Google DeepMind вошли в индустрию игр - создатели EVE стали партнером Google DeepMind

Можно сказать, что это была давняя цель Демиса Хассабиса.

EVE Online - не просто игра, это единственный в своём роде живой космический мир, который существует уже 23 года на одном сервере.

Эта игра - отличная песочница с живой экономикой, логистикой, конкуренцией и взаимодействием тысяч игроков (в случае экспериментов Google DeepMind с ИИ- агентами).

Напомним, у Google есть модели Genie.

Google будет использовать контролируемые, офлайн-копии вселенной EVE для обучения своих алгоритмов.

Также они будут изучать поведение ИИ в сложных, динамичных системах.

Задача DeepMind - понять, как ИИ учится принимать решения в условиях, где:

1. постоянно всё меняется (рынки, баланс сил, флоты);

2. есть риски, потери и необходимость строить долгосрочные стратегии, как в реальном мире.

Результаты этого партнёрства, вероятно, не станут функцией в EVE Online. Вместо этого они пополнят базу знаний DeepMind о том, как разрабатывать универсальный ИИ, способный действовать в открытых, непредсказуемых средах.

А это пригодится, где угодно, начиная от робототехники до управления сложными системами.

Вот это поворот! Anthropic арендует у SpaceX самый большой ЦОД и разработает вычислительные мощности для ИИ в космосе вместе с Маском

Только что Anthropic объявили , что получает весь дата-центр Colossus 1: 300+ мегаватт, 220К NVIDIA GPU в течение месяца.

Это значит для пользователей Claude удвоение лимитов у Pro/Max/Team, отмена ограничений в пиковые часы и существенный рост API rate limits для Opus.

Но что важно - Colossus 1 - это инфраструктура xAI, которую SpaceX поглотил в феврале за $1.25 трлн. Туда же несколько недель назад зашёл Cursor — получить GPU для обучения своей модели Composer 2.5.

Маск занял позицию лэндлорда чиповой гонки. Он сдаёт одну и ту же инфраструктуру конкурентам, пока через Cursor качает данные и инсайты для собственных моделей.

Но самое главное - Anthropic выразил интерес к разработке вычислительных мощностей для ИИ в космосе совместно со SpaceX.

Следующий фронт гонки ИИ в космосе.

Инфраструктура стала новой нефтью. А тот, кто её контролирует, не обязательно тот, кто выигрывает гонку моделей.

Маск говорит о том, почему сдает свои мощности Anthropic.

Кроме того, что он окупает свои вложения в инфраструктуру, он ещё благодаря коллаборации с Anthropic получит ещё больше денег на IPO SpaceX.

Anthropic строят институциональную память для ИИ-агента. Топ-функций, представленных вчера Anthropic на Code with Claude

Вчера прошла конференция для разработчиков, где было много демонстраций новых функций, а также диалог с Дарио Амодеем. Об этом мы расскажем в нескольких частях.

В первой части расскажем о самых интересных фичах.

И первая, что поразила - Dreaming для Claude Managed Agents - ИИ-агенты теперь могут «спать» и самоулучшаться.

Представьте, у вас есть агент, который работает на вашем проекте. Каждую сессию он что-то делает, что-то записывает в память. Через месяц эта память превращается в свалку.

Dreams - это фоновый процесс, который пока агент «спит» между сессиями, берёт всю эту грязь, читает транскрипты прошлых разговоров, и производит дистилляцию. Убирает шум, разрешает противоречия, вытаскивает паттерны. Причём не механически, а сам Claude решает, что устарело, что стоит обобщить, что превратилось в навык.

Это как то, что мозг человека делает во сне с дневным опытом.

Агент, который проработал на вашем проекте полгода и регулярно видел Dreams-это структурно уже другой агент, чем тот, который только стартовал. Не потому что модель лучше, а потому что его память содержит дистиллированный опыт именно твоей работы.
Это институциональная память для ИИ. То, что в организациях обычно живёт в головах людей и теряется, когда они уходят, теперь это можно накапливать в агенте, который никуда не уходит.

Dreams сейчас в research preview, доступ по запросу, не всем.

Но Dreams - это верхушка. Под ней целый стек, который Anthropic выпустили сейчас.

Мульти-агентная оркестрация - можно делегировать задачи специализированным суб-агентам. У каждого свой контекст, но они разделяют общий контейнер и файловую систему.

Self-improvement через рубрику - агент может улучшать свою работу через замкнутый цикл без человека.

Webhooks - раньше нужно было держать открытый стрим или поллить API, чтобы знать, что агент сделал. Теперь агент сам пушит обновления.

И всё это - Claude Managed Agents. Готовая инфраструктура: контейнеры, инструменты, память, оркестрация. Не надо строить свой агентный цикл с нуля.

Смотрите, что происходит стратегически. Раньше ценность ИИ-агента почти полностью определялась качеством базовой модели. Теперь появляется второй вектор: накопленный контекст конкретного агента в конкретной организации. Агент через год становится активом, который сложно заменить просто, обновив модель или уйдя к конкуренту.

Темп сам по себе является конкурентным преимуществом когда рынок меняется быстрее любой дорожной карты.

Solana и Google Cloud запустили платёжный шлюз для ИИ-агентов

Это первый крупный прецедент, когда облачный гигант - Google встраивается в инфраструктуру агентной экономики через крипто-рейл, а не через традиционный биллинг.

Solana здесь не как блокчейн для энтузиастов, а как расчётный слой для коммерции ИИ-агентов.

Их продукт называется Pay.sh, с ним ИИ-агенты могут обращаться к API Gemini, BigQuery, Vertex AI, Cloud Run и 50+ сторонним сервисам и платить за каждый запрос стейблкоинами на Solana.

Без аккаунтов, без подписок, без KYC.

Pay.sh работает как CLI и интегрируется в популярные LLM-интерфейсы, включая Claude Code, Codex, Gemini и другие.

Под капотом протокол x402, посредник обрабатывает платёж, данные при этом остаются у владельца.

Теперь компании могут выставить свои приватные датасеты в BigQuery или приложения на Cloud Run и монетизировать данные напрямую, без интеграционных слоёв и контрактов.

Больше про экономику ИИ-агентов, а также свежие данные о развитии этого сектора у нас на Patreon.

Крупнейший эмитент стейблкоина USDT выпустил стек для локального ИИ

Тут Tether - те самые, которые эмитент USDT, выпустили платформу QVAC, в которой ИИ работает локально и собственные медицинские ИИ-модели MedPsy.

QVAC - полный стек для локального ИИ: SDK для разработчиков, движок Fabric, который запускает модели на любом железе через Vulkan, включая мобильные GPU, синтетические датасеты Genesis для обучения, и приложения поверх - Workbench и Health.

То есть Tether строят инфраструктуру для децентрализованного ИИ.

Также они показали ИИ-модели MedPsy - первое публичное доказательство, что этот стек работает.

Tether говорят что их MedPsy побила MedGemma от Google, но тут надо отметить, что модель от Google мультимодальная, она умеет работать с рентгеном и гистологией. А MedPsy - это только текст.

Если разобраться, то у Tether проведена хорошая инженерная работа, просто другого масштаба, не Google, конечно.

Они не обучали модель с нуля, а взяли готовый Qwen3 маленькие версии на 1.7B и 4B параметров и сделали специализированный посттренинг для медицины.

Главная их ставка - данные. Они сгенерировали 30+ миллионов синтетических обучающих примеров. И для генерации всех reasoning traces выбрали не GPT-4 и не Anthropic, а китайскую специализированную медицинскую модель Baichuan-M3-235B, она лучше всех конкурентов именно по медицинским бенчмаркам.

Второе - сам пайплайн обучения.

Третье - токенная эффективность.

MedPsy-4B отвечает примерно в 3 раза короче, чем исходный Qwen3-4B при тех же или лучших результатах. Для edge-устройств это означает меньше задержку и меньше энергопотребления.

Все это стоило ~ 30К H100 GPU-часов суммарно.

Реальный вклад QVAC - не архитектура и не масштаб, а:

1. качественный синтетический датасет с нестандартной структурой Genesis

2. умный выбор специализированного учителя Baichuan-M3-235B

3. методологически аккуратный многоэтапный RL-пайплайн с DAPO

4. практическая инженерия квантизации для edge-устройств

Это доказывает тезис, который сейчас активно обсуждается в исследовательском сообществе: data quality + post-training recipe могут частично компенсировать разрыв в параметрах, не полностью, но существенно.

Уоррен Баффет о сегодняшнем рынке, а его приемник об ИИ

Впервые Уоррен Баффет за 60 лет не руководил ежегодным собранием своей Berkshire Hathaway, передав пост СЕО Грегу Абелу.

Но 95-летний Баффет сидел в зале и активно комментировал происходящее.

Так он сравнил рынок с церковью, к которой пристроили казино.

«Люди могут перемещаться между церковью и казино...Но казино стало очень привлекательным».

ИИ в этом контексте он прямо не упоминал, но прозрачно намекнул на алгоритмический трейдинг и предсказательные рынки как на формы этого казино.

А его преемник Грег Абель заявил, что они не будут внедрять ИИ ради ИИ, но уже используют его для повышения эффективности.

При этом Абель видит большие возможности для роста энергетического бизнеса Berkshire за счет строительства ЦОДов. Напомним, что в ноябре 2025 года они купили 17.9 млн акций Google.

Главный вызов для новой команды Баффета - куда вложить $400 млрд в переоцененном мире.

Итоги уходящей недели - то, что имеет значение

Бизнес ИИ- компаний

6 примеров построения AI-native компаний.

Anthropic и OpenAI запустили консалтинговые компании по внедрению ИИ в бизнес.

Дарио Амодей: выручка Anthropic за 1-й квартал выросла в 80 раз год к году

Anthropic выпустил готовые шаблоны ИИ-агентов для финансовых услуг.

Агенты и платежи

Solana и Google Cloud запустили платёжный шлюз для ИИ-агентов.

Saperly выпустили первый оператор мобильной связи для ИИ-агентов.

OpenClaw подключил ИИ-агентов ко всей цифровой жизни человека.

Tether выпустил стек для локального ИИ.

ИИ и инфраструктура

Panthalassa - стартап, который финансирует Питер Тиль, строит гигантские плавучие ЦОДы в открытом океане.

Google DeepMind вместе с создателями игры EVE Online будут обучать свои алгоритмы.

Anthropic нашёл способ научить модели следовать ценностям, а не декларировать их.

SpaceX подала заявку на запуск 1 млн спутников для космического ЦОДа.

Goodfire запустил платформу Silico, которая позволяет заглянуть внутрь любой нейросети и изменить происходящее там.

RadixArk - новый игрок ИИ-инфраструктуры, строят открытый стек.

SHAPE от Huawei Taylor Lab выпустили новый метод обучения с подкреплением.

Morgan Stanley повысил прогнозы затрат на ИИ для 5 крупнейших ИТ-гигантов.

OpenAI выпустил MRC - открытый сетевой протокол для ускорения крупных кластеров ИИ-обучения и сокращения потерь GPU-времени.

Anthropic строят институциональную память для ИИ-агентов.

Anthropic арендует у SpaceX крупнейший ЦОД и совместно с Маском разрабатывает вычислительные мощности для ИИ в космосе.

Финансы и криптовалюты

Самая крупная в мире инвест компания BlackRock считает, что спрос на вычислительные мощности настолько высок, что в будущем трейдеры смогут торговать фьючерсами на них.

Kraken приобрёл гонконгский финтех Reap за $600 млн - мост между TradFi и криптой через USDC B2B-платежи и карты Visa.

DeepSeek закрывает первый инвест раунд при оценке в $50 млрд.

ИИ в науке и биологии

Noetik AI строит симулятор биологии рака человека.

Harvard представил 3 работы по агентному ИИ для науки

Haiku - трёхмодальная фундаментальная модель, обученная на 26,7 млн+ патчей пространственной протеомики с H&E и клиническими данными в едином пространстве эмбеддингов.

Altara - ИИ- платформадля ускорения научных исследований и разработок в физических отраслях (полупроводники, батареи, робототехника, космос).

Присоединяйтесь к нам на Patreon, чтобы узнать все об экономике ИИ-агентов, а также начать разбираться в AI native компаниях.

Ex-OpenAI представили новый класс ИИ-моделей, где интерактивность встроена в архитектуру, а не прикручена сверху

Компания ex-CTO OpenAI, Миры Мурати, Thinking Machines Lab выпустила Interaction Models и первую реализацию TML-Interaction-Small.

Они задались очень конкретным вопросом: почему сегодня разговор с ИИ всё ещё ощущается как переписка по email, а не живой разговор?

Все существующие модели устроены пошагово.

Thinking Machines попробовали решить это на уровне архитектуры, а не через надстройки сверху. Их модель работает непрерывно: слушает, смотрит через камеру, говорит - всё одновременно.

Ключевое отличие от существующих систем в том, как утверждают Thinking Machines, что у них интерактивность встроена в саму модель, а значит, масштабирование модели делает её одновременно умнее и лучшим собеседником.

В одном из демо модель перебивает парня на полуслове, пока он рассказывает родителям о каком-то сомнительном плане, как друг, который не может молчать. В другом незаметно гуглит на фоне пока ведёт разговор, и собеседник не замечает.

Технически это 276 миллиардов параметров MoE с 12B активными, обогнала GPT Realtime и Gemini Live по интерактивности при сопоставимом интеллекте.

Google выпустили AI Co-Mathematician - среда для математиков, где агенты работают параллельно и в фоне

AI Co-Mathematician - это не чат-бот, а асинхронная рабочая среда для математиков, в которой иерархия ИИ-агентов работает параллельно и в фоне, пока исследователь продолжает думать и направлять процесс.

По аналогии, как Claude Code или GitHub Copilot изменили разработку ПО, предоставив агентный слой поверх кода, здесь создают тоже самое для математики. Только математика сложнее.

Архитектура ИИ-агентов устроена так:

1. Project Coordinator общается с пользователем, распределяет задачи по workstream

2. Каждый Workstream Coordinators ведёт отдельное направление

3. Специальные субагенты решают конкретные задачи: поиск по литературе, написание кода, Gemini Deep Think для сложных доказательств

Всё это работает асинхронно, пользователь не ждёт ответа, а продолжает диалог, получает обновления и может вмешаться в любой момент.

Авторы говорят, что метрики пора менять. Фронтирные ИИ-модели уже на уровне/ выше экспертов в решении статичных задач. Следующий барьер - оркестрация, управление неопределённостью, итеративное исследование. Именно это система пытается измерить.

Shopify запустили очень полезный инструмент, который показывает, насколько видим ваш онлайн-магазин для ИИ-агентов, которые могут делать покупки

То есть такие агенты как ChatGPT, Microsoft Copilot, Gemini и Perplexity могли бы легко находить, понимать и рекомендовать ваши товары для покупки, а иногда даже проводить транзакции прямо в чате.

Этот сканер за 30 секунд проводит проверку по 5 категориям и выдает итоговую картину, насколько ваш магазин готов к агентной коммерции.

Как выглядит экономика ИИ-агентов сегодня, мы разбираем тут.