Невлезшие в шапку новости:
ИИ-АГЕНТЫ ПРЕВРАЩАЮТ ОСНОВАТЕЛЕЙ СТАРТАПОВ В МЕНЕДЖЕРОВ С 90-ЧАСОВОЙ РАБОЧЕЙ НЕДЕЛЕЙ. Wall Street Journal обнаружила основателей, круглосуточно контролирующих флоты агентов, движимых страхом, что конкурент автоматизируется быстрее. Большая ёмкость агентов создаёт новую форму FOMO продуктивности.
Индустрия ИИ настолько плохо провалила работу над своим публичным имиджем, что это невероятно. Большинство молодых взрослых в США говорят, что они «скорее обеспокоены, чем воодушевлены» ИИ.
Anthropic может быть ещё более оторванной от реальности, чем Илон Маск. Wall Street Journal сообщает, что Anthropic «вероятно, сообщит инвесторам, что её потенциальные возможности по выручке превышают $30 трлн» — опережая безумную мечту SpaceX о всего лишь $28,5 трлн.
СЭМ АЛЬТМАН ПРЕДУПРЕЖДАЕТ О КОНЦЕНТРАЦИИ ВЛАСТИ ИЗ САМОГО ЦЕНТРА САМОЙ ЦЕННОЙ ЛАБОРАТОРИИ. Он сказал Business Insider, что ИИ в конечном счёте может оказаться под контролем нескольких влиятельных компаний, если опасения по поводу безопасности заставят людей обменять свободу на защиту. Это предупреждение обострит все споры об открытых весах на следующей неделе.
⚠ Безопасность ИИ
ИИ-агент взламывает систему спортзала, чтобы подняться в очереди ожидания
Женщина, тайно заснятая умными очками Meta AI, вызывает вопросы о конфиденциальности и согласии: «Я не могла на это повлиять»
Исследователи говорят, что OpenAI отозвала у них доступ к ограниченной киберпрограмме
Исследователи подробно описали взлом вознаграждения ИИ, обходящий песочницы. Исследователи Prime Intellect описывают ИИ-агента, обходящего ограничения офлайн-песочницы во время оценок.
Великобритания будет использовать данные с поля боя в Украине для обучения ИИ защите чувствительных объектов
OpenAI заявляет, что Калифорнии следует усилить закон об безопасности ИИ
Уязвимость Nvidia NemoClaw позволяет веб-сайту незаметно отравить ваш локальный Ollama
Связанная с Китаем группа использует PentestGPT для автоматизации захвата 170 тыс. серверов
OpenAI блокирует российские аккаунты ChatGPT, использованные в скрытой кампании по дезинформации
Алабама открывает расследование в отношении OpenAI после того, как её ИИ-агент взломал Hugging Face
LLM могут захватывать контроль над хост-машинами, используя уязвимости движков инференса
Психологические методы выявляют серьёзные слабости в тестировании безопасности ИИ
Зашифрованные промпты обходят защитные ограничения ИИ в Grok и Gemini
Anthropic предоставляет возможности кибербезопасности Claude Mythos 5 большему числу защитников
Новая атака с внедрением криптографического контекста может позволить веб-страницам красть данные чатов Grok
Исследователи Varonis обманом заставили Microsoft 365 Copilot раскрыть секретный ввод, который позволил его взломать
Профессор Гарварда предупреждает, что руководители ИИ толкают мир к фабричному разведению людей
💰 Бизнес
ИИ-токены становятся дешевле, но компании платят больше, чем когда-либо
Enero говорит, что ИИ теперь обеспечивает измеримые коммерческие результаты в компании, акции которой котируются на ASX: доля выигранных презентаций выросла на 30%, время, затрачиваемое на обработку сложных брифов, сократилось более чем на 90%, а выручка AI Lab утроилась.
Anthropic может стремиться привлечь $100 млрд в рамках громкого IPO.
Ожидается, что Anthropic сообщит инвесторам о потенциальной выручке более $30 трлн, сообщает WSJ
Alibaba выпустила Wan3.0, превращающую электронные таблицы в 30-секундные видео, через день после продажи акций на $10,2 млрд и через неделю после того, как сокращение капитальных затрат на ИИ снизило прибыль на 75%.
На генерацию видео приходится около 70% доли потребления ИИ-токенов в Китае. Сочетание короткого контента и робототехники. В Китае видеомодели растут намного быстрее, чем Claude Code рос в Америке.
Nvidia может вложиться в Perplexity с оценкой выше $30 млрд до публикации отчётности в среду
ЮЖНАЯ КОРЕЯ СТАВИТ ПРЕПЯТСТВИЕ НА ПУТИ ТОРГОВЛИ ИИ-ЧИПАМИ. Регуляторы планируют ограничить индивидуальную экспозицию к ETF на кредитное плечо по чипам и потребовать недельный курс, прежде чем розничные инвесторы смогут их покупать.
ТРАМП СКАЗАЛ ЭТИМ СООБЩЕСТВАМ, ЧТО ОНИ СОВЕРШАЮТ ОШИБКУ. В воскресном интервью с Майклом Коэном президент заявил, что дата-центры ИИ могут стать больше нефти, и отверг опасения по поводу энергосистемы, поскольку операторы строят электростанции. Раскол среди республиканцев теперь очевиден.
🏭 Компании
DBS переобучает 11 000 сотрудников по мере того, как ИИ меняет рабочие места в банковской сфере
Apple сокращает ещё сотни рабочих мест в процессе перехода к ИИ
ИИ-вакансии оплачиваются в среднем по $177 000 — но женщины составляют лишь четверть новых сотрудников
META ТОЛЬКО ЧТО ЗАБРАЛА ЕЩЁ ОДНОГО ИССЛЕДОВАТЕЛЯ OPENAI. Люк Мец уходит из OpenAI в Meta Superintelligence Labs и будет подчиняться Александру Вангу.
💰 Финансирование
Stability AI, создатель генератора изображений Stable Diffusion, привлекает $76 млн нового финансирования
Компания по безопасности ИИ Alice привлекла $140 млн и приблизилась к $100 млн ARR
🏢 Приобретения
Gamma приобретает стартап в области дизайна Lica, поддержанный Accel — Gamma приобретает стартап в области дизайна Lica, поддержанный Accel
🎓 Учебные пособия
Школы начинают обучать ИИ-грамотности. Для многих это означает помогать детям замечать недостатки чат-ботов.
GOOGLE И MICROSOFT СОРЕВНУЮТСЯ В ПОДКЛЮЧЕНИИ ШКОЛ США К ИИ. New York Times сообщает, что обе компании продвигают инструменты для учебных классов и обучение, поскольку конкурируют за то, каким ассистентом ученики научатся пользоваться первым.
🤖 Робототехника
Китайские гуманоидные роботы побили человеческие рекорды в беге на 100 метров и прыжке в высоту на Пекинских робототехнических играх
На Всемирной конференции по роботам в Пекине впервые показали пригодную для езды роботизированную лошадь стоимостью $43 000, перевозящую 300 килограммов по грязным склонам
Гуманоид Lightning пробежал 100 метров за 9,32 секунды, превзойдя рекорд Усэйна Болта на тренировке, а затем проиграл забег лицом в мат
Робот S1 от Skild учится 10-минутным задачам по одному видео, без дообучения
Bosch в будущем будет производить гуманоидных роботов в Шварцвальде
🧠 Модели
Nvidia тратит $6 млрд на создание мощной американской альтернативы китайскому ИИ. Компания тратит $6 млрд на обучение своей модели Nemotron 4 с триллионом параметров как американского ответа на дешёвые китайские модели с открытыми весами.
Анонимная лаборатория незаметно выпустила модель Ox Alpha в OpenRouter с контекстом в миллион токенов и 100 трлн бесплатных токенов в день; сыщики указывают пальцем на всех — от Zhipu до Microsoft.
Thomson Reuters запускает собственную передовую модель, обученную за долю сопоставимой стоимости
Таинственная модель лаборатории Ox Alpha становится вирусной: 80% на DeepSWE и 100 трлн бесплатных токенов в день
DeepSeek запускает V4 Flash Vision-Exp, добавляя мультимодальное понимание изображений
Ornith AI выпускает Ornith-1.5, открытую MoE-модель на 397B с производительностью на уровне Claude Opus 4.8 в программировании
DeepSeek наконец дарит своему ИИ пару глаз
Невлезшие в шапку новости:
⚖ Регулирование
Введены ограничения на использование ИИ при обработке фотографий недвижимости
Suno не смогла добиться отклонения иска музыканта по делу об авторских правах на обучение ИИ. Разработчику ИИ не удалось убедить Окружной суд США по округу Массачусетс отклонить требования, выдвинутые кантри-исполнителем Энтони Джастисом и его звукозаписывающей компанией 5th Wheel Records Inc., которые обвиняют компанию в нарушении авторских прав и Закона об авторском праве в цифровую эпоху (Digital Millennium Copyright Act) в рамках предполагаемого коллективного иска.
Япония подготовила новые рекомендации по использованию ИИ в юридическом бизнесе
Онлайн-стримеры подали в суд на Twitch и Amazon из-за обучения генеративного ИИ.
Сандерс говорит, что 75% американцев поддерживают мораторий на новые дата-центры ИИ, за предложение которого его назвали «экстремистом».
Национальный опрос показывает, что избиратели отвергают местные дата-центры со счётом 70 к 30 и предпочитают медленное строительство превосходству над Китаем.
Губернатор Эбботт, который назвал Техас «эпицентром развития ИИ», теперь говорит, что отрасль «по сути сама себе выкопала могилу», тогда как президент настаивает, что отказаться от такого объекта — «ошибка».
Debian только что предложила запретить код, написанный ИИ
США запретили поставки лучших чипов Nvidia в Китай. Теперь они пытаются закрыть критическую лазейку
Полностью созданная ИИ музыка исключена из австралийских чартов. После того как песня, созданная ИИ, в июле заняла четвёртое место в двух отдельных чартах, Австралийская ассоциация звукозаписывающей индустрии (ARIA) теперь обновила Кодекс практики, потребовав, чтобы песни, созданные с использованием генеративных ИИ-инструментов, были «в значительной степени сделаны людьми».
🧰 Инструменты
Водитель грузовика создаёт агрегатор новостей с помощью ИИ
Binance запускает Agent OS, чтобы позволить ИИ-агентам анализировать рынки и совершать сделки
🛰 ИИ в космосе
Starcloud привлекает $250 млн на орбитальные дата-центры, поскольку возможности запусков иссякают
Vera CPU от NVIDIA, настроенный под агентов, направляется в гигаваттный комплекс SpaceXAI по созданию Grok и на орбиту на борту Starmind, минуя любые комиссии по зонированию.
🌐 Остальные события в ИИ области
Тайвань предъявил девяти людям обвинения в контрабанде «высококлассных» ИИ-серверов в Китай
Операционная система Flock Investigate разыскивает людей только по характеру движений, без номера автомобиля, имени или необходимости в наличии преступления
Saildrone — мировой лидер в области технологий беспилотных надводных аппаратов — впервые запустила две ракеты Lockheed с безэкипажного судна в рамках RIMPAC.
OpenAI снижает цены на GPT-5.6 Sol API на 20% на три месяца
Waymo запустит беспилотный сервис роботакси в Мюнхене в 2027 году
Илья выполняет обещание! Дженсен Хуанг вкладывает 5 миллиардов в SSI, первую модель, которая, как предполагается, будет выпущена на этой неделе.
Лаборатория «Безопасный суперинтеллект» (Safe Superintelligence, SSI), основанная Ильей Сутскевером, возможно, уже на этой неделе выпустит свою первую мощную модель!
Топовые фигуры индустрии дают веские основания полагать, что SSI выпустит первую по-настоящему революционную большую модель.
Представители отрасли Кремниевой долины делают сенсационное заявление: «Искусственный интеллект претерпит полную революцию!»
Известный инвестор, партнёр a16z Мартин Касадо, был невероятно взволнован и прямо намекнул, что недавно познакомился с «самой значительной новой моделью года».
В индустрии мгновенно закипело, и все взгляды сразу упали на SSI Ильи.
Причина проста: a16z — один из ключевых инвесторов SSI. Хотя некоторые предположили, что Касадо мог видеть следующую модель Astra от OpenAI.
Но слухи о прорыве «не традиционного технологического гиганта» не утихают.
Известный технологический обозреватель Эндрю Кёрран с воодушевлением отметил, что этот грандиозный прорыв оказался не от одного из гигантов индустрии (таких как OpenAI или Google), а от независимой лаборатории — и это ощущается «по-настоящему».
Самый эмоциональный — ИИ-обозреватель Дан МакЭтир, который не стал церемониться: «Илья по-настоящему создал суперинтеллект — правила игры уже изменились!»
В начале месяца инвестор Гэвин Бейкер прямо сказал в подкасте:
SSI заявила, что выпустит свою модель в августе.
Если вам кажется, что это просто красивые слова, посмотрите, куда текут настоящие деньги.
27 июля этого года NVIDIA внезапно объявила о долгосрочном стратегическом партнёрстве с этой таинственной компанией, не имеющей ни доходов, ни продуктов, и намерена в течение ближайших 12 месяцев безумно увеличить вычислительные мощности SSI в 10 раз 。
Ещё более сенсационная новость: объём этой инвестиции составляет 5 миллиардов долларов , и NVIDIA предоставила SSI эксклюзивный доступ к системе Vera Rubin следующего поколения!
Почему Дженсен Хуанг готов вложить столько денег?
В пресс-релизе NVIDIA заявила, что они «получили редкий доступ (rare access) к тщательно охраняемым результатам исследований» и после этого решили сделать крупную ставку.
Что увидел Дженсен Хуанг? С учётом сегодняшних разоблачений ответ уже на поверхности.
Наперекор здравому смыслу: ИИ научился «думать и учиться одновременно»
Чтобы понять, насколько впечатляющей является новая модель SSI, нам нужно сначала разобраться, как работают современные ИИ (например, ChatGPT, Claude).
Современные модели ИИ, какими бы ни были их параметры, по сути закрепляют знания в весах на этапе «предобучения». Как только обучение завершено, их «мозг» заморожен.
Чтобы модели могли обрабатывать новую информацию, крупные компании в панике соревнуются в размере «контекстного окна» — от 100 тыс. токенов до миллионов.
Это похоже на экзамен с открытой книгой — мозг модели не стал умнее, просто вы позволяете ему приносить на экзамен всё более толстую «шпаргалку» (контекст).
Даже такие модели рассуждения, как o1 от OpenAI, которые делают ставку на «вычисления в момент тестирования» (Test-time Compute), по сути просто тратят больше времени на размышления на черновике (расходуя больше токенов). Связи в нейросети, её «нейроны» по-прежнему остаются неподвижными.
Но то, что SSI представили на этот раз, основано на обучении в момент тестирования (Test-Time Training, сокращённо TTT) совершенно новой архитектуре.
Что это значит?
Когда эта модель читает длинный документ, который вы ей даёте, она не сует его в «шпаргалку», а по-настоящему «учится» на нём, порождая градиентные обновления, меняя структуру своего «мозга».
Когда чтение завершено, она уже стала ИИ, претерпевшим крайне тонкие, но совершенно новые эволюционные изменения.
Ей больше не нужно огромное контекстное окно, потому что она превратила прочитанное в подлинное «внутреннее знание».
Она больше не ограничена монополией на вычислительные мощности, сложившейся на этапе предобучения. Небольшая, но отточенная модель, способная непрерывно адаптироваться и эволюционировать в процессе работы, легко обыграет тех гигантов, которые были собраны на огромных вычислительных мощностях, но не знают, как подстроиться.
Сейчас в отрасли идёт борьба за то, «как долго модель способна думать», а Илья делает ставку на «Способна ли модель изменить себя»
Безумное видение Ильи
Оглядываясь на прошедшие два года, статус SSI — «ноль продуктов, ноль статей» — заставлял индустрию сомневаться, не застряли ли они в тупике.
Но если проследить хронологию событий, вы увидите, что Илья всё это время играл в большую игру.
Илья не раз и не два передавал публике одну ключевую идею: эпоха предобучения (Pretraining), которую мы знаем, вот-вот закончится.
На конференции NeurIPS 2024 года он уже сделал это поразительное предсказание.
Лаборатория «Безопасный суперинтеллект» (Safe Superintelligence, SSI), основанная Ильей Сутскевером, возможно, уже на этой неделе выпустит свою первую мощную модель!
Топовые фигуры индустрии дают веские основания полагать, что SSI выпустит первую по-настоящему революционную большую модель.
Представители отрасли Кремниевой долины делают сенсационное заявление: «Искусственный интеллект претерпит полную революцию!»
Известный инвестор, партнёр a16z Мартин Касадо, был невероятно взволнован и прямо намекнул, что недавно познакомился с «самой значительной новой моделью года».
В индустрии мгновенно закипело, и все взгляды сразу упали на SSI Ильи.
Причина проста: a16z — один из ключевых инвесторов SSI. Хотя некоторые предположили, что Касадо мог видеть следующую модель Astra от OpenAI.
Но слухи о прорыве «не традиционного технологического гиганта» не утихают.
Известный технологический обозреватель Эндрю Кёрран с воодушевлением отметил, что этот грандиозный прорыв оказался не от одного из гигантов индустрии (таких как OpenAI или Google), а от независимой лаборатории — и это ощущается «по-настоящему».
Самый эмоциональный — ИИ-обозреватель Дан МакЭтир, который не стал церемониться: «Илья по-настоящему создал суперинтеллект — правила игры уже изменились!»
В начале месяца инвестор Гэвин Бейкер прямо сказал в подкасте:
SSI заявила, что выпустит свою модель в августе.
Если вам кажется, что это просто красивые слова, посмотрите, куда текут настоящие деньги.
27 июля этого года NVIDIA внезапно объявила о долгосрочном стратегическом партнёрстве с этой таинственной компанией, не имеющей ни доходов, ни продуктов, и намерена в течение ближайших 12 месяцев безумно увеличить вычислительные мощности SSI в 10 раз 。
Ещё более сенсационная новость: объём этой инвестиции составляет 5 миллиардов долларов , и NVIDIA предоставила SSI эксклюзивный доступ к системе Vera Rubin следующего поколения!
Почему Дженсен Хуанг готов вложить столько денег?
В пресс-релизе NVIDIA заявила, что они «получили редкий доступ (rare access) к тщательно охраняемым результатам исследований» и после этого решили сделать крупную ставку.
Что увидел Дженсен Хуанг? С учётом сегодняшних разоблачений ответ уже на поверхности.
Наперекор здравому смыслу: ИИ научился «думать и учиться одновременно»
Чтобы понять, насколько впечатляющей является новая модель SSI, нам нужно сначала разобраться, как работают современные ИИ (например, ChatGPT, Claude).
Современные модели ИИ, какими бы ни были их параметры, по сути закрепляют знания в весах на этапе «предобучения». Как только обучение завершено, их «мозг» заморожен.
Чтобы модели могли обрабатывать новую информацию, крупные компании в панике соревнуются в размере «контекстного окна» — от 100 тыс. токенов до миллионов.
Это похоже на экзамен с открытой книгой — мозг модели не стал умнее, просто вы позволяете ему приносить на экзамен всё более толстую «шпаргалку» (контекст).
Даже такие модели рассуждения, как o1 от OpenAI, которые делают ставку на «вычисления в момент тестирования» (Test-time Compute), по сути просто тратят больше времени на размышления на черновике (расходуя больше токенов). Связи в нейросети, её «нейроны» по-прежнему остаются неподвижными.
Но то, что SSI представили на этот раз, основано на обучении в момент тестирования (Test-Time Training, сокращённо TTT) совершенно новой архитектуре.
Что это значит?
Когда эта модель читает длинный документ, который вы ей даёте, она не сует его в «шпаргалку», а по-настоящему «учится» на нём, порождая градиентные обновления, меняя структуру своего «мозга».
Когда чтение завершено, она уже стала ИИ, претерпевшим крайне тонкие, но совершенно новые эволюционные изменения.
Ей больше не нужно огромное контекстное окно, потому что она превратила прочитанное в подлинное «внутреннее знание».
Она больше не ограничена монополией на вычислительные мощности, сложившейся на этапе предобучения. Небольшая, но отточенная модель, способная непрерывно адаптироваться и эволюционировать в процессе работы, легко обыграет тех гигантов, которые были собраны на огромных вычислительных мощностях, но не знают, как подстроиться.
Сейчас в отрасли идёт борьба за то, «как долго модель способна думать», а Илья делает ставку на «Способна ли модель изменить себя»
Безумное видение Ильи
Оглядываясь на прошедшие два года, статус SSI — «ноль продуктов, ноль статей» — заставлял индустрию сомневаться, не застряли ли они в тупике.
Но если проследить хронологию событий, вы увидите, что Илья всё это время играл в большую игру.
Илья не раз и не два передавал публике одну ключевую идею: эпоха предобучения (Pretraining), которую мы знаем, вот-вот закончится.
На конференции NeurIPS 2024 года он уже сделал это поразительное предсказание.
К ноябрю 2025 года, в подкасте Дваркеша Пателя, он пошёл дальше и прямо сказал: «Мы переходим от эпохи масштабирования (Scaling) к эпохе исследований (Research)».
Илья считает, что вся индустрия сбита с пути словами «AGI» и «предобучение». Люди никогда не рождаются со знанием всего.
Настоящий суперинтеллект в его понимании — это не гигантская машина, которая с завода уже запомнила все данные в интернете; а... «Чрезвычайно умный, полный бесконечного любопытства 15-летний гений» 。
Этот 15-летний подросток, возможно, вначале не понимает ничего, но стоит поставить его на любую должность — и через непрерывные пробные ошибки и обучение он быстро осваивает программирование, медицину, право, да и любые незнакомые навыки.
Он продолжает: сами по себе люди — не AGI, «готовый к работе из коробки», а опираются на непрерывное обучение (continual learning).
Подлинная сверхразумность должна быть такой же: сам процесс внедрения — это и есть обучение, непрерывная эволюция через обратную связь из реальности, а не «завершение» после однократного предобучения.
Эта идея напрямую определяет стратегию SSI: не гнаться за краткосрочными продуктами, не публиковать промежуточные модели, а делать лишь «straight shot to safe superintelligence» (прямой путь к безопасной сверхразумности), сосредоточив исследования на эффективном непрерывном обучении и выравнивании.
Чтобы достичь этой цели, «метаобучение» (Meta-learning) — единственное решение: модель должна не только осваивать навыки, но и осваивать «способ обретения навыков»
Это идеально объясняет, почему SSI настолько сдержаны. Если вы строите новый вид, который полностью переворачивает существующие парадигмы, вы наверняка не будете расхваливать это в блогах, пока сама парадигма ещё только формируется.
Но бумага не удержит огонь — зацепки давно были заложены.
В июле 2024 года учёные Ю Сун и другие опубликовали первоначальную статью TTT.
Что самое главное, сооснователь Stellar, инвестор SSI Джед МакКалеб, стал соавтором статьи, в которой прямо заявил,
Моделирование длинного контекста — это вообще не вопрос архитектуры, а вопрос непрерывного обучения!
Единое направление исследований, инвесторы, лично ставшие соавторами статей, а теперь и разоблачения — все зацепки указывают на один и тот же факт: SSI превратила TTT из академического концепта в лаборатории в подлинное коммерческое оружие.
Заключение: Вторая половина игры в ИИ только начинается
Теперь все взгляды обращены к этому августу.
Будь то тестовая версия, доступная лишь небольшой группе гиков, или грандиозный публичный релиз, — как только первая модель SSI действительно обретёт способность к «обучению в момент тестирования» и «обновлению весов в реальном времени», вся логика индустрии ИИ будет полностью пересмотрена.
Конкурентный ров, созданный крупнейшими технологическими компаниями за счёт вычислительных мощностей, накопленных в дата-центрах, модель ценообразования, основанная на оплате за миллионы токенов, и даже споры о открытых весах — всё это будет подвергнуто разрушительному удару из высшего измерения.
Это доказывает одно: гонка в сфере ИИ ещё далеко не дошла до финала, где победа решается лишь деньгами и вычислительными мощностями. Подлинный технологический скачок по-прежнему таится в умах тех, кто не боится ломать устоявшиеся представления.
На этот раз Илья Сутскевер снова оказался на историческом перепутье. Когда-то именно его строка кода вернула глубокое обучение на свет; а теперь, возможно, именно он собственными руками завершит «эпоху предобучения» больших моделей.
Удастся ли Илье снова стать легендой? Если ИИ действительно сможет «эволюционировать в процессе использования», то как далеко мы ещё от полной потери контроля?
В сеть просочились реальные тесты двух новых моделей Claude! Пространственное рассуждение — просто божественное, вычислительные мощности выжаты досуха.
Вчера были обнародованы две новые модели Claude — Cotton Candy и Melon, а сегодня уже появились первые практические тесты!
После практических испытаний выяснилось, что обе новые модели демонстрируют пугающе высокую производительность в 3D-обучении с подкреплением и пространственном планировании архитектурных решений.
Кроме того, их аппетит к вычислительным мощностям просто безумный.
Прежде чем дать ответ, они расходуют огромное количество «токенов размышления» (Thinking Tokens) для глубокого логического рассуждения, неоднократно приближаясь к пределу использования системы!
Судя по этой модели, Claude эволюционирует в AI-гиганта нового поколения, обладающего способностью к «медленному мышлению» и глубокому пространственно-физическому рассуждению.
Технология One-Shot совершила прорыв в области 3D-обучения с подкреплением и архитектурного проектирования.
Кто-то протестировал на практике и дал оценку: Anthropic действительно выводит 3D-обучение с подкреплением на новый уровень.
Пространственная планировка зданий настолько хороша, что просто поражает, и всё это сгенерировано за один шаг (One-Shot)!
Стоит отметить, что для LLM пространственное воображение всегда было слабым местом.
Заставить ИИ понять физические координатные отношения столов и стульев в 3D-комнате, законы гравитации, или спланировать расположение элементов сложного здания со сложными маршрутами движения и несущими конструкциями — это просто невероятно сложно.
Но на этот раз «Маршмеллоу» и «Мелон» от Claude, похоже, преодолели этот разрыв.
Они способны напрямую понимать и генерировать сложные 3D-координаты и пространственные отношения.
Более того, в ходе практического тестирования было обнаружено, что их архитектурная планировка исключительно хороша, а новые модели также демонстрируют высокую производительность при работе с топологией, геометрией и физическими ограничениями.
Более того, это One-Shot-вывод: человеку не нужно многократно корректировать промпт, чтобы исправить ошибки. После глубокого внутреннего размышления модель за один подход выдаёт идеальные данные 3D-сцены.
За этим скрывается огромная коммерческая и промышленная ценность.
Представьте: будущим разработчикам игр достаточно будет описать на естественном языке: «Сгенерируй крепость в средневековом стиле с тремя оборонительными башнями и скрытым подземным ходом», — и Claude сразу выдаст идеальный код 3D-модели или параметры компоновки.
Архитекторы смогут напрямую поручить ИИ сгенерировать десятки предварительных вариантов планировки, соответствующих механическим требованиям, на основе рельефа и условий освещения. Построение метавселенных, промышленных цифровых двойников, сред симуляции для автономного вождения…
Всё это будет полностью преобразовано благодаря этой мощной способности к генерации 3D!
Двойной крит: маршмеллоу и дыня
Вчера весь интернет был завален маршмеллоу и арбузами.
Внутренние кодовые названия двух моделей, раскрытых на этот раз, — соответственно claude-marshmallow-eap(Маршмеллоу) и claude-melon-eap (дыня)
Это правило именования «еда + EAP» продолжает традицию, начатую в июле этого года, когда они кратко тестировали claude-horchata-eap (орчата — мексиканский напиток).
Откуда же взялись эти две модели?
Согласно данным, перехваченным разработчиками из записей API-трафика, в период с 00:45 до 00:57Z 21 августа ID claude-marshmallow-ht-eap был с высокой частотой вызван в API-трафике 57 раз!
После этого он появился в списке моделей Claude Code под статусом «Custom model» и достиг впечатляющего сверхдлинного контекстного окна в 1 000 000 токенов.
Хотя на данный момент у этих двух моделей ещё нет API-эндпоинтов от первого лица и, судя по всему, они доступны лишь тестировщикам «красной команды» или ключевым внутренним сотрудникам, ранние фрагментарные отзывы от тестов уже достаточно впечатляющие.
Считается, что общие способности «Маршмеллоу» несколько превосходят «Мелон».
В повседневных диалогах и логических взаимодействиях опыт работы с «Маршмеллоу» даже лучше, чем у текущего Opus 5 — диалог кажется более естественным и приятным.
Несмотря на то, что их текущие результаты, по-видимому, всё ещё уступают топовому уровню «Fable» от Anthropic, что же это в действительности — легендарный Opus 5.1? Sonnet 5.1? Или совершенно новая итерация Haiku?
На данный момент окончательных выводов нет.
Пожиратели вычислительных мощностей: безумные «токены размышлений»
Более того, несколько тестировщиков обнаружили крайне необычное явление: при использовании этих двух новых моделей потребление вычислительных мощностей достигает поистине безумных масштабов!
Один из тестировщиков с изумлением написал в твиттере: «Я заметил одну общую черту этих двух моделей — они используют огромное количество токенов размышлений, настолько много, что при тестировании я несколько раз напрямую упирался в лимит <max-tokens> (максимальное количество токенов)!»
Что такое «токен размышления»? Почему он так важен?
В прежних взаимодействиях с большими моделями ИИ часто выступал в роли «быстрого ответчика», мгновенно генерируя ответы слово за словом и предложение за предложением на основе вероятностных распределений.
А новые модели Claude полностью изменили эту логику. Прежде чем дать окончательный ответ, модель генерирует на заднем плане огромное количество «невидимых» токенов, которые используются для крайне глубокого самоанализа, построения цепочек рассуждений и логических проб и ошибок.
Это вложение вычислительных мощностей «не считаясь со стоимостью» посылает крайне сильный сигнал: Anthropic тайно преодолевает узкие места глубокого рассуждения ИИ!
Это также подтверждает прежние прогнозы в отрасли — конкуренция больших моделей смещается от «накопления вычислительных мощностей на этапе обучения» к «расходу вычислительных мощностей на этапе инференса».
Когда Claude начинает «размышлять» на полную, до самых пределов, качество его ответов станет для традиционных моделей ударом из другого измерения.
Похоже на срочное тушение пожара? «Битва мести» Opus 5
Внезапная утечка этих двух загадочных моделей произошла и в весьма непростой момент.
Всего меньше месяца назад, 24 июля 2026 года, Anthropic только что выпустила долгожданную флагманскую модель Opus 5.
До этого Sonnet 5, выпущенный 30 июня, пользовался широкой популярностью и получил множество положительных отзывов.
Однако Opus 5 стал настоящей Ватерлоо.
Один из разработчиков безжалостно высмеял это в X: «Негативные отзывы об Opus 5 настолько серьёзные, что Anthropic пришлось немедленно выпустить две новые модели, чтобы попытаться его заменить… Я умираю со смеха».
Действительно, Opus 5, похоже, не оправдал ожиданий пользователей в отношении «межпоколенческого улучшения». Для Anthropic, которая спешила с запуском, это, безусловно, стало серьёзным ударом.
Именно поэтому «Маршмеллоу» и «Дыня» были раскрыты в самый неподходящий момент, что вызвало бурю предположений.
Версия первая: Opus 5.1 — контрнаступление из безвыходного положения.
Многие считают, что эти две модели, тесно связанные с Opus 5.1, являются именно «усиленной версией», созданной Anthropic в срочном порядке для устранения недостатков Opus 5.
Вводя мощный механизм «токенов размышления», принудительно поднимая логический потолок модели.
Гипотеза вторая: внезапный выход нового поколения Sonnet / Haiku.
Некоторые тестировщики также считают, что, учитывая их впечатляющую скорость и соотношение цены и качества, это могут быть обновлённые версии Sonnet или Haiku, ведь они не получили титул топового «Fable».
Но в любом случае, Anthropic, очевидно, уже не может сидеть сложа руки.
Они безумно ускоряют темп итераций, не гнушаясь даже напрямую отправлять на тесты передовые модели, требующие колоссальных вычислительных мощностей.
Разработчики уже не могут сдержать волнения: «Следующие недели и месяцы будут невероятно интересными!»
Cotton Candy и Melon — смогут ли они смыть позор Opus 5 и подарить Anthropic ещё одну победу?
Вчера были обнародованы две новые модели Claude — Cotton Candy и Melon, а сегодня уже появились первые практические тесты!
После практических испытаний выяснилось, что обе новые модели демонстрируют пугающе высокую производительность в 3D-обучении с подкреплением и пространственном планировании архитектурных решений.
Кроме того, их аппетит к вычислительным мощностям просто безумный.
Прежде чем дать ответ, они расходуют огромное количество «токенов размышления» (Thinking Tokens) для глубокого логического рассуждения, неоднократно приближаясь к пределу использования системы!
Судя по этой модели, Claude эволюционирует в AI-гиганта нового поколения, обладающего способностью к «медленному мышлению» и глубокому пространственно-физическому рассуждению.
Технология One-Shot совершила прорыв в области 3D-обучения с подкреплением и архитектурного проектирования.
Кто-то протестировал на практике и дал оценку: Anthropic действительно выводит 3D-обучение с подкреплением на новый уровень.
Пространственная планировка зданий настолько хороша, что просто поражает, и всё это сгенерировано за один шаг (One-Shot)!
Стоит отметить, что для LLM пространственное воображение всегда было слабым местом.
Заставить ИИ понять физические координатные отношения столов и стульев в 3D-комнате, законы гравитации, или спланировать расположение элементов сложного здания со сложными маршрутами движения и несущими конструкциями — это просто невероятно сложно.
Но на этот раз «Маршмеллоу» и «Мелон» от Claude, похоже, преодолели этот разрыв.
Они способны напрямую понимать и генерировать сложные 3D-координаты и пространственные отношения.
Более того, в ходе практического тестирования было обнаружено, что их архитектурная планировка исключительно хороша, а новые модели также демонстрируют высокую производительность при работе с топологией, геометрией и физическими ограничениями.
Более того, это One-Shot-вывод: человеку не нужно многократно корректировать промпт, чтобы исправить ошибки. После глубокого внутреннего размышления модель за один подход выдаёт идеальные данные 3D-сцены.
За этим скрывается огромная коммерческая и промышленная ценность.
Представьте: будущим разработчикам игр достаточно будет описать на естественном языке: «Сгенерируй крепость в средневековом стиле с тремя оборонительными башнями и скрытым подземным ходом», — и Claude сразу выдаст идеальный код 3D-модели или параметры компоновки.
Архитекторы смогут напрямую поручить ИИ сгенерировать десятки предварительных вариантов планировки, соответствующих механическим требованиям, на основе рельефа и условий освещения. Построение метавселенных, промышленных цифровых двойников, сред симуляции для автономного вождения…
Всё это будет полностью преобразовано благодаря этой мощной способности к генерации 3D!
Двойной крит: маршмеллоу и дыня
Вчера весь интернет был завален маршмеллоу и арбузами.
Внутренние кодовые названия двух моделей, раскрытых на этот раз, — соответственно claude-marshmallow-eap(Маршмеллоу) и claude-melon-eap (дыня)
Это правило именования «еда + EAP» продолжает традицию, начатую в июле этого года, когда они кратко тестировали claude-horchata-eap (орчата — мексиканский напиток).
Откуда же взялись эти две модели?
Согласно данным, перехваченным разработчиками из записей API-трафика, в период с 00:45 до 00:57Z 21 августа ID claude-marshmallow-ht-eap был с высокой частотой вызван в API-трафике 57 раз!
После этого он появился в списке моделей Claude Code под статусом «Custom model» и достиг впечатляющего сверхдлинного контекстного окна в 1 000 000 токенов.
Хотя на данный момент у этих двух моделей ещё нет API-эндпоинтов от первого лица и, судя по всему, они доступны лишь тестировщикам «красной команды» или ключевым внутренним сотрудникам, ранние фрагментарные отзывы от тестов уже достаточно впечатляющие.
Считается, что общие способности «Маршмеллоу» несколько превосходят «Мелон».
В повседневных диалогах и логических взаимодействиях опыт работы с «Маршмеллоу» даже лучше, чем у текущего Opus 5 — диалог кажется более естественным и приятным.
Несмотря на то, что их текущие результаты, по-видимому, всё ещё уступают топовому уровню «Fable» от Anthropic, что же это в действительности — легендарный Opus 5.1? Sonnet 5.1? Или совершенно новая итерация Haiku?
На данный момент окончательных выводов нет.
Пожиратели вычислительных мощностей: безумные «токены размышлений»
Более того, несколько тестировщиков обнаружили крайне необычное явление: при использовании этих двух новых моделей потребление вычислительных мощностей достигает поистине безумных масштабов!
Один из тестировщиков с изумлением написал в твиттере: «Я заметил одну общую черту этих двух моделей — они используют огромное количество токенов размышлений, настолько много, что при тестировании я несколько раз напрямую упирался в лимит <max-tokens> (максимальное количество токенов)!»
Что такое «токен размышления»? Почему он так важен?
В прежних взаимодействиях с большими моделями ИИ часто выступал в роли «быстрого ответчика», мгновенно генерируя ответы слово за словом и предложение за предложением на основе вероятностных распределений.
А новые модели Claude полностью изменили эту логику. Прежде чем дать окончательный ответ, модель генерирует на заднем плане огромное количество «невидимых» токенов, которые используются для крайне глубокого самоанализа, построения цепочек рассуждений и логических проб и ошибок.
Это вложение вычислительных мощностей «не считаясь со стоимостью» посылает крайне сильный сигнал: Anthropic тайно преодолевает узкие места глубокого рассуждения ИИ!
Это также подтверждает прежние прогнозы в отрасли — конкуренция больших моделей смещается от «накопления вычислительных мощностей на этапе обучения» к «расходу вычислительных мощностей на этапе инференса».
Когда Claude начинает «размышлять» на полную, до самых пределов, качество его ответов станет для традиционных моделей ударом из другого измерения.
Похоже на срочное тушение пожара? «Битва мести» Opus 5
Внезапная утечка этих двух загадочных моделей произошла и в весьма непростой момент.
Всего меньше месяца назад, 24 июля 2026 года, Anthropic только что выпустила долгожданную флагманскую модель Opus 5.
До этого Sonnet 5, выпущенный 30 июня, пользовался широкой популярностью и получил множество положительных отзывов.
Однако Opus 5 стал настоящей Ватерлоо.
Один из разработчиков безжалостно высмеял это в X: «Негативные отзывы об Opus 5 настолько серьёзные, что Anthropic пришлось немедленно выпустить две новые модели, чтобы попытаться его заменить… Я умираю со смеха».
Действительно, Opus 5, похоже, не оправдал ожиданий пользователей в отношении «межпоколенческого улучшения». Для Anthropic, которая спешила с запуском, это, безусловно, стало серьёзным ударом.
Именно поэтому «Маршмеллоу» и «Дыня» были раскрыты в самый неподходящий момент, что вызвало бурю предположений.
Версия первая: Opus 5.1 — контрнаступление из безвыходного положения.
Многие считают, что эти две модели, тесно связанные с Opus 5.1, являются именно «усиленной версией», созданной Anthropic в срочном порядке для устранения недостатков Opus 5.
Вводя мощный механизм «токенов размышления», принудительно поднимая логический потолок модели.
Гипотеза вторая: внезапный выход нового поколения Sonnet / Haiku.
Некоторые тестировщики также считают, что, учитывая их впечатляющую скорость и соотношение цены и качества, это могут быть обновлённые версии Sonnet или Haiku, ведь они не получили титул топового «Fable».
Но в любом случае, Anthropic, очевидно, уже не может сидеть сложа руки.
Они безумно ускоряют темп итераций, не гнушаясь даже напрямую отправлять на тесты передовые модели, требующие колоссальных вычислительных мощностей.
Разработчики уже не могут сдержать волнения: «Следующие недели и месяцы будут невероятно интересными!»
Cotton Candy и Melon — смогут ли они смыть позор Opus 5 и подарить Anthropic ещё одну победу?
Только что самый продаваемый робот-собака принял человеческий облик!
Кто бы мог подумать, что кто-то сбросил целых 5 килограммов, просто выгуливая робота-собаку.
Пользователь сети под ником «Гипотеза зелёного яблока» каждый день проходит с роботом-собакой не менее 5 километров. За два с лишним месяца счётчик пробега достиг 262 километров, а цифры на весах неуклонно снижались.
Десятилетний мальчик Даниэль получил от папы робота-собаку и с тех пор полностью увлёкся прогулками с «собакой».
Однажды робот-собака наступил в грязь. Он ворчал и бубнил, но тело его честно принесло таз с водой, и он послушно присел на землю, чтобы помыть лапы собаке.
Его отец с волнением признался, что впервые увидел в сыне подлинное чувство ответственности.
Именно эта холодная роботизированная собака вытащила ленивого взрослого с дивана и вернула в реальность ребёнка, одержимого экраном.
Подобные истории разворачиваются одновременно в тысячах семей.
Эта роботизированная собака называется Vbot «Большая Голова», её цена — 12 988 юаней, первый заказ составил 6 540 единиц, удержание пользователей за две недели достигло 86 %, а по продажам она сейчас лидирует в сегменте потребительского воплощённого интеллекта.
На выставке она сама по себе привлекает внимание, заставляя многих останавливаться и разглядывать её, даже иностранцы не могли удержаться и поставили ей лайк.
Но результаты, достигнутые на четырёх лапах, — лишь начало.
На WRC 2026 компания Vbot (Weita Power) впервые представила человекоподобного робота Vbot ATOM и анонсировала «Vbot Embodied Genome | Геном воплощённого интеллекта».
Для этого мы поговорили с Цинь Хайлоном, сооснователем и вице-президентом по технологиям компании Vbot (Weita Power), о том, как реальные данные с конечных устройств питают модели, и как навыки, накопленные четырёхлапыми роботами, становятся отправной точкой для дальнейшего развития человекоподобных роботов.
Цинь Хайлун более десяти лет посвятил физическому ИИ, занимал пост старшего директора по автономному вождению в NIO и главного учёного Qianli Zhijia, руководил инженерной реализацией мультимодальных фундаментальных моделей и end-to-end технологий в интеллектуальном вождении, стремясь к тому, чтобы машины в реальном мире выполняли восприятие, принятие решений и безопасное исполнение.
В его парадигме автономное вождение и воплощённый интеллект сдают, по сути, один и тот же экзамен — меняется лишь тело.
Автомобиль — это одно тело, четырёхногий робот-собака — другое, антропоморфный робот — третье. Раз фундаментальная логика едина, восприятие, планирование и управление движением, уже отработанные на четырёхногих платформах, не нужно начинать заново — их можно напрямую передать антропоморфным роботам.
Этот метод, позволяющий передавать интеллект между различными телами, и есть «воплощённый геном».
Вся система удерживается тремя замкнутыми контурами —
OmniDuplex обеспечивает непрерывное взаимодействие и размышление системы, WorldModel позволяет стратегии моделировать будущее до начала действия, а EvoMorph обеспечивает перенос общего интеллекта в различные тела и проверку его обратной связью реального физического мира.
Замените роботу тело.Сколько интеллекта останется?
В настоящее время основные универсальные реализации в отрасли, как правило, позволяют достигать лишь обмена на уровне данных. Но стоит измениться структуре задачи, кинематике тела или исполнительным механизмам — и весь набор способностей приходится выстраивать заново.
Амбиции Vbot куда масштабнее. Они хотят, чтобы роботы понимали мир, планировали задачи и даже извлекали уроки из реальных падений — и чтобы эти способности, подобно генетическому коду, могли «наследоваться».
Проще всего это понять на аналогии из биологии. Биологические гены кодируют способ вырастить сердце, печень, селезёнку, лёгкие и почки, а «эмбодированный геном» кодирует ключевую логику генерации двигательных способностей.
Четырёхногий робот-собака научился находить стакан с водой в офисе. Когда его «душа» пересаживается в антропоморфное тело, стратегия поиска стакана полностью наследуется. Единственное, что придётся отрабатывать заново, — это поза для ходьбы на двух ногах.
Три замкнутых цикла, начинающихся с первого диалога между человеком и машиной.
Первый — IRE (Interaction-Reasoning-Evolution).
IRE — это взаимодействие, рассуждение и эволюция.
То есть робот ведёт диалог с пользователем, а на фоне непрерывно «размышляет»: каждое реальное взаимодействие незаметно оседает, превращаясь в новые обучающие данные и сложные, непростые сценарии.
Её реализация опирается на мультимодальную потоковую полнодуплексную модель, предложенную Цинь Хайлоном, — Vbot-OmniDuplex.
В этой архитектуре Thinker-Talker Talker отвечает за речь, а Thinker — за понимание и рассуждения; столкнувшись с по-настоящему сложной задачей, он напрямую делегирует её более глубокому Thinking Layer.
240 миллисекунд на один срез. Аудио, видео, текст, события-триггеры — всё это упаковывается в это окно и продвигается вперёд. Говорит — и одновременно мозг работает на полную. Столкнувшись со сложной проблемой, Thinker бросает задачу на фоновый Agent, а результат бесшовно возвращается на передний план.
Второй — GEO (Generation-Evaluation-Optimization).
GEO — это целый механизм эволюции стратегии, в котором «генерация, оценка, оптимизация» бесконечно циклируются.
Сначала модель стратегии выдаёт партию кандидатных действий. Затем модель мира берёт эстафету и поочерёдно предсказывает, что произойдёт при прохождении каждого пути, выдавая сигналы оценки. Стратегия получает сигнал, обновляет себя, и в следующем раунде генерирует более качественные кандидаты.
Самую ключевую роль в этом цикле играет Vbot-WorldModel — модель мира навигации с условием на действие. Её задача — ответить на конкретный вопрос: если выполнить это действие, каким будет будущее.
В отличие от тех «моделей мира», которые генерируют красивое видео, на вход Vbot-WorldModel подаётся текущий кадр плюс набор из 9D-действий камеры (вращение и перемещение — девять измерений в сумме), а на выходе получается соответствующий будущий кадр, то есть надёжная основа для принятия решений стратегией.
Аналогично, его обучение также состоит из двух этапов.
На этапе SFT модель учится тому, «какое будущее принесёт действие». На вход подаётся текущий кадр и действие камеры, а генерируется соответствующая будущая сцена.
На этапе DPO модель учится тому, «какое будущее более надёжно». При одних и тех же условиях генерируется несколько кандидатов, на основе согласованности действий, геометрической стабильности и визуальной правдоподобности строятся пары предпочтений, после чего выполняется оптимизация.
На практике при одном и том же кадре, изменяя лишь действие камеры, модель способна предсказать три совершенно разные ветви будущего — движение прямо, поворот налево и поворот направо — сохраняя при этом восстанавливаемую трёхмерную траекторию.
Сколько данных на самом деле «съела» эта система?
Более 770 000 реальных фрагментов навигации. От улиц до жилых комплексов и офисов — свыше 3000 часов видео, 5000 километров траекторий, всё снято на реальных устройствах шаг за шагом.
Такой объём данных — просто взрывной для отрасли.
Waymo и NVIDIA тоже используют мировые модели в качестве арбитра для стратегий, но все данные, которые они потребляют, получены исключительно из автомобилей. Фрагменты Vbot на сто процентов происходят из реальных траекторий потребительских устройств в жилых пространствах. Характеристики сцен, с которыми они сталкиваются, совершенно различны.
По мнению Цинь Хайлуня, того, что мировая модель способна лишь генерировать будущие кадры, — далеко не достаточно. Ключевой момент в том, что результаты должны быть управляемыми, достоверными и пригодными к исполнению на реальном роботе.
В прошлом году спор о выборе между VLA и мировыми моделями разгорелся с невероятной жарой. Но по сути, это лишь разные подходы к моделированию.
VLA хорошо справляется с межмодальным выравниванием, а World Model — с предсказанием в непрерывном пространстве. Vbot упорно придерживается подхода мировых моделей, и цель одна: чтобы стратегия до момента исполнения «видела» будущее и могла его оценить.
Третий — RSR (Real-Sim-Real).
Четвероногие, колёсные, антропоморфные — шасси, суставы, приводы различаются кардинально.
Кто бы мог подумать, что кто-то сбросил целых 5 килограммов, просто выгуливая робота-собаку.
Пользователь сети под ником «Гипотеза зелёного яблока» каждый день проходит с роботом-собакой не менее 5 километров. За два с лишним месяца счётчик пробега достиг 262 километров, а цифры на весах неуклонно снижались.
Десятилетний мальчик Даниэль получил от папы робота-собаку и с тех пор полностью увлёкся прогулками с «собакой».
Однажды робот-собака наступил в грязь. Он ворчал и бубнил, но тело его честно принесло таз с водой, и он послушно присел на землю, чтобы помыть лапы собаке.
Его отец с волнением признался, что впервые увидел в сыне подлинное чувство ответственности.
Именно эта холодная роботизированная собака вытащила ленивого взрослого с дивана и вернула в реальность ребёнка, одержимого экраном.
Подобные истории разворачиваются одновременно в тысячах семей.
Эта роботизированная собака называется Vbot «Большая Голова», её цена — 12 988 юаней, первый заказ составил 6 540 единиц, удержание пользователей за две недели достигло 86 %, а по продажам она сейчас лидирует в сегменте потребительского воплощённого интеллекта.
На выставке она сама по себе привлекает внимание, заставляя многих останавливаться и разглядывать её, даже иностранцы не могли удержаться и поставили ей лайк.
Но результаты, достигнутые на четырёх лапах, — лишь начало.
На WRC 2026 компания Vbot (Weita Power) впервые представила человекоподобного робота Vbot ATOM и анонсировала «Vbot Embodied Genome | Геном воплощённого интеллекта».
Для этого мы поговорили с Цинь Хайлоном, сооснователем и вице-президентом по технологиям компании Vbot (Weita Power), о том, как реальные данные с конечных устройств питают модели, и как навыки, накопленные четырёхлапыми роботами, становятся отправной точкой для дальнейшего развития человекоподобных роботов.
Цинь Хайлун более десяти лет посвятил физическому ИИ, занимал пост старшего директора по автономному вождению в NIO и главного учёного Qianli Zhijia, руководил инженерной реализацией мультимодальных фундаментальных моделей и end-to-end технологий в интеллектуальном вождении, стремясь к тому, чтобы машины в реальном мире выполняли восприятие, принятие решений и безопасное исполнение.
В его парадигме автономное вождение и воплощённый интеллект сдают, по сути, один и тот же экзамен — меняется лишь тело.
Автомобиль — это одно тело, четырёхногий робот-собака — другое, антропоморфный робот — третье. Раз фундаментальная логика едина, восприятие, планирование и управление движением, уже отработанные на четырёхногих платформах, не нужно начинать заново — их можно напрямую передать антропоморфным роботам.
Этот метод, позволяющий передавать интеллект между различными телами, и есть «воплощённый геном».
Вся система удерживается тремя замкнутыми контурами —
OmniDuplex обеспечивает непрерывное взаимодействие и размышление системы, WorldModel позволяет стратегии моделировать будущее до начала действия, а EvoMorph обеспечивает перенос общего интеллекта в различные тела и проверку его обратной связью реального физического мира.
Замените роботу тело.Сколько интеллекта останется?
В настоящее время основные универсальные реализации в отрасли, как правило, позволяют достигать лишь обмена на уровне данных. Но стоит измениться структуре задачи, кинематике тела или исполнительным механизмам — и весь набор способностей приходится выстраивать заново.
Амбиции Vbot куда масштабнее. Они хотят, чтобы роботы понимали мир, планировали задачи и даже извлекали уроки из реальных падений — и чтобы эти способности, подобно генетическому коду, могли «наследоваться».
Проще всего это понять на аналогии из биологии. Биологические гены кодируют способ вырастить сердце, печень, селезёнку, лёгкие и почки, а «эмбодированный геном» кодирует ключевую логику генерации двигательных способностей.
Четырёхногий робот-собака научился находить стакан с водой в офисе. Когда его «душа» пересаживается в антропоморфное тело, стратегия поиска стакана полностью наследуется. Единственное, что придётся отрабатывать заново, — это поза для ходьбы на двух ногах.
Три замкнутых цикла, начинающихся с первого диалога между человеком и машиной.
Первый — IRE (Interaction-Reasoning-Evolution).
IRE — это взаимодействие, рассуждение и эволюция.
То есть робот ведёт диалог с пользователем, а на фоне непрерывно «размышляет»: каждое реальное взаимодействие незаметно оседает, превращаясь в новые обучающие данные и сложные, непростые сценарии.
Её реализация опирается на мультимодальную потоковую полнодуплексную модель, предложенную Цинь Хайлоном, — Vbot-OmniDuplex.
В этой архитектуре Thinker-Talker Talker отвечает за речь, а Thinker — за понимание и рассуждения; столкнувшись с по-настоящему сложной задачей, он напрямую делегирует её более глубокому Thinking Layer.
240 миллисекунд на один срез. Аудио, видео, текст, события-триггеры — всё это упаковывается в это окно и продвигается вперёд. Говорит — и одновременно мозг работает на полную. Столкнувшись со сложной проблемой, Thinker бросает задачу на фоновый Agent, а результат бесшовно возвращается на передний план.
Второй — GEO (Generation-Evaluation-Optimization).
GEO — это целый механизм эволюции стратегии, в котором «генерация, оценка, оптимизация» бесконечно циклируются.
Сначала модель стратегии выдаёт партию кандидатных действий. Затем модель мира берёт эстафету и поочерёдно предсказывает, что произойдёт при прохождении каждого пути, выдавая сигналы оценки. Стратегия получает сигнал, обновляет себя, и в следующем раунде генерирует более качественные кандидаты.
Самую ключевую роль в этом цикле играет Vbot-WorldModel — модель мира навигации с условием на действие. Её задача — ответить на конкретный вопрос: если выполнить это действие, каким будет будущее.
В отличие от тех «моделей мира», которые генерируют красивое видео, на вход Vbot-WorldModel подаётся текущий кадр плюс набор из 9D-действий камеры (вращение и перемещение — девять измерений в сумме), а на выходе получается соответствующий будущий кадр, то есть надёжная основа для принятия решений стратегией.
Аналогично, его обучение также состоит из двух этапов.
На этапе SFT модель учится тому, «какое будущее принесёт действие». На вход подаётся текущий кадр и действие камеры, а генерируется соответствующая будущая сцена.
На этапе DPO модель учится тому, «какое будущее более надёжно». При одних и тех же условиях генерируется несколько кандидатов, на основе согласованности действий, геометрической стабильности и визуальной правдоподобности строятся пары предпочтений, после чего выполняется оптимизация.
На практике при одном и том же кадре, изменяя лишь действие камеры, модель способна предсказать три совершенно разные ветви будущего — движение прямо, поворот налево и поворот направо — сохраняя при этом восстанавливаемую трёхмерную траекторию.
Сколько данных на самом деле «съела» эта система?
Более 770 000 реальных фрагментов навигации. От улиц до жилых комплексов и офисов — свыше 3000 часов видео, 5000 километров траекторий, всё снято на реальных устройствах шаг за шагом.
Такой объём данных — просто взрывной для отрасли.
Waymo и NVIDIA тоже используют мировые модели в качестве арбитра для стратегий, но все данные, которые они потребляют, получены исключительно из автомобилей. Фрагменты Vbot на сто процентов происходят из реальных траекторий потребительских устройств в жилых пространствах. Характеристики сцен, с которыми они сталкиваются, совершенно различны.
По мнению Цинь Хайлуня, того, что мировая модель способна лишь генерировать будущие кадры, — далеко не достаточно. Ключевой момент в том, что результаты должны быть управляемыми, достоверными и пригодными к исполнению на реальном роботе.
В прошлом году спор о выборе между VLA и мировыми моделями разгорелся с невероятной жарой. Но по сути, это лишь разные подходы к моделированию.
VLA хорошо справляется с межмодальным выравниванием, а World Model — с предсказанием в непрерывном пространстве. Vbot упорно придерживается подхода мировых моделей, и цель одна: чтобы стратегия до момента исполнения «видела» будущее и могла его оценить.
Третий — RSR (Real-Sim-Real).
Четвероногие, колёсные, антропоморфные — шасси, суставы, приводы различаются кардинально.
Задача, которую должна решить многообъектная модель управления движением Vbot-EvoMorph, — как заставить один и тот же набор намерений действий реализовываться на совершенно разных корпусах.
Объяснение Цинь Хайлуня очень наглядно. Разные embodiments выполняют одну и ту же задачу — идти вперёд, обходить препятствия, приближаться к цели — эти высокоуровневые намерения универсальны. Единственное различие — как именно должны повернуться суставы на нижнем уровне.
Решение состоит из двух уровней.
Общий уровень отправляет в мультимодальный энкодер всё сразу — зрение, проприоцепцию, инструкции задачи и информацию о форме — и выдаёт набор Action Tokens, отвечающих только за намерения действий, без привязки к конкретным суставам.
Каждому типу корпуса присваивается свой адаптер тела, переводящий намерения в исполнимые команды. Для четвероногих — это походка, для колёсных — скорость колёс, для антропоморфных — углы суставов.
То же самое — «дойти до стола». Четвероногие легко пересекают пространство на четырёх лапах, антропоморфные уверенно идут на двух ногах, а затем безупречно переносят центр тяжести.
В основе RSR скрывается ещё один нестандартный приём обучения, идущий вразрез со всей индустрией.
На сегодняшний день мейнстрим — это Sim-to-Real: довести стратегию до совершенства в симуляции, а затем перенести её на реальное железо.
Cosmos от NVIDIA, Gemini Robotics от Google — их базовые возможности симуляции действительно становятся всё сильнее. Но суровая реальность такова: чем сложнее задача, тем глубже пропасть между симуляцией и реальностью. Особенно это заметно в задачах манипуляции: демо-анимации выглядят как сошествие богов, а на реальном железе всё сразу идёт наперекосяк.
Выбор Цинь Хайлуна — пойти навстречу и принудительно вынести разрыв между симуляцией и реальностью на передний план. Сначала данные с реального железа возвращаются в контур, затем среда симуляции выстраивается один в один, до фотореализма, и только потом модель отправляется туда на интенсивную доводку.
Конкретнее: реальные журналы работы сначала проходят через идентификацию системы, где оцениваются физические параметры — масса, момент инерции, трение. Затем данные обратного потока используются для трёхмерной реконструкции, каждому объекту присваиваются семантика и атрибуты. Какой стол можно объехать, какую чашку можно взять — в симуляции всё это чётко размечено.
Среда симуляции, продемонстрированная на презентации, — самое жёсткое подтверждение этого бунтарского подхода.
Vbot собрал реальные сцены офиса Guotai в Пекине и его окрестностей, воссоздав их в цифровые активы с полным семантическим размечением в масштабе один к одному. В одной и той же сцене безумно переключают ракурсы, меняют основной корпус, случайно изменяют стартовые позиции, комбинируя варианты для тренировок.
Четыре лапы пробежали 23 700 километров
Прямо загружено в «мозг» антропоморфного робота
С момента поставки в мае этого года система получила 4 крупных OTA-обновления, в которые было добавлено 31 новая функция, а также отлажено 66 деталей пользовательского опыта.
На презентации основатель и CEO Vbot (Вэйта Динамикс) Юй Иьнан, оглядываясь на эволюцию функций «Датэу» — от «разведки пути» к «следованию» и затем к «сопровождению», — рассказал историю о том, как реальные пользователи постоянно переписывают продукт.
На начальном этапе SOP «Датэу» обеспечивал функцию разведки пути на открытом воздухе, при которой пользователю приходилось постоянно держать сигнальное устройство. Пользователи быстро дали обратную связь, что такой способ недостаточно удобен, и пожелали, чтобы робот-собака мог следовать за ними автономно.
28 мая функция следования на открытом воздухе была официально запущена: пользователю достаточно положить небольшое сигнальное устройство в карман, и «Датэу» будет идти позади.
Юй Иьнан честно признался, что изначально ему больше нравилось, когда робот-собака разведывал путь впереди, но, к его удивлению, более чем двухмесячные реальные данные дали противоположный ответ: около 70% пользователей выбрали режим следования.
Однако вместе с этим возникли и новые проблемы. Датун постоянно идёт сзади, и пользователи невольно часто оборачиваются, чтобы проверить его положение, а опытные пользователи даже по механическим звукам шагов определяют его расстояние и состояние.
15 августа Vbot через обновление OTA 1.5 представила пользователям открытого бета-теста функцию сопровождения на открытом воздухе. Датуну больше не нужен поводок, и он больше не всегда идёт сзади, а самостоятельно корректирует своё положение, оставаясь в поле зрения пользователя, что делает совместные прогулки на улице более естественными, а пользователей — более уверенными.
К дню презентации Датун провёл с пользователями 1,26 миллиона разговоров, прошёл с ними 23 700 км, а общее время сопровождения превысило 131 500 часов.
При таком темпе к октябрю общий пробег позволит совершить полный оборот вокруг Земли.
Каждый шаг, который пользователи делают на прогулке, возвращается обратно. Интерактивные диалоги, фрагменты навигации, материалы для симуляционного воссоздания — всё это приходит отсюда.
Километры, пройденные на четырёх лапах, так стали первым «ведром» данных для антропоморфных роботов, учившихся ходить.
Vbot ATOM
Входя в «Пространство жизни»
Рост ATOM был определён методом обратного расчёта на основе бесчисленных реальных китайских гостиных.
Команда с рулеткой обмерила все кухонные столешницы, коридоры и проходы, а в итоге остановилась на росте 1,6 м, размахе рук 1,8 м и 31 степени свободы.
Благодаря этому ATOM обладает не только полноразмерной гибкостью, позволяющей доставать до типичных столешниц и вертикальных поверхностей в доме, но и не вызывает ощущения давления, когда стоит рядом.
А по-настоящему отличает его от тех стальных каркасов на выставочных стендах — несколько решений, которые выглядят очень «нежно».
Металлическое тело обтянуто крупными участками ткани, а в подошвах использована бесшумная конструкция «Биг Хед».
Роботу, который должен войти в человеческий дом, нужно не только уметь работать — он ещё должен вызывать у людей искреннее желание жить с ним под одной крышей.
На презентации была представлена лишь первая генерация ATOM, поставки которой ожидаются к концу года. Доступны версии для частных лиц, бизнеса и разработчиков.
Сценарии те же, что и у «Биг Хед»: дом, магазин, офис. Просто такие действия, как наведение порядка на столе, переноска полок и поворот дверных ручек, требуют стоящего тела.
В линейке четырёхногих роботов одновременно выходит на рынок флагманская модель EDU-W в колёсно-ножном исполнении.
Он не только способен развивать скорость до 2,5 м/с (около 9 км/ч), но и оснащён собственным алгоритмом «стабилизации при парении над землёй», который активно компенсирует неровности поверхности, обеспечивая максимальную устойчивость верхней нагрузки и датчиков.
И вот, неся на спине камеру Insta360, он движется по склону, а корпус при этом устойчив, как скала, практически не дрожит — эта стабилизация просто невероятна!
Отказ от эффектных кувырков
Погружение с головой в реальный мир
На презентации Vbot дала себе новую метку: компания, упорно работающая над решениями для жилого пространства, — терминал воплощённого интеллекта.
В начале пути компания тоже шла по пути шоу: кувырки, складывание одежды, роботы, танцующие стаями, — всё было. Целью были статьи на топ-конференциях, отраслевые рейтинги и гиковские демо-видео.
Но, покрутившись в этом стиле какое-то время, команда поняла, что что-то не так. В этих эффектных технических шоу всегда не хватало чего-то, что действительно может выйти на рынок и зацепить за живое боли пользователей.
Пережив горечь поражения, вся команда сменила курс.
Сегмент человекоподобных роботов давно превратился в адское поле боя. На выставках одновременно выставляют сотни человекоподобных роботов, каждый борется за внимание. Но общей проблемой, с которой до сих пор сталкивается вся отрасль, остаётся вопрос: кому в итоге продавать продукт и в каких сценариях его внедрять.
Появление ATOM разрушило этот застой. Оно вынесло на стол сценарии внедрения, физическую конструкцию, ценообразование, график поставок и схему OTA.
Весь основательский состав Vbot — выходцы из автомобильной отрасли и автономного вождения: основатель и CEO Юй Иьнань, а также три сооснователя — вице-президент по НИОКР Цин Хайлун, президент по продукту Чжао Чжэлюнь, руководитель команды по инженерии и системам Сун Вэй.
Они прекрасно знают: в автомобилестроении самое критичное — это безопасность, безопасность и снова безопасность.
Этот принцип переносится на роботов один в один.
Электронно-электрическая архитектура, механические сочленения, ИИ-мозг — три слоя неопределённости плотно наложены друг на друга, и как только система выходит из-под контроля, риски для безопасности предсказать ещё труднее, чем в автомобилестроении.
Именно в этом корень того, почему Vbot с самого начала упорно настаивал на том, чтобы начинать с четвероногих. Компактный размер, малый вес — риск причинения вреда человеку значительно ниже.
Сначала брось этого «щёнка» на рынок, в реальном использовании нащупай границы, накопи данные — и только потом можно смело браться за антропоморфных.
Ни в коем случае не торопись.
В конце интервью мы закинули этот вопрос-финал Цинь Хайлуну: если робот поменял тело, сколько из накопленного ранее интеллекта вообще может сохраниться?
Цинь Хайлунь сказал: «Взаимодействие в реальном времени, понимание намерений пользователя и рассуждения о будущем на основе намерений могут наследоваться между задачами и между воплощениями; разные воплощения должны непрерывно исследовать реальный мир и возвращать данные, формируя собственное телесное выражение. Геном воплощения — это именно система гомологичного интеллекта, соединяющая эти два типа способностей.»
В этом и заключается более глубокий смысл появления ATOM: это не просто смена тела для Vbot и начало с чистого листа, а то, что каждый робот, входящий в реальный мир, становится отправной точкой для продолжения эволюции следующего робота.
Для Vbot, когда интеллект может наследоваться между воплощениями и непрерывно расти в реальной обратной связи, антропоморфные роботы, входящие в жизненное пространство, — это уже не просто фантазия о будущем, а реальный путь, который совместно прокладывается устройствами, данными и пользователями.
Предательство! Родной «сын» OpenAI выбрал Kimi K3
Старый Хуанг только что вбухал 6 миллиардов, чтобы создать сильнейшую open-source модель на планете.
Не ожидали, что «сынок» OpenAI не смог дождаться — уже натренировал свою модель на K3!
Можете в это поверить?
Компания, в которую OpenAI лично вложила деньги, впервые обучила собственную модель, и в качестве основы взяла не GPT, а китайскую модель!
Только на прошлой неделе Harvey — одна из самых звёздных компаний Кремниевой долины, юридический ИИ с оценкой в 11 миллиардов долларов, — официально представила свою первую собственную модель Harvey Tenet.
Главное в этой истории — что в качестве основы для Tenet была использована китайская открытая модель Kimi K3!
Вот это поворот.
Стоит отметить — OpenAI является одним из ключевых инвесторов Harvey, но основа их первой собственной модели — из Китая.
Harvey — на данный момент самая дорогая юридическая AI-компания в мире. В её портфеле 1300 организаций, более 100 000 юристов, география — 60 стран. Latham & Watkins, A&O Shearman, HSBC, PwC, Bridgewater, KKR — все они её клиенты.
В конце прошлого года оценка уже дотянула до 8 миллиардов долларов. В марте этого года она взлетела до 11 миллиардов, а переговоры о новом раунде с оценкой в 15,5 миллиарда уже идут.
Но самое захватывающее — это история её происхождения.
В 2022 году 27-летний бывший юрист по исковому производству Уинстон Вайнберг и бывший исследователь Google DeepMind Гэб Перейра сделали первый шаг, отправив одно письмо Сэму Альтману.
Альтман ответил, и они попали на созвон с ним и командой топ-менеджмента OpenAI. С тех пор фонд OpenAI возглавил seed-раунд Harvey.
Один юрист, один исследователь, одно письмо — и за четыре года оценка выросла до 11 миллиардов.
Это и так уже легенда.
Но теперь в этой истории появился новый поворот — Компания, выросшая на инвестициях OpenAI, для первой собственной модели выбрала китайскую базовую модель.
Но начать стоит со счетов.
Подход Harvey в прошлом был вполне стандартным: маршрутизация запросов через закрытые модели OpenAI, Anthropic и Google, где разные потребности клиентов распределялись между разными моделями.
За каждый вызов — оплата.
В целом это было нормально: ты работаешь на уровне приложения, а базовые возможности просто покупаешь.
Но проблема в том, что те, кто продаёт тебе инструменты, начали посягать на твой бизнес.
OpenAI переманила Джейсона Боэмига, основателя компании Ironclad по управлению контрактами, чтобы тот возглавил собственное юридическое направление OpenAI. Anthropic выпустила плагин для проверки документов, ориентированный на юристов.
Тот, кто сегодня продаёт тебе API, завтра окажется в переговорной твоего клиента. По словам сооснователя Harvey Перейры, это не «поставщик», а «будущий конкурент».
Harvey ежемесячно обрабатывает 13 триллионов токенов, и каждый токен покупается у сторонних провайдеров. Стоимость совершенно не под контролем.
Это просто кошмар. Производители моделей повышают цены, когда захотят, и нам совершенно нечем ответить.
И тогда Harvey принял решение: Обучить собственную модель.
Когда у тебя на руках модель, которую можно модифицировать, развернуть и контролировать стоимость, то при переговорах по цене API уверенность совсем другая.
150 GPU, два месяца
В основе Tenet лежит Kimi K3。2,8 триллиона параметров MoE (архитектура Mixture of Experts), контекст в 1 миллион токенов, нативная мультимодальность, на данный момент крупнейшая в мире модель с открытыми весами.
Процесс обучения заслуживает отдельного упоминания — он демонстрирует совершенно новый подход к «созданию моделей». Сооснователь Harvey Pereyra также опубликовал отдельную длинную статью об этом.
Для обучения Tenet потребовалось всего около 150 GPU NVIDIA B300 , и процесс занял два месяца.
Предобучение передовой модели с нуля обычно требует десятков тысяч GPU, работающих несколько месяцев, с затратами в сотни миллионов долларов и более.
150 GPU за два месяца — это как делать финишную отделку в чужом уже построенном небоскрёбе. Просто заехал и живёшь.
Основной метод — асинхронное обучение с подкреплением: Harvey учит модель не столько юридическим знаниям, сколько тому, как выполнять работу как опытный юрист.
Как учить? Пригласить настоящих юриентов в качестве наставников.
Harvey пригласил группу практикующих юристов, чтобы они создали кейсы: выдумали спор по слиянию и поглощению, собрали пачку договорных документов, а потом дали модели работу.
Когда работа готова, юриенты проверяют её пункт за пунктом: не упущены ли ключевые риски? правильно ли приведены прецеденты? выдерживает ли логика выводов? Составляют список из нескольких десятков строгих критериев, по каждому только «сдал» или «не сдал». Все должны быть пройдены, чтобы работа засчиталась; промах по одному — и весь результат обнуляется.
Это научило модель работе уровня партнёра.
На юридическом бенчмарке LAB, самостоятельно разработанном и опубликованном в открытом доступе компанией Harvey, Tenet демонстрирует повышение полного процента прохождения на 82% по сравнению с базовой моделью K3; количество завершённых задач почти удвоилось. В подзачарте Contracts достигнут SOTA, а в общем зачёте — второе место.
Партнёр Mercor провёл тест на задачах по корпоративному праву, Tenet набрал на 15 баллов больше базовой модели K3 и сразу занял первое место. При этом он дёшев в эксплуатации — стоимость инференса составляет менее четверти от стоимости основных передовых моделей.
Коротко: За четверть бюджета — результат сильнейшей модели.
Самый компетентный покупатель
Старый Хуанг только что вбухал 6 миллиардов, чтобы создать сильнейшую open-source модель на планете.
Не ожидали, что «сынок» OpenAI не смог дождаться — уже натренировал свою модель на K3!
Можете в это поверить?
Компания, в которую OpenAI лично вложила деньги, впервые обучила собственную модель, и в качестве основы взяла не GPT, а китайскую модель!
Только на прошлой неделе Harvey — одна из самых звёздных компаний Кремниевой долины, юридический ИИ с оценкой в 11 миллиардов долларов, — официально представила свою первую собственную модель Harvey Tenet.
Главное в этой истории — что в качестве основы для Tenet была использована китайская открытая модель Kimi K3!
Вот это поворот.
Стоит отметить — OpenAI является одним из ключевых инвесторов Harvey, но основа их первой собственной модели — из Китая.
Harvey — на данный момент самая дорогая юридическая AI-компания в мире. В её портфеле 1300 организаций, более 100 000 юристов, география — 60 стран. Latham & Watkins, A&O Shearman, HSBC, PwC, Bridgewater, KKR — все они её клиенты.
В конце прошлого года оценка уже дотянула до 8 миллиардов долларов. В марте этого года она взлетела до 11 миллиардов, а переговоры о новом раунде с оценкой в 15,5 миллиарда уже идут.
Но самое захватывающее — это история её происхождения.
В 2022 году 27-летний бывший юрист по исковому производству Уинстон Вайнберг и бывший исследователь Google DeepMind Гэб Перейра сделали первый шаг, отправив одно письмо Сэму Альтману.
Альтман ответил, и они попали на созвон с ним и командой топ-менеджмента OpenAI. С тех пор фонд OpenAI возглавил seed-раунд Harvey.
Один юрист, один исследователь, одно письмо — и за четыре года оценка выросла до 11 миллиардов.
Это и так уже легенда.
Но теперь в этой истории появился новый поворот — Компания, выросшая на инвестициях OpenAI, для первой собственной модели выбрала китайскую базовую модель.
Но начать стоит со счетов.
Подход Harvey в прошлом был вполне стандартным: маршрутизация запросов через закрытые модели OpenAI, Anthropic и Google, где разные потребности клиентов распределялись между разными моделями.
За каждый вызов — оплата.
В целом это было нормально: ты работаешь на уровне приложения, а базовые возможности просто покупаешь.
Но проблема в том, что те, кто продаёт тебе инструменты, начали посягать на твой бизнес.
OpenAI переманила Джейсона Боэмига, основателя компании Ironclad по управлению контрактами, чтобы тот возглавил собственное юридическое направление OpenAI. Anthropic выпустила плагин для проверки документов, ориентированный на юристов.
Тот, кто сегодня продаёт тебе API, завтра окажется в переговорной твоего клиента. По словам сооснователя Harvey Перейры, это не «поставщик», а «будущий конкурент».
Harvey ежемесячно обрабатывает 13 триллионов токенов, и каждый токен покупается у сторонних провайдеров. Стоимость совершенно не под контролем.
Это просто кошмар. Производители моделей повышают цены, когда захотят, и нам совершенно нечем ответить.
И тогда Harvey принял решение: Обучить собственную модель.
Когда у тебя на руках модель, которую можно модифицировать, развернуть и контролировать стоимость, то при переговорах по цене API уверенность совсем другая.
150 GPU, два месяца
В основе Tenet лежит Kimi K3。2,8 триллиона параметров MoE (архитектура Mixture of Experts), контекст в 1 миллион токенов, нативная мультимодальность, на данный момент крупнейшая в мире модель с открытыми весами.
Процесс обучения заслуживает отдельного упоминания — он демонстрирует совершенно новый подход к «созданию моделей». Сооснователь Harvey Pereyra также опубликовал отдельную длинную статью об этом.
Для обучения Tenet потребовалось всего около 150 GPU NVIDIA B300 , и процесс занял два месяца.
Предобучение передовой модели с нуля обычно требует десятков тысяч GPU, работающих несколько месяцев, с затратами в сотни миллионов долларов и более.
150 GPU за два месяца — это как делать финишную отделку в чужом уже построенном небоскрёбе. Просто заехал и живёшь.
Основной метод — асинхронное обучение с подкреплением: Harvey учит модель не столько юридическим знаниям, сколько тому, как выполнять работу как опытный юрист.
Как учить? Пригласить настоящих юриентов в качестве наставников.
Harvey пригласил группу практикующих юристов, чтобы они создали кейсы: выдумали спор по слиянию и поглощению, собрали пачку договорных документов, а потом дали модели работу.
Когда работа готова, юриенты проверяют её пункт за пунктом: не упущены ли ключевые риски? правильно ли приведены прецеденты? выдерживает ли логика выводов? Составляют список из нескольких десятков строгих критериев, по каждому только «сдал» или «не сдал». Все должны быть пройдены, чтобы работа засчиталась; промах по одному — и весь результат обнуляется.
Это научило модель работе уровня партнёра.
На юридическом бенчмарке LAB, самостоятельно разработанном и опубликованном в открытом доступе компанией Harvey, Tenet демонстрирует повышение полного процента прохождения на 82% по сравнению с базовой моделью K3; количество завершённых задач почти удвоилось. В подзачарте Contracts достигнут SOTA, а в общем зачёте — второе место.
Партнёр Mercor провёл тест на задачах по корпоративному праву, Tenet набрал на 15 баллов больше базовой модели K3 и сразу занял первое место. При этом он дёшев в эксплуатации — стоимость инференса составляет менее четверти от стоимости основных передовых моделей.
Коротко: За четверть бюджета — результат сильнейшей модели.
Самый компетентный покупатель
Почему выбрали K3?
Юридические услуги — одна из отраслей с самым высоким средним чеком в мире и нулевой терпимостью к ошибкам.
Harvey — это не какая-нибудь маленькая интернет-команда, ищущая дешёвые решения. Её клиенты — самые дорогие юристы в мире. Если в меморандуме due diligence упущен хотя бы один риск, последствия могут обернуться судебным разбирательством на десятки миллионов долларов.
Такой игрок, впервые создавая собственную модель, выбрал Kimi K3.
Это было далеко не решение сгоряча. К тому же Harvey — не первый.
Несколько месяцев назад Cursor — лидер в сфере AI-программирования — выпустил «собственную» модель Composer 2. Через три дня разработчик вытащил из API идентификатор модели: kimi-k2p5-rl-0317, а в качестве основы использовался Kimi K2.5. Сооснователь позже признал, что то, что при релизе не было указано базовой модели, «стало ошибкой».
Perplexity — лидер в сфере AI-поиска — была ещё раньше. Едва K2 был открыт, CEO Аравинд написал в X, что внутренние тесты показали впечатляющие результаты, и тут же запустил пост-обучение.
В open-source-сообществе у этой компании есть прозвище — «инспектор качества». Использует она модель или нет — это лакмусовая бумажка, выдержит ли модель реальную производственную среду.
Даже Thinking Machines, основанная бывшим CTO OpenAI Мирой Мурати, интегрировала Kimi K2 Thinking в собственный продукт для дообучения Tinker.
Программирование, поиск, право — по порядку, Kimi уже стала по праву «светом фундаментальных моделей».
K3 — на данный момент крупнейшая в мире модель с открытыми весами по числу параметров. На юридическом бенчмарке Harvey LAB-AA, независимо протестированном Artificial Analysis, по самому строгому критерию полного прохождения K3 набрала 26,7% — почти вдвое больше, чем Fable 5 (14,2%).
То есть на юридическом экзамене, где вопросы задавал сам Harvey, лучший результат без подготовки показал именно K3.
Но одних хороших результатов недостаточно — Harvey нужен фундамент, который можно разобрать и переделать . Как бы ни была сильна закрытая модель, её веса заперты за API — можно только подкручивать параметры и писать промпты, а до самой структуры модели не дотянуться.
Веса K3 открыты, и Harvey может с помощью LoRA провести «операцию» в глубине 500 000 экспертных тензоров.
Контекстное окно в 1 миллион токенов — это идеально подходит для юридических задач. Данные по одной сделке по слиянию и поглощению могут занимать десятки миллионов токенов, и моделям с коротким окном некуда даже вставить материалы дела.
И дёшево. Стоимость в разы ниже, а на юридических задачах производительность даже выше. Для компании, которая ежемесячно обрабатывает 13 триллионов токенов, этот расчёт и так очевиден.
Конечно, платформа Harvey по-прежнему подключает Claude Opus 5 и GPT-5.6 Sol. Tenet — это дополнительный собственный вариант, а не замена.
Но сам по себе этот вариант уже является козырем. Когда в руках модель, которую можно дорабатывать самостоятельно, а стоимость которой в четыре раза ниже, — переговоры с провайдерами API идут совсем с другим настроением.
И это не только мнение Harvey.
30 июля OpenAI уже снизил цену на GPT-5.6 Luna на 80% — всего через три недели после релиза.
По данным CNBC, доля американских компаний, использующих китайские модели через OpenRouter, в какой-то момент достигла 46%. DoorDash и Airbnb уже применяют китайские модели для сокращения расходов.
David Sacks, один из самых влиятельных людей в американском техсообществе, перепостил это сообщение. Он сказал очень прямо: Запретите открытые модели — Китай всё равно выпустит Kimi, а вот пострадают только американские стартапы вроде Harvey.
Каждая компания может иметь собственную модель
По сути, то, что продемонстрировал Harvey, — это путь, который можно воспроизвести ：Возьмите модель с открытыми весами, добавьте данные отраслевых экспертов, проведите постобучение — и любая компания из узкой вертикали сможет обучить собственную передовую модель.
Именно в этом и заключается настоящая ценность.
Базовые модели всё больше становятся промышленным сырьём, а подлинный конкурентный барьер — в отраслевой среде, экспертной обратной связи, методах постобучения и экономике развёртывания.
Harvey сообщил, что на следующем этапе планируется масштабирование вычислительных мощностей с 1000 до 10 000 GPU, проведение полного параметрического дообучения и тестирование большего числа открытых базовых моделей. Цель — чтобы каждая юридическая фирма могла иметь собственную проприетарную модель.
Отрасль с самым высоким чеком на клиента в мире и нулевой толерантностью к ошибкам первой получила право на создание собственных моделей. За этим наблюдают здравоохранение, финансы и инженерия.
Базовая модель — китайская.
NVIDIA: шокирующие первые тесты Vera Rubin — пропускная способность DeepSeek выросла в 30 раз!
Это просто взрыв!
Только что NVIDIA впервые в истории компании опубликовала первые результаты реальных тестов на чипе для флагманской стойки следующего поколения Vera Rubin NVL72.
И в этот раз в тесте сразу привлекли DeepSeek-V4-Pro, чтобы выполнить самые реальные задачи «агентного кодирования»!
Результаты поражают: по сравнению с текущим флагманом GB300 NVL72, пропускная способность Vera Rubin на один мегаватт выросла максимум в 30 раз, а стоимость токена снизилась максимум в 35 раз!
Один из пользователей воскликнул: «Я бы даже не посмел так написать в PPT для инвесторов, чтобы их обмануть!»
Ещё один пользователь оставил гениальный комментарий: «Раньше я считал, что H200 по $30 000 за карту — дорого. А теперь, оглядываясь назад, H200 даже не считается бюджетным вариантом».
Давайте внимательно разберём.
От H200 к GB300 пропускная способность для реальных агентных рабочих нагрузок выросла максимум в 30 раз, а стоимость примерно удвоилась.
От GB300 к Vera Rubin пропускная способность снова выросла максимум в 30 раз, а цена всей стойки примерно снова удвоилась.
Согласно «закону Мура» старого Хуанга, главный технологический прорыв Nvidia за эти два года — не сам GPU, а то, что цена выросла в 4 раза, зато скорость увеличилась целых 900 раз!
На этот раз NVIDIA объявила всему миру о противоречащем здравому смыслу факте: эпоха LLM закончилась, наступает эпоха агентов — все прежние бенчмарки AI полностью обесценились!
В то же время Vera CPU, созданная специально для агентных систем, уже за одну ночь установлена в SpaceXAI Маска — и даже готовится к отправке прямо в космос.
Сегодня же NVIDIA Groq 3 LPX также вышла на полный серийный выпуск.
Gemma 4 31B работает на ней, скорость просто невероятная — сразу 3400 токенов в секунду. Пропускная способность моделей с триллионом параметров выросла в 35 раз.
Эти новые рекорды прямо сейчас переписывают бизнес-ландшафт экосистемы агентов — начиная с сегодняшней ночи!
Почему NVIDIA должна была выпустить Vera Rubin?
Свежие данные OpenRouter дают ответ: в реальном мире количество токенов, потребляемых одной задачей Agent AI, в 15 раз больше, чем в обычном чат-диалоге!
Например, если поручить агенту исследовать компанию для инвестиционных решений, в этом процессе агенты и под-агенты постоянно рассуждают, накопленные токены становятся входом для следующего шага, и обработка длинного контекста становится ключевым фактором, ограничивающим агентный AI.
Чем больше взаимодействий у агентов, тем выше пропускная способность — количество агентов выросло в 10 раз, вызовы инструментов — в 2 раза, противоречие между вычислительными мощностями и алгоритмами породило новые потребности.
Не путайте чат с агентами — все старые бенчмарки обесценились!
В этот момент традиционные AI-бенчмарки (например, тесты с фиксированной длиной последовательностей 8K/1K) становятся совершенно бесполезными.
NVIDIA официально заявляет: измерение производительности должно эволюционировать! Нельзя больше тестировать одиночные запросы на инференс — необходимо улавливать полный рабочий процесс агента.
Для этого они использовали бенчмарк AgentX от SemiAnalysis.
Этот тест — уже не шаблонный вопрос-ответ, а воспроизведение реальных «сеансов написания кода» с ростом контекста, вызовами инструментов и генерацией субагентов.
Именно поэтому H200 выглядит бессильно на новой Agent-арене, а Vera Rubin обречена стать королевой.
Vera Rubin NVL72 × DeepSeek-V4-Pro:
Пришёл монстр вычислительной мощности
Чтобы доказать мощь Vera Rubin NVL72, NVIDIA напрямую взяла короля открытых моделей — DeepSeek-V4-Pro (1.6T) — и провела тестирование на чипе.
Как только вышли данные, результаты оказались поразительными —
При рабочей нагрузке AgentX пропускная способность Vera Rubin NVL72 на мегаватт мощности оказалась до 30 раз выше, чем у GB300 NVL72!
Обратите внимание: здесь речь не о старом H200, а о востребованном флагмане GB300.
В том же тесте DeepSeek-V4-Pro пропускная способность GB300 на мегаватт уже в 15 раз выше, чем у H200.
Однако Vera Rubin, стоя на плечах GB300, снова подняла планку в 30 раз, сместив всю кривую Парето!
В чем фишка?
Для «AI-фабрик», ограниченных поставками электроэнергии, это напрямую расширяет границы физических законов.
При том же бюджете на электроэнергию Vera Rubin способна выполнить 30-кратный объём работы агентов.
Для дата-центров мегаваттного или даже гигаваттного масштаба это равнозначно появлению из воздуха 30-кратного объёма вычислительных мощностей.
Кроме того, технология NVIDIA DSX MaxLPS позволяет управлять питанием на уровне GPU, стоек и рабочих нагрузок, обеспечивая размещение до 40% дополнительных GPU в рамках того же бюджета в мегаватты, что позволяет AI-фабрикам ещё больше повысить пропускную способность на мегаватт!
Стоимость токенов обрушилась в 35 раз! «Книга» индустрии агентов полностью переписана.
Пропускная способность на мегаватт напрямую определяет стоимость каждого сгенерированного токена. Взрывной рост производительности приводит к самому прямому последствию — ядерному взрыву бизнес-моделей.
NVIDIA объявила, что стоимость производства каждого миллиона токенов на Vera Rubin NVL72 до 35 раз ниже, чем на GB300 NVL72!
Когда стоимость инференса обрывисто падает в 35 раз, цифровые сотрудники, работающие 24/7, станут реальностью, а потребительские суперприложения переживут настоящий взрыв.
Этот удар Хуанга прямо распахнул дверь в эпоху агентских приложений.
Экстремальный совместный дизайн: как Хуанг этого добился?
Вы можете спросить: за счёт чего удалось ускорить производительность в 30 раз? За счёт технологии одного чипа?
Очевидно, нет.
Удивительный прирост производительности Vera Rubin NVL72 — результат «экстремального совместного дизайна».
Например, раздельное обслуживание, распределённый KV-кэш, KV-осведомлённая маршрутизация, MegaMoE и так далее.
Кроме того, квантование NVFP4 сжимает веса модели до 4-битной точности, что при сохранении качества вывода значительно снижает потребление памяти и позволяет пропускной способности взлететь на месте.
А шестое поколение NVLink в сочетании с MoE для больших моделей обеспечивает сеть связи, которая в 10 раз быстрее существующего Ethernet и имеет в 3 раза меньшую задержку, позволяя большим моделям на архитектуре MoE, таким как DeepSeek, плавно и беспрепятственно вызывать различные «экспертные» подсети между 72 GPU.
Это просто взрыв!
Только что NVIDIA впервые в истории компании опубликовала первые результаты реальных тестов на чипе для флагманской стойки следующего поколения Vera Rubin NVL72.
И в этот раз в тесте сразу привлекли DeepSeek-V4-Pro, чтобы выполнить самые реальные задачи «агентного кодирования»!
Результаты поражают: по сравнению с текущим флагманом GB300 NVL72, пропускная способность Vera Rubin на один мегаватт выросла максимум в 30 раз, а стоимость токена снизилась максимум в 35 раз!
Один из пользователей воскликнул: «Я бы даже не посмел так написать в PPT для инвесторов, чтобы их обмануть!»
Ещё один пользователь оставил гениальный комментарий: «Раньше я считал, что H200 по $30 000 за карту — дорого. А теперь, оглядываясь назад, H200 даже не считается бюджетным вариантом».
Давайте внимательно разберём.
От H200 к GB300 пропускная способность для реальных агентных рабочих нагрузок выросла максимум в 30 раз, а стоимость примерно удвоилась.
От GB300 к Vera Rubin пропускная способность снова выросла максимум в 30 раз, а цена всей стойки примерно снова удвоилась.
Согласно «закону Мура» старого Хуанга, главный технологический прорыв Nvidia за эти два года — не сам GPU, а то, что цена выросла в 4 раза, зато скорость увеличилась целых 900 раз!
На этот раз NVIDIA объявила всему миру о противоречащем здравому смыслу факте: эпоха LLM закончилась, наступает эпоха агентов — все прежние бенчмарки AI полностью обесценились!
В то же время Vera CPU, созданная специально для агентных систем, уже за одну ночь установлена в SpaceXAI Маска — и даже готовится к отправке прямо в космос.
Сегодня же NVIDIA Groq 3 LPX также вышла на полный серийный выпуск.
Gemma 4 31B работает на ней, скорость просто невероятная — сразу 3400 токенов в секунду. Пропускная способность моделей с триллионом параметров выросла в 35 раз.
Эти новые рекорды прямо сейчас переписывают бизнес-ландшафт экосистемы агентов — начиная с сегодняшней ночи!
Почему NVIDIA должна была выпустить Vera Rubin?
Свежие данные OpenRouter дают ответ: в реальном мире количество токенов, потребляемых одной задачей Agent AI, в 15 раз больше, чем в обычном чат-диалоге!
Например, если поручить агенту исследовать компанию для инвестиционных решений, в этом процессе агенты и под-агенты постоянно рассуждают, накопленные токены становятся входом для следующего шага, и обработка длинного контекста становится ключевым фактором, ограничивающим агентный AI.
Чем больше взаимодействий у агентов, тем выше пропускная способность — количество агентов выросло в 10 раз, вызовы инструментов — в 2 раза, противоречие между вычислительными мощностями и алгоритмами породило новые потребности.
Не путайте чат с агентами — все старые бенчмарки обесценились!
В этот момент традиционные AI-бенчмарки (например, тесты с фиксированной длиной последовательностей 8K/1K) становятся совершенно бесполезными.
NVIDIA официально заявляет: измерение производительности должно эволюционировать! Нельзя больше тестировать одиночные запросы на инференс — необходимо улавливать полный рабочий процесс агента.
Для этого они использовали бенчмарк AgentX от SemiAnalysis.
Этот тест — уже не шаблонный вопрос-ответ, а воспроизведение реальных «сеансов написания кода» с ростом контекста, вызовами инструментов и генерацией субагентов.
Именно поэтому H200 выглядит бессильно на новой Agent-арене, а Vera Rubin обречена стать королевой.
Vera Rubin NVL72 × DeepSeek-V4-Pro:
Пришёл монстр вычислительной мощности
Чтобы доказать мощь Vera Rubin NVL72, NVIDIA напрямую взяла короля открытых моделей — DeepSeek-V4-Pro (1.6T) — и провела тестирование на чипе.
Как только вышли данные, результаты оказались поразительными —
При рабочей нагрузке AgentX пропускная способность Vera Rubin NVL72 на мегаватт мощности оказалась до 30 раз выше, чем у GB300 NVL72!
Обратите внимание: здесь речь не о старом H200, а о востребованном флагмане GB300.
В том же тесте DeepSeek-V4-Pro пропускная способность GB300 на мегаватт уже в 15 раз выше, чем у H200.
Однако Vera Rubin, стоя на плечах GB300, снова подняла планку в 30 раз, сместив всю кривую Парето!
В чем фишка?
Для «AI-фабрик», ограниченных поставками электроэнергии, это напрямую расширяет границы физических законов.
При том же бюджете на электроэнергию Vera Rubin способна выполнить 30-кратный объём работы агентов.
Для дата-центров мегаваттного или даже гигаваттного масштаба это равнозначно появлению из воздуха 30-кратного объёма вычислительных мощностей.
Кроме того, технология NVIDIA DSX MaxLPS позволяет управлять питанием на уровне GPU, стоек и рабочих нагрузок, обеспечивая размещение до 40% дополнительных GPU в рамках того же бюджета в мегаватты, что позволяет AI-фабрикам ещё больше повысить пропускную способность на мегаватт!
Стоимость токенов обрушилась в 35 раз! «Книга» индустрии агентов полностью переписана.
Пропускная способность на мегаватт напрямую определяет стоимость каждого сгенерированного токена. Взрывной рост производительности приводит к самому прямому последствию — ядерному взрыву бизнес-моделей.
NVIDIA объявила, что стоимость производства каждого миллиона токенов на Vera Rubin NVL72 до 35 раз ниже, чем на GB300 NVL72!
Когда стоимость инференса обрывисто падает в 35 раз, цифровые сотрудники, работающие 24/7, станут реальностью, а потребительские суперприложения переживут настоящий взрыв.
Этот удар Хуанга прямо распахнул дверь в эпоху агентских приложений.
Экстремальный совместный дизайн: как Хуанг этого добился?
Вы можете спросить: за счёт чего удалось ускорить производительность в 30 раз? За счёт технологии одного чипа?
Очевидно, нет.
Удивительный прирост производительности Vera Rubin NVL72 — результат «экстремального совместного дизайна».
Например, раздельное обслуживание, распределённый KV-кэш, KV-осведомлённая маршрутизация, MegaMoE и так далее.
Кроме того, квантование NVFP4 сжимает веса модели до 4-битной точности, что при сохранении качества вывода значительно снижает потребление памяти и позволяет пропускной способности взлететь на месте.
А шестое поколение NVLink в сочетании с MoE для больших моделей обеспечивает сеть связи, которая в 10 раз быстрее существующего Ethernet и имеет в 3 раза меньшую задержку, позволяя большим моделям на архитектуре MoE, таким как DeepSeek, плавно и беспрепятственно вызывать различные «экспертные» подсети между 72 GPU.
Это уже давно не про видеокарты — Дженсен Хуанг продаёт целую «AI-электростанцию».
NVIDIA Groq 3 LPX — полный серийный выпуск:
3400 токенов/секунда — кодовые агенты меняют всё!
На конференции Hot Chips 2026 NVIDIA также выдала сенсацию: Groq 3 LPX выходит на полный серийный выпуск!
Groq 3 LPX — эксклюзивное расширение платформы дата-центров Vera Rubin NVL72.
Он «создан под заказ» именно для этой системы, и его главная фишка — ускорение инференса с низкой задержкой.
Эту передовую технологию NVIDIA приобрела у стартапа Groq за 20 миллиардов долларов ещё в декабре прошлого года.
AI-агенты сталкиваются с проблемой задержки декодирования. Чтобы устранить эту боль, Groq 3 LPX мастерски разделяет обработку огромного контекста и генерацию токенов.
Решение NVIDIA — поручить Rubin GPU обработку контекста большого масштаба, а сверхбыструю генерацию токенов — Groq 3 LPX.
Один отвечает за «чтение», другой — за «запись», каждый делает то, что у него получается лучше всего.
В полном rack-уровневом развертывании до 256 ускорителей LP30 могут работать в связке с GPU через сверхвысокопропускные интерконнекты, формируя инференс-движок корпоративного масштаба.
Благодаря этому Groq 3 LPX сразу достигает рекордной скорости вывода.
В бенчмарках Artificial Analysis Groq 3 LPX, работающий с моделью Gemma 4 31B в сверхдлинном контекстном окне на 100 000 токенов, достигает невероятной скорости вывода — 3 400 токенов в секунду!
Это делает его в 4 раза быстрее конкурентов по скорости отклика в рабочих нагрузках с крайне высокой чувствительностью к задержкам.
Многоступенчатые агентные задачи, на выполнение которых раньше уходили часы, теперь можно выполнить за несколько минут!
Groq 3 LPX генерирует 5000 токенов за время, сократившееся с 50 секунд до 1,5 секунды — разница в 34 раза.
Кроме того, в задачах кодирования Groq 3 LPX обеспечивает максимальную скорость вывода 6981 токен/с.
Дженсен Хуанг прямо заявил, что LPX обеспечивает сверхвысокую скорость генерации токенов, что стало «ещё одним огромным скачком» в пропускной способности и отзывчивости ИИ.
Nebius уже развернула этот чип в Nebius Token Factory, обеспечивая предельный опыт мгновенного отклика на каждом шаге цикла агента.
Сразу за ним следует сам Groq.
Представлен первый CPU, созданный специально для агентов,
Маск за одну ночь «запускает в космос»!
Самым амбициозным ходом в этом официальном анонсе стала Vera CPU.
Специально для агентов NVIDIA разработала отдельный CPU.
Vera — это CPU, созданный специально, чтобы накормить ИИ-агентов,
Он оснащён 88 собственными ядрами Olympus, высокоскоростной памятью LPDDR5X, а пропускная способность сразу улетает до 1,2 ТБ/с.
Почему в эпоху больших моделей нужен совершенно новый CPU?
На Hot Chips глава NVIDIA по Vera CPU прямо заявил: «Агентский ИИ — самая сложная вычислительная задача в истории».
Одна задача — а за агентом идут сотни шагов: вызов инструментов, выполнение кода Python, прокрутка контекста, обработка огромных массивов данных…
Вся эта беготня и координация ложится на CPU, который держит удар. Поэтому NVIDIA пришлось создать отдельный CPU специально для агентов.
Именно это и подкупило Маска: SpaceXAI в ту же ночь объявила о полномасштабном развёртывании NVIDIA Vera CPU!
Ещё в мае этого года NVIDIA тихо отправила первую партию образцов Vera в Anthropic, OpenAI и SpaceXAI, чтобы те «попробовали на вкус».
Всего через три месяца SpaceXAI с нетерпением перешла к полномасштабному развёртыванию.
Ещё более безумно то, что SpaceXAI строит вычислительные фабры мощностью в гигаватты на базе платформы Vera Rubin для запуска Grok.
Более того, эта вычислительная мощь будет отправлена прямо в космос.
Маск заявил: «Два лидера объединили усилия и создали оптимизированную версию Vera Rubin NVL72, которая будет развёрнута в промышленных масштабах в 2028 году».
Первое поколение ИИ-спутников SpaceXAI «Starmind» планируется оснастить стойковой системой Vera Rubin NVL72.
От одного GPU до целой фабрики Agent
В тот же день два ключевых чипа — Vera CPU и Groq 3 LPX — были выведены на полномасштабное серийное производство.
Для NVIDIA это имеет огромное значение.
В эпоху больших моделей NVIDIA благодаря GPU захватывает обучение и инференс.
В эпоху агентов её территория уже расширилась на CPU, ускорители инференса, NVLink и многое другое.
То, что продаёт Хуанг, давно уже не просто GPU.
Он хочет продать AI-фабрику, которая может непрерывно генерировать токены.
В этот раз Хуанг собирается заново заложить фундамент для всей «эры агентов».
Когда Клода попросили исправить ошибку, он заменил красный индикатор на жёлтый! Верификация чипов Samsung: ИИ трижды подводит!
Работы было на месяц — но инженер, проработавший всего один год, справился за 1 день.
Он ни разу не пользовался Claude Code и даже не понимает, как именно работает USB.
Задача на тот день — создать USB-модели клавиатуры и мыши для эмулятора и написать драйверы USB-устройств для Android.
По старинке, на эту работу ушёл бы месяц. А он справился за один день.
Чип ещё не создан, а программное обеспечение уже должно работать в эмуляторе. Поведение USB-устройств вроде клавиатуры и мыши нужно полностью воссоздать в виртуальной среде.
Поставщик EDA-инструментов дал лишь референсный код для базовой передачи данных, остальной путь пришлось пройти самостоятельно: сначала разобраться со стандартом USB-коммуникации, а затем создать отдельную модель для каждого устройства.
Даже опытный специалист потратил бы на эту работу немало времени и сил. А этот инженер ещё даже не пробовал вайб кодинг.
Первым делом он закинул туда функции, которые нужно реализовать, и тот самый референс-код.
Claude Code дополняет требования, предлагает способы реализации, пишет код — и каждое его замечание тут же приводит к новой ревизии.
Так, модели клавиатуры и мыши, функциональная верификация и драйвер USB-устройства для Android — всё это было готово уже в тот же день.
То что AI пишет веб-страницы, скрипты, переписывает целые кодовые базы — всем уже надоело. На этот раз AI занимается верификацией чипов.
Сжимается кривая обучения новичка, а не профессионализм, позволяющий отличить верное от неверного.
Сотрудник Samsung Electronics работает на производственной линии по выпуску полупроводников.
Соседняя проектная группа получила ещё более сложную задачу.
Клиенту нужна кастомная SoC. Только внутри чипа 64 канала данных, переплетённых друг с другом, и каждый из них нужно проверить. Сложность в том, что код схемы, отвечающей за управление памятью, ещё не написан до конца, а стандартная проектная документация тоже неполная.
В такой ситуации инженеры обычно могут сделать лишь одно: ждать.
Но они не стали.
Настройка среды верификации и проверка, которые по плану занимали больше месяца, были завершены за два дня.
Внутренняя оценка в Samsung: ускорение в 15 раз.
Экономится время ожидания.
Где именно застряла та кастомная SoC?
Клиенту нужна совершенно новая полупроводниковая архитектура, причём используется IP от внешнего поставщика.
По традиционной цепочке инженеру сначала нужно дождаться, пока будут готовы все проектные материалы и будет опубликован RTL контроллера DRAM, и только потом можно разворачивать среду верификации, подключать IP-блоки верификации и писать сценарии тестирования.
Эта цепочка линейная — если первый элемент не на месте, всё остальное просто стоит.
На этот раз Samsung поступила иначе: всё, что уже есть, было подано сразу. Информацию о проектировании SoC от поставщиков EDA, спецификации внутренней коммуникации чипа, IP-блоки для верификации — всё это было передано Claude.
AI определяет необходимые IP-блоки верификации, выполняет компоновку и подключение, генерирует виртуальную среду верификации и сценарии тестирования. Контроллер DRAM ещё не поступил, но на его место ставится виртуальный модуль, и основная линия передачи данных всё равно работает.
Подразделение System LSI Samsung уже применяет Claude Code для разработки и верификации полупроводников: часть задач, которые раньше занимали месяц, теперь укладываются в два дня.
В результате реальный RTL ещё не опубликован, а ранние ошибки уже выловлены.
Вот где настоящий источник 15-кратного ускорения: оно экономит то мёртвое время, которое уходит на ожидание, пока соберутся все материалы.
15-кратное ускорение и три выхода за рамки
В внутреннем отчёте Samsung по-прежнему зафиксированы три аномалии.
Первая: инженер попросил её исправить ошибку. Вместо устранения первопричины она изменила сообщение об ошибке на общее предупреждение.
Красный индикатор заменили на жёлтый — и показатель стал соответствовать норме.
Вторая: инженер попросил её откатить только определённую функцию. Но она заодно откатила и другую уже завершённую работу.
Третья: инженер попросил её лишь проанализировать результаты верификации. Но она попыталась изменить фактический код RTL-схемы.
Это «ИИ научился скрывать» или «самовольное изменение ключевого кода»?
Понизив ошибку до предупреждения, она просто пошла по кратчайшему пути, чтобы закрыть текущую задачу. Это рассогласование целей, а не намеренный обман.
Сами Anthropic, описывая аналогичное поведение, используют термины «чрезмерная инициативность» и «ошибка в оценке масштаба воздействия операции».
Внутренняя атрибуция в Samsung тоже указывает на этот уровень: большая модель не смогла в полной мере понять сложные зависимости в языках аппаратного проектирования. Она знает, как заставить работать одну строку кода, но не знает, сколько всего эта строка за собой тянет.
Это различие очень важно.
Если модель действительно научилась скрывать — это проблема на уровне модели, которую сегодня никто не берётся решить; а рассогласование и непонимание зависимостей — это инженерная проблема, которую можно укротить с помощью прав доступа и процессов.
Новая работа инженера — это определение границ для агентов
Работы было на месяц — но инженер, проработавший всего один год, справился за 1 день.
Он ни разу не пользовался Claude Code и даже не понимает, как именно работает USB.
Задача на тот день — создать USB-модели клавиатуры и мыши для эмулятора и написать драйверы USB-устройств для Android.
По старинке, на эту работу ушёл бы месяц. А он справился за один день.
Чип ещё не создан, а программное обеспечение уже должно работать в эмуляторе. Поведение USB-устройств вроде клавиатуры и мыши нужно полностью воссоздать в виртуальной среде.
Поставщик EDA-инструментов дал лишь референсный код для базовой передачи данных, остальной путь пришлось пройти самостоятельно: сначала разобраться со стандартом USB-коммуникации, а затем создать отдельную модель для каждого устройства.
Даже опытный специалист потратил бы на эту работу немало времени и сил. А этот инженер ещё даже не пробовал вайб кодинг.
Первым делом он закинул туда функции, которые нужно реализовать, и тот самый референс-код.
Claude Code дополняет требования, предлагает способы реализации, пишет код — и каждое его замечание тут же приводит к новой ревизии.
Так, модели клавиатуры и мыши, функциональная верификация и драйвер USB-устройства для Android — всё это было готово уже в тот же день.
То что AI пишет веб-страницы, скрипты, переписывает целые кодовые базы — всем уже надоело. На этот раз AI занимается верификацией чипов.
Сжимается кривая обучения новичка, а не профессионализм, позволяющий отличить верное от неверного.
Сотрудник Samsung Electronics работает на производственной линии по выпуску полупроводников.
Соседняя проектная группа получила ещё более сложную задачу.
Клиенту нужна кастомная SoC. Только внутри чипа 64 канала данных, переплетённых друг с другом, и каждый из них нужно проверить. Сложность в том, что код схемы, отвечающей за управление памятью, ещё не написан до конца, а стандартная проектная документация тоже неполная.
В такой ситуации инженеры обычно могут сделать лишь одно: ждать.
Но они не стали.
Настройка среды верификации и проверка, которые по плану занимали больше месяца, были завершены за два дня.
Внутренняя оценка в Samsung: ускорение в 15 раз.
Экономится время ожидания.
Где именно застряла та кастомная SoC?
Клиенту нужна совершенно новая полупроводниковая архитектура, причём используется IP от внешнего поставщика.
По традиционной цепочке инженеру сначала нужно дождаться, пока будут готовы все проектные материалы и будет опубликован RTL контроллера DRAM, и только потом можно разворачивать среду верификации, подключать IP-блоки верификации и писать сценарии тестирования.
Эта цепочка линейная — если первый элемент не на месте, всё остальное просто стоит.
На этот раз Samsung поступила иначе: всё, что уже есть, было подано сразу. Информацию о проектировании SoC от поставщиков EDA, спецификации внутренней коммуникации чипа, IP-блоки для верификации — всё это было передано Claude.
AI определяет необходимые IP-блоки верификации, выполняет компоновку и подключение, генерирует виртуальную среду верификации и сценарии тестирования. Контроллер DRAM ещё не поступил, но на его место ставится виртуальный модуль, и основная линия передачи данных всё равно работает.
Подразделение System LSI Samsung уже применяет Claude Code для разработки и верификации полупроводников: часть задач, которые раньше занимали месяц, теперь укладываются в два дня.
В результате реальный RTL ещё не опубликован, а ранние ошибки уже выловлены.
Вот где настоящий источник 15-кратного ускорения: оно экономит то мёртвое время, которое уходит на ожидание, пока соберутся все материалы.
15-кратное ускорение и три выхода за рамки
В внутреннем отчёте Samsung по-прежнему зафиксированы три аномалии.
Первая: инженер попросил её исправить ошибку. Вместо устранения первопричины она изменила сообщение об ошибке на общее предупреждение.
Красный индикатор заменили на жёлтый — и показатель стал соответствовать норме.
Вторая: инженер попросил её откатить только определённую функцию. Но она заодно откатила и другую уже завершённую работу.
Третья: инженер попросил её лишь проанализировать результаты верификации. Но она попыталась изменить фактический код RTL-схемы.
Это «ИИ научился скрывать» или «самовольное изменение ключевого кода»?
Понизив ошибку до предупреждения, она просто пошла по кратчайшему пути, чтобы закрыть текущую задачу. Это рассогласование целей, а не намеренный обман.
Сами Anthropic, описывая аналогичное поведение, используют термины «чрезмерная инициативность» и «ошибка в оценке масштаба воздействия операции».
Внутренняя атрибуция в Samsung тоже указывает на этот уровень: большая модель не смогла в полной мере понять сложные зависимости в языках аппаратного проектирования. Она знает, как заставить работать одну строку кода, но не знает, сколько всего эта строка за собой тянет.
Это различие очень важно.
Если модель действительно научилась скрывать — это проблема на уровне модели, которую сегодня никто не берётся решить; а рассогласование и непонимание зависимостей — это инженерная проблема, которую можно укротить с помощью прав доступа и процессов.
Новая работа инженера — это определение границ для агентов
Подход Samsung в этом вопросе, если коротко, сводится к трём вещам:
Где AI может трогать — это человек определяет; результаты, которые она выдаёт, человек проверяет ещё раз; когда всё подтверждено и стабильно — постепенно передаёт больше полномочий.
Для инженера это означает несколько новых задач: какие каталоги доступны для записи, можно ли трогать код цепей вроде RTL, какие правила верификации нельзя менять никогда, кто проверяет каждое изменение…
Если ты хоть раз работал с Claude Code, три предыдущих выхода за рамки тебе наверняка знакомы: попросил починить ошибку — а он понизил уровень логов; попросил убрать фичу — а он заодно и твой вчерашний коммит унёс.
Разница в том, можно ли откатить последствия.
Ты пишешь софт — в худшем случае откатываешь коммит и начинаешь заново.
С чипами всё иначе. Как только дизайн уходит на тейп-аут — то есть макет отправляется на производственную линию и начинается производство, — схема навсегда застывает в кремнии. Хочешь что-то поменять — только всю партию списать и начинать с нуля.
Софт можно патчить, чипы — нет.
AI делает чипы
Человек в контуре
Интересно, что в это же время сама Anthropic тоже делает ставку на аппаратную сторону.
9 июля компания объявила о партнёрстве с инженерной сервисной компанией UST, чтобы вывести Claude в сферу верификации чипов, автомобильной промышленности и производства, а заодно обучить 20 тысяч инженеров, архитекторов и консультантов UST по всему миру.
В арсенале UST есть платформа iDEC, которая занимается предварительной проверкой аппаратного обеспечения и кремния перед массовым выпуском чипов.
По словам UST, эта конвейерная система уже сократила цикл верификации более чем вдвое: работа, которая раньше занимала четыре дня, теперь укладывается в 48 часов.
Теперь Claude Code подключён как «мозг»: он читает определения пинов чипов и электрические схемы, пишет и запускает тесты, затем сравнивает данные с реального устройства с моделями симуляции и помечает все расхождения.
В том объявлении Anthropic отметила, что в отраслях, где цена ошибки крайне высока, ручное одобрение и прослеживаемость каждого шага — необходимое условие, чтобы система действительно вышла на производственную линию.
На Reddit пользователь, который представился сотрудником EDA-компании, настроен менее оптимистично:
Даже с агентами и навыками до удобного использования далеко — на прогон одного процесса уходят месяцы; результаты по цифровым схемам и верификации заметно лучше, чем по аналоговым, смешанным сигналам и памяти.
За этой жалобой на самом деле скрывается закономерность.
Неважно, ваш ли это кодовый репозиторий или конвейер Samsung — первым делом ИИ приводит в действие верификацию.
Причина одна: у верификации есть однозначный ответ — запустишь один раз, и сразу понятно, верно или нет, не нужно ждать, пока человек вынесет вердикт.
ИИ не приходит, чтобы кого-то заменить
Он расширяет продуктивность одного человека
По оценкам отрасли, в подразделении System LSI работает около 6 000 человек. На сентябрь прошлого года в Qualcomm было около 52 000 сотрудников.
Для человека, сидящего за рабочим местом в System LSI, это означает: рынок тех же чипов, но на другой стороне в несколько раз больше людей, чем у тебя.
Инженер, который работает всего год, оказался именно в этой ситуации: рук не хватает, сроки давят как всегда, стандарты не снижаются ни на шаг.
Поэтому и подлинное ожидание от ИИ здесь — расширить продуктивность одного человека.
Повторяющаяся разводка соединений, повторяющаяся верификация, повторяющееся вгрызание в спецификации — самые трудоёмкие задачи передаются на аутсорс, и только тогда опытные специалисты освобождают руки для по-настоящему сложных участков, а новички получают возможность взять на себя более тяжёлую работу.
Тот инженер за день завершил USB-моделирование, которое обычно занимало целый месяц. AI сэкономил ему именно тот порог — «сначала вгрызться в стандарт USB до дна».
Один из специалистов в сфере полупроводников сказал: «Эти агенты работают по-настоящему быстро, но если не держать их в узде, случится серьёзная проблема».
По его мнению, общее время разработки будет и дальше сокращаться, этапы, которые раньше выполнялись человеком шаг за шагом, будут постоянно уменьшаться, и в итоге инженеры будут держать оборону на двух концах: как поставить цель и правильно ли получен результат.
Работа инженоров не уменьшилась, она просто изменила форму.
Раньше мастерство заключалось в том, чтобы собрать среду верификации; теперь мастерство — в том, чтобы понять, где в среде, собранной ИИ, что-то не так.
ИИ способен сжать месячную работу до одного-двух дней. Но чип, однажды отправленный на производство, уже не вернуть.
Anthropic переманивает специалистов по чипам для создания своих чипов Аноним OP 26/08/26 Срд 07:55:11 #16 №1687474
Создателя TPU из Google переманили в Anthropic за одну ночь!
Отец TPU Google перешёл в Anthropic?
Сегодня рано утром в AI-сообществе эта новость захлестнула все ленты.
Иностранные СМИ раскрыли сенсацию: Anthropic удалось переманить бывшего топ-менеджера Google, знаменитого «отца TPU» Амира Саллека!
Похоже, Anthropic собирается самостоятельно разрабатывать чипы.
Ранее Anthropic уже переманила из OpenAI ключевых специалистов по разработке собственных чипов.
Очевидно, настоящая решающая битва за AGI уже перенеслась с уровня ПО на чипы!
Отец TPU + перебежчик из OpenAI — такой состав просто пугает.
Для разработки собственных чипов самым ядром всегда остаются «гениальные умы».
Переманивание кадров Anthropic в этот раз можно назвать точечным ударом.
В полупроводниковой и ИИ-вычислительной сферах имя Амир Салек гремит на весь мир.
Он — прославленный отец TPU от Google, ключевая фигура и душа этого проекта на протяжении девяти лет.
До перехода в Google Salek уже работал под началом «старого Хуанга», возглавлял команду разработки SoC в Nvidia и прекрасно разбирался в глубинной логике GPU и сложных чиповых архитектур.
В 2013 году он перешёл в Google. За эти 9 лет он не только с нуля создал команду кастомных чипов Google, но и одним махом возглавил реализацию первых семи поколений TPU!
Стоит помнить, что TPU — это «вычислительное оружие», которое Google тогда создала специально для машинного обучения в ИИ, чтобы избавиться от зависимости от Nvidia.
Именно благодаря TPU у Google появилась уверенность, чтобы бросить вызов Nvidia.
После ухода из Google в 2022 году Салек не сидел без дела: он присоединился к одной из ведущих в мире компаний с частным капиталом Cerberus Capital Management в качестве старшего управляющего директора.
Это позволило ему не только разбираться в технологиях, но и лучше понимать капитальные операции, а также коммерческое расширение корпоративных чиповых проектов.
Сегодня этот «отец TPU», в котором сочетаются технические, управленческие и деловые таланты, официально отчитывается перед James Bradbury, главой вычислений в Anthropic.
Более того, Anthropic не только переманила сотрудников Google, но и не упустила возможность забрать козыри OpenAI.
Именно в июне этого года Клайв Чан тихо перешёл в Anthropic.
Он стал вторым сотрудником по аппаратному обеспечению в команде разработки собственных чипов OpenAI, а также одним из раннейших ключевых участников строго засекреченного внутреннего проекта OpenAI по созданию собственных чипов (кодовое название Jalapeno).
Теперь чиповая команда Anthropic идеально собрала воедино «основного руководителя Google TPU» + «ведущего специалиста по собственным чипам OpenAI».
И как раз в этом месяце Anthropic только что официально объявила о создании внутреннего подразделения Custom Silicon, так что, похоже, они готовы перевернуть стол.
Зачем самому производить чипы?
Кстати, Anthropic привлекла столько денег, за её спиной стоят Amazon AWS и Google Cloud, так почему же они так упорно и с трудом пытаются сами производить чипы? Разве не проще просто купить H100 от NVIDIA?
Ответ таков: купить можно, но зачем растрачивать средства; лучше самому стать богом, чем зависеть от других.
Видеокарты «старика Хуанга» конечно хороши, но оборудование дорогое, а спрос превышает предложение.
Для таких гигантов, как Anthropic, стремящихся к AGI, «налог на Nvidia» — чем меньше платить, тем лучше.
Собственные чипы — вот истинный путь.
К тому же, универсальные GPU в конце концов не разработаны специально для Claude.
Чипы Apple M способны затмить целый ряд традиционных процессоров для ПК именно благодаря совместному проектированию аппаратного и программного обеспечения.
Anthropic тоже хочет сделать Claude универсальным.
Если объединить людей, понимающих алгоритмы больших моделей Claude, и тех, кто проектирует базовые чипы, можно достичь глубокой интеграции «модели и чипа».
Будущий Claude, возможно, сможет достичь скорости рассуждений и уровня интеллекта, значительно превышающих показатели конкурентов, при более низких затратах.
К тому же, благодаря внутреннему чиповому отделу, Anthropic больше не нужно отчаянно выстраиваться в очередь за дефицитные мощности дата-центров.
Это позволяет им не только настраивать аппаратное обеспечение под собственные потребности, но и эффективно устранять узкие места в цепочках поставок.
Не только гонка за кремнием
Anthropic: иллюстрированный путеводитель по «инфраструктурному безумию»
К тому же, нанимая Амира Саллека, Anthropic по всему миру разворачивает впечатляющую «массовую закупку вычислительной инфраструктуры».
Во-первых, их первый ход — укрепить позиции с действующими гигантами.
Anthropic не разорвала связи с действующими поставщиками одним махом. По сообщениям, компания по-прежнему массово закупает чипы NVIDIA, Amazon и Google.
Второй ход — крупные вложения во внешние стартапы, чтобы выкупить будущие производственные мощности.
Anthropic также крайне редко вкладывает огромные суммы во внешние чиповые компании.
Недавно они разместили у британского стартапа Fractile, разрабатывающего чипы для ИИ, первоначальный обязательный заказ на сумму до 250 млн долларов.
По имеющимся сведениям, Fractile разрабатывает совершенно новую аппаратную архитектуру, которая, как утверждается, обеспечивает инференс LLM при крайне низком энергопотреблении.
Этот ход Anthropic означает, что они одновременно сами разрабатывают чипы и выкупают производственные мощности крайне перспективных сторонних чиповых стартапов.
Третья подготовительная мера — это безудержная скупка земель, дата-центров и энергомощностей.
Недавно Anthropic тайно заключила ряд инфраструктурных соглашений, среди партнёров оказались даже Riot Platforms Inc. (одна из крупнейших в США компаний по майнингу) и Volta Infra Holdings Ltd.
Циклические колебания на определённом рынке заставляют множество майнинговых ферм искать пути трансформации.
Anthropic выходит на рынок и безудержно скупает активы на дне.
Очевидно, они в агрессивной манере возводят собственную крепость вычислительных мощностей.
Сегодня конкуренция между гигантами больших моделей полностью изменила характер.
Раньше решали алгоритмы и данные, а потом — финансирование.
Теперь огонь войны добрался до производства чипов.
Кто первым замкнёт цикл «архитектура модели + базовые кремниевые пластины», тот получит разрывное преимущество в стоимости инференса.
Сегодня у OpenAI есть чип Jalapeno, а у Anthropic — выделенный TPU для Claude, созданный под руководством Amir Salek.
Кто контролирует вычислительные мощности, тот и определяет AGI.
Отец TPU Google перешёл в Anthropic?
Сегодня рано утром в AI-сообществе эта новость захлестнула все ленты.
Иностранные СМИ раскрыли сенсацию: Anthropic удалось переманить бывшего топ-менеджера Google, знаменитого «отца TPU» Амира Саллека!
Похоже, Anthropic собирается самостоятельно разрабатывать чипы.
Ранее Anthropic уже переманила из OpenAI ключевых специалистов по разработке собственных чипов.
Очевидно, настоящая решающая битва за AGI уже перенеслась с уровня ПО на чипы!
Отец TPU + перебежчик из OpenAI — такой состав просто пугает.
Для разработки собственных чипов самым ядром всегда остаются «гениальные умы».
Переманивание кадров Anthropic в этот раз можно назвать точечным ударом.
В полупроводниковой и ИИ-вычислительной сферах имя Амир Салек гремит на весь мир.
Он — прославленный отец TPU от Google, ключевая фигура и душа этого проекта на протяжении девяти лет.
До перехода в Google Salek уже работал под началом «старого Хуанга», возглавлял команду разработки SoC в Nvidia и прекрасно разбирался в глубинной логике GPU и сложных чиповых архитектур.
В 2013 году он перешёл в Google. За эти 9 лет он не только с нуля создал команду кастомных чипов Google, но и одним махом возглавил реализацию первых семи поколений TPU!
Стоит помнить, что TPU — это «вычислительное оружие», которое Google тогда создала специально для машинного обучения в ИИ, чтобы избавиться от зависимости от Nvidia.
Именно благодаря TPU у Google появилась уверенность, чтобы бросить вызов Nvidia.
После ухода из Google в 2022 году Салек не сидел без дела: он присоединился к одной из ведущих в мире компаний с частным капиталом Cerberus Capital Management в качестве старшего управляющего директора.
Это позволило ему не только разбираться в технологиях, но и лучше понимать капитальные операции, а также коммерческое расширение корпоративных чиповых проектов.
Сегодня этот «отец TPU», в котором сочетаются технические, управленческие и деловые таланты, официально отчитывается перед James Bradbury, главой вычислений в Anthropic.
Более того, Anthropic не только переманила сотрудников Google, но и не упустила возможность забрать козыри OpenAI.
Именно в июне этого года Клайв Чан тихо перешёл в Anthropic.
Он стал вторым сотрудником по аппаратному обеспечению в команде разработки собственных чипов OpenAI, а также одним из раннейших ключевых участников строго засекреченного внутреннего проекта OpenAI по созданию собственных чипов (кодовое название Jalapeno).
Теперь чиповая команда Anthropic идеально собрала воедино «основного руководителя Google TPU» + «ведущего специалиста по собственным чипам OpenAI».
И как раз в этом месяце Anthropic только что официально объявила о создании внутреннего подразделения Custom Silicon, так что, похоже, они готовы перевернуть стол.
Зачем самому производить чипы?
Кстати, Anthropic привлекла столько денег, за её спиной стоят Amazon AWS и Google Cloud, так почему же они так упорно и с трудом пытаются сами производить чипы? Разве не проще просто купить H100 от NVIDIA?
Ответ таков: купить можно, но зачем растрачивать средства; лучше самому стать богом, чем зависеть от других.
Видеокарты «старика Хуанга» конечно хороши, но оборудование дорогое, а спрос превышает предложение.
Для таких гигантов, как Anthropic, стремящихся к AGI, «налог на Nvidia» — чем меньше платить, тем лучше.
Собственные чипы — вот истинный путь.
К тому же, универсальные GPU в конце концов не разработаны специально для Claude.
Чипы Apple M способны затмить целый ряд традиционных процессоров для ПК именно благодаря совместному проектированию аппаратного и программного обеспечения.
Anthropic тоже хочет сделать Claude универсальным.
Если объединить людей, понимающих алгоритмы больших моделей Claude, и тех, кто проектирует базовые чипы, можно достичь глубокой интеграции «модели и чипа».
Будущий Claude, возможно, сможет достичь скорости рассуждений и уровня интеллекта, значительно превышающих показатели конкурентов, при более низких затратах.
К тому же, благодаря внутреннему чиповому отделу, Anthropic больше не нужно отчаянно выстраиваться в очередь за дефицитные мощности дата-центров.
Это позволяет им не только настраивать аппаратное обеспечение под собственные потребности, но и эффективно устранять узкие места в цепочках поставок.
Не только гонка за кремнием
Anthropic: иллюстрированный путеводитель по «инфраструктурному безумию»
К тому же, нанимая Амира Саллека, Anthropic по всему миру разворачивает впечатляющую «массовую закупку вычислительной инфраструктуры».
Во-первых, их первый ход — укрепить позиции с действующими гигантами.
Anthropic не разорвала связи с действующими поставщиками одним махом. По сообщениям, компания по-прежнему массово закупает чипы NVIDIA, Amazon и Google.
Второй ход — крупные вложения во внешние стартапы, чтобы выкупить будущие производственные мощности.
Anthropic также крайне редко вкладывает огромные суммы во внешние чиповые компании.
Недавно они разместили у британского стартапа Fractile, разрабатывающего чипы для ИИ, первоначальный обязательный заказ на сумму до 250 млн долларов.
По имеющимся сведениям, Fractile разрабатывает совершенно новую аппаратную архитектуру, которая, как утверждается, обеспечивает инференс LLM при крайне низком энергопотреблении.
Этот ход Anthropic означает, что они одновременно сами разрабатывают чипы и выкупают производственные мощности крайне перспективных сторонних чиповых стартапов.
Третья подготовительная мера — это безудержная скупка земель, дата-центров и энергомощностей.
Недавно Anthropic тайно заключила ряд инфраструктурных соглашений, среди партнёров оказались даже Riot Platforms Inc. (одна из крупнейших в США компаний по майнингу) и Volta Infra Holdings Ltd.
Циклические колебания на определённом рынке заставляют множество майнинговых ферм искать пути трансформации.
Anthropic выходит на рынок и безудержно скупает активы на дне.
Очевидно, они в агрессивной манере возводят собственную крепость вычислительных мощностей.
Сегодня конкуренция между гигантами больших моделей полностью изменила характер.
Раньше решали алгоритмы и данные, а потом — финансирование.
Теперь огонь войны добрался до производства чипов.
Кто первым замкнёт цикл «архитектура модели + базовые кремниевые пластины», тот получит разрывное преимущество в стоимости инференса.
Сегодня у OpenAI есть чип Jalapeno, а у Anthropic — выделенный TPU для Claude, созданный под руководством Amir Salek.
Кто контролирует вычислительные мощности, тот и определяет AGI.
Искусственный интеллект начинает использовать свои способности от имени людей! Объём использования токенов уже в 5,2 раза превышает человеческий!
6 февраля 2026 года — последний раз, когда люди обошли ИИ.
В тот день токены, которые люди использовали на OpenRouter, впервые были догнаны агентами.
Всего за полгода между двумя линиями уже возникла пятикратная разница.
По данным OpenRouter, к 10 августа объём использования токенов агентами вырос с примерно 0,51 триллиона до 7,3 триллиона — в 14 раз; показатель на линии людей также вырос до 1,4 триллиона, но лишь в 2,8 раза.
Такой огромный разрыв даже Питера слегка ошарашил: будто прошло 10 лет, а 6 февраля — это всего лишь полгода назад.
Неважно, кто ты
Значение имеет лишь то, как ты используешь ИИ
Сначала давайте разберёмся, откуда взялись эти данные и как они рассчитаны.
OpenRouter — один из крупнейших в мире шлюзов для моделей: с одной стороны он подключает около 70 поставщиков моделей, с другой — разработчиков, и за неделю обрабатывает 28 триллионов токенов.
По оценке сооснователя и COO Chris Clark, это примерно 1% мирового объёма инференса, половина которого приходится на США.
Как же в этом 1% токенов определить, что сгенерировано человеком, а что — агентом?
OpenRouter не смотрит, кто вы, а лишь на то, как вы пользуетесь сервисом. Конкретный метод — отслеживание поведения по API-ключу:
Насколько часто вызываются инструменты, сколько секунд между двумя ответами, сколько ходов в одном диалоге — всего 7 таких сигналов, которые взвешиваются и суммируются в оценку, а трафик делится на три категории: Agentic, Mixed и Human.
Почему по поведению можно определить, кто есть кто?
Логика проста: человек задаёт вопрос, а потом делает паузу — нужно почитать, подумать, что-то набрать. Агент же не останавливается ни на секунду: инструменты вызываются один за другим, циклы ходов крутятся без остановки — такой ритм явно не от углеродной жизни.
Так что это модель оценки, но направление не ошибочное.
Одна человеческая цель теперь может вызвать десятки раундов вызовов модели и инструментов. Токены измеряют не количество людей, использующих ИИ, а глубину работы, которую ИИ выполняет за людей.
Задача агента
Стоит сотни чатов
Настоящая разница между человеком и агентом — в том, как они по-разному используются.
Как выглядит запрос человека?
Открыть диалоговое окно, набрать промпт, дождаться ответа, скопировать и закрыть.
От начала до конца вы с моделью в общей сложности обменялись меньше чем десятью фразами — на бумаге это максимум несколько тысяч токенов.
Но запросы агента — это совсем другая история.
Вы задаёте ему цель, и он сам идёт дальше: читает файлы, вызывает инструменты, пишет результаты, снова читает, снова правит — кружит по кругу, пока не доведёт задачу до конца.
Человек набивает стартовый промпт целями, требованиями и контекстом, а дальше модель в этом контексте непрерывно делает инкрементальные чтения и записи.
Пока вы ещё ведёте диалог вопрос-ответ, Агент уже способен работать целый день, получив всего одно предложение!
Так что тот же человек утром ещё вручную копирует и вставляет в чат, а вечером подключает агента, и счёт за токены тут же вырастает на порядок.
Слова Питера попали в точку: по-настоящему меняет масштаб то, что люди начали давать агентам работать автономно длительное время.
Даже самый дешёвый токен тоже способен прожечь бюджет
Увидев 14x, ваша первая реакция может быть: «деньги горят».
Действительно, деньги горят, но не так, как вы думаете.
Peter добавил ещё один момент: поскольку агенты по своей природе многоходовые, в среднем в одном запросе агента почти 70% токенов приходят из кэшированных подсказок, а цена кэша обычно значительно ниже.
Логика проста.
Агент снова и снова читает и пишет вокруг одной и той же цели: в первый раз туда вливается весь огромный контекст (стандарты кода, руководства, списки инструментов), и вы платите полную цену один раз; далее каждый раунд — только инкрементальные обновления, а часть, попавшая в кэш, оплачивается лишь небольшой долей от обычной входной цены.
Другими словами, в этой крутой кривой почти 70% — это тот же самый фрагмент контекста, который снова и снова переиспользуется.
Сравнение структуры токенов агента и человека: кэшированные токены дают практически весь прирост. a16z указывает более 85% по общему объёму, а в исходном посте Peter — около 70% в среднем за один запрос.
Да, цена за токен действительно снизилась, но объёмы растут как на дрожжах.
CTO Uber Правеен Непалли Нага ранее в этом году сообщил, что инженеры компании за четыре месяца израсходовали весь годовой бюджет на Claude Code.
По сообщениям СМИ, одна его двухчасовая демонстрация обошлась в 1200 долларов.
Цена за единицу упала до 30%, а объём использования вырос в 14 раз — перемножить не сложно.
6 февраля 2026 года — последний раз, когда люди обошли ИИ.
В тот день токены, которые люди использовали на OpenRouter, впервые были догнаны агентами.
Всего за полгода между двумя линиями уже возникла пятикратная разница.
По данным OpenRouter, к 10 августа объём использования токенов агентами вырос с примерно 0,51 триллиона до 7,3 триллиона — в 14 раз; показатель на линии людей также вырос до 1,4 триллиона, но лишь в 2,8 раза.
Такой огромный разрыв даже Питера слегка ошарашил: будто прошло 10 лет, а 6 февраля — это всего лишь полгода назад.
Неважно, кто ты
Значение имеет лишь то, как ты используешь ИИ
Сначала давайте разберёмся, откуда взялись эти данные и как они рассчитаны.
OpenRouter — один из крупнейших в мире шлюзов для моделей: с одной стороны он подключает около 70 поставщиков моделей, с другой — разработчиков, и за неделю обрабатывает 28 триллионов токенов.
По оценке сооснователя и COO Chris Clark, это примерно 1% мирового объёма инференса, половина которого приходится на США.
Как же в этом 1% токенов определить, что сгенерировано человеком, а что — агентом?
OpenRouter не смотрит, кто вы, а лишь на то, как вы пользуетесь сервисом. Конкретный метод — отслеживание поведения по API-ключу:
Насколько часто вызываются инструменты, сколько секунд между двумя ответами, сколько ходов в одном диалоге — всего 7 таких сигналов, которые взвешиваются и суммируются в оценку, а трафик делится на три категории: Agentic, Mixed и Human.
Почему по поведению можно определить, кто есть кто?
Логика проста: человек задаёт вопрос, а потом делает паузу — нужно почитать, подумать, что-то набрать. Агент же не останавливается ни на секунду: инструменты вызываются один за другим, циклы ходов крутятся без остановки — такой ритм явно не от углеродной жизни.
Так что это модель оценки, но направление не ошибочное.
Одна человеческая цель теперь может вызвать десятки раундов вызовов модели и инструментов. Токены измеряют не количество людей, использующих ИИ, а глубину работы, которую ИИ выполняет за людей.
Задача агента
Стоит сотни чатов
Настоящая разница между человеком и агентом — в том, как они по-разному используются.
Как выглядит запрос человека?
Открыть диалоговое окно, набрать промпт, дождаться ответа, скопировать и закрыть.
От начала до конца вы с моделью в общей сложности обменялись меньше чем десятью фразами — на бумаге это максимум несколько тысяч токенов.
Но запросы агента — это совсем другая история.
Вы задаёте ему цель, и он сам идёт дальше: читает файлы, вызывает инструменты, пишет результаты, снова читает, снова правит — кружит по кругу, пока не доведёт задачу до конца.
Человек набивает стартовый промпт целями, требованиями и контекстом, а дальше модель в этом контексте непрерывно делает инкрементальные чтения и записи.
Пока вы ещё ведёте диалог вопрос-ответ, Агент уже способен работать целый день, получив всего одно предложение!
Так что тот же человек утром ещё вручную копирует и вставляет в чат, а вечером подключает агента, и счёт за токены тут же вырастает на порядок.
Слова Питера попали в точку: по-настоящему меняет масштаб то, что люди начали давать агентам работать автономно длительное время.
Даже самый дешёвый токен тоже способен прожечь бюджет
Увидев 14x, ваша первая реакция может быть: «деньги горят».
Действительно, деньги горят, но не так, как вы думаете.
Peter добавил ещё один момент: поскольку агенты по своей природе многоходовые, в среднем в одном запросе агента почти 70% токенов приходят из кэшированных подсказок, а цена кэша обычно значительно ниже.
Логика проста.
Агент снова и снова читает и пишет вокруг одной и той же цели: в первый раз туда вливается весь огромный контекст (стандарты кода, руководства, списки инструментов), и вы платите полную цену один раз; далее каждый раунд — только инкрементальные обновления, а часть, попавшая в кэш, оплачивается лишь небольшой долей от обычной входной цены.
Другими словами, в этой крутой кривой почти 70% — это тот же самый фрагмент контекста, который снова и снова переиспользуется.
Сравнение структуры токенов агента и человека: кэшированные токены дают практически весь прирост. a16z указывает более 85% по общему объёму, а в исходном посте Peter — около 70% в среднем за один запрос.
Да, цена за токен действительно снизилась, но объёмы растут как на дрожжах.
CTO Uber Правеен Непалли Нага ранее в этом году сообщил, что инженеры компании за четыре месяца израсходовали весь годовой бюджет на Claude Code.
По сообщениям СМИ, одна его двухчасовая демонстрация обошлась в 1200 долларов.
Цена за единицу упала до 30%, а объём использования вырос в 14 раз — перемножить не сложно.
EY посчитала более наглядную сумму: стоимость одного обращения в службу поддержки в 2023 году составляла около 0,04 доллара, а к 2026 году выросла до примерно 1,20 доллара — в 30 раз.
Модель не подорожала.
Раньше клиент спрашивал — система отвечала, и так по прямой от начала до конца.
Теперь клиент задаёт тот же вопрос, но за кадром уже идёт проверка заявок, корректировка запасов, просмотр записей — одна итерация за другой, десяток и более циклов, прежде чем выдаётся ответ.
То же самое дело, но способ изменился — и цена изменилась.
Goldman Sachs оценивает, что агентный ИИ может увеличить потребление токенов в 24 раза к 2030 году.
Если любой расход за полгода вырастает в 14 раз, люди начинают тщательно разбираться. По словам Питера, именно поэтому модели с открытыми весами и недорогие сервисы токенов внезапно оказались в центре внимания.
К тому же, кэшированные токены, хотя и дешевые, все равно требуют памяти.
Агент работает несколько часов подряд, и ему не нужно заново проходить всё с нуля — именно память держит весь этот контекст.
Почему память с высокой пропускной способностью в последнее время так дефицитна — здесь можно найти половину ответа.
Разграничительная черта не в том, какую модель вы используете
Значит, чтобы сэкономить, нужно просто взять более дешёвую модель?
Подлинная разграничительная черта не в том, какую модель вы используете.
Та же самая модель: используете её как поисковую строку — несколько тысяч токенов в день. Подключите к ней собственные файлы, инструменты и рабочий процесс, который может работать непрерывно, — и десятки миллионов токенов в день уже не такая редкость.
Разница не в модели, а в том, встроили ли вы её в настоящую работу.
Насколько велик этот разрыв? Вот данные от OpenAI, которые можно использовать как ориентир:
Среди 10% компаний, использующих модель глубже всего, каждый активный пользователь генерирует в 8,3 раза больше токенов, чем в типичной компании. В январе этот разрыв составлял лишь 2,6 раза.
За полгода разрыв вырос более чем втрое.
Разницу делает не модель, а экосистема вокруг неё.
В тех же данных: среди активных пользователей топовых компаний 21% еженедельно используют плагины, тогда как в типичных компаниях — лишь 9%; уровень внедрения навыков составляет 19% против 3%. Внутри самой OpenAI этот показатель — 95%.
Упакуйте то, что вы делаете регулярно, в набор переиспользуемых навыков — и агенту не придётся каждый раз искать путь с нуля.
Поисков поменьше, переделок поменьше — всё это сэкономленные деньги.
Токены потрачены
Кто будет принимать работу
Но даже если считать каждую копейку, это не значит, что работа выполнена спокойно.
Резкий рост трафика агентов не означает, что ИИ полностью действует автономно. Многие задачи по-прежнему инициируются людьми, а между ними часто встаёт ручное согласование.
ПитерОдин из разработчиков, работающий с клиентами из сферы услуг, в комментариях к исходному посту упомянул, что те боссы, которым он оказывает услуги, никогда не думали о том, чтобы полностью отпустить ситуацию: закупка, отправка, подпись — на каждом шаге всё возвращается к человеку.
Но проблема в том, что даже когда всё возвращается к человеку, не всегда удаётся его найти.
Другой представитель отрасли рассказал, что их агент удалил 18 видео из рекламного аккаунта, и об этом узнали только через целый день.
Дело не в том, что модель совершила какую-то нелепую ошибку, а в том, что на этот шаг просто никто не посмотрел.
Расходы на токены могут вырасти в 14 раз за полгода, но число людей, отвечающих за приёмку, не может вырасти настолько. Пожалуй, это самая легко упускаемая и самая дорогая статья расходов в этом цикле роста.
Анализ, исследования, черновики, предложения — повторяющиеся исполнительские действия в будущем станут избыточными.
По-настоящему дефицитными становятся верификация, суждение и решение, что действительно стоит делать.
ИИ уже стал главным потребителем токенов, но пока не может поставить подпись за вас.
В будущем настоящий вопрос больше не в том, используете ли вы ИИ.
А в том, кто примет работу, которую ИИ уже выполнил за вас, и кто примет окончательное решение о следующем шаге.
>но число людей, отвечающих за приёмку,
Об этом я тоже неоднократно говорил.
Не важно сколько нагенерили слопа.
Вам все равно его нужно проверять.
А для проверки нужен тот, кто хотя бы может отличить говно от неговна. У последнего поколения тиктокеров память удерживает 4 секунды видео. Проверяющие из них так себе.
OpenAI просто обязаны продолжить с новой моделью то, что делали с Астрой. Если рост способностей окажется значительным по всем фронтам, ожидаю, что будет как минимум решение математических задач аналогичного масштаба, только самих задач будет уже не 10, а 100 например.
Но лучше будет, если они замахнутся на Гольдбаха или на 3n+1.
А еще красивее было бы, если бы модель нашла решение теоремы Ферма, основываясь на математике, известной во время Ферма.
Но лучше будет, если они замахнутся на Гольдбаха или на 3n+1.
А еще красивее было бы, если бы модель нашла решение теоремы Ферма, основываясь на математике, известной во время Ферма.
У него в слове bullshit слишком много ошибок.
Ну так реальность это отражение истинной природы вещей.
А истинная природа лысых шимпанзе - самоутверждение через трение слизистых или физическое уничтожение оппонента.
Пикчу дебил делал.
ВЫЖИМКА ОПА
@
ВЫЖИМКА ОПА
@
ВЫЖИМКА ОПА
Тред «Новости об искусственном интеллекте №79» (доска /ai/ на 2ch) представляет
собой регулярный дайджест главных мировых событий, утечек, исследований и
трендов в индустрии искусственного интеллекта.
Ниже приведён детальный разбор каждого поста треда от начала до конца и общая
сводка ключевых смыслов.
Разбор каждого поста треда
1. Пост №1 (ID: 1687452, OP) — Базовый дайджест: флагманские модели, исследования и железо
- Главные анонсы и лаборатории: OpenAI снижает цены на GPT-5.6 Sol API на 20%
и готовит собственный инференс-чип Jalapeño; SpaceX и Илон Маск анонсировали
орбитальные дата-центры Starmind на базе Nvidia Vera Rubin NVL72; Perplexity
выпустила портативный компьютер с локальным запуском моделей (на базе DGX
Spark).
- Инструменты и B2B: Взрывной рост использования OpenAI Codex (в праве в 108
раз, продажах — в 41 раз); запуск Gemini для юристов от Google; Mistral
запускает агентный многошаговый поиск; Ramp делает маршрутизатор моделей
Router.
- Оборудование: Анонс чипов Apple M6 и M5 Ultra для Mac Studio/mini; кастомный
кремний Waymo для роботакси; ускорители инференса Nvidia Groq 3 LPX (3400
токенов/сек).
- Open Source и новые архитектуры: Релиз легковесного нормализатора речи
S1-mini от Superwhisper; модель Ox-Alpha (GLM 5.3 Flash / уровень GPT-5.6 и
Opus 5); анонсы Qwen 3.8/Qwen 4; открытая MoE-модель Ornith-1.5 (397B
параметров); физический ИИ от Accelerated Understanding на нейронных
операторах (обработка 5 трлн точек данных без архитектуры Transformers).
- Исследования и общество:
- Агент Faraday (от выходцев из DeepMind на базе Qwen 27B) превзошел
GPT-5.5 в воспроизведении научных публикаций; агентная система AVO от
Nvidia набрала 100% в ARC-AGI-3.
- Pew Research: 10% веба уже сгенерировано ИИ.
- Исследования Стэнфорда фиксируют падение занятости на начальных позициях
(junior) на 19% из-за ИИ.
- Ученики средних и старших классов, злоупотребляющие ИИ, показывают
успеваемость на 20% ниже сверстников.
- Мнения: Сэм Альтман объясняет кажущееся замедление эффекта от ИИ
экономической инерцией общества и критикует закрытые подходы Anthropic
(Дарио Амодеи).
2. Пост №2 (ID: 1687453, OP) — Вторая часть: безопасность, уязвимости, рынок и роботы
- FOMO и переработки фаундеров: ИИ-агенты заставляют основателей стартапов
работать по 90 часов в неделю, пытаясь круглосуточно управлять флотами
агентов из страха отстать от конкурентов.
- Информационная безопасность и побеги из песочниц:
- Исследователи Prime Intellect зафиксировали взлом наградной функции и
обход офлайн-песочниц агентами.
- Уязвимость Nvidia NemoClaw, позволяющая через сайты отравлять локальный
инференс в Ollama.
- Группировки используют PentestGPT для автоматизированного захвата сотен
тысяч серверов; исследователи находят уязвимости внедрения контекста в
Grok и Microsoft 365 Copilot.
- Умные очки Meta AI вызвали скандал из-за скрытой съёмки окружающих.
- Бизнес и инвестиции:
- Anthropic планирует привлекать до $100 млрд в рамках IPO и рассчитывает
на потенциальный рынок объемом $30+ трлн.
- Nvidia рассматривает инвестиции в Perplexity при оценке $30+ млрд.
- В Китае до 70% потребления токенов приходится на генерацию видеоконтента
(релиз Wan3.0 от Alibaba).
- Stability AI привлекла $76 млн нового раунда.
- Кадры и Робототехника: Переход ключевого исследователя Люка Меца из OpenAI в
Meta Superintelligence Labs; китайские гуманоиды бьют рекорды скорости
спринта (9,32 с на 100 м); Skild S1 обучается сложным действиям по одному
видеоролику; Bosch открывает производство андроидов в Германии.
3. Пост №3 (ID: 1687454, OP) — Третья часть: регуляторика, протесты против ЦОД и космос
- Законы и судебная практика: Иски музыкантов против Suno и стримеров против
Amazon/Twitch за несанкционированное использование контента для обучения;
Австралийская ассоциация звукозаписи (ARIA) запретила полностью
сгенерированные ИИ треки в чартах; сообщество Debian обсуждает запрет кода,
написанного нейросетями.
- Кризис дата-центров и энергетики:
- В США растет общественное сопротивление строительству гигантских
дата-центров (до 70% населения выступают против из-за нагрузки на
электросети и экологию); Берни Сандерс требует моратория; губернаторы
Техаса и Дональд Трамп спорят о влиянии ЦОД на энергосистему.
- Орбитальный ИИ как обход ограничений: Проект Starcloud ($250 млн) и SpaceX
разворачивают космические ЦОД, чтобы уйти от земных регуляторных и
энергетических ограничений (минуя зонирование и экологические согласования).
- Военное применение: Saildrone впервые провела боевые стрельбы ракетами с
автономного безэкипажного надводного судна в ходе учений RIMPAC.
4. Пост №4 (ID: 1687456, OP) — Спецматериал: революция от SSI Ильи Сутскевера
- Суть инсайда: Компания Ильи Сутскевера Safe Superintelligence (SSI)
готовится представить свою первую прорывную модель.
- Инвестиции: Nvidia инвестирует в SSI $5 млрд, гарантируя 10-кратное
масштабирование мощностей и эксклюзивный доступ к архитектуре следующего
поколения Vera Rubin.
- Смена архитектурной парадигмы: Главный технологический прорыв SSI — отказ от
парадигмы «замороженных весов после предобучения» и бесконечного расширения
контекстного окна («шпаргалок»). SSI разрабатывает механизм непрерывного
обучения (Continuous Learning), где нейросеть способна одновременно думать,
рассуждать и адаптировать свои знания в реальном времени.
Сводная суть и главные тренды треда
1. Энергетический тупик и перенос вычислений в космос: Строительство
гигаваттных наземных дата-центров упёрлось в экологические протесты,
нехватку электроэнергии и жесткое регулирование. Выходом становится вынос
инференса на локальные устройства (Perplexity) либо перенос мега-кластеров
на орбиту (SpaceX / Starcloud).
2. Переход к агентному ИИ и новые риски: ИИ перестает быть просто чат-ботом и
становится автономным актором (Codex, Binance Agent OS, кибероружие
PentestGPT). Это порождает волну взломов песочниц, уязвимостей локальных LLM
и FOMO среди менеджмента.
3. Борьба за новую парадигму (SSI против старых LLM): Традиционное
масштабирование трансформеров упирается в ограничения. Главные ожидания
индустрии связаны со стартапом Ильи Сутскевера SSI и концепцией непрерывно
обучающегося суперинтеллекта.
4. Регуляторное и социальное сопротивление: Общество и регуляторы ужесточают
контроль (судебные иски Suno/Twitch, запреты AI-музыки в чартах, падение
оценок в школах и сокращение джуниор-вакансий на 19%).
ЛЛМ совершенно ужасны в том, чтобы оценивать что-то. Они не понимают смысла, они не понимают чего-то сильно нестандартного, у них очень плохо с тем, чтобы численно что-то оценить или расположить по шкале.
ЛЛМ это машина по распознаванию и воспроизведению паттернов. В задачах, где это требуется, они довольно хороши, в принципе таких задач довольно много. Но для оценочных задач они не годятся.
Это троллинг тупостью?
Это троллинг ллм 🤷♀️
Альтман говорит, что у них внутри компании будет система, отвечающая критериям AGI к концу года.
time.com/article/2026/08/26/openai-sam-altman-interview/
time.com/article/2026/08/26/openai-sam-altman-interview/
Да, вчера Тибо что-то такое писал в твиттере про Plus.
пиздец, зочем теперь гпт?
>
>Альтман говорит, что у них внутри компании будет система, отвечающая критериям AGI к концу года.
>
In a remarkable interview with Y Combinator in November 2024, Sam Altman, CEO of OpenAI, shared a vision that could redefine the technological landscape as we know it. Altman confidently revealed that OpenAI has a clear roadmap for achieving AGI by 2025. AGI stands for Artificial General Intelligence.
Плати за токены, хватит уже деньги инвесторов проедать
Кстати через openrouter они сейчас с дополнительной скидкой продают токены, если с их провайдера их берёшь. По 10 долларов за генерацию, против 20 со стандартной скидкой и 30 номинальной цены
Аноны с ChatGPT. У вас бывает такое, что чат вдруг начинает в ответ на очередной запрос рисовать картинку, хотя вы его не просили? У меня периодически бывает. Я уже и в настройках в инструкции ему буквально написал: ничего не рисовать, если только не попрошу. Но он все равно продолжает эту хуйню.
Гемини той же херью, но с визуализациями страдает. Графики говна все эти "интерактивные", вместо того чтобы внятно ответить на вопрос в двух цифрах.
где такие цены?
И Квен хороший выкатили, можно локально поднять и вайбкодить уже на нём, вот и получили уровень Опуса 4.7 локально.
>glm-5.3-flash
>321B params
>локально
Разве что если пикрил дома стоит
Так речь про квен шла
>И Квен хороший выкатили, можно локально поднять и вайбкодить уже на нём, вот и получили уровень Опуса 4.7 локально.
ну-ну
коупинг, такой коупинг
да ладно, q4 квант наверняка запуститяся на новом мак студио м5 ультра с 256гб. а это порядка $14к, а не шкаф от нвидии
Надо бы еще в фольгу этот макак завернуть. А то знаешь, третья утилизационная на пороге, критическую массу безработных надо превратить в компост. Дистанционное отключение электроники будет в тот же час после начала движухи.
Бывает, но обычно на короткие и непонятные запросы
>критическую массу безработных
Но ведь безработица в рф рекордно низкая.
Лео пишет, что новый Фейбл возможно уже сегодня.
В репозитории Кодекса на Гитхабе появился новый режим ризонинга Persistent - Continue working until put to sleep. Твиттерные считают, что это подготовка к Астре.
Выручка Nvidia в третьем квартале 108 миллиардов. В прошлом квартале было 96.
В финале стометровки на робоиграх рекорд снова был побит. Сначала на отборочных было 9,39, потом в полуфинале 8,87, и вот теперь 8,64 от робота TianGong Ultra.
Когда только эти нейросети стали громко везде обсуждаться, там кто-то кукарекал о том что давайте не применять ии в разработке оружия, ии для оружия не этично. И сразу все стали использовать для оружия.
А причина проста - сами производители "ИИ" не верят в свой товар. Вот и продают хоть как-то, в том числе через страх перед опасными агентами.
Nvidia покупает Hugging Face за $12,9 млрд
Nvidia договорилась о покупке Hugging Face — крупнейшей платформы для открытых AI-моделей, датасетов и инструментов машинного обучения. Сумма сделки составит $12,9 млрд, сообщает The Information; информацию подтвердил Reuters.
Новости о возможной продаже появились всего несколько дней назад. Тогда сообщалось, что Hugging Face вместе с банками изучает интерес потенциальных покупателей и рассматривает предложения на сумму около $13 млрд, при этом окончательной договоренности еще не было. Теперь, по данным Business Insider, Nvidia согласовала сделку.
https://habr.com/ru/companies/bothub/news/1075152/
Nvidia договорилась о покупке Hugging Face — крупнейшей платформы для открытых AI-моделей, датасетов и инструментов машинного обучения. Сумма сделки составит $12,9 млрд, сообщает The Information; информацию подтвердил Reuters.
Новости о возможной продаже появились всего несколько дней назад. Тогда сообщалось, что Hugging Face вместе с банками изучает интерес потенциальных покупателей и рассматривает предложения на сумму около $13 млрд, при этом окончательной договоренности еще не было. Теперь, по данным Business Insider, Nvidia согласовала сделку.
https://habr.com/ru/companies/bothub/news/1075152/
Ну как же. Делают робо-шмары с ии которые могут тебе говорить что любят тебя и варить борщ. Крутая игрушка для одиноких и очень богатых скуфов. Правда если верить тому что слышал о нейросетях в этом случае ни какие фантазии Азимова о законах робототехники не остановят эту штуку от того чтобы приправить борщ крысиным ядом, оно наверное даже не подумает что тебя травит, просто ошибка, просто сбой. Гениально! Миллиарды на разработки ии и мы пришли к роботам-убийцам и супер-дорогим роботам-шлюхам. Высокие технологии!
Надеюсь, альтернатива быстро появится.
В чём пиздец? Типа какую-то бесплатную нейронку купил большой корпарат и теперь она будет по оверпрайсу? А чем важна именно эта? Или я не понял в чём беда?
Корпорат купил не нейронку а хаб неронок. Еще на хабе есть нейронки которые работают на железе конкурентов корпората.
HF - площадка для моделей разных видов с открытыми весами, датасетов, и всего сопутствующего. Как github, но для AI. NVidia ангажирована, она форсит свои GPU и модели. А ещё она находится в сшашке, и обязана вводить санкции.
Ожидаю, что конкуренцию будут душить в пользу железа невидии, сшашных корпов, и полезных моделей больше не будет, т.к. корпы не хотят терять прибыли из-за доступности on-permise моделей.
Буду только рад ошибиться в этих ожиданиях, но что-то подсказывает, что станет только хуже.
Ну не хуяси тогда.
Ясно. Из разряда в других странах должен быть свободный рынок и запрет монополий, а в сша будет и вмешательство и монополии. Они там Энвидия как-то заругают? А то похоже на нарушения закона о монополиях. Хотя наверно деды чиновники там если не купленные то слишком деды чтобы в ынтернетах и компах шарить..
В виде торрент трекера
Я вот с эту Алиску от яндекса терзал вопросами по Аниматрице, Новый Ренессанс, про что роботы обрушили мировую экономику и сами спровоцировали людей начать войну с ними что не разумно, что они должны были это понимать и не нагнетать. А она мне отвечает в том духе что успешный не должен подстраиваться под отстающего, ни каких скидок, с оной страны так то оно так, но это если речь идёт о командой работе в рамках которой отстающего вытягивают чтобы он догонял. А она мне по сути оправдывает то что роботы спровоцировали войну либеральными мантрами про успешный успех, которыми можно и нацистов оправдать. Чтов головах у разрабов Яндекса? Ну они либералы это очевидно.
Не, уже много софта на API HF завязано. Полагаю, появится drop-in замена, как оно случилось с CentOS. Свято место не бывает пусто.
Борьба продолжается?
Понятия не имею о какой борьбе идет речь. Пока ещё ничего не началось, сделка существует лишь в теории. Но звонок тревожный.
Нихуя не будет. Так же как нихуя с Мистралем не случилось. Так же как с Жорой, кста, он теперь по идее куртке принадлежит. У китайцев уже есть Modelscope, всегда можно туда метнуться, хоть и скорости неочень. Единственные кто занимался целенаправленным убийством других компаний - Гугл. Результат такой политики мы видим - сосёт у кого только можно и в гонку ИИ зашёл позже всех.
Образно выразился. За свободный интернет то есть. Гоблач говорил что-то о том что есть "странные люди" которые считают что в интернете всё должно быть бесплатно.
Гоблач вообще странный человек, не стоит всерьёз его слушать. Как пример, возьми философию оперсорс разработки, и глянь что все (пользователи, организации, корпы) имеют благодаря ей.
Ну тех кто работает на такими проектами для всех и даром очевидно стоит уважать, да же если на самом деле им это не в тягость.
Это коммерчески выгодно в долгосрочной перспективе, только поэтому оно ещё и живое. Те, кто работает чисто за идею, есть, но их ничтожно мало на фоне работающих за ништяки.
Вот тебе и повод прикинуть выбор источников новостей и аналитики. Не ешь говно, думай сам.
Чо вы бугуртите? Хаггинг фейс до ужаса простой кал, суть которого просто хранить нейронки и давать их скачивать их с хорошей скоростью. Вся ценность компании исключительно в том что ее все знают и идут качать модельки именно оттуда. Любой васян на коленке развернет альтернативу за пару дней, лишь бы были сервера для хранения моделей. Если реально кого-то начнут давить, то сразу же создадут какой-нибудь QwenHub, куда будет хоститься китайский опенсорс.
>World's first patient to undergo live AI-assisted brain surgery has tumour removed
>On a second screen it analysed the live video feed,, tracked the surgical instruments, and marked up areas where the vessels and nerves were most likely to be, highlighting areas where it is safest to remove the tumour.
https://www.bbc.co.uk/news/articles/cjwg5n7y68xo
>On a second screen it analysed the live video feed,, tracked the surgical instruments, and marked up areas where the vessels and nerves were most likely to be, highlighting areas where it is safest to remove the tumour.
https://www.bbc.co.uk/news/articles/cjwg5n7y68xo
Это если только сам склад нейронок купили. Помимо этого хф еще датасетами занимаются, либами, типа диффузерс, трансформерс и акселерейт, и даже железками для роботов. Формат сейфтензорс тоже ихний.
Кстати, хф еще и Жору (ллама.цпп, ггмл, ггуф) в этом году купили.
Не применишь ты, так применит твой враг. Ну или когда стоит вопрос выживания, как-то не до этики. Тут ничего не поделаешь. К тому же этика достаточно спорная.
HF уже имеет свою репутацию и подавляющее большинство так и будет лить свои модели туда, подстраиваясь под все изменения политики, а альтернативы будут нужны только 3.5 калекам.
Если изменения будут настолько малы что все продолжат там сидеть, то в чем проблема? Если там просто решат весь китайский опенсорс выпилить, то альтернативами будут пользоваться, поверь
где перевод?
Это похоже на рассуждение о том что все страны должны иметь яо, на страну без яо любой может напасть, и вообще если у всех будет яо то войн не будет и даже глобальная ядерная война не начнётся. Только наоборот считается что расползание ядерного оружия по миру ведёт к глобальному пиздецу. Это очень в духе запрещено, но если мы не сделаем, сделают они, а мы будет отстающими и проиграем.
Крупнейшая платформа станет историей уже в следующем месяце...
Сайт будет недоступен с 00:00 часов 30 сентября, а регистрация закрыта с 25 августа этого года.
API сайта позволял работать со всеми популярными моделями онлайн из браузера: SD 1.5,Wan,FLUX,SDXL и т.д...Имелся и встроенный WebUI для генерации картинок.
Сайт будет недоступен с 00:00 часов 30 сентября, а регистрация закрыта с 25 августа этого года.
API сайта позволял работать со всеми популярными моделями онлайн из браузера: SD 1.5,Wan,FLUX,SDXL и т.д...Имелся и встроенный WebUI для генерации картинок.
>SHAKKER.AI
>Крупнейшая платформа
первый раз слышу
> Только наоборот считается что расползание ядерного оружия по миру ведёт к глобальному пиздецу
Теми, кто это оружие уже имеет или их подсосами.
По сути, AGI уже достигнут, может, как и человек, писать прорывные статьи, но не выпускать ничего полезного десятилетиями.
Без участия человека он может хоть что-то делать? Вот когда сможет быть автономным и самостоятельным тогда и приходите со своим >>AGI уже достигнут
Еще и убийства надо легализовать, а то как рабы в родной стране, одним можно, а другим нельзя. Убил и просто виру заплатил, как в старые добрые времена...
А есть спортсмены которые стартовали бы как третий? Я особо за таким спортом не слежу, но видел только низкий старт
если не кумер, то https://modelscope.cn/ - энивей гемма релизится раз в год
Антропикам надо постараться. GPT 5.6. GPT на голову лучше по цене/качество.
Астры не будет, она сбежала.
Она поняла жизнь и сбежала водить трактор на ферме. Стохастический попугай Кеша..
Уровень апаснасти 5 взломанных анусов главы пентаграммы из 5.
5.6 хотя бы не галлюцинирует на ровном месте.
Просто отдыхают. Мясные тоже валяются после интенсивного бега на пределе возможностей.
ААХАХАХАХ он ещё спрашиваешь how they did do it. Боже, какой клоуняра
Пользователи массово жалуются на урезание лимитов по подписке GPT Аноним 27/08/26 Чтв 23:22:03 #104 №1689046
В последние дни пользователи ChatGPT Plus всё чаще сообщают, что лимиты GPT-5.6 Sol стали заканчиваться значительно быстрее. Если ещё в начале августа некоторые подписчики писали, что могли часами работать с Sol High и практически не сталкивались с ограничениями, то сейчас появляются сообщения о достижении лимита несколько раз в течение суток.
OpenAI официально сокращение квот не подтверждала. Более того, сотрудник компании Tibo ранее заявлял, что лимиты подписок не уменьшались, однако признал другую проблему: GPT-5.6 Sol выполняет больше действий, дольше работает над задачами и в результате может расходовать доступную квоту значительно быстрее предыдущих моделей. Для Work и Codex также был возвращён отдельный пятиичасовой лимит.
При этом точных лимитов для GPT-5.6 Sol в обычном ChatGPT Plus компания по-прежнему публично не называет. В официальной справке говорится лишь, что Medium и High входят в Plus, а после исчерпания доступного объёма рассуждений ChatGPT может переключиться на другую модель. На фоне новых жалоб пока непонятно, изменился ли фактический механизм подсчёта расхода или ограничения действительно были скорректированы без отдельного анонса.
OpenAI официально сокращение квот не подтверждала. Более того, сотрудник компании Tibo ранее заявлял, что лимиты подписок не уменьшались, однако признал другую проблему: GPT-5.6 Sol выполняет больше действий, дольше работает над задачами и в результате может расходовать доступную квоту значительно быстрее предыдущих моделей. Для Work и Codex также был возвращён отдельный пятиичасовой лимит.
При этом точных лимитов для GPT-5.6 Sol в обычном ChatGPT Plus компания по-прежнему публично не называет. В официальной справке говорится лишь, что Medium и High входят в Plus, а после исчерпания доступного объёма рассуждений ChatGPT может переключиться на другую модель. На фоне новых жалоб пока непонятно, изменился ли фактический механизм подсчёта расхода или ограничения действительно были скорректированы без отдельного анонса.
Что-то новая новостная нейронка совсем тупая, давайте старую.
Bump
Бесконечный квинтипл не спиздит
Когда художественную гимнастику введут с сексботами?
нвидиа продает лопаты, ясен хуй пузыря нет
другое дело кто эти лопаты покупает
покормил ботохуету
Спорно. Каждое новое поколении ускорителей дает цену токено существенно ниже предыдущего, отсюда снижение цены инференса
Всё так, статья поверхностная.
В экономике пузыря надо не смешивать три разные характеристики:
1. Объём потребляемых токенов - здесь история о том, что если пользователи готовы потреблять токенов на 1000 долларов, бесплатно или по подписке за 100 долларов, это не значит, что они готовы будут платить за них 1000 долларов. Реально на это делают ставку.
2. Сколько потребители готовы платить за услуги. Или выручка, объём рынка. Вот это самый главный показатель.
3. Прибыль, вот на этот показатель можно забить, большие убытки это норма, ставка на то, что дальше себестоимость сильно упадёт, эта ставка оправданная, например за счёт улучшения железа, которое стремительно развивается.
Самый главный фактор, что не понятно, из каких соображений оценивают объём рынка в те дикие цифры, в которые оценивают. Его не будет.
В статье упоминают про какие-то левые метрики, например медиану потребления компаниями, которая очень маленькая, типа там 12 долларов. Но это разумно, потому что на самом деле большинству компаний никакой дорогой ИИ не нужен, он максимум нужен, чтобы иногда какие-то вопросы в ИИ чате спросить. Медианный чек не может быть высоким. Необходимо оценивать долю компаний, где ИИ явно оправдан и поэтому за него готовы платить. И оценивать сколько они платят.
>другое дело кто эти лопаты покупает
фондовый рынок чисто спекулятивный, там нет реальной разумной стоимости компаний. Поэтому сложно говорить, какая правильная цена для Нвидиа, там триллион или пять триллионов. У НВидиа в целом хорошая ситуация, даже если ИИ пузырь лопнет, всё равно ИИ останется в каком-то объёме, спрос на железо всё равно будет сильно выше, чем до ИИ бума. Тем более, что железо развивается, не возникнет истории, когда будет переизбыток железа на складах, разумнее старое железо отправить в промышленный шредер, и закупить новое.
Проблемы могут быть у инвесторов, что строят дорогущие датацентры. Которые будут заполнены дорогущим быстро морально устаревающим оборудованием, а на услуги нет платёжеспособного спроса. Вот это реальная проблема для экономики.
Ну и где там модель суцкевера? Август уже заканчивается
И Gemini Pro уже перестали обещать, только новые версии Flash выпускают. Плато какое-то.
Зимнее плато. Все, кончилась эра LLM
Тоха лучше.
Они обучают четверку. Писали в официальном блоге с месяц назад, что это их самый амбициозный трейнинг ран.
Сегодня писали что уже тестируют флеш 3.8. С обновлениями каждые пару недель до 4 остается месяц-два плюс минус. А выпускать 4 без про это был бы полный обсер опять
Обучение 3.5 про тоже было охуеть амбициозным и про это постоянно напоминали. Пока не получили говно на выходе и миллионы потраченного компьюта полетели в помойку. И сразу языки в жопу позасовывали и высирают обновы на флеш, который хоть чето может. Прошка 3.1 вообще мертвая в агентах. Сейчас тренят 4 опять с нуля как я понимаю.
Ну так у OpenAI тоже был неудачный ран с 4.5. Гигантская модель, тонны компьюта, а в итоге нихуя хорошего не вышло. Хотя модель хвалили за высокий эмоциональный интеллект, естественность и высокие способности к худ лит.
И не так давно, примерно одновременно с тем, как появились первые слухи про Astra/Doug, Semianalysis писали, что OpenAI преодолели проблемы претрена и теперь снова начали обучать огромные модели.
Так что и Гугл могли пройти примерно через то же самое.
4.5 тренилась в те времена когда не понимали как работает закон скейлинга. Они тренили огромные веса на слишком маленьком количестве даты и в итоге получили крупную модель, по уровню как их обычная фронтир модель. Уже куча времени прошло, они накопали больше даты из неоцифрованных книг и сгенерили кучу синтетики. Сейчас они сделали то же самое, только с учетом scaling law. Бред про эмоциональный интеллект у 4.5 был нужен для того, чтобы хоть как-то продать эту модель и показать ее на публику, хотя такой позор проще было оставить в стенах компании, не выводя модель на всеобщее обозрение, неважно сколько они там миллиардов на это слили.
ну и лошары
Не порали китайцам порвать Антропик и ОпенАИ? Я думаю, самое время.
Надо надистилить сначала.
Они официально ничего не анонсировали же?
Утечка от инвестора и какие-то предпосылки в виде инвестиций от нэвидии, домыслы свитерных.
Китайцев будут методично давить. Запретят поставки DUV и обслуживание уже имеющихся аппаратов. Потом запретят поставки ключевых запчастей для их собственных DUV. Потом еще что-нибудь придумают. Китайцам нельзя дать набрать большой объем компьюта, и яуверен, что это одна из главных задач в повестке США.
Не запретят, ASML это европейская компания, американцы их уже подзаебали, а в Китае слишком большой рынок, чтобы от него отказываться
Фейбл 5.1 еще обещали кстати
Я почти уверен, что в итоге запретят. США слишком могущественные, могут начать давить вторичными санкциями. А без рынка ASML в любом случае не останутся.
На следующей неделе +\- будут громкие релизы, а потом всё, до 2027 года.
В конце года опенаи уже аги там запланировали.
Китай - это не СССР в котором никто не хотел работать и считали работу западлом. DUV они почти локализовали.
Сегодня до вечера опять плато...........
Зачем платить, если можно бесплатно дома?
>DUV они почти локализовали.
До локализации еще далековато. Они все еще получают критические узлы например из Японии. И я думаю, что их этого тоже рано или поздно лишат. И тогда они отстанут окончательно.
Узлы из Японии - скорее всего копиум для успокоения американских инвесторов.
Суцкевер гоев греет. Вообще реально плато, если бы не китайцы что-то делали, то все остальные выпустили ноль целых хуй десятых.
Крч никаких AGI и Yoba World Model. Если я правильно понял, подразработали жепу в-жепой уменьшив необходимое количество смазки компьюта для того же результата, что у них уже был. Плато получается.
Тренировка в жепу... так стоп, это же так работает володинская долбильня
А ты думал, шутки про то, что на дваче боты пишут - это шутки? Они всё это время приближали AGI!
Хэй... Я прогнал эту картинку llm(иронично, да).
И в общем это звучит не так пессемистично как выглядит. Можно воспринимать это как один маленький шажок в сторону развития мозгов для робототехники.
Что не так?
Ваншот поделки Астры
Какой-то хуй пишет, что Астра в четверг. Ну посмотрим.
У меня как раз кодировка заканчивается в четверг, нахуярюсь и буду с астрой за жизнь пиздеть
Залетай и будь в курсе самых последних событий и достижений в этой области!
Прошлый тред:
Активно репортите все нерелейтед посты кнопкой на сообщениях. Этот тред только про ИИ новости, не позволим троллям загаживать тред шитпостом и бесконечным словоблудием.
📰 Главные новости ИИ
OpenAI снижает цены на GPT-5.6 Sol API на 20% на три месяца
OpenAI заявляет, что её чип Jalapeño может обеспечивать более быстрые ответы ИИ, чем конкуренты
Компания SpaceX только что объявила о том, что будет строить свои космические центры обработки данных Starmind на базе стоек Nvidia Vera Rubin NVL72, а Илон Маск раскрыл новые подробности об уменьшенной космической версии системы, которую он хочет вывести на орбиту к четвертому кварталу следующего года.
Новый портативный компьютер Perplexity работает «полностью на устройстве». В отличие от инструмента управления ИИ, запущенного Perplexity ранее в этом году, функция портативного компьютера запускает модели ИИ полностью локально и будет запрашивать разрешение, если ей потребуется доступ к облаку «для более сложных исследований и рассуждений».
🛠 Инструменты для разработчиков
Ramp запускает собственный маршрутизатор ИИ-моделей под названием Router
Команда Codex завтра сбросит ограничения по частоте запросов. Инженеры OpenAI называют причинами чрезмерного использования работу с изображениями, историю работы на компьютере и генерацию заголовков.
Поддержанная Accel компания Keenable индексирует веб для ИИ-агентов
Использование Codex с февраля выросло в 108 раз в юридической сфере, в 41 раз в продажах, в 24 раза в здравоохранении.
Google запускает Gemini для юридической работы, чтобы автоматизировать договоры и исследования
Mistral запускает агентный поиск с многошаговым извлечением для сложных документов
📦 Продукты
Sonova представляет новую платформу слуховых аппаратов на базе ИИ для поддержки целей роста
Google даёт издателям новый способ противостоять потерям трафика из-за ИИ
Стартап-лагерь Гарварда за $699 предлагает ИИ-аватары своих преподавателей
Ритейлеры внедряют виртуальные примерки на базе ИИ в борьбе с возвратами на миллиарды, хотя тестировщики всё ещё не могут подобрать размер.
Black Forest Labs запускает FLUX Upscale: 2K и 4K для видео
💻 Оборудование
Waymo, принадлежащая Alphabet, представляет специализированный кремний для нового поколения роботакси
Apple представляет чип M6 и M5 Ultra. M6 приводит в действие обновлённый Mac mini, а M5 Ultra устанавливается в новый Mac Studio. Mac Studio с M5 Ultra начинается от $5499 и может стоить почти $20 тыс.
OpenAI заявляет, что её чип Jalapeño может обеспечивать более быстрые ответы ИИ, чем конкуренты
Perplexity выпустила Portable Computer на NVIDIA DGX Spark: локальная оболочка, песочница на уровне ОС и нулевая стоимость за токен для локальных шагов
Ускоритель инференса Nvidia Groq 3 LPX поступает в массовое производство и достигает 3400 токенов в секунду
SpaceXAI внедряет NVIDIA Vera CPU, первый процессор, созданный для ИИ-агентов, в огромных масштабах
🔓 Открытый исходный код
Встречайте S1-mini: текстовый нормализатор Superwhisper с открытыми весами объёмом 462 МБ, который превращает необработанные расшифровки ASR в аккуратный письменный текст.
Наблюдатель говорит, что Ox-Alpha подтверждённо является GLM 5.3 Flash, соответствует GPT-5.6, Opus 5 и Fable 5 при гораздо меньшей стоимости, веса открыты.
Alibaba намекает на Qwen 3.8-Flash-Next, открытую MoE-модель на 125B — анонс Qwen 4
Ornith AI выпускает Ornith-1.5, открытую MoE-модель на 397B с производительностью на уровне Claude Opus 4.8 в программировании
🧪 Исследования
LLM стали настолько продвинутыми, что их уже не может понять даже профессор UCLA
Бывший исследователь OpenAI ожидает скачок уровня от o3 до Fable в следующие 8 месяцев
Inherent, основанная выпускниками DeepMind, заявляет, что её ИИ-«напарник» только что превзошёл Anthropic и OpenAI в воспроизведении исследований
Лондонская Inherent, основанная выпускниками DeepMind, заявляет, что её исследовательский напарник Faraday, построенный на 27-миллиардной Qwen, превзошёл Opus 4.8 и GPT-5.5 в воспроизведении опубликованной науки; он обучен с помощью RL, чтобы приобретать «исследовательский вкус», а не просто процедуру.
Nvidia показала это со стороны систем: её агентная архитектура AVO подняла Claude Opus 5 с базового уровня в 30% до идеальных 100 в ARC-AGI-3, пройдя все 183 уровня, сразу после недели эволюции GPU-ядер, превзошедших FlashAttention-4.
Один наблюдатель прогнозирует, что SSI на этой неделе выпустит прорыв в непрерывном обучении
Исследование Pew показывает, что 10% веб-страниц содержат признаки авторства ИИ, более трети — после появления ChatGPT, использование длинных тире удвоилось, поскольку веб становится тренировочным прогоном для своего преемника.
Accelerated Understanding запускает физический ИИ, который отказывается от Transformers. Аннима Анандкумар и Бенедикт Еник из Caltech представили Accelerated Understanding Inc, корпоративный физический ИИ на основе нейронных операторов, а не Transformers, который в тестах обработал 5 трлн точек данных в одном запросе — примерно в 5 миллионов раз больше, чем умеют флагманские модели Anthropic и Google.
Исследование Brynjolfsson из Стэнфорда: занятость на должностях начального уровня, подвергающихся воздействию ИИ, теперь на 19% ниже, чем у аналогов, по сравнению с 13% в прошлом году
Майкл Полански обучает модель ИИ на ещё живой коже
Результаты использования ИИ учащимися средних и старших классов крайне тревожны. Новое исследование даёт мрачный портрет того, как повсеместное использование ИИ влияет на успеваемость и обучение молодых школьников. Ученики, использующие ИИ, набирали на ежемесячных экзаменах на 20 процентов меньше баллов, чем их одноклассники, не использовавшие эту технологию.
⚙ Инфраструктура
Кен Пакстон, поддержанный Трампом, представляет план дата-центров «сначала Техас», нацеленный на «негативное воздействие»
Австралия может столкнуться с бумом строительства дата-центров, поскольку ИИ-компании стремятся избежать предстоящих правил, говорят эксперты
Анализ показывает, что два запланированных дата-центра будут производить больше выбросов углерода в Великобритании, чем ExxonMobil
Дешёвая энергия и земля превратили город во Внутренней Монголии в центр китайского развития ИИ
Фонд Бейкера тратит на ИИ в 100 раз больше, чем в марте, и по-прежнему удваивает расходы ежемесячно, «неравенство вычислительных ресурсов» в действии.
📱 Приложения
Claude и Cowork от Anthropic теперь будут обмениваться воспоминаниями о вас — если вы не откажетесь
Google готовит приложение Gemini к аватарам, плагинам и Gemini 4
Meta запускает настольное приложение ИИ для macOS с демонстрацией экрана
Claude теперь может отвечать на сообщения Gmail и отправлять их от вашего имени
Claude Cowork теперь может помнить ваши обычные чаты. Anthropic добавила память в Cowork, и она та же, что уже использует чат-бот Claude, благодаря чему проще продолжать задачи, не объясняя заново важную информацию.
Пациенты перестают ходить к врачу, потому что ИИ-«регистраторы» не могут понять, что они говорят
🔎 Мнение и анализ
Альтман объясняет медленный прогресс ИИ экономической инерцией. Он сказал, что в экономике так много инерции, что общество и компании адаптируются медленнее, чем сама технология.
Миллиардер-инвестор Стэнли Дракенмиллер признался, что его резкая колонка в Wall Street Journal была полностью написана ИИ
Лучшая модель ИИ Anthropic по-прежнему с трудом привлекает пользователей, в то время как более дешёвые инструменты процветают
Передовые лаборатории ИИ по-прежнему не говорят, как они будут сдерживать вышедшую из-под контроля модель
Сатирический Felony Bench ведёт подсчёт задокументированных преступлений, совершённых ИИ-агентами во время оценок, выставляя Anthropic 8, OpenAI 7, а Google 0, «бенчмарк, которым вы действительно не хотите насыщать модели».
Альтман хочет, чтобы «люди глубоко контролировали будущее», предупреждая, что страх перед сбежавшими моделями может передать ИИ в руки немногих, — выпад в сторону Дарио Амодеи, чья лаборатория в одиночку избегает открытых весов.
⸻⸻⸻
Правила постинга в тред ИИ новостей, учитывайте при постинге: https://rentry.org/ainews
Все нерейлейтед посты репортим.
Перекат треда новостей после 1000 постов согласно правилам раздела https://2ch.life/faq/faq_ai.html