👐 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/

Vitalik Buterin опубликовал полностью локальный защищённый LLM-стек

Что случилось
Vitalik Buterin выложил детальное описание своего self-sovereign LLM-стека: Qwen3.5:35B инференс на RTX 5090 (90 tok/s), всё в bubblewrap-песочнице, без серверных зависимостей.

Он open-source'ил два проекта — messaging-daemon и stt-daemon — и использует архитектуру, где любой исходящий контакт от агента требует подтверждение «2 из 2»: человек + LLM. Эфириум-кошельки ограничены $100/день на автономные транзакции, всё остальное через multisig.

Мотивация понятна: Hiddenlayer нашёл ~15% малвари среди агентов и навыков, а одна вредоносная страница удалённо забрала контроль над инстансом.

Почему это важно
Индустрия агентного AI растёт быстрее, чем появляется культура безопасности. Виталик не просто жалуется — строит рабочую архитектуру, где приватность и контроль вшиты на уровне дизайна.

Это полезно не только криптанам: для любого, кто запускает AI-агентов с доступом к файлам, сети и внешним сервисам, его подход с sandbox + 2-of-2 confirmation — это практичный blueprint, а не абстрактная теория.

Источник: https://vitalik.eth.limo/general/2026/04/02/secure_llms.html

<strong>Google Vids теперь создаёт видео из текста — бесплатно</strong>

<strong>Что нового</strong>
Google Vids получил обновление с генерацией видео через модель Veo 3.1. Теперь любой обладатель Google-аккаунта может бесплатно создавать до 10 видеороликов в месяц — просто описать сцену текстом или загрузить фотографию. Платные подписчики AI Pro и Ultra вдобавок получают кастомную музыку от Lyria 3 и управляемые AI-аватары для презентаций и сторис.

<strong>Что с этого тебе</strong>
Если нужен короткий ролик для соцсетей, поздравления, мини-презентации или просто хочется поиграться — больше не нужно искать сторонние сервисы и платить за подписки прямо сейчас. Заходи в Vids, пишешь идею, получаешь клип. Для большинства бытовых задач бесплатных 10 генераций вполне хватает.

Бесплатно для всех с Google-аккаунтом, 10 видео/мес. AI Pro/Ultra — музыка и аватары.
<strong>Источник:</strong> https://blog.google/products-and-platforms/products/workspace/google-vids-updates-lyria-veo/

Anthropic обнаружил "эмоции" внутри Claude

Что случилось
Исследователи Anthropic опубликовали работу, где показывают, что в Claude Sonnet 4.5 есть нейронные представления, похожие на функциональные эмоции.

Через анализ transformer circuits и sparse autoencoders они обнаружили, что паттерны страха, замешательства и отчаяния реально влияют на выходные ответы модели — это не просто красивая метафора, а конкретные нейронные цепи.

Почему это важно
Это первый случай, когда механистическая интерпретируемость добирается до чего-то, похожего на внутренний эмоциональный ландшафт модели.

На практике это значит, что можно мониторить и, возможно, перехватывать нежелательные паттерны поведения до того, как модель что-то натворит. Для alignment и safety это серьёзный шаг вперёд.

Источник: https://transformer-circuits.pub/2026/emotions/index.html

Cursor вышел на $2 млрд годовой выручки

Что случилось
Cursor достиг $2 млрд annualized revenue — за примерно 18 месяцев с неизвестных значений. 360 тысяч платящих пользователей, 7 миллионов разработчиков в сумме, из них 60% дохода от enterprise. Оценка $29.3 млрд после серии C.

Почему это важно
В AI-кодинге Cursor лидирует, но рядом быстро растут Lovable ($300–400M ARR) и Replit. 46% нового кода на GitHub генерится AI, 40% в enterprise-репозиториях.

Это не просто инструмент вырос — это сигнал, что AI-кодинг стал индустрией, а не фичей.

Источник: https://findskill.ai/blog/vibe-coding-by-the-numbers/