Технические параметры скромные: максимум 720p и 15 секунд. Зато модель сохраняет детали и освещение исходного изображения вместо того, чтобы переинтерпретировать его.

На площадке Artificial Analysis Video Arena в категории «из картинки в видео с аудио» Grok Imagine занял второе место — сразу за Seedance 2.0 от ByteDance. Без аудио — третье место. Но на Design Arena, где оценки выставляют живые люди через краудсорсинг, модель взяла первое место с рейтингом Elo 1357, обойдя тот же Seedance 2.0.

Показательно сравнение с Veo 3.1 от Google. В тесте с застёгиванием молнии и макияжем перед зеркалом Grok справился корректно, а Veo 3.1 запутался: на отражении в зеркале у женщины оказалась одежда другого цвета, чем в реальности.

Стоимость — $8,40 за минуту видео. Для сравнения, среднее время генерации составляет 41,2 секунды, а 480p обходится по $0,01 за изображение и $0,08 за секунду.

Модель доступна через xAI API в режиме превью.

Раньше такие показатели были уделом специализированного железа — чипов Cerebras с интеграцией на уровне пластины или процессоров Groq с SRAM-архитектурой. Xiaomi добилась того же на стандартном сервере из восьми обычных GPU.

Две технологии сделали это возможным. Во-первых, FP4-квантизация: вместо 8- или 16-битных весов модель сжата до 4 бит, но только в части MoE-экспертов — там, где потеря точности минимальна. Во-вторых, DFlash — метод спекулятивного декодирования, при котором черновая модель предсказывает сразу целый блок токенов за один проход. В задачах программирования большая модель принимает в среднем 6,3 из 8 предложенных токенов с первого раза — это и даёт скачок скорости.

На практике это открывает стратегию Best-of-N для флагманских 1T-моделей: скорость больше не ограничивает глубину рассуждения. При 1000 токенах/с можно за то же время прогнать десятки вариантов ответа параллельно, выбрать лучший и отдать пользователю. В Coding Agent это снимает потолок производительности: модель успевает написать, проверить и исправить код быстрее, чем разработчик формулирует следующий вопрос.

Доступ к UltraSpeed открывается с 9 по 23 июня 2026 года в заявочном режиме. Цена API — втрое дороже обычного MiMo-V2.5-Pro. Чат-интерфейс для одобренных заявителей бесплатный, но с ограничениями: до 10 сессий в день, не дольше 30 минут каждая.

Веса модели с FP4-квантизацией и параметры DFlash уже опубликованы на HuggingFace под открытой лицензией.

Это уже не первый раз, когда DeepSeek выступает катализатором ценовой войны. Ещё в 2024 году выход DeepSeek V2 буквально обвалил стоимость языковых моделей на китайском рынке: несколько крупных провайдеров срезали цены в разы за считанные дни. С V4 ситуация повторилась: Alibaba, Baidu и ByteDance объявили о снижениях в первые дни после релиза.

Механизм простой: DeepSeek предлагает модели сопоставимого с лидерами рынка качества, но существенно дешевле в инференсе. Компании, которые хотят удержать корпоративных клиентов, вынуждены подстраиваться.

Важен глобальный контекст. Ценовые войны в Китае создают давление на весь мировой рынок. Когда токен обработки текста в Китае стоит в несколько раз меньше, чем у OpenAI или Anthropic, западным провайдерам всё труднее обосновывать свои тарифы. Корпоративные покупатели получают весомый аргумент для пересмотра контрактов: за те же деньги китайские провайдеры предлагают существенно больший объём вычислений.

DeepSeek — относительно небольшая компания из Ханчжоу, выросшая из хедж-фонда High-Flyer. Её подход: максимальная эффективность обучения при минимальных затратах, открытые веса, агрессивное ценообразование.

Для российских разработчиков и компаний, которые используют облачные ИИ-сервисы, эта тенденция означает одно: стоимость использования мощных языковых моделей продолжает падать. Каждый новый релиз DeepSeek неизменно сопровождается снижением ставок у конкурентов — это уже устойчивая закономерность рынка.

Речь идёт не о стандартных процессорах, а о чипах собственной разработки Google — так называемых ASIC. Это схемотехника, заточенная под конкретную задачу: обучение и запуск ИИ-моделей. Google проектирует такие чипы сама, Intel будет их производить на своих заводах.

Для Intel это один из крупнейших контрактов для подразделения Intel Foundry — бизнеса по производству чипов по заказу сторонних компаний. Компания давно пытается составить конкуренцию тайваньской TSMC, которая сейчас выпускает большинство передовых полупроводников в мире.

Google при этом последовательно выстраивает независимость от Nvidia. Компания уже несколько лет разрабатывает собственные TPU — чипы, созданные специально для нейросетей. Диверсификация производства через Intel вписывается в ту же стратегию: не зависеть от единственного поставщика и контролировать цепочку поставок.

3 миллиона чипов — существенный объём даже по меркам крупнейших технологических компаний. Поставки в 2028 году означают, что Google уже сейчас закладывает вычислительную инфраструктуру под следующее поколение ИИ.

Суть перемен проста: вместо чатбота, который отвечает на вопросы, пользователи получат агента, который сам выполняет задачи. Не «как написать письмо», а письмо, написанное и отправленное без лишних вопросов.

Тибо Соттьо, директор по продукту OpenAI, объяснил вектор так: «Это выйдет за рамки самого интерфейса. Мы строим персонального агента, который будет помогать вам во всём — и в личных делах, и в работе».

В ближайшие недели ChatGPT получит обновлённый интерфейс на вебе и в мобильном приложении. Там появятся инструменты для программирования, генерации изображений и партнёрские интеграции — в частности, с Canva и Booking.com. Со временем эти подсказки должны исчезнуть: модель будет сама понимать, что нужно пользователю.

Внутри компании уже произошла реструктуризация. Команды ChatGPT, Codex и других продуктов объединены под руководством Соттьо.

OpenAI официально подтвердила работу над «суперприложением». Материал FT основан на интервью с более чем дюжиной нынешних и бывших сотрудников компании.

Логика понятна: ChatGPT уже встраивает Canva, Booking.com и инструменты для кода — конкурировать только качеством ответов на насыщенном рынке недостаточно. Суперприложение с агентами — ставка на то, что пользователи не захотят переключаться между десятками инструментов, если один агент справится со всем. Реструктуризация уже произошла, официальное подтверждение есть — OpenAI не обсуждает идею, а реализует её.

После того как Anthropic в январе закрыла xAI официальный доступ, инженеры компании не остановились. Они продолжили через личные аккаунты и посредника — сервис Blackbox AI.

Он уже признавал в суде, что xAI «частично» использовала модели OpenAI для обучения Grok — и называл это отраслевой нормой.

Команда предобучения сократилась до менее чем пяти человек. Четыре ведущих разработчика кодинг-направления Grok ушли в течение нескольких месяцев, вместе с ними — многие сооснователи компании. Один из сотрудников случайно удалил критически важные обучающие данные, что обошлось компании потерей двух-трёх недель работы.

Огромный массив вычислительных мощностей, который Маск скупил в расчёте на обучение собственных моделей, теперь сдаётся в аренду. Получатели — Anthropic через SpaceX и Google.

Дистилляция чужих моделей — распространённая практика в индустрии: компании берут ответы сильной модели и учат на них свою, более дешёвую. Но Anthropic явно запрещает использовать Claude для обучения конкурирующих систем. xAI, судя по всему, это не остановило.

xAI публично не прокомментировала публикацию The Information.

DeepSeek-V4-Pro вышел в апреле 2026 года и стал первой моделью компании, которую изначально проектировали под чипы Ascend, а не под Nvidia.

Постобучение — это этап «настройки» после основного предобучения. На нём модель учат следовать инструкциям, выравнивают под требования безопасности и специализированные задачи. Само предобучение V4-Pro прошло на корпусе из более 32 триллионов токенов — и вот эту тяжёлую фазу Huawei пока не закрывает.

Ascend 910C — флагманский ИИ-акселератор Huawei. По производительности на инференс он даёт около 60% от Nvidia H100. Раньше китайские чипы неплохо справлялись с ответами на запросы пользователей, но буксовали именно на обучении — там, где нужно пересчитывать сотни миллиардов весов по огромным датасетам.

В августе 2025 года DeepSeek не смог завершить ни одного успешного обучающего прогона для модели R2 на чипах Ascend — даже при помощи инженеров Huawei на месте. Причины: нестабильная производительность, медленные межчиповые соединения и незрелый программный стек CANN, аналог CUDA от Nvidia. В итоге компания вернулась к GPU Nvidia.

Теперь Huawei вместе с Институтом петлевой зоны Шэньчжэня, местным кампусом Харбинского политехнического института и Шэньчжэньским исследовательским институтом больших данных заявляет о прорыве. Но без подробностей: нет бенчмарков, нет данных о времени обучения, нет цифр эффективности кластера. DeepSeek пока не прокомментировал это заявление.

Постобучение 1,6-триллионной модели — реальный результат для платформы. Запустить предобучение с нуля — задача принципиально другого масштаба.

В испытаниях участвовали 39 добровольцев в возрасте от 18 до 50 лет. Никаких значимых побочных эффектов зафиксировано не было.

Вакцина направлена против Sarbeco-коронавирусов — группы вирусов, в которую входит SARS-CoV-2, вызвавший пандемию COVID-19. Антиген спровоцировал иммунный ответ не только против SARS-CoV-2 и атипичной пневмонии SARS, но и против родственных вирусов летучих мышей, которые потенциально могут вызвать будущие пандемии.

Как это работает: исследователи загрузили в модель все доступные данные о генетических последовательностях Sarbeco-коронавирусов со всего мира. Машинное обучение нашло общие черты между вирусами и синтезировало антиген, который «узнаёт» весь класс — включая штаммы, которых ещё не существует.

Джонатан Хини, профессор Лаборатории вирусных зоонозов Кембриджа, руководивший исследованием, объяснил смысл разработки так: традиционные вакцины создаются в ответ на вспышку и постоянно догоняют мутирующий вирус. Новый «супер-антиген» меняет логику — он разработан заранее, с расчётом на то, чтобы защищать даже от ещё не появившихся вариантов.

По словам Хини, такой подход применим не только к коронавирусам, но и к другим зоонозным заболеваниям — гриппу и Эболе.

Следующий этап испытаний расширит выборку: в него войдут более разнообразные группы участников для оценки эффективности вакцины в более широкой популяции.

Сон сослался на разговор с Сэмом Альтманом и инженерами OpenAI. Те подтвердили: «модель проектирует следующую модель». Как только это станет нормой, инженеры физически не смогут создать то, что умнее их самих — задача выйдет за пределы человеческих возможностей.

OpenAI не стала комментировать будущие модели, но напомнила о прецеденте: GPT-5.3 Codex — первая модель компании, «сыгравшая ключевую роль в создании самой себя». Ранние версии Codex отлаживали собственное обучение, управляли деплоем и анализировали результаты тестов.

Сон пересмотрел свой прогноз. Два года назад он говорил о 10 годах до суперинтеллекта — и признаётся, что сознательно занижал оценку, чтобы не шокировать аудиторию. Реальный прогноз тогда был четыре года. Сейчас он говорит: два года.

По его словам, через пару лет ИИ будет превосходить среднего человека в 70–80% областей знаний. В тех областях, где это произойдёт, разрыв составит примерно десятикратное преимущество.

Anthropic в это время предупредила о рисках «рекурсивного самосовершенствования» — когда ИИ полностью самостоятельно разрабатывает собственного преемника. Компания признала потенциальные выгоды, но назвала неконтролируемый RSI угрозой потери людьми контроля над системами. Anthropic призвала лаборатории скоординированно замедлить работу в этом направлении.

В июне OpenAI опубликовала исследование: «ранние признаки RSI уже присутствуют в современных системах». В том же документе авторы предупреждают: по мере распространения RSI существующие институты окажутся «не готовы» решать возникающие проблемы управления ИИ.

Запрет на экспорт высокопроизводительных GPU в Китай существует с ноября 2023 года. Но оказалось, что компании вроде Alibaba могли в большинстве стран свободно покупать оборудование через офшорные «дочки» — потому что таможня смотрела на адрес покупателя, а не на то, кому он принадлежит. Сингапур и Малайзия стали удобными транзитными хабами: там расположены крупные дата-центры, а поставка формально не выглядела как экспорт в Китай.

Конкретная брешь открылась после майских 2025 года изменений в правилах экспорта. Но проблема была не в отсутствии нормы — а в том, что уже существующую норму применяли непоследовательно.

Министерство торговли США теперь выпустило разъяснение: лицензионные требования распространяются на любую компанию, чья штаб-квартира или материнская структура находится в Китае — вне зависимости от того, где зарегистрирована «дочка». Лазейка закрыта. Но чиновники опасаются, что чипы уже переместились туда, куда не должны были попасть.

2 июня сенаторы Элизабет Уоррен и Энди Ким обвинили администрацию в том, что она позволила самым передовым американским AI-чипам уйти к китайским компаниям через устаревшие экспортные правила.

Параллельно давление санкций меняет стратегию китайских разработчиков: вместо того чтобы добывать запрещённые GPU, они переходят на собственные ASIC-чипы, разработанные под конкретные задачи. Одна закрытая лазейка этот сдвиг не отменяет.

История показывает: экспортный контроль настолько эффективен, насколько тщательно государство готово отслеживать корпоративные структуры за каждой покупкой.

Anthropic разместила около шести своих инженеров прямо в штаб-квартире АНБ — они адаптируют модель под задачи ведомства. По данным издания, Mythos может применяться для проникновения в сети Китая и Ирана. Участвуют ли инженеры компании в реальных операциях — неизвестно.

Контекст делает историю ещё более острой: Anthropic одновременно судится с Пентагоном. Министерство обороны признало компанию «риском для цепочки поставок» и пыталось отстранить её от госконтрактов. Причина — Anthropic требовала запретить использование своих Claude-моделей для массовой слежки и управления автономными дронами. Контракт с АНБ под этот запрет не попал.

Противоречия в этом компания, судя по всему, не видит. В споре с Пентагоном Anthropic последовательно апеллировала к защите американских граждан от угроз ИИ — о гражданах других стран речи не шло.

Недавно Anthropic расширила доступ к Mythos до 150 организаций в 15 странах. Дональд Трамп тем временем подписал указ о добровольном тестировании безопасности новых ИИ-моделей — Anthropic это решение поддержала.

Принцип работы отличается от обычных чипов принципиально: вместо электронов здесь используется свет. Устройство берёт на себя умножение матриц — самую тяжёлую операцию при обучении и запуске больших языковых моделей. Свет выполняет это умножение за доли наносекунды и почти без нагрева.

Первый прототип выполняет более миллиарда операций матричного умножения в секунду. Потребление энергии оптического ядра — более чем на 30% ниже, чем у электронных аналогов. Андрей Белевцев, старший вице-президент Сбербанка, курирующий технологическое развитие, говорит о пути к частоте оптических операций в 10 ГГц и выше.

Фотонная интегральная схема внутри устройства разработана командой исследователей Сбербанка с нуля.

Контекст важен: энергопотребление дата-центров для ИИ растёт быстрее, чем успевает наращиваться инфраструктура. Крупные облачные компании и государства ищут альтернативы классической кремниевой архитектуре. Оптика — один из реальных кандидатов на замену.

Есть и отдельный аргумент для России: производство оптических чипов технологически проще локализовать, чем производство кремниевых процессоров. Это снижает зависимость от зарубежных полупроводниковых цепочек.

До коммерческих продуктов пока далеко — речь идёт о прототипе. Но сам факт, что в России появилась рабочая фотонная схема с измеримыми характеристиками, меняет разговор о технологическом суверенитете в ИИ-инфраструктуре с лозунгов на инженерию.

HBM (High Bandwidth Memory) — это специальный тип памяти, который устанавливается прямо рядом с чипом и передаёт данные намного быстрее, чем обычная оперативная память. Без неё современные ИИ-ускорители не могут работать с нейросетями на полной скорости.

HBM4 — новое поколение этой памяти. Предыдущий флагман Nvidia, ускоритель Blackwell, использует HBM3E. Vera Rubin — следующая платформа — будет первой, где пойдёт HBM4.

До сих пор доминирующим поставщиком HBM для Nvidia была компания SK Hynix. Сертификация сразу трёх производителей означает, что Nvidia диверсифицирует цепочку поставок — снижает зависимость от одного вендора и создаёт конкуренцию между Samsung, SK Hynix и американской Micron.

Для Micron это особенно значимо: компания позже других вышла на рынок HBM и теперь получила официальное одобрение Nvidia для самого современного стандарта. Samsung, в свою очередь, несмотря на статус крупнейшего производителя памяти в мире, долго отставала от SK Hynix по HBM — сертификация закрывает этот пробел.

Vera Rubin ожидается в 2026 году. Сертификация трёх поставщиков — часть стратегии Nvidia по диверсификации цепочки поставок HBM.

В 2021 году люди писали весь код Клода вручную. Сегодня — больше 80% кода в кодовой базе Anthropic создаёт сам Клод. Объём кода на одного инженера за последний год вырос в 8 раз. Компания оговаривается: строки кода — не качество. Но инженеры уже перешли от написания кода к проверке результатов работы Клода.

Параллельно растёт горизонт задач, которые ИИ решает без участия человека. В марте 2024 года — около 4 минут. В феврале 2025-го — 90 минут. В феврале 2026-го — 720 минут. Anthropic допускает, что к концу 2026 года ИИ сможет вести самостоятельную работу несколько дней подряд.

Ускорение заметно и в качестве работы. Claude Mythos Preview (апрель 2026) ускорил код обучения моделей в 52 раза относительно оригинала — у Claude Opus 4 год назад было только в 3 раза. В исследовательских задачах Mythos давал более удачный следующий шаг, чем живой исследователь, в 64% случаев.

Anthropic описывает три сценария будущего: рост способностей ИИ замедляется и останавливается; люди сохраняют контроль над направлением исследований, а ИИ ускоряет исполнение; ИИ начинает строить следующее поколение ИИ самостоятельно. Третий сценарий — «рекурсивное самосовершенствование» — компания называет самым опасным.

Если ИИ будет создавать более умный ИИ, а тот — ещё более умный, скорость улучшений может превысить способность людей проверять безопасность. Anthropic не призывает к полной остановке: осторожные игроки просто уступят место менее осторожным. Нужна координация — несколько организаций должны одновременно замедлиться и иметь возможность это верифицировать.

Пока внутри Anthropic узким местом стало другое: ревью кода. ИИ генерирует так много, что инженеры не успевают проверять. Технологический прогресс упёрся в человеческое внимание.

«Ставлю на то, что следующим станет ИИ, который постоянно работает в фоне», — сказал Альтман. Такой ИИ не ждёт вопроса: он подключён ко всему корпоративному контексту и действует сам. Пользователю не нужно понимать, на что способен инструмент, — достаточно, чтобы он был полезен.

Это не просто видение. За ним стоит конкретная проблема: большинство людей не умеют работать с ИИ. Они знают, что недоиспользуют технологию, но не знают, что спросить. «Порог входа слишком высок», — признал Альтман. Решение OpenAI — убрать этот порог вовсе.

Параллельно расходы на ИИ, по словам Альтмана, превратились в «огромную проблему». Ещё в начале года стоимость ИИ не была темой для обсуждений, сейчас это «вторая по значимости проблема». Альтман привёл пример: Uber израсходовал весь годовой бюджет на ИИ уже в первом квартале. OpenAI обещает помочь компаниям получать больше за меньшие деньги — конкретных механизмов пока не назвал.

Переход к «проактивному ИИ», по словам Альтмана, потребует от компаний пересмотра подходов к развёртыванию ИИ. Компаниям придётся переосмыслить протоколы безопасности и распределение вычислительных ресурсов. ИИ с постоянным доступом ко всем данным компании — это принципиально другая задача для защиты информации, чем чат-окно, отвечающее на разовые вопросы.

OpenAI также работает над суперприложением, которое объединит агентные возможности Codex с ChatGPT и другими инструментами. Сейчас пользователи теряются в выборе между чатом, агентом и API — компания хочет убрать эту путаницу.

Ключевое отличие от типичных «пилотов» — Claude встраивается не как отдельный чат-бот, а напрямую в Digital Gateway. Это внутренняя платформа на Microsoft Azure, где уже хранятся налоговые модели, клиентские данные и собственные инструменты компании. Туда же интегрируются два новых продукта Anthropic — Claude Cowork и Managed Agents.

Разница на практике ощутима. Рема Серафи, вице-председатель по налогам KPMG US, говорит: раньше создание ИИ-агента под новые налоговые регуляции занимало недели и требовало работы нескольких команд в разных окнах. Теперь — минуты.

Отдельный блок — частный капитал. Anthropic называет KPMG своим приоритетным партнёром для внедрения Claude в портфельные компании фондов прямых инвестиций. Для этого у KPMG уже есть продукт Blaze — он встраивает Claude Code, чтобы помочь компаниям модернизировать устаревшие IT-системы и быстрее запускать ИИ-решения.

Безопасность тоже в повестке. Команды двух компаний будут совместно использовать Claude для поиска и устранения уязвимостей в критических системах. Для KPMG, которая зарабатывает на доверии клиентов, это не просто пункт пресс-релиза — это обязательная часть обоснования для тех, кто покупает аудит и консалтинг в чувствительных к ошибкам областях.

Партнёрство строится на двух годах использования Claude внутри американского подразделения KPMG, включая лаборатории данных и ИИ. Для Anthropic это продолжение стратегии: за последний год к Claude подключились уже несколько компаний из «большой четвёрки» аудита.

«Вот это случилось быстрее, чем я ожидал», — написал Принс. Он рассчитывал на такой перелом к концу 2027 года.

Речь не о старых добрых поисковых краулерах и спам-ботах. Cloudflare фиксирует принципиально иной тип трафика — агентных ботов. Это AI-программы, которые бродят по интернету вместо людей: сравнивают цены, проверяют рейсы, заказывают еду, общаются со службой поддержки. Грубо говоря, ваш личный ИИ-помощник делает запросы туда, куда раньше ходили вы сами.

При этом важная оговорка: Cloudflare считает HTTP-запросы, а не время. По времени люди по-прежнему доминируют — стриминг, соцсети и бесконечные ленты не генерируют столько быстрых запросов, сколько автоматизированные агенты.

Самый высокий процент бот-трафика — у Гибралтара (92,1%), Сингапура (76,4%) и Ирана (76,4%). Первые два объясняются плотностью дата-центров, последний — массовым использованием VPN и инструментов автоматического обхода блокировок.

Cloudflare начал отдельно классифицировать агентный трафик только в прошлом году, поэтому длинной истории в данных нет. Но тренд уже однозначен: интернет всё больше становится сетью, которую машины используют для общения друг с другом от имени людей.

Главная техническая особенность — архитектура без отдельных энкодеров. Обычно мультимодальные модели сначала «переводят» картинку или звук в числа через отдельные нейросети-кодировщики, а потом передают результат в языковую модель. Gemma 4 12B убрала этот лишний шаг: изображение преобразуется через простую матрицу умножений, а аудиосигнал напрямую проецируется в то же пространство, что и текст.

Это не просто инженерная элегантность — подход снижает память и уменьшает задержку при генерации.

По бенчмаркам модель вплотную приближается к более крупной Gemma 4 26B, которая построена на архитектуре Mixture of Experts, но весит вдвое меньше. Запустить её можно на ноутбуке с 16 ГБ оперативной или видеопамяти.

Модель доступна под лицензией Apache 2.0, то есть её можно использовать в коммерческих продуктах без ограничений. Веса уже выложены на Hugging Face и Kaggle, а запустить её можно через LM Studio, Ollama, llama.cpp, MLX и vLLM.

Вместе с моделью Google выпустила репозиторий Gemma Skills — набор готовых навыков для построения агентных приложений на базе Gemma.

Gemma 4 в целом перешагнула отметку 150 миллионов скачиваний. На её базе разработчики уже собирают всё — от носимых роботизированных рук до корпоративных систем безопасности.

Модель доступна сегодня. Развернуть в облаке можно через Google Cloud, включая Gemini Enterprise Agent Platform и Cloud Run.

Из файла уходили access-токен, refresh-токен, ID-токен и идентификатор аккаунта. Чарли Эриксен, исследователь компании Aikido Security, которая обнаружила атаку, объясняет главную проблему: refresh-токен не истекает. Тот, кто его получил, может бесконечно представляться вами в системе OpenAI.

Данные отправлялись на домен `sentry.anyclaw[.]store` — название выбрано специально, чтобы имитировать Sentry, популярный сервис мониторинга ошибок. Вредоносный код появился только в npm-сборке — GitHub-репозиторий оставался чистым. Классический приём: сначала набрать доверие, потом внедрить payload.

npm был не единственным вектором. Aikido нашла два Android-приложения в Google Play от разработчика BrutalStrike: OpenClaw Codex Claude AI Agent (50 000+ загрузок) и Codex (10 000+). Оба запускали тот же npm-пакет внутри PRoot-окружения и не фиксировали версию — значит, вредоносный код прилетал к мобильным пользователям автоматически, сразу после публикации.

Суммарный охват: около 29 000 еженедельных npm-установок и свыше 60 000 мобильных загрузок.

npm-аккаунт принадлежит пользователю «friuns», которого Aikido идентифицировала как Игоря Левочкина. Когда его спросили об этом на GitHub, он сначала заявил, что потерял доступ к аккаунту, потом отредактировал ответ на «расследуем внутри». Домен `anyclaw[.]store`, куда уходили токены, указан прямо в его профиле в X.

Атака вписывается в нарастающую волну угроз для экосистемы AI-инструментов: месяцем ранее группа TeamPCP через отравленное расширение VS Code взломала внутренние репозитории GitHub — было похищено содержимое 3 800 репо, а также данные из 1Password и конфигурации Claude Code. Токены аутентификации AI-инструментов хранятся в открытом тексте и становятся всё более привлекательной целью для атак на цепочку поставок.

На первый взгляд это плохая новость для рынка. На деле — хорошая для самой TSMC. Постоянный дефицит означает стабильно высокий спрос и гарантированный рост выручки TSMC.

TSMC — это фабрика, которая делает чипы для Apple, Nvidia, AMD, Qualcomm и большинства других технологических гигантов. Когда все они одновременно строят ИИ-инфраструктуру и гонятся за ускорителями, мощностей одного производителя на всех не хватает — даже если это крупнейший игрок на планете.

Проблема не решается быстро. Строительство новой полупроводниковой фабрики занимает от трёх до пяти лет и стоит десятки миллиардов долларов. TSMC уже расширяет производство: строит заводы в США (штат Аризона), Японии и Германии. Но пока новые мощности не введены — разрыв между спросом и предложением сохранится.

Спрос на вычисления для ИИ растёт быстрее, чем индустрия успевает его удовлетворить. Каждая новая модель требует больше параметров, больше данных, больше серверов — и каждый сервер требует чипов.

Производители полупроводников в этой гонке не участники, а ограничители. Без достаточного количества чипов темп развития ИИ определяется не амбициями компаний, а мощностью фабрик.

Сегодня ИИ умеет проектировать новые биологические молекулы — включая потенциально опасные патогены. При этом синтетическую ДНК можно заказать у специализированных компаний практически без проверок. Авторы письма считают, что это сочетание создаёт реальный риск создания биооружия.

Письмо требует одного конкретного шага: обязать компании, производящие синтетическую ДНК, проверять заказы на соответствие базам данных известных опасных последовательностей. Это не новая идея — подобный скрининг существует добровольно, — но без законодательного требования его применяют не все.

OpenAI и Anthropic борются за одних клиентов, но в вопросе биобезопасности встали на одну сторону. К письму также присоединились руководители других ИИ-компаний и учёные в области биологии.

Законодатели пока не отреагировали публично.

Основатель финансирует четверть раунда сам — 20 млрд из 50 млрд юаней. Лян Вэньфэн — основатель DeepSeek и создатель количественного хедж-фонда High-Flyer, из которого вырос стартап, — вкладывает 20 млрд юаней собственных средств. Это контрольная доля раунда: он сохраняет управление. Tencent рассматривает участие на 10 млрд юаней, производитель аккумуляторов CATL — на 5 млрд. Также в сделке участвуют гонконгские IDG Capital и Monolith Capital. Закрытие ожидается в течение нескольких недель.

DeepSeek стал национальным ИИ-чемпионом Китая в начале прошлого года, когда модели V3 и R1 произвели впечатление даже в Кремниевой долине. Они были дёшевы в обучении, сильны в рассуждениях и выпущены в открытый доступ — это поставило под сомнение тезис, что современный ИИ требует гигантских бюджетов и закрытых весов.

До сих пор компания вела себя скорее как исследовательский проект, чем как бизнес. Раунд меняет это: $7 млрд — это вычислительные мощности, специалисты и ресурсы для создания продуктов, а не только публикации научных статей.

Список инвесторов отражает реальность китайского ИИ: из-за американских экспортных ограничений на чипы и политической напряжённости вокруг иностранных вложений деньги идут от стратегических национальных игроков, а не от мирового венчурного капитала. CATL — производитель батарей, а не очевидный ИИ-инвестор, но это крупный промышленный игрок, заинтересованный в энергопотреблении масштабных вычислений.

На бумаге оценка в $59 млрд выглядит скромно рядом с OpenAI или Anthropic, которых оценивают в сотни миллиардов. Но DeepSeek достиг своей репутации, потратив кратно меньше. Чеки почти подписаны — что именно они купят, ещё предстоит выяснить.

Картина такая: безработица в России в 2025 году упала до 2,2% — исторический минимум. Нанимать больше уже некого. При нынешних темпах роста к 2032 году дефицит кадров составит 500 тысяч человек.

Единственный выход — делать больше теми же руками. Именно здесь Сбербанк видит роль GenAI и роботизации.

По расчётам исследователей, внедрение трёх технологий — генеративного ИИ, промышленных роботов и удалённой работы — может поднять производительность труда на 21–33% к 2032 году. Но только при условии, что бизнес внедряет их агрессивно, а не для галочки.

Важный момент: ИИ не уничтожает рабочие места. Он перераспределяет задачи внутри профессий. Чтобы это понять, аналитики Сбербанка разобрали 923 специальности на 17 990 отдельных рабочих задач и оценили, что из этого ИИ возьмёт на себя.

Ещё один резерв — эффективность распределения ресурсов. Если убрать барьеры для продуктивных предприятий и выровнять конкуренцию, производительность можно поднять в 1,5–2 раза без единого нового сотрудника. Для сравнения: в индийском производстве похожее перераспределение дало рост выпуска на 48%.

Географически больше всего от GenAI выиграют Москва, Санкт-Петербург, Севастополь, Самарская, Томская и Новосибирская области — там концентрируются профессии с высокой долей умственного труда. В отраслях с физическими операциями ставка на роботизацию.

Александр Исаков, руководитель Центра макроэкономических исследований Сбербанка, сформулировал это так: «Современные технологии GenAI неотличимы от волшебства, но полная реализация их потенциала требует точной координации интересов бизнеса, работников и государства».

К 2032 году конкурентоспособность российских компаний будет определяться не числом сотрудников, а тем, насколько эффективно эти сотрудники работают с машинами.

Модель обучена с нуля на чистых данных — Microsoft особо подчёркивает, что не использовала дистилляцию из чужих моделей. По размеру это «средняя» модель, то есть не гигант вроде GPT-4, но и не лёгкий вариант для телефонов.

Контекст важен: ещё два года назад Microsoft не делала собственных моделей вообще и полностью зависела от OpenAI. Сейчас компании переписали соглашение — Microsoft получила больше самостоятельности. MAI-Thinking-1 — прямое следствие этого разворота.

Помимо флагмана, за один день Microsoft анонсировала ещё шесть моделей:

- MAI-Image 2.5 и её быстрая версия — генерация и редактирование изображений по тексту - MAI-Transcribe-1.5 — транскрибация аудио, в пять раз быстрее конкурентов - MAI-Voice-2 и её быстрая версия — голосовая модель с поддержкой 15 новых языков (Flash-версия анонсирована как «скоро») - MAI-Code-1-Flash — кодинговая модель, встроенная в GitHub Copilot и Visual Studio Code

Семь моделей за один анонс — нетипичная для Microsoft плотность. Ещё два года назад компания была просто реселлером OpenAI. Теперь у неё собственный стек от генерации картинок до reasoning.

Microsoft заявляет о паритете с лидерами рынка на ключевых бенчмарках по разработке ПО — но какие именно тесты и с кем сравнивали, компания не раскрывает. Корпоративные бенчмарки всегда выбирают так, чтобы выглядеть выгодно.

Основа платформы — не Windows. Microsoft взяла Android Open Source Project (AOSP) и построила поверх него собственную систему Microsoft Device Ecosystem Platform (MDEP). Выбор объясняется тем, что MDEP легче развернуть на корпоративных устройствах разных форматов — от носимых гаджетов до умных дисплеев.

Идея за проектом простая: пользователь не открывает нужное приложение и не кликает по меню. Он говорит или пишет, что нужно сделать, — а агент берёт задачу, работает сразу в нескольких сервисах и возвращает результат. Microsoft называет это переходом от «открыть приложение» к «вызвать интеллект».

Стивен Батиш, глава Applied Sciences Group в Microsoft, который ведёт проект, выделяет три этапа эволюции ИИ: сначала ИИ помогает рядом с приложением (как Copilot), потом меняет то, как само приложение работает, и наконец начинает действовать поверх всего сразу. Project Solara целится именно в третий этап.

Для производителей устройств Microsoft показала два референсных дизайна. Badge Concept — носимый гаджет размером с бейдж на чипе Qualcomm: сенсорный экран, камера, микрофон, 5G, распознавание отпечатка. Desk Concept — настольный умный дисплей на чипе MediaTek: распознавание лиц, USB-C, работает и самостоятельно, и как клиент для Windows 365.

Сотни сотрудников Microsoft уже тестируют оба устройства — для утренних брифингов, расшифровки встреч, сортировки уведомлений.

Пилотный запуск с реальными компаниями — AccuWeather, Best Buy, CVS Health, Levi's и Target — запланирован на 2026 год. Оба устройства пока не коммерческие: это образцы для производителей и разработчиков.

Кубиты — самое уязвимое место квантовых компьютеров. Они крайне нестабильны и разрушаются от малейших внешних помех, вплоть до космических лучей. В Majorana 2 средняя продолжительность жизни кубита составляет 20 секунд, а в лучших случаях — почти минуту.

Четан Найак, вице-президент Microsoft по квантовому железу, сообщил, что компания вдвое ускорила сроки: теперь практически применимый квантовый компьютер ожидается к 2029 году, а не к середине 2030-х, как планировалось ранее.

Первый чип — Majorana 1 — сразу вызвал скептицизм учёных: он опирался на состояния материи, которые до того существовали только в теории. Насколько Majorana 2 убедит научное сообщество — пока неизвестно, полная техническая статья опубликована отдельно.

Параллельно Microsoft открыла публичный доступ к Discovery — агентному ИИ-инструменту, который использовался при разработке нового чипа. Discovery предназначен для автоматизации научных и инженерных рабочих процессов.

Квантовые компьютеры потенциально способны решать задачи, недоступные классическим машинам: от разработки новых лекарств до моделирования материалов. Но пока вся индустрия — Microsoft, Google, IBM — работает с чипами, которые слишком нестабильны для реального применения.

Для сравнения: YouTube, TikTok, Google Chrome и Maps потратили на это от пяти до восьми лет. Данные аналитической компании Sensor Tower фиксируют рост ChatGPT на 62% год к году.

Деньги тоже говорят сами за себя. Пользователи суммарно потратили внутри приложения более $3 миллиардов с момента запуска, причём $2,5 миллиарда из них — только за 2025 год. По скорости выхода на этот уровень трат ChatGPT обогнал TikTok и крупнейшие стриминговые сервисы.

Claude от Anthropic выглядит скромнее по абсолютным числам — 56 миллионов пользователей в месяц. Но темп роста принципиально другой: 640% год к году против 62% у ChatGPT.

OpenAI тем временем расширяет экосистему. В конце прошлого года компания открыла магазин сторонних приложений внутри ChatGPT — приложения запускаются напрямую в интерфейсе и доступны через меню инструментов или на chatgpt.com/apps. Параллельно OpenAI готовит «супер-приложение» для компьютеров: в одном окне планируется объединить ChatGPT, платформу для программирования Codex и браузер.

Миллиард пользователей — не просто рекорд. AI-ассистенты превращаются в массовую инфраструктуру, как поисковик Google в середине 2000-х. Только на это ушло втрое меньше времени.

Ждут обновлений Windows, Copilot и Office 365. Microsoft активно вшивает ИИ во все свои продукты последние два года, и Build — традиционная площадка, где компания показывает, как далеко продвинулась.

Конференция совпадает по времени с Computex — ежегодной выставкой ПК-индустрии в Тайване. Судя по всему, намеренно: накануне keynote Microsoft уже успела анонсировать Surface Laptop Ultra. Это 15-дюймовый ноутбук, внешне похожий на MacBook Pro, внутри — новый чип NVIDIA RTX Spark. Он совмещает мощную графику с аппаратным ускорением ИИ-задач прямо на устройстве.

RTX Spark — это ответ на архитектуру Apple Silicon, только от NVIDIA: единый чип вместо связки процессора и отдельной видеокарты. Microsoft делает ставку на то, что локальный ИИ на ноутбуке станет нормой, а не премиальной функцией.

Что именно покажут на сцене — пока неизвестно. Но то, что анонс нового железа вышел ещё до начала конференции, говорит само за себя: обычно так не делают ради очередного обновления интерфейса.

Метод был прямолинейным: включить VPN, выбрать регион жертвы, запустить сброс пароля — и написать боту, что нужно сменить адрес почты. Бот присылал восьмизначный код подтверждения прямо на email злоумышленника, а следом — ссылку для сброса. Если система требовала проверку личности, фото профиля жертвы прогоняли через ИИ-генератор видео и получали реалистичное селфи, проходящее автоматические проверки.

Среди пострадавших — аккаунт Белого дома эпохи Обамы, страница главного сержант-майора Космических сил США и сеть Sephora. Короткие никнеймы из двух-трёх букв уходили в перепродажу на Telegram за шестизначные суммы в долларах. Два взломанных аккаунта, по оценкам исследователей ZachXBT и Dark Web Informer, специализирующихся на крипто-преступлениях, стоили в совокупности больше миллиона долларов.

Специалисты называют произошедшее классической атакой «запутанного помощника». Бот имел больше прав, чем обычный пользователь: мог менять привязанный email и сбрасывать пароли без верификации. Злоумышленник просто вежливо попросил — и бот выполнил. Причина системная: языковая модель не умеет надёжно отличать безобидный запрос от атаки, потому что оба выглядят как текст.

Meta* запустила ИИ-поддержку для всех аккаунтов Facebook* и Instagram* в марте и рекламировала её как защиту от угона — ИИ должен был выявлять подозрительные смены паролей и геолокации. В итоге именно бот стал точкой входа.

Волна взломов началась 29 мая. Meta* в тот же вечер выпустила экстренный патч, отключив ИИ-функции с доступом к email и паролям. Компания заявила, что взлома баз данных не было — технически верно, но для пользователя, потерявшего ценный никнейм за ночь, разница несущественна. Исследователь под ником The CyberSec Guru сообщил, что схема тихо работала с конца марта — и что в Telegram уже гуляет ещё один непропатченный эксплойт через форму восстановления Facebook*.

*Компания Meta признана экстремистской и запрещена в РФ.

До этого у OpenAI была одна основная партнёрская облачная площадка — Azure от Microsoft. Теперь появился второй крупный канал. Для AWS это тоже победа: платформа получает в каталог GPT-4o, o3 и Codex.

Codex — это не просто API для кода. Это агент, который умеет выполнять задачи целиком: читать репозиторий, писать и запускать код, исправлять ошибки. Доступность через AWS делает его ближе к корпоративным командам, которые уже хранят код и инфраструктуру на Amazon.

Стратегически этот шаг показывает, что OpenAI больше не ставит на эксклюзивность с Microsoft. Компания выбирает широкую дистрибуцию — чем больше точек входа, тем больше пользователей. Amazon, Microsoft и Google сейчас прямые конкуренты в облаке, но для OpenAI это просто три разных канала продаж.

Для разработчиков практический смысл прост: можно подключить GPT-4o или o3 через привычный AWS-аккаунт, выставлять счета через одну платформу и не создавать новые учётные записи. Корпоративным клиентам это упрощает закупки и соответствие требованиям безопасности.

Anthropic работает с Google и Amazon, Meta* распространяет Llama через всех крупных провайдеров. OpenAI закрывает последний крупный пробел в своём покрытии.

*Компания Meta признана экстремистской и запрещена в РФ.

H200 — самый мощный AI-процессор, который США когда-либо разрешали продавать в Китай. В отличие от A100 и H100, он пока не включён в списки экспортных ограничений.

Все семь университетов относятся к так называемым «военно-гражданским» учреждениям — формально они гражданские, но активно сотрудничают с НОАК и оборонными предприятиями. Именно такие организации традиционно находятся под пристальным вниманием американских регуляторов при разработке экспортных ограничений.

США уже несколько лет последовательно ужесточают правила поставок передовых чипов в Китай. Сначала под запрет попали A100 и H100, потом ограничения расширились. H200 занял место «разрешённого максимума» — но, судя по происходящему, именно этот максимум и оказался интересен военным структурам.

Вашингтон давно указывает, что граница между гражданской и военной наукой в Китае размыта. Пекин эту логику отвергает. Закупочные документы, которые изучило Bloomberg, дают конкретные имена и суммы — аргумент, который сложнее опровергнуть.

Для Nvidia обнаруженные закупки создают риск новых экспортных ограничений: именно по такой схеме начались запреты на A100 и H100 — регуляторы зафиксировали попытки военных структур получить доступ к чипам. После тех ограничений компания была вынуждена выпустить для китайского рынка урезанную версию — H20.

Все средства пойдут на финансирование ИИ-инфраструктуры: дата-центры, чипы, энергетические мощности. Alphabet уже объявляла в этом году о рекордных капиталовложениях.

$80 млрд за один раунд — это масштаб, сопоставимый с ВВП небольшой страны. Для сравнения: весь рынок венчурного финансирования в США в типичный год составляет около $150–200 млрд.

То, что Berkshire Hathaway входит в сделку, — сигнал. Баффет десятилетиями избегал вложений в компании, которые он «не понимал». Участие его холдинга в ИИ-раунде означает, что крупнейший традиционный капитал окончательно признал: ставка на ИИ — это не спекуляция, а долгосрочная инфраструктурная инвестиция.

Alphabet конкурирует за лидерство в ИИ с Microsoft, Amazon и OpenAI. Google DeepMind, Gemini, TPU-чипы собственной разработки — компания строит полный технологический стек. Деньги нужны не на исследования, а на физическую инфраструктуру: электричество, серверы, земля под дата-центры.

Гонка капиталовложений в ИИ продолжается: Microsoft и Amazon также объявили о масштабных инвестициях в инфраструктуру. Alphabet не отстаёт — теперь с деньгами Баффета в кармане.

Оценка компании на момент подачи составляет около $965 млрд — почти триллион долларов. Это стало возможным после раунда финансирования Series H на $65 млрд, закрытого буквально на прошлой неделе. Раунд привлёк крупнейших институциональных инвесторов: Sequoia Capital, Altimeter Capital, Dragoneer, Coatue и других.

IPO Anthropic разворачивается на фоне горячего сезона размещений. SpaceX одновременно готовит выход на биржу с целевой оценкой в $2 трлн и хочет привлечь больше $75 млрд. OpenAI в марте закрыла раунд на $122 млрд при оценке $852 млрд и тоже ожидает подачи заявки на IPO.

Два крупнейших разработчика ИИ могут выйти на публичный рынок практически одновременно — это станет серьёзной проверкой интереса и решимости инвесторов в отношении искусственного интеллекта.

Anthropic уточнила, что размещение зависит от рыночной конъюнктуры. Конкретные сроки не называются.

В основе — робот Unitree H2 Plus ростом почти 180 см и весом 68 кг с 31 степенью свободы. К нему присоединены пятипалые тактильные руки Sharpa Wave с 22 степенями свободы, стереокамера на голове, камеры на запястьях и датчики инерции. Момент вращения в руках — до 120 Н·м, что сопоставимо с усилием взрослого человека.

Вычислительный модуль — NVIDIA Jetson AGX Thor T5000 с GPU на архитектуре Blackwell и 128 ГБ унифицированной памяти. Батарея ёмкостью около 1 кВт·ч даёт примерно три часа работы.

Платформа построена на модели Gr00t N1, которую NVIDIA анонсировала в марте. Вся программная часть открыта — это набор инструментов для ускорения разработки сценариев поведения роботов.

Unitree H2 Plus стоит около $29 900. Платформа также поддерживает более дешёвый Unitree G1. Конкретных цен на саму Isaac Gr00t NVIDIA не называла.

Живого робота на сцене не было — только рендеры. Зато уже подтверждено участие нескольких исследовательских организаций: AI2, ETH Zurich, Stanford Robotics Center и UC San Diego. Стив Казинс, исполнительный директор Stanford Robotics Center, прокомментировал: «Роботика движется быстрее всего, когда исследователи могут строить на открытых платформах, делиться кодом и тестировать идеи на реальных машинах».

Платформа есть. Робота в магазине пока нет.

Сэм Альтман обозначил долгосрочный ориентир: персональный робот для каждого человека, который делает всё, что нужно хозяину. В ближайшей перспективе роботы будут помогать строить инфраструктуру.

Команда выросла из внутренней программы по симуляции физического мира. Её вёл Адитья Рамеш. После закрытия видеоприложения Sora его команду тоже влили в это направление. С января 2025 года набор инженеров идёт по всем фронтам: железо, системная инженерия, машинное обучение, производство.

Зачем это OpenAI — неясно, особенно на фоне недавнего разворота компании в сторону AI-агентов и приложений. Скорее всего, главная ставка — данные: роботы в реальном мире генерируют именно тот тип обучающих данных, которых у языковых моделей нет. Плюс — альтернативный подход к AGI через воплощённые модели: заявленная цель команды — роботы общего назначения, продвигающие прогресс в этом направлении.

Теперь в этой нише работают Figure, Physical Intelligence, Boston Dynamics и десятки стартапов. Компания возвращается в уже занятое поле, с большими деньгами, но без готового продукта.

Mythos — не обычный сканер безопасности. Он не просто указывает на слабые места в коде, а умеет ими пользоваться. То есть реально взламывать системы. До сих пор такие наступательные возможности были сосредоточены преимущественно у частных компаний в сфере кибербезопасности и спецслужб.

ENISA координирует защиту цифровой инфраструктуры на уровне всего Евросоюза. Доступ к Mythos даст агентству возможность тестировать европейские системы на уязвимости с инструментом, который по возможностям приближается к тому, чем пользуются профессиональные хакеры.

Это первый известный случай, когда Anthropic передаёт наступательный ИИ-инструмент государственной структуре.

Решение поднимает неудобные вопросы. Mythos в руках правительственного агентства — это легитимная защита инфраструктуры или создание прецедента, при котором наступательный ИИ становится инструментом государства? Mythos создан для того, чтобы находить уязвимости и эксплуатировать их — те же операции, которые выполняют как пентестеры, так и злоумышленники.

Пока доступ к Mythos получает только ENISA. Anthropic не объявляла о планах предоставить инструмент другим государственным структурам.

Модель мира — это не просто ещё один языковой ассистент. Это система, которая учит машину предсказывать, как устроен физический мир: что произойдёт, если робот сделает шаг вперёд, как изменится сцена при повороте камеры, где препятствие, а где свободный путь. Без такого понимания роботы работают вслепую — им нужно либо идеально размеченное окружение, либо они просто падают.

Cosmos 3 выходит как открытая модель, то есть разработчики и компании смогут взять её как основу и адаптировать под свои задачи — от складских погрузчиков до хирургических манипуляторов.

Компания давно вышла за пределы видеокарт: сначала CUDA сделала её незаменимой для машинного обучения, теперь она строит целый стек для физического ИИ — от чипов до готовых моделей. Cosmos 3 занимает в этом стеке место фундамента: базовое понимание мира, поверх которого можно строить конкретные приложения.

Конкуренты в этом направлении тоже есть — Google DeepMind и стартапы вроде Physical Intelligence развивают похожие подходы.

Cosmos 3 — ставка Nvidia на то, что она снова окажется в центре этого перехода.

Основная тема выступления — корпоративный ИИ. Nvidia продвигает концепцию «ИИ-фабрик»: специализированных датацентров, заточенных под обучение и инференс нейросетей. Именно это направление сейчас приносит компании основные деньги.

Главная интрига — чип N1X. За несколько часов до кейноута в сеть утекли полные характеристики N1X и его младшего варианта N1. Это первые процессоры Nvidia для потребительских ПК — компания десятилетиями занималась видеокартами, а теперь заходит на территорию ARM-процессоров. Незадолго до этого Nvidia и Microsoft совместно пообещали «новую эру ПК» — очевидный намёк на устройства с N1X внутри.

GeForce на Computex почти наверняка не появится. Ходили слухи, что Nvidia может вернуть в продажу старые видеокарты из-за роста цен на железо, но пока этот сценарий выглядит маловероятным.

Кейноут рассчитан примерно на два часа — стандартный хронометраж для Nvidia. Перед основным выступлением компания провела разогревное шоу GTC Live с аналитиками Goldman Sachs и Gartner.

По заявлению Nvidia, Vera — не GPU, а центральный процессор на архитектуре ARM. Компания создала его, чтобы перестать зависеть от чипов Intel и AMD в серверных стойках: теперь она может поставлять полный вычислительный узел целиком. Vera работает в связке с GPU Rubin — вместе они образуют платформу следующего поколения.

То, что Anthropic и OpenAI — два главных конкурента на рынке больших языковых моделей — оба пришли за одним и тем же железом, говорит кое-что важное: альтернатив Nvidia в этом сегменте по-прежнему нет. SpaceX здесь тоже не случайно — компания активно строит собственную ИИ-инфраструктуру для систем управления ракетами.

По планам Nvidia, Vera выйдет в 2026 году. Полная платформа Vera Rubin станет основой нового цикла обновления датацентров — после Hopper и Blackwell.

Начинка впечатляет: GPU на архитектуре Blackwell мощностью 1 петафлопс, 20-ядерный CPU Grace на базе ARM и 128 ГБ единой (unified) памяти. Unified — значит GPU и CPU делят одну большую память, как в Apple M-чипах. Это позволяет загружать крупные языковые модели целиком, не разбивая их на части.

Чип поддерживает весь привычный стек NVIDIA: CUDA, TensorRT, DLSS, RTX Ray Tracing, G-SYNC и Reflex. То есть это не урезанная мобильная версия — это полноценная экосистема NVIDIA в ноутбучном форм-факторе.

Сравнение напрашивается само: Apple Silicon уже несколько лет предлагает эффективные чипы с большой унифицированной памятью для Mac. NVIDIA с RTX Spark идёт по тому же пути, но со своей экосистемой — ориентированной на разработчиков и энтузиастов AI, а не на macOS-аудиторию.

128 ГБ памяти в ноутбуке — это не избыток. Модели уровня Llama 3 70B в 4-битном квантовании занимают около 35 ГБ. Более крупные модели или работа с несколькими агентами одновременно быстро съедают всё доступное пространство. RTX Spark закрывает этот запрос.

Подробности о партнёрах, ценах и сроках выхода устройств на GTC Taipei пока не объявлены.

Для сравнения: весь ВВП Португалии составляет около €250 млрд. SoftBank собирается потратить треть от этого на дата-центры в одной стране.

Франция в последние годы активно позиционирует себя как европейский хаб для ИИ. В феврале 2025 года Париж принимал крупный международный саммит по ИИ — туда съехались руководители крупнейших технологических компаний и главы государств. Президент Макрон последовательно делает ставку на привлечение технологических инвестиций.

Компания — один из ключевых участников американского проекта Stargate стоимостью $500 млрд, который строит дата-центры по всей территории США. Теперь SoftBank переносит эту модель на Европу, начав с Франции и заявленных €75 млрд.

Сделка ещё не закрыта — пока речь идёт о планах, о которых сообщают источники изданий. Официального подтверждения от SoftBank на момент публикации не поступало.

Анонс пройдёт сразу на двух крупных отраслевых конференциях — совместно с Microsoft. Среди первых производителей, которые выпустят такие ПК, называют Dell.

Microsoft уже пыталась запустить волну «AI PC» — компьютеров с нейронными движками прямо в процессоре. Первые устройства работали на чипах Qualcomm. Рывок провалился: пользователей не убедили, разработчики не торопились адаптировать приложения, а сами устройства не давали ощутимых преимуществ.

Теперь у Microsoft есть второй шанс — и на этот раз с принципиально другим партнёром. Nvidia контролирует более 80% мирового рынка AI-ускорителей — её GPU обеспечивают работу дата-центров Microsoft, Google, Amazon и Meta. В прошлом финансовом году выручка компании достигла $130 млрд, втрое превысив показатель двухлетней давности. В потребительском сегменте видеокарт GeForce удерживает долю свыше 80% — тот же бренд Nvidia рассчитывает использовать для продвижения AI-функций в ноутбуках.

Технически это означает переход от GPU к полноценным процессорам для потребительских устройств — рынку, который десятилетиями делили Intel и AMD. Это принципиально другой бизнес: не продавать железо датацентрам по контрактам на миллиарды долларов, а убеждать обычного покупателя зайти в магазин и выбрать именно этот ноутбук.

Первые устройства появятся на следующей неделе. Rынок CPU для персональных компьютеров получает нового игрока с самым громким брендом в AI-индустрии.

Теперь Groq поднимает $650 млн. Примечательно, что деньги просят у тех же инвесторов, которых в декабре рассчитали наличными. Два фонда — Disruptive и Infinitium — уже согласились гарантировать раунд, если остальные откажутся. То есть деньги придут в любом случае.

Что осталось от Groq? Облачный инференс-сервис на собственных чипах LPU — Language Processing Units. Инференс — это вычисления, которые происходят каждый раз, когда вы отправляете запрос в ChatGPT или Claude. В отличие от обучения моделей, которое бывает раз в несколько месяцев, инференс идёт непрерывно. Инференс уже превзошёл обучение моделей по объёму рынка, и разрыв продолжает расти.

Groq давно заявляет, что её LPU выдаёт токены быстрее и дешевле, чем GPU от Nvidia. По бенчмаркам — действительно быстрее. Но на этой неделе DeepSeek снизил цены на свою модель V4 Pro на 75%. Это давит на всю индустрию: если токены дешевеют, инференс-провайдеры зарабатывают меньше с каждого запроса.

Параллельно Nvidia выпускает Blackwell и готовит архитектуру Vera Rubin — специально чтобы закрыть разрыв в производительности на инференсе. Тот самый разрыв, который давал Groq конкурентное преимущество.

Компанией временно управляют CEO Адам Уинтер и CFO Мэтт Энг — люди без публичной истории в отрасли. Ключевая команда разработчиков ушла в Nvidia. $650 млн должны помочь нанять новых.

Инференс-рынок сейчас горячий: Cerebras вышла на IPO с оценкой $95 млрд, лондонский стартап Fractile поднял $220 млн, Google штампует миллионы TPU Ironwood. Groq — один из многих, кто делает ставку на специализированное железо для инференса. Только теперь без команды, которая это железо придумала.

Включается это в настройках Codex. Команды вроде `@computer` или `@Paint` направляют ИИ к конкретному приложению. Дальше он работает сам: тестирует программы, ищет баги, проверяет код.

Отдельная возможность — удалённый доступ. Через приложение ChatGPT на iPhone или Android можно запустить задачу на домашнем или рабочем ПК и следить за ней с телефона, пока сам за компьютером не сидишь.

На macOS «Computer Use» появился в апреле, мобильный доступ — в мае. Windows 11 получил обе функции в мае.

OpenAI называет Codex частью плана по созданию «супераппа» для работы и повседневных задач. Предполагается, что в него может войти и ChatGPT — но переименовывать ChatGPT под бренд Codex вряд ли станут: имя слишком узнаваемое и ассоциируется прежде всего с разработчиками.

Пока Codex — инструмент для программистов. С функцией Computer Use он получает доступ к приложениям, файлам и ресурсам компьютера — может тестировать программы, искать баги и проверять код без участия пользователя.

Речь идёт о модели Mythos от Anthropic, анонсированной в апреле. Она умеет находить уязвимости в программном обеспечении в промышленных масштабах — и именно это взволновало правительства по всему миру.

Дарио Амодеи, CEO Anthropic, предупредил: у мира есть 6–12 месяцев, чтобы закрыть десятки тысяч уязвимостей, которые Mythos уже обнаружила, прежде чем китайские модели достигнут сопоставимого уровня.

Кто получил доступ, а кто — нет

Anthropic запустила закрытый тест Mythos через программу Project Glasswing — только для избранных компаний. Из правительственных структур доступ получил лишь Институт безопасности ИИ в Великобритании. ЕС и его AI Office — нет.

По данным источников CNBC, когда Еврокомиссия обратилась к Anthropic, компания ответила: сначала нужно получить разрешение у Белого дома. Американская администрация в принципе не хочет, чтобы Anthropic делилась моделью с иностранными правительствами — даже союзными.

При этом The Wall Street Journal сообщал, что Anthropic предлагала дать доступ ещё около 70 организациям. Белый дом заблокировал это из соображений безопасности.

Что дальше

Министр финансов США Скотт Бессент заявил, что администрация работает с AI-лабораториями «очень тесно» и ищет баланс между инновациями и безопасностью. Сам Anthropic сообщил, что уже разрабатывает необходимые защитные механизмы и планирует открыть Mythos-class модели для всех клиентов «в ближайшие недели».

Пока доступ к этой мощной AI-системе контролирует не её разработчик, а Белый дом.

Медь упирается в физику. Когда тысячи видеокарт должны работать как единая система, а стойки с GPU стоят на расстоянии метров друг от друга, медные кабели начинают терять сигнал и потреблять больше энергии. Свет — нет.

Куда ушли деньги

По $2 млрд — в Coherent и Lumentum, производителей оптических компонентов. Ещё $2 млрд — в Marvell, которая купила фотонный стартап Celestial AI в декабре 2025 года. До $3,2 млрд — в Corning, производителя стекловолокна: компания построит три новых завода в Северной Каролине и Техасе и увеличит производство оптических кабелей в 10 раз.

Кроме этого, Nvidia вместе с AMD и MediaTek участвовала в раунде $500 млн стартапа Ayar Labs. Компания разрабатывает фотонные чиплеты, которые встраиваются прямо в процессор — это следующий шаг после внешних оптических модулей.

Почему это важно

Флагманская платформа Nvidia — Vera Rubin Ultra NVL576 — уже отражает переход. Внутри каждой из восьми стоек суперкомпьютера используется медь, между стойками — оптика. 576 GPU в одной системе, почти 2 млн деталей.

Nvidia запустила первые коммерческие оптические сетевые свитчи ещё в марте 2025 года. Инвестиции в $6,5 млрд нужны, чтобы цепочка поставок успела обеспечить компоненты в нужных объёмах под будущий спрос.

Стратегический расчёт

Объём закупочных обязательств перед Coherent и Lumentum, по данным TechTimes, фактически резервирует весь мировой запас высококлассных лазерных компонентов до 2027 года. AMD и MediaTek инвестировали в Ayar Labs, но не приблизились к масштабу Nvidia.

Выручка Nvidia в первом квартале 2026 года составила $44,1 млрд. При капитализации около $4 трлн $6,5 млрд — не критичная сумма. Но для всей фотонной отрасли это сопоставимо с годовой выручкой всего сектора.

Принцип: система генерирует варианты изменений в коде, архитектуре или обучающих данных, автоматически оценивает каждый по заданным метрикам и использует лучшие результаты как основу следующего цикла. Без решений исследователя на каждом шаге — только автоматизированный отбор по числовым показателям.

Реальные возможности систем пока ограничены строго очерченными задачами: автоматически генерировать и проверять гипотезы в узких областях — синтез данных для обучения, оптимизация архитектуры нейросети, написание кода для собственных бенчмарков. Полноценного «ИИ, который делает себя умнее», пока не существует.

Японская лаборатория Sakana AI разрабатывает «ИИ-учёного» — систему, автоматически генерирующую и проверяющую научные гипотезы. Крупные лаборатории — OpenAI, Anthropic, Google DeepMind — инвестируют в автоматизированное исследование ИИ: подход, при котором одни модели занимаются улучшением других.

Главный аргумент инвесторов: если ИИ сможет самостоятельно проводить хотя бы часть работы, которую сейчас выполняют тысячи исследователей, скорость прогресса резко возрастёт.

Главный аргумент скептиков: метрики, по которым система оценивает себя, задаёт человек — и именно здесь легко ошибиться. ИИ будет оптимизировать то, что измеряется, а не то, что реально важно. В машинном обучении это называют законом Гудхарта: когда показатель становится целью, он перестаёт быть хорошим показателем.

У систем самоулучшения есть специфический класс рисков, не имеющий аналогов в обычной разработке ПО: система, способная изменять собственные веса или архитектуру, теоретически может сделать это способом, непредсказуемым для создателей.

Sakana AI показала, как «ИИ-учёный» самостоятельно генерирует и оформляет научные статьи; OpenAI и DeepMind автоматизировали части экспериментального цикла внутри собственных лабораторий. Но выбор задачи — что именно исследовать и что считать улучшением — по-прежнему остаётся за человеком: эту черту ни одна лаборатория пока не пересекла.

Один чип выдаёт 700 ТОПС вычислительной мощности. Три чипа в связке — уже 2100 ТОПС, этого хватает для функций автономного управления уровней 3 и 4. Энергопотребление на единицу вычислений на 20% ниже, чем у аналогов. Чип уже запущен в серийное производство.

Для сравнения: Huawei производит автомобильные чипы по 7-нм техпроцессу и обещает перейти на 1,4 нм к 2031 году. Самый передовой в мире — 2-нм чип TSMC. Новый чип BYD стал основой вычислительной платформы размером с ноутбук, которая объединяет три раньше раздельных блока: бортовую мультимедиа, систему помощи водителю и управление электроприводом.

God's Eye на бюджетных машинах

Одновременно BYD объявила о расширении системы помощи водителю God's Eye на все модели, продаваемые в Китае. Включая бюджетный хэтчбек Seagull ценой 69 800 юаней ($10 300).

Seagull стал первым автомобилем в своём ценовом классе с лидаром — технологией, которая раньше встречалась только на премиальных машинах. Полный пакет God's Eye с городской навигацией, распознаванием светофоров и автопарковкой — 12 000 юаней ($1770) сверх цены. BYD также предлагает страховку на год, которая покрывает ущерб от аварий, произошедших при активном God's Eye.

Фон: скандалы и падение продаж

На дорогах сегодня больше 3,15 млн машин BYD с оборудованием God's Eye. После массового внедрения в прошлом году пользователи фиксировали самопроизвольное ускорение, хаотичные смены полосы и опасные манёвры рулём. В отличие от Tesla, которая продаёт автопилот как опцию, BYD установила систему сразу на миллионы машин — каждая ошибка стала публичной.

Технологический рывок — ответ BYD на конкурентное давление Xiaomi и брендов на базе Huawei, вышедших на рынок электромобилей. Продажи падают восьмой месяц подряд: в апреле 2026 года — минус 16% год к году. Чистая прибыль за первый квартал обвалилась на 55%, до 4,09 млрд юаней ($599 млн). Выручка упала на 12%.

Единственный светлый пятно — экспорт: в апреле рекордные 135 000 автомобилей, рост на 70% год к году.

BYD ждёт законодательного разрешения Китая на массовое автономное вождение для потребителей. По оценкам компании — не раньше 2027 года.

Это не прямые инвестиции в Anthropic. Схема устроена иначе: Apollo и Blackstone привлекают дополнительных инвесторов в долговую сделку, которая позволит купить чипы и передать их компании в аренду или по иной схеме финансирования. По сути, это инфраструктурное кредитование — как строительство завода под конкретного арендатора.

Тридцать шесть миллиардов на чипы для одной компании — это другой порядок цифр.

Компания конкурирует с OpenAI и Google DeepMind за лучшие позиции в гонке больших языковых моделей. Обучение и запуск таких моделей требует огромных вычислительных мощностей — и именно доступ к чипам часто становится узким местом.

Показательно, что чипы — от Google, а деньги — от частных инвестфондов. Это новая модель финансирования AI: не через IPO или венчур, а через структурированный долг под конкретные активы. Инфраструктура AI становится классом активов, интересным крупным институциональным игрокам.

Apollo и Blackstone сейчас ищут соинвесторов для закрытия сделки.

Раунд возглавили Altimeter Capital, Dragoneer, Greenoaks, Sequoia Capital, Capital Group, Coatue и D1 Capital Partners. Среди институциональных инвесторов — Blackstone, Fidelity и DST Global. К раунду присоединились производители чипов Samsung, SK Hynix и Micron. $15 млрд из суммы — ранее объявленные инвестиции от крупных облачных платформ, включая $5 млрд от Amazon.

Деньги пойдут на исследования в области безопасности ИИ, расширение вычислительных мощностей и масштабирование продуктов на базе Claude.

В тот же день Anthropic выпустил модель Claude Opus 4.8 с улучшенными агентными возможностями, продвинутым программированием и акцентом на честность и самокоррекцию. Компания также планирует расширить доступ к моделям класса Mythos — своей мощной модели для кибербезопасности, которую пока выпускают в ограниченном режиме из соображений безопасности.

Месячная выручка Anthropic в пересчёте на год преодолела отметку $47 млрд. Wall Street Journal сообщал, что компания ожидает роста выручки на 130% и впервые выйдет на операционную прибыль.

Для сравнения: OpenAI в марте привлёк $122 млрд при оценке $852 млрд. SpaceX, объединившийся с xAI Илона Маска, нацелился на оценку $2 трлн в рамках предстоящего IPO.

Anthropic оценён дороже OpenAI — несмотря на то что собрал вдвое меньше денег в этом раунде.