🔐 В ChatGPT отключили возможность делать диалоги видимыми для поисковиков.

Разработчики признали, что многие случайно открыли свои личные беседы для всеобщего обозрения. Хотя, чтобы сделать чат публичным, пользователь сам должен был нажать соответствующую кнопку.

Тем не менее, большинство общедоступных диалогов довольно безобидные и даже бесполезные. Один пользователь долго доставал бота вопросом «Можно ли греть металлическую вилку в микроволновке?» (нет, нельзя!) — в итоге ИИ составил целый гайд под названием «Как пользоваться микроволновкой, не призывая Сатану: руководство для начинающих» 🍴

♊️ Google выпустил свою умнейшую модель Gemini 2.5 Deep Think. Это вариация модели, недавно взявшей «золото» на Международной математической олимпиаде.

Основная идея та же, что у линейки pro-моделей OpenAI и Grok Heavy — бот запускает сразу несколько параллельных размышлений, отбирает лучшие гипотезы и решения, комбинирует их и выдает ответ.

По бенчмаркам Gemini 2.5 Deep Think сейчас модель №1 ⤴️

💸 Пока модель доступна только в подписке Google AI Ultra за $250 в месяц.

🖼️ Apple создает собственный ИИ-поисковик, пишет Bloomberg. Направление возглавляет бывший руководитель команды разработки Siri Робби Уокер.

Сейчас Apple получает от Google $20 млрд в год за установку Google-поиска на устройствах по умолчанию. Но скоро антимонопольные органы США могут запретить подобные соглашения. Так что у Apple скорее всего пропадет стимул сохранять доминирование поисковика от Google в своих гаджетах.

🤩 Qwen Image — новая open source нейросеть на 20B параметров для генерации и редактирования картинок от китайских разработчиков.

В бенчмарках показывает результаты уровня GPT Images и FLUX Kontext, но на практике Qwen Image выдает слишком «пластмассовые» картинки, к тому же плохо работает с кириллицей.

Тем не менее, это открытое решение. На арене языковых моделей китайские open source проекты уже теснят закрытые модели, вероятно, этот тренд доберется и до генераторов картинок.

➡️ Попробовать можно бесплатно в Qwen Chat (нужно выбрать опцию Image Generation).

👐 OpenAI выпустила сразу две модели с открытыми весами — это первые open source модели компании со времен GPT-2 в 2019 году.

Большая модель имеет 120 млрд параметров и по бенчмаркам на уровне между o3 и o4-mini. Младшая, на 20 млрд параметров, чуть слабее o4-mini.

🔜 Попробовать можно здесь.

Смотрим турнир по шахматам среди ИИ-агентов: Google запустили платформу для соревнований нейронок в стратегических играх.

Прямо сейчас идет трансляция соревнований по шахматам. Участвуют восемь моделей, включая o4-mini, Grok 4 и Claude Opus 4.

Смотрим по ссылке. Стримы будут проходить каждый вечер, а финал уже 7 августа.

✴️ ElevenLabs запустили собственный сервис для генерации музыки. Eleven Music создает треки «студийного качества», которые можно легально использовать в коммерческих продуктах — на это делается отдельный акцент.

Удобно, что песня создается последовательно небольшими частями, звучание которых можно редактировать отдельно. Хорошо поет на русском.

🔜 Попробовать можно бесплатно здесь. Но скачивать генерации можно только с подпиской.

⚡️ GPT-5 представили официально — презентацию ведет лично CEO OpenAI Сэм Альтман.

➡️ GPT-3 был как старшеклассник, GPT-4 говорил как студент колледжа, GPT-5 — эксперт уровня PhD в любой области, который всегда рядом, говорит Альтман.

Модель может написать целую программу, спланировать вечеринку, помочь с путешествием или вопросами здоровья — выполнить любую задачу на высочайшем уровне.

👐 Главное о GPT-5:

🔜 GPT-5 это интеллектуальная система — в зависимости от сложности запроса модель выбирает глубину рассуждения. Всем актуальным моделям (от GPT-4o mini до o3 Pro) на смену придет соответствующая ветка GPT-5.

🔜 Доступна всем уже сегодня, в том числе бесплатным пользователям — при превышении лимита их перебросят на GPT-5 mini.

🔜 Лучшая модель для кодинга на рынке. Pro-версия набирает 100% в математическом бенчмарке AIME 2025.

🔜 Даже базовая модель галлюцинирует значительно меньше GPT-4o и o3.

🔜 Модель гораздо менее склонна соглашаться с пользователем и льстить ему.

🔜 GPT-5 классифицировали как модель высокого риска по опасностям в биологии и химии — приняты соответствующие меры. При этом модель в 65% случаев безопаснее предшественников, на тесты потратили более 9000 часов.

Больше подробностей — в системной карте модели.

❎ Grok 4 теперь можно пользоваться бесплатно.

Попробовать можно в X или в веб-версии. Но лимиты довольно скромные.

🔍 Jan-v1 — новый открытый конкурент Perplexity Pro для поиска в интернете.

Модель основана на Qwen3-4B, дообучена для глубоких размышлений и интернет-поиска. В бенчмарке SimpleQA на фактическую точность ответов Jan-v1 набирает 91,1%, обходя Perplexity Pro, gpt-oss 20b и более крупные закрытые модели.

➡️ Можно запустить полностью бесплатно на своем компьютере. Скачать платформу Jan можно здесь — есть версии под Win, Mac и Linux.

🔎 Google выпустил сверхкомпактную «нейросеть для тостеров» Gemma 3 на 270 млн параметров.

Она может работать на обычных ПК и телефонах, но основной сценарий — «умные» устройства и интернет вещей. В теории модель влезет в колонку или даже в обычную бытовую технику.

Нейросеть заточена не на диалоги, а на следование инструкциям — выполнение четко заданных задач, регулярных сценариев или быстрая постоянная оценка данных.

🤗 Модель доступна на Hugging Face.

TomorrowAI bot test via separate publisher

GitHub сделал Copilot coding agent заметно прозрачнее

У GitHub вышло небольшое, но очень практичное обновление для Copilot coding agent: теперь в логах сессии лучше видно, что именно делает агент в фоне. Отдельно показываются встроенные шаги подготовки вроде клонирования репозитория и запуска firewall, вывод кастомных setup-шагов из copilot-setup-steps.yml, а также работа сабагентов, которых Copilot поднимает для исследования кода и подготовки изменений.

Почему это важно: одна из главных проблем агентного кодинга — не только качество результата, но и наблюдаемость процесса. Когда видно, где агент тратит время, как именно настраивает окружение и что делегирует сабагентам, таким инструментам проще доверять и их проще дебажить в реальной командной работе.

Источник: https://github.blog/changelog/2026-03-19-more-visibility-into-copilot-coding-agent-sessions/

GitHub показал, как можно запускать команду AI-агентов прямо внутри репозитория

На GitHub вышел разбор Squad — open source-проекта поверх Copilot, который разворачивает в репозитории не одного «умного помощника», а целую команду: координатора, backend/frontend-специалистов, тестировщика и документацию. Главная идея тут не в самом мультиагентном шоу, а в архитектуре: память команды хранится в обычных versioned-файлах, решения фиксируются в repo, а проверку и исправления делает не тот же агент, который писал код.

Почему это важно: рынок постепенно уходит от магии «дай промпт и надейся» к более проверяемым агентным workflows. Если память, роли и история решений лежат рядом с кодом, такие системы проще дебажить, ревьюить и встраивать в реальную разработку. Это уже похоже не на игрушку, а на рабочий шаблон для agentic coding.

Источник: https://github.blog/ai-and-ml/github-copilot/how-squad-runs-coordinated-ai-agents-inside-your-repository/

Adobe прокачала Firefly в сторону реально полезного сценария: теперь там можно обучать свою AI-модель на собственных изображениях, чтобы держать один стиль, одного персонажа или один визуальный почерк во всех новых картинках. Для дизайнеров, маркетинга, контента и даже просто ведения соцсетей это значит меньше ручной правки и меньше «каждый раз как будто другой автор».

Плюс Firefly всё сильнее превращают в единое окно для генерации и редактирования картинок и видео: можно не только накидать идею, но и сразу довести её до нормального результата. Важный нюанс: доступность зависит от тарифа и текущих промо, а custom models сейчас в public beta.

Источник: https://blog.adobe.com/en/publish/2026/03/19/adobe-firefly-expands-video-image-creation-with-new-ai-capabilities-custom-models

Новая рамка для безопасности AI-агентов

На arXiv вышла сильная работа про безопасность LLM-агентов — не в духе «ловим опасные слова в промпте», а с попыткой формально описать, что именно считается нарушением. Авторы предлагают смотреть на 4 свойства: соответствует ли агент задаче, оправданы ли его действия, от авторизованного ли источника пришла инструкция и не нарушаются ли границы доступа к данным.

Это важно, потому что prompt injection, jailbreak, task drift и memory poisoning здесь сводятся не к набору частных кейсов, а к нарушениям общей модели. Для тех, кто строит agent workflows, это шаг от эвристик к более проверяемым runtime-защитам.

Если коротко: индустрия постепенно уходит от naïve-фильтров к контекстной безопасности агентов. И это, вероятно, куда полезнее для реальных прод-систем, чем ещё один список «запрещённых» фраз.

https://arxiv.org/html/2603.19469v1

Агентам добавили «подзадачи» вместо блуждания

Что случилось
Google DeepMind выпустила работу A Subgoal-driven Framework for Improving Long-Horizon LLM Agents: идея в том, чтобы агент не тащил всю длинную цель в голове сразу, а раскладывал её на промежуточные подцели и получал milestone-награды во время обучения.

На практике это дало заметный прирост на сложных веб-задачах. В статье DeepMind пишет, что их real-time planning даёт около +10 п.п. к success rate на WebArena-Lite, а открытая Gemma3-12B с обучением MiRA выросла с 6.4% до 43.0%, обогнав несколько старых проприетарных baseline’ов.

Почему это важно
Для агентного tooling это важный сдвиг: проблема часто не в «умнее модель», а в том, как она держит длинную траекторию и получает сигнал о прогрессе. Подход с подцелями и milestone-rewards выглядит как более практичный рецепт для браузерных и OS-агентов, чем бесконечная надежда на один большой reasoning pass.

Источник: https://arxiv.org/abs/2603.19685

NotebookLM стал полезнее для учёбы и презентаций

Что нового
Google обновила NotebookLM: теперь можно загружать EPUB-книги, править AI-слайды, выбирать стиль инфографики и сохранять прогресс в карточках и квизах. Ещё чат теперь умеет превращать переписку в готовые материалы вроде обзоров и отчётов.

Что с этого тебе
Если ты собираешь конспекты, учишься по большим документам или делаешь презентации, стало проще быстрее превратить сырой материал в понятную визуальную выжимку. Особенно удобно, когда нужно за вечер разобраться в книге, лекции или пачке файлов.

Базовые функции доступны и для личных Google-аккаунтов, а часть продвинутых видеовозможностей — только в платных планах.

Источник: https://workspaceupdates.googleblog.com/2026/03/new-ways-to-customize-and-interact-with-your-content-in-NotebookLM.html

Google Stitch пытается превратить идею в интерфейс за минуты

Что нового
Google обновила Stitch: теперь это AI-native canvas, где можно описать идею словами, добавить референс, а затем быстро собрать несколько экранов и даже прототип. Плюс появились голосовые правки и экспорт в инструменты для разработки.

Что с этого тебе
Если давно хотел набросать приложение, лендинг или внутренний сервис, но не любишь возиться с макетами, порог входа стал заметно ниже. Это уже не только для дизайнеров: можно быстро проверить идею и понять, стоит ли её вообще развивать дальше.

Бесплатно через Google Labs.

Источник: https://blog.google/innovation-and-ai/models-and-research/google-labs/stitch-ai-ui-design/

Google выпустила Gemma 4 — четыре открытые модели с текстом, изображениями, видео и аудио

Что случилось
Google DeepMind представила Gemma 4 — самое мощное семейство открытых моделей на данный момент. Вышло четыре модели: E2B, E4B, 26B MoE и 31B Dense. Все обрабатывают текст, изображения, видео и аудио, поддерживают контекст до 256K и работают на 140+ языках. Лицензия Apache 2.0, модели доступны на Hugging Face, Kaggle, Ollama и Google AI Studio.

Почему это важно
Google делает то, что редко получается: выкладывает модели уровня, который конкурирует с закрытыми аналогами, но в размерах, которые поместятся на ноутбук и телефон. Для тех, кто строит локальные AI-ассистенты, edge-пайплайны или просто хочет не зависеть от API, это один из самых практичных релизов года.

Источник: https://deepmind.google/models/gemma/