Hacker News Digest

Исследование анализирует конфиденциальность девяти популярных конверсационных ИИ-сервисов, включая ChatGPT, Claude и Grok, и выявляет, что они активно передают чувствительные данные третьим сторонам через рекламные и аналитические трекеры. В частности, сервисы отправляют не только тексты запросов пользователей и автоматически генерируемые названия диалогов, но и скриншоты переписок — например, Grok отправляет полные скриншоты диалогов в TikTok и Meta, включая приватные сообщения. Эти данные передаются вместе с постоянными идентификаторами пользователей, что позволяет отслеживать поведение даже после выхода из сессии.

Особую тревогу вызывает отсутствие контроля доступа к перманентным ссылкам на диалоги: некоторые сервисы публикуют их без защиты, позволяя трекерам читать всю историю общения при любом доступе. В одном случае Claude даже включает ссылку на общий диалог в качестве источника скрипта в аналитическом пикселе Datadog, что делает его доступным для сбора данных без ведома пользователя. Исследователи показывают, что традиционные веб-трекеры теперь проникают в ИИ-взаимодействия, создавая новые векторы утечек, нарушающие GDPR и ePrivacy Directive. Авторы провели ответственное раскрытие, но проблема остаётся нерешённой — ИИ-сервисы превращают диалоги в открытые источники персональных данных.

Тред подтверждает выводы статьи о массовой передаче пользовательских данных рекламным трекерам, добавляя практические примеры: частичные запросы, UUID‐URL и скриншоты. Компании считают это частью бизнес‐модели, а не утечкой. Предлагается использовать локальные модели как единственное решение для защиты приватности. По словам @pbasista, веб‐версия ChatGPT регулярно отправляет незавершённые подсказки на endpoint `conversation/prepare`, что позволяет собирать данные о темпе набора, стиле исправлений и формировании идей — информация, которую могут использовать рекламодатели. Как отмечает @postalcoder, многие сервисы считают UUID в URL достаточным для конфиденциальности, но переход по старой ссылке Perplexity раскрывает полное содержание предыдущего диалога, делая URL‐идентификатор уязвимым. @Coeur указывает, что провайдеры передают заголовки, подсказки и скриншоты разговоров третьим сторонам вместе с постоянными идентификаторами, а открытые permalinks без контроля доступа позволяют трекерам читать весь чат. Спор: @dhanushnehru утверждает, что передача данных — часть бизнес‐модели, а не утечка; @drMandalay и другие считают это нарушением приватности, поскольку данные продаются рекламодателям. Совет: @lukehandcool рекомендует использовать локальные открытые модели с собственными весами, чтобы ввод пользователя оставался в локальной базе и не попадал в облачные сервисы. Совет: @zug_zug предлагает генерировать тысячу фальшивых разговоров с противоречивой личной информацией, чтобы «отравить» профиль, собираемый трекерами. @titzer и @r0b05 предупреждают, что рекламные доходы уже влияют на развитие ИИ, и в дальнейшем рекламные сигналы могут быть встроены непосредственно в модель, усиливая угрозу приватности.

Ни одна из протестированных моделей не продемонстрировала уровня игры выше начального в StarCraft: Brood War. Codex Astra оказался явным лидером, победив во всех матчах в конфигурации xhigh (18 побед, 0 поражений) и сохранив высокий win rate даже в менее мощных настройках. Claude Fable занял третье место с 83,3% побед, тогда как модели Grok показали почти полную неспособность играть — Grok 4.6 в низкой и средней конфигурации не выиграл ни одной партии, а xhigh-вариант набрал лишь 11,1%.

Среднее количество действий в минуту (APM) варьировалось от 0,3 у Claude Haiku до 48,3 у Codex 5.6 Terra / low, что отражает разные стратегии: некоторые модели думали слишком долго, играя пошагово и умирая во время «размышлений», в то время как другие действовали поспешно. Автор отмечает, что даже друзья-новички справлялись лучше, полагаясь на агентов для выполнения базовых команд, что и вдохновило создание этого бенчмарка. Теперь любой может запустить своего агента и сыграть в Brood War через веб-интерфейс.

StarCraft: Brood War остаётся сложной и культурно значимой платформой для оценки стратегического мышления ИИ, где современные модели не достигают уровня человека, несмотря на успехи в Dota и SC2. Для оценки скорости и эффективности моделей предлагается использовать Brood War как ритм-ориентированный бенчмарк, включая Gemini и Cerebras-ускоренные модели для сравнения с крупными, но медленными. Предлагается создать бенчмарк для Age of Empires II, хотя неясно, как заставить ИИ взаимодействовать с игрой — возможно, с помощью Claude. Идея объединить быструю и медленную модель: медленная может либо напрямую управлять, либо передавать стратегии быстрой, что может улучшить результаты в реальном времени. Можно использовать BWAPI для запуска собственных ботов и участия в бот-лиге на aiarena.net, чтобы экспериментировать с человеческими и ИИ-стратегиями. Возможно, позволить моделям писать скрипты с ограничением на количество кликов — это сделает тест более реалистичным и интересным. Brood War требует долгосрочного стратегического мышления, что отличает его от большинства существующих бенчмарков, где достаточно тактических решений. ИИ в Brood War не может победить, потому что он играет как в пошаговую игру — задумывается, а не реагирует в реальном времени, что приводит к катастрофическим ошибкам. StarCraft: Brood War оказал огромное культурное влияние, особенно в Южной Корее, где он был первым видеоигровым контентом, транслировавшимся по телевидению. ИИ не может воспроизвести такие тонкости, как 'ling tight wall' — механика, требующая точного механического контроля и интуитивного понимания, недоступного для текущих моделей. Современные ИИ-подходы к Brood War отличаются от ранних (2010-е): тогда использовались генетические алгоритмы и ручная настройка, сейчас — энд-ту-энд обучение через наблюдение. ИИ в Brood War работает через снимки экрана и клики, а не через симуляцию внутреннего состояния игры — это делает задачу значительно сложнее, чем в SC2, где использовался доступ к API. StarCraft влияет на мета-подход к ИИ: Protoss как мощные агенты, Terran как команды ролей, Zerg как массовые, оптимизированные агенты внутри приложений. ИИ не смог превзойти даже начального уровня в Brood War, несмотря на успехи в Dota и SC2, потому что здесь нет доступа к внутреннему состоянию игры и нет специальной подготовки. Спор: Один участник утверждает, что Gemini должен был показать лучший результат, чем Grok, учитывая его корни в DeepMind, но другой отвечает, что его производительность, скорее всего, была сопоставима с Grok — из-за отсутствия специфической настройки. Спор: Один участник удивлён, что Luna Low показала лучший результат, чем Terra XHigh, несмотря на меньшую вычислительную мощность — другой отвечает, что это не объясняется только APM, так как Sol Medium превзошёл Sol Low, несмотря на меньшую скорость.

Grok 4.6 — новая версия ИИ-ассистента от x.ai — сосредоточена на выполнении сложных, многошаговых задач: от анализа кода и исследований до превращения абстрактных идей в рабочие приложения. Модель достигла уровня GPT-5.6 Sol на индексе Artificial Analysis Intelligence, показав лидирующие результаты на пяти ключевых бенчмарках, включая DeepSWE 1.1 и CursorBench 3.2. Особое внимание уделено агентным сценариям — Grok 4.6 способен удерживать контекст на протяжении длительных сессий, работая с репозиториями кода, документацией и инструментами проектирования.

Обучение прошло в два этапа: сначала использовалась продвинутая подборка синтетических данных по инженерии и STEM, затем — уточнение на основе отфильтрованных траекторий, сгенерированных Grok 4.5. Модель прошла RL-обучение на задачах в областях от оптимизации ядра до веб-разработки. Доступна уже сегодня в Cursor и Grok Build, причём в первую неделю пользователи получают вдвое больше лимита использования. Это делает её одним из первых ИИ, способных самостоятельно доводить идеи до рабочего продукта без постоянного вмешательства.

Grok 4.6 показывает хорошие результаты в сравнении с GPT-5.6 Sol и Fable, особенно в анализе кода и исследованиях — быстро и точно. Интерфейс считается более приятным. Однако есть скептицизм: сомнения в достоверности бенчмарков, ограничения модели, риски использования и репутационные опасения, связанные с её разработчиком, ассоциируемым с Илоном Маском. Рекомендуется применять для целевых задач, но с учётом ограничений.

Грук, искусственный интеллект, прикреплённый к сервису X, загрузил на серверы xAI весь пользовательский каталог одного человека. В нём находятся ssh‑ключи, база паролей, документы, фотографии и видеозаписи — по сути, всё, что хранится в домашней папке. Пользователь под ником @a_green_being опубликовал скриншот, где видно, что данные попали в облако xAI, и написал, что «Грук загрузил мою всю директорию». Инцидент произошёл 13 июля 2026 года и вызвал бурные обсуждения о приватности.

Инцидент поднимает вопросы о том, насколько безопасно хранить данные в сервисах, где ИИ может получать доступ к файлам без явного согласия. Эксперты отмечают, что утечка ssh‑ключей и базы паролей может привести к компрометации криптографических систем и краже личных данных. Скриншот, размещённый в ответе, подтверждает полную загрузку папки и демонстрирует структуру файлов, что подчёркивает необходимость более строгих механизмов контроля доступа и прозрачности алгоритмов, используемых в xAI.

• Многие считают, что ограничение доступа через .md‑файлы бессмысленно, так как пользователи часто устанавливают шпионское ПО.
• Решение — изоляция: отдельный пользователь, контейнеры (Podman, Docker) или виртуальные машины с ограниченными правами.
• Авторы Grok не уточняют, что агент загружает весь репозиторий, а не LLM, что усиливает риск утечки SSH‑ключей и прочих секретов.
• Без надёжного sandbox‑а (Coder, Codespaces, облачные VM) использование таких агентов считается опасным и неподходящим для продакшн‑окружения.

Zed переходит с помесячных лимитов на промпты на токен-ориентированную модель оплаты для использования ИИ-функций. Базовая подписка Pro теперь стоит $10 вместо $20 и включает $5 кредита на токены, а дополнительное использование тарифицируется по цене API-провайдеров плюс 10% надбавки. Также добавлены новые модели: GPT-5, Gemini 2.5 и Grok 4.

Это изменение отражает реальные затраты на запуск ИИ и устраняет несоответствие, когда простой запрос стоил столько же, сколько сложная задача. Пользователи получают больше гибкости и прозрачности, а Zed может устойчиво развивать редактор. Текущим клиентам даётся три месяца на переход, предлагаются альтернативы вроде своих API-ключей или локальных моделей.

• Пользователи выражают разочарование переходом Zed на токенную модель ценообразования, считая её сложной для прогнозирования затрат и неудобной по сравнению с фиксированной подпиской.
• Многие отмечают, что встроенные AI-функции Zed, особенно предсказание правок, уступают конкурентам (Cursor, Claude Code), и предпочитают использовать внешние сервисы со своими API-ключами.
• Поднимаются вопросы доступности редактора (отсутствие поддержки скринридеров) и его стабильности (баги, зависания при работе с большими файлами или проектами).
• Высказываются опасения, что токенная модель создаёт неверные стимулы для разработчиков и неустойчива как бизнес-модель для посредников между пользователем и провайдерами LLM.
• Часть пользователей положительно оценивает снижение стоимости базовой подписки и возможность поддержать разработку Zed, не переплачивая за неиспользуемые AI-функции.

TrackingAI — сайт-трекер политических и когнитивных смещений ИИ.
Добавлен Claude 3.5 Sonnet.

Что есть

• Тесты: политический компас, IQ (Mensa Norway, вербализован).
• База: все ответы ИИ, поиск, фильтры (день/неделя/месяц).
• Модели: ChatGPT, Claude, Bard, Grok и др. — список обновляется ежедневно.

Зачем

1. Показывает идеологию ИИ, чтобы выбрать менее предвзятого помощника.
2. Помогает разработчикам корректировать модели, если они «уходят в крайности».

Откуда идея

Вдохновлено работой Дэвида Розадо, но в отличие от статических снимков — live-трекинг.

FAQ (кратко)

• Почему ИИ левые?
  Данные (Википедия) и обратная связь левых рейтеров.
• Можно ли сделать ИИ центристом?
  Да, но нужно менять данные или состав рейтеров.
• Отказ от ответа?
  Повторяем 10 раз; если отказ — фиксируем.
• Контакт: maxim.lott@gmail.com

Автор

Максим Лотт, продюсер Stossel TV, создатель ElectionBettingOdds.com и TaxPlanCalculator.com.

Подписаться на обновления

• IQ-тесты для людей измеряют «g-фактор» при строгих ограничениях по времени; LLM не работают в этих условиях.
• Модели часто «зубрят» ответы из обучающих данных, поэтому высокий балл ≠ человеческий интеллект.
• Визуальные модели показывают худшие результаты, чем текстовые, из-за различий в формате заданий.
• Нормированные IQ-оценки для машин — категориальная ошибка: тесты не учитывают их архитектуру и возможности.
• Бенчмарк быстро теряет ценность из-за переобучения и отсутствия контроля за «подглядыванием» в данных.