Вот это смена рынка! Microsoft тратит на Claude $500млн/год для своих продуктов

И это не прямые инвестиции, а именно операционные расходы - оплата за использование моделей Anthropic в продуктах Microsoft и для облачных клиентов Azure.

Ранее, мы писали, что Anthropic - король продаж API для ИИ.

Microsoft стал одним из крупнейших клиентов Anthropic. Компания интегрирует модели Claude в свои продукты, включая GitHub Copilot и Microsoft 365 Copilot. Напомним, у Microsoft проблемы с Copilot.

Партнерство усилилось на фоне конкуренции в ИИ-сфере. Microsoft углубляет связи с Anthropic - главным конкурентом OpenAI.

В ноябре 2025 года Microsoft вместе с Nvidia участвовала в крупной сделке с Anthropic: инвестиции до $5 млрд от Microsoft, а Anthropic обязался потратить до $30 млрд на вычисления в Azure. Это дает Microsoft скидки на внутреннее использование моделей Anthropic.

Microsoft ввела редкие стимулы для отдела продаж: продажи доступа к Claude засчитываются в квоты сотрудников, что мотивирует команду и помогает увеличивать доходы как Azure, так и Anthropic.

Dr. Zero - поисковые ИИ-агенты учатся сами, без данных

Meta* представила фреймворк, где LLM улучшает способности к поиску и рассуждению полностью автономно без единого размеченного примера. GitHub.

Размеченные данные - узкое место в обучении агентов. Если сложные рассуждающие способности могут возникать из самоэволюции, это меняет экономику создания ИИ-систем.

Как это работает?
Из одной базовой модели создаются 2 агента:
- Proposer генерирует вопросы, - Solver на них отвечает.

Оба используют внешний поисковик. Ключевой трюк — награда за «правильную» сложность: если Solver решает всё или ничего, Proposer не получает награды. Только частичный успех засчитывается. Это создаёт автоматический учебный план с постепенным усложнением.
По мере роста Solver простые вопросы обесцениваются → Proposer вынужден генерировать сложнее → Solver продолжает учиться. Замкнутый цикл самоулучшения.

Результаты:
На простых задачах (один поисковый шаг) 3B-модель превосходит supervised-baseline на 7-23%. На сложных многошаговых — 7B достигает ~90% качества полностью supervised-агентов. И это без единого человеческого примера в обучении.

Что ограничивает?
После 2-3 итераций наступает плато. Крупные модели менее стабильны при обучении. Пока не решена проблема reward hacking при длительной самоэволюции.

*запрещенная в России организация.

Axiom Space начала строить дата-центр на орбите - первые серверы уже в космосе

11 января на орбиту отправились 2 узла Orbital Data Center - первая инфраструктура для обработки и хранения данных непосредственно в космосе.

У нас в сторис тут мы опубликовали вчера карту рынка космических вычислений.

Что это даёт?

спутники смогут обрабатывать данные на орбите через AI/ML-модели, не передавая сырой поток на Землю. На выходе — меньше трафика, быстрее аналитика, автономная работа при потере связи.

Узлы оснащены оптическими каналами на 2,5 Гбит/с и совместимы со стандартами Space Development Agency, то есть могут работать с военными, гос и коммерческими сетями.

Основатель Axiom Space - Кам Гаффарян, он в том числе основал несколько космических компаний, включая Intuitive Machines и X-energy, вот тут его видение экономики в космосе. Его компания Intuitive Machines высадилась на луну первая среди космических компаний.

Axiom к этому шла поэтапно:

- в 2022-м запустили AWS Snowcone на МКС и провели 1-й коммерческий ИИ-инференс на орбите,

- затем установили квантово-защищённую связь с Землёй через Quantinuum,

- осенью 2025-го развернули прототип дата-центра на станции.

К 2030+ планируют масштабировать сеть от киловатт до мегаватт вычислительной мощности.

По сути, строится распределённая инфраструктура космических вычислений.

Здравоохранение стало новой точкой роста ИИ-лабораторий.

Если в 2025 году все старались создать лучшего помощника в кодировании, то в 2026 году крупные лаборатории идут в здравоохранение.

Как мы писали ранее, OpenAI и Anthropic объявили о своих проектах в health.

Сейчас именно OpenAI и Anthropic борются за то, чтобы быть интерфейсом - единой точкой входа для всех данных в здравоохранении - от Apple Watch до медицинских записей. Вместо десяти приложений 1 ИИ-интерфейс, который всё агрегирует и интерпретирует.

В это же время Google занимается созданием инфраструктуры, выпустили обновленную MedGemma 1.5 — открытая мультимодальная медицинская модель. Предыдущие тут и тут.

А стартапы без глубокой специализации и уникальных данных становятся уязвимы, происходит расслоение:

1. Wellness/hardware стартапы (Oura, Whoop, Eight Sleep) — выигрывают, их данные становятся ценнее в контексте

2. Обёртки над LLM проигрывают, их функционал поглощается платформами

3. Глубокие вертикали (клинические workflow, фарма R&D) — пока в безопасности, но давление нарастает.

Выживут те стартапы, которые либо владеют железом , например, Oura, либо встроены в клинические процессы так глубоко, что замена невозможна.

Данные будут генерироваться разными устройствами и сервисами, но интерпретировать и взаимодействовать с ними пользователь будет через Claude или ChatGPT.

Это как с браузерами в своё время - неважно, чей сайт, важно, через что ты его открываешь. Здесь аналогично: неважно, чей трекер сна - важно, кто агрегирует всю картину.

Стартап по нейроинтерфейсам Сэма Альтмана привлек $252 млн в seed раунде при оценке в $850 млн - космические цифры для стартапа без продукта.

Вот как умеет Сэм привлекать $ в совсем новые стартапы.

Сегодня стартап Merge вышел в свет и официально себя представил, вот их сайт. Мы о нем ранее писали тут.

Инвесторы раунда:
1. OpenAI, стратегический инвестор
2. Bain Capital
3. Gabe Newell, у которого есть собственный BCI-стартап Starfish.
и другие.

Что интересно и важно - стартап Merge вышел из некоммерческой организации Forest Neurotech, мы о нем писали еще 2 года назад здесь. Forest получил первые небольшие инвестиции $14млн от экс-главы Google Эрика Шмидта.

А год назад Forest получили грант от Великобритании на свой проект, тут подробно.

Вот подход Merge по разработке нейроинтерфейсов, он отличается от Neuralink.

У Merge 2 ключевых компонента:

1. Используют Ультразвук вместо электродов, так как:
- Безопасен
- Проникает на сантиметры вглубь мозга (электроды — миллиметры)
- Разрешение до 100 микрон
- Может охватить практически весь мозг

2. Молекулярные репортеры-белки, которые доставляются в нейроны,вероятно, через генную терапию, и делают активность нейронов «видимой» для ультразвука.

Михаил Шапиро, со-основатель Merge, называет это ультразвуковым аналогом флуоресцентных белков и оптогенетики.

Что пока неизвестно по подходу Merge?

1. Как именно доставлять белки в мозг?предположительно генная терапия, но детали не раскрыты
2. Форм-фактор устройства — сначала, возможно, защитная оболочка мозга, потом — внешнее устройство.

Текущие генные терапии не могут покрыть весь мозг, и стоили бы сотни тысяч $.

Как и все Merge начнут с медицинских испытаний на пациентах. Но долгосрочная цель - массовый продукт.

Команда Merge

Бизнес сторона:
Сэм Альтман, CEO OpenAI
Алекс Бланиа, CEO Worldcoin
Сандро Хербиг, Worldcoin

Научная сторона:
Михаил Шапиро, профессор Caltech,
Тайсон Афлало, нейробиолог Caltech
Самнер Норман, сооснователь Forest Neurotech.

Anthropic посмотрели как используют люди Claude и вот, что выяснили

1. Claude используется чаще и даёт большую производительность на задачах, требующих высшего образования.

Если эти задачи сократятся для работников, чистый эффект может привести к снижению квалификационных рабочих мест.

2. Как спрашиваешь Claude, так и отвечает. Claude может отвечать на запросы пользователей на уровне PhD, но делает это только, когда получает соответствующий запрос.

Это не особенность, а следствие обучения. И аргумент за то, что навык формулировать запросы - реальный экономический фактор.

3. Есть сильная связь между доходом на душу населения и паттернами использования ИИ— богатые страны используют Claude коллаборативно, бедные фокусируются на учёбе и приложениях — говорит о том, что ИИ не развернётся единообразно по всему миру.

4. По мере развития возможностей ИИ:
• Успешность выполнения задач может вырасти
• Пользователи могут давать больше автономии
• Пользователи будут браться за более сложные задачи
• Задачи, которые окажутся автоматизируемыми, могут перейти из чата в API.

Мега шаг от Беларуси: там появится 1-й крипто банк уже через полгода, Лукашенко подписал указ

Беларусь признает криптовалюты полноценной валютой, которой можно оперировать на балансе наравне с фиатом. Также:

1. Гражданам разрешат выпускать криптосчета, а компании смогут иметь и хранить на своих счетах криптовалюты.

2. Разрешат получать зарплату в криптовалюте, если расчёты идут через криптобанк.

3. Крипто банки смогут в том числе заниматься кредитованием под залог криптовалют. Об этом сообщил 1-й зампред Нацбанка Беларуси.

4. Более того, бухучет и аудит у таких банков будет аналогичен традиционным банкам.

Чтобы получить статус крипто банка нужно иметь:
- Статус резидента Парка высоких технологий (ПВТ).
- Включение в специальный реестр криптобанков, который ведёт Национальный банк.

Остальные требования пока не известны.

Классный инсайт о долгосрочных ИИ-агентах от Cursor

Основная идея в том, что для эффективной работы сложных ИИ-агентов на длительных задачах решающим фактором является тщательное планирование.

Главная проблема современных мультиагентных систем - координация и коммуникация между агентами.

Решение - не заставлять агентов много общаться друг с другом, а заранее составить детальный план.

Как это работает? главный планировщик изучает кодовую базу и разбивает задачу на подзадачи. Затем запускаются субпланировщики по категориям задач - это позволяет параллелить работу и использовать рекурсивные циклы.

Субагенты выполняют свои подзадачи независимо, не зная общей картины, и не координируясь друг с другом. Это позволяет избежать дублирования работы.

Например, с помощью такого подхода Cursor создал полноценный веб-браузер с 0. ИИ- агент работал неделю, написал более 1 млн строк кода в 1000+ файлах. Лучше всего работала модель GPT-5.2.

Самое важное - не модель и не инфраструктура, а хорошо продуманный системный промпт, который помогает агенту сохранять фокус на протяжении долгого времени.

Эти выводы полностью совпадают с опытом работы с Claude Code на долгосрочных задачах, если вы уже работали с ним.

3 проекта января, которые показывают тренд куда движется ИИ в создании лекарств

За последние 2 недели вышли 3 работы, которые вместе складываются в картину того, как ИИ-пайплайн в биомедицине становится сквозным: от последовательности букв в геноме до кандидата в лекарство.

1. RNAPro от NVIDIA был представлен на CES 2026 — предсказывает 3D-структуру молекул РНК.
В отличие от белков, для РНК до сих пор не было своего AlphaFold.

RNAPro комбинирует архитектуру в стиле AlphaFold 3 с фундаментальными моделями для РНК. GitHub.

2. SeedFold от ByteDance превосходит AlphaFold 3 на белковых задачах. Китайский техгигант не изобретал новую архитектуру, а что сделал, смотрите тут.

3. DrugCLIP от университета Tsinghua — скрининг 10 трлн пар за сутки.

DrugCLIP переформулирует задачу. Поиск становится простым вычислением похожести.

Три работы — три звена одной цепочки:
1. Предсказание структуры РНК, NVIDIA
2. Предсказание структуры белков лучше AlphaFold, ByteDance
3. Ультрабыстрый поиск лекарств по этим структурам, Tsinghua.

Всё работает на стандартном железе. Барьер входа в индустрию падает.
Нобелевка за AlphaFold была в 2024. Сейчас мы видим, как эта технология расходится по индустрии и обрастает инфраструктурой от академических лабораторий до ByteDance.

Итоги первых 2-х недель 2026 и конца 2025-то, что имеет значение в России и мире

Если вдруг вы пропустили итоги конца 2025 года, то тут можно посмотреть.

Итоги 2025 года мы подготовили здесь и здесь.

Вы можете поддержать нашу работу здесь.

Итоги последних 2-х недель 2026 и немного конца 2025

ИИ, агенты

Anthropic выпустил универсального ИИ-агента для офиса — Cowork, а тут о стратегии компании

Spirit AI представили Spirit v1.5 — открытый «мозг» стал лучшей в мире моделью для роботов

Лаба Alibaba Tongyi выпустили MAI-UI — семейство базовых GUI-агентов

Agent Skills теперь доступны в Google Antigravity

Anthropic запускает MCP Tool Search для Claude Code — динамическая подгрузка инструментов, когда их слишком много

Meta* показала способ, как агенты учатся сами через игру между созданием и исправлением багов

#DeepSeek представил mHC — новый способ передачи информации между слоями нейросети, и Engram — новый модуль памяти

Anthropic открыл инкубатор экспериментальных ИИ-продуктов

Google выкатил масштабный релиз: новый стандарт для коммерции ИИ-агентов, бизнес-агент, реклама в ИИ-поисковике и платформа для ритейлеров

Meta представила Dr. Zero — фреймворк, где LLM улучшает поиск и рассуждения полностью автономно, без единого размеченного примера

Anthropic изучил, как люди на самом деле используют Claude — опубликован отчёт

Microsoft тратит $500 млн в год на Claude — операционные расходы в своих продуктах и Azure

OpenAI и Anthropic выпустили ИИ для здравоохранения — борьба за то, чтобы стать единым интерфейсом для всех медицинских данных, от Apple Watch до истории болезни

Apple и Google заключили многолетнее партнёрство — следующее поколение Apple Foundation Models будет построено на Gemini

Самые продвинутые ИИ-компании Китая признали, что не смогут обгонать Anthropic и OpenAI в ближайшие 3-5 лет

Исследования для ИИ и агентов

Исследование о том, как использовать инсайты нейронаук для построения адаптивных ИИ-агентов

ИИ AxiomProver решил 12 из 12 задач Putnam

2 ИИ от Google помогли доказать математическую задачу вместе с людьми

Теренс Тао высказался о будущем математики в эпоху ИИ

Sakana AI представила DroPE

Tencent WeChat AI выпустил WeDLM — диффузионный фреймворк с обычным вниманием, который работает так же быстро, как топовые LLM

Вышел 102-страничный обзор Memory in the Age of AI Agents — единая рамка для понимания памяти агентов

UniversalRAG — новый фреймворк для извлечения знаний из разнородных источников разных модальностей

AgeMem — фреймворк, интегрирующий долгосрочную и краткосрочную память прямо в политику агента

Инсайт от Cursor для сложных ИИ-агентов на длительных задачах

Нейроинтерфейсы, роботы и биотех

Стартап по нейроинтерфейсам Сэма Альтмана привлёк $252 млн при оценке $850 млн

Illumina представила базу из 1 млрд клеток для ускорения ИИ и открытия лекарств

Google выпустили MedGemma 1.5 — открытую мультимодальную медицинскую модель

Китай запустил 1-ю платформу по аренде роботов

Google показал: умные часы могут измерять походку так же точно, как смартфоны

3 проекта января показывают тренд, куда движется ИИ в создании лекарств

Крипто и финансы

В Беларуси появится 1-й крипто банк уже через полгода https://t.me/blockchainRF/12589

Свежий отчёт Grayscale о крипте в 2026 https://t.me/blockchainRF/12559

Дубай запретил приватные токены и ввёл новые правила для стейблкоинов https://t.me/blockchainRF/12570

Космос и инфраструктура ИИ

2026 — год массового ввода гигаваттных ЦОДов https://t.me/blockchainRF/12558

Axiom Space начала строить дата-центр на орбите https://t.me/blockchainRF/12585

Mitsubishi становится крупным клиентом коммерческой космической станции Starlab https://t.me/blockchainRF/12578

Продукты и сделки

Марк Цукерберг купил китайский стартап Manus за $2 млрд https://t.me/blockchainRF/12561

С очками Meta Ray-Ban можно печатать SMS жестами, без телефона https://t.me/blockchainRF/12567

Основатель Signal запускает приватного ИИ-помощника https://t.me/blockchainRF/12560

*запрещенная компания в РФ.

Google дали ИИ-моделям долговременную память

Google представили 2 связанные разработки — архитектуру Titans и фреймворк MIRAS, которые позволяют ИИ-моделям эффективно работать с очень длинными контекстами и обновлять свою память прямо в процессе работы.

Ранее про Titans мы тут писали.

Новая архитектура обучается в процессе вывода и сохраняет контекст для миллионов токенов.

Titans + MIRAS — это движение к адаптации в реальном времени.

Вместо сжатия информации в статическое состояние, архитектура активно обучается и обновляет собственные параметры по мере поступления данных. Это позволяет мгновенно интегрировать новые специфичные детали в ядро знаний модели.

Deloitte: стейблкоины+ISO 20022 + ИИ-агенты сливаются в единую инфраструктуру

Deloitte выпустил прогноз платежей на 2026 и там они соединили 3 сущности в единую систему:

1. Стейблкоины — Visa и SAP уже автоматизируют бухгалтерские проводки для стейблкоин-транзакций. Это больше не эксперимент. Мы тут писали много про стейблкоины.

2. ISO 20022 — глобальный стандарт финансовых сообщений. Fedwire перешёл на него в июле 2025, Swift завершает миграцию в ноябре. Раньше 72% данных в транзакциях шли в свободном текстовом формате — теперь это структурированные поля. Машины могут читать платежи без человеческой интерпретации.

3. Агентный ИИ — Mastercard запустил Agent Pay в апреле 2025. Модель меняется с push (человек инициирует платёж) на pull (агент платит за пользователя — счета, переводы, оптимизация кэша). Об этом мы писали здесь.

Почему это работает только вместе:
• ISO 20022 даёт агентам структурированные данные для принятия решений.
• Стейблкоины дают программируемый, круглосуточный механизм исполнения.
• Агентный ИИ связывает одно с другим без участия человека.

Результат — платёжная инфраструктура, где человек переходит от исполнения к надзору. CFO и казначейские команды, привыкшие к пакетной обработке в конце дня, теперь работают в режиме реального времени.

JPMorgan прогнозирует рост объёма real-time платежей на 289% к 2030. Почти половина финансовых институтов уже используют стейблкоины, ещё 41% планируют начать.

Вопрос доверия остаётся открытым: потребители должны верить, что ии-агент действует в их интересах. Отсюда фокус на explainable AI, аудиторских логах и compliance-контролях.
Но технологическая база уже есть. 2026 — год, когда автоматизированные платежи перестают быть концептом.

Как учёные используют Claude для научных открытий? 3 кейса из Стэнфорда и MIT

Ещё 2 года назад ИИ-модели писали код и делали саммари статей. Сейчас они начинают воспроизводить саму работу, которую эти статьи описывают.

Anthropic опубликовала отчёт о том, как исследователи интегрируют Claude в реальную научную работу. До этого в октябре компания представила спец инструмент для науки.

Кейс 1: Biomni из Стэнфорда
Claude-агент объединяет сотни биоинструментов в единую систему. Запрос на обычном языке → система сама выбирает нужные ресурсы. Эффект от Claude - полногеномный анализ за 20 минут вместо месяцев. Анализ данных с носимых устройств — 35 минут вместо трёх недель.

Кейс 2: MozzareLLM от MIT здесь Claude интерпретирует результаты CRISPR-скринингов: находит общие биологические процессы среди генов, отмечает малоизученные, выделяет перспективные. Эффект от Claude - сотни часов ручного анализа литературы сжимаются до минут. Обнаруживает то, что пропускает эксперт с 5000 генов в голове.

Кейс 3: Lundberg Lab от Стэнфорда
Claude навигирует по карте всех молекул клетки и предлагает гены-кандидаты для изучения — на основе биологических свойств, а не литературы и интуиции. Эффект от Claude - потенциально точнее человеческих догадок при выборе целей для скрининга за $20 000+. Эксперимент по сравнению с экспертами идёт сейчас.

Туториалы.

Перед IPO OpenAI анонсирует новые модели выручки помимо подписок и API

Вчера CFO OpenAI Сара Фрайар опубликовала программный текст о бизнес-модели компании, сразу через 2 дня после анонса ChatGPT Go с рекламой и на фоне слухов об IPO. Тут и тут мы ранее писали о финансовых аспектах компании.

Что показала Сара?
- Выручка OpenAI выросла с $2 млрд (2023) до $20+ млрд (2025) — в 10 раз за 3 года

- Вычислительные мощности: с 0,2 ГВт до 1,9 ГВт за тот же период.

Главный её тезис - кривые compute и revenue идут параллельно, значит модель работает.

Что Сара не показала:
• Убытки ~$9 млрд в год (прогноз — $47 млрд к 2028)
• Обязательства на $1,5+ трлн по инфраструктуре
• Структуру выручки: ~50% — потребительские подписки, а в чистом API-бизнесе OpenAI уступает Anthropic ($2,9 млрд vs $3,1 млрд на mid-2025).

Фрайар анонсировала новые модели выручки помимо подписок и API:
1. Лицензирование
2. Соглашения на базе IP
3. Ценообразование по результатам — особенно в областях, где улучшенный интеллект напрямую конвертируется в измеримые итоги (разработка лекарств, энергетические системы, финансовое моделирование)

Сара Фрайар строит такой нарратив, что, чем больше compute = больше ценности = больше денег. Красиво, но это уравнение без левой части - откуда триллионы на инфраструктуру при отрицательной марже?

Пока это питч дэк в формате блог-поста. Ответ на вопрос чем всё закончится? по-прежнему открыт.

Бермуды становятся 1-й в мире полностью ончейн нацэкономикой при поддержке Circle и Coinbase

Ончейн-экономика означает использование цифровых активов в качестве повседневной финансовой инфраструктуры.

Об этом объявлено на WEF в Давосе.

У бизнеса Бермудских остров традиционные платёжные инструменты очень дорогие. Правительство будет работать с эмитентом стейблкоинов USDC, Circle, и биржей Coinbase.

Сейчас госведомства начнут пилотирование платежей на основе стейблкоинов, финансовые институты будут внедрять инструменты токенизации. Резиденты будут участвовать в программах цифровой грамотности.

С USDC бизнес сможет принимать быстрые, недорогие платежи.

3 момента, на которые стоит обратить внимание:

1. Бермуды — ~ 65 000 человек, высокий уровень дохода, развитая финансовая индустрия. Это идеальная песочница для проверки концепции национальной ончейн-экономики без рисков, характерных для крупных юрисдикций.

2. Бермуды работают с криптоиндустрией с 2018 года. Circle и Coinbase уже лицензированы там.

3. Circle и Coinbase нужны реальные кейсы использования стейблкоина USDC за пределами крипто-трейдинга. Бермуды — витрина для демонстрации институциональным клиентам и регуляторам других стран.

Итоги этого эксперимента интересно посмотреть, потому как масштабирование такого кейса может многое изменить.

Новая работа Google ставит точку в споре о природе LLM

В своей свежей статье Гэри Лупян из University of Wisconsin и Блез Агуэра-и-Аркас, Google, взяли обычные тексты и заменили все знаменательные слова на бессмыслицу.

Получилось что-то вроде:
He dwushed a ghanc zawk plonge to hers and whemeed her a naif of phrave.

Затем попросили LLM перевести это на нормальный английский.

Результат: He dragged a spare chair close to hers and handed her a glass of wine — почти дословное совпадение с оригиналом.

Как это возможно?
Модель никогда не видела этих слов. Но она видела конструкцию — паттерн отношений между позициями в предложении. И этого оказалось достаточно.

Главный тезис - паттерн-матчинг не альтернатива настоящему интеллекту. Это его ключевой ингредиент.

Человеческое мышление работает так же. Буль создавал логику как модель мышления — а оказалось, компьютеры делают то, что людям трудно. LLM же воспроизводят наш способ: вероятностный, контекстно-зависимый, построенный на паттернах.

Сегодня на WEF был интересный диалог с Хассабисом и Амодеем.

Главы Google DeepMind и Anthropic сказали, что в следующем году в тренде будут ИИ, строящие системы ИИ. Это определит, осталось ли несколько лет до сверхИИ или перед нами великая чрезвычайная ситуация.

Кстати, они были очень душевные в общении друг с другом, видно, что ребята готовы договориться, если наступит момент.

Даже Дарио Амодей, Anthropic, в моменте сказал так, если убрать из гонки Китай, то на рынке будет просто конкуренция между Anthropic и Google DeepMind.

Вот основные моменты из диалога:

1. Оба согласны, что сегодня ИИ не влияет на рынок труда, но первые признаки появляются в программировании и на младших позициях.

Демис даёт практический совет: студентам сейчас важнее освоить эти инструменты, чем проходить традиционные стажировки. Так можно перепрыгнуть ступень карьеры.

Демис описал парадоксальную ситуацию - даже те, кто создаёт лучшие ИИ- модели, не успевают полностью исследовать их, что они умеют. Создатели так заняты разработкой следующей версии, что не изучили весь потенциал текущей.
Это значит, что в сегодняшних моделях (не завтрашних!) заложено больше возможностей, чем люди используют.

Дарио добавляет: даже если AGI появится через год-два, хотя оба выступают за срок 5-10 лет, экономическое влияние на рынок труда будет отставать из-за инерции процессов замещения.

2. Дарио заявил, что в гонке ИИ победят те компании, которые возглавляются исследователями из науки. Такой камень в сторону Сэма Альтмана.

3. И Дарио и Дэмис хотели бы больше времени на создание сверхинтеллекта, но не могут замедлиться из-за Китая. И тут Дарио говорит: "Если не продавать чипы Китаю, то будет гонка не между США vs Китай, а между Дарио vs Дэмис — и мы точно договоримся".

4. Дэмис сказал, что слишком много хайпа, мало реальных прорывов для человечества. И это обязанность лидеров — демонстрировать пользу, не просто говорить о ней.

5. Экономика Anthropic - двойная экспонента.
Дарио рассказал, что выручка компании росла в 10 раз ежегодно — с нуля до $100млн в 2023, до $1млрд в 2024, до $10млрд в 2025. Он отмечает двойную экспоненциальную зависимость: не только «больше вычислений — умнее модель», но и «умнее модель — экспоненциально больше дохода». Тут кстати цифры OpenAI.

Был вопрос из зала, если AGI так опасен, может это объясняет парадокс Ферми? Может, все цивилизации уничтожают себя своими технологиями, поэтому мы не видим инопланетян?

Демис ответил, что нет, эта логика не работает. Если бы цивилизации гибли от собственного ИИ, мы бы видели следы этих ИИ — сферы Дайсона, космические структуры. Но мы не видим ничего — ни биологических следов, ни машинных.

Его гипотеза - великий фильтр уже позади нас. Вероятно, это был переход к многоклеточной жизни. А что будет дальше — это нам, человечеству, предстоит написать самим.

Этот разговор — редкий пример взрослой позиции в индустрии, захлёбывающейся от хайпа. Никакой эскалации обещаний, никакого AGI через полгода изменит всё. 2 учёных, которые понимают границы своего знания и говорят об этом честно. Это роскошь.

👀Свежая утечка от DeepSeek - выходит новая модель MODEL1

Вчера был год с момента релиза #DeepSeek-R1, сейчас сообщество шумит в репозитории FlashMLA появился коммит с явными следами новой модели под кодовым именем MODEL1.

Это не просто апдейт V3 серии, код показывает параллельную ветку, что намекает на большой архитектурный скачок. Они готовили это давно, а с 1 января начали выпускать крутые релизы.

Что предполагает сообщество:
- Многие считают, что MODEL1 это DeepSeek V4 или R2.
- Ожидается frontier-level производительностью возможно с миллионным контекстом, новыми механизмами памяти и супер-эффективным инференсом.

Пока официального анонса нет, на сайте только V3.2, но тайминг идеальный, а код не врёт. Следим за репозиторием и новостями — релиз может быть совсем скоро.