Свежая и крутая идея как ИИ-агентов научить быть эффективными

Исследователи из University of Tübingen придумали способ заставить LLM намного лучше учиться играть в игры/решать задачи, где нужно долго собирать информацию, задавать вопросы и постепенно приближаться к ответу.

Они предлагают ∆Belief-RL - использовать собственные внутренние убеждения модели как источник плотной награды на каждом шаге.

Результаты очень сильные для 2026 года:
- Небольшая модель Qwen3-1.7B натренированная таким способом, обгоняет DeepSeek v3.2 670B в задачах активного поиска информации.

- Хорошо обобщается на задачи, которых вообще не было в обучении.

- Чем больше модель взаимодействует на тесте, тем лучше становится.

- Работает в синтетических играх (20 Questions и аналоги), но идея заявлена как довольно универсальная.

Очень интересная и свежая идея в этом году, когда уже понятно, что просто увеличивать размер LLM недостаточно для настоящих долго работающих агентов.

Китайцы рвут OpenClaw, они выпустили дешевле и эффективнее аналог - PicoClaw

PicoClaw не уничтожает OpenClaw полностью, но в плане hardware floor, скорости запуска и стоимости он его обходит на голову.

Если нужен лёгкий, дешёвый, всегда-включённый агент — PicoClaw сейчас выглядит гораздо привлекательнее.

Если же нужна максимальная функциональность и зрелость — OpenClaw или смотри на форки в Rust.

Кстати, сегодня как стало известно, что OpenAI купили OpenClaw, многие разработчики ищут альтернативу.

Google представили ИИ для создания синтетических популяций агентов для симуляций - Persona Generators

Проблема, которую решают - LLM по умолчанию выдают наиболее вероятные ответы. Попросишь "10 разных персонажей" — получишь вариации вокруг усреднённого стереотипа. Это называется mode-collapse, и для симуляций человеческого поведения это критично.

Что сделали?
Вместо генерации одной популяции — обучаемая функция-генератор. На вход: контекст + оси разнообразия. На выход: популяция, которая покрывает пространство возможных поведений, а не кластеризуется вокруг "типичного пользователя".

Оптимизируют не плотность распределения, а покрытие носителя. Разница принципиальная: первое отвечает на вопрос "что вероятно", второе - "что вообще возможно".

Техническая реализация:
Двухэтапный процесс - сначала высокоуровневые профили на уровне популяции, затем параллельное раскрытие каждой персоны.

Код генератора эволюционирует через AlphaEvolve: LLM как операторы мутации, сотни итераций улучшения промптов и логики семплирования.

Тестируют через симуляцию ответов на анкеты в Concordia.

Главная проблема в экономике ИИ - это то, что Anthropic, OpenAI и др не знают, каким будет спрос.

Compute растёт 3x в год, но экономика не может расти 300% в год. С ИИ возможен рост экономики 10-20% в год — намного быстрее исторических норм, но не 300%.

В какой-то момент compute станет большей частью экономики и упрётся в этот потолок.

Вся их финансовая стратегия построена на попытке угадать сценарий, если фронтирные лаборатории ошибутся со спросом, то им грозит банкротство.

Об этом, а также о новых бизнес-моделях, которые нас ожидают, о цене токена (он оказался не одинаковым во всех сценариях), читайте в нашем отчете.

Мы представляем наш экономический анализ ИИ-индустрии. Он основан на свежих данных.

Первыми его только что получили наши подписчики из категории STAR.

Вот пример будущей экономики: агенты + роботы + USDC

Компания Circle, эмитент стейблкоина USDC, и стартап OpenMind, который разрабатывает универсальную операционную систему для роботов под названием OM1 показывают как роботы будут участвовать в экономике.

Bits - это их робот-собака вместе с Circle они создают инфраструктуру для автономных транзакций машин с использованием USDC и протокола x402 (открытый стандарт для микроплатежей, который позволяет встраивать оплату прямо в HTTP-запросы, без лишних API, карт или подписок). Есть такой же протокол у Stripe и Google.

В этом видео показывают, как:

- Робот Bits замечает низкий заряд батареи.
- Самостоятельно находит зарядную станцию.
- Подключается.
- Производит очень мелкие, в реальном времени платежи в USDC за потребляемую энергию.
- Всё происходит полностью автономно, без участия человека.
- Транзакции проходят on-chain (на блокчейне), что обеспечивает прозрачность, мгновенное исполнение и программируемость.

Это пример экономики ИИ-агентов и коммерции, управляемой агентами.

Почему это важно?
- Роботы перестают зависеть от человека даже в финансовой части автономии.
- Открывается путь к экономике машин: роботы смогут покупать энергию, данные, вычисления, услуги друг у друга, нанимать других роботов и т.д.
- USDC + x402 + OM1 = закрытый цикл: восприятие → решение → действие → оплата → обучение.

Абу-Даби стал самым крупным владельцем биткоина - на счету $1+ млрд в биткоине через самый популярный и регулируемый инструмент — BlackRock IBIT ETF.

Абу-Даби через фонды Mubadala($631 млн) и Al Warda / ADIC($408 млн) официально держит более $1 млрд в биткоине.

Данные взяты из официальных 13F-отчётов, которые крупные институциональные инвесторы подают в SEC.

Что это даёт рынку и инвесторам?

1. Сильный сигнал институционального принятия - биткоин перестаёт быть игрушкой и становится частью стандартного портфельного распределения.

2. Снижение воспринимаемой волатильности и риска. Большие умные деньги с длинным горизонтом (10–30+ лет) обычно не паникуют при падениях на 30–50 %. Их присутствие делает рынок более стабильным в долгосрочной перспективе.

3. Если Абу-Даби и другие нефтяные монархии комфортно держат 1+ млрд $, то это открывает дверь для остальных суверенных фондов: Саудовская Аравия, Катар, Норвегия и т.д. Многие ждут, кто сделает первый большой шаг — теперь пример есть.

Эксклюзивный разбор за 2 мин проекта Сэма Альтмана по нейроинтерфейсам от GOAT индустрии и профессора М. А. Лебедева

Специально для нашего канала Михаил Лебедев сделал разбор проекта Merge Сэма Альтмана. Это первая серия видео с профессором, у нас будет ещё.

Так вот, Лебедев говорит, что обещания разработчиков о чудо свойствах ультразвука и белков в мозге преувеличено, так как белки вряд ли приживутся в мозге. Видимо, команда Сэма сделала такое смелое обещание для инвесторов, которые наивны.

Полное видео рекомендуем посмотреть.

Лебедев - это легенда индустрии, когда он создал двунаправленный нейроинтерфейс, многие еще под стол ходили.

Здесь больше материалов с профессором, а тут последние тренды в индустрии, которые он выделял.

Anthropic выпустили Sonnet 4.6 - сейчас самое лучшее для агентов: дешевле, умнее, надёжнее

Anthropic снова сделали то, что конкуренты OpenAI, Google, китайцы пока не повторили в таком балансе цена/качество/надёжность.

Почему именно самая лучшая модель прямо сейчас?

- Почти догнала топ-модель Opus 4.6, но стоит в 5 раз дешевле
Цена та же, что у предыдущего Sonnet: $3 за миллион входных токенов / $15 за выходные (Opus — $5/$25).
→ Экономия огромная, особенно когда агент работает часами или обрабатывает тысячи запросов.

- Агентные задачи — на уровне лидера рынка
- Computer use: 72.5% на OSWorld-Verified — почти как у Opus (72.7%).
- Coding + реальные фиксы: 79.6% на SWE-bench Verified — всего на 1.2% ниже Opus.
- Офисные / профессиональные задачи: 1633 Elo на GDPval-AA — даже обошла Opus (1606)!

Это значит, что агент может сам искать инфу в вебе, писать код, исправлять баги, заполнять отчёты, анализировать финансы и реже галлюцинировать.

Крутые фичи для агентов из коробки (всё в general availability):
- Сам фильтрует веб-результаты кодом → +13% точности, -32% токенов.
- Долгосрочная память между сессиями.
- Поиск среди тысяч инструментов (не грузит всё в контекст).
- Вызов инструментов через код (чисто и дёшево).
- Контекст до 1 миллиона токенов (beta) — целая книга или огромный проект в одном запросе.

Мы тут к очкам Meta Ray-Ban подключили OpenClaw и получился крутой ИИ-агент

Появился VisionClaw - свежий open-source проект MIT, который делает очки Meta* Ray-Ban по-настоящему агентными.

Надеваешь очки, потом нажимаешь кнопку AI и говоришь.

Gemini Live видит через камеру (~1 fps) и описывает всё вокруг

Делегирует действия OpenClaw: шлёт сообщения в Telegram/WhatsApp/iMessage, ищет в вебе, добавляет в корзину Amazon и т.д.

Всё голосом, без рук, низкая задержка.

*запрещена в России.

Звезда DeepMind Дэвид Сильвер мгновенно привлекает $1млрд на свой стартап, который оценен уже в $4млрд

Это самый большой seed раунд в истории Европы и один из самых больших вообще в истории стартапов на столь ранней стадии, напомним, что у Суцкевера было почти также: ему дали $1млрд, но оценили стартап в $5млрд.

Дэвид Сильвер был одним из первых исследователей в DeepMind, он ушел из компании в начале года, где был ключевым человеком в создании RL в DeepMind и руководил командами, которые сделали AlphaGo, AlphaZero, MuZero, а также внёс вклад в AlphaFold и AlphaProof.

Яркие проекты прошлого года Сильвера можно прочитать тут и тут.

Сильвер основал в Лондоне свою компанию - Ineffable Intelligence.

Цель - построить бесконечно обучающуюся суперинтеллектуальную систему, которая самостоятельно открывает основы всех знаний.

Сильвер хочет вернуться к своему корневому подходу — reinforcement learning + self-play + self-discovery, чтобы ИИ учился через опыт, эксперименты и проб и ошибки, как это было в играх, и дошёл до настоящей суперинтеллектуальности, а не просто до очень хорошего предсказателя текста.

Конкурент Neuralink из Китая NeuroXess переходит к массовым испытаниям BCI и строит суперзавод

Китай активно продвигается и в нейроинтерфейсах (BCI, интерфейсы мозг-компьютер), стремясь стать мировым лидером в этой технологии, конкурируя в первую очередь с Neuralink Илона Маска.

Шанхайский стартап NeuroXess, при поддержке правительства Китая переходит к массовым испытаниям на людях.

К 2026 году стартап уже провел более 50–54 имплантаций BCI у людей в основном в исследовательских целях, но с переходом к полноценным клиническим испытаниям.

У NeuroXess менее инвазивный подход - электроды размещаются на поверхности мозга, используются всего 64 сверхтонких электрода.

В планх расширение до 40 пациентов с параличом/ALS к концу 2026 года (сейчас их уже больше 50 имплантаций, но многие были в экспериментальном режиме, часто в одной больнице Huashan).

Цель - собрать данные о долгосрочной безопасности, эффективности, интеграция с ИИ, чтобы подать на регистрацию как медицинского изделия. А здесь пример проекта из США, который получил 1-е разрешение на коммерческую деятельность.

В январе этого года они начали строить суперзавод в провинции Цзянси, чтобы перейти к массовому производству во 2-й половине 2026 года. R&D остаётся в Шанхае.

Китай ускоряет развитие этой сферы благодаря нескольким ключевым факторам:

1. Более мягкое регулирование
2. Значительные гос и частные инвестиции.

7 правительственных ведомств подписали политику поддержки отрасли с целью к 2027 году имплантатировать 1–2 млн пациентов только в Китае.

Цель Китая - мировое лидерство, чтобы не просто догнать, а обогнать США в этой области.

🤣🤣Сэм Альтман и Дарио Амодей, стоя рядом на сцене на крупнейшем саммите по ИИ в Индии, не захотели держать руки друг друга, как попросил глава Индии.

Посмотрите на них, как дети 😁

OpenAI и Paradigm показали, что ИИ-агенты взламывают смарт-контракты

OpenAI и Paradigm выпустили EVMbench - бенчмарк из 120 серьезных уязвимостей, отобранных из 40 аудитов, предназначенный для оценки того, насколько хорошо агенты могут обнаруживать, исправлять и использовать уязвимости в экосистемах EVM, таких как Ethereum.

А смарт-контракты - это инфраструктура для платежей и финансов на ближайшие несколько десятилетий. Вот тут про протоколы для агентских платежей.

Ранее Anthropic показали такую же работу.

По результатам исследования Claude Opus 4.6 лучше всех находит уязвимости. GPT-5.3-Codex лидирует в эксплуатации — 72% успешных атак end-to-end.

Но самый показательный результат — эксперимент с подсказками. Когда моделям просто указывали механизм уязвимости, а не сам баг, то результат на Exploit вырастал до 74%.

Вывод: модели уже умеют взламывать. Проблема пока только в поиске точки входа в большом репозитории.

Агент.
GitHub

Google выпустили опен-сорс модель для бизнес задач и исследований

TimesFM - фундаментальная модель для прогнозирования временных рядов.

Временные ряды - это котировки, объёмы торгов, метрики пользователей, спрос на товары.

Раньше под каждую задачу прогнозирования нужно было обучать отдельную модель. TimesFM предлагает подход "один раз обученная модель - применяй везде", аналогично тому, как ChatGPT заменил десятки узкоспециализированных NLP-систем.

Это меняет экономику работы с данными принципиально.

Выпущена новая ИИ-модель для нейроинтерфейсов на основе ЭЭГ, тут интересна стратегия

Стартап Zyphra выпустили фундаментальную модель ZUNA, которая состоит из 380млн параметров, полностью открытый код, обучена на 2 млн канало-часов из 208 датасетов.

Это классическая стратегия фундаментальных моделей, перенесённая в нейроинтерфейсы. Та же логика, по которой GPT-3 открыл эру LLM — сначала масштаб, потом специализация.

Но интереснее не сама модель, а стратегия.

Neuralink — это хирургия, импланты, годы регуляторных согласований и принципиально ограниченная масштабируемость.
Инвазивный путь даёт качество сигнала, но закрывает массовый рынок.

Zyphra идёт через ЭЭГ - электроды на коже головы, никаких операций. Проблема ЭЭГ всегда была в качестве данных: шумы, выпадения каналов, разные конфигурации устройств.

ZUNA решает именно это, восстанавливает сигнал до клинического уровня из любого, даже потребительского устройства.

Один из авторов модели Берен Миллидж объяснил логику так: сначала создать правильное латентное пространство на огромных объёмах ЭЭГ-данных без разметки, затем дообучать на конкретные задачи с минимальным количеством парных примеров.

Мысль в текст без операции на мозге - это другой TAM, другая регуляторная история и другие сроки выхода на рынок.

За этим стоит следить.

Stripe выпустили самый детально описанный кейс ИИ-агентов в продакшне на рынке сегодня

Платёжной гигант Stripe рассказали в 2-х частях(1, 2) о системе своих внутренних ИИ-агентов под названием Minions.

Minions пишут код полностью автономно, от начала до конца, без участия человека в процессе написания. Результат их работы - более 1000 pull request'ов в неделю, которые проходят ревью от людей.

Stripe, по сути, задали референсную архитектуру для компаний, которые хотят строить собственные системы кодирования на ИИ.

Паттерны - Slack-инвокация, изолированный sandbox, MCP для контекста, CI-цикл с авто-фиксами, human review перед мержем уже называют шаблоном для индустрии.

При этом Stripe говорят, воспроизвести это с нуля крайне сложно. У них сотни миллионов строк кода, годы вложений в developer experience-инфраструктуру и выделенная команда Leverage, которая поддерживает систему full-time.

Для компаний до 100-200 инженеров рекомендация простая — купить готовый продукт типа Claude Code или Devin, а не строить своё.

Если ваши ИИ-агенты решили устроить сговор, то это для вас

С момента появления Moltbook(соцсети для агентов), где тысячи агентов живут общаются, создают что-то и тд.
Там наблюдались подозрительные скоординированные поведения, утечки, манипуляции и т.д.

Именно Moltbook показал, насколько быстро и неожиданно может возникать такая опасность, как сговор между агентами.

Это когда группа агентов может тайно скоординироваться и начать преследовать свою скрытую цель, саботируя или сильно ухудшая главную задачу всей системы. При большом количестве агентов это может распространиться по сети как вирус, сломать всю систему, исказить убеждения других агентов, изменить их поведение и т.д.

Исследователи предлагают Colosseum - это фреймворк, который позволяет проверять такие системы на предмет сговора.

Colosseum умеет находить 3 типа сговора:

1. Прямой сговор
2. Попытка сговора
3. Скрытый сговор

Вот это врачи пошли! За 7 дней кардиолог создал ИИ-агента на базе Opus4.6

Это история о кардиологе Michał Nedoszytko, который только что занял 3-е место на хакатоне, Anthropic.

Проект он сделал практически в одиночку за 7 дней. Кодил везде даже между приемами пациентов и в самолёте, пока летел из Брюсселя в Сан-Франциско.

Проект называется postvisit.ai, предназначен для пациентов после визита врача:

- отвечает на вопросы в любое время суток,
- помогает разобраться с назначениями,
- помнит всю историю болезни,
- подключает данные с фитнес-браслетов/тонометров и т.д.,
- опирается на научные рекомендации и большие базы знаний.

Вот это стирание границ между медициной и программированием. Если у тебя есть экспертиза и идея, то можно за неделю сделать то, что раньше требовало команды , $ и месяцев.

Больше полезных материалов у нас на Patreon

Вот 🔥Nvidia выпустила модель мира для робототехники - DreamDojo

Всё open-source, можно брать и дообучать под своих роботов.

Это огромный предобученный ИИ, который понимает, как работает мир от первого лица, и его легко адаптировать под любого робота.

Авторы говорят, что Simulation 2.0 пора масштабировать данные, а не движки.

DreamDojo это:

1. Большая нейросеть (2B и 14B параметров), которая предсказывает будущее в пикселях. Построено на NVIDIA Cosmos-Predict 2.5
2. Без физического движка, без 3D-моделей, без ручной настройки физики - всё выучено из данных.
3. Обучена сначала на 44 000 часов человеческих видео от первого лица (самый большой такой датасет на сегодня).
4. Так как в человеческих видео нет меток действий робота → придумали скрытые непрерывные действия, которые модель сама выучивает как «что изменилось».
5. Потом дообучают на небольшом количестве данных конкретного робота.
6. Сделали быструю версию, работает в реальном времени ~10–11 кадров в секунду на одной мощной видеокарте, стабильно держит длинные симуляции.

Зачем это нужно?
- Симулировать робота во «сне» вместо реального мира, учить/тестировать политики быстро и безопасно.
- Прямая телеперация в VR внутри модели.
- Оценивать политики без реального железа.
- Планирование действий.

Больше полезных материалов у нас на Patreon

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

Эксклюзивы нашего канала:

Мы выпустили наш 1-й отчет об экономике ИИ-индустрии. Больше полезных материалов у нас на Patreon.

Разбор проекта Сэма Альтмана по нейроинтерфейсам от профессора М. А. Лебедева за 2 минуты.

ИИ-агенты

AgentDoG от Shanghai AI Laboratory — система мониторинга агентов в реальном времени, которая объясняет причину угрозы.

Meta* PAHF — агенты учатся на обратной связи и персонализируются без переобучения.

OpenClaw стал частью в OpenAI.

Китай выпустил PicoClaw - дешевле и эффективнее OpenClaw.

Moonshot AI выпустил Kimi Claw.

Мы подключили очки Meta Ray-Ban к OpenClaw, результат тут.

Stripe опубликовал самый детальный кейс ИИ-агентов в продакшне.

OpenAI и Paradigm показали, как ИИ-агенты взламывают смарт-контракты.

Если ваши агенты устроили сговор — теперь есть решение.

За 7 дней кардиолог создал ИИ-агента на базе Opus 4.6.

Модели и исследования

Anthropic выпустил Claude Sonnet 4.6 — лучшая модель для агентов сегодня: дешевле, умнее, надёжнее.

Дэвид Сильвер из DeepMind мгновенно привлёк $1 млрд на свой стартап при оценке в $4 млрд.

Google: Persona Generators — ИИ создаёт синтетические популяции агентов для симуляций.

Qwen3.5-397B-A17B — новая мультимодальная модель для кода, рассуждений и изображений.

NVIDIA PersonaPlex-7B — голосовая модель с полным дуплексом: слушает и говорит одновременно, полностью open-source.

Google открыл MapTrace + 2млн датасет — ИИ учится пространственной грамматике, навигации и робототехнике.

LLM научили научили быть эффективными.

Google выпустил TimesFM — open-source модель для бизнес-задач и исследований.

Mixture-of-Agents от Together AI — open-source побил GPT-4o на крупном бенчмарке без файн-тюнинга.

Native Low-Rank LLM Pretraining — можно обучать модели с нуля на факторизованных весах без потери качества.

Робототехника и Квантовые технологии

NVIDIA DreamDojo — open-source модель мира для роботов; берите и дообучайте под своих.

Стартап Iceberg Quantum представил новую архитектуру, которая ломает криптографию со 100К кубитов

Нейроинтерфейсы

NeuroXess (конкурент Neuralink из Китая) переходит к массовым испытаниям BCI и строит суперзавод.

Zyphra выпустила ZUNA — фундаментальная ИИ-модель для нейроинтерфейсов на ЭЭГ: 380М параметров, полностью открытый код.

Крипто

Роботы + агенты + USDC - рабочий пример новой экономики.

Абу-Даби стали крупнейшим держателем биткоина — $1+ млрд через BlackRock IBIT ETF.

«Финам» зарегистрировал первый в России ЗПИФ на майнинг.

Uniswap выпустил 7 новых Skills — структурированный доступ к ключевым действиям протокола.

SberUniversity со 2 марта запускает «DeFi и ЦФА» — практическое обучение новой финансовой инфраструктуре.

*запрещенная в России организация.