Чужой доступ к нейросетям перепродают по подписке, а счет до $1 млн приходит хозяину
3 ноября аналитики Google Threat Intelligence и Mandiant описали LLMJacking — угон корпоративного доступа к языковым моделям. В 2026 году они разбирали несколько таких взломов в Северной и Южной Америке и Азиатско-Тихоокеанском регионе: финансы, ритейл, технологии, транспорт. В отдельных случаях мошеннические списания превышали $100 тысяч за один день, а у некоторых компаний до отзыва доступа набегало до $1 млн.
Схема скучная, как бухгалтерия. Главный вход — утекшие или украденные облачные учетные данные: ключи сервисных аккаунтов, токены GitHub, активные сессии. Ключи от нейросетей собирают и в публичных репозиториях, а проверяют запросом ровно в один токен, чтобы не сработали оповещения о всплеске трафика. Дальше доступ уходит «LLM-миксерам» — посредникам, которые перепродают его подписчикам. Один такой сервис, Jet Night, предлагает «безлимит» примерно за $60 в месяц там, где обычный тариф стоит $100–250. Злоумышленник, который питал его крадеными ключами, сделал больше 500 тысяч запросов меньше чем за восемь часов, и компании-жертве достался счет почти на миллион долларов. Сбои, о которых сервис сам объявляет в своем Telegram-канале, аналитики объясняют вероятной причиной: жертвы находят утечку и отзывают ключи.
Это отчет об изученных случаях, а не мировая статистика: сколько компаний пострадало всего, из него не узнать. Рецепт защиты у Google приземленный — держать ключи в менеджере секретов и регулярно менять, ставить лимиты запросов на каждую модель и потолок расходов. Похоже, лимит на облачный счет теперь такая же часть безопасности, как пароль.
Первоисточник: блог Google Cloud, Threat Intelligence
Mistral раздала модель на триллион параметров, но попросила перепродавцов заплатить
29 октября французская Mistral открыла веса Mistral Large 4 — мультимодальной модели на триллион параметров, которую в компании зовут Le Chonk. В начале месяца она вышла в публичное превью, и за три недели дообучения, по данным компании, стала лучшей среди открытых моделей на закрытом тесте Cognition FrontierCode 2.0 (19,7%) и на Terminal-Bench 4.0 (41%, на 13 пунктов выше превью). На индексе агентов для программирования от Artificial Analysis у нее 48%, практически вровень с лидером среди открытых GLM-5.3, но в среднем на 47% меньше токенов на задачу.
Открытые веса означают, что модель можно скачать, запустить на своем железе и дообучить на своих данных, никому не показывая переписку. Лицензия — модифицированная MIT: пользоваться, менять и зарабатывать можно всем, а компаниям, которые сами продают модель как сервис, нужна отдельная коммерческая лицензия. Через API цена от $0,70 за миллион входных токенов и $2,10 за миллион выходных. На вредоносные киберзапросы модель, по замеру самой Mistral, отказывает в среднем в 96,6% случаев.
Все цифры — из блога компании, независимой проверки пока нет. И триллион параметров дома — история не для ноутбука: скачать веса может каждый, а запустить их уже вопрос серьезного железа.
Первоисточник: блог Mistral AI
Британская электростанция Drax будет кормить не только дома, но и дата-центры
3 ноября Drax, инвестор Brookfield с британской ИИ-платформой Radiant и компания Qai объявили партнерство: на территории электростанции Drax в Северном Йоркшире хотят построить дата-центры гигаваттного масштаба. Brookfield оценивает полные вложения потенциально больше чем в £20 млрд, из них £2,5 млрд — на первую фазу до 100 МВт с запуском в первом квартале 2028 года. Дальше в планах до 500 МВт в 2028–2031 годах и новые мощности после 2031-го.
Логика понятная и немного ироничная: самое дефицитное для ИИ сегодня не идеи, а розетка. У станции 1000 акров земли, 4 ГВт подключения к сети, 2,6 ГВт действующей управляемой генерации с системами охлаждения и оптоволокно по соседству. Глава Drax Уилл Гардинер говорит, что проект поможет сохранить сотни рабочих мест и будущее площадки, которая больше 50 лет питает страну.
Пока это намерение, а не стройка: первая фаза зависит от планирования, разрешений правительства и системного оператора и от того, найдется ли арендатор. Градирни, судя по всему, переживут еще одну эпоху.
Первоисточник: сайт Drax
Медицинская нейросеть из Сингапура показывает, куда смотрела на снимке
29 октября в Nature Medicine вышла статья команды сингапурского агентства A*STAR, Сингапурского института исследований глаза и медицинской школы Duke-NUS о модели EVLF-FM. Ее учили и проверяли на более чем 1,3 млн образцов из 18 наборов данных: десять видов исследований, от КТ, МРТ и рентгена до УЗИ, гистологии и снимков глазного дна, и шесть специальностей, от дерматологии до радиологии. Для внешней проверки взяли еще 13 443 образца из 17 других наборов.
Точность приличная: на внутренней проверке средняя точность диагностики 0,895, выше, чем у ведущих универсальных и узких моделей, с которыми ее сравнили. Но интереснее другое — модель не просто называет болезнь, а указывает на снимке место, по которому так решила, и объясняет ход рассуждения. Люди, оценивавшие эти объяснения, поставили им в среднем 4,25 из 5. Диагнозу без объяснения врач верить не обязан, а объяснение он хотя бы может проверить.
Авторы сами ставят предел: до рутинной клинической практики нужны проспективные исследования безопасности и пользы. В кабинет к пациенту модель пока не пришла, только в журнал. Зато пришла с готовностью объясниться, а для нейросети это почти хорошие манеры.
Первоисточник: статья в Nature Medicine
