новые новости про рекламу в chatgpt

запускают beta Ads Manager для покупки рекламы — CPC-ставки, аналитика, управление кампаниями и при этом обещание сохранять приватность чатов

если реклама встроится аккуратно, это может стать новым форматом intent-based advertising. если грубо — сломает доверие к ответам

openai

Шесть стадий, которые проходит любая компания, чтобы стать AI-native:

0. CEO говорит, что AI это важно, но никто ничего не делает кроме красивых презентаций, встреч и вздохов с придыханием "да, важно" и "нас заменююююют"

1. Люди вручную скармливают контекст чат-ботам: загрузил эксель в клода, скопировал пейпер в GPT, открыл миро доску через claude code, попросил отписаться в слак и сделать вид что ты работаешь

2. Люди собирают свои персональные OS с коннекторами и скиллами: локальная структура данных, автоматическая загрузка сообщений и документов раз в день, регулярные скилы, которые разбирают почту и готовят отчеты в обсидиане

3. У команд есть общее рабочее пространство, скрипты и скиллы. У разработки есть общие AGENTS.md для каждого репозитория, наборы промтов и скилов, общие практики. У маркетинга свои шаблоны и скилы.

4. Компания имеет общую AI-инфраструктуру, каждая функция видна агентам. Агент может найти сообщение в поддержке, соединить его с тикетом в разработке и подсветить для маркетинга. Есть права доступа, синхронизация, мониторинг исполнения и стоимости для всей компании.

5. Люди создают самооптимизирующиеся процессы: например, CMO запускает саморазвивающуюся маркетинговую кампанию, которой управляет рой агентов. Система может самоулучшаться, но люди строят, оркестрируют, контролируют такую систему.

6. Кибернетическая компания: компания имеет сенсоры и чувствует всё, что происходит внутри и на рынке, превращает это в токены и делает видимым для ИИ систем, проактивно улучшает себя. Агенты строят гипотезы, проверяют их и внедряют изменения.

Стадии перепрыгнуть нельзя. Большинство компаний сегодня на уровне 1-2.

microsoft сделали новый copilot cowork — теперь его можно запускать с телефона, а задача дальше продолжит выполняться в облаке

плюс появились скилы под повторяющиеся рабочие процессы и добавили внешних интеграции

microsoft

anthropic добавили dreams для claude managed agents

агент после выполненных задач может сам пересматривать свою память и улучшать её. например убрать дубли, старые или противоречивые записи, найти повторяющиеся паттерны и сохранить полезные выводы на будущее

это не модель сама себя обучает, а улучшение через память и прошлый опыт. то есть агент становится полезнее не только внутри одной задачи, но и между задачами

пока это research preview и доступ по waitlist

anthropic\
docs

ClaudeCode удвоили лимиты или как Маск слил xAI

он не просто переименовал её в SpaceXAI — по факту xai перестаёт быть отдельной компанией и становится ai-направлением внутри spacex. такая консолидация после тяжёлого периода — у xai ушла большая часть изначальных основателей, команду пересобирали, часть проектов приморозили

самое интересное для нас — colossus 1. это их огромный gpu-кластер, и теперь anthropic забирает доступ ко всей его мощности. у антропик была проблема, что они ранее не делали ставку на железо и не торопились его покупать, а потом стало уже поздно. и вот случился удачный для них compute deal — у anthropic сразу выросла доступная мощность, и они удвоили лимиты claude code

x musk \ xAI \ anthropic \ techcrunch

codex научился напрямую управлять chrome через плагин

—

у нас тут ещё участники комьюнити обнаружили, что в поиске гугла по запросу codex всплывает фишинговый сайт, почти точная копия настоящего, но на другом домене. будьте внимательны

радио perplexity давно остановилось, а теперь claude сделали своё

https://www.youtube.com/live/AUQKjgKQF7w?si=7UFknPKIGQL9Nz04

Сегодня телеграм выкатил пачку ИИ-обновлений, многое выглядит как продуманная и аккуратная стратегия внедрения ИИ в продукт: с потребительскими функциями для всех (рерайт под свой стиль), гиковскими (подключение openclaw, общение ботов), и дистрибуционными (вызов ИИ в любом чате).

В численном выражении успехи телеграма пока не впечатляют, но я не удивлюсь, если через 1-3 года именно он станет основной площадкой распространения разных ллм-моделей в России. Если его раньше не прибьют, конечно.

Отсюда интересно размышлять о том, что при прочих равных Россия — идеальная страна для того, чтобы держать здесь сервера для распределённого AI (из-за дешёвой энергии и холодного климата — как когда-то было выгодно для майнинга). Тут у какуна, биржи покупки распределённых AI-вычислений от Телеграма, тоже интересный потенциал. Если его раньше не прибьют, конечно.

рассуждения у моделей появились как интерфейсная фича примерно в эпоху o1 и быстро стали любимыми

причина понятная: когда модель показывает ход мысли, кажется, что ты видишь не просто ответ, а процесс. можно понять, где она ошиблась, почему выбрала такой путь, насколько ей можно доверять. для сложных задач это выглядело как маленькое окно внутрь модели

но, кажется, эта эпоха была очень короткой

новое исследование anthropic показывает, что chain-of-thought нельзя воспринимать как честный audit log. модель может что-то “понимать” внутри, но не проговаривать это в reasoning trace. то есть красивое объяснение в интерфейсе не обязательно совпадает с тем, как модель реально пришла к ответу

и это сильно меняет продуктовый смысл рассуждений

в текущем виде они уже не так полезны. вместо “покажи ход мысли” важнее становятся проверяемые вещи: источники, tool calls, артефакты, тесты, история действий агента

reasoning был красивым переходным интерфейсом. но если мы строим не демки, а рабочие системы, то доверие нужно переносить с текста “как я думал” на проверяемые следы “что я сделал”

главные события недели · 4–10 мая 2026

Модели
• gpt-5.5 instant стал моделью chatgpt по умолчанию: меньше галлюцинаций, лучше работа с изображениями и видимость memory sources как новый паттерн доверия в персонализированных ai-продуктах — пост в канале
• openai выпустил новые realtime voice-модели для api: голосовые интерфейсы становятся быстрее, дешевле и ближе к production-сценариям поддержки, обучения и ассистентов — openai

Агенты и инструменты
• codex переупаковывают из coding tool в агента для knowledge work: документы, таблицы, презентации, браузинг, memory и интеграции с microsoft, google и salesforce — пост в канале
• claude managed agents получили dreaming, outcomes и multiagent orchestration: агент начинает улучшать память между задачами и работать по проверяемым критериям качества — пост в канале
• microsoft показал copilot cowork: облачный агент, который можно запускать с телефона, продолжать в фоне и расширять скиллами под повторяющиеся рабочие процессы — пост в канале
• github copilot coding agent получил secrets, а copilot code review — типы замечаний в usage metrics api; ai-разработка становится управляемым процессом с метриками и доступами — github changelog

Инфраструктура и разработка
• lazyweb открыл 250k реальных экранов приложений для ai-агентов через mcp, чтобы генерация интерфейсов опиралась на живые паттерны, а не фантазию модели — пост в канале
• deepmind alphaevolve показал, что gemini-powered coding agents уже оптимизируют алгоритмы для датацентров и чипов google, а не только пишут прикладной код — deepmind
• anthropic удвоил лимиты claude code через compute-сделку со spacex/xai: качество ai-инструментов всё сильнее зависит от доступа к gpu и инфраструктурных партнёрств — пост в канале

Бизнес и рынок
• openai начал разворачивать self-serve ads manager для chatgpt: cpc-ставки, аналитика и intent-based advertising прямо внутри диалога — пост в канале
• cloudflare заявил, что ai сделал 1100 вакансий ненужными даже на фоне рекордной выручки: рынок труда получает первый жёсткий сигнал про замещение планируемого найма — techcrunch

UX и доверие
• важный сдвиг в ux reasoning: chain-of-thought больше нельзя считать audit log, доверие надо переносить на источники, tool calls, артефакты, тесты и историю действий агента — пост в канале

html is the new markdown

llm-output перестаёт быть только текстом. всё чаще результатом работы будет disposable software artifact — одноразовый мини-интерфейс, сделанный под конкретный вопрос, задачу или исследование

thariq shihipar из команды claude code написал хороший разбор про то, почему он почти перестал просить у моделей markdown и всё чаще просит самодостаточный html-файл — статья

его главный тезис — markdown был хорошим дефолтом, пока llm-ответы были в основном текстом. но если модель уже умеет писать код, держать структуру, собирать интерфейсы и пользоваться локальным браузером, то странно ограничивать её форматом, который специально придуман быть максимально простым.

что даёт html:
• вместо линейной простыни текста можно получить навигацию, секции, таблицы, диаграммы, annotated diffs, timeline, collapsible-блоки и маленькие интерактивные инструменты
• ответ становится не «сообщением», а артефактом: его можно открыть локально, отправить коллеге, использовать как dashboard, план, ревью или объяснялку
• html хорошо подходит для результатов работы агента: implementation plan, incident report, архитектурная карта, pr-review, анализ логов, prompt tuner, slide deck
• браузер уже есть у всех, сборка не нужна, hosting не нужен, dependency hell тоже не нужен
• модель может делать интерфейс под конкретную задачу, а не запихивать всё в универсальный markdown-шаблон

thariq также собрал галерею из 20 примеров таких html-артефактов — от annotated diff до incident timeline и интерактивных планов — примеры

после этого карпати добавил важную рамку. он пишет, что это действительно хорошо работает — в конце запроса можно просто попросить llm “structure your response as HTML”, сохранить файл и открыть его в браузере — пост Карпати

но интереснее не сам лайфхак, а его прогрессия форматов:
текст → markdown → html → приложения

сначала модели отвечали обычным текстом. потом markdown стал дефолтом, потому что он даёт структуру почти бесплатно: заголовки, списки, таблицы, код. теперь, когда модели лучше пишут frontend-код, html становится следующим естественным уровнем: это уже не просто структурированный текст, а визуальный и интерактивный документ

следующий шаг — полноценные маленькие приложения, которые агент генерирует под конкретную задачу. вместо «вот анализ», будет «вот интерфейс, где можно этот анализ исследовать»

dessn поднял $6 млн на дизайн прямо в production-коде

dessn делает ai-инструмент для продуктовых команд, который запускает существующий код в облаке и позволяет дизайнерам итеративно менять интерфейс без локальной настройки проекта. в отличие от lovable/v0-подхода для идей с нуля, dessn целится в команды с живым продуктом, где важно сохранить fidelity к реальному codebase и проще передавать изменения разработчикам.

для нас это: дизайн-инструменты смещаются ближе к production-среде. меньше «макетов отдельно от системы» и больше работы с настоящими состояниями, компонентами, данными и ограничениями продукта

techcrunch

Google делает mcp для android-приложений

Google показал AppFunctions — новый механизм, через который android-приложения смогут отдавать свои функции ai-агентам как инструменты — Android Developers

идея простая: приложение заранее объявляет действия вроде “отправить сообщение”, “создать заметку”, “добавить событие в календарь” или “обновить список покупок”, а Gemini или другой авторизованный агент сможет вызвать их напрямую.

это важно, потому что это не screen scraping и не кликание по интерфейсу через accessibility. google делает нормальный системный контракт между приложениями и агентами.

по сути, android-приложения начинают превращаться из экранов в callable tools. раньше пользователь сам открывал пять приложений подряд. теперь агент сможет собрать workflow сам: понять намерение, найти нужные функции и выполнить задачу между приложениями.

пока AppFunctions в preview и завязан на Android 16+, но направление очень понятное: мобильная ОС готовится к миру, где главный интерфейс — не иконка приложения, а намерение пользователя.

Android становится Agentic os

Google показал Gemini Intelligence — новую ai-прослойку для Android, Chrome, Android Auto, Wear OS и будущих Googlebook-ноутбуков — Android

Google начинает делать ai системным уровнем android — модель видит контекст устройства, понимает, что происходит в приложениях, и помогает выполнять задачи между ними

что показали:

• multi-step tasks across apps: Gemini сможет брать информацию из одного приложения и использовать её в другом — например, распознать событие с флаера, добавить его в календарь и отправить детали в чат

• Gemini in Chrome получает browser-use сценарии: резюмирование страниц, ответы по содержимому сайта и помощь с задачами вроде заполнения форм или бронирования

• Android Auto тоже получает Gemini: можно будет говорить более естественно, просить составить сообщение, найти место по контексту или продолжить задачу с телефона

• на Wear OS Gemini заменяет старого Assistant и становится более контекстным помощником на часах

Gemini перестаёт быть отдельным чатиком. он становится слоем поверх ОС, браузера, машины и носимых устройств.

если AppFunctions — это техническая база для “android apps as tools”, то Gemini Intelligence — пользовательский слой поверх этого. Android постепенно превращается в систему, где пользователь формулирует намерение, а агент сам собирает workflow из приложений и контекста.

интерфейсно дизайнеров Google заставили сделать ответ на glass. судя по видео получилось спорно.

хотя появился свой ход с блюрами и он звучит инетерсно, всякие обводки приехали явно от вдохновения iOS

зато они придумали своё светящееся яблочко для ноутбуков

видео с главными анонсами за минуту — https://youtu.be/tOWuuIF7go0?si=HzBtghQdu_lEEipG