Ключевые слова：ИИ, Соревнование ИИ, DeepMind, Способность к автономному формулированию вопросов, Модель мира, Оригинальная архитектура Transformer
🔥 В фокусе
CEO DeepMind разобрал четыре аспекта эволюции AGI: Демис Хассабис (Demis Hassabis) в интервью отметил, что суть AGI заключается не в масштабировании (scale emergence), а в способности AI к «автономному формированию вопросов» и обладании «моделью мира» (world model). Он подчеркнул, что в будущем интеллект станет эквивалентен энергии, и DeepMind ищет новые энергетические решения, такие как ядерный синтез, с помощью AI. При этом он считает, что китайские лаборатории отстают в способности к воспроизведению технологий всего на несколько месяцев, и настоящая конкуренция развернется вокруг создания оригинальных архитектурных прорывов, подобных Transformer. Это знаменует переход AI-гонки от простого сравнения производительности к комплексной борьбе за энергоэффективность, коммерческую выгоду и нативные инновации (Источник: )
OpenAI тестирует рекламную модель и коммерческое эшелонирование: OpenAI объявила о тестировании рекламы в ChatGPT и запуске бюджетного тарифного плана «ChatGPT Go» за 8 долларов. Этот шаг направлен на монетизацию 95% неплатящих пользователей через гибридную модель «реклама + подписка», чтобы снизить нагрузку от триллионных затрат на вычислительные мощности. Реклама будет появляться в конце текста в виде «диалоговых узлов», поддерживающих уточняющие вопросы. Это означает, что нативные AI-приложения повторяют путь монетизации поисковых систем и соцсетей, пытаясь построить устойчивую платформу распределения трафика при ожидаемой оценке в 830 млрд долларов (Источник: OpenAI)
NVIDIA выстраивает экосистему Physical AI и инференса через «аквихайринг»: В 2025 году Дженсен Хуанг активно поглощает стартапы (такие как Nexusflow, CentML, LeptonAI, Groq) для привлечения ключевых команд. Эти действия точечно закрывают слабые места NVIDIA в областях AI Agent, компрессии моделей, аренды облачных вычислений и высокоскоростного инференса. Особое внимание к китайским стартап-командам показывает, что NVIDIA трансформируется из «продавца чипов» в «продавца систем», стремясь сохранить глобальное доминирование в AI через контроль над программным стеком и базовой архитектурой (Источник: QbitAI)
Листинг Zhipu и эталонный эффект трансформации научных достижений в Китае: Рыночная стоимость Zhipu после выхода на биржу в Гонконге превысила 110 млрд гонконгских долларов. Компания берет начало в лаборатории KEG университета Tsinghua. Этот кейс демонстрирует огромную силу глубокой интеграции промышленности, образования и науки: университет Tsinghua получил миллиардные доходы через платформу Huakong Technology. Это не только супер-кейс выхода для венчурного капитала, но и предвестник эпохи «университетских стартапов» в Китае, когда фундаментальные инновации ускоренно перемещаются из лабораторий на рынок капитала (Источник: PE Daily)
🎯 Тренды
DeepSeek представила архитектуру Engram с памятью поиска O(1): DeepSeek выпустила новый модуль под названием Engram, реализующий память с поиском сложности O(1) через современную хешированную N-gram вставку (embedding). Исследования механистической интерпретируемости (LogitLens и CKA) показывают, что Engram эффективно снижает нагрузку на промежуточные слои модели по хранению памяти, позволяя им сосредоточиться на логическом выводе. Попытка применить механистическую интерпретируемость для улучшения способностей модели рассматривается сообществом как важный сдвиг парадигмы в исследованиях AI-архитектур (Источник: Lisan al Gaib)
Масштабное обновление матрицы Google AI и бета-версия персонального интеллекта: Google запустила бета-версию персонального интеллекта в приложении Gemini, позволяющую пользователям подключать Gmail и Photos для получения персонализированных ответов. Также были выпущены модель перевода TranslateGemma (55 языковых пар), MedGemma 1.5 для анализа 3D-медицинских изображений и функция 4K-апскейлинга видео в Veo 3.1. Google использует свою огромную экосистему пользователей для AI-экспансии во всех продуктовых линейках (Источник: JeffDean)
Замедление темпов разработки Qwen 4 для фокусировки на качестве: Руководитель команды Alibaba Qwen заявил о «замедлении», чтобы сосредоточиться на повышении качества, а не на частоте релизов. В сообществе ходят слухи, что Qwen 3.5 уже поддерживает контекстное окно в несколько миллионов токенов. Эта стратегическая корректировка может отражать переход ведущих китайских команд от «гонки масштабов» к «оттачиванию инженерной эффективности» и «глубине рассуждений в длинных текстах» в условиях ограниченных вычислительных ресурсов (Источник: Reddit)
Sakana AI предложила механизм RePo для оптимизации внимания в длинных текстах: Sakana AI представила механизм перепозиционирования контекста (RePo), который избавляет модель от жесткой зависимости от последовательности ввода 1-2-3. RePo обучается позиционированию на основе структуры контекста, улавливая реальные связи между фрагментами информации. Эксперименты показывают, что этот механизм значительно сокращает потери внимания при обработке зашумленных длинных вводов, сохраняя высокую производительность на коротких текстах (Источник: TheTuringPost)
🧰 Инструменты
Противостояние Claude Code и Codex в опыте разработчиков: Сравнение показало, что хотя CLI-инструментарий Codex выглядит грубее, его модель превосходит в стабильности написания кода и обработке больших объемов Token; в то же время Claude Code лучше справляется с общими задачами и взаимодействием. В сообществе уже появились скрипты для зеркалирования Claude Skills в Codex, чтобы объединить преимущества обоих. Рост культуры «Vibe Coding» перестраивает рабочие процессы индивидуальных разработчиков (Источник: dotey)
Реализация фреймворка финансовой автоматизации на базе Claude Code: Разработчик продемонстрировал использование Claude Code и его системы плагинов для создания финансового агента, сократив время ежемесячного учета с 3 дней до полудня. С помощью subagent ввод счетов сократился с 2 часов до 2 минут, а сверка банковских выписок — с полудня до 5 минут. Этот кейс доказывает высокий ROI внедрения LLM-агентов в узких вертикальных нишах (финансы, право) (Источник: dotey)
Temple Bridge: локальный слой памяти AI на базе файловой системы: Для решения проблемы потери состояния в локальных LLM разработчики создали MCP-сервер Temple Bridge. Он использует структуру каталогов файловой системы как носитель памяти AI, запрашивая одобрение человека перед выполнением опасных команд через «протокол управления». Эта парадигма «файловая система как схема» избавляет от необходимости поддержки сложных векторных баз данных, предоставляя пользователям Apple Silicon 100% офлайн AI-помощника с «совестью» (Источник: Reddit)
LlamaParse + Claude Agent SDK для заполнения сложных форм: Выпущен AI Agent, способный автоматически извлекать информацию из неструктурированных документов (например, сканов чеков) и заполнять сложные формы. Инструмент сочетает возможности парсинга LlamaParse и семантическое понимание Claude, поддерживая многораундовые исправления и параллельную обработку файлов. Это решает проблему «последней мили» в области RAG — переход от документа к действию (Источник: jerryjliu0)
📚 Обучение
MIPRO: оптимизатор предложений для многоуровневых промптов: Исследование Стэнфорда и других институтов представило фреймворк MIPRO, который автоматически оптимизирует промпты, достигая производительности на 13% выше, чем при ручном проектировании. MIPRO использует байесовскую оптимизацию и сэмплирование LLM для поиска лучших комбинаций инструкций. Это предвещает ускоренную эволюцию «промпт-инжиниринга» от ручного труда к автоматизации алгоритмами (Источник: dl_weekly)
GU: геометрическое разучивание для устранения побочных эффектов: Для решения проблемы, когда модель при «забывании вредных знаний» случайно повреждает полезные, предложен алгоритм GU. Через анализ градиентов первого порядка обновление при разучивании разлагается на ортогональные компоненты, что доказуемо гарантирует сохранность полезных знаний. Алгоритм показал улучшение по Парето на датасетах TOFU и MUSE, обеспечивая математическую базу для безопасного выравнивания (alignment) и удаления приватных данных в LLM (Источник: mmitchell_ai)
Дорожная карта AI-инженера-самоучки и «отраслевой арбитраж»: Сообщество поделилось успешным путем перехода из сферы недвижимости в AI. Ключевая идея — использование «отраслевого арбитража»: сочетание технологий AI со специфическими знаниями индустрии. Рекомендуется начинать с проектов на LangChain и создания приложений, решающих реальные боли отрасли (например, CondoGPT), вместо глубокого погружения в математику (Источник: LangChain)
💼 Бизнес
Проверка биографий сотрудников OpenAI выявила монополию элитных вузов: Данные показывают высокую концентрацию сотрудников OpenAI из Стэнфорда (230 чел.), Беркли (151 чел.) и MIT (100 чел.). Выпускники этих трех вузов составляют более 13% штата. Несмотря на заявления Сэма Альтмана о «бесполезности дипломов», реальный защитный барьер OpenAI строится на монополии на таланты из лучших мировых школ компьютерных наук (Источник: 36Kr)
Блокировка аккаунтов разработчиков в Anthropic вызвала протесты: Известный разработчик Doodlestein сообщил, что его 22 аккаунта Max были заблокированы Anthropic за разработку инструментов для Agent с открытым кодом. Несмотря на ежемесячную оплату тысяч долларов и вклад в высококачественные данные для RL, он столкнулся с таким отношением. Это вызвало волну критики в адрес AI-гигантов за чрезмерный контроль над экосистемой; часть разработчиков заявила о переходе на OpenAI или локальные модели (Источник: doodlestein)
Взлет рыночной стоимости Zhipu после листинга и коммерческие обязательства: За неделю после листинга стоимость Zhipu взлетела с 50 до 110 млрд гонконгских долларов, в основном благодаря стратегическому партнерству с Didi и лидерству открытой модели GLM-Image в рейтингах. Более 80 акционеров (включая Alibaba, Tencent, Meituan и госфонды) получили огромную бумажную прибыль. Это знаменует переход китайских больших моделей от «соревнования за инвестиции» к «реализации оценки на вторичном рынке» (Источник: PE Daily)
🌟 Сообщество
Видение изобилия AGI vs Неофеодализм: большая социальная дискуссия: Сообщество обсуждает взгляды Илона Маска на «изобилие после AGI» и Джорджа Хотца на «неофеодализм». Сторонники верят, что AI покончит с дефицитом, а оппоненты опасаются, что власть капитала через AI закрепится окончательно, превращая 99% населения в вечный низший класс. Эти дискуссии отражают глубокую тревогу по поводу пересмотра общественного договора перед лицом технологической сингулярности (Источник: Reddit)
Коллективная критика «деградации опыта» из-за рекламы в ChatGPT: Сообщество Reddit бурно отреагировало на внедрение рекламы в OpenAI; некоторые в шутку расшифровали AGI как «Ad Generated Income» (доход, генерируемый рекламой). Пользователи недовольны «поучающим» тоном AI-помощника и считают, что коммерческое давление делает взаимодействие громоздким и неискренним. Часть пользователей Plus уже рассматривает переход на Perplexity или локальные решения (Источник: Reddit)
Споры об экологии: энергопотребление AI в сравнении с «бургерными»: В ответ на критику потребления воды и электричества дата-центрами AI, появился анализ, согласно которому крупнейший дата-центр потребляет столько же воды, сколько 2,5 бургерных In-N-Out. Это сравнение стало вирусным: сторонники считают угрозу преувеличенной, а критики — что это попытка размыть разницу между промышленным и бытовым потреблением (Источник: AymericRoucher)
«Flow State» и отчуждение эффективности в работе с AI: Многие программисты делятся опытом вхождения в состояние глубокого потока при помощи таких инструментов, как Claude Code, работая до 4 утра. Однако звучат и предостережения о давлении режима «24/7 Agent», который может привести к отчуждению человеческого труда, низводя разработчика из статуса «создателя» до «надсмотрщика за очередью AI» (Источник: blader)
💡 Прочее
Boston Dynamics Atlas: работа со стеллажами и эволюция складывания: Новое видео демонстрирует электрическую версию робота Atlas, который перешел от простой ходьбы к сложной инвентаризации полок и переворачиванию шин, и даже научился складываться для хранения, как собака Spot. Это означает переход гуманоидных роботов от «цирковых трюков» в лабораториях к реальной работе в промышленной логистике (Источник: Ronald_vanLoon)
Yunpeng Technology представила умную кухню с AI для здоровья: Компания показала умный холодильник с большой моделью здоровья AI, предлагающий персональное управление питанием через помощника «Xiao Yun». Это демонстрирует проникновение AI из цифрового пространства в физическую среду обитания (Источник: 36Kr)
MIT разработал деформируемые 3D-структуры «по требованию»: Исследователи из MIT создали плоскую структуру, которая мгновенно превращается в сложную 3D-форму под действием одной силы натяжения. Сочетание материаловедения и геометрических алгоритмов открывает путь к быстрому производству развертываемых космических структур, медицинских имплантатов и мягких роботов (Источник: Ronald_vanLoon)