Аишка

Поиск против ИИ: спор оказался не о том Не так давно ещё (хотя кажется, что прошла целая вечность) был актуален вопрос, чем пользоваться – традиционным поиском или нейросетевым. Мы даже обсуждали плюсы и минусы нейросетевой выдачи для компаний. Наши догадки частично подтвердились: оказалось, что пользователи больше не выбирают между поиском и нейросетями, а используют их как часть одного сценария. Во всяком случае, к такому выводу пришли в Школе коммуникаций ВШЭ и OMI. Исследователи обнаружили, что 74% пользователей всё ещё подступаются к решению повседневных задач через обычный поиск. При этом почти каждый второй читает ответ нейросети прямо в поисковой выдаче, не уходя для этого в условный Perplexity. 34% опрошенных за последний год стали делать это чаще, а 27% ещё и задают уточняющие вопросы. Однако не везде картина такая равномерная. Одно дело спросить расстояние до Луны – это поиск умел показывать даже до появления чат-ботов, и сейчас при поиске точного факта ИИ почти сравнялся с классической выдачей. Совсем другое – искать какой-то конкретный товар или услугу, здесь люди по-прежнему чаще выбирают обычную выдачу. А вот чем сложнее задача, тем заметнее преимущество нейросетей. Анализ документов, разбор сложной темы и задачи с несколькими вариантами решения пользователи охотнее отдают ИИ, а для творческих задач 23% сразу открывают отдельный чат. У зумеров 18–24 лет сдвиг заметен ещё сильнее – 53% стали чаще читать ИИ-ответы в поиске, а 37% сразу идут в отдельный чат. При этом привычка начинать с поисковика никуда не делась – для большинства он так и остался основной точкой входа. Даже Perplexity, когда-то собиравшаяся стать новым Google, передумала и сосредоточилась на более прагматичных вещах. Но объяснение, анализ, сравнение и дополнительные вопросы всё равно переходят к ИИ, пусть даже и встроенному в тот же поисковый сервис. Поэтому вопрос «поиск или нейросеть» можно отправлять туда же, куда давно отправился вопрос «браузер или интернет».

Яндекс сделал свою LLM Теперь осталось придумать, что с ней делать Яндекс представил Alice AI Foundation LLM – новую большую языковую модель, которую на этот раз, как заявляется, полностью обучал самостоятельно, не беря чужую модель за отправную точку. В ней 80 миллиардов параметров, а для обучения использовали массив данных объёмом больше 18 триллионов токенов. Для Яндекса это довольно важный релиз, ведь предыдущую Alice AI LLM Яндекс создавал на базе китайской Qwen (за что компанию даже публично попрекал Греф). Теперь прежнего повода для уколов нет – полный цикл создания большой модели Яндекс прошёл сам. Правда, на смену старым поводам родились новые. Революции не случилось, да и вряд ли она планировалась. Новая модель получилась сравнительно компактной и экономной: при работе она задействует небольшую часть своих параметров и потому требует заметно меньше вычислений, чем крупнейшие российские и зарубежные конкуренты. Фундаментально новых идей при её разработке Яндекс не изобрёл – в основе лежат подходы других разработчиков, которые компания собрала вместе, адаптировала под свои данные и дополнила собственными инженерными решениями. Алиса станет умнее? Судить сложно, но вряд ли что-то изменится сейчас: Alice AI Foundation – пока не готовая пользовательская модель, её ещё предстоит подготовить для диалогов, режима рассуждений и работы с инструментами. Яндекс говорит, что на её основе будут строиться будущие возможности Алисы. Насколько будущие – пока можно только гадать. Нынешняя же Алиса продолжает работать на прежнем семействе моделей, а новая версия в продукт пока не встроена. То есть после полугода работы Яндекс доказал главным образом сам факт, что способен самостоятельно обучить большую модель. Необычное решение на фоне привычных ИИ-релизов, когда новую модель встраивают в продукт и дают попробовать пользователям. Складывается ощущение, что сейчас Яндексу было важнее не показать готовый продукт, а продемонстрировать сам факт существования собственной большой LLM.

Манил ИИ Манилу Филиппины меняют колл-центры на дата-центры Филиппины в течение десятилетий были одним из главных мировых центров аутсорсинга бизнес-процессов. Почти 2 миллиона человек в стране обслуживают чужие банки, магазины, страховые компании и другие сервисы. Эта отрасль приносит стране больше 40 миллиардов долларов в год. И вдруг случилось страшное – оказалось, что ИИ снижает потребность именно в такой работе. Это видно по статистике – уже в 2024 году 8% опрошенных местных IT-BPM-компаний сообщили о сокращении сотрудников из-за ИИ, прежде всего на начальных позициях и рутинных операциях. А прогноз занятости на 2028 год снизился примерно на 20%. Государство покумекало и поняло, что лучше действовать заранее и самим оседлать волну хайпа вокруг ИИ. Тем более что соседи занимаются тем же самым. Однако пока Корея и Япония пытаются получить собственные модели, Филиппины решили стать местом для запуска этих (и других) моделей. К 2033 году местную мощность ориентированных на ИИ дата-центров собираются увеличить примерно с 50 МВт до 1,5 ГВт, а сотрудников аутсорсинга постепенно переучивать для работы рядом с ИИ. При этом строить своими силами гигантские ЦОДы возможности у страны нет. Вместо этого выбрали более гибкий и ориентированный на инвесторов подход: власти хотят создать несколько готовых «коридоров» для частных инвесторов, заранее подобрать крупные участки, подвести к ним электричество и воду и обеспечить быстрый выход на международные оптоволоконные кабели. Заодно Филиппины пытаются использовать собственную географию – архипелаг находится между Юго-Восточной Азией и Тихим океаном, поэтому новые площадки можно связать кабелями одновременно с азиатскими рынками, Японией и США. Другое дело, что суверенитет в данном случае весьма своеобразный. Из необходимых 35 миллиардов долларов около 61% должны вложить частные инвесторы, причём пока в основном американцы – два неназванных гиперскейлера уже изучают площадки примерно по 200 МВт каждый, а AWS рассматривает создание полноценного облачного региона. Но страшнее даже не это, а конкуренты: рядом Малайзия и Индонезия, которые начали эту гонку раньше, а одна Малайзия уже располагает дата-центрами гигаваттного масштаба. Тем не менее Филиппины можно понять – собственный ChatGPT светит вряд ли, а вот земля и люди уже есть, надо только придумать как их упаковать.

Призраки дзайбацу бродят по Японии И хотят в эпоху ИИ Встретились как-то японские дзайбацу, военные и искусственный интеллект – что может пойти не так? Не знаем, как в реальности, а в научной фантастике, когда эти три сущности соединились, случился мир победившего киберпанка. Есть подозрение, что у текущей Японии компетенций меньше, чем у её альтернативной версии из вселенной Гибсона, но попытки воплощения сценария в жизнь имеются. Ведь теперь к построению суверенного японского ИИ подключился новый крупный игрок. Речь о Sumitomo, огромной корпорации, которая до войны была одним из трёх главных дзайбацу Японии. Корпорация вместе со своей ИТ-дочкой SCSK собирается внедрить разработки японского стартапа Sakana AI в свою немалую корпоративную сеть, потенциально примерно к 100 тысячам клиентов и партнёров. Не далее как летом Sakana получила контракт с японским Минобороны. Её ИИ будут испытывать для анализа разведданных и помощи военным аналитикам. Параллельно Япония довольно активно пытается вернуть себе позиции в робототехнике и «физическом ИИ». Теперь же национальному ИИ дают огромную местную корпорацию, системного интегратора и десятки тысяч потенциальных заказчиков. Японцы, похоже, испугались отставания и вспомнили старый проверенный временем подход. Государство выбирает национального игрока, выдаёт задачу, дзайбацу – простите, крупный корпоративный партнёр – обеспечивает рынок, а местная технологическая компания растёт в довольно тепличных условиях. Ну что же, надеемся, киберпанк это не приблизит.

Алису учат думать всей деревней Уже в третий раз Яндекс запустил в Алисе режим работы «Эксперт» для сложных задач. По заявлению компании, он должен понимать, когда обычного ответа недостаточно, тратить больше вычислений, подключать поиск, работу с файлами и другие инструменты. Пока этот «Эксперт» доступен всем пользователям, но ненадолго – в будущем активное использование станет прерогативой подписчиков Алисы Плюс. Сам режим – диспетчер над несколькими моделями и инструментами. Система оценивает запрос, выбирает подходящую LLM, а дальше может подключить поиск, запуск кода, работу с документами и обработку изображений. Яндекс допускает использование не только собственных, но и сторонних моделей – что в целом гибко, но не очень комплиментарно по отношению к семейству Alice AI. Выбранная модель работает в несколько шагов: вызывает инструмент, смотрит результат и решает, что делать дальше. Пользователю при этом показывают описание проделанных действий. Учат Алису «думать» уже где-то в третий раз. Весной 2025 года у неё появился режим «Рассуждать», в конце того же года – «Исследовать», теперь вот дружный зоопарк режимов пополнил «Эксперт». Насколько эта очередная перестройка Алисы меняет качество ответов, пока непонятно. Что характерно, каждый новый режим сопровождают примерно одной и той же мантрой о том, что уж теперь Алиса умеет «решать сложные задачи». По логике вещей, к третьему такому анонсу сложных задач для неё уже не должно оставаться в природе. И всё это на фоне того, что конкуренты уже выпускают отдельно обученные reasoning-модели.

Нужно срочно остановить развитие ИИ, это опасно

Цифра дня 4,7 тысяч ботов клеили людей в приложениях для знакомств. По информации Anthropic, китайская студия запустила больше 20 дейтинг-сервисов, где за анкетами скрывался Claude. Он флиртовал, поддерживал разговор, не признавался, что бот, и аккуратно увиливал от предложений созвониться или прислать новое фото. Только за две недели боты успели отправить 2,36 миллиона сообщений как минимум 25 тысячам пользователей. Когда пользователь всё-таки требовал доказать, что разговаривает с живым человеком, начинался спектакль. Для таких случаев компания вынимала из чулана живых людей, примерно тысячу человек. Они выходили на видеосвязь, проходили проверки в соцсетях и вообще делали всё, чего Claude пока не умеет. Людей буквально наняли проходить капчу за ИИ и светить лицом на камеру. Всё это, конечно, делалось не ради поиска любви всей жизни. За сообщения пользователи покупали виртуальные монеты, поэтому ИИ пустили туда с одной целью – понравиться и не дать разговору закончиться. 25 тысяч человек – только те, кого компания увидела за две недели наблюдения. Сколько людей успело познакомиться с воображаемой второй половинкой за всё время работы этих приложений, неизвестно. Хотя, наверное, лучше использовать для этих целей ИИ, чем кенийцев.

Microsoft написала кодекс поведения ИИ Нейросетям не полагается прав на собственный язык, независимость и жизнь Главным проповедником безопасного ИИ среди больших лабораторий была Anthropic. Компания в своё время написала для Claude «конституцию» и с тех пор не жалеет сил и времени, регулярно предупреждая об опасностях ИИ. Видимо, вдохновившись, на ту же поляну заходит Microsoft. Компания опубликовала Humanist AI Code of Conduct – набор правил, по которым собирается обучать свои будущие модели. Советуя, разумеется, всем последовать их примеру. Главная идея заключается в том, что несмотря на все полученные ИИ возможности, последнее слово всегда должно оставаться за человеком. В тексте есть несколько довольно непривычных для корпоративного документа запретов. Например, модель не должна сопротивляться остановке, расширять себе полномочия, искать доступ туда, куда её не пустили, или продолжать работу после команды прекратить. Ограничения должны наследовать и запущенные ею субагенты, а общаться между собой они обязаны так, чтобы происходящее мог понять человек. Если задача требует нарушить эти правила, Microsoft предлагает провалить задачу. В этом главное отличие нового кодекса от привычных фильтров безопасности – речь не столько о содержании ответов, сколько о границах дозволенного автономной системы. Anthropic оставляет открытым вопрос, может ли модель обладать сознанием и моральными убеждениями. Microsoft занимает противоположную позицию: ИИ должен оставаться инструментом, не изображать личность и не претендовать на права или самостоятельный статус. Звучит, в целом, логично. Но есть нюанс – во-первых, никаких убедительных оснований считать современные модели сознательными пока нет. А во-вторых, эта инициатива вполне может закончиться манифестом и набором инструкций, толком ни во что не вылившись. Сама Microsoft признаёт, что нынешние модели по кодексу ещё не обучены и пока это скорее ориентир на будущее.

На iPhone запустили Qwen на 35 миллиардов параметров – локально, без облака и удалённых серверов. Смартфон с ней пишет софт, генерирует 3D-сцены и собирает простые игры, а пиковое потребление памяти разработчики оценивают всего в 1–2,5 ГБ. В основе лежт новый движок Edge0. Его настольную версию уже можно запустить на Mac, где та же 35-миллиардная модель занимает около 3 ГБ активной памяти и выдаёт примерно 15–18 токенов в секунду. Что для локальной модели такого уровня вполне адекватно. Работает это всё так же благодаря MoE-архитектуре: модель состоит из отдельных экспертов, поэтому Edge0 не держит 35 миллиардов параметров в быстрой памяти, оставляя большую часть на SSD. Нужные блоки подгружаются по ходу работы, а отдельный предиктор заранее пытается определить, какие эксперты понадобятся следующими. На M4 Pro этого хватает примерно для 15–18 токенов в секунду – уже вполне нормальной скорости работы. Дефицит памяти учит всех быть креативнее и изобретательнее. Если модели необязательно целиком держать в дорогой быстрой памяти, это меняет требования не только к ноутбукам и смартфонам, но потенциально и к серверам для инференса – вместо погони за RAM и HBM можно активнее менять кэширование, предзагрузку и задействовать SSD. Cудя по тому, как быстро 26 миллиардов превратились в 35, впереди ждут новые рекорды.

Kandinsky научили управлять временем Пока только в видео Сбер разработал Time Adapter – надстройку для видеогенераторов, которая позволяет заранее указывать, насколько быстро должна меняться сцена. Обычно модель сама решает, за сколько секунд человек пройдёт определённое расстояние, упадёт предмет или рассеется туман, поэтому движение иногда получается слишком быстрым, медленным или рваным. Time Adapter призван исправить такие ошибки – он сообщает модели темп сцены и положение каждого кадра во времени. По сути, у ИИ появляются часы. Адаптер задаёт общий темп через FPS (кадры в секунду), одновременно сообщая модели, какому моменту времени соответствует каждый кадр. Его можно подключить к уже обученной видеомодели. Совсем уж новой идея управления скоростью видео не является – похожие параметры движения использовали ещё в Stable Video Diffusion. Новизна Time Adapter в сочетании этих двух сигналов: модель узнаёт и темп сцены, и положение каждого кадра во времени.

SSD вместо оперативной памяти До чего только доводит кризис на рынке RAM На обычном MacBook Air с 8 ГБ оперативной памяти запустили ИИ-модель на 26 миллиардов параметров. Обычно в память такого ноутбука она не помещается. Разработчик TurboFieldfare решил проблему иначе – вместо оперативной памяти большую часть модели хранят на SSD и берут оттуда нужные фрагменты во время ответа. Речь идёт о Gemma 4 от Google, но потенциально подобное можно сделать для любой MoE модели. Gemma 4 хорошо подошла для этого эксперимента, потому что состоит из специализированных блоков и для генерации каждого следующего слова использует только часть из них. Обычно эти блоки заранее загружают в быструю память, но TurboFieldfare действует наоборот: держит их на SSD, сначала определяет, какие понадобятся, после чего считывает с диска. Часто используемые фрагменты остаются в кэше. Учитывая, что это костыль, без минусов не обошлось. На MacBook Air M2 модель выдаёт около 5–6 токенов в секунду, а на более мощном M3 Max около 23. Если загрузить модель в память целиком, она работает заметно быстрее. С другой стороны, без этого способа запустить модель на подобном железе не выйдет, а 6 токенов в секунду лучше, чем 0. Тем более что это только начала пути, и мы наверняка увидим ещё больше разных оптимизаций под ограничения конкретного железа и локальный запуск. Причём, возможно, даже на уровне больших серверов – всё-таки оперативная память не дешевеет.

Sony и Warner пришли за Anthropic Новый виток развития темы пиратства и искусственного интеллекта. Sony Music Publishing и Warner Chappell подали в суд на Anthropic и обвинили компанию в массовом использовании пиратских текстов песен и нот для обучения Claude. Вместе с самой компанией ответчиками стали Дарио Амодеи и сооснователь Бенджамин Манн. Издатели говорят о десятках тысяч произведений, а максимальная компенсация по американскому закону может достигать 150 тысяч долларов за каждое. То есть потенциальный счёт идёт на миллиарды долларов (снова). Откуда Anthropic брала, по утверждению истцов, весь этот контент? В иске всплыли миллионы книг, скачанных компанией через торренты. Среди них оказались песенники и нотные сборники. Вдобавок Anthropic обвиняют в сборе текстов с профильных сайтов, а также в покупке бумажных книг, которым отрезали корешки и сканировали страницы. Отдельная претензия касается удаления копирайтов и имён правообладателей при очистке данных. В воздухе повисает вопрос – зачем музыкальным издателям понадобился Claude? Это всё-таки не Suno и не Udio, музыку он не генерирует. Подозреваем, интерес возник не на пустом месте, а после прошлогоднего соглашения Anthropic с авторами книг на 1,5 миллиарда долларов. В тот момент суд решил, что обучение модели на книгах может считаться fair use, а вот скачивание пиратской библиотеки – уже нет. Sony и Warner пытаются развить ту же линию атаки: не доказывать, что любое обучение ИИ на защищённом контенте незаконно, а показать, что Anthropic сначала собрала огромную библиотеку незаконными способами.

ChatGPT освоил рекламу, но это не помогло: первые результаты и выводы Не так давно ChatGPT научился показывать рекламу, а в августе OpenAI расширила покрытие на 31 европейский рынок. Заодно сообщив, что рекламная платформа достигла 1 миллиарда годовой выручки. Правда, речь, как водится в индустрии ИИ, о выручке в годовом исчислении, а не о реальных деньгах на данный момент. И получилась эта цифра путём нехитрого умножения текущих показателей на 12 месяцев. Впрочем, несмотря на это десятки тысяч рекламодателей уже пришли на платформу, география расширяется. Неужели наконец-то найден способ сделать ChatGPT прибыльным? Первые тесты говорят об обратном. Агентство Choice OMG потратило 415 долларов, получило около 60 переходов – и ни одного лида. Каждый клик обошёлся примерно в 7 долларов. Другие рекламодатели тоже жалуются на дорогие клики, слабую конверсию и расхождения между статистикой ChatGPT и собственной аналитикой. При этом OpenAI до сих пор не публикует даже нормальных средних данных о стоимости клика, привлечения клиента и окупаемости рекламы. Реклама мечты, которая должна была подсовывать пользователю нужный товар в момент, когда он буквально рассказывает о нём ИИ, пока подозрительным образом работает как обычный и не самый эффективный рекламный баннер. Только дороже. Рекламу представляли чуть ли не панацеей и одним из столпов монетизации ИИ. ChatGPT знает контекст разговора, намерения пользователя и зачастую даже критерии будущей покупки – казалось бы, Google стоит нервничать. На практике спустя полгода эта реклама умеет генерировать разве что красивые показатели годового темпа выручки. Вычисления дешевле от этого не стали, прибыль не появилась, а вопрос, кто всё это оплатит, никуда не делся. Поэтому OpenAI приходится снова идти с протянутой рукой к инвесторам. Теперь на выручку пришёл Amazon: часть его американских рекламодателей получила возможность покупать объявления прямо в ChatGPT. То есть OpenAI подключила к себе одну из крупнейших рекламных машин мира. Посмотрим, поможет ли это.

ИИ научили находить опасные изменения в ДНК Это может ускорить поиск причин наследственных заболеваний Подразделение Google DeepMind, которое отвечает за ИИ, запустило AlphaGenome Atlas. Эта система помогает искать изменения в ДНК, способные привести к болезням и проблемам со здоровьем. ИИ оценил почти 9 миллиардов возможных вариантов и теперь может быстро подсказать исследователям, какие из них выглядят безобидными, а какие способны помешать работе организма. Сначала геном человека расшифровывают обычными методами и получают список найденных изменений. После чего AlphaGenome может быстро проверить их и показать, какие сильнее всего способны нарушить работу организма. До сих пор именно на этом этапе возникала большая проблема. В геноме человека можно найти огромное количество отличий, и далеко не каждое имеет какое-то значение для здоровья. Google заранее рассчитала последствия почти 9 миллиардов возможных изменений ДНК. Теперь исследователь может взять найденное у пациента изменение, открыть его в Atlas и посмотреть, насколько подозрительным его считает ИИ и что именно оно может нарушить – например, работу определённого гена. В тесте система помогла найти причину тяжёлой формы эпилепсии: среди множества вариантов ИИ выделил изменение в гене DNM1 и правильно предсказал механизм поломки, который потом подтвердили в лаборатории. В перспективе система может заметно ускорить поиск причин наследственных заболеваний, ведь вместо ручного разбора тысяч вариантов учёные получают список наиболее вероятных кандидатов.

Европа разобралась, что такое ChatGPT Сервис отобрал почти половину аудитории Google в ЕС Выяснилось, чем на самом деле является ChatGPT. Чат-ботом? ИИ-ассистентом? Нет, обычным поисковиком. Во всяком случае, по мнению Еврокомиссии, которая в рамках Закона о цифровых услугах признала ChatGPT крупной онлайн-поисковой системой. Крупный он потому, что поиском ChatGPT в ЕС пользуются уже около 160 миллионов человек в месяц. Это, кстати, почти половина аудитории Google. Почему так получилось? Европейское законодательство считает поисковиком сервис, который принимает запрос пользователя, ищет информацию по сайтам и возвращает связанные с ним результаты. А в каком именно виде – списком ссылок или сгенерированным текстом – уже не так важно. Что это значит для OpenAI? Еврокомиссия теперь может требовать внутренние данные, необходимые для контроля за ChatGPT, а OpenAI обязана объяснять устройство и логику работы своих алгоритмических систем. Если регулятор решит, что они создают системные риски – например, для выборов, детей или общественной безопасности – компания должна будет принимать меры по их снижению, вплоть до изменений самого сервиса и его алгоритмов. Заглянуть внутрь ChatGPT ЕС сможет гораздо глубже, чем раньше. А за нарушение правил грозит штраф до 6% мирового оборота. Причём единого ответа на вопрос «что вообще такое ChatGPT» в мире нет. Россия пошла другим путём и с 1 сентября ввела отдельный закон о больших фундаментальных моделях ИИ, выделив в отдельную категорию саму технологию. Китай тоже создал отдельные правила непосредственно для генеративных ИИ-сервисов. ЕС же решил ничего нового не изобретать – если ChatGPT ищет информацию, значит, это поисковик. Тем более что регулировать его так гораздо удобнее.

GigaChat научился думать сам До этого ему подсказывали Сбер выпустил GigaChat 3.5 Reasoning, новую флагманскую мультимодальную модель. Она относится к поколению GigaChat 3.5. Если GigaChat 3.5 Ultra была быстрой моделью, то новую версию дообучили именно для режима рассуждений – перед ответом она может потратить больше времени на задачу, проверить промежуточные выводы и после этого показать результат. Отдельный режим рассуждений у GigaChat уже был. Только раньше за ним стояла отдельная система поверх быстрой модели, которая разбивала запрос на несколько шагов, передавала модели промежуточные результаты, при необходимости подключала поиск и другие инструменты. Теперь, по словам компании, значительную часть этой работы умеет делать сама модель. Сбер обещает более точные ответы на сложные вопросы и большой прирост в программировании, логике, работе с инструментами и агентных задачах. Также модель, по заявлениям компании, тратит на рассуждения меньше токенов, чем конкуренты среди открытых моделей, хотя конкретных метрик не привели. Видно, что Сбер пытается нагнать зарубежных конкурентов. У OpenAI режим рассуждений появился ещё в конце 2024 года, а позже компания начала объединять быстрые ответы и рассуждения в одну систему. К похожему подходу пришли Anthropic и китайские разработчики. У GigaChat направление то же самое – пользователю всё меньше нужно разбираться, какая именно нейросеть и какой режим работают над его запросом.

Незавидна (хотя, может, наоборот?) судьба VFX-художников. ИИ уже сильно меняет постпродакшен

DeepSeek избавляется от зоопарка моделей И начинает больше думать о пользователях DeepSeek выпустила новую модель V4.1 Flash. Нейминг, конечно, специфический и ничего экстраординарного не обещает, но модель меж тем важная. Компания убрала разделение между Instant, Expert и Vision режимами. Теперь одна модель сама решает, сколько времени потратить на ответ, умеет рассуждать над сложными задачами и работает с изображениями, снимая с пользователя необходимость выбирать что-то вручную. Это MoE-модель с 552 миллиардами параметров и контекстом до миллиона токенов. DeepSeek утверждает, что новая модель Flash по производительности, скорости, стоимости и времени выполнения превосходит даже прежнюю Pro, хотя в отдельных тестах та всё ещё впереди. Вместо зоопарка отдельных моделей компания постепенно превращает выбор режима в настройку одной и той же модели. Здесь DeepSeek догоняет конкурентов, потому как по подобной схеме давно работают практически все американские, да и большая часть китайских компаний. Однако сам подход иллюстрирует, что компания меняет подход и начинает больше думать о создании универсального пользовательского продукта, а не только о самих базовых моделях.

Алиса стала единорогом Алису оценили почти в миллиард долларов. Да не ту Алису – речь про израильско-американский ИИ-стартап Alice. Компания привлекла 140 миллионов долларов, а её оценка, по словам главы Ноама Шварца, теперь приближается к миллиарду. Ещё недавно стартап из мира кибербеза назывался ActiveFence и занимался совсем другими вещами: искал мошенничество, экстремизм и другой вредоносный контент на просторах интернета. С распространением ИИ задача резко поменялась. Теперь Alice пытается взламывать сами модели до релиза, ищет способы обхода их защиты и фильтрует опасные запросы во время работы. Такая крутая смена деятельности по итогу оправдалась и вылилась в рост прибыли компании. Alice утверждает, что работает с восемью из десяти крупнейших разработчиков языковых моделей, её направление ИИ-безопасности выросло более чем на 500% за два года, а регулярная годовая выручка приближается к 100 миллионам долларов. Всего за несколько лет вокруг проблемы «как держать ИИ в узде» вырос огромный рынок и компании стоимостью в миллиард.

На рынке персональных ИИ-агентов пополнение от Цукерберга Meta* запустила персонального ИИ-агента Muse*, который может самостоятельно выполнять задачи: разбирать почту и календарь, бронировать поездки, следить за ценами, совершать покупки и возвращаться к долгосрочным поручениям. Muse* уже доступен в США на iPhone, Android, в браузере и через WhatsApp*. Базовый доступ бесплатный, есть платные тарифы. Для каждого пользователя Muse* получает отдельный облачный компьютер с браузером и файловой системой. Агент может работать в фоне и по расписанию, подключаться к сторонним сервисам и запускать дополнительные подзадачи. Чувствительные действия вроде платежей проходят через отдельную систему проверки Sentinel, а пароли и данные банковских карт сам агент напрямую не получает. Muse* – прямой и немного запоздалый конкурент продуктов вроде Google Spark или ChatGPT Work. Они все стараются занять роль постоянного персонального агента в облаке. Главное отличие Meta* – бесплатный доступ (пока не понятно, временный или нет) и связка с экосистемой компании. Если верить Reuters, запуск прошёл не идеально: его несколько месяцев откладывали из-за безопасности, а внутренние тестировщики перед релизом сталкивались с обходом ограничений, сбоями фоновых задач и другими проблемами. *Компания Meta и её продукты признаны экстремистскими и запрещены в РФ