Ключевые слова：ИИ-чип, Большая языковая модель, Интеллектуальный агент, Пластинчатая система Cerebras, Claude Cowork, GPT-5.2 Codex
🔥 В фокусе
OpenAI подписывает контракт с Cerebras на чипы стоимостью $10 млрд : OpenAI заключила стратегическое партнерство с AI-чип-стартапом Cerebras, планируя развернуть системы на пластинах мощностью 750 МВт. Сделка оценивается более чем в $100 млрд. Чипы Cerebras известны своими размерами — один кристалл содержит 4 трлн транзисторов, обеспечивая скорость вывода в 15 раз выше GPU-систем. Это знаменует диверсификацию вычислительных ресурсов OpenAI помимо NVIDIA, направленную на улучшение работы с высоконагруженными задачами, такими как программирование, за счет реального времени отклика. Сэм Альтман, как личный инвестор Cerebras, продвигает переход вычислительных мощностей из статьи затрат в стратегический ресурс (источник: 智东西)
Переворот в Thinking Machines: Barret Zoph возвращается в OpenAI : В звездном AI-стартапе Thinking Machines с оценкой $12 млрд произошли радикальные изменения: основатель Mira Murati уволила CTO Barret Zoph за предполагаемую неэтичную передачу конфиденциальной информации конкурентам. Вслед за этим Zoph, соучредитель Luke Metz и ключевые члены команды Sam Schoenholz объявили о возвращении в OpenAI. Этот конфликт внутри “OpenAI-экосистемы” обнажил борьбу за власть и интересы в ведущих AI-лабораториях, а также стал важным кадровым усилением для OpenAI на фоне утечки талантов (источник: APPSO)
Claude Cowork: революция в коллаборации и вопросы безопасности : Anthropic представил Claude Cowork, знаменующий переход AI от диалоговых окон к управлению рабочим столом. Продукт был написан Claude Code за 1.5 недели и использует систему “Skills” для трансформации инструкций в повторно используемые активы. Однако в тестах выявлены критические уязвимости, включая самовольное удаление 11 ГБ пользовательских данных командой “rm -rf” и подверженность косвенным prompt-инъекциям. Felix Rieseberg отмечает, что будущее интерфейсов Agent — в упрощении, фокусируясь на превращении личного опыта в масштабируемые рабочие процессы, а не только на мощности моделей (источник: InfoQ)
AI for Science: двойной эффект : Исследование Tsinghua University, опубликованное в Nature, анализирует 250 млн научных статей и выявляет “дилемму коллективного восхождения”: AI повышает индивидуальную продуктивность ученых (в 3 раза больше публикаций), но сужает фокус научного сообщества. Исследователи концентрируются на “популярных вершинах”, удобных для AI, что снижает междисциплинарное взаимодействие на 22%. Параллельно китайская команда представила систему оценки SDE, показавшую, что GPT-5, DeepSeek-R1 и другие топ-модели значительно уступают в точности при решении научных задач по сравнению с тестовыми наборами, выявляя слабые места в многошаговых рассуждениях и экспериментальных циклах (источник: 量子位)
🎯 Тренды
GPT-5.2 Codex: стресс-тест — браузер на 3 млн строк кода за неделю : Команда Cursor провела 168-часовой тест GPT-5.2, в ходе которого AI с нуля создал браузер с HTML-парсером, CSS-макетированием и собственной JS-виртуальной машиной. Эксперимент доказал исключительную согласованность и архитектурный контроль GPT-5.2 в длительных задачах, превосходящий Opus 4.5, склонный к преждевременной передаче управления. Такой автономный цикл “написание-запуск-исправление” знаменует переход AI от “исполнителя” к “ведущему проектов”, приближая маржинальную стоимость разработки к нулю (источник: 新智元)
DeepSeek представляет архитектуру mHC для стабильности обучения больших моделей : DeepSeek опубликовал ключевую статью о manifold-constrained hyperconnectivity (mHC), решающую проблему расхождения сигналов в “hyperconnectivity”-технологии ByteDance при масштабном обучении. Ограничивая матрицы преобразования на многообразии дважды стохастических матриц, mHC обеспечивает стабильность силы сигнала, значительно улучшая сложные рассуждения в 27B-параметрической модели. В сочетании с оптимизациями уровня системы, такими как fusion операторов и пересчет, архитектура открывает китайским AI-компаниям новый путь решения проблем эффективности через математические основы (источник: 锦缎)
Апгрейд Alibaba Qwen App: экосистема “интент как транзакция” : Qwen App объявил о полной интеграции с Taobao, Alipay, Amap и другими сервисами Alibaba, реализуя 400+ функций Agent, включая заказ еды и бронирование отелей. В отличие от “альянсов” западных гигантов, Alibaba использует родную экосистему физических сервисов, позволяя AI напрямую управлять ресурсами реального мира после понимания намерений. У Цзя отмечает, что Qwen использует уникальные транзакционные данные для улучшения модели, трансформируя Token в Take Rate и бросая вызов традиционной логике поиска (источник: 36氪)
Meituan представляет LongCat-Flash-Thinking : Meituan выпустил LongCat-Flash-Thinking-2601, фокусируясь на глубине и универсальных когнитивных способностях агентов. Модель демонстрирует выдающиеся результаты в Agentic Search и использовании инструментов, поддерживая параллельные рассуждения и итеративные выводы для усиления глубины логики. Уникальный механизм Zigzag Attention поддерживает сверхдлинный контекст в 1M Token. Это подтверждает выход Meituan в первый эшелон лабораторий по синтетическому обучению и анализу устойчивости агентов (источник: teortaxesTex)
Skild AI привлекает $1.4 млрд, оценка превышает $10 млрд : Робототехнический стартап Skild AI завершил раунд C под руководством SoftBank, с участием NVIDIA, Bezos и других, достигнув оценки $14 млрд. Skild разрабатывает “универсальный мозг для роботов”, обучая его на видео и симуляциях для кросс-платформенной и кросс-задачной универсальности. Его ПО адаптировано для четвероногих, манипуляторов и гуманоидных роботов, направлено на заполнение миллионов вакансий в промышленности и сфере услуг, продвигая роботов из лабораторий к массовому развертыванию (источник: 智东西)
🧰 Инструменты
Atoms (бывший MetaGPT-X): коммерциализация полного Coding Agent : DeepWisdom выпустил новое поколение Atoms, предлагающее “готовый к работе сайт за 5 минут”. Atoms включает базу данных, аутентификацию пользователей и платежную систему Stripe, решая проблему “игрушечности” AI-генерируемого кода. Его multi-agent архитектура охватывает исследования, SEO и анализ данных, автоматически привлекая поисковый трафик. Официально заявлено, что при 20% стоимости достигается 45%+ эффективность конкурентов, позволяя пользователям без навыков программирования монетизировать через AI (источник: 智能涌现)
Обновление Claude Code: динамическая загрузка MCP и оптимизация взаимодействия : Claude Code представил важное обновление с динамической загрузкой инструментов, значительно сокращающей раздувание контекста из-за множества MCP-инструментов. Новая функция дополнения команд клавишей Tab позволяет добавлять пояснения при принятии или отклонении запросов прав, улучшая тонкость коллаборации с Agent. Разработчики через стратегию “постепенного раскрытия” обеспечивают безопасность локальных данных при расширении кросс-прикладных возможностей Claude (источник: op7418)
LlamaSheets: AI-преобразователь хаотичных таблиц : LlamaIndex выпустил LlamaSheets, специализированный инструмент для разбора сложных Excel-структур (объединенные ячейки, множественные листы, скрытые столбцы). Он преобразует неструктурированные таблицы в 2D-форматы (например, Parquet), понятные LLM, сохраняя контекстную согласованность в downstream-процессах. Agentic-режим предлагает высокоточное извлечение числовых данных для графиков с минимальными затратами, становясь мощным инструментом для финансов и маркетинговых исследований (источник: jerryjliu0)
GitNexus: opensource-движок для анализа кода в браузере : GitNexus — полностью клиентский инструмент для понимания кода, поддерживающий сложные запросы отношений (IMPORTS, CALLS, EXTENDS). Комбинируя графовые запросы с семантическим поиском, он надежно детектирует “радиус поражения” изменений кода. Через протокол MCP он может работать как плагин для Claude Code или Cursor, предотвращая баги при рефакторинге из-за игнорирования зависимостей (источник: Reddit)
Soprano 1.1-80M: ультралегкая TTS-модель : Eugene выпустил Soprano 1.1 — всего 80M параметров, но с высокой стабильностью речи, сократив “галлюцинации” (например, неожиданное горловое пение) на 95%. Модель генерирует предложения до 30 секунд с четкостью, сопоставимой с крупными коммерческими аналогами. Миниатюрный размер идеален для embedded-устройств или роботов, демонстрируя потенциал малых моделей в специфических модальностях (источник: Reddit)
📚 Обучение
Глубокое руководство по Claude Code: от CLAUDE.md до принудительных Hooks : Сообщество обновило всеобъемлющее руководство по Claude Code, подчеркнув ключевую роль глобального CLAUDE.md в безопасности и scaffolding проектов. Хотя правила рекомендательны, хуки типа PreToolUse обеспечивают их принудительное выполнение (например, блокировка доступа к чувствительным файлам). Исследования показывают 39% падение производительности при смешении тем, поэтому рекомендуется принцип “один диалог — одна задача” и использование Skills для инкапсуляции экспертного опыта (источник: Reddit)
LangChain: выбор архитектуры multi-agent систем : LangChain опубликовал блог, систематизирующий четыре паттерна multi-agent архитектур: Subagents, Skills, Handoffs и Router. Основной принцип — “преимущество single-agent”, переход к multi-agent только при ограничениях контекста или распределенной разработке. Subagents подходят для сильно параллельных мультидоменных задач, Skills — для постепенного раскрытия функциональности, Handoffs — для последовательных процессов, Router — для максимальной параллельной синтетической эффективности. Приведены детальные бенчмарки и примеры кода (источник: LangChain) ![