замера переписывать бюджет не стоит, но AMD стоит включить в сравнение.

Источники: vLLM · Inferact · гайд по open-source LLM

GPT-6 Astra Pro: параллельные агенты в ChatGPT и девять голосовых пресетов GPT Live 1.1

OpenAI сообщила, что GPT-6 Astra Pro в ChatGPT теперь запускает нескольких агентов на разные части одной задачи параллельно, отвечает быстрее и лучше пользуется инструментами.

Параллельные агенты — это схема, при которой основной агент делит задачу на части и раздаёт их помощникам, работающим одновременно. Также вышла GPT Live 1.1: у голосовой модели улучшена многоязычная речь, а девять новых пресетов записаны с актёрами — носителями языков.

Подробностей о сроках и тарифах доступа к параллельным агентам в сводках за 15–16 октября 2026 года нет.

Что это значит: схема «главный агент раздаёт подзадачи», которую технари собирали руками, переезжает в обычный интерфейс ChatGPT. Пока нет тарифов и сроков, я бы не перестраивал под неё свои цепочки.

Источники: OpenAI · @reach_vb · OpenAIDevs

Goodfire: у 90% сигналов нейронов Qwen3-32B одна главная функция

Ник Каммарата из Goodfire сообщает, что предварительный аудит Qwen3-32B показал: у примерно 90% сигналов нейронов есть одна главная функция, а необъяснёнными остаются лишь 2–4%.

Полисемантичность — это ситуация, когда один нейрон нейросети отвечает сразу за несколько несвязанных понятий, из-за чего его работу трудно объяснить. Если вывод Goodfire подтвердится, это ослабит довод о том, что нейроны слишком запутаны для объяснения. Работу приветствовал @sama, а отдельная новая статья предлагает теорию того, почему осмысленные нейроны вообще появляются.

Аудит предварительный и охватывает одну модель, поэтому цифра 90% пока не означает, что так устроены все нейросети.

Что это значит: объяснимость решений модели важна там, где ответ нужно обосновать — в юриспруденции, финансах, медицине. Пока это одна предварительная работа, и доверять ответу модели без проверки она не даёт оснований; доводы скептиков — ниже.

Источники: сводка · @sama · @klindt_david

Цифры и факты

Наша сводка: что мы знаем о быстрых decision-моделях по сводкам за 15–16 октября 2026 года (прочерк — данных нет).

МодельDecision IndexОтветы без галлюцинацийТочностьЦена за 1 млн входных токенов
Liquid d1-ultra6585%32%$0,042
Liquid d1—2%41%—
Jev 1.1457———
pplx-decider v1.2, 27 млрд———$0,02
pplx-decider v1.2 Flash, 4 млрд———$0,01

По нашему расчёту, вход у Liquid d1-ultra стоит примерно в 2,1 раза дороже, чем у pplx-decider 27 млрд ($0,042 против $0,02), но индекс Decision Index у Perplexity не опубликован, так что напрямую модели сравнивать нельзя. Источники строк: Artificial Analysis, Perplexity.

Разные точки зрения: решена ли интерпретируемость нейросетей?

Предварительный аудит Qwen3-32B от Goodfire показывает, что у около 90% сигналов нейронов одна главная функция и лишь 2–4% остаются необъяснёнными, но часть исследователей называет заявления «интерпретируемость решена» хайпом, а сам аудит пока касается одной модели (сводка).

Инструменты и приёмы

Коротко

Хотите собрать такую сортировку заявок на готовых шаблонах? Напишите боту слово ШАБЛОН — пришлю материал «Шаблоны автоматизаций n8n и Make: что это, чем отличаются и с чего начать»: https://t.me/consultant_ai_skills_bot?start=SHABLON_blog