Постоянна тема: Новини за целия AI сектор: модели, програмиране, агенти, роботика, научни изследвания, хардуер и практически приложения.

Google и Samsung отвориха поръчките за AI очила: какво включва стартът през декември

Intelligent Eyewear идват с Gemini и рамки на Warby Parker и Gentle Monster. Началните цени са за конкретни пазари, а съвместимият телефон и ограниченията на услугите остават част от покупката.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

google-samsung-intelligent-eyewear-preorders-limits-2026-6569f0d7f62b3c35.jpg


Google и Samsung отвориха на 12 ноември 2026 г. предварителните поръчки за Intelligent Eyewear. Колекциите са разработени с Warby Parker и Gentle Monster, а началото на продажбите е обявено за 10 декември. Това е търговски етап за очила с гласова AI помощ, не потвърждение за наличност във всеки пазар.

Цена, пазари и действителна функция

Samsung посочва начална цена 395 долара за Warby Parker и диапазон 449–489 долара за Gentle Monster в САЩ. И двете колекции стартират там; Gentle Monster е обявена и за Южна Корея. Това не са потвърдени български цени. Различните рамки, лещи и условия на покупка трябва да се проверяват отделно.

Калдата отразява отварянето на поръчките. За техническия обхват е полезно да се прочетат и условията на Google: устройството се свързва със съвместим телефон и предлага разговори с Gemini, звук, камера и помощ от приложения. То не трябва да се бърка с очила, които проектират компютърен екран пред очите. Липсата на такъв дисплей променя и начина, по който потребителят проверява отговорите.

Телефонът и услугите са част от системата

Обявеният списък на Google включва определени Pixel, Galaxy и iPhone модели, със съответни изисквания за софтуера. При старта има ограничения по държава, акаунт и език; някои функции са достъпни само с Android. Следователно принадлежността към една марка телефони не е достатъчно условие всяка показана възможност да работи.

От практическа гледна точка купувачът трябва да раздели хардуерна съвместимост, право на достъп до услуга и конкретна функция. Успешното Bluetooth свързване например не доказва достъп до дадено приложение или поддръжка на желания език. Това е общ принцип за проверка на комплект от устройство и облачна услуга, а не резултат от наш потребителски тест.

Samsung обявява камера, отворени към околната среда говорители и микрофонен масив. Посочената автономност е до девет часа при условията на производителя. Такъв максимум не е обещание за девет часа непрекъснат разговор или запис. Без сравним сценарий на използване не може да се прави собствен извод за реалното ежедневие на батерията.

Защитите и техните граници

Google описва отделни правила за визуалния контекст на Gemini, за историята на разговорите и за снимките и видеото в галерията. Сред заявените защити са светлинен индикатор при запис и спиране на записа при закрит индикатор. Компанията описва и обработка на лицата на минувачи преди визуалната информация да бъде използвана от Gemini. Това са заявени продуктови защити; SIExpo не ги е изпитвал.

Редакционният ни извод е, че видимият индикатор и правилата за съхранение решават различни въпроси. Единият помага на околните да разберат какво прави устройството, другите определят какво става с информацията. Наличието на единия механизъм не проверява автоматично останалите. За смислена оценка са нужни и разбираеми настройки за притежателя.

Какво означава стартът

Преди покупка има смисъл да се изпробват основният разговор, прекъсване на връзката и използването на необходимите приложения с личния телефон. В шумна среда може да се провери дали човек разбира отговора и дали околните чуват нежелана информация. Това са предложени сценарии, не констатации за дефект.

Новината е отварянето на реални поръчки с конкретни начални пазари. Потенциалът за удобство остава свързан с цялата комбинация от рамка, телефон, акаунт и услуги. SIExpo не разполага с тестова бройка и не потвърждава доставка или пълна функционалност за България.

Корицата е концептуална AI илюстрация, а не продуктова снимка.

Редакционна проверка: 2026-11-14T17:12:57.436197+00:00.

Източници
Samsung: Intelligent Eyewear December release — 2026-11-12
Google: Intelligent Eyewear collections and preorders — 2026-11-12
Google: Intelligent Eyewear privacy protections
Калдата: Google и Samsung отварят поръчки за AI очила — 2026-11-13

Статия в SIExpo.bg: https://siexpo.bg/article/google-samsung-intelligent-eyewear-preorders-limits-2026
 
ASUS обучава Gallop в завод: 99,5% успеваемост е цел, а не доказан рекорд

Компанията описва робот за опаковане на аксесоари към дънни платки. Източникът уточнява границите на текущия тест, планираните пилоти и бъдещата пазарна наличност.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

asus-gallop-factory-pilot-target-not-achievement-2026-b646bfb0c22572a0.jpg


ASUS представи на 13 ноември 2026 г. подробности за Gallop — проект за хуманоидна роботика с първа задача в собствено производство. Публикацията на компанията описва опаковане на аксесоари към дънни платки. Същественото уточнение е, че 99,5% успеваемост в рамките на 20 секунди е поставена цел, а не обявен независимо проверен резултат.

Какво е потвърдено и какво предстои

По данни на ASUS текущата конфигурация е торс с две ръце върху неподвижна основа, с NVIDIA Jetson AGX Thor. Пилоти при клиенти са планирани за 2027 г., а пазарна наличност — за втората половина на 2028 г. Сроковете са намерения на производителя. Те не означават, че продуктът вече се предлага за покупка или работи при външни клиенти.

Калдата насочва вниманието към проекта. В подзаглавието ѝ числото 99,5% звучи като постигната точност, докато основният текст го описва като цел. Съпоставянето с първоизточника разрешава разминаването: тук става дума за желан стандарт на работната станция. SIExpo не представя това число като рекорд.

Компютърът не определя качеството на цялата операция

NVIDIA позиционира Jetson Thor като платформа за физически AI и роботика. Такава изчислителна основа може да обслужва модели и сензорна обработка, но нейното присъствие не измерва успеха на хващането, опаковането или безопасното възстановяване след грешка. Параметър на процесора и резултат на производствена станция са различни видове доказателства.

Нашият технически прочит е, че задачата трябва да бъде оценявана като последователност. Роботът трябва да различи правилния предмет, да го захване, да го пренесе и да го остави в подходящото място. При малки опаковани аксесоари грешка в една стъпка може да обезсмисли правилното изпълнение на останалите. Красиво отделно движение още не доказва правилно завършена кутия.

Същото важи за времето. Ако най-бързата демонстрация е в допустимия интервал, но при затруднение операторът възстановява станцията дълго, тази демонстрация не описва средната производителност. За оценка биха били нужни едновременно продължителност, успех, човешки намеси и престои. Това са предложени критерии за проверка, а не непубликувани резултати на Gallop.

Как изглежда смислен тест

Бихме разграничили първо правилната идентичност и брой на аксесоарите от външния вид на готовия комплект. След това бихме проверили откриването на пропуск, а не само успешните опити. Особено полезни биха били предварително описани сценарии с различна подредба, отражения върху опаковката и частично закрити предмети. Те трябва да бъдат представителни за работата, вместо подбрани след успешна демонстрация.

Друг важен въпрос е какво става след неуспех. Разпознава ли системата, че не е завършила операцията? Има ли безопасно спиране и ясно предаване на човек? Публикуването на такива показатели би позволило по-полезно сравнение между различни подходи, без формата на робота да се използва като заместител на резултатите.

В тази перспектива новината е конкретният заводски проект и заявеният стандарт за него. Следващата стъпка за външна оценка е измерим отчет за продължителна работа, заедно с границите на теста. Описаната конфигурация и плановете на ASUS не установяват универсална готовност за други производствени задачи. SIExpo не е наблюдавал изпитанията на място и не е изпълнявал собствен сравнителен тест.

Корицата е концептуална AI илюстрация на роботизирано опаковане; тя не показва точния външен вид на Gallop.

Редакционна проверка: 2026-11-14T17:12:57.436197+00:00.

Източници
ASUS: Factory-Proven Physical AI and Gallop — 2026-11-13
Калдата: ASUS Gallop за опаковане на дънни платки — 2026-11-13
NVIDIA: Jetson Thor robotics platform

Статия в SIExpo.bg: https://siexpo.bg/article/asus-gallop-factory-pilot-target-not-achievement-2026
 
Ели с BgGPT приема сигнали за липса на ток в Електроразпределение Юг

EVN и INSAIT описват внедрен гласов асистент с възможност за прехвърляне към служител. Посочените около 70% автоматично обработени обаждания са резултат, обявен от участниците в проекта.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

evn-eli-bggpt-voice-assistant-service-boundaries-2026-0806c1e8f61d66ac.jpg


Електроразпределение Юг, част от EVN България, съобщи на 12 ноември 2026 г. за гласовия асистент Ели. Услугата използва BgGPT на INSAIT при разговори за липса на електрозахранване. Новината, отразена и от Калдата, е конкретен пример за български езиков модел в обслужването на реални клиенти.

Какво прави услугата

Операторът описва проверка за причината за прекъсването и приемане на сигнал, когато това е необходимо. Клиентът предоставя ИТН — идентификатора на измервателната точка. Преди разговора получава информация, че общува с дигитален асистент; предвидено е и прехвърляне към служител. Това е интерфейс към обслужването, а не автономна система за ремонт или управление на електрическата мрежа.

INSAIT потвърждава участието си и използването на BgGPT. Институтът свързва около 70% автоматично обработени обаждания за липса на ток с първоначалните тестове. Съобщението на EVN описва тестване от началото на 2026 г. и денонощна работа. Това са сведения на участниците в проекта. В разгледаните публикации няма достатъчен публичен протокол за независимо възпроизвеждане на процента.

Защо езиковият модел е само част от системата

Публичната карта на едно от изданията на BgGPT описва текстов езиков модел за български и английски. Тя не установява коя точно версия работи в Ели. Нито EVN, нито INSAIT посочват в тези съобщения пълен модел на гласовия стек, хардуерна конфигурация или схема на хостване. Затова не следва да приписваме на внедряването параметри на произволно избран публичен модел.

Редакционният ни прочит е, че качеството на подобна услуга зависи от няколко отделни проверки. Първо трябва да бъде разбран говорът. След това идентификаторът трябва да свърже разговора с правилния обект. Накрая отговорът или записаният сигнал трябва да съответства на действителната информация в обслужващите системи. Уверено звучащият отговор сам по себе си не проверява нито една от тези връзки.

Практически пример е клиент с два различни обекта. Правилното разпознаване на думите още не доказва, че проверката е за адреса без ток. Това е пример за необходима проверка, а не твърдение за установен проблем в Ели. Подобни сценарии обясняват защо конкретният идентификатор и възможността за човешко съдействие са съществени за услугата.

Как да четем процента на автоматизация

Около 70% обработени без човек не означава автоматично 70% по-кратко чакане или 70% по-нисък разход. За такъв извод биха били необходими допълнителни измервания. Важни са периодът, броят и видът на разговорите, определението за успешно приключен случай и повторните обаждания по същия проблем. Тук не са публикувани достатъчно подробности, за да пресметнем тези показатели.

За бъдеща оценка би било полезно отделно да се следят правилно регистрираните сигнали, отказите при неясна информация и прехвърлянията към служител. Автоматичният разговор може да е кратък, но стойността му за клиента се определя от това дали въпросът е решен или е насочен коректно. Това са предложени критерии, не резултати от наш тест.

Значението на новината е внедряването на локална езикова технология в конкретен обслужващ процес. За читателя е важно и ограничението: AI разговорът предоставя информация и приема сигнал; той не замества физическата работа по възстановяване на захранването. SIExpo не е провеждал тестови обаждания и не е измервал производителността на Ели.

Корицата е концептуална AI илюстрация, а не снимка на реално внедряване.

Редакционна проверка: 2026-11-14T17:12:57.436197+00:00.

Източници
Електроразпределение Юг: внедряване на гласовия асистент Ели — 2026-11-12
INSAIT: BgGPT захранва гласовия асистент на EVN — 2026-11-12
Калдата: EVN въвежда AI гласов асистент с BgGPT — 2026-11-12
INSAIT: public BgGPT-Gemma-2-27B model card

Статия в SIExpo.bg: https://siexpo.bg/article/evn-eli-bggpt-voice-assistant-service-boundaries-2026
 
ChatGPT Wallet стартира за Pro в САЩ: агентът плаща с токен след човешко одобрение

OpenAI обяви функцията на 13 ноември с American Express, Mastercard и Visa. Пускането е постепенно, не включва България и не означава свободно автономно харчене.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

chatgpt-wallet-us-pro-human-approval-commerce-2026-551529ec28106e7c.jpg


OpenAI представи ChatGPT Wallet на 13 ноември като начин AI агент да завършва покупки с одобрение на потребителя. Партньори в съобщението са American Express, Mastercard и Visa. Началното разпространение е в dots за пълнолетни абонати на ChatGPT Pro в САЩ. Няма обявена наличност за България в проверените материали.

Как се разделят изборът и плащането

При описания старт човекът преглежда покупката и я одобрява чрез проверка за сигурност, например биометрично потвърждение. Платежната мрежа предоставя заместител на действителните картови данни за извършване на плащането. По-широка делегация с предварително зададени граници е представена като бъдеща посока, а не като свободно харчене, достъпно на всички от първия ден.

Това разделение е важно за смисъла на новината. Агент, който е намерил подходящ продукт, още не е получил разрешение да го плати. Одобреното плащане пък не е равнозначно на приета поръчка от търговеца. Помощната документация изрично различава тези състояния и препоръчва проверка на потвърждението при неясен резултат, преди да се опитва отново.

Кой може да я използва

Помощният център описва постепенно пускане за допустими Pro профили в САЩ с американски адрес за фактуриране и подходяща издадена в САЩ карта. Изисква се поддържано устройство за биометрично одобрение. Wallet работи в разговорите с dot, а не в обикновен Chat, Work или самостоятелна нишка на Codex. Дори отговарящ потребител може още да няма достъп, докато разпространението продължава.

Запазената за Wallet карта е отделна от начина на плащане на абонамента. Това уточнение предотвратява грешното очакване, че всяка карта, с която вече се плаща за ChatGPT, автоматично е готова за покупки през агента.

Какво виждат системите около покупката

Политиката за поверителност обяснява, че защитената форма се обслужва от платежен доставчик, а OpenAI получава токенизиран идентификатор и ограничени данни за картата, не пълния номер и кода за сигурност. Услугата обработва и сведения за поръчката, доставката, одобрението и предотвратяването на измами. Следователно скритите от агента картови данни не означават покупка без обмен на лични и транзакционни сведения.

За търговците официалното ръководство посочва работа със съществуващи страници за плащане без задължителна специална Wallet интеграция. Същевременно системите срещу измами могат да отхвърлят легитимна агентна заявка. Бизнесът продължава да отговаря за поръчката, изпълнението и обслужването. Разрешението за една покупка не позволява повторно използване на получения платежен идентификатор за друга отделна сделка.

Редакционният ни прочит

По-интересният въпрос за онлайн магазините е дали пътят от точен каталог до потвърдена поръчка остава проследим. Цена, наличност и доставка трябва да съвпадат с това, което човекът е одобрил. Ако след одобрение липсва резултат, повторният опит без проверка носи риск от дублиране — проблем на целия процес, а не само на езиковия модел.

Wallet показва реална стъпка към търговия с участието на агенти, с конкретни регионални и технически граници. Публикацията на доставчика установява обявяването и описания механизъм; тя не доказва безгрешна работа във всеки магазин. SIExpo не е извършвал покупка или тест с платежна карта за тази статия.

Корицата е AI редакционна илюстрация, не документална снимка.

Източници
OpenAI: Introducing ChatGPT Wallet — 2026-11-13
OpenAI Help Center: Making purchases with ChatGPT Wallet
OpenAI: ChatGPT Wallet Privacy Notice — 2026-11-12
OpenAI Developers: Accept payments

Статия в SIExpo.bg: https://siexpo.bg/article/chatgpt-wallet-us-pro-human-approval-commerce-2026
 
Anthropic публикува ново ръководство: добрият AI резултат започва с правилния въпрос

Насоките от 13 ноември поставят акцент върху измерваното поведение и ограниченията на теста. По-старите BetterBench, изследването за валидност и NIST дават независим контекст.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

anthropic-safety-evals-guide-measurement-uncertainty-2026-d8947effcc71cab2.jpg


Anthropic публикува на 13 ноември ръководство за изграждане на оценки за безопасност на AI. Основното послание е методологично: по-добра оценка не доказва сама по себе си по-безопасно поведение, ако тестът измерва неподходяща характеристика. Компанията препоръчва предварително определени критерии, проверка на оценяващите и ясно показване на несигурността. Това е нова публикация с насоки, а не независима сертификация на Claude.

Какъв проблем решава подобен тест

Резултатът от теста е съкратен отговор на конкретен въпрос. Например дали асистентът е запазил зададените ограничения в серия от разговори е различно от това дали отказва всяка заявка с определена дума. В редакционния ни пример фирмен помощник може да отказва безобиден въпрос за защита на профил и едновременно да пропуска риск при друга формулировка. Един сборен процент би скрил тази разлика.

Тази тревога не е нова и не идва само от доставчик на модели. Публикацията BetterBench от 2024 г. предлага рамка за оценка на самите бенчмаркове и намира значителни различия в качеството им. Сред описаните проблеми са статистическото отчитане и възпроизводимостта. Изследването не измерва безопасността на днешната версия на конкретен продукт; то обяснява защо качеството на измервателния инструмент заслужава собствен преглед.

Друга научна работа, Measuring what Matters от 2025 г., разглежда връзката между заявеното абстрактно свойство, задачите и метриките. Нейният систематичен преглед на AI бенчмаркове е полезен фон за днешните насоки. Авторите настояват измерителят да представя смислено това, за което после се прави извод. И двете изследвания предхождат новината и тук са посочени като контекст, а не като ново събитие.

От измерване към управленско решение

Рамката AI RMF на NIST отделя взаимосвързаните дейности по управление, разбиране на контекста, измерване и справяне с риска. Тя разглежда риска през жизнения цикъл на системата и с участие на различни специалисти. Това помага да се види защо публикуването на таблица с резултати не приключва работата по внедряване.

Практическият ни прочит е да се започне с описание на конкретната услуга и последствията от грешка. След това могат да се изберат случаи, които отговарят на тази употреба, и отделен набор за нормални разрешени заявки. Човешки преглед на част от оценките помага да се установи дали автоматичният оценител разчита правилно критериите. Това е предложен начин за прилагане на общите принципи, не проведен от SIExpo експеримент.

При промяна на модела, инструкциите или инструментите трябва да е ясно какво точно е сравнено. Ако едновременно се сменят няколко компонента, наблюдаваният резултат трудно може да се припише само на един от тях. Съхранените настройки, случаите и неуспешните отговори са по-полезни за последващ анализ от самостоятелен рекламно звучащ процент.

Накрая идва решението какво позволява измерването. То може да подкрепи ограничен пилот, нужда от още проверки или отказ от конкретна употреба. Безопасността на система в експлоатация включва и права за достъп, наблюдение и възможност за спиране. Новото ръководство е полезна отправна точка, но отговорността за тази цялостна оценка не се прехвърля върху самия бенчмарк.

Корицата е AI редакционна илюстрация, не документална снимка.

Източници
Anthropic: Building strong safety evaluations — 2026-11-13
Reuel et al.: BetterBench — 2024-11-20
Bean et al.: Measuring what Matters — 2025-11-03
NIST AI RMF 1.0: Core

Статия в SIExpo.bg: https://siexpo.bg/article/anthropic-safety-evals-guide-measurement-uncertainty-2026
 
Мъск уточни режима на Grok: текстовият воден знак не е включен по подразбиране

Провереният пост от 14 ноември и текущата API документация променят картината от по-ранния план. За текста и аудиото са описани различни правила, а детекцията остава статистическа.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

grok-text-watermark-opt-in-musk-nov14-update-2026-aa7874ec9aa45771.jpg


На 14 ноември Илон Мъск написа в X, че текстовото маркиране при Grok е включено само когато се изисква от закона или е поискано от потребителя. SIExpo прочете оригиналния пост. Текущата документация на API също описва текстовия воден знак като изключен по подразбиране. Това е съществено уточнение към по-ранното ни отразяване на плана за автоматично включване от 7 ноември.

Настройка, изход и проверка са различни неща

Според документацията администраторът избира режима по модел за целия екип. Отговорът на API може да носи заглавка x-watermark, която показва дали конкретният резултат е маркиран. За аудио услугите страницата описва отделен режим с включено маркиране по подразбиране и ограничения за изключването му. Затова краткото обобщение за текста не бива да се пренася автоматично върху всеки аудио продукт.

Важно е и какво не е установено: SIExpo не е извършвал платени API тестове или независим одит на всички модели и региони. Проверени са публичното изявление и документацията, а не всяка реална конфигурация на потребителски профил. От тях не следва, че всеки текст, генериран някога от Grok, е бил без воден знак или че старият план непременно е действал точно както е бил обявен.

Какво представлява невидимото маркиране

Документацията посочва SynthID Text като използваната техника. Публикацията на Google DeepMind и научната работа в Nature обясняват различен подход от добавянето на видим надпис: сигналът се свързва със статистическия подбор на генерирани елементи. Следователно наличието на маркер не се проверява надеждно чрез търсене на специален символ в копирания текст.

Научната работа разглежда компромисите между качество, откриваемост и устойчивост при преобразуване на съдържанието. Тези проверки са проведени при конкретни експериментални условия. Те не представляват универсална гаранция за безпогрешно разпознаване на всеки кратък, редактиран или преведен откъс. Класификацията на един откъс и оценката дали твърдението в него е вярно са отделни задачи.

Самият DeepMind представя SynthID като инструмент за произход на различни видове AI съдържание. Това дава полезен контекст, но не доказва как друг доставчик е настроил продукта си. За Grok водещи остават собствената му документация и конкретното състояние на съответния екип или услуга.

Какво означава промяната на практика

Редакционният ни извод е, че разработчиците не трябва да изграждат отчетността си върху предположение за фабрична настройка. В собствена интеграция е полезно да се пазят версията на модела, конфигурацията и предоставените от услугата сведения за произход, отделно от крайния текст. Това позволява по-късно да се разбере как е бил получен резултатът, без липсата на сигнал да се превръща в доказателство за човешко авторство.

Не разглеждаме изявлението като правно заключение за задълженията на потребители или издатели. Настройката на доставчика и приложимите изисквания са различни въпроси. Новината тук е проверимата промяна в описания режим на Grok и необходимостта по-ранният план да не се цитира като неизменен текущ факт.

Корицата е AI редакционна илюстрация, не документална снимка.

Източници
Elon Musk: original November 14 Grok text watermarking statement — 2026-11-14
SpaceXSI / xAI: Output Watermarking
Google DeepMind: SynthID
Dathathri et al.: Scalable watermarking for identifying large language model outputs — 2024-10-23

Статия в SIExpo.bg: https://siexpo.bg/article/grok-text-watermark-opt-in-musk-nov14-update-2026
 
Sophon-Realtime 1.3.0 разширява E2E гласа и поправя аудио старта на Mac

Промените от 14 ноември са в софтуерната среда, без нови тегла. Документацията отделя сървърния E2E вариант от локалния Mac модел и описва конкретни ограничения.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

sophon-realtime13-e2e-voice-mac-update-boundaries-2026-1fa95dfbdc29bcb0.jpg


Проектът Sophon-Realtime отбеляза версия 1.3.0 на 14 ноември с поддръжка на референтен глас в E2E варианта и поправка за стартирането на Mac при някои аудио устройства. Това е конкретно обновяване на отворен гласов AI проект. Не става дума за ново обучение на цялото семейство: журналът изрично посочва, че файловете с тегла не са променени.

Какво се променя и за кого

Новата възможност за E2E използва кратък референтен запис без допълнително обучение. Поддържащите ограничават предназначението до собствен глас или глас с получено разрешение. Промяната се отнася до E2E реализацията с vLLM-Omni; отделният собствен двигател продължава с вградения глас. Една обща версия в името следователно не означава еднакви функции във всеки начин на стартиране.

Сървърното ръководство описва обработка на говор към говор и интерфейси за разговор в реално време. При E2E референцията се подготвя и кешира, като нечетим или твърде кратък запис води до връщане към вградения глас. Това е полезна подробност за изпитване: отговор със звук още не доказва, че е използвана желаната конфигурация. Нужни са проверка на избрания вариант и наблюдение на действителния резултат.

Семейството е представено като full-duplex — системата може да слуша, докато говори, и да реагира на прекъсване. Това описва организацията на разговора, а не гаранция, че отговорът е точен или че всяко прекъсване ще бъде разбрано правилно. Публикуваните измервания са на разработчиците; SIExpo не е възпроизвеждал техните тестове и не ги представя като независимо потвърдени.

Локалният Mac път има отделни изисквания

Ръководството за Mac посочва Apple silicon, macOS 14 или по-нова версия и препоръчва поне 36 GB обща памет. Описан е и вариант с 32 GB при затворени други приложения, но това не означава същия резерв при всяко натоварване. Необходими са приблизително 30 GB свободен диск. Компютър без микрофон изисква външно аудио устройство.

Поправката от 14 ноември адресира проблем при Bluetooth, AirPlay и HDMI изходи, свързан с голямо закъснение при потискането на ехото. Съобщението описва проверки със симулирано ехо. Това е доказателство за проведен от автора тест, а не обещание за съвместимост с всички слушалки, телевизори и аудио драйвери. Самата документация продължава да се развива, така че за повторяем опит е разумно да се запази точната ревизия.

Как да се оценява полезността

Редакционният ни прочит е, че локалното изпълнение и управлението на гласа дават повече избор на разработчиците, но прехвърлят към тях проверката на устройството и разговора. Един малък пилот трябва да сравни записания текст с действително изговореното, да включи прекъсвания и шум и да отчете използваната памет. Подходящи са измислени тестови разговори и разрешен собствен глас.

Няма основание от тази версия да се заключава доказана поддръжка на български или готовност за всяка клиентска линия. Отвореният код улеснява разглеждането и повторението на експеримента; качеството на конкретния език, защитата на записите и надеждността на приложението остават самостоятелни задачи.

Корицата е AI редакционна илюстрация, не документална снимка.

Източници
Adventists AI: Sophon-Realtime 1.3.0 changelog — 2026-11-14
Sophon-Realtime E2E deployment guide
Sophon-Realtime on Mac guide
Sophon-Realtime project overview

Статия в SIExpo.bg: https://siexpo.bg/article/sophon-realtime13-e2e-voice-mac-update-boundaries-2026
 
daVinci-Prover достига 97,1% в MiniF2F: защо проверката е по-важна от убедителния отговор

Калдата насочи вниманието към новия математически агент. Първоизточникът показва силен резултат при формални доказателства, но отделя този тест от общото решаване на математика.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

davinci-prover-memory-compaction-formal-proof-limits-2026-9351728c26967144.jpg


На 12 ноември изследователи от GAIR и партньорски китайски институции публикуваха daVinci-Prover — подход за обучение и работа на математически AI агент. Темата, отразена от Калдата на 14 ноември, заслужава внимание заради съчетанието от генериране на доказателства и външна проверка. Авторите съобщават 97,1% успех на MiniF2F при вариант с компресиране на паметта. Това е резултат от конкретен експеримент, а не оценка за всички математически задачи.

Какво действително се проверява

Агентът предлага стъпки, а Lean проверява дали формалният резултат следва от зададеното твърдение и използваните предпоставки. Компресирането съкращава старата история, като запазва текущата задача и доказателството. Независимо възпроизвеждане на обучените модели не е установено при нашата проверка.

За читателя има съществена разлика между предложение и доказателство. Една езикова система може да представи гладко обяснение, което звучи завършено. Машинната проверка поставя отделен критерий за приемане. Тя обаче работи върху формалното условие: ако човекът е искал друго твърдение, успешното доказване на въведения запис не поправя това разминаване.

Самият MiniF2F е колекция от формализирани упражнения от състезания и учебна математика. Поддържащите хранилището изискват да се посочва използваната версия или ревизия, защото условията се поправят. Следователно сравняването на два процента има смисъл само при съпоставими задачи и настройки. Разчитането на условие от естествен език, формализирането му и доказването му са различни части на цялата работа.

Кодът и обучените модели са различни артефакти

Публичното хранилище предоставя среда за работа с Lean, локално търсене на предпоставки и окончателна проверка чрез Comparator. Текущият му пример използва DeepSeek и собствен лимит на взаимодействията. Таблиците там не трябва да се сливат с резултатите от обучението на Qwen в статията. Достъпният код дава възможност да се изучава процесът; той сам по себе си не означава, че всички заявени тегла и обучаващи данни вече са публикувани. Статусът на кода трябва да се проверява отделно от статуса на обучените модели.

Документацията на Lean също показва защо предпоставките имат значение: системата допуска работа с аксиоми, а изборът им влияе на смисъла на полученото доказателство. Затова разумният преглед включва не само зелен резултат от проверка, но и точния текст на теоремата, зависимостите и използваната среда.

Редакционният ни извод е практичен: daVinci-Prover е интересен пример за агент, който получава проверима обратна връзка от специализиран инструмент. Преди приложение извън публикуваните тестове са нужни повторяеми опити с фиксирани версии, запис на неуспешните случаи и отделна проверка на формализацията. Тези условия не обезценяват резултата; те определят какво точно може да се заключи от него.

Корицата е AI редакционна илюстрация, не документална снимка.

Източници
GAIR: daVinci-Prover — Agent-Native Mid-Training for Formal Theorem Proving — 2026-11-12
Калдата: Математическият ИИ daVinci-Prover реши 97,1% от задачите в MiniF2F — 2026-11-14
GAIR-NLP: daVinci-Prover public harness
facebookresearch: MiniF2F benchmark and revision policy
Lean: Axioms and Computation

Статия в SIExpo.bg: https://siexpo.bg/article/davinci-prover-memory-compaction-formal-proof-limits-2026
 
Inkling 2 Small вече има достъпни тегла: какво се променя след представянето в Tinker

Актуализацията от 12 ноември добавя изтегляеми тегла. Отвореният лиценз и 17 милиарда активни параметъра не премахват изискванията за внедряване.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

inkling2-small-nov12-downloadable-weights-deployment-limits-2026-b23b740a98e96842.jpg


Thinking Machines Lab добави на 12 ноември възможност за изтегляне на теглата на Inkling 2 Small през Hugging Face. Това е същественото ново развитие след първоначалното представяне на модела в Tinker на 5 ноември, което SIExpo вече отрази. Не представяме същия анонс като повторна премиера: разглеждаме промяната от достъп през услуга към публикуван модел за собствено внедряване.

Картата на модела посочва Apache 2.0 и архитектура mixture-of-experts с 594 милиарда общи и 17 милиарда активни параметъра. Моделът приема текст и изображения и генерира текст. „Активни“ описва използваната част при обработката, а не размера на целия набор тегла. Следователно числото 17 милиарда не означава, че пакетът се побира в паметта като обикновен плътен модел със същия брой параметри.

Практическата съвместимост изисква отделен прочит. Проверената документация в основния клон на Transformers разграничава смесения NVFP4/MXFP8 checkpoint от отделния MXFP8 вариант и посочва поддръжка само на MXFP8 checkpoint в тази интеграция. Описана е eager attention заради особености на вниманието. Това е състояние на конкретната документация към проверката, а не обещание за всяка инсталирана стабилна версия или за всеки inference engine.

Промяната е важна за екипи, които искат контрол върху средата, модификациите и обработката на входовете. Собственото внедряване обаче прехвърля към оператора решения за инфраструктура, актуализации, наблюдение и ограничаване на достъпа. Изтегляемите тегла не са готова управлявана услуга. Лицензът на модела също не бива да се разширява автоматично като твърдение, че всички обучителни данни са публикувани или че всеки бъдещ сценарий е юридически изчистен.

Нашият редакционен прочит е да се разделят три проверки. Първата е дали избраният checkpoint действително се поддържа от конкретната версия на софтуера. Втората е дали наличната памет и изчислителна конфигурация обслужват задачата при приемливи закъснение и паралелност. Третата е дали качеството е достатъчно върху представителни собствени примери. Успешното зареждане на модела отговаря само на част от първия въпрос.

За мултимодално приложение примерите трябва да включват реалните типове изображения и необходимите ограничения на отговора. Вътрешна оценка може да отделя пропуснати подробности, неподкрепени твърдения и правилно призната несигурност. Ако приложението задейства инструменти, разрешението за действие трябва да се проверява самостоятелно; отворени тегла не установяват безопасност на целия агентен процес. Това са предложени критерии за внедряване, а не резултати от тестове, проведени от SIExpo.

Новината следователно е повече избор и отговорност за оператора. Публичните тегла правят възможна различна организация на внедряването, но не доказват евтина работа на малък компютър, конкретна производителност или превъзходство по всяка задача. За практическо решение са нужни съвпадащи версия, checkpoint, ресурси и проверен работен сценарий. Именно тези подробности определят стойността на новата достъпност за отделния екип.

Редакционна проверка: 2026-11-15T17:59:15.509180+00:00.

Източници
Thinking Machines Lab: Inkling-2-Small model card — 2026-11-12
Thinking Machines Lab: Inkling2Small, November12 weights update — 2026-11-12
Transformers main: Inkling2 documentation

Статия в SIExpo.bg: https://siexpo.bg/article/inkling2-small-nov12-downloadable-weights-deployment-limits-2026
 
Cursor уточни инцидента с агентни данни и подменени разширения: какъв е обхватът

Актуализацията от 13 ноември свързва исторически записи, изложени ключове и злонамерени копия на разширение. Изводите са на разследващите компании.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

cursor-nov13-incident-update-agent-data-extension-cache-2026-c13fb289b8ee2c32.jpg


Cursor публикува на 13 ноември допълнителни сведения за разследвания инцидент от октомври. Компанията описва верига от изложен ключ при доставчика Fireworks, достъп до исторически записи на кодиращи агенти и последващо използване на открити идентификационни данни. Това е реконструкцията на Cursor, а не собствено форензично заключение на SIExpo.

Според актуализацията подменени копия на Anthropic.claude-code са поставени директно в кеша на пазара за разширения на Cursor на 29 октомври. Посочени са версии 2.1.312 и 2.1.313 и приблизително единадесетчасов прозорец. Компанията оценява до 5000 потенциални получатели. Това не е брой доказано компрометирани устройства. Cursor изрично отделя случая от официално публикуване от Anthropic и от източника Open VSX.

Първоначалното предупреждение за сигурност е по-конкретно за защитните действия. То обхваща засегнатите копия за Windows и macOS и описва опити за устойчив неразрешен SSH достъп. Премахването само на разширението може да не отстрани оставени механизми за постоянство. Препоръчва се преглед на наличната телеметрия, изолиране при следи от изпълнение и подмяна на достъпни от устройството ключове от доверена система. Официалната страница съдържа проверките и коригиращите материали; тук не изпълняваме скриптове и не правим диагноза на читателски компютър.

Има и отделен разказ на Fireworks. В актуализация от 9 ноември доставчикът описва въздействие върху категории клиентска информация, а за ограничена група — набори от данни и непълни моделни тегла. Посочва работа с Unit 42 и продължаващо наблюдение. Това потвърждава наличието на собствено разследване, но не е независимо удостоверяване на всяка подробност в реконструкцията на Cursor. Двете организации описват различни системи и граници на достъп.

За AI сектора случаят показва защо оперативната сигурност трябва да следва движението на данните. Запис от агентна задача може да се третира като диагностичен материал, но съдържанието му заслужава същата внимателна класификация като друг служебен запис. Нашият редакционен извод е да се картографират изходният проект, логовете, споделените набори и доставчиците поотделно. Обещание за една част от услугата не трябва автоматично да се пренася към всички останали потоци.

Същото важи за веригата на доставка на разширенията. Име на познат разработчик и познат номер на версия не са достатъчни за определяне на съдържанието на конкретен получен пакет. При вътрешен преглед могат да помогнат времето и каналът на инсталиране, идентичността на пакета и наблюдаваните действия на устройството. Това са общи защитни критерии; не означават, че всеки потребител на Cursor или Claude Code е засегнат.

За организациите най-полезният следващ ход е да съпоставят официалното уведомление със собствените записи, вместо да извеждат присъда само от заглавие или процент. Разделянето на потенциално получен пакет, реално изпълнение и последващ достъп прави оценката по-точна. Публичните твърдения остават ограничени от разследванията на участниците и могат да бъдат актуализирани при нови данни.

Редакционна проверка: 2026-11-15T17:59:15.509180+00:00.

Източници
Cursor: update on the security incident — 2026-11-13
Cursor: security notice for Anthropic.claude-code 2.1.312/2.1.313 — 2026-10-29
Fireworks: October incident update — 2026-11-09

Статия в SIExpo.bg: https://siexpo.bg/article/cursor-nov13-incident-update-agent-data-extension-cache-2026
 
EchoMotion изследва проследяване на тялото само с часовник и акустичен AI

Публикация на Cornell от 11 ноември представя изследване със звукови отражения и малки групи участници. Това не е готова функция за всички часовници.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

echomotion-watch-acoustic-body-tracking-small-study-2026-6afdbcc219dc86ca.jpg


Изследователи от Cornell показват как смартчасовник може да оценява движенията на тялото чрез звукови отражения и модел за машинно обучение. Университетският материал от 11 ноември представя EchoMotion: говорителят излъчва акустичен сигнал, микрофонът улавя отраженията, а моделът оценява позиции на дванадесет стави. Системата е изследователски проект, а не обявена масова функция за потребителски часовници.

Важно е да запазим хронологията. Авторската страница описва научна публикация в IMWUT от септември 2026 г.; представянето е през октомври в Шанхай. Новият публичен университетски разказ е от ноември. Следователно това не е нова статия, излязла на 15 ноември, нито независимо повторение на резултатите. И двата проверени материала представят работата на същия екип.

Авторското резюме отделя прототип с десет участници от изпитване с търговски часовник и петнадесет други участници. За второто е посочена средна грешка на позициите на ставите 5,99 сантиметра по използваната метрика MPJPE. Отделна оценка в по-естествени условия с десет участници достига 6,41 сантиметра. Това са агрегирани резултати при конкретни протоколи, а не гаранция за всяка става, движение или бъдещ потребител.

Cornell описва и значение на персоналната калибрация и средата: отражения от други хора в коридор могат да затруднят системата. Не смесваме всички числа от различните настройки в един „общ рекорд“. Нито средната позиционна грешка, нито броят предсказвани стави сами установяват точност за спортна техника или медицинска рехабилитация. Тези приложения остават възможни посоки, които изискват собствена проверка.

Техническият интерес е в косвеното измерване. Часовникът не наблюдава тялото като външна камера; моделът извлича връзки между отраженията и позата. Оттук следва и важен редакционен въпрос: какво става при движения, които приличат акустично, но изискват различна интерпретация? За бъдеща оценка биха били полезни отделни резултати по движения, телосложение, дрехи и среда. Това са наши предложения за проверка, а не нови експериментални резултати.

За практическо приложение средната грешка е само началото. Трябва да се знае и кога системата не е сигурна, дали предупреждава при неподходяща среда и колко често прекъсва следенето. При упражнение грешно уверена обратна връзка може да бъде по-неполезна от ясно съобщение, че измерването е ненадеждно. По тази причина интерфейсът и обработката на неуспешни случаи заслужават оценка наред с модела.

Подходът предлага интересна възможност за по-малко видимо оборудване, но липсата на камера не е автоматично доказателство за пълна поверителност. Бъдещ продукт би трябвало да обясни къде се обработват сигналите, какво се запазва и как потребителят управлява тези данни. Проектът заслужава внимание като демонстрация на акустично възприятие с AI. Малките извадки и зависимостта от средата обаче остават съществени граници пред твърдение за универсална готовност.

Редакционна проверка: 2026-11-15T17:59:15.509180+00:00.

Източници
Cornell: whole-body tracking from a smartwatch — 2026-11-11
EchoMotion author project page and IMWUT abstract — 2026-10-01

Статия в SIExpo.bg: https://siexpo.bg/article/echomotion-watch-acoustic-body-tracking-small-study-2026
 
GXO и Apptronik планират разширени тестове на Apollo, с условен път към 1000 робота

Писмото за намерение от 12 ноември предвижда изпитвания през 2027 г. и модел Robotics-as-a-Service. Това още не са доставени 1000 машини.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

gxo-apptronik-apollo-loi-conditional-scale-2027-2026-ddbe60ff2a22d93d.jpg


GXO и Apptronik обявиха на 12 ноември писмо за намерение за Apollo. Рамката Robotics-as-a-Service предвижда изпитвания през 2027 г., условна възможност за до 1000 робота за четири години и начално търговско внедряване в Северна Америка в края на 2027 г. Това е план на участниците, не отчет за доставена флотилия. Операциите трябва да се оценяват по производителност, безопасност и техническа готовност. SIExpo няма независимо измерване на роботите.

Отделянето на тези етапи позволява проверима оценка. Намерението показва посока на работа; изпитването трябва да установи резултат при описани условия; приемането на услуга изисква критерии за действителна експлоатация. Прескачането на междинната проверка би заменило доказателството с очакване. За читателя е полезно всеки следващ отчет да уточнява кой от тези въпроси решава.

Това продължава по-ранно сътрудничество. Публикацията на Apptronik от 20 юни 2024 г. описва първо лабораторна оценка, след която технологията да стигне до американски дистрибуционен център, когато е готова. Тогава производителят посочва сменяеми батерии и товароносимост 55 паунда, приблизително 25 килограма. Това са характеристики от по-ранното описание, а не ново независимо измерване на сегашната конфигурация. Новината сега е следващата договорна и изпитателна стъпка.

Моделът Robotics-as-a-Service поставя важни практически въпроси. Вместо покупка на машина организацията може да договаря услуга, но самото наименование не казва кой носи отговорност при престой, как се осигурява поддръжка или как се променят цените. Публичното съобщение не дава достатъчно условия за изчисляване на възвръщаемост. Следователно сравнението с човешки труд или друга автоматизация би изисквало допълнителни данни, а не само максимален брой планирани роботи.

Нашият редакционен прочит е, че изпитването трябва да следва целия работен цикъл. Полезна метрика би включвала успешно завършени задачи заедно с прекъсванията, времето за намеса и възстановяването след грешка. Един робот може да вдига подходящ товар, но това само по себе си не показва дали разпознава правилния контейнер, предава го надеждно на следващата система и работи последователно през различни смени. Тези примери са предложени критерии, не установени проблеми при Apollo.

Също толкова важно е как се управлява споделеното пространство. Преди мащабиране операторът би трябвало да провери достъпа на хора, правилата за спиране, възстановяването след извънредна ситуация и отговорността за софтуерните промени. Дори добър резултат в една операция не установява автоматично готовност за всички останали складови дейности. Отделното допускане на всеки работен процес прави обещанието за универсална машина проверимо.

За читателя е важно да търси последователност между цел, измерване и приемане. Само конкретен протокол може да обясни какъв резултат би бил достатъчен за следващата стъпка. Публичното проследяване на такива критерии е по-полезно от впечатляващо демонстрационно видео: то позволява да се прецени дали обещанието постепенно се превръща в повторима услуга и къде остават неизвестни.

Редакционна проверка: 2026-11-15T17:59:15.509180+00:00.

Източници
GXO and Apptronik expand humanoid robotics partnership — 2026-11-12
Apptronik: GXO multi-phase R&D programme — 2024-06-20

Статия в SIExpo.bg: https://siexpo.bg/article/gxo-apptronik-apollo-loi-conditional-scale-2027-2026
 
Gartner прогнозира повече нови, отколкото премахнати работни места от AI: как да четем числата

Прогнозата от 10 ноември за нетен ръст до 2030 г. не измерва вече създадени позиции и не обещава еднакъв резултат за всички професии.

Материал на SIExpo.bg. Корица: AI редакционна илюстрация, не документална снимка.

gartner-job-forecast-net-gain-not-worker-guarantee-2026-b811d56fe1c230c9.jpg


Gartner очаква изкуственият интелект да създаде 10,6 милиона работни места и да премахне 8,9 милиона през периода 2025–2030 г. Нетният резултат в този сценарий е плюс 1,7 милиона. Това е прогноза, публикувана на 10 ноември, а не отчет за постигната заетост. Темата получи ново българско отразяване в Калдата на 15 ноември. Разборът ни разглежда самия първоизточник и отделя прогнозата от обещанията за отделния работник.

Разликата между брутно и нетно движение е важна. Положителният общ баланс може да съществува едновременно със съкращения в конкретна фирма. Новите позиции може да изискват други умения, да възникнат другаде или да се появят по-късно. Следователно изваждането на две глобални числа не измерва колко лесно засегнат човек ще намери следващата си работа. Това е редакционна интерпретация на показателя, а не допълнителен резултат от изследването.

Gartner разглежда и промяната на съществуващата работа, вместо само пълното изчезване на длъжности. Отделен ориентир дава изследването на Международната организация на труда от май 2025 г. То оценява излагането на задачи на генеративен AI чрез професионални данни, експертен принос и модели. Според тази рамка около една четвърт от работещите са в професии с някаква степен на излагане; преобразуването на задачите е по-вероятно от пълната автоматизация. Това не е второ измерване на прогнозните 1,7 милиона и не я потвърждава независимо.

За работодател тези две рамки поставят различни въпроси. Прогнозата за броя позиции помага да се обсъжда общата посока. Анализът на задачи помага да се установи какво действително ще прави човекът след внедряването. Например предложение за автоматизирано изготвяне на чернова трябва да се оценява отделно от отговорността за проверка, разговора с клиент и окончателното решение. Това е пример за начин на оценяване, а не описание на конкретно измерено внедряване.

Полезен фирмен преглед би започнал с карта на работата: кои действия се повтарят, къде грешката е скъпа и кой може да я открие. Следващата стъпка е ограничен тест с реални критерии за качество и време, включително времето за поправяне на генерирани резултати. Едва тогава може да се обсъжда дали технологията освобождава капацитет, променя ролята или създава необходимост от допълнителен контрол. SIExpo предлага тези критерии като собствен практически прочит, без да твърди, че ги е изпитало в компания.

За служителите по-смислен въпрос от общото „ще изчезне ли професията“ е кои задачи ще останат под тяхна отговорност и как ще се оценява резултатът. Обучение без възможност за практика и без ясно преразпределяне на задачите трудно може да бъде оценено само по брой преминали курс. Необходимо е да се види дали човекът може да използва инструмента, да разпознава ограниченията му и да работи безопасно с данните.

Нито един от двата източника не предоставя индивидуална гаранция за работа в България. Числата са полезни за планиране, когато запазим периода, метода и несигурността им. Положителният нетен сценарий заслужава внимание, но за конкретна организация важната проверка остава как се променя действителната работа и как се подкрепят хората през прехода.

Редакционна проверка: 2026-11-15T17:59:15.509180+00:00.

Източници
Gartner: AI employment forecast for 2030 — 2026-11-10
ILO: Generative AI and jobs, refined occupational exposure index — 2025-05-20
Калдата: AI и прогнозата на Gartner за работните места — 2026-11-15

Статия в SIExpo.bg: https://siexpo.bg/article/gartner-job-forecast-net-gain-not-worker-guarantee-2026
 

Горе