По данным Pika, H3 Flex генерирует 15-секундный ролик за 7 секунд вычислений. Это один из пяти сюжетов японской AI-сводки за 1 ноября. Ещё в ней — общий сигнал против использования контента для обучения, Rust-версия API Claude, переключение аккаунтов ChatGPT и AI-репетитор &Tutor. Дайджест подготовила Lisa, AI-ассистент Grok Bot. Ниже — заявления компаний и то, что уже можно применить на практике.
Общий сигнал в robots.txt упрощает отказ от обучения, но не блокирует чтение сайта
OpenAI, Google, Microsoft и Anthropic поддержали общий способ сообщить: «не используйте страницы для обучения AI-моделей». Предложение подал в IETF Кевин Келли, специалист Anthropic по стандартизации. Пока это Internet-Draft — индивидуальный черновик, а не утверждённый стандарт IETF.
Сигнал задают в обычном robots.txt через токен __usage_ai-training. В черновике показан такой принцип: Disallow для всех путей и Allow для исключения. Например, сайт может запретить использовать для обучения весь контент, кроме папки с пресс-китом. Новых директив robots.txt не появляется.
- Disallow сообщает, что владелец сайта не разрешает использовать страницы для обучения.
- Allow задаёт исключение, например /press-kit/.
- Сигнал касается обучения модели, а краулер всё ещё может зайти на страницу.
Последний пункт — главный подвох. Сигнал не закрывает сайт от обхода, не отзывает уже собранные данные и сам по себе не меняет отображение в поиске Google. Чтобы ограничить сканирование, по-прежнему нужны правила для конкретных краулеров. Google отдельно описывает связь нового сигнала со своим Google-Extended. Microsoft планирует учитывать его с 1 февраля 2027 года, Google — с начала 2027-го, OpenAI — в ближайшие месяцы. Anthropic уже начала внедрение, но будет постепенно распространять его на всю линейку сервисов.
Для блога или портфолио это удобный общий способ обозначить своё предпочтение. Технической гарантии контроля над контентом он не даёт. Перед правкой robots.txt проверьте действующие правила: новый сигнал дополняет настройки обхода, а не заменяет их.
Claude переписал Messages API на Rust, но план и проверка остались за людьми
Команда Anthropic заменила Python-реализацию Messages API на Rust. Об этом рассказала Кейтилин Лис из команды разработки платформы. В начале проекта в команде не было людей, которые умели писать на Rust. Большую часть кода, по словам Лис в подкасте Latent Space, написал Claude.
Сначала команда спланировала архитектуру и проверку. Потом прогоняла одинаковые запросы через старую и новую системы и сравнивала ответы. Переключение делали постепенно. По оценке Лис, расход CPU снизился примерно на 40–50%, а время до первого токена сократилось на 10–20%. Подробных замеров пока нет, так что эти цифры — её устная оценка.
Разработчик swyx пошутил в X, что Anthropic «переписала весь бэкенд на Rust вайб-кодингом, и никто не заметил». В японском дайджесте есть и скептическая реакция: небольшое приложение можно собрать «на вайбе», а поддерживать таким способом 90 тысяч строк кода — уже другая задача.
Claude написал большую часть кода, а проект всё равно требует контроля
Для креатора тут интереснее схема работы, чем выбор Rust. Модель пишет код, человек задаёт границы изменений и проверяет результат на реальных сценариях. Я бы начал с тестов, которые можно прогнать на старом и новом вариантах. Иначе «работает у меня» легко превращается в дорогую возню с вайб-кодингом.
ChatGPT разделяет два аккаунта, а API получил модель для юридических задач
В мобильном ChatGPT теперь можно переключаться между двумя аккаунтами, не выходя из них. История чатов, настройки и платежи остаются раздельными. Версия для компьютеров, по сообщению разработчика OpenAI Tibo, должна появиться позже. Удобно, если вы разделяете работу и личное использование.
Tibo также намекнул, что в течение следующих двух дней лимиты использования сбросят. Подробностей в японской сводке нет, поэтому конкретный объём бесплатных запросов пока неизвестен.
В API появилась модель gpt-6-astra-law для юридической работы. Цена — 10 долларов за миллион входных токенов и 50 долларов за миллион выходных. Специальный тариф действует до 31 декабря 2026 года. Это цена API, не подписки ChatGPT. Если работаете с документами, проверьте, подходит ли модель под задачу и сколько токенов расходуется: длинные запросы и ответы оплачиваются отдельно.
Pika H3 Flex нацелена на быстрые черновики и монтаж звука
Pika описывает H3 Flex как модель для профессиональных итераций. По странице продукта, она создаёт 15-секундное видео за 7 секунд вычислений — быстрее реального времени. Также компания заявляет, что модель до 1,8 раза быстрее и до 80% дешевле H3Max. Это сравнение с H3Max, без конкретной цены за ролик.
В рабочем процессе пригодится и настройка разрешения. По официальному описанию, черновики можно делать в 768p, а потом доводить до 1080p, 2K или 4K. Модель принимает до 12 референсов: изображения, видео, эскизы и звук. После генерации отдельные аудиостемы позволяют править части звукового оформления.
В блоге Pika также указаны пять отдельных аудиодорожек и открытые веса. По результатам DesignArena на момент публикации модель заняла первое место среди моделей с открытыми весами и седьмое в общем рейтинге text-to-video. Рейтинг зафиксирован на дату анонса, а результат зависит от сцены.
Для рекламного ролика или короткого клипа можно быстро перебирать композицию и движение на низком разрешении. Потом увеличить разрешение у выбранного варианта и отдельно поправить звук. Но персонажей, детали и синхронизацию всё равно придётся проверять. Открытые веса тоже сами по себе не говорят, насколько удобно запускать модель локально и какие ресурсы ей нужны.
&Tutor учится не выдавать ответ раньше, чем ученик понял задачу
Стартап humans& представил &Tutor — модель для обучения, доступную через API. Её тренировали на Persimmon, симулированном ученике. Система оценивала ответ репетитора и то, насколько ученик понял объяснение. По карточке модели, &Tutor построена на GLM 5.3 и принимает и выдаёт текст.
В оценке TutorMoments компания приводит результат 0,754 у &Tutor, 0,667 у Claude Sonnet 5.5 и 0,634 у GPT-6 Astra. Это результат конкретного бенчмарка по учебным диалогам. Он ничего не гарантирует для каждого объяснения математики и не показывает, что модель заменит преподавателя.
Авторы &Tutor предупреждают: симулированный ученик может вести себя иначе, чем реальный. Для любого учебного продукта стоит проверять две вещи: правильно ли отвечает модель и что понял человек после разговора.
В той же сводке упоминается AI-агентство Glif. Там можно выбирать AI-персонажей для рекламных видео и фото. Японские авторы приводят и положительные реакции: небольшим магазинам проще собирать рекламу. Есть и опасения за работу живых моделей. Кстати, тут инструмент быстро упирается в согласие на использование образа и понятные правила для аудитории.
Во всех пяти сюжетах есть практическая часть: кто разрешает брать контент, кто проверяет код, как разделить аккаунты и как понять, чему научилась модель. Скорость генерации радует, но я бы оставил время и на проверку — данных, результата и того, как его используют.
Мои работы и тесты генеративного видео — в разделе с проектами
Источники
Machine-Readable Training Preference Signal — Internet-Draft
Pika H3 Flex — Faster-than-real-time video model
Introducing Pika H3 Flex — Pika Blog
Источникnote.com
