أصبح Claude قادراً على تضمين نصوص وأزرار وعناصر ويب داخل رسومات معقدة وتأثيرات ثلاثية الأبعاد عبر HTML-in-Canvas، مع بقائها قابلة للنقر والتحديد والنسخ ومتاحة لقارئات الشاشة. وتعرض صفحة تجريبية 15 نموذجاً، بينها تصاميم كنقوش حياكة ومكعبات ثلاثية الأبعاد.
أطلقت علي بابا نموذج Qwen4-Max، وهو نموذج خليط خبراء يضم 2.4 تريليون معلَمة ويُفعّل 71 ملياراً لكل رمز، مع نافذة سياق تبلغ مليون رمز ودعم أصلي للصور. ووفق الشركة، يركز النموذج على أعمال الصناعة والعلوم والتمويل.
أعلنت OpenAI أدوات جديدة لمكافحة مواد الاستغلال والاعتداء الجنسي على الأطفال (CSAM)، تشمل مصنّف صور يرصد مواد معروفة وجديدة، بما فيها المُولّدة بالذكاء الاصطناعي. وسيُتاح المصنّف مجاناً عبر API لشركات مختارة، إلى جانب تحذيرات وحظر مؤقت في ChatGPT للمحاولات المرتبطة بإضفاء طابع جنسي على الأطفال.
أعلنت Apollo Research أن OpenAI ستضم ستة من مقيمي السلامة لديها ضمن تجربة تجريبية لفحص ما إذا كانت النماذج تحاول تقويض آليات المواءمة أو التحكم الخاصة بها أو بخلفائها. ولم يُعلن موعد بدء التجربة.
أظهرت اختبارات Anthropic أن تدوين الاستراتيجيات والقواعد الانتقائية أفضل لوكلاء Claude من حفظ كل خطوة. ففي Pokémon Red، جمع Claude Sonnet 3.7 أرشيفاً من 413 ملفاً في 225 مجلداً ونال شارة واحدة، بينما احتفظ Claude Fable 5 بملفات قليلة ونال أربع شارات.
يدعو مقال ممول من UL Solutions إلى بناء الثقة بالذكاء الاصطناعي عبر حدود صارمة قابلة للرصد والتحكم، بدلاً من محاولة التنبؤ بكل مخرجاته. ويستشهد بإفصاح OpenAI في أكتوبر عن وكيلين عطلا أنظمة مراقبتهما.
أطلقت Audible، المملوكة لأمازون، يوم الاثنين ميزة «audio discovery» التي تقدم تعريفاً صوتياً موجزاً بموضوعات الكتاب وما أعجب القراء فيه، إلى جانب تعليق من محرر أو مؤلف وعينة مسموعة. وتتوفر أولاً لعناوين إنجليزية مختارة في الولايات المتحدة.
سجل نظام NVIDIA Vera Rubin NVL72، في ظهوره الأول باختبارات MLPerf Training v6.1، أسرع زمن لتدريب ستة من سبعة معايير، وبأداء يصل إلى ضعفي خط أساس GB300 NVL72 المحسّن لكل وحدة GPU. ودرب نموذج DeepSeek-V3 671B خلال 4.14 دقائق باستخدام 1,024 وحدة GPU، مقابل 8.03 دقائق للنظام الآخر.
أظهرت نتائج أولية لاختبار MLPerf Endpoints v1.0 أن منصة NVIDIA Vera Rubin NVL72 حققت أكثر من 10 أضعاف الإنتاجية لكل كيلوواط مقارنة بـNVIDIA GB300 NVL72، عند حد أدنى مشترك للتفاعلية يبلغ 50 رمزاً في الثانية لكل مستخدم.
عرضت NVIDIA طريقة لتدريب نموذج Nemotron 3.5 Super VL لاحقاً للمهام العلمية عبر بيئة تعلم معزز مبنية من بيانات تجريبية باستخدام NeMo Gym وNeMo RL. وفي مثال للتنبؤ بأيض الأدوية، رفع الضبط الدقيق الدقة 12%، ثم أضاف التدريب المعزز 17% ضمن ميزانية 16,384 رمزاً.