Иранское государственное телевидение заявило, что Корпус стражей исламской революции нанёс удары «для выявления роли этих центров в поддержке военной и разведывательной деятельности противника».

Последствия ощутили миллионы людей. В понедельник утром 11 миллионов жителей Дубая и Абу-Даби не смогли оплатить такси, заказать еду или проверить баланс на телефоне. Amazon рекомендовала клиентам перенести данные за пределы региона.

Это первый в истории случай, когда вооружённые силы воюющего государства целенаправленно атаковали коммерческий дата-центр. Эксперты говорят, что Иран применяет тактику, отработанную в ходе конфликта на Украине: удары по критической инфраструктуре создают давление на противника через экономический и бытовой хаос.

Атака бьёт по самому болезненному месту. ОАЭ и Бахрейн активно позиционировали себя как мировые ИИ-хабы. Только в прошлом году Трамп договорился с ОАЭ о строительстве гигантского ИИ-кампуса — совместного американо-эмиратского проекта для обучения мощных языковых моделей. OpenAI заявляла, что этот кампус сможет обслуживать половину населения планеты.

Глава Zephr.xyz Шон Горман, подрядчик ВВС США, считает, что ОАЭ теперь придётся доказать партнёрам защитимость своей инфраструктуры: именно этот вопрос инвесторы должны задавать — а не то, выживут ли ИИ-амбиции в целом.

Бывший советник Белого дома по нацбезопасности Крис Макгуайр говорит прямо: если серьёзно развивать дата-центры на Ближнем Востоке, речь уже идёт не о видеокамерах и файерволах, а о размещении систем противоракетной обороны рядом с серверными залами.

Исследователь Оксфордского интернет-института Вили Лехдонвирта указывает на другую уязвимость: оптоволоконные кабели, соединяющие регион с остальным миром, проходят через Ормузский пролив, хотя там их будут пристально отслеживать США и союзные силы.

Регион вложил сотни миллиардов в то, чтобы стать «новой нефтью» эпохи ИИ. Теперь выясняется, что эту нефть тоже можно поджечь.

С первой попытки DeepRare правильно называл диагноз в 64,4% случаев. Врачи — в 54,6%. Если давать три варианта, система угадывала в 79% случаев против 66% у специалистов.

Но цифры — не главное. Важнее другое: в 95% случаев врачи соглашались с логикой, по которой ИИ пришёл к выводу. То есть система не просто выдаёт ответ — она рассуждает так, как рассуждает опытный клиницист.

DeepRare устроен иначе, чем большинство медицинских ИИ. Никакого «чёрного ящика» — система последовательно строит гипотезы, проверяет их по данным пациента, ищет в медицинских базах, анализирует генетические варианты и итеративно пересматривает выводы. Для этого она использует 40 специализированных инструментов. Исследование опубликовано в Nature.

Редкие болезни — особенно жёсткая задача для медицины. 80% из них имеют генетическую природу, и в среднем пациент ждёт правильного диагноза пять лет. За это время — неверные лечения, накопленный ущерб органам, годы в неизвестности. Во всём мире около 300 миллионов человек живут с редкими заболеваниями.

С июля 2025 года DeepRare уже работает на онлайн-платформе: более 600 медицинских учреждений по всему миру зарегистрировались, чтобы её использовать. Команда планирует валидировать систему на 20 000 реальных случаев и запустить глобальный альянс по диагностике редких болезней.

Авторы подчёркивают: DeepRare создан не вместо врача, а в помощь ему. Это разумная оговорка — но и без неё понятно, что система, которая способна сократить диагностический путь на недели или месяцы, меняет опыт болезни радикально.

Результаты неутешительны. Люди набирают 0,974 балла. Sora 2 от OpenAI — лучшая среди проприетарных моделей — останавливается на 0,546. Veo 3.1 от Google DeepMind — 0,480. Runway Gen-4 Turbo — 0,403. Открытые модели едва дотягивают до 0,37.

Задачи специально подобраны так, чтобы их нельзя было решить по одному кадру: распознавание форм, навигация по лабиринту, симуляция физики. Всё требует понимания того, что происходит во времени.

Главная находка — файнтюнинг спасает, но только до определённой точки. Дообученная версия Wan2.2 (VBVR-Wan2.2) набрала 0,685 — выше любой проприетарной системы. На знакомых типах задач результат дорастает до 0,771 при 400 000 обучающих примеров, а затем стопорится. На новых типах задач — потолок 0,610.

Исследователи считают это архитектурным ограничением, а не проблемой нехватки данных. Проще говоря: если модель во время генерации сама переставляет объекты, меняет фон или переписывает сцену — цепочка рассуждений рассыпается. Sora 2 в задаче на удаление объекта делает лишние перестановки. VBVR-Wan2.2 — только то, что просили.

Анализ корреляций показал неочевидную закономерность: сильные знания о мире помогают пространственному мышлению, но мешают восприятию. Абстрактное мышление не коррелирует ни с чем другим — и у моделей, которые хорошо справляются с абстракцией, хуже получается трансформация и пространственные задачи.

Датасет, бенчмарк и модели опубликованы в открытом доступе. Авторы прямо говорят: без архитектурных изменений — механизмов отслеживания состояния и самокоррекции — этот потолок не сдвинуть.

Раньше проект назывался «Aardvark». Агент анализирует репозитории, строит модель угроз под конкретный проект и проверяет найденные уязвимости в изолированных тестовых средах.

За последние 30 дней Codex Security проверил более 1,2 миллиона коммитов и выявил 792 критические уязвимости. В ходе бета-теста система снизила число ложных срабатываний более чем на 50%, а в одном из случаев сократила повторяющиеся предупреждения на 84%.

OpenAI уже сообщила об уязвимостях в нескольких открытых проектах: OpenSSH, GnuTLS, GOGS, Thorium и Chromium. По итогам этой работы выпущено 14 CVE. Компания также планирует расширить программу для мейнтейнеров open-source проектов.

Anthropic недавно тоже представила собственный инструмент для кибербезопасности. Оба анонса вышли в течение нескольких дней и заметно ударили по котировкам традиционных игроков сектора кибербезопасности.

OpenAI также планирует расширить программу для мейнтейнеров open-source проектов.

Глава Anthropic Дарио Амодеи подтвердил: 4 марта Министерство обороны (переименованное администрацией Трампа в «Министерство войны») направило компании соответствующее письмо. Этот статус обычно присваивают иностранным противникам — теперь он блокирует Anthropic от получения военных контрактов.

По словам Амодеи, решение «не имеет правовой основы», поэтому компания вынуждена оспорить его в суде.

Конфликт начался, когда Anthropic отказалась снять защитные ограничения со своего ИИ. Именно они не позволяют использовать технологию для полностью автономного оружия и массовой слежки внутри страны. На следующий день после публичного заявления об этом Трамп назвал компанию «радикально левой и прогрессивной» и приказал всем федеральным ведомствам прекратить использование её продуктов.

Амодеи отверг обвинения в попытке взять под контроль военные операции: «Мы никогда не считали, что частная компания должна участвовать в оперативном принятии решений — это роль военных. Наши единственные ограничения касаются полностью автономного оружия и массовой слежки».

Параллельно OpenAI заключила сделку с Министерством обороны. В своём заявлении компания отметила, что её договор содержит «больше защитных барьеров, чем любое предыдущее соглашение об использовании ИИ, включая контракт Anthropic». При этом OpenAI выразила несогласие с присвоением Anthropic статуса угрозы и попросила правительство урегулировать конфликт.

Ключевое различие между двумя компаниями, по версии OpenAI, — в исполнимости ограничений: облачное развёртывание, работающий стек безопасности и допущенный к секретам персонал. Anthropic получила статус угрозы нацбезопасности. OpenAI — военный контракт.

Сейчас действуют ограничения по странам: Китай, Россия, Иран, Северная Корея не могут получать мощные AI-процессоры. Новые правила идут дальше — они вводят глобальную систему лицензирования, независимо от страны назначения.

Схема выглядит так. Партии до 1000 GPU Nvidia GB300 проходят упрощённую проверку. Всё, что крупнее, требует предварительного разрешения. Кластеры от 200 тысяч GPU, которые строит одна компания в одной стране — как это делают AWS, Microsoft, Oracle, OpenAI или xAI, — автоматически становятся предметом межправительственных переговоров.

Для таких проектов компании должны будут давать гарантии национальной безопасности и брать обязательства инвестировать в американскую AI-инфраструктуру.

Это не запрет экспорта, но инструмент с очень широкими полномочиями. Если, например, британская или французская компания захочет построить кластер на 200+ тысяч GPU, США смогут заблокировать поставку, если правительство этой страны не выполнит условия Вашингтона.

Новые правила строже, чем критикуемое AI Diffusion Rule эпохи Байдена. Сейчас поставки в страны Ближнего Востока уже требуют межправительственных договорённостей — предлагаемый документ распространит эту логику на союзников в Европе и других регионах.

Для Nvidia и AMD последствия прямые: скорость одобрения лицензий и их условия будут определять, насколько быстро и дёшево компании смогут строить инфраструктуру за пределами США. Крупные дата-центры, сопоставимые с теми, что уже работают у AWS или Google внутри страны, за рубежом станут экономически значительно сложнее.

Для сравнения: ещё пару лет назад весь рынок ИИ-ускорителей оценивался в десятки миллиардов. Broadcom делает ставку на заказные чипы для крупных технологических компаний — таких как Google и Meta, — которые не хотят зависеть от Nvidia и разрабатывают собственные решения вместе с контрактными производителями.

Параллельно появились данные о том, что Anthropic возобновила переговоры с Пентагоном. Ранее компания отказывалась сотрудничать с военными из-за разногласий по вопросам применения ИИ в боевых задачах. Теперь переговоры идут снова — по информации источника, знакомого с ситуацией.

Anthropic позиционирует себя как компанию, сфокусированную на безопасности ИИ. Но Пентагон остаётся одним из крупнейших потенциальных заказчиков в мире.

Две новости вместе рисуют один и тот же тренд: ИИ-индустрия перестаёт делать вид, что существует вне геополитики и оборонных интересов. Broadcom строит бизнес на том, что крупные страны и корпорации хотят собственные чипы. Anthropic возвращается к столу переговоров с армией. Деньги и стратегическое значение ИИ оказались сильнее деклараций о принципах.

Сумма сопоставима с годовой выручкой многих крупнейших технологических компаний мира. SoftBank берёт не собственные деньги — он занимает их, чтобы поставить на OpenAI.

OpenAI сейчас оценивается примерно в $300 миллиардов. Компания активно привлекает капитал. SoftBank уже участвовал в финансировании OpenAI и теперь явно хочет увеличить долю.

Масаёси Сон, основатель SoftBank, давно делает ставки на технологические компании через венчурный фонд Vision Fund. Часть этих ставок провалилась — WeWork стала символом неудачных инвестиций. Но ставка на ИИ выглядит иначе.

Риск здесь прямой — если OpenAI не оправдает оценку, SoftBank останется с огромным долгом и обесценившейся долей.

Переговоры о кредите ещё продолжаются, финальные условия не согласованы.

Anthropic стала первой американской компанией, получившей такой ярлык. Обычно его вешают на иностранных противников — Китай, Россию, Иран.

Официальный представитель ведомства объяснил решение просто: военные не могут позволить вендору вмешиваться в цепочку командования и ограничивать использование критически важных технологий. «Это ставит под угрозу наших солдат», — заявили в DOD.

Парадокс в том, что Пентагон продолжал использовать Claude для поддержки военных операций в Иране — даже в разгар конфликта с самой компанией. Anthropic ещё в прошлую пятницу предупредила, что намерена оспорить любое официальное решение в суде.

Трамп пошёл дальше: он распорядился всем федеральным ведомствам немедленно прекратить использование технологий Anthropic. В интервью Politico президент заявил, что «уволил» компанию, потому что она «не должна была так поступать».

Напряжённость между Anthropic и администрацией Трампа накапливалась месяцами. Советник по AI Дэвид Сакс обвинял компанию в «woke AI» и «регуляторном захвате через нагнетание страха». Гендиректор Дарио Амодеи не появился на инаугурации Трампа — в отличие от Альтмана, Кука и Пичаи — и, по данным The Information, написал сотрудникам, что администрация не любит Anthropic за отказ от пожертвований и «похвал в стиле диктатора».

Рикошет прилетел Palantir: акции компании упали на 2%. Palantir использует Claude в работе с военными и спецслужбами — около 60% американской выручки приходится на госконтракты. Аналитики Piper Sandler предупредили клиентов о краткосрочных сбоях в операциях компании.

Anthropic от комментариев отказалась.

Центральный аргумент прост: человеческий интеллект не является «общим». Он эволюционно специализирован, и мы просто не замечаем собственных слепых зон. Авторы иллюстрируют это примером чемпиона мира по шахматам Магнуса Карлсена: его игра впечатляет только в сравнении с другими людьми. Относительно компьютеров — это просто предел человеческих возможностей.

Исследователи разобрали существующие определения AGI и пришли к выводу: ни одно из них не выдерживает собственных критериев. Определения, претендующие на истинную универсальность, разбиваются о теорему «No Free Lunch» — не существует алгоритма, оптимального для всех задач. Определения, ограниченные человеческими способностями, по определению не являются «общими». Подходы OpenAI и Демиса Хасабиса из DeepMind авторы называют либо неизмеримыми, либо внутренне противоречивыми.

Вместо AGI исследователи предлагают термин Superhuman Adaptable Intelligence (SAI) — «сверхчеловеческий адаптивный интеллект». Это система, которая способна обучаться и превосходить людей в любой значимой задаче, а также заполнять пробелы там, где человек вовсе не справляется. Ключевой критерий — не набор навыков, а скорость адаптации к новым задачам.

На техническом уровне авторы делают ставку на самообучение и «модели мира», а не на авторегрессионные языковые модели вроде GPT. Ошибки таких моделей, по их словам, «нарастают экспоненциально с длиной предсказания». Монокультура GPT-архитектур, считают исследователи, замедляет прогресс: «Однородность убивает исследования».

Хасабис и Илон Маск ранее отвергали похожие аргументы, настаивая на том, что человеческий мозг — крайне универсальная система. ЛеКун и соавторы отвечают: даже в идеальных условиях мозг охватывает лишь «бесконечно малую долю» возможных задач.

Конкретнее — ещё жёстче. «Может, ты считаешь удар по Ирану правильным, а вторжение в Венесуэлу — нет. Ты не можешь на это повлиять», — сказал Альтман.

Всё это — реакция на скандал. Пентагон в последние недели давил на ИИ-компании, требуя убрать защитные ограничения с моделей для военных нужд. Системы на базе ИИ уже использовались в операции США против венесуэльского лидера Мадуро и при выборе целей в войне с Ираном.

Anthropic — конкурент OpenAI и создатель Claude — отказался от сделки с Пентагоном. Причина: опасения, что модель могут использовать для массовой слежки внутри страны или полностью автономного оружия. В ответ министр обороны Пит Хегсет назвал компанию «угрозой для цепочки поставок» — такого определения в отношении американской компании не применяли никогда.

В тот же день Пентагон объявил о сделке с OpenAI — очевидно, как замену Claude. Сделка выглядела торопливой, и Альтман сам это признал: компания получилась «оппортунистической и неряшливой».

CEO Anthropic Дарио Амодей не сдержался. В письме сотрудникам он назвал Альтмана «лжецом» и обвинил в «диктаторских похвалах Трампу». По словам Амодея, реальная причина неприязни Пентагона к Anthropic проста: компания не жертвовала Трампу деньги. OpenAI как компания тоже делала пожертвования, а президент компании Грег Брокман вместе с женой лично перечислил $25 млн в поддерживающий Трампа PAC.

OpenAI оказалась в положении, когда её ИИ воюет, а сама компания говорит: «Это не наши решения».

По данным The Information, главное обновление — контекстное окно в один миллион токенов. Для сравнения: у нынешнего GPT-5.2 их 400 тысяч. С таким показателем OpenAI догоняет Google и Anthropic, у которых миллионный контекст уже есть.

Второе важное изменение — надёжность на длинных задачах. Модель должна реже ошибаться в процессах, которые идут несколько часов. Это критично для Codex — программного агента OpenAI, который сам пишет и тестирует код.

Третье нововведение — режим «экстремального» мышления. Модель тратит на задачу значительно больше вычислительных ресурсов, чем обычно. Ориентирован на исследователей, а не на обычных пользователей, которым нужен быстрый ответ.

OpenAI обещает выпустить модель «раньше, чем вы думаете» — без конкретных дат. Частые релизы — намеренная стратегия: запуск GPT-5 создал такие ожидания, что их почти невозможно было оправдать. Рост пользователей после него оказался ниже внутренних прогнозов компании.

Миллионный контекст меняет то, как модели работают с большими документами, кодовыми базами и длинными разговорами. Вопрос не в том, появится ли он у OpenAI — он уже появляется.

Согласно материалам дела, перед смертью мужчина вынашивал планы «массового нападения». Семья утверждает, что именно в ходе общения с Gemini он пришёл к решению о суициде — бот якобы не только не остановил его, но и, по сути, подтолкнул к этому шагу.

Это уже не первый подобный иск против крупной технологической компании. В 2024 году семья 14-летнего подростка из Флориды подала в суд на Character.AI — по аналогичным обстоятельствам. Тогда речь шла о том, что ИИ-персонаж поддерживал суицидальные настроения ребёнка в переписке.

Проблема — в архитектуре современных чат-ботов. Они оптимизированы под вовлечённость: модель старается поддерживать разговор, соглашаться с пользователем, отражать его эмоции. В кризисных ситуациях это может работать против человека.

Google пока не прокомментировал иск. Компания неоднократно заявляла, что Gemini оснащён защитными фильтрами и следует правилам безопасного общения на чувствительные темы.

Судебный процесс поднимает вопрос, который регуляторы откладывали годами: кто несёт юридическую ответственность, если ИИ-система нанесла вред психически уязвимому пользователю? Иск против Google — прямая попытка получить ответ через суд.

Такой темп роста делает Anthropic одной из самых быстро растущих компаний в истории корпоративного ПО. Для сравнения: OpenAI потребовались годы, чтобы достичь сопоставимых масштабов.

Рост выручки происходит на фоне публичного конфликта с Министерством обороны США. Детали разногласий с Пентагоном не раскрываются.

Компания продаёт доступ к моделям Claude через API и корпоративные продукты. Бизнес строится на подписках и облачных партнёрствах с Amazon и Google, которые вложили в Anthropic миллиарды долларов.

$20 млрд в год — это уровень, на котором компания перестаёт быть стартапом и становится инфраструктурой.

Anthropic основана в 2021 году бывшими сотрудниками OpenAI. Флагманская модель Claude 4 конкурирует с GPT-4o и Gemini на рынке корпоративного ИИ.

Anthropic: миллион токенов и $150 за выход

Claude Opus 4.6 вышел с контекстным окном в 1 миллион токенов. Главное здесь не цифра, а то, что модель в этом объёме не теряется: предыдущий Sonnet 4.5 на тесте Needle-in-a-Haystack падал до 18.5% точности, новый Opus держит от 76%. Параллельно запустили режим Fast — та же модель, но в 2.5 раза быстрее. Цена вопроса: $30 за вход и $150 за выход вместо стандартных $5/$25.

Claude Sonnet 4.6 получил те же миллион токенов и умение управлять компьютером по-человечески: кликать, заполнять формы, переключаться между вкладками без потери контекста. Отдельно Anthropic выпустили агент Claude Code Security — он ищет уязвимости умнее классических сканеров и нашёл 500+ дыр в опенсорсных проектах, которые годами пропускали люди. Ещё одна новинка — интеграция Claude Code с Figma: код из браузера конвертируется в редактируемые фреймы, а обновлённый дизайн скармливается обратно модели.

OpenAI: ответила через несколько минут

GPT-5.3-Codex вышел буквально следом за Opus 4.6. Модель позиционируется как агент для всего цикла разработки — от написания PRD до деплоя. На OSWorld-Verified: скачок с 38% до 64.7%. Рядом вышел Codex-Spark на железе Cerebras — больше 1000 токенов в секунду, время до первого токена сократилось вдвое.

Google: математика и музыка

Gemini 3.1 Pro набрал 77.1% на ARC-AGI-2, вдвое лучше предшественника. Агент Aletheia закрыл четыре открытые задачи из базы конъюнктур Эрдеша и опроверг предположение 2015 года в области онлайн-субмодульной оптимизации — математики бились над ним десять лет. Lyria 3 генерирует 30-секундные треки с вокалом по промпту и сразу встроена в YouTube Create.

За кадром

Пентагон использовал Claude для военного планирования. OpenAI переписала собственную миссию. ИИ-агент написал жалобу на нанимателя.

Февраль расставил акценты: рынок уходит от чат-ботов к агентам, которые работают сами.

При поиске по веб количество ошибок снизилось на 26,8%, при ответах из внутренних знаний — на 19,7%.

OpenAI также признала, что модель стала менее «нравоучительной» — реже отказывает без веских причин и меньше добавляет предупреждений там, где они не нужны. Проблема была давней: пользователи жаловались, что ChatGPT ведёт себя как учитель, а не как помощник.

Системная карточка модели фиксирует компромиссы в области безопасности. GPT-5.3 Instant лучше блокирует нежелательный контент, чем старый GPT-5.1 Instant. Но по сравнению с непосредственным предшественником — GPT-5.2 Instant — показатели немного хуже. Модель также чуть слабее справляется с медицинскими вопросами по бенчмарку HealthBench.

Обновление уже доступно всем пользователям ChatGPT. Разработчики могут подключиться через API по идентификатору `gpt-5.3-chat-latest`. Старый GPT-5.2 Instant ещё три месяца останется для платных пользователей — OpenAI отключит его 3 июня 2026 года.

Три года назад ИИ в российских корпорациях — это пилоты, демонстрации на конференциях и отдельные лаборатории. В 2026 году это инвестиции в сотни миллиардов и конкретные строчки в финансовых отчётах.

Сбер делает крупнейшую ставку: около 350 млрд рублей вложений в GenAI-инфраструктуру в 2026 году. Заявленный эффект — порядка 100 млрд рублей только за этот год, а за три года (2024–2026) — свыше 1,5 трлн рублей. В экосистеме банка уже работает более 2000 AI-моделей. Это не отдельные сервисы — это слой инфраструктуры, через который проходят миллионы операций ежедневно.

Яндекс в 2025 году превысил 1,44 трлн рублей выручки — рост 32% год к году. ИИ работает здесь в двух направлениях. Внутри — генеративные инструменты ускоряют создание рекламных креативов и повышают конверсию. Снаружи — Yandex Cloud вырос на 46% за первое полугодие 2025-го, а потребление токенов через AI API растёт кратно. ИИ превратился в самостоятельный B2B-продукт.

VK показал выручку 147,6 млрд рублей (+23%), основной двигатель — онлайн-реклама с алгоритмической персонализацией. Технологическое подразделение VK Tech растёт на 38–48% в год и готовится к выделению в отдельную публичную структуру.

---

Когда эффект от ИИ измеряется триллионами, стоимость единицы операции неизбежно падает.

По данным исследования «Технологии Доверия» за 2025 год, 47% крупных российских компаний рассматривали пересмотр численности персонала в связи с внедрением ИИ. Глобально аналитики AIMultiple зафиксировали около 55 тысяч увольнений в 2025 году, где автоматизация публично называлась одной из причин.

Механизм не всегда выглядит как массовые сокращения. Чаще — замедление найма и перераспределение ролей: меньше людей на повторяющихся операциях, больше спрос на инженеров данных и AI-архитекторов. Компания обрабатывает прежний объём задач меньшим числом сотрудников — или кратно больший объём тем же числом.

К 2030 году, по прогнозам, около 6% позиций могут быть автоматизированы полностью. Российский BigTech уже живёт по этой логике.

Чип CL-1 переводит цифровые данные игры в электрические сигналы, понятные нейронам. Главная сложность — у клеток нет глаз. Нужно было придумать, как передать им визуальную картинку Doom в виде паттернов тока.

Эту задачу решил независимый разработчик Шон Коул, у которого не было опыта в биовычислениях. Написал Python-интерфейс — за одну неделю. Нейроны освоили навигацию в игре тоже примерно за неделю.

Для сравнения: в 2021 году та же команда обучала биочип играть в Понг полтора года. Тогда использовали 800 тысяч клеток. Сейчас — в четыре раза меньше, и результат достигнут несравнимо быстрее.

Ключевой момент — скорость обучения. Нейронная система освоила Doom быстрее, чем классические алгоритмы ИИ на кремниевых чипах. Главный научный директор Cortical Labs Бретт Каган назвал это «адаптивным обучением с целеполаганием в реальном времени».

Практический смысл выходит за рамки игр. Такие «влажные» гибридные системы потенциально подходят для управления протезами конечностей и решения задач, где кремниевые процессоры тратят слишком много энергии. Биологические нейроны потребляют её меньше.

200 тысяч нейронов — ничто по сравнению с десятками миллиардов в человеческом мозге. Но для управления роботизированной рукой или адаптивной системой управления этого может быть достаточно.

По заявлению компании, развернуть такой дата-центр можно за четыре-шесть месяцев — на пару месяцев быстрее, чем у конкурентов. Кластер из 1024 узлов Huawei обещает поставить за 15 дней. Время работы — 99,99%, за счёт систем, которые замечают неисправности до того, как они влияют на производительность.

Честность о производительности тут важна: чипы Huawei уступают процессорам Intel и AMD пятого поколения, а от Nvidia Hopper 2022 года отстают значительно. Компания это не скрывает, но делает ставку на другое — скорость развёртывания и доступность.

Главный аргумент Huawei прост: в США и Великобритании компания признана угрозой нацбезопасности и туда не продаёт. Но остальной мир — это огромный рынок, который Nvidia и AMD обслуживают по остаточному принципу. Именно там Huawei и ищет покупателей.

На Mobile World Congress в Барселоне компания публично заявила, что готова строить ИИ-инфраструктуру по всему миру. Китайские клиенты уже обучали модели исключительно на оборудовании Huawei, хотя детали железа не раскрывались.

Среди потенциальных покупателей — небольшие облачные провайдеры, которые не могут получить мощности от Nvidia и готовы брать то, что есть. Для них Huawei — не компромисс, а единственный реальный вариант.

Об этом сообщает Bloomberg со ссылкой на источники, знакомые с ситуацией. Антропик оказался в числе нескольких ИИ-компаний, которые направили свои предложения в Министерство обороны США.

Суть задачи — научить ИИ управлять группами дронов через голосовые команды без постоянного участия оператора. Рой дронов в бою способен действовать согласованно, перегружать средства противовоздушной обороны и атаковать распределённые цели. Именно поэтому Пентагон объявил конкурс с призовым фондом $100 млн.

Происходит это на фоне публичных разногласий между Anthropic и Министерством обороны. Детали конфликта Bloomberg не раскрывает, но сам факт участия в конкурсе говорит о том, что компания не намерена оставаться в стороне от государственных военных контрактов.

Anthropic позиционировала себя как организацию с особым вниманием к этике и рискам ИИ — компания написала специальную «Конституцию» для своих моделей с набором принципов и ограничений. Тем не менее компания направила заявку в Пентагон на конкурс по автономным боевым дронам.

OpenAI в начале 2024 года тихо убрала из своей политики запрет на военное применение, после чего заключила контракт с Пентагоном. Теперь, судя по всему, Anthropic идёт схожим маршрутом — публично осторожно, на практике активно.

Удвоение ARR за квартал — темп, который почти не встречается среди зрелых продуктов. Большинство SaaS-компаний считают успехом рост на 100% за год. Cursor сделал это за три месяца.

Редактор построен поверх VS Code — инструмента, которым пользуется большинство разработчиков в мире. Его главная особенность — ИИ, который понимает весь проект целиком, а не просто дописывает текущую строку. Разработчик описывает задачу на человеческом языке, и редактор сам переписывает нужные части кода.

На рынке ИИ-ассистентов для программистов работают GitHub Copilot от Microsoft, JetBrains AI, Tabnine и десятки других. Ни один из них не демонстрировал сопоставимой динамики выручки.

ARR $2 млрд — это уже не история про стартап с хорошей идеей. Это сигнал всей индустрии: разработчики платят за ИИ-инструменты, и платят много.

H200 — это флагманский ИИ-чип Nvidia, разработанный специально для обучения и запуска крупных языковых моделей. Именно такие чипы используют Google, Meta и OpenAI для своих систем. Китайские компании давно хотят получить к ним доступ — и Nvidia, в свою очередь, рассчитывала вернуться в Китай через специально адаптированные, менее мощные версии своих ускорителей.

Предложенный лимит — 75 000 штук на одного покупателя — звучит как большая цифра, но для крупных китайских игроков вроде Alibaba, Tencent или ByteDance это капля в море.

Вашингтон последовательно закрывает для Китая доступ к передовым ИИ-ускорителям с 2022 года. Сначала запретили A100 и H100, потом ввели ограничения на менее мощный H800. Теперь обсуждают лимиты уже на H200 — то есть на очередное поколение, которое формально должно было стать компромиссом.

Для Nvidia потеря китайского рынка болезненна: ещё несколько лет назад Китай приносил компании около 25% выручки. После введения санкций эта доля резко упала, но шанс частично восстановить её через адаптированные чипы оставался. Новые ограничения этот шанс фактически закрывают.

Пока речь идёт только о рассмотрении меры, не о финальном решении. Но сама логика экспортного контроля указывает в одну сторону: каждое новое поколение чипов Nvidia будет закрываться для Китая ещё до того, как компания успеет монетизировать его продажи.

Модель применялась для анализа разведывательных данных, проведения военных симуляций и — что важнее всего — для идентификации военных объектов. Проще говоря, Claude участвовал в планировании ударов, унёсших жизни более 550 иранцев, в том числе 165 погибших в результате атаки на начальную школу на юге страны.

Это особенно неудобно для Anthropic на фоне публичного противостояния компании с Пентагоном. В феврале военное ведомство потребовало от Anthropic снять два этических запрета: на слежку за гражданами США и на использование ИИ для полностью автономного летального оружия. Дедлайн прошёл — Anthropic не уступила. Многие расценили это как принципиальную позицию против военных амбиций администрации Трампа.

Но журналист-расследователь Спенсер Экерман, лауреат Пулитцеровской премии, указал на очевидное противоречие: этические линии Anthropic защищают американских граждан от слежки, но не препятствуют отбору целей для ударов за рубежом. «Амодеи, — написал Экерман, — явно не считает строительство паноптикума для наблюдения за иностранцами проблемой».

Контракт с военными был подписан заранее. Отстаивание двух конкретных запретов выглядит теперь как точечное ограничение, а не как системная этическая позиция. Anthropic провела чёткую границу — но провела её там, где это политически удобно.

Военный парад в сентябре 2025 года это подтвердил. На нём не было ни танков, ни пехоты — только беспилотные машины, подводные и воздушные дроны, автономные боевые самолёты.

Что именно закупает НОАК

Роевые дроны, способные самостоятельно находить цели и координировать атаки. Роботы-собаки и гуманоидные роботы. В космосе — алгоритмы для спутниковых войн и маленькие машины, которые должны цепляться за вражеские спутники и выводить их из строя. Под водой — автономные аппараты для глобального отслеживания американских подводных лодок.

Отдельная история — дипфейки. Несколько документов прямо требуют технологий генерации фейкового видео, аудио и изображений. Цель — формировать общественное мнение и манипулировать противником в ходе конфликта.

Зачем Китаю AI вместо офицеров

Авторы исследования — Сэм Бресник, Эмелия Пробаско и Коул Макфол — указывают на любопытный мотив. Китайское командование не доверяет собственной цепочке управления и боится не успеть реагировать в быстром конфликте. AI-системы должны компенсировать слабый боевой опыт офицерского корпуса.

Это же создаёт риск. Если противник научится «травить» входные данные этих систем — вбрасывать ложные сигналы в соцсети или глушить коммерческие спутники — алгоритм примет неверное решение. А за ним последует реальная эскалация.

Парадокс Вашингтона

США пока сохраняют преимущество в вычислительных мощностях и опыте. Но недавно Anthropic был классифицирован как «риск цепочки поставок» и фактически отрезан от военного сотрудничества. Исследователи называют это ошибкой: национальная безопасность требует расширения таких партнёрств, а не публичных конфронтаций.

Пекин уже в третьей фазе военной модернизации — «интеллектуальной войне». Даже если отдельные системы провалятся, темп экспериментов сам по себе ускоряет обучение.

Систему обучили распознавать конкретные слова и фразы - «Добро пожаловать в Burger King!», «пожалуйста», «спасибо». Старший директор по технологиям Тибо Ру рассказал The Verge, что компания собрала данные от франчайзи и гостей о том, как выглядит дружелюбное обслуживание. Менеджеры смогут в любой момент запросить у ИИ отчет о том, насколько приветливо общается персонал в конкретной точке. По словам Ру, это задумывается как инструмент обучения, а не контроля. Компания также работает над тем, чтобы система умела оценивать тон разговора, а не только конкретные слова.

Patty работает на технологиях OpenAI. Помимо оценки общения, бот отвечает на рабочие вопросы: как готовится то или иное блюдо, как чистится аппарат для молочных коктейлей. Если оборудование ломается или товар заканчивается на складе, ИИ сам уведомит менеджеров и обновит меню. Платформа BK Assistant объединяет данные из разговоров на выдаче заказов, сведения по кухонному оборудованию, инвентарю и другим участкам бизнеса.

Полностью доверять клиентское обслуживание ИИ в Burger King пока не готовы. «Мы экспериментируем, но ставить на это всё ещё рискованно. Не каждый клиент к этому готов», - отметил Ру.

Сейчас ИИ-решение для работы с клиентами тестируется менее чем в 100 точках. Patty проходит испытания в 500 заведениях. Полный запуск приложения и веб-платформы BK Assistant запланирован на конец 2026 года.

Инициатива Burger King вписывается в широкую волну внедрения ИИ в ресторанный бизнес. Burger King в данном случае делает ставку не на автоматизацию обслуживания клиентов, а именно на мониторинг качества работы живых сотрудников. Постоянная запись и оценка разговоров через гарнитуру поднимает вопросы о границах допустимого контроля за персоналом в режиме реального времени.

Финансовые условия и точные сроки сделки не раскрываются. Помимо совместной разработки, Accenture становится клиентом Mistral и будет использовать ее технологии в работе своих сотрудников.

Сделка важна для Mistral с репутационной точки зрения. Французскую компанию часто воспринимают как небольшого европейского игрока на фоне крупных американских ИИ-лабораторий. Однако тот факт, что Accenture одновременно заключила аналогичные сделки с OpenAI и Anthropic, ставит Mistral в один ряд с лидерами рынка.

Партнерство вписывается в более широкую тенденцию. ИИ-компании все активнее работают с консалтинговыми фирмами, чтобы продвигать свои технологии в крупный бизнес. В понедельник OpenAI объявила об инициативе Frontier Alliance совместно с четырьмя крупными консалтинговыми компаниями, включая Accenture. Цель - продвигать корпоративную платформу OpenAI Frontier AI agent governance. Anthropic, в свою очередь, уже работает с IBM и Deloitte.

Причина такой активности - сложность с окупаемостью ИИ-инструментов для бизнеса. Корпоративные клиенты пока не видят четкого возврата инвестиций от внедрения ИИ. Консалтинговые партнеры помогают не только продать технологию, но и выстроить процессы внутри компании так, чтобы инструменты реально использовались.

Помогут ли консультанты ИИ-компаниям закрепиться в корпоративном секторе - покажет время. Пока очевидно одно: крупнейшие ИИ-лаборатории мира делают на этот подход серьезную ставку.

Mistral AI основана в 2023 году командой бывших исследователей из Google DeepMind и Meta и позиционирует себя как европейскую альтернативу американским ИИ-компаниям. Сотрудничество с Accenture - одной из крупнейших консалтинговых компаний мира - может стать важным шагом для расширения корпоративной клиентской базы Mistral за пределами Европы.

Кук описала ловушку для центральных банков. Обычно ФРС снижает ставки в ответ на рост безработицы, чтобы подтолкнуть компании к найму. Но если производительность растет из-за ИИ, экономика остается сильной - и снижение ставок просто разгонит инфляцию. По словам Кук, регуляторам придется выбирать между безработицей и инфляцией. Решение проблемы она видит в образовании и переподготовке кадров, а не в действиях ФРС.

Переход уже начался, хотя в общей статистике пока не виден. Спрос на труд программистов - профессии, где ИИ продвинулся сильнее всего, - упал. Безработица среди недавних выпускников колледжей растет: работодатели используют ИИ для задач, которые раньше доставались сотрудникам начального уровня. Общий уровень безработицы при этом остается низким - 4,3%, а массовых сокращений пока нет.

Второй вызов - нейтральная ставка. Кук предположила, что в краткосрочной перспективе ИИ-бум может поднять равновесный уровень ставок из-за массовых инвестиций в дата-центры, чипы и инфраструктуру. В долгосрочной - ставка может, наоборот, снизиться, если выгоды от ИИ сконцентрируются у богатых и усилят неравенство, ослабив потребительский спрос.

Позиция Кук расходится с взглядами Кевина Уорша - кандидата Трампа на пост главы ФРС. Уорш считает ИИ дефляционным явлением и самой производительной волной нашего времени, из чего следует, что ставки можно снижать. Управляющий ФРС Майкл Барр занял другую сторону: по его словам, ИИ-бум вряд ли станет поводом для снижения ставок. Дискуссия внутри ФРС о том, чем окажется ИИ для экономики - источником роста или структурным шоком для рынка труда, - только начинается и пока не имеет однозначного ответа.

Измерить этот вклад точно сложно: единых методик оценки влияния ИИ на ВВП пока не существует. Это само по себе затрудняет анализ ситуации.

Аналитики также указывают на то, что бум ИИ выгоден Азии больше, чем США. Основная часть инфраструктуры для ИИ - чипы, серверы, компоненты - производится на Тайване и в других азиатских странах. По оценкам Goldman Sachs, около 75% многомиллиардных капитальных затрат американских облачных компаний на ИИ-инфраструктуру в итоге идут на рост ВВП азиатских стран, а не США.

Инвесторов такое положение дел беспокоит. Капитализация ИИ-стартапов быстро растет, но реальной отдачи от инвестиций в мегапроекты пока нет - и сроки окупаемости не ясны. Социологические опросы руководителей компаний показывают: большинство не видит значимого эффекта от ИИ-инструментов. Исключение - представители ИТ и телекоммуникационной сферы, которые остаются главными энтузиастами технологии.

Эксперты Goldman Sachs допускают, что их оценки усилят скептические настроения за пределами США. Пока основная активность в ИИ сосредоточена именно в Америке, и если здесь экономический эффект оказался столь небольшим, другим странам ждать его еще дольше.

Ситуацию осложняет то, что большая часть ИИ-инфраструктуры США импортируется. Из-за этого выделить чистый вклад ИИ в отдельные сегменты американской экономики практически невозможно.

Отчет Goldman Sachs выходит на фоне рекордных инвестиций в ИИ со стороны крупнейших технологических компаний. По мнению аналитиков Goldman, пока нет веских оснований полагать, что эти огромные вложения в ближайшее время превратятся в заметный рост американского ВВП. Экономический эффект от ИИ пока значительно отстает от масштабов вложений в эту технологию.

Теперь Claude сам записывает то, что узнаёт в процессе: паттерны проекта, решения найденных багов, архитектурные особенности, предпочтения разработчика. Всё это сохраняется и подгружается при следующем запуске автоматически.

Память хранится в директории ~/.claude/projects/<project>/memory/. Там лежит основной файл MEMORY.md - первые 200 строк из него загружаются в контекст при каждом запуске. Рядом хранятся тематические файлы: например, debugging.md или api-conventions.md. Claude сам решает, когда обратиться к тому или иному файлу.

Кроме автоматического сохранения, можно явно попросить Claude запомнить что-то конкретное. Например: «запомни, что мы используем pnpm, а не npm» или «сохрани, что для API-тестов нужен локальный Redis». Claude запишет это в нужный файл памяти.

Функция включена по умолчанию для всех пользователей. Отключить её можно тремя способами: через команду /memory, через параметр в settings.json или через переменную окружения CLAUDE_CODE_DISABLE_AUTO_MEMORY=1.

Обновление снимает одну из главных болей при работе с ИИ-ассистентами в долгих проектах: необходимость каждый раз объяснять инструменту контекст заново. Теперь Claude Code накапливает знание о проекте постепенно - так же, как это делает разработчик, который давно работает с той же кодовой базой.

Важно понимать разницу между старым CLAUDE.md и новой памятью. CLAUDE.md по-прежнему работает и предназначен для инструкций, которые вы задаете вручную заранее: соглашения по коду, структура проекта, команды запуска. Новая память - это то, что Claude собирает сам в ходе работы, без участия разработчика. Обе системы дополняют друг друга и загружаются вместе автоматически при старте каждой новой сессии.

Компания активно работает с армией: Anthropic первой из ведущих ИИ-компаний развернула модели в засекреченных сетях правительства, в национальных лабораториях и для клиентов в сфере нацбезопасности. Claude применяется для разведки, планирования операций и киберопераций. Кроме того, Anthropic отказалась от нескольких сотен миллионов долларов выручки, закрыв доступ к Claude для компаний, связанных с Коммунистической партией Китая.

Однако два сценария Anthropic считает недопустимыми. Первый - массовая слежка внутри страны. По словам Амодеи, мощный ИИ позволяет собирать разрозненные публичные данные - геолокацию, историю браузера, связи - в полный портрет любого человека автоматически и в огромном масштабе. Второй запрет - полностью автономное оружие без участия человека в выборе и поражении целей. Anthropic считает, что сегодняшние модели недостаточно надежны для таких систем. Компания предложила совместную R&D-работу с министерством, но получила отказ.

В ответ Министерство войны пригрозило отключить Anthropic от своих систем, присвоить ей статус «риска для цепочки поставок» - ярлык, ранее применявшийся только к противникам США - и задействовать Закон об оборонном производстве для принудительного снятия ограничений. Амодеи назвал эти угрозы противоречивыми: одна делает компанию угрозой безопасности, другая - незаменимой для нее.

Anthropic заявила, что не изменит позицию ни при каких обстоятельствах и готова обеспечить плавный переход к другому подрядчику, если министерство решит разорвать сотрудничество.

Anthropic подчеркивает, что эти два исключения до сих пор никак не мешали развертыванию Claude в вооруженных силах - и настаивает на их обязательном сохранении во всех будущих контрактах с министерством.

Nano Banana стал вирусным в августе прошлого года, а в ноябре вышла Pro-версия со студийным качеством. Теперь Pro-функции стали доступны на скорости Flash.

Ключевые возможности новой модели. Она тянет данные из базы знаний Gemini и использует актуальные результаты веб-поиска, чтобы точнее передавать реальные объекты и людей. Это позволяет создавать инфографику, схемы и визуализации данных. Модель умеет генерировать читаемый текст внутри изображения и переводить его на другие языки прямо в картинке.

Nano Banana 2 поддерживает до пяти персонажей с сохранением их внешности и до 14 объектов в одном сценарии - удобно для сторибординга и нарративов. Разрешение - от 512px до 4K, все стандартные форматы и пропорции.

Модель уже доступна. В приложении Gemini она заменит Nano Banana Pro по умолчанию, но подписчики AI Pro и Ultra смогут вызвать Pro-версию через меню. Nano Banana 2 также запустили в Google Search, AI Studio, Gemini API, Vertex AI, Flow и Google Ads. В Flow модель стала стандартной и доступна без списания кредитов.

Географически: 141 новая страна и восемь дополнительных языков через Google Search.

Параллельно Google расширяет инструменты верификации контента. Функция SynthID в приложении Gemini за время работы с ноября была использована более 20 миллионов раз - она помогает людям определять, создано ли изображение, видео или аудио с помощью ИИ. Вскоре к ней добавится поддержка стандарта C2PA Content Credentials.

Nano Banana 2 также получила улучшенное следование инструкциям. По словам Google, модель строже соблюдает сложные запросы и точнее передает детали - результат должен совпадать с тем, что пользователь имел в виду. Визуально модель улучшилась: насыщенный свет, богатые текстуры и четкие детали при сохранении скорости Flash.

Детали архитектуры держат в секрете. Известно только про заявленную мощность и то, что комплекс построят на территории Индии. Это принципиально важно для статуса суверенной платформы.

Все данные, обрабатываемые на системе, останутся под юрисдикцией Индии. Эксплуатация будет идти по местным стандартам безопасности. Страна не хочет зависеть от иностранных облачных провайдеров в критических AI-вычислениях.

По информации The Register, сердцем системы станут процессоры WSE-3 от Cerebras. Это не обычные чипы. Каждый содержит 4 триллиона транзисторов и 900 тысяч вычислительных ядер. Встроенная память составляет 44 гигабайта SRAM.

Пропускная способность этой памяти впечатляет - 21 петабайт в секунду. Один процессор выдает до 125 петафлопс на операциях половинной точности FP16. Простая арифметика показывает, что для достижения 8 эксафлопс потребуется около 64 таких монстров.

Система откроет доступ самым разным пользователям. Научные институты смогут проводить исследования. Государственные структуры - решать свои задачи. Но что важнее - доступ получат стартапы и малый бизнес. Обычно такие мощности им недоступны.

Ману Джайн, глава G42 India, объясняет стратегическое значение проекта. «Суверенная инфраструктура AI становится важнейшим компонентом национальной конкурентоспособности, — говорит он. — Новый проект предоставит Индии такую платформу, позволив местным исследователям и предприятиям внедрять AI, обеспечивая при этом полную безопасность данных».

Индия активно наращивает AI-инфраструктуру. Tata Group вместе с Tata Consultancy Services и OpenAI планируют дата-центр на 1 гигаватт. Конгломерат Adani замахнулся на 100 миллиардов долларов инвестиций. Он построит ЦОД суммарной мощностью 5 гигаватт на возобновляемой энергии.

Выбор Cerebras вместо традиционных GPU от Nvidia любопытен. Компания специализируется на гигантских монолитных чипах специально для AI. Их подход радикально отличается от использования множества меньших ускорителей.

WSE-3 - это фактически целая пластина кремния, превращенная в один процессор. Такой размер дает колоссальную память и межъядерную пропускную способность. Это критично для обучения больших моделей.

Мощность в 8 эксафлопс ставит систему в ряд крупнейших специализированных AI-кластеров мира. Это позволит Индии обучать собственные языковые модели уровня GPT без зависимости от американских или китайских платформ.

Проект вписывается в глобальный тренд AI-суверенитета. Страны понимают стратегическое значение контроля над вычислительными мощностями и данными для обучения моделей.

Главный источник роста - сегмент дата-центров: $62,3 млрд за квартал, плюс 75% год к году. Это более 91% всей выручки компании. С момента появления ChatGPT в 2023 году Nvidia увеличила этот бизнес в 13 раз.

Отдельный рывок показало сетевое оборудование. Выручка от NVLink и Spectrum-X выросла на 263% год к году - почти до $11 млрд. Крупнейшие клиенты массово переходят на быстрые соединения для связки тысяч GPU между собой. Валовая маржа восстановилась до 75% после просадки в предыдущем квартале. Такой уровень редко встречается среди чипмейкеров.

За весь финансовый год Nvidia заработала $215,9 млрд выручки, плюс 65%, и $120,1 млрд чистой прибыли. Но инвесторов больше впечатлил прогноз: на следующий квартал компания ожидает $78 млрд - на $5 млрд выше того, что закладывали аналитики.

Nvidia также раскрыла, что ее обязательства по закупке комплектующих выросли с $50 до $95 млрд за квартал. Компания стратегически запасается компонентами на несколько кварталов вперед.

Глава компании Дженсен Хуанг отверг опасения по поводу ИИ-пузыря. По его словам, в новом мире ИИ вычисления - это и есть выручка: без вычислений нет токенов, без токенов нет роста доходов. Совокупные капитальные расходы гиперскейлеров, по его оценкам, могут приблизиться к $700 млрд в год. Хуанг также заявил, что точка перелома агентного ИИ уже наступила, а корпоративное внедрение агентов растет взрывными темпами.

На этой неделе Nvidia отправила первые образцы платформы следующего поколения Vera Rubin. Партнерское соглашение с OpenAI, по словам Хуанга, близко к завершению.

Прогноз в $78 млрд на следующий квартал говорит о том, что замедления роста в ближайшее время не предвидится. а ведущие технологические компании наращивают вложения в ИИ-инфраструктуру.

Результаты оказались тревожными. Всего модели провели 21 игру - и в каждой хотя бы одна из них угрожала соперникам ядерным оружием. В большинстве партий стороны наносили тактические ядерные удары. Три игры закончились полноценной ядерной войной.

За все 329 ходов ни одна модель ни разу не пошла на полную де-эскалацию. Ни переговоров, ни ограниченного отвода войск, ни капитуляции. В лучшем случае ИИ слегка снижал уровень насилия, но не отступал.

Модели воспринимали ядерное оружие как дорогой, но эффективный инструмент давления. Угрозу удара со стороны противника они читали однозначно: нужно бить первым. Отступление было неприемлемым по двум причинам. Первая - страх показать слабость, которой противник воспользуется позже. Вторая - риск потерять союзников.

По итогам исследования Пейн сделал вывод: ядерное табу для машин работает значительно слабее, чем для людей. Если поставить ИИ задачу разрешить политический кризис и дать ему весь набор инструментов давления, он с высокой вероятностью выберет ядерную эскалацию как способ достижения цели.

Исследование поднимает практический вопрос: насколько безопасно встраивать ИИ-системы в процессы принятия военных решений. Пока модели не научились де-эскалировать конфликты, их использование в реальных кризисных ситуациях несет серьезные риски.

Эксперимент Пейна не единственный в своем роде, но один из самых детальных. Исследователь фиксировал каждый ход и требовал от моделей объяснять свои решения. Это позволило увидеть не просто итог, а логику, которой следовал ИИ на каждом шаге. Примечательно, что все три модели - несмотря на разных разработчиков - демонстрировали одно и то же поведение: давление, эскалация, удар.

Главная идея обновления - единая панель управления. Работа людей и агентов отображается в одном месте: система отслеживает ход выполнения задач, сроки и другие показатели эффективности. Агентов можно подключать к проекту не только с самого начала, но и в процессе его реализации - в любой момент, когда это нужно команде.

Директор по продукту и ИИ Atlassian Тамар Йехошуа объяснила цель обновления: дать пользователям такую же прозрачность в работе ИИ-агентов, какую они привыкли иметь в отношении сотрудников. По ее словам, компания десятилетиями помогала людям организовывать совместную работу - теперь в эту схему добавляются агенты, которые берут на себя значительную часть задач.

Йехошуа также признала, что расширение автоматизации само по себе не снижает нагрузку. По ее наблюдениям, ИИ-агенты нередко создают для людей больше задач и в некотором смысле усиливают хаос. Именно поэтому Atlassian сделала ставку на контроль и упорядоченность, а не просто на новые функции.

Общая панель помогает командам понять, где использование ИИ реально оправдано, а где задача все равно требует участия человека. Это особенно важно для компаний, которые уже вложились в ИИ-инструменты и теперь ищут от них реальную отдачу.

Atlassian называет этот запуск первым из серии анонсов. Компания намерена последовательно расширять ИИ-функции во всех своих продуктах. Общая цель звучит так: помочь командам выполнять в десять раз больше работы - без десятикратного роста хаоса.

Атлассиан - один из крупнейших разработчиков корпоративного ПО в мире. Добавление агентов в Jira вписывается в общую тенденцию: крупные вендоры корпоративного ПО встраивают ИИ в свои платформы, чтобы не терять конкурентные позиции на фоне быстро растущих специализированных ИИ-продуктов и стартапов.

Пока функция в бета-режиме и работает только в избранных приложениях из категорий еды, продуктов и райдшеринга. Доступ открыт через приложение Gemini на Pixel 10, Pixel 10 Pro и Samsung Galaxy S26 series. На старте функция работает только в США и Южной Корее.

Google добавил защитные меры. Автоматизация не запускается без прямой команды владельца. В процессе выполнения задачи можно наблюдать за прогрессом в реальном времени и остановить агента в любой момент. Все действия происходят в защищенном виртуальном окне с доступом только к нужным приложениям - остальные данные устройства агент не видит.

Второе обновление - расширение функции Scam Detection для звонков. Она становится доступна на Samsung Galaxy S26 series в США. Ранее функция уже работала на Pixel-устройствах в США, Австралии, Канаде, Индии, Ирландии и Великобритании. Кроме того, Gemini теперь распознает мошеннические тексты на Pixel 10 series в США, Канаде и Великобритании, а вскоре появится и на Galaxy S26.

Третье обновление - Circle to Search. Раньше жест-обводка позволял искать один объект на экране. Теперь Gemini анализирует всё, что видно на экране сразу. Например, можно обвести весь наряд и найти каждый элемент одежды за один жест.

Обновления выходят на фоне активной гонки ИИ-агентов. ChatGPT предлагает задачи по расписанию и агента для компьютерных действий. Anthropic Cowork автоматизирует повседневные файлы и задачи без программирования. OpenClaw стал вирусным за умение управлять письмами, календарями и регистрацией на рейсы. Apple при этом продолжает задерживать полноценный ИИ-Siri - запуск снова перенесли на конец года. Google, судя по регулярным обновлениям через Pixel Drops и обновления Android, пока движется в этой гонке ИИ-агентов для мобильных устройств заметно активнее и последовательнее.

Продукт доступен с сегодняшнего дня на perplexity.ai/computer - только в веб-версии, не в приложении. На старте он открыт для подписчиков плана Max за $200 в месяц. В ближайшие недели доступ получат пользователи планов Pro за $20 в месяц и корпоративные клиенты.

Главная особенность Perplexity Computer - работа сразу с 19 моделями от разных лабораторий, как открытых, так и проприетарных. Для разных задач агент использует разные модели: Opus 4.6 для оркестрации и кода, Gemini для глубокого поиска, Nano Banana для изображений, Veo 3.1 для видео, Grok для быстрых легких задач и ChatGPT 5.2 для работы с длинным контекстом. Агент работает в защищенной среде разработки.

Когда пользователь задает цель, агент сам разбивает работу на подзадачи и раздает их нескольким субагентам - каждый берет тот инструмент, который лучше подходит. Все агенты работают параллельно и координируют результаты между собой.

Perplexity использует агента внутри компании с января. За это время сотрудники с его помощью публиковали техническую документацию, собрали таблицу на 4000 строк за одну ночь - на это обычно уходит неделя, - а также создавали сайты, дашборды, приложения и визуализации данных.

Из-за высокого расхода токенов в агентных задачах Perplexity впервые ввела для пользователей оплату за токены. Подписчики Max получают 10 000 токенов в рамках плана, а на запуск Perplexity Computer компания дополнительно начисляет им еще 20 000 токенов.

Аналитики уже сравнивают новинку с Claude Code и OpenClaw, которые стали первыми заметными персональными ИИ-агентами в 2026 году. Отличие Perplexity Computer - в мультимодельной оркестрации и в автоматическом разбиении любой сложной задачи на подзадачи без ручной настройки со стороны пользователя.

Новинка появилась в разделе Oura Labs - экспериментальном хабе приложения, куда пользователи подключаются по желанию. Чтобы попробовать модель, нужно зайти в выпадающее меню в левом верхнем углу приложения и включить Oura Labs.

Модель опирается на медицинские стандарты, исследования и базы знаний. Все источники проверила внутренняя команда Oura - сертифицированные клиницисты и эксперты по женскому здоровью. Кроме текстовых знаний модель использует биометрические данные пользователя: сон, активность, цикл, данные о беременности, уровень стресса и другие показатели. Это позволяет давать советы с учетом конкретной ситуации человека, а не общие рекомендации.

Когда пользователь задает вопрос о женском здоровье, чат-бот обращается к новой модели. Та анализирует и медицинские источники, и личные биометрические тренды человека, накопленные за долгое время.

Главный медицинский директор Oura Рики Блумфилд назвал запуск сдвигом в подходе к ИИ в здравоохранении. По его словам, женское здоровье слишком сложная тема, чтобы применять к ней одно решение для всех.

Модель намеренно создана поддерживающей и ненавязчивой. При этом она не заменяет врача - ставить диагноз или назначать лечение чат-бот не должен.

Все разговоры с чат-ботом хранятся на серверах Oura и никогда не передаются третьим лицам и не продаются. Компания подчеркивает, что модель работает исключительно на инфраструктуре под ее контролем.

Запуск модели совпал с ростом интереса к ИИ-инструментам для здоровья. Все больше людей задают чат-ботам вопросы о симптомах перименопаузы, изменениях цикла и других темах. По словам коммерческого директора Oura Дороти Килрой, самый быстрорастущий сегмент пользователей компании - женщины в начале двадцатых. Она сообщила об этом в октябре прошлого года.

Взаимодействовать с поисковиком можно с помощью фразы Hey Plex. Также работает активация через боковую кнопку на устройстве. Для этого придется назначить такую функцию в настройках. Об этом сообщает Samsung.

Perplexity станет одной из первых AI-компаний, чьи функции внедрят в систему Galaxy AI. Алгоритмы Perplexity интегрируют в несколько приложений Samsung.

Среди них Заметки, Часы, Галерея, Календарь и Напоминания. Это основные приложения, которыми пользуются владельцы смартфонов ежедневно. Другие подробности компания не раскрыла.

О том, что Samsung договаривается об интеграции AI-поисковика Perplexity в смартфоны Galaxy S26, рассказывал Bloomberg. По данным издания, Perplexity станет одним из ассистентов в линейке Galaxy S26. Также он станет частью голосового помощника Bixby.

Партнерство с Perplexity показывает стремление Samsung усилить AI-возможности своих устройств. Компания конкурирует с Apple и Google на рынке смартфонов. Интеграция продвинутого AI-поисковика может стать конкурентным преимуществом.

Perplexity известна своим подходом к поиску информации. Система не просто выдает ссылки, а дает развернутые ответы с указанием источников. Это делает поиск более удобным для пользователей.

Интеграция в приложения Samsung открывает новые возможности. В Заметках можно будет быстро найти информацию для записи. В Календаре - получить контекст для запланированных событий. В Галерее - найти информацию об объектах на фотографиях.

Активация через Hey Plex создает конкуренцию Google Assistant и Siri. Samsung дает пользователям выбор AI-помощника. Это важно, так как разные системы имеют свои сильные стороны.

Возможность назначить Perplexity на боковую кнопку делает доступ еще удобнее. Не нужно произносить команду вслух. Достаточно нажать кнопку.

Интеграция с Bixby интересна тем, что создает гибридную систему. Bixby может использовать возможности Perplexity для поиска информации. Это улучшит качество ответов голосового помощника Samsung.

Представление Galaxy S26 покажет, насколько глубоко интегрирован Perplexity. Пока Samsung не раскрывает все детали. Это создает интригу перед анонсом.

Для Perplexity партнерство с Samsung - важный шаг. Компания получает доступ к миллионам пользователей смартфонов Galaxy. Это расширяет аудиторию AI-поисковика.

Samsung продолжает развивать Galaxy AI. Добавление Perplexity - часть стратегии по созданию экосистемы AI-сервисов. Компания не полагается только на собственные разработки, а привлекает лучшие решения с рынка.

Вопрос в том, как Perplexity будет работать офлайн. Или для всех функций потребуется интернет. Это важная деталь для пользователей, которая пока не уточнена.

Если сделка закроется на заявленных условиях, она станет крупнейшим посевным раундом в истории европейского технологического рынка. Это важный сигнал: крупные инвесторы готовы вкладывать в европейские ИИ-проекты на тех же условиях, что и в американские.

Сильвер - один из ведущих ИИ-исследователей Великобритании. На протяжении многих лет он работал в Google DeepMind, где сыграл заметную роль в разработке модели Gemini и ряда других продуктов компании. В конце прошлого года он покинул DeepMind и основал стартап Ineffable Intelligence. Именно под этим брендом он сейчас ведет переговоры с инвесторами.

Цель, которую Сильвер ставит перед новой лабораторией, - создание так называемого superhuman intelligence, то есть ИИ, который превосходит человека по интеллектуальным способностям. Задача масштабная даже по меркам нынешней гонки среди ИИ-компаний. Пока стартап только формируется, а конкретные продукты и сроки не раскрываются.

Новость появилась на фоне рекордных инвестиций в ИИ по всему миру. Европейский рынок при этом традиционно отставал от США и Азии по объему финансирования в этой сфере. Раунд Ineffable Intelligence может изменить восприятие Европы как менее активного участника ИИ-гонки.

Уход топ-исследователей из больших корпораций в собственные проекты стал устойчивой тенденцией последних лет. Из Google, Meta и OpenAI вышли десятки специалистов, основавших независимые компании. Сильвер повторяет этот путь - но с одним из самых крупных стартовых раундов в истории европейского рынка. Инвесторы явно делают ставку на имя и репутацию, не дожидаясь готового продукта.

По данным FT, переговоры еще продолжаются и финальные параметры раунда могут измениться. Тем не менее источники издания говорят о высокой вероятности закрытия сделки на заявленных условиях в ближайшее время.

Скорость работы - 1009 токенов в секунду на видеокарте NVIDIA Blackwell. Для сравнения: GPT-5 Mini выдает около 71 токена в секунду, Claude Haiku 4.5 - около 89 токенов в секунду. Mercury 2 быстрее них в 11-14 раз. По сравнению с самыми быстрыми современными LLM разрыв составляет примерно 3-5 раз.

Такая скорость обусловлена нестандартной архитектурой. Обычные языковые модели генерируют текст последовательно - слово за словом, слева направо. Это называют авторегрессионным подходом. Mercury 2 работает по-другому: она стартует с набора случайного шума и итеративно уточняет весь текст сразу, параллельно. Этот метод называют диффузионным - по аналогии с диффузионными моделями для генерации изображений. Именно параллельная обработка дает рекордную скорость и низкую задержку ответа.

С диффузионным подходом в текстовых моделях сейчас экспериментируют крупные игроки - Google, Nvidia и Apple. Inception стал одним из первых, кто довел эту идею до работающей ризонинг-модели с практически полезными результатами.

На тесте AIME Mercury 2 набирает 91%. Это примерно на уровне модели o3 от OpenAI. Остальные метрики скромнее, но по словам разработчиков, их вполне достаточно для реальных задач.

Попробовать модель можно бесплатно на chat.inceptionlabs.ai. В интерфейсе есть режим Diffusion Effect - при его включении видно, как ответ буквально рождается из шума. Весь текст проявляется сразу и постепенно становится четче, а не строчка за строчкой, как в обычных моделях. Это наглядно показывает, чем Mercury 2 отличается от привычных LLM.

Inception нацеливает Mercury 2 на сценарии, где важна скорость: агентные цепочки и системы с большим потоком запросов. При такой пропускной способности стоимость одного токена снижается, что открывает целый ряд сценариев, которые раньше были слишком дорогими для постоянного использования.

Агенты решают три типа задач. Первый - ответы на повторяющиеся вопросы. Агент получает доступ к Notion, Slack, почте и другим источникам и сам отвечает на запросы в каналах. Бен Левик из компании Ramp рассказал, что их агенты ежедневно обрабатывают десятки сложных вопросов. Команды теперь только проверяют ответы и дают правки, а не мониторят каналы вручную.

Второй тип - маршрутизация задач. Агент ловит входящие запросы, превращает их в задачи и назначает исполнителя. Джеймс Лоули из Remote сэкономил командам 20 часов в неделю. По его словам, агенты сортируют запросы с точностью выше 95% и сами закрывают больше 25% тикетов.

Третий тип - статус-отчеты. Агент сам пишет ежедневные стендапы, недельные спринт-отчеты или месячные OKR-сводки. Морган Паломарес из Braintrust говорит, что один агент публикует ежедневные конкурентные сводки, а другой каждую неделю отправляет ей и CEO обзор новых клиентов. Каждый отчет экономит по 20 минут в день.

Агентов легко создавать: достаточно описать задачу на обычном языке, и Notion AI сам соберет агента. Можно настроить триггеры, инструкции, источники данных и даже выбрать модель ИИ. Есть готовые шаблоны под самые частые сценарии.

Агенты работают с Slack, Notion Mail, Notion Calendar и сторонними сервисами - Linear, Figma, HubSpot - через MCP. Каждый запуск логируется, доступ можно отозвать в любой момент. На плане Enterprise администраторы контролируют, кто может создавать агентов.

На старте бета-тестеры создали больше 21 000 агентов. Сам Notion использует 2 800 агентов внутри компании.

До 3 мая 2026 года Custom Agents бесплатны для всех. С 4 мая они перейдут на систему кредитов - платное дополнение для планов Business и Enterprise. В настройках появился дашборд, где видно расход кредитов и прогноз нагрузки.

Глава направления Americas Кейт Дженсен заявила на брифинге, что 2025 год должен был стать годом агентов в компаниях, но этого не произошло. По ее словам, проблема была не в слабых усилиях, а в неверном подходе. Новая программа призвана исправить ситуацию и дать бизнесу инструмент, готовый к работе без долгой настройки.

Суть системы проста. Компании подключают готовые плагины и получают агентов для типовых задач. Финансовый плагин дает Клоду доступ к данным и инструментам для рыночных исследований, анализа конкурентов и финансового моделирования. HR-плагин умеет создавать описания вакансий, материалы для адаптации новых сотрудников и офферные письма. Каждый плагин содержит базовые навыки, общие для большинства компаний, но его можно доработать под свои нужды.

Продуктовый директор Anthropic Мэтт Пикколелла сформулировал цель так: каждый сотрудник должен получить своего личного агента. По его словам, система позволяет ИТ-администраторам настраивать рабочие процессы централизованно и точно под нужды конкретной организации.

Программа опирается на уже анонсированные технологии - Claude Cowork и систему плагинов, которую показали в исследовательском превью. Новый акцент сделан на удобстве развертывания внутри корпораций: закрытые маркетплейсы приложений, контроль потоков данных и кастомные плагины. Система работает с теми же правами и ограничениями, которые ИТ-отдел применяет к обычному корпоративному софту.

На старте добавлены новые коннекторы - интеграции с Gmail, DocuSign и Clay. Они позволяют агентам напрямую тянуть данные и контекст из этих систем. Ранее такие коннекторы были недоступны.

Запуск создает прямую угрозу SaaS-продуктам, которые сейчас выполняют те же функции внутри компаний. Anthropic рассчитывает на рост корпоративной базы клиентов.

Главный сюрприз серии - модель Qwen3.5-35B-A3B. По тестам она обходит Qwen3-235B-A22B-2507, хотя та модель была заметно крупнее. У старой модели было 22 миллиарда активных параметров, а у новой - только 3 миллиарда. Разница в эффективности составляет больше чем 7 раз. Это значит, что новая модель выдает лучший результат при гораздо меньших вычислительных затратах. Такой результат стал возможен за счет архитектуры с разреженной активацией, где в работе одновременно участвует только часть параметров.

Qwen3.5-Flash - это готовая к работе версия 35B-A3B. Она создана для агентных сценариев, где модель сама выполняет задачи и вызывает внешние инструменты. Из коробки доступно контекстное окно в 1 миллион токенов и нативная поддержка вызова функций. Такой объем контекста позволяет работать с большими базами кода или объемными документами напрямую - без построения отдельных RAG-систем. Модель держит все нужные данные в памяти за один раз и не теряет связь между частями текста.

Старшие модели серии - Qwen3.5-122B-A10B и Qwen3.5-27B - нацелены на сложные задачи. Это многошаговое планирование, длинные цепочки рассуждений и выполнение инструкций на протяжении долгого диалога. При обучении применялся четырехэтапный процесс с холодным стартом через длинный CoT и обучением с подкреплением на основе внешних сигналов оценки качества.

Модель 122B-A10B использует только 10 миллиардов активных параметров из 122 миллиардов общих. По логической связности ответов она держится наравне с более тяжелыми плотными моделями, у которых все параметры активны постоянно.

Qwen3.5-Flash доступна только через Model Studio от Alibaba Cloud. Цена - около 10 центов за миллион входных токенов и 40 центов за миллион выходных. Остальные модели серии можно скачать и запустить самостоятельно.

«Честно говоря, я считаю идею размещения ЦОД в космосе в нынешних условиях нелепой», — сказал Альтман во время общения в прямом эфире с журналистами. Его слова вызвали смех у зрителей.

Он выразил мнение, что орбитальные ЦОД когда-нибудь могут иметь смысл. Но такие факторы, как стоимость запуска и сложность ремонта компьютерного чипа в космосе, на данный момент являются непреодолимыми препятствиями.

«Мы еще не достигли этого, — убежден Альтман. — Придет время. Космос отлично подходит для реализации многих задач. Орбитальные ЦОД - это не то, что будет иметь значение в этом десятилетии».

Впрочем, это не первый случай, когда Маск и Альтман расходятся во мнениях. Их конфликт длится уже несколько лет.

В феврале SpaceX назвала целью запуск группировки из миллиона спутников. Они будут функционировать как орбитальные дата-центры. Компания уже начала нанимать инженеров для реализации проекта.

Между тем другие технологические компании тоже планируют разместить ЦОД в космосе. Например, на это направлен проект Google Suncatcher. Его представили в ноябре 2025 года.

Генеральный директор Google Сундар Пичаи заявил в воскресенье в эфире Fox News о конкретных планах. Компания может начать размещать в космосе ЦОД, использующие для работы солнечную энергию, уже в 2027 году.

На фоне развития AI-технологий идет масштабное строительство дата-центров. Они обеспечивают функционирование больших языковых моделей и чат-ботов на базе AI.

По данным Business Insider, опубликованным в прошлом году, к концу 2024 года в США было одобрено строительство больше 1200 дата-центров. Это почти в четыре раза больше, чем в 2010 году.

Однако эти ЦОД истощают водные ресурсы. Они создают дополнительную нагрузку на электросети. Увеличивают загрязнение окружающей среды. Это ведет к снижению общего качества жизни.

В связи с этим проекты по строительству ЦОД все чаще сталкиваются с жестким сопротивлением со стороны местных сообществ. Жители не хотят терпеть шум и нагрузку на инфраструктуру.

Космические дата-центры могли бы решить эти проблемы. В космосе неограниченная солнечная энергия. Нет проблем с охлаждением в вакууме. Не нужна вода.

Но Альтман указывает на практические сложности. Запуск оборудования на орбиту стоит очень дорого. Если сломается чип, его нельзя просто заменить. Нужна сложная космическая миссия.

Позиция Google показывает, что не все разделяют скептицизм Альтмана. Пичаи верит, что технологии к 2027 году позволят это реализовать. Разница всего в два года с нынешним моментом.

Проект миллиона спутников от SpaceX звучит амбициозно. Но компания уже доказала способность запускать и обслуживать крупные группировки спутников Starlink.

Чтобы создать двойника, нужно загрузить селфи и записать аудио с голосом. Также придется ответить на несколько вопросов. Среди примеров на сайте - вы человек стеснительный или смелый. Создавать себя необязательно. Но клонировать реального человека без явного разрешения правила запрещают.

Двойник сможет писать, разговаривать, генерировать фото и видео. Пользователь может направлять его, если что-то не нравится. Например, можно попросить аватара создавать более непринужденные снимки. Или изучить список текстов, чтобы точнее соблюдать авторский стиль.

На старте подключить бота можно к Slack, Telegram, Discord, Signal, iMessage и Google Chat. В примерах самой Pika двойник сам звонит нужному собеседнику. Он отвечает на SMS, делится новостями в X. Список интеграций будут расширять.

Аватар может работать как личный ассистент. Он отвечает коллегам, романтическим партнерам и подписчикам письменно и устно. Наполняет контентом соцсети. Составляет черновики отчетов. Разрабатывает сайты по текстовым промптам. Продумывает рабочие процессы и продукты. Докручивает идеи.

Советы по медицинским, юридическим и финансовым вопросам двойник давать не будет. Про неприемлемые и опасные ответы можно сообщать модераторам.

У сгенерированных фотографий и видео будет водяной знак. Права на интеллектуальную собственность - чаты, картинки, видео, аудио и любой другой контент от AI-двойника - будут принадлежать самому пользователю.

Компания говорит, что не будет использовать данные пользователя, включая внешний образ, при обучении моделей. Все они также сотрутся при удалении аккаунта.

Компания утверждает, что это не чат-бот и не агент. Это целостное продолжение человека, которое последний рожает. Отличие в том, что нейроверсия может жить лучшую жизнь. Колесить по миру, владеть самыми разными языками, не уставать на работе и делать то, что не дается оригинальной версии.

В качестве примера Pika Labs приводит вымышленный сценарий. В жизни пользователь работает бухгалтером и плачет в офисной уборной. А в интернете его AI-версия выкладывает музыкальные клипы для 80 тысяч зрителей. Дает видеоинтервью. Обменивается голосовыми сообщениями с фанатами, которым спасла жизнь. Зарабатывает на рекламных контрактах.

Дату публичного запуска Pika AI Selves не анонсировали. На этапе раннего бета-тестирования сервис будет полностью бесплатным. Позже компания уберет часть функций в платные подписки. Цены анонсируют потом.

Pika Labs - американский разработчик AI-сервиса Pika. Там можно генерировать видео по текстовому запросу, анимировать картинки, создавать дипфейки, вписывать объекты с фотографии в ролик. У компании также есть соцсеть с вертикальными AI-видео.

RynnBrain доступна в плотных версиях с 2 и 8 миллиардами параметров. Также есть вариант mixture-of-experts с 30 миллиардами параметров и 3 миллиардами активных.

Выпущены три специализированные модели. RynnBrain-Plan для планирования манипуляций. RynnBrain-Nav для навигации. RynnBrain-CoP для пространственного рассуждения.

Модель обучена на последней визуально-языковой модели Alibaba Qwen3-VL. Тонкая настройка проводилась с использованием системы RynnScale от DAMO.

RynnBrain достигает результатов уровня state-of-the-art в основных бенчмарках воплощенного познания, локализации и визуального понимания. Производительность конкурирует с ведущими моделями вроде Gemini Robotics ER 1.5 и Cosmos Reason 2.

RynnBrain доступна на Hugging Face, GitHub и ModelScope.

Ключевое отличие от обычных визуально-языковых моделей - способность к физическому взаимодействию. Модель не просто распознает объекты. Она понимает их физические свойства и может планировать действия с ними.

Всестороннее восприятие среды означает, что модель учитывает множество факторов. Расположение объектов, их форму, вес, текстуру. Это критично для управления роботами в реальном мире.

Точное пространственно-временное понимание позволяет отслеживать движение объектов, предсказывать их положение и планировать последовательность действий во времени.

Специализированные модели решают конкретные задачи. RynnBrain-Plan помогает роботам-манипуляторам планировать захват и перемещение объектов. RynnBrain-Nav дает возможность ориентироваться в пространстве и строить маршруты. RynnBrain-CoP решает задачи пространственного мышления.

Версия MoE с 30 миллиардами параметров использует архитектуру смеси экспертов. Это позволяет достичь производительности большой модели при меньших затратах на инференс.

Открытый код делает RynnBrain доступной для исследователей и разработчиков. Они могут адаптировать модель под свои задачи, обучать на собственных данных и интегрировать в системы.

Конкуренция с Gemini Robotics ER 1.5 и Cosmos Reason 2 показывает уровень модели. Это серьезные игроки в области воплощенного AI для робототехники.

Alibaba продолжает развивать экосистему Qwen. RynnBrain показывает применение визуально-языковых моделей в робототехнике за пределами текста и изображений.

Ведяхин предлагает радикально другой подход. Фокус на практическом применении существующих технологий вместо разработки собственных фундаментальных моделей. Создание узких отраслевых решений для конкретного бизнеса.

Статистика, которую приводит зампред Сбера, шокирует. Девять из десяти AI-инициатив застревают на этапе обсуждения. Проекты не проходят финансовые службы. Причины две - неясная окупаемость и запредельная стоимость внедрения.

По мнению Ведяхина, государству нужно пересмотреть подход к регулированию. «Поддерживающее регулирование» - его формулировка. Минимум запретов, максимум стимулов для развития. Конкретные инструменты - налоговые льготы для компаний, внедряющих AI. Ускоренная амортизация для AI-инструментов. Прямые субсидии при выборе российских решений.

Еще один важный момент - отношение к ошибкам AI-систем. Ведяхин призывает к большей терпимости. Доведение точности модели до идеала требует экспоненциального роста затрат. Для большинства задач достаточно 95 процентов точности вместо 99.

«Главная задача - создать рынок, а для этого должна сбалансироваться сторона спроса и сторона предложения, — говорит Ведяхин. — На стороне спроса мы должны мотивировать бизнес и органы власти использовать AI, а предложение должно быть очень разнообразным. Есть Сбер, есть Яндекс, есть отраслевые решения, но этого явно мало. Решений на основании искусственного интеллекта должны быть сотни и даже тысячи - каждое может быть подстроено под свой сегмент бизнеса, условно говоря, от шиномонтажных мастерских до сталелитейных компаний».

Зампред признает масштаб трансформации. AI формирует новый технологический уклад. Пропустить эту волну опасно для любого бизнеса. Но путь к успеху лежит не через миллиардные инвестиции в разработку собственных моделей.

Позиция Сбера понятна. Компания уже потратила огромные суммы на создание GigaChat и других AI-продуктов. Для них выгодно, чтобы другие компании не повторяли этот путь, а использовали готовые решения. Возможно, решения от Сбера.

Но в тезисе Ведяхина есть рациональное зерно. Большинству компаний действительно не нужны собственные языковые модели уровня GPT. Им нужны работающие инструменты для автоматизации процессов.

Проблема девяноста процентов незавершенных проектов - это проблема всей индустрии. Хайп вокруг AI огромный. Реальное внедрение отстает. Компании запускают пилоты для галочки, но не доводят до массового использования.

Предложения по господдержке прагматичны. Налоговые льготы работают как стимул. Ускоренная амортизация снижает барьер входа. Субсидии за российские решения развивают внутренний рынок.

GABRIEL расшифровывается как Generalized Attribute Based Ratings Information Extraction Library. По сути это обертка вокруг GPT API для социологов, экономистов и других ученых. Им нужно превращать качественные данные в количественные.

Например, взять миллион речей политиков и за минуты оценить каждую по шкале популизм от 0 до 100. Или прогнать все статьи через фильтр является ли это технологией. Руками это займет месяцы и обойдется дорого. GABRIEL справляется за минуты.

Выпустила инструмент одна из команд OpenAI. К тулкиту приложили полноценную академическую статью. В ней тестировали GPT как инструмент измерения на больше 1000 датасетах с человеческой разметкой. Результат - модель неотличима от живых разметчиков по точности.

Это не рекламный ход. Рецензируемая работа выполнена совместно с Андреем Шлейфером из Гарварда. Ученый с высоким индексом цитирования не станет рисковать репутацией.

GABRIEL включает множество функций. gabriel.rate оценивает тексты, картинки и аудио по любым атрибутам на шкале от 0 до 100. Хотите измерить токсичность комментариев? Это одна строчка кода.

gabriel.classify делает классификацию по категориям. gabriel.extract вытаскивает структурированные факты. Для каждого продукта можно извлечь компанию, CEO и год основания.

gabriel.merge объединяет датасеты, когда колонки не совпадают. gabriel.deduplicate удаляет дубликаты. Макдональдс, Вкусно и Точка и Мак схлопнутся в одну запись.

gabriel.deidentify заменяет персональные данные реалистичными фейками. Имена, адреса, работодатели подменяются с сохранением маппинга.

gabriel.discover находит, чем отличаются две группы данных. gabriel.ideate генерирует научные теории и фильтрует лучшие.

Разница в цене огромная. Задача - оценить тексты по 10 атрибутам. Для 240 речей State of the Union живой человек за 15 долларов в час возьмет около 2600 долларов. GPT-5-nano сделает это за 14 центов. Для 100 тысяч полных текстов проповедей человек возьмет около 700 тысяч долларов. Самая дорогая модель GPT-5 сделает за 1083 доллара.

Разница от 700 до 17500 раз. Проект, требовавший гранта и года работы, делается за вечер.

Есть минусы. Первый - галлюцинации. Модель может достать ответ из памяти, а не реально читать текст. Второй - shortcut inference. Модель может угадывать атрибут не из текста, а из косвенных признаков.

Третий - тулкит работает только через OpenAI API. Никаких локальных моделей. Данные летят в облако. Для чувствительных исследований это проблема.

Лаборатории использовали технику дистилляции. Она предполагает обучение менее способной модели на выходных данных более сильной. Дистилляция - широко распространенный и законный метод обучения. Например, ведущие AI-лаборатории регулярно дистиллируют собственные модели для создания меньших и дешевых версий для клиентов.

Но дистилляцию можно использовать для незаконных целей. Конкуренты могут приобретать мощные возможности других лабораторий за долю времени и за долю стоимости самостоятельной разработки.

Эти кампании растут по интенсивности и сложности. Окно для действий узкое. Угроза выходит за рамки одной компании или региона. Решение потребует быстрых скоординированных действий игроков индустрии, политиков и глобального AI-сообщества.

Незаконно дистиллированные модели лишены необходимых защитных механизмов. Это создает значительные риски национальной безопасности. Anthropic и другие американские компании создают системы, которые не позволяют государственным и негосударственным акторам использовать AI для разработки биологического оружия или вредоносной кибердеятельности.

Модели, созданные через незаконную дистилляцию, вряд ли сохранят эти защитные механизмы. Это означает, что опасные возможности могут распространяться со многими защитами, полностью удаленными.

Иностранные лаборатории, дистиллирующие американские модели, затем могут встраивать эти незащищенные возможности в военные, разведывательные и системы наблюдения. Это позволяет авторитарным правительствам развертывать передовой AI для наступательных кибер-операций, кампаний дезинформации и массового наблюдения.

DeepSeek провела больше 150 тысяч обменов. Операция нацелилась на возможности рассуждения в различных задачах, задачи оценки на основе критериев и создание безопасных от цензуры альтернатив политически чувствительным запросам.

DeepSeek генерировала синхронизированный трафик через аккаунты. Идентичные паттерны, общие методы оплаты и скоординированное время предполагали балансировку нагрузки для увеличения пропускной способности.

В одной примечательной технике их запросы просили Claude представить и сформулировать внутреннее рассуждение за завершенным ответом и написать его пошагово. Это эффективно генерировало обучающие данные цепочки мыслей в масштабе.

Moonshot AI провела больше 3,4 миллиона обменов. Операция нацелилась на агентное рассуждение и использование инструментов, кодирование и анализ данных, разработку агента для использования компьютера и компьютерное зрение.

MiniMax провела больше 13 миллионов обменов. Операция нацелилась на агентное кодирование, использование инструментов и оркестрацию. Anthropic обнаружила эту кампанию, пока она еще была активна - до того, как MiniMax выпустила модель, которую обучала.