Аишка

Роботам дали осязание и память Немецкая компания Neura Robotics представила Neuron AI – нейросеть, которая позволяет роботам не только видеть окружающий мир, но и чувствовать прикосновения, слышать звуки и запоминать происходящее. По словам компании, робот сможет продолжать работу с предметом, который исчез из поля зрения, потому что помнит, где тот находится. Или определять по звуку щелчка, открылся ли замок, а по прикосновению – не слишком ли сильно сжимает хрупкий предмет. Для этого разработчики объединили в одной модели данные камер и лидаров, звуки, ощущения от прикосновений и информацию о движениях самого робота. Нейросеть сопоставляет эти сигналы с предыдущими действиями и решает, что делать дальше. На данный момент модель уже адаптировали к пяти конфигурациям роботов Neura, от гуманоидов до промышленных манипуляторов, где она работает без подключения к облаку. Заявляется, что в дальнейшем клиенты смогут обучать роботов собственным операциям и передавать освоенные навыки другим машинам через Neuraverse. Если по отдельности эти технологии существуют давно, то Neura и ряд других компаний пытаются собрать их в универсальную систему, пригодную для разных роботов. Потенциально это позволит не программировать каждую операцию отдельно, а обучать роботов новым навыкам один раз короткой демонстрацией и переносить их между машинами. Почти как в Матрице. Правда, технические характеристики Neuron AI и результаты испытаний пока не опубликованы, равно как и неясно, насколько долго робот что-то «помнит» и повторяет перенесённые «навыки».

Майнеры бросают биткоин ради ИИ Бывшие майнеры биткоина один за другим бросают свой тяжкий труд по добыче криптовалюты и переквалифицируются в так называемые «неооблака». То бишь просто сдают накопленные мощности в аренду ИИ-компаниям. По данным The Information, компания Anthropic, которая разрабатывает Claude, заключила многолетнее соглашение с одним из таких бывших майнеров, компанией IREN. Условия сделки не раскрываются, но у IREN до кучи уже есть контракты с Microsoft и Nvidia . Похоже, скоро на смену историям о нелегальных ЦОДах для майнинга возле электростанций придут новые, где то же электричество продают Сберу или Яндексу. Так вышло, что майнеры строили большие дата-центры, подключали к сети и ставили в них тысячи видеокарт тогда, когда это ещё не было мейнстримом. Выяснилось, что всё это время они копили чрезвычайно ценный по сегодняшним меркам ресурс – доступ к электричеству. ИИ-компаниям требуются всё новые дата-центры, а подключение к электросетям приходится ждать годами, отсюда и желание прибегнуть к аренде. Для этого требуется сущая мелочь – вынести на свалку все старые видеокарты и завезти новые, с припиской «для ИИ». Насколько больше заработают те же ЦОДы в новых реалиях? При текущей доходности майнинга один мегаватт оборудования может приносить около 800 тысяч долларов выручки в год, причём значительная часть денег уходит на электричество. А судя по контрактам бывших майнеров с ИИ-компаниями, сдача оборудованного дата-центра приносит от 1,2 до 2,4 миллиона долларов на мегаватт в год. Если же самостоятельно закупить ускорители и продавать вычисления, выручка может быть ещё выше, как в случае пятилетнего контракта IREN с Microsoft стоимостью 9,7 миллиардов долларов. История далеко не единичная – Core Scientific переоборудует майнинговые площадки для CoreWeave, Riot Platforms сдаёт мощности AMD, а бывший майнер TeraWulf заключил с теми же Anthropic двадцатилетний контракт на 19 миллиардов долларов. Что подтверждает и отчётность. В последнем квартале облачные ИИ-сервисы впервые принесли IREN больше выручки, чем добыча биткоина, 70,5 миллионов долларов против 66,7 миллионов. Но есть нюанс – за год IREN получила чистый убыток в 703 миллиона долларов, в основном из-за списания старого майнингового оборудования. Так что смена профессии оказалась удовольствием не из дешёвых.

Первая ласточка волны банкротств в ИИ Один из самых известных ИИ-стартапов, Character AI, позволявший пользователям создавать сгенерированных персонажей и общаться с ними, объявил о банкротстве. Незадолго до этого компания собрала аудиторию в 12 миллионов человек, проводивших в приложении в среднем два часа ежедневно. Не так давно даже Google платила им почти 3 миллиарда долларов за лицензию на технологии и переманивала основателей. Однако всё это компанию не спасло. Теперь Disney предлагает 20 миллионов долларов за лицензию на часть технологий стартапа, а само приложение могут закрыть уже в декабре, если покупатель не найдётся. Как так вышло? Спасибо банкротству, появилась возможность заглянуть в финансовые документы стартапа. Картина в них обнаружилась достаточно занимательная. За 2024 год Character AI заработала 7,4 миллиона долларов, за 2025 – уже 23,6 миллиона, то есть рост доходов кратный. Компания активно развивала подписки, запустила рекламу, и к августу 2026 года месячная выручка достигла 5,3 миллиона. То есть компания изо всех сил двигалась к финансовой устойчивости. Всё бы ничего, но есть нюанс – расходы за тот же месяц вышли 13,3 миллиона. Компания зарабатывала с каждого пользователя 44 цента, а тратила на него же свыше доллара, разрыв в 2,5 раза. Почти половина всех операционных расходов ушла на вычисления. Ежемесячно компания теряла по 8–9 миллионов – и это после того, как отказалась от разработки фундаментальных моделей, перешла на более дешёвые вычисления и сократила персонал. За два года расходы удалось уменьшить почти на 40%, но даже это не помогло. Долгое время разницу покрывали деньги инвесторов, однако в какой-то момент желающие спонсировать это пиршество духа закончились. Не последнюю роль в этом сыграли многочисленные судебные разбирательства. Что-то подозрительно знакомое прослеживается в этой истории. Смутные знаки и символы. Как дела у Anthropic, которая закончила год с операционным убытком больше 8 миллиардов долларов? У OpenAI? Гендиры компаний рапортуют, что всё идёт по плану. Хотя сам план не то чтобы шибко надёжный – привлечь как можно больше денег, разогнать оценку, выйти на IPO, а дальше смотреть по ситуации, как бог пошлёт. Эти компании могут позволить себе такую роскошь благодаря интересу инвесторов. Если инвесторы однажды решат, что обещаний будущих прибылей им недостаточно, и в экономической модели ИИ-компаний ничего кардинальным образом не изменится, Character AI окажется первой ласточкой новой волны банкротств.

В России придумали сегрегировать ЦОДы, теперь они будут делиться на обычные и особенные, то есть с приставкой «ИИ». Последним в перспективе светят льготы на электричество, подключение к сетям и другие преференции. Нужно это для того, чтобы адресно помогать искусственному интеллекту в стране и ненароком не облагодетельствовать какой-нибудь обычный хостинг. Интересно, какой уровень и преференции по данному проекту полагались бы будущему ЦОДу Anthropic в Японии?

Нейросеть читает письма трёхсотлетней давности На конференции «Цифровые дни Иннополиса» руководитель группы OCR Сбера рассказал о нейросети InkSight, которую учат читать старые рукописи. В том числе, например, очень специфический почерк Петра I или Владимира Даля. Некоторые из этих документов такие неразборчивые, что даже специалисту требуется больше часа на расшифровку одной страницы. В архивах же, по заявлению компании, таких страниц десятки тысяч, и где-то среди них могут скрываться неизвестные слова, имена и исторические сведения, до которых у исследователей не доходят руки. Почему не поручить эту работу условному ChatGPT? Проблема в том, что почерки очень индивидуальны, а старые рукописи совсем непохожи на современное письмо. Ну а при отклонении от эталона количество ошибок растёт. В Сбере придумали, как научить ИИ разбирать конкретный незнакомый почерк – для этого нужно 10 вручную расшифрованных страниц. Разработчики берут их фрагменты и собирают новые строки, благодаря чему нейросеть получает тысячи примеров одного и того же почерка, учится его разбирать и затем может расшифровать остальные документы. Впрочем, сама идея не новая. Яндекс успел распознать немалое количество страниц исторических документов, Smart Engines отметилась тем, что научилась восстанавливать зачёркнутые слова в черновиках Пушкина. Да и сам Сбер экспериментировал с рукописями Петра I ещё в 2020 году. Особенность InkSight – возможность приспосабливаться к новым почеркам без длительной ручной подготовки. Правда, исторических сенсаций пока нет: на вопрос из зала, удалось ли найти что-нибудь неизвестное, ответ был отрицательным.

С миру по нитке: как Anthropic собирает мегаватты Борьба за господство на рынке ИИ последовательно переходит из гонки моделей в гонку за инфраструктурой. Anthropic выбрал путь сотрудничество с операторами и строителями ЦОДов, последовательно инвестируя в проекты, спроектированные специально под его собственные нужды. Долгое время проекты эти были лишь на территории США, например, под нужды Anthropic силами Amazon был создан выделенный кампус, на которые компания Безоса потратила 11 миллиардов долларов. Год назад Anthropic объявила о трёхкратном расширении команды за пределами США, теперь вслед за сотрудниками за границу отправляются и вычислительные мощности. Nikkei сообщает о практически достигнутом соглашении Anthropic и NTT DoCoMo, в рамках которого в японской Осаке будет построен выделенный под нужды американской компании ЦОД. Проект оценивается в 1 триллион йен (около 6,3 миллиарда долларов), потребляемая мощность оценивается в 500 мегаватт. Это в 10 раз меньше упомянутого выше кампуса Amazon, но для экстерриториальных амбиций Anthropic важный шаг. Окончательное соглашение будет подписано до конца 2026 года, тогда же станут известны и официальные параметры сделки. Параллельно Anthropic ведет аналогичные переговоры с австралийской Zerra DC. Anthropic уже подписал соглашение об аренде первой очереди в кампусе Western Downs Digital Park, что сразу обеспечило проекту многомиллиардное финансирование в долгосрочной перспективе. Пиковая мощность всего ИИ-кампуса – около 2 гигаватт, но Anthropic претендует только на первую очередь (четверть всего кампуса), так что получаются все те же 500 мегаватт. Не забывает Anthropic и про США. В рамках инвестиционной программы на 50 миллиардов долларов в американскую вычислительную инфраструктуру в сотрудничестве с Fluidstack в Техасе и штате Нью-Йорк уже в этом году должны запуститься две специально созданные под Anthropic площадки.

Amazon присмотрела себе стартап, который ускоряет нейросети Amazon ведёт переговоры о покупке ИИ-стартапа Decart примерно за 7 миллиардов долларов, сообщает нам The Wall Street Journal. Если стороны договорятся, это станет одним из крупнейших приобретений в истории Amazon, уступающим только покупке киностудии MGM. Причём Decart, в отличие от киностудии, существует всего три года и включает примерно сотню сотрудников. Decart основана израильскими инженерами. Компания известна в первую очередь нейросетями, способными в реальном времени генерировать и менять видео и создавать интерактивные миры для обучения беспилотников. Однако есть подозрение, что не это настоящая причина интереса Amazon. Куда важнее программное обеспечение, которое ускоряет работу ИИ и позволяет эффективнее использовать чипы разных производителей. Amazon, по счастливой случайности, разрабатывает свои ускорители Trainium, а Decart адаптировала свои модели для их железа. Теперь Amazon, по всей видимости, хочет получить эти технологии в собственное распоряжение. Это не первая попытка купить стартап. Сначала им интересовалась Nvidia, затем Anthropic обсуждала покупку, но отказалась после проверки компании. Причины неизвестны, однако Amazon это, судя по всему, не испугало. Последствия сделки могут выйти далеко за пределы Trainium: сегодня Decart работает с чипами разных производителей, включая Nvidia и Google. Если компания перейдёт под контроль Amazon, что-то подсказывает, что вектор усилий сместится в сторону нового владельца. Да и конкуренты вряд ли захотят делиться с Decart технологиями.

ИИ научился читать по рукам На конференции «Цифровые дни Иннополиса» инженер Сбера рассказал о разработке нейросети для перевода русского жестового языка в текст. Там же нам продемонстрировали бота в Телеграме, которому можно отправить кружок с жестовой речью, чтобы получить её расшифровку. Приложение с аналогичной функцией компания обещает выпустить до конца 2026 года. Может показаться неожиданным, учитывая изобилие всевозможных переводчиков текста, аудио и видео, что такого продукта до сих пор не было. Но с жестовыми языками ситуация сильно сложнее. Во-первых, в мире их несколько сотен, причём у каждого своя грамматика. Во-вторых, смысл зависит от движений рук, мимики, положения тела и контекста. И если распознавать отдельные жесты ИИ умеет, то с переводом целых предложений проблемы возникают до сих пор. Чтобы их решить, Сберу пришлось собрать более 2 миллионов видеозаписей общей продолжительностью около 6 тысяч часов. Записывали их, по словам компании, носители языка из разных регионов России. ИИ-переводчики жестовой речи постепенно, хотя и медленно, начинают добираться до пользователей. В августе Google представила модель SL2T, обученную на 100 тысячах часов записей жестовых языков. Пока она умеет переводить только американский жестовый язык в английский текст и при этом, по заявлению компании, встроена в клавиатуру Gboard на смартфонах Pixel 11. Сбер движется в том же направлении, но сосредоточился на русском языке и располагает значительно меньшим объёмом данных.

Как ИИ изменит российское образование Традиционные домашние задания постепенно теряют смысл – к такому выводу на пленарной сессии «Цифровых дней Иннополиса» пришла глава московского департамента образования Ирина Каклюгина. Сегодня, говорит она, школьник может попросить DeepSeek решить задачу и расписать все действия, поэтому итоговое решение в тетради никак не отражает усвоение программы. ИИ уже пользуются 9 из 10 молодых россиян, причём делают это несмотря на желания и чаяния учителей и государственных мужей. Вывод делается из этого следующий – не можешь победить, значит нужно возглавить. Государство сейчас активнейшим образом пытается встроить нейросети в учебный процесс. По словам министра просвещения Сергея Кравцова, со второй четверти более тысячи школ начнут апробировать внеурочный курс «Искусственный интеллект и информационная безопасность». С января 2027 года его планируют распространить на все школы, а с сентября сделать обязательным для 5–11 классов по аналогии с «Разговорами о важном». Значительную часть курса посвятят информационной безопасности. В новой модели высшего образования также появятся обязательные модули по ИИ – общий и прикладной, с учётом специальности. В Иннополисе на этом фоне запустили более 40 пилотных проектов для образования и науки, лучшие из которых обещают распространить на всю страну. Идеи у пилотов достаточно предсказуемые, звучало много ссылок на опыт Китая и Сингапура. Вместо одинаковых заданий каждому школьнику будут подбирать упражнения с учётом пробелов в знаниях. Учитель, как заявляется, увидит, кто и на какой теме застопорился. При тридцати учениках в классе подход разумный. Но есть нюанс, на который обратили внимание на пленарке – обычная нейросеть старается быстрее ответить на вопрос, образовательная, наоборот, должна удержаться от готового ответа, иначе какой в ней смысл? Второе направление – автоматизация работы учителей. По оценке рабочей группы, время на подбор материалов для уроков можно сократить с четырёх часов в неделю до получаса. Обещают, что освободившееся время учителя потратят на общение с детьми. Хотя ничто не мешает проводить больше проверок и ещё сильнее загрузить преподавателей. Кажется, что здесь вопрос скорее к организации работы в школе, чем к нейросетям, и очень хочется, чтобы нейросети не считали универсальной магической кнопкой по решению всех проблем. Как заглянуть в тетрадь каждого школьника? Тут опытом поделилась Москва, где собираются оцифровывать все проверочные и контрольные работы. В теории понятно, зачем: учитель заметит пробелы в знаниях, директор – успеваемость школы, чиновники – статистику. Впрочем, электронные дневники появились уже давно. Помогло ли это детям лучше учиться или только добавило отчётности учителям и родителям? Отдельно обсуждали, на каких нейросетях всё это будет работать. Кравцов анонсировал суверенный ИИ для образования. Партнёра ещё выбирают, хотя подозрения, кто им станет, уже есть. Этот «суверенный ИИ» хотят связать с проверенными материалами и образовательными сервисами. Чернышенко назвал четыре принципа: сохранение критического мышления, сокращение неравенства, достоверность оценок и традиционные ценности. То есть государству предстоит создать нейросеть, которая будет эффективно учить детей критическому мышлению, транслируя при этом определённый набор знаний и ценностей. Непростая задача, остаётся только пожелать удачи. Главный вопрос на пленарке так и не решили. Тот самый, из начала – если ребёнок может сгенерировать домашнюю работу, то как проверять его знания? В ответ звучат планы внедрить ещё больше ИИ по разным направлениям. Звучит замечательно, но есть риск, что в итоге один ИИ будет составлять домашнюю работу, другой – выполнять, третий – проверять, а четвёртый – готовить отчёты об успешной цифровизации образования. И все будут при делах, кроме разве что самого образования.

Взгляд на гонку ИИ через призму Безумного Маска

Европа родила нейросеть на триллион параметров Американцы в доле Французская компания Mistral представила Large 4 – крупнейшую в своей истории нейросеть с 1,05 триллиона параметров, из которых при работе активны 49 миллиардов. По утверждениям компании, модель обучали на 3800 ускорителях Nvidia в собственных европейских ЦОДах, а её веса обещают открыть до конца октября. Это очередная попытка Европы обзавестись собственным передовым ИИ, который в свою очередь нужен, чтобы не передавать данные американским или китайским облачным провайдерам. По результатам тестов Artificial Analysis, Large 4 стала сильнейшей моделью, созданной за пределами США и Китая. Особенно хорошо она вроде как справляется с профессиональными задачами – программированием, анализом инженерной документации и кибербезопасностью. Правда, триллион параметров обходится недёшево, выполнение стандартной тестовой задачи стоит 1,13 доллара против 25 центов у сопоставимой по качеству китайской GLM-5.3 Flash. Кто помогает французам строить технологическую независимость? Помимо схватившей штурвал голландской ASML среди инвесторов числятся американские Nvidia, Andreessen Horowitz и другие фонды. Nvidia поставляет ускорители и совместно с французами разрабатывает открытые модели. Не далее чем в июле Microsoft заключила с Mistral многомиллиардное соглашение на использование её европейских вычислительных мощностей и расширение сотрудничества в области ИИ. Своеобразное получается импортозамещение – Европа свои модели и инфраструктуру строит на американском оборудовании, при участии американского капитала и с Microsoft в числе крупнейших заказчиков.

Америка хочет купить билет обратно в open source Американский стартап Reflection AI представил Beam – MoE-модель на 501 миллиард параметров, из которых при работе активны 23. На бумаге это часть стратегии по возвращению США в гонку открытых передовых моделей – Beam вышла вслед за предыдущей такой нейросетью Inkling, и её обещают выпустить под открытой лицензией до конца октября. Но пока скачать и использовать модель нельзя. Reflection существует всего два года, ещё недавно была почти неизвестна за пределами ИИ-индустрии, а теперь обучает модели на тысячах передовых видеокарт Nvidia, привлекла несколько миллиардов долларов и заключила многомиллиардные контракты на вычисления. Несмотря на эту череду подозрительных совпадений, чуда пока не произошло – результаты Beam выглядят неожиданно приземлённо. Компания сравнивает её прежде всего с GLM-5.2 и утверждает, что получает сопоставимое качество при в 3–4 раза меньших вычислениях на генерации. С актуальными китайскими моделями сравнение предусмотрительно не подсвечивают, ведь GLM-5.3, Kimi K3, Qwen 3.8 Max и DeepSeek V4.1 Flash во многих опубликованных тестах выигрывают. Тем не менее Beam стала ещё одной крупной американской попыткой вернуться в гонку с китайским открытым ИИ. В итоге удалось лишь приблизиться к китайским моделям, да и то предыдущего поколения. С другой стороны, если основными клиентами Reflection окажутся государственные структуры и Пентагон, то какая, в сущности, разница?

ИИ от создателя роботов Figure наконец-то вышел Помощник получился с функцией слежки Компания Hark выпустила Hark Pro – персонального ИИ-помощника для повседневных дел. Он доступен бесплатно в браузере, на iOS и Android. Платные тарифы за 20 и 100 долларов отличаются только увеличенными лимитами, новых функций в них нет. Hark, по заявлению компании, запоминает информацию о пользователе и может самостоятельно работать в интернете – покупать товары и билеты, бронировать рестораны, оплачивать счета и отменять подписки. Для таких задач запускается виртуальный компьютер с ИИ-агентом Handoff. Тот открывает сайты, нажимает кнопки, вводит данные и так далее. Словом, почти всё это мы уже видели в других продуктах. Как он отличается от условного ChatGPT? Меньше, чем хотелось бы. Например, Hark может работать не только по команде – сервис может заметить неоплаченный счёт или ненужную подписку в подключённых сервисах и сам предложить разобраться с проблемой. Полагаем, это значит, что он проактивно мониторит информацию из подключенных сервисов пользователя. Авторы говорят, что он «думает наперёд». Компания очень хочет сделать сервис, которому пользователь добровольно отдаст свои аккаунты, предпочтения и рутинные дела, называя это «операционной системой для жизни».

Коммунистический Вьетнам выбрал рыночный ИИ Коммунистический Вьетнам решил развивать искусственный интеллект рыночным способом. Государство готово оплачивать до половины стоимости ИИ-проектов, но только если вторую половину вложит сам бизнес. Просто написать модель и показать красивое демо не получится. Во всяком случае, в теории. По условиям программы, бизнес должен выбрать процесс, который хочет автоматизировать или улучшить, предоставить для него данные, а разработчик – за срок до года построить на их основе работающую систему. Если эксперимент удастся, компания получает готовый инструмент, а разработчик сохраняет базовую технологию и может продавать её следующим заказчикам. Так Вьетнам пытается заставить бизнес быстрее внедрять уже существующие технологии ИИ. Страна хочет войти в тройку лидеров Юго-Восточной Азии по ИИ, а для этого предлагает местному бизнесу немного поучаствовать в достижении государственной цели и скинуться донгами на общее дело.

Зачем вам Claude и ChatGPT? Нейросети есть у нас дома.

Kandinsky научился делать видео со звуком И синхронизировать речь с губами Сбер выпустил Kandinsky 6.0 Video, новую версию модели для генерации видео. Теперь она умеет одновременно генерировать не только картинку, но и звук – речь, музыку и другие звуки сцены. При этом звук не накладывается на готовый ролик, но создаётся одновременно с видео отдельной частью модели. По заявлению компании, особое внимание уделили говорящим людям и совпадению речи с движением губ. Генерировать можно как из текстового описания, так и используя в качестве референса изображение. Продолжительность, правда, сейчас ограничена пятью секундами, а максимальное разрешение – Full HD, и то после апскейла. На данный момент для обычных пользователей модель доступна в ГигаЧате с ограничением 10 генераций в день (против примерно 2 на Veo Fast и 1 на Seedance на бесплатном тарифе). На наш взгляд, по качеству с Veo или Seedance модель не сравнилась, но и денег за неё пока не просят. Всего Сбер выпустил две версии модели – Lite на 3 миллиарда параметров и Pro примерно на 29 миллиардов. Обе версии разработчики могут скачать и использовать в своих продуктах.

ИИ научили сомневаться в себе Российские учёные создали нейросеть, которая понимает, когда её ответу нельзя доверять. Разработку проверили на поиске сетевых атак, токсичного контента и фейковых новостей. Во всех трёх случаях система, по словам авторов, сохраняла высокую точность и лучше обычных моделей выдерживала попытки специально её обмануть. Работу выполнили исследователи НИЯУ МИФИ. Нейросеть можно целенаправленно обмануть, немного изменив входные данные так, чтобы для человека их смысл почти не изменился, а модель пришла к неправильному выводу. В новой системе при каждой проверке случайным образом немного меняется часть внутренних настроек нейросети. Один и тот же объект пропускают через неё несколько раз: если после этих изменений вывод остаётся прежним, ему можно доверять сильнее. Если ответы расходятся, значит решение зависит от мелких изменений внутри самой модели и такой случай лучше проверить человеку. Для злоумышленника это усложняет атаку: искажение данных, которое заставило модель ошибиться при одной проверке, при следующей может уже не сработать. В испытаниях такая схема повысила устойчивость к атакам. Пока это исследовательская разработка, и у неё есть очевидная проблема – из-за повторных проверок она работает примерно в четыре раза медленнее. Но авторы надеются, что для рынка кибербезопасности подход окажется полезным.

Что случилось с Gemini? Google недавно представила Gemini 4 Argon – новую флагманскую модель, которая была призвана вернуть компанию в лидеры среди разработчиков ИИ. Получилось, мягко говоря, не слишком убедительно. В ряде тестов, в том числе связанных с программированием и агентами, Argon уступает GPT и Claude. Да и проверить работу модели самостоятельно вообще нельзя – сроки публичного запуска Google не называет. Сомнительный релиз модели Шрёдингера, которая как бы есть, а как бы и нет. А ведь ещё в начале года ситуация была противоположной. В феврале Google выпустила Gemini 3.1 Pro, которая оказалась среди лучших больших языковых моделей по качеству и одной из самых приятных по цене. Следом был релиз Nano Banana 2 – быстрой и качественной модели генерации изображений. Казалось, что после нескольких лет метаний Google нашла некий секрет успеха. Но если конкуренты продолжили выпускать новые флагманы, то Google перешла на бесконечные версии быстрых моделей, откладывала и даже пропускала релизы, последовательно повышала цены, постепенно теряя преимущество в стоимости. Очередной флагман должен был появиться ещё в июне под названием 3.5 Pro, однако тесты не устроили компанию, релиз несколько месяцев переносили, а в итоге просто отменили. Выяснилось, что дело не только в одной неудачной модели. По данным Reuters, внутри Google не хватает вычислительных мощностей TPU, многочисленные руководители Gemini спорят о распределении ресурсов, а важные направления вроде программирования получают меньше вычислений. Сверху на это накладывается бюрократия – в подготовке релиза участвует множество команд, ведь модель одновременно нужно встраивать в поиск, облако, Android и десятки других продуктов. Поэтому не слишком неожиданно летом было узнать, что DeepMind – основную лабораторию по изучению ИИ – решили перетряхнуть. Демис Хассабис, один из самых известных разработчиков искусственного интеллекта в мире, отошёл от управления лабораторией и потерял контроль над Gemini. Часть команд встроили глубже в корпоративную структуру Google, а несколько руководителей разработки ушли. Даже Сергей Брин снова лично включился в процесс и, по данным Reuters, призывал сотрудников шевелиться побыстрее. Надеемся, не с хлыстом в руке и не заперев их предварительно на работе. Google пыталась исправить не столько отдельную нейросеть, сколько сам организационный процесс. Argon стал первым большим результатом этой перестройки, но пока не помог Google вернуть прежнее лидерство. После почти полугода задержек новый флагман компании так и не смог ответить на более простой вопрос – зачем было нужно это ожидание и стоило ли оно того?

Ideogram научили не генерировать лишнего Стартап Ideogram выпустил модель для генерации изображений 4.5, которая умеет точечно редактировать изображения, избегая случайных изменений. Можно, по утверждению компании, аккуратно поменять только цвет куртки, надпись на плакате или предмет на столе. Для этого в режиме Precise Edit модель генерирует только нужный участок, а остальную часть картинки сохраняет без изменений. Особенно полезно это может быть при серии правок, когда другие генераторы постепенно начинают менять и ухудшать исходную картинку. Сохранение деталей активно продвигали и в GPT Image 2.5. Но у Ideogram за него отвечает не только сама модель – неизменяемые части просто копируются из исходного изображения. Также Ideogram улучшила обычное редактирование – модель умеет менять композицию и интерьер, переносить стиль, восстанавливать старые фотографии, работать с несколькими референсами и править текст прямо внутри изображения, в том числе переводить его на другие языки. Честно говоря, набор обновлений вполне стандартный. Архитектуру и размер версии 4.5 компания пока не раскрывает, но обещает позднее открыть веса модели.

Нейросеть, которая сама обучается во время использования Появилась экспериментальная языковая модель mini-AGI, которая может постоянно учиться прямо во время использования на компьютере. Если обычно модель сначала обучают, а уже потом отдают пользователю, то здесь подход изменился. Ей можно давать новые тексты, документы или код, и она постепенно учится на них в процессе работы. Главная проблема такого подхода в том, что новые знания могут вытеснять старые. Поэтому mini-AGI работает на основе модели MoE, чтобы разные части модели специализировались на разных данных и поэтому менялись не так быстро. По мере обучения модель может наращивать эти блоки и подключать только тогда, когда они нужны. За счёт этого вся система рассчитана на работу с обычной видеокартой с 8 ГБ памяти. Если такой подход удастся масштабировать, персональный ИИ сможет не просто хранить подключённые пользователем документы, а месяцами и годами доучиваться на его работе, переписке, коде и накопленных материалах. В результате у каждого человека или компании со временем сможет появляться собственная версия модели, которая постепенно меняется вместе с их задачами и данными. Правда, остаётся вопрос контроля результата и качества такого обучения.