OpenAI объявила (пост «Responding to the next frontier of critical cyber capabilities», 7 августа), что не может исключить наличие критических кибер-возможностей у своей новой модели Astra — это первый случай, когда модель достигла верхнего уровня Critical в её внутренней Preparedness Framework (публикуется с декабря 2023). Для сравнения: все предыдущие модели, включая GPT-5.6-Sol, оценивались лишь как High. Критерий Critical — модель способна самостоятельно находить и собирать рабочие zero-day эксплойты всех уровней серьёзности против защищённых реальных систем без вмешательства человека, либо выполнять сквозные новые стратегии кибератак по одной лишь высокоуровневой цели. Свежие внутренние оценки Astra за последние дни показали резкий прогресс в агентном кодинге и кибербезопасности. OpenAI приостановила внутренние активности с Astra, не соответствующие ужесточённым требованиям безопасности, и добавила универсальный мониторинг всех агентных использований модели (включая обучение и оценку). В компании подчёркивают: Astra — отдельная модель, она не связана с инцидентом на Hugging Face. Это четвёртый крупный safety-инцидент frontier-моделей за три недели.
OpenAI анонсировала Agent Plugins 1.0.0 — открытый, вендор-нейтральный стандарт для упаковки расширений AI-агентов. Идея: собрать Agent Skills (переиспользуемые инструкции) и конфигурации MCP-серверов (подключения к инструментам и данным) в одну папку с манифестом plugin.json — «собрал плагин один раз, используй в любом совместимом клиенте». Инициатором выступил Vercel, вместе с ним стандарт строили AWS, Anysphere (Cursor), GitHub, Microsoft (VS Code) и OpenAI. На запуске поддерживаются шесть клиентов: ChatGPT, Codex, Cursor, GitHub Copilot, Kiro и VS Code. Ключевое отличие от MCP: MCP стандартизует живые подключения к инструментам в рантайме, а Agent Plugins — как скилл+набор MCP упаковывается и устанавливается. Спецификация — на agent-plugins.org. Пост OpenAI набрал 1,1 млн+ просмотров за сутки; Anthropic в списке партнёров нет, но CLI плагинов уже умеет ставить их в Claude Code. Анонс называют «Kubernetes-моментом» для экосистемы агентов.
🏛️ Минэнерго США запускает Genesis Open Models Initiative: государственные open-weight модели для науки, первая — Genesis-Science-1 с Arcee
DOE · energy.gov · Hacker News · 7 августа
Министерство энергетики США (DOE) официально объявило о запуске Genesis Open Models Initiative — инициативы по созданию нового класса open-weight фундаментальных моделей, предназначенных для ускорения научных открытий, в рамках более широкой миссии Genesis. Цель — дать исследователям, национальным лабораториям, индустрии и open-source-сообществу мощные, прозрачные и расширяемые модели для материаловедения, энергосистем, моделирования Земли, термоядерного синтеза, биологии, физики высоких энергий и других областей. Первой моделью класса станет Genesis-Science-1, разрабатываемая в партнёрстве с Arcee. DOE уже собирает заявки от организаций, готовых внести вклад: open-weight базовые модели, высококачественные научные данные для претрейнинга и команды для дообучения доменных версий. Принципы — открытая наука, воспроизводимость и ответственный AI. По сути, американское правительство впервые системно встаёт на сторону open-weight подхода — на контрасте с закрытыми frontier-лабораториями.
🦙 Meta выпускает Muse Code — первый кодинг-агент компании, на новой модели Muse Spark 1.2 с постоянными фоновыми сабагентами
Meta AI · TechCrunch · Reuters · Forbes · 5 августа
Meta AI Research представила Muse Code (бета) — терминальный кодинг-агент, работающий на новой модели Muse Spark 1.2. Это первый кодинг-агент Meta: он берёт на себя сложные задачи разработки в больших репозиториях — планирование изменений, написание кода и проверку результатов. Ключевая фишка — координация нескольких постоянных фоновых сабагентов: они живут всю сессию, а не спавнятся под задачу, избегают повторного сбора информации и сами решают, когда сообщить главному агенту результат. Это снижает задержки и необходимость ручного управления на длинных многошаговых задачах. Muse Spark 1.2 дополнительно обучена на long-horizon задачах кодинга — генерации целых репозиториев, больших end-to-end проектов и авто-исследований, с планированием, удержанием цели и компакцией контекста. Установка одной командой на macOS/Linux (curl -fsSL https://dev.meta.ai/install.sh | bash). Meta называет это «следующим шагом к фронтиру» — в разработке более крупные и мощные модели.