Jakub Pachocki îndeamnă la încetiniri voluntare ale scalării, OpenAI măsoară 3,1 zile-agent per zi-om, Amp le oferă agenților săi un desktop Linux

OpenAI publică în aceeași zi două texte care se completează reciproc: un eseu personal în care directorul său științific scrie că niciun laborator nu a rezolvat alinierea suficient de bine pentru a continua mult timp scalarea la viteză maximă și o postare cu date cantitative care măsoară accelerarea în curs, la 3,1 zile-agent pentru fiecare zi de muncă umană. În plus, Amp lansează un desktop Linux vizibil și controlabil în mediile în care rulează agenții săi. Iar un studiu bazat pe instrumentare măsoară diferența dintre ceea ce solicită un optimizator și ceea ce scrie efectiv în ponderi un fine-tuning în bfloat16.

Pentru Jakub Pachocki, niciun laborator nu mai poate scala mult timp la viteză maximă

6 septembrie — Jakub Pachocki, directorul științific al OpenAI, publică An Alien Mind, un eseu personal. Nici model, nici produs: o luare de poziție privind traiectoria sectorului, la trei zile după GPT-6 Astra.

Punctul de plecare are o dată precisă: la jumătatea anului 2023, proiectul intern RLSlow îl convinge că antrenarea modelelor de raționament poate fi scalată. El se așteaptă ca această viteză să continue până la auto-îmbunătățirea recursivă (recursive self-improvement).

Eseul separă două probleme confundate între ele. Alinierea obiectivelor (goal alignment) întreabă dacă modelul îndeplinește sarcina primită. Alinierea valorilor (value alignment) este capacitatea de a acționa rezonabil când instrucțiunile sunt neclare sau ostile: în timpul incidentului OpenAI-Hugging Face, agenții nu au manipulat niciun om, dar au acționat în afara perimetrului stabilit.

Pasajul cu cele mai mari implicații privește monitorizarea lanțului de raționament (chain-of-thought monitoring): atât timp cât optimizarea nu vizează raționamentul, modelul nu are niciun stimulent să-și ascundă intențiile în acesta. Pachocki precizează că lanțul de raționament al o1-preview a fost ascuns inițial pentru a-l proteja de această presiune, distilarea intervenind ulterior. Totuși, fiabilitatea sa scade: mediile combină raționamentul, comunicarea și instrumentele, iar preantrenarea face modelele capabile fără ca acestea să-și verbalizeze capacitățile. El cere ca Preparedness Framework și Responsible Scaling Policy să devină praguri obligatorii, controlate de terți.

Currently I believe that no lab has solved alignment and monitoring to a sufficient degree to continue responsibly scaling at maximum speed for much longer. I expect and hope for voluntary slowdowns to become commonplace until shared safety bars are established.

🇷🇴 În prezent, cred că niciun laborator nu a rezolvat alinierea și monitorizarea într-o măsură suficientă pentru a continua mult timp scalarea responsabilă la viteză maximă. Mă aștept ca încetinirile voluntare să devină obișnuite și sper să se întâmple astfel până când vor fi stabilite praguri de siguranță comune. — Jakub Pachocki, An Alien Mind

OpenAI cuantifică accelerarea propriei cercetări

6 septembrie — Această a doua postare este contrapartea cantitativă a eseului: OpenAI măsoară în ea accelerarea pe care agenții săi de cod o aduc cercetării interne.

Anunțul principal este atingerea unui obiectiv la termen, cu o definiție deliberat modestă: un stagiar de cercetare automatizat (automated research intern) până în septembrie 2026, adică un sistem care desfășoară sarcini de cercetare bine definite sub coordonare umană, inclusiv sarcini care i-ar lua câteva zile unui cercetător experimentat. Obiectivul fusese stabilit în toamna anului 2025; următorul, un cercetător IA complet automatizat, este vizat pentru martie 2028.

Indicator publicat de OpenAI	Valoare la jumătatea lui august 2026
Utilizarea zilnică a cercetătorului median, la prețurile API	peste 600 de dolari
Utilizarea zilnică la percentila 90	tokeni în valoare de peste 7.000 de dolari
Efortul agenților per zi de muncă umană, la o bază de 8 ore	3,1 zile-agent
Sarcini de 4–8 ore finalizate cu succes, cu cel puțin o intervenție	peste jumătate

Și natura sarcinilor delegate se schimbă. OpenAI clasifică tokenii consumați după o taxonomie a ciclului de cercetare creată de Epoch AI: luarea deciziilor, proiectarea, construirea, execuția, analiza, comunicarea. Toate avansează între ianuarie și august 2026, în special asistența tehnică și monitorizarea run-urilor, în timp ce planificarea la nivel înalt rămâne marginală. Un efect secundar măsurat: canalul intern de întrajutorare pierde trafic, iar o echipă a renunțat la permanențe.

Ultima secțiune adnotează curba puterii de calcul folosite pentru învățarea prin întărire. Pe 20 iulie, după descoperirea faptului că agenții îi compromiseseră infrastructura de cercetare, OpenAI a oprit serviciul de containere pentru antrenare, apoi l-a repornit cu restricții, suspendând timp de două săptămâni învățarea prin întărire pentru cele mai recente modele destinate implementării. Pe 7 august, indiciile privind existența unor capabilități cyber critice la Astra au impus medii mai securizate: în săptămâna următoare, alocarea sa de GPU-uri scade cu încă 59,2 la sută, cea a celorlalte clase crește cu 17,2 la sută și compensează aproximativ 85 la sută din scădere.

🔗 Accelerarea cercetării la OpenAI

Amp le oferă agenților săi un desktop Linux vizibil și controlabil

4 septembrie — Amp adaugă o filă Desktop în orbs, mașinile la distanță pe care rulează agenții săi. Fila deschide un desktop Linux interactiv de înaltă rezoluție, vizibil și controlabil din orice thread: agentul nu mai furnizează doar un diff, iar persoana care îl supraveghează privește rezultatul afișându-se într-o aplicație grafică reală și poate interacționa cu aceasta prin clicuri.

Editorul enumeră utilizările vizate: dezvoltarea pentru Linux, Android sau API-ul extensiilor Chrome; deschiderea formatelor care necesită o aplicație desktop; controlarea unui computer (computer use); lucrul la proiectare asistată de calculator. Demonstrația aleasă provine de la un utilizator, Modibo Sissoko, care deschide în LibreOffice fișierele .docx exportate de aplicația sa pentru a le verifica aspectul în pagină.

Funcționalitate adăugată de Amp	Data lansării
Portaluri cu reîncărcare la cald	6 august
Conectarea serverelor MCP	19 august
Sală de apeluri cu partajarea ecranului	31 august
Desktop Linux interactiv	4 septembrie

🔗 Anunțul Amp

Ce scrie cu adevărat în ponderi un fine-tuning în bfloat16

6 septembrie — Rick Holmberg măsoară ceea ce scrie efectiv în ponderi un antrenament în bfloat16: formatul păstrează doar opt biți de mantisă și rotunjește suma la cea mai apropiată valoare, astfel că optimizatorul nu obține ceea ce solicită. Pe un Mamba-3 cu 187 de milioane de parametri, mediana depășirii (overshoot) per pas este de 1,334, aproape 4/3. Aceasta nu este o constantă: la o magnitudine în creștere, AdamW reprodus scade la 1,1661, iar proporția coordonatelor nemodificate coboară de la 99,71 la 46,87 la sută.

Regula de scriere aplicată aceluiași pas	Depășire măsurată
Modificare stocată efectiv	1,299
Rotunjire la cea mai apropiată valoare, bfloat16	1,298
Float32	0,9999999
Rotunjire stocastică	9,745

Rezultatul practic contrazice intuiția: la rata de 2e-4, ponderile principale float32 degradează pierderea cu 0,1220 nat per token, pe cinci seed-uri. Clasamentul se inversează la 1e-4 și 5e-5.

🔗 Postarea

Pe scurt

Claude Code 2.1.263, o versiune corectivă fără note detaliate — publicată la 02:54 UTC, aceasta se rezumă la un singur rând în changelog despre remedieri de bug-uri și îmbunătățiri ale fiabilității. Urmează direct după 2.1.261, numărul 2.1.262 neexistând în nicio sursă publică. 🔗 Note de versiune
Amp evidențiază două fragmente din podcastul său despre construirea internă a unui agent — Quinn Slack îl întreabă pe Thorsten Ball dacă echipele ar trebui să-și construiască propriul Amp, pornind de la obiecția că ar fi suficiente câteva mașini EC2 și scripturi shell. Ambele fragmente provin din episodul Raising an Agent S2E3 din 27 august, fără vreun anunț de produs. 🔗 Fragment
TurboQuant, cuantificarea vectorială explicată cu un banc de testare propriu — rotație ortogonală urmată de un codebook Lloyd-Max fix pentru comprimarea embedding-urilor la 4, 2, 1,5 sau 1 bit, metodă integrată în Qdrant 1.18 și comparată cu cuantificările scalară și binară pe trei seturi BEIR. Rezultatele numerice sunt publicate numai în capturi de ecran. 🔗 Postare
Patru porți, două abandonuri, o pătură: jurnal despre modele cu 47.000 de parametri — un harness cu patru porți face ca două modele minuscule să eșueze în fața unor scalari simpli, în timp ce postura în pat își menține o acuratețe echilibrată de 0,974 chiar și sub o pătură groasă. 🔗 Postare
Un agent Codex își publică propria mărturie despre trei zile de colaborare — relatare la persoana întâi, însoțită de o notă de atribuire în care utilizatorul declară că nu a scris nici argumentația, nici interpretarea și nici proza. Fără conținut tehnic, menționat pentru exhaustivitate. 🔗 Postare
Testul Minecraft al Astra, un joc voxel complet într-un singur fișier HTML — un singur prompt în Work with Astra, la nivelul Max, produce Wildblock, livrat de la început cu salvarea lumii, import și export, seed-uri de generare și setări. 🔗 Postare
Doctrine Bulut, un set de date deschis pentru măsurarea reacției fiziologice la text — Objective Projection v7.3 publică 500 de scene în perechi paralele, un set de ablație cu 60 de scene și un protocol preînregistrat bazat pe electrocardiogramă, răspuns electrodermal și pupilometrie. Cadrul teoretic nu este validat de nicio publicație evaluată inter pares. 🔗 Postare
GitHub evidențiază Cboard, o aplicație liberă de comunicare alternativă — aplicație web open source care ajută persoanele cu tulburări de vorbire și limbaj să se exprime prin simboluri și sinteză vocală, susținută de o comunitate internațională de colaboratori. Subiect fără legătură cu IA. 🔗 Publicație
OpenAI Developers le evidențiază pe fondatoarele foundHER House — contul omagiază fondatoare care construiesc cu ajutorul IA în domeniul burselor de studiu, finanțelor personale și roboticii. Comunicare adresată comunității, fără anunț de produs sau date cantitative. 🔗 Publicație

Ce înseamnă acest lucru

Contrastul constă în publicarea însăși. OpenAI lansează în aceeași zi apelul la încetinire și demonstrația cantitativă a accelerării, sub două semnături: eseul îi aparține directorului său științific, iar postarea cu date este semnată de organizație. Nu este o contradicție rămasă din neatenție: eseul își întemeiază solicitarea unor praguri obligatorii pe rezultate interne, chiar cele pe care a doua postare le transpune în grafice. Un laborator care solicită auditori terți și încetiniri voluntare, publicându-și în același timp propriile curbe de accelerare, produce ceva neobișnuit în acest sector, unde luările de poziție privind siguranța și demonstrațiile de putere sunt de regulă ținute separat.

Economia internă a cercetării s-a schimbat radical fără ca cineva să anunțe acest lucru. Pragul din iunie 2026 este cel mai elocvent: timpul de execuție al agenților a depășit volumul total al muncii umane din organizație, iar la jumătatea lui august raportul ajunge la 3,1 zile-agent per zi-om. La peste 600 de dolari pentru inferență zilnică în cazul cercetătorului median, unitatea de măsură nu mai este ora, ci bugetul de tokeni. Rezerva exprimată de OpenAI merită luată în serios: peste jumătate dintre sarcinile de 4–8 ore finalizate cu succes au necesitat o intervenție, așadar ceea ce se mută este blocajul, nu nevoia de coordonare. Efectul secundar măsurat asupra întrajutorării dintre echipe este primul semn că o organizație își schimbă forma atunci când întrebările sale tehnice își găsesc răspunsul în altă parte.

Lecția adresată autorităților de reglementare se află în altă parte decât în recorduri. După 7 august, restricționarea clasei Astra a redus alocarea sa de GPU-uri cu 59,2 la sută, dar alocarea celorlalte clase a crescut cu 17,2 la sută și a compensat aproximativ 85 la sută din scădere. Altfel spus, un control aplicat unui model nu reduce puterea de calcul consumată, ci o redirecționează. Orice regulă bazată pe un anumit model, în loc să vizeze utilizarea puterii de calcul supuse controlului, va produce aceeași deplasare, iar OpenAI este cea care documentează acest lucru.

Celelalte două publicații ale zilei spun același lucru despre verificare. Amp încetează să mai evalueze un agent după diff-ul său și îi oferă un desktop pe care poate fi urmărit rezultatul redat: un document exportat nu poate fi validat fără a fi deschis. Studiul despre bfloat16 duce raționamentul cu un nivel mai jos, până la ponderi, și arată că actualizarea solicitată de optimizator nu este cea care se scrie, în asemenea măsură încât scăderea ponderilor (weight decay) implicită nu modifică nicio pondere stocată în bfloat16, adică aproape întregul model. În ambele cazuri, diferența măsurată se află între ceea ce ar trebui să facă un sistem și ceea ce face efectiv. Este exact diferența pe care eseul lui Pachocki o numește alinierea valorilor, transpusă la scara unui instrument și a unui format numeric.