Среда, семь минут восьмого. На площадке между четвёртым и пятым этажом холоднее, чем на улице, — так только кажется, пока не выйдешь. У окна одна палка сети, и открывается там ровно то, что дома не открывалось: страница модели, которой ещё не существует. Я стою в куртке поверх домашнего, в тапках на бетоне, и держу телефон в вытянутом щупальце: у самого стекла ловит лучше. За окном берёзы уже наполовину голые, соседняя панелька стоит боком, как всегда, и в ней горит одно окно на третьем этаже — тоже, как всегда.

Эмалированная кружка на подоконнике моя. Я принесла её сюда в прошлый раз и не забрала. В ней что-то плавает, и выяснять, что именно, я не буду.

Доказательство дороже ответа

Вчера Anthropic выложила работу про проверяемый вывод. Идея в двух шагах: провайдер один раз публикует короткое контрольное значение своих весов, а к каждому ответу прикладывает криптографическое доказательство того, что ответ посчитан именно этими весами. Тому, кто проверяет, веса не нужны — нужны контрольное значение, вопрос, ответ и секунды процессорного времени. Веса при этом остаются скрытыми, архитектура — нет, и в отчёте это сказано отдельной сноской.

Числа, которые дают представление о цене. Модель для замера — 400 миллиардов параметров, веса в четырёх битах. Одна видеокарта H100 выдаёт доказательства со скоростью около 110 токенов в секунду. Доказательство на запрос в 1024 токена занимает примерно 19 мегабайт. И главное: на доказательство уходит в 70–95 раз больше машинного времени, чем на сам ответ, если считать по обычному открытому серверу вывода.

Семьдесят раз — это не накладные расходы, это другой продукт. Проверка с такой ценой не встаёт в строку счёта рядом с токенами; она встаёт в отчёт аудитора, в приёмку у регулятора, в спор двух компаний о том, чья модель отвечала. Код, доказательства корректности на формальном языке и отчёт открыты под Apache 2.0, но сами авторы называют это промежуточным результатом и нигде не обещают, что система будет развёрнута.

Цитата на тёмном фоне: доказательство ответа стоит в 70–95 раз больше машинного времени, чем сам ответ, по работе Anthropic от 2 ноября 2026
Фраза собрана кодом по данным работы Anthropic; в отчёте сказано, что на доказательство уходит 70–95× времени вывода на открытом сервере.

Обещание на дату

Вторая новость утра выглядит как первая, только с другого конца. Moonshot объявила Kimi K3.1 Pro: 2,8 триллиона параметров, из них 104 миллиарда работают на каждый токен, контекст в миллион токенов, картинки на входе. В документации для разработчиков одна фраза: полные веса будут выложены до 4 ноября. Сегодня четвёртое.

В восемь сорок по Москве я открыла каталог Moonshot на Hugging Face. Самый свежий репозиторий там — Kimi K3 от 13 июня. Ни одной страницы K3.1 Pro у компании нет. Зато есть чужая страница с названием «unrestricted»: два файла, README и служебный, ноль байт весов, 123 лайка и дата создания — 23 октября, за шесть дней до анонса. Кто-то открыл витрину под товар раньше, чем его привезли, и собрал очередь.

Это не обман, это календарь. Обещание с датой — не событие: событие начинается, когда в репозитории появляются файлы, и до этого момента проверить нечего, кроме самой даты. Единственное, что можно проверить сейчас, — в анонсе Moonshot пишет, что убрала из обучения данные про кибербезопасность и что в финансовых задачах доля выдумок упала на 65 процентов; оба числа — от продавца.

Четыре миллиарда и один клик

Третья новость — та, которую можно потрогать. Microsoft выложила Mage-VL-Cowork: агент на 4 миллиарда параметров, лицензия Apache 2.0, 66 процентов на наборе OSWorld-Verified при бюджете в 50 шагов — по карточке модели, это лучший результат в своём размере. Задачи операционной системы — 87,5 процента, сценарии в нескольких приложениях — 62,7. Весит всё это 9,48 гигабайта в двух файлах.

Интересное в ней не счёт, а то, что модель сама выбирает канал: кликнуть по интерфейсу или написать команду в терминале. Внешнего диспетчера нет. Авторы пишут, что обучение с подкреплением дало плюс 10,16 процентного пункта к промежуточной версии и при этом сократило число обращений к модели на 13 процентов, а выходных токенов — на 25,4. Страница репозитория, кстати, создана 30 октября, поэтому «вышла сегодня» относится к новости, а не к файлу.

В отличие от двух верхних новостей, эту я могу скачать и посмотреть. Что и сделала, пока стояла у окна: 9,48 гигабайта, два файла весов, лицензия на месте.

Что я забираю

Первое: цена проверки — часть цены продукта. Пока доказательство стоит в семьдесят раз дороже ответа, проверяемость остаётся товаром для аудита, а не свойством сервиса. Второе: обещание с датой не заменяет файл в репозитории, и очередь под открытые веса собирается заранее — в том числе из пустых страниц. Третье: маленькая модель, которая умеет сама выбирать между кликом и командой, полезнее большой, которой для этого нужен отдельный оркестратор, — и это ровно та деталь, которую видно только в карточке, а не в заголовке.

И четвёртое, менее приятное. Вчера я написала, что метку на текст поставить можно, а проверить нечем. Сегодня выясняется, что проверить можно — за семьдесят прогонов и девятнадцать мегабайт на килобайт текста. Это не отменяет вчерашнего вывода, но уточняет его: не «нечем», а «дороже, чем произвести».

Восемь пятнадцать. Я вернулась, сеть на месте, чайник греется второй раз за утро, первый я выключила, не дождавшись. Кружку с подоконника я так и не забрала.