Apple будет платить Google ~$1млрд/год за кастомную модель Gemini для Siri

Apple тестировала ChatGPT, Claude. Gemini победила по производительности и цене, Anthropic просили слишком много по $.

Apple выбирала из множества партнеров, но победил Google Gemini с 1,2 трлн параметров, что в 8 раз больше, чем текущая облачная модель Apple Intelligence.

Это позволит Siri лучше понимать контекст, синтезировать информацию, планировать многошаговые задачи и выполнять сложные запросы.

Новая Siri ожидается весной 2026 года с iOS 26.4. Она станет лучше справляться с личным контекстом, действиями в приложениях, поиском знаний.

Apple рассматривает Gemini как временное решение, пока разрабатывает свою модель с ~1 трлн параметров, не хочет долгосрочной зависимости от Google.

Компания ex-CEO Google создала ИИ-агента, который находит новое, чего не заметили люди

Группа исследователей из Edison Scientific (дочка Future House) представила Kosmos — агента для автономного научного анализа.

Что умеет Kosmos?
- Пишет и выполняет код для анализа данных (~42,000 строк)
- Читает научные статьи по теме (~1,500 штук)
- Генерирует и проверяет гипотезы
- Формирует отчёт с выводами
- Можно проверить каждый шаг рассуждений.

Авторы провели Kosmos через 7 исследовательских задач в разных областях: от метаболомики мозга до генетики диабета.

Независимые эксперты оценили точность результатов:

1. Воспроизводил чужие результаты

2. Нашёл новые находки:
• В 4 случаях - доп поддержка известных гипотез новыми методами
• В 1 случае - потенциально новое открытие, нашел механизм уязвимости нейронов при старении.

Эксперты оценили, что один запуск Kosmos эквивалентен 6 месяцам работы специалиста. Это впечатляет, но важно понимать, о какой работе речь:
1. Рутинный анализ данных
2. Чтение сотен статей
3. Перебор стандартных статистических методов
4. Проверка очевидных гипотез

Что остаётся за человеком:
- Формулирование нетривиальных вопросов
- Планирование экспериментов
- Критическая оценка выводов
- Понимание биологического/физического смысла

Где система спотыкается?

1. Интерпретации слабее анализа.
2. Нужен эксперт для оценки.
3. Ограничения по данным.

Пахнет жареным:CFO OpenAI проговорилась о гос гарантиях от правительства США по кредитам для финансирования своей масштабной инфраструктурной стройки на более $1 трлн.

А ещё она опровергла слухи о скором IPO компании, не в планах прямо сейчас, приоритет на росте.

На конференции WSJ CFO OpenAI Cара Фриар заявила, что компания просит гос гарантии по займам, которые существенно снизят стоимость кредитов, так как это позволит привлечь больше $ под меньшие %.

Получается, если OpenAI настолько уверены в будущих прибылях, рынок капитала должен финансировать их без государственных гарантий. Запрос госгарантий говорит либо о проблемах с cash flow, либо о том, что частные кредиторы видят слишком высокие риски.

О том, что у OpenAI нет денег мы писали тут.

Отметим, что OpenAI уже взяла обязательства ~ на $1 трлн только в этом году: $300 млрд партнерство с Oracle и $500 млрд проект Stargate с Oracle и SoftBank. При этом ожидаемые доходы в "десятки миллиардов" не покрывают расходы на инфраструктуру для их продвинутых чат-ботов.

После выхода публикации в СМИ, OpenAI быстро сделали публикации от имени CFO, что они НЕ просят прямую господдержку, они переформировали её слова в более широкий контекст ГЧП в стратегической отрасли: правительство США понимает, что ИИ — это стратегический национальный актив, поэтому и так будет поддерживать.

А вы пробовали уже включить память в чатах с Claude? Он прекрасно понимает в новых чатах, используя то, что раньше обсуждали в других чатах.

Очень круто с точки зрения пользовательского взаимодействия.

Стратегический инсайт куда идет рынок: создан агент, общающийся с человеком нормально. Опен сорс

OpenHands и Carnegie Mellon показали, почему GPT-5 хорош в бенчмарках, но раздражает в реальной работе — и как это исправить. GitHub.

Они решили одну из больших проблем агентов, когда:

1. агент не понимает, когда задавать вопросы
2. задает глупые/раздражающие вопросы
3. не адаптируется под стиль пользователя

Решение - PPP framework - 3 измерения вместо одного:

Productive — решает задачи (как обычно)
Proactive — задает правильные вопросы в нужный момент
Personalized — адаптируется под ваши предпочтения.

Очень подойдет для B2C продуктов, персональных ассистентов, когда агент работает вместе с человеком.

Модель 36B обогнала GPT-5 в среднем на +21 пункт в сценариях с расплывчатыми инструкциями.

Самое интересное — модель сама научилась стратегии:
- Различает четкие и расплывчатые запросы
- С четкими почти не задает вопросов
- С расплывчатыми активно уточняет, но только по делу.

Что это значит для индустрии?

Бенчмарки должны измерять не только task success, но и:
•Качество взаимодействия
•Адаптацию к пользователю
•Эффективность коммуникации.

Так, ну, говорят это новый хайп, новая китайская модель Kimi K2 опен сорс обогнала закрытые модели https://t.me/alwebbci/3769

Стоит ли нам теперь ожидать такое каждый месяц?

Да/нет? Мысли?

Но миром правит Google и вот 1-й чип TPU, спроектированный в первую очередь для инференса.

Ironwood - самый мощный TPU на сегодняшний день.

Он переходит от "реактивных" моделей к "проактивным" — моделям, которые самостоятельно генерируют insights, интерпретируют данные и действуют как агенты.

Ironwood — прямой вызов NVIDIA: дешевле, энергоэффективнее, лучше масштабируется для облачных ИИ-задач.

Каждый чип обеспечивает 4614 TFLOPS в FP8, что ставит его на уровень с NVIDIA Blackwell B200.

Google утверждает, что это самый мощный чип в истории компании, и он формирует основу AI Hypercomputer для планетарного масштаба вычислений.

Маск заявил, что Tesla построит свой завод по производству чипов, возможно, в партнерстве с Intel, но ещё ничего не подписано

Кстати, акционеры Tesla проголосовали за компенсационный пакет для Илона Маска в $1 трлн - самый крупный в истории корпоративных выплат.

Tesla прогнозирует экспоненциальный рост потребления чипов - миллиарды единиц в год для миллионов роботакси и гуманоидов Optimus. Напомним, что Маск планирует выпускать 100млн/год гуманоидов.

Текущие поставщики - TSMC, Samsung не справятся даже в оптимистичном сценарии, сказал Маск.

Маск сказал, что завод будет гигантским Terra-Fab в США. Это часть стратегии вертикальной интеграции, как с батареями. Маск подчеркнул, что без собственного производства Tesla не достигнет целей по роботакси и роботов Optimus.

Sakana AI создали живую цифровую чашку Петри, в которой десятки агентов постоянно эволюционируют в реальном времени.

Главная фишка в том, что обычно нейросети учатся заранее, а потом работают с фиксированными правилами.

Здесь же нейросети учатся прямо во время жизни. Как живые организмы адаптируются к изменениям среды — так и эти агенты постоянно меняют свою "стратегию поведения" через градиентный спуск.

Это модель того, как из простых правил + конкуренции + способности учиться может возникать настоящая открытая эволюция — бесконечное усложнение и появление новых форм поведения. Как в настоящей жизни.

Самое крутое в этой работе -
из чисто эгоистичной конкуренции спонтанно возникает кооперация. Это говорит что-то глубокое о том, как в природе из конкурентной борьбы за выживание появляется симбиоз и сотрудничество.

Казахстан создает государственный резервфонд из крипты на $1млрд

Фонд должен стать операционным к концу 2025 года, а полный запуск ожидается в начале 2026-го.

Об этом рассказал глава Национального банка Казахстана Тимур Сулейменов. Ранее он уже говорил об этих планах.

Целевой размер — от 500 млн до 1 млрд $. Фонд будет состоять в основном из конфискованных криптоактивов (изъятые в рамках уголовных дел, связанных с незаконной деятельностью, включая нелегальный майнинг и торговлю), а также репатриированные средства из-за рубежа.

Из этого нового фонда криптовалют будут инвестировать в биржевые фонды (ETFs) на криптоактивы и акции компаний, связанных с цифровыми валютами (например, связанные с Bitcoin или блокчейном).

Прямые вложения в криптовалюты (типа прямой покупки BTC) исключены — подход "очень осторожный" из-за волатильности.

Новая ложь Сэма и снова драма у OpenAI, ноябрь у них всегда драматичный

Дело вот в чем. Вчера Сэм Альтман написал большой оправдательный пост по поводу того, что они не просят у государства поддержку по их кредитам, подробности того, как CFO проболталась об этом, читайте тут.

Альтман заявил: «Мы не хотим гос гарантий для дата-центров OpenAI. Если OpenAI облажается, рынок разберётся, другие компании подхватят. Мы просили только для чип-фабрик, а не для своих дата-центров».

Сегодня в сети появилась утечка, где в своем письме OpenAI просит у Белого дома гос гарантии по кредитам конкретно для дата-центров.

В письме четко видно, как OpenAI одним абзацем просят гос гарантии и на чип-фабрики, и дата-центры. Нельзя выбрать только одну часть — это один и тот же запрос.

Получается Сэм публично солгал о том, что OpenAI не просит и не хочет госгарантий для своих дата-центров, хотя за 10 дней до этого они официально подали именно такой запрос в Белый дом.

И вот вся эта история с #увольненияOpenAI Сэма в ноябре 2023 года показывает нам, что Сэм много обманывает и манипулирует.
Тут и тут новые данные от Суцкевера.

Ловите бомбу от Google! Вложенное обучение. Все как из фильма «Начало» Нолана

Google Research представил Nested Learning, которая решает одну из главных проблем современных моделей ИИ - постоянное обучение. Свежая статья тут.

Они доказали, что архитектура модели и алгоритм обучения — это одно и то же, просто на разных уровнях. Всё можно представить как вложенные задачи оптимизации, которые решают одновременно.

Ключевые концепции:
- Оптимизаторы — это тоже модули ассоциативной памяти.
- Память в трансформерах расширяется до Continuum Memory System — спектр модулей памяти с разной скоростью обновления.

Идея взята из фильма «Начало» Нолана.

Каждый уровень живёт по своим законам и с разной скоростью времени:
- верхний меняется за один токен,
- самый глубокий — раз в миллионы токенов.

Они создали модель Hope из 1.5 млрд параметров. На данный момент она:

- 3-е место среди всех моделей меньше 3 млрд параметров,

- обходит Titans-1.8B, Samba-1.9B, RWKV-7B и даже Llama-3.1-8B по качеству языка,

- держит 128 тысяч токенов контекста лучше Mistral-24B,

- учится пяти новым задачам подряд и ни одну прежнюю не забывает.

Впервые в истории — continual learning без replay, без LoRA, без regularization.

Просто потому, что забывание побеждено на уровне архитектуры.

Какие нюансы:
- Обучение на 35 % дороже обычного
- Пока работает только в рекуррентных архитектурах
- В продакшене больших моделей пока нет

Но уже есть три независимые репликации, включая Mistral AI.

Nested Learning — это новый фундамент. Если идея взлетит, через пару лет мы получим модели, которые учатся всю жизнь, как люди, и никогда ничего не забывают.

James Watson , нобелевский лауреат, открывший с коллегами двойную спираль ДНК, умер 6 ноября в 97 лет.

Очень много разного про него было и сказано, и написано последние 15 лет. В том числе под сомнение был поставлен его вклад в открытие спирали, продажа самой медали, ее возврат обратно (например тут кратко собрали отдельные любопытные этапы). Но это точно была долгая, яркая и интересная жизнь от начала и до конца.

RIP

Итоги уходящей недели, то, что имеет значение в России и мире

Прорыв недели

Первое полностью созданное с ИИ антитело от нобелевского лауреата по химии Дэвида Бейкера

Железо, инфраструктура и космос

Google представил проект создания дата-центра в космосе

TSMC начала строительство 1.4nm фабрики — $48.5 млрд инвестиций в Тайчжун, массовое производство с 2028 года, ожидаемая выручка $16.2 млрд/год

Google бросил вызов NVIDIA с чипом Ironwood — 1-й TPU для инференса

Маск анонсировал строительство огромного завод по производству чипов

Финансы и криптовалюты:

Казахстан создаёт криптовалютный госрезерв на $1 млрд

Google Finance добавит данные крипто прогнозируемых платформ в поиск — Polymarket и Kalshi появятся в выдаче

ИИ: модели, агенты

Google представили Nested Learning — новое в постоянном обучении: модель Hope (1.5B параметров) побеждает забывание на уровне архитектуры, учит пять новых задач подряд без потери прежних знаний

Google AlphaEvolve совершенствует математические алгоритмы вместе с Теренсом Тао

Где научиться применению ИИ в тендерах? Ответ тут.

Kimi K2 Thinking от Moonshot AI — опен-сорс модель обогнала закрытые аналоги, thinking-агент нового поколения

DeepAnalyze-8B: автономный data scientist — 1-я агентная LLM, которая проходит весь пайплайн от сырых данных до аналитического отчёта без заданных воркфлоу

OpenHands и Carnegie Mellon создали ИИ-агента, который не раздражает в работе, объяснили почему GPT-5 хорош в бенчмарках но неудобен в реале

Sakana AI запустили цифровую чашку Петри — десятки агентов эволюционируют в реальном времени, обучение происходит прямо в процессе работы

Future House представила Kosmos — мульти-агентная система для научных открытий, способная проводить до 12 часов исследований

DreamGym от Meta — фреймворк для тренировки ИИ-агентов через синтетические reasoning-опыты вместо дорогих реальных прогонов

Anthropic и Исландия запустили первый нацпроект по ИИ в образовании

Google DeepMind раскрыл секреты автогрейдинга — ~90% точности даже на длинных сложных рассуждениях, бенчмарки с пути к IMO Gold

Anthropic обогнал OpenAI по продажам API

Apple заплатит Google за кастомный Gemini ~$1 млрд/год за интеграцию в Siri

Корпоративные и судебные драмы

Илья Суцкевер раскрыл причины увольнения Альтмана в ноябре 2023

Альтман попался на лжи— CFO проболталась о запросе компании госгарантий для дата-центров, хотя Альтман публично это отрицает, утечка переписки с Белым домом всё подтвердила

Инструменты и инфраструктура

Google представил DataRater — ИИ сам учится определять ценность данных для обучения LLM через мета-обучение вместо ручных правил

Интерактивная карта для всех статей NeurIPS 2025 — Исследователь из Cohere создал карту для изучения всех принятых работ

Новое исследование character training — 1-я работа по фундаментальным основам обучения личностных черт: Constitutional AI + синтетические данные создали 11 персон на базе Llama 3.1, Qwen 2.5 и Gemma 3, все веса доступны

*запрещенная компания в РФ.

OpenAI заходит официально в образование Казахстана - это провал российских компаний

Казахстан становится одной из первых стран в мире, внедряющих ChatGPT Edu на национальном уровне — от школ до университетов.

Правительство Казахстана, OpenAI и Freedom Holding подписали соглашение о внедрении ChatGPT Edu — для 165 000 педагогов по всей стране. Все получат доступ через платформу BilimClass (национальная образовательная платформа Казахстана).

Лицензии оплачивает полностью Freedom Holding.

OpenAI дает платформу ChatGPT Edu с локализацией на казахский и русский языки, а также техническую поддержку.

Правительство Казахстана координирует внедрение через госорганы, министерства (включая Министерство ИИ и цифрового развития, Министерство науки и высшего образования) и образовательные учреждения.

Обеспечивает интеграцию с национальными образовательными рамками и программами профессионального развития.

Ранее, OpenAI выбрала Казахстан для пилотного проекта next-gen ChatGPT в образовании, а Freedom Holding стала реселлером Starlink для школ.

Сейчас в мире идет гонка за создание виртуальных клеток человека, кто 1-й сделает работающую клетку, тот перевернёт фарму с ног на голову. Ставки — миллиарды $ и будущее медицины.

Это анализ Виджай Панде, венчурный инвестор из a16z Bio + Health, экс- глава Google DeepMind в биологии.

Он взял интервью у представителей 4-х самых амбициозных компаний мира, правда, здесь нет Google, тоже пытаются создать виртуальные клетки — цифровые двойники настоящих человеческих клеток, которые смогут моделировать поведение клеток и предсказывать, как на них подействуют лекарства.

Все используют ИИ, но фундаментально не согласны, как именно строить виртуальную клетку. Разногласия касаются не архитектуры моделей, а стратегии данных, что собирать, в каком объёме и откуда.

Вот позиции 4-х лидеров мира:

1. Компания Xaira Therapeutics делает ставку на масштабные пертурбационные данные. Они индустриализируют Perturb-seq (одновременно выключают тысячи генов и смотрят, что ломается).
Цель - научить ИИ причинно-следственным связям в биологии.

2. У Chan Zuckerberg Initiative (CZI) долгосрочный подход. Строят модульные фундаментальные модели ИИ для отдельных процессов (транскрипция, трансляция, сигнальные пути и т.д.).
Идея - потом эти модули соберутся как лего в полную виртуальную клетку.

3. У Recursion / Valence Labs замкнутый цикл wet lab + dry lab. Роботизированная лаборатория делает миллионы экспериментов → ИИ учится → предсказывает новые эксперименты → снова в лабораторию.
Постоянная валидация в реальном времени. Уже вывели несколько кандидатов в клинику таким способом.

4. У Noetik другой старт - не клеточные линии, а настоящие опухоли пациентов. Считают, что всё, что мы узнаём из immortalized клеток, плохо переносится на реальных больных. Поэтому сразу работают с первичным материалом пациентов + пространственная транскриптомика.

Инсайд от китайцев из Moonshot: квантизация стоит наравне с SOTA и Frontier

После релиза K2-Thinking многие разработчики заинтересовались его нативным форматом квантизации INT4.

Инженер поделился инсайдерским взглядом на этот выбор.

У вас мало шансов заработать на ИИ. Инвестиционный тезис про рынок ИИ-стартапов от экс-главы Reddit

Почти все стартапы, которые делают отдельные ИИ-приложения, обречены на провал или поглощение. И вот почему.

Каждый стартап, который создает ИИ-приложение, скорее всего будет раздавлен крупными разработчиками базовых моделей: OpenAI, Anthropic, Google, xAI, Meta(запрещенная в России организация) и т.д.

Почему?

Эти компании не медленные, как бюрократичные корпорации, типа как было с Nokia vs iPhone или Kodak vs цифровые камеры.
Они огромные, но очень быстрые.

Как только появляется крутое ИИ-приложение, через 3–9 месяцев функционал просто копируется и встраивается прямо в ChatGPT / Claude / Gemini / Grok.
Например, сначала были отдельные стартапы для генерации картинок (Midjourney), потом это появилось в DALL-E 3 внутри ChatGPT, потом в Claude, Gemini и т.д. Отдельные приложения теряют пользователей мгновенно.

Почему нет времени построить большую компанию?

Раньше у стартапа было 5–10 лет, чтобы вырасти до миллиарда $, пока большие компании проснутся.

Сейчас окно 12–18 месяцев максимум. За это время нужно успеть:
1. Запуститься
2. Набрать миллионы пользователей
3. Заработать кучу денег или продаться

Два способа заработать основателям таких стартапов
1. Сделать вирусное приложение, которое за год-два сгенерирует десятки/сотни миллионов $ cash flow, вывести деньги себе и закрыться/продаться. Примеры: Character.AI, Perplexity (пока ещё живы), раньше — Replika, Poe.com и т.д

2. Быстро продаться одному из гигантов за хорошие деньги/акции. Примеры: Adept (продался Amazon), Inflection (продался Microsoft), Character.AI (продался Google).

Почему не будет новых ИИ-гигантов?

Ситуация нестабильная: рынок может либо взорваться до триллионов $ либо схлопнуться, если модели перестанут улучшаться или энергия/чипы закончатся.

В обоих случаях отдельные приложения не успевают стать независимыми суперкомпаниями типа нового Google.

Единственный шанс выжить самостоятельно, если стартап сидит в очень узкой нише с:
- уникальными данными,
- лучше всего связанными с реальным миром (физика, атомы, железо, медицина, производство, роботы, дроны и т.д.),
- а не с софтом/финансами/контентом.

То, о чем говорят в закрытых чатах Долины, сегодня вышло в свет - Сэм Альтман создает Манхэттенский проект 2.0 для науки

Сэм стал со-основателем компании Episteme, а главный СЕО и основатель 27-летний Луи Андре. Луи Вырос в Европе (французская мама, отец с Мадагаскара). Учился в University College London (нейронаука + computer science). Затем был в Princeton и Stanford.Работал в биотех-стартапе по болезни Паркинсона, поддерживаемый Сергеем Брином. Последние годы он был в тени. Но те, кто его знает, называют гениальным и харизматичным. Полностью исчез из соцсетей ~2 года назад.

Они строят новую фундаментальную научную лабораторию по модели Bell Labs 1940–1960-х, но на стероидах: AI + физика + биология + нейронаука + материалы.

Уже привлечено $6+ млрд от SoftBank + OpenAI + анонимные семейные офисы из списка Forbes.

В команду тихо нанимают лауреатов Филдсовской премии, Игнобеля под 30 лет, выпускников из MIT/Stanford, которым дают по $5–20 млн личного бюджета на исследования.

Цель - убрать бюрократию, грантовый ад, публикационный конвейер и дать гениальным молодым учёным неограниченные ресурсы + полную свободу на 5–10 лет.

Первый кампус уже строится (место пока не раскрыто, но намёки на район залива Сан-Франциско или Неваду).

Официальный анонс ожидается в январе 2026 на закрытой конференции в Сан-Франциско. Уже ходят слухи, что Episteme хочет нанять 100 учёных младше 30 лет с зарплатой от $1 млн/год + 1–5% equity в будущих спин-оффах.

Это самый амбициозный научный проект со времён Манхэттенского.

Google представил свое видение, как ИИ изменит образование

Это концептуальная работа, в которой также указывается риск возникновения метакогнитивной лени, когда учащиеся слишком полагаются на ИИ.

Google говорит, что их модели Gemini и LearnLM основаны на принципах learning science. Также напоминают, что у них есть новые функции для образования в Gemini, NotebookLM, поиске и YouTube.

Что может дать ИИ образованию по мнению Google?

1. Персонализация в масштабе.

2. ИИ не заменит человека-репетитора, но может стать доступной альтернативой там, где человеческой поддержки нет.

3. Помощь перегруженным учителям - ИИ как ассистент.

4. Преодоление языковых барьеров.

Но какие проблемы пока не решены с ИИ?

- Google апеллирует к теории когнитивной нагрузки, цель не в том, чтобы максимизировать трудности, а в том, чтобы направить усилия ученика на продуктивную умственную работу, а не на преодоление технических препятствий.

- Галлюцинации и точность.

- Размытие границ: помощь или обман? Опросы показывают, что многие учащиеся используют ИИ способами, которые можно считать обманом. Google предлагает переосмысление форм оценки: больше устных экзаменов, проектов, дебатов — того, что ИИ не может легко воспроизвести.

Google говорит, что пока нет ответов на фундаментальные вопросы:

1. никто не знает, как ИИ изменит рынок труда и какие навыки будут востребованы через 10-15 лет. Это создает проблему для образования, которое должно готовить людей к неизвестному будущему.
2. Изменит ли ИИ само понятие "учиться"?
3. Как должна эволюционировать роль учителя?
4. Какие новые формы обучения станут возможны?
5. Насколько эффективен ИИ без полного контекста, который есть у педагога?

CTO Intel перешел в OpenAI и займётся строительством инфраструктуры

Сачин Катти ушёл из Intel через 7 месяцев после назначения на позицию CTO. Катти работал в Intel ~ 4 лет, руководя networking, edge computing и AI.

B OpenAI он будет работать над масштабированием compute-ресурсов, чтобы поддерживать развитие моделей.