Стартапы на RL-средах теперь под угрозой?

Вышел открытый движок CUA-Gym, который автоматически генерирует всё необходимое для обучения computer-use агентов: задачи, среды, функции награды. Без ручной разметки.

32 000+ верифицированных кортежей, 110 сред, open-source модель, которая набирает 72.6% на OSWorld против 72.9% у Claude Sonnet 4.6.

Сопоставимые результаты при кратно меньшем размере модели. При большем числе шагов RL разрыв, вероятно, исчезнет.

Пока индустрия работает с протоколами x402, A2A, MCP, тихо формируется другой слой агентной инфраструктуры - фабрики данных. Не датасеты, а движки, которые производят обучающие данные в промышленных масштабах.

Узкое место в обучении агентов сегодня не алгоритмы, а данные.

Paper.
Набор данных.
GitHub.
Environments.

Больше об инфраструктуре ИИ-агентов здесь.

Крутой пример из промышленности, где ИИ помог с новыми материалами

Компания Cusp AI, специализирующаяся на ИИ для материаловедения, вместе с Kemira - это большой финский химический концерн, объявили, что с помощью ген ИИ создали новые материалы специально для удаления PFAS из питьевой и технологической воды.

Kemira дал Cusp AI четкое ТЗ.

После Cusp AI запустила свою платформу, которая:

• Исследовала пространство из ~300 трлн возможных структур MOF.
• Сгенерировала более 5000 совершенно новых, ранее не существовавших дизайнов материалов.
• Для каждого посчитала нужные свойства именно для целевых PFAS.
• Отобрала около 20 приоритетных кандидатов.

Cusp AI говорят, что раньше ИИ в материаловедении в основном отбирал уже известные вещества.

А в их примере ИИ придумывал новые структуры с нуля, учитывая все физические и экономические ограничения.

Весь путь от постановки задачи до получения приоритетных кандидатов занял всего 6 месяцев вместо обычных нескольких лет.

Сейчас эти 20 кандидатов идут на синтез, лабораторные тесты и дальнейшую разработку.

Команда Цукерберга
представила платформу для работы с белками, построенная на базе ИИ

Chan Zuckerberg Biohub выпустил открытый научный ИИ-движок для протеомики и создания новых лекарств Protein World Model
с 3 инструментами сразу:

1. ESMC - языковая модель, обученная на 2,8 млрд белковых последовательностей.

2. ESMFold2 - мощный движок предсказания структур и дизайна новых белков, включая комплексы антитело-антиген.

3. ESM Atlas - гигантская карта из 6.8 млрд последовательностей и 1.1 млрд предсказанных структур.

Модели открыты под лицензией MIT, код и веса на GitHub. Есть инструменты для экспериментов.

Другие проекты Biohub тут.

Мир близок к дефициту вычислительных мощностей для ИИ, если уже не наступил - Epoch AI

Признаком уже наступающего дефицита является то, что Anthropic ввёл ограничения квот в часы пиковой нагрузки и предложил удвоенные лимиты в непиковое время.

О том, как токен экономика стала бомбой замедленного действия и что с этим делать, мы подробнее пишем здесь.

Исследователи из Epoch AI оценили глобальную инференс мощность и пришли к выводу, что спрос на токены растёт намного быстрее предложения.

В качестве базовой модели они взяли Kimi K2.6 - мощную открытую модель по индексу ECI на сегодня и смоделировали, сколько токенов в секунду могут генерировать все существующие чипы Nvidia Blackwell (GB200 + GB300) в мире.

По расчётам, все чипы Blackwell в мире способны генерить от 500 млн до 20 млрд токенов в секунду в зависимости от длины контекста запросов.

Глобальная инференс-мощность при этом более чем утраивается каждый год.

Длина контекста имеет большое значение, так как чем длиннее контекст, тем меньше токенов в секунду можно выдать с тех же чипов.

Google недавно заявил, что обрабатывает 1,2 млрд токенов в секунду по всем своим платформам.

А Exponential View оценивает суммарные токены по всем провайдерам в 40 квадриллионов в квартал, то есть ~5 млрд токенов в секунду.

У Apple некоторым инженерам разрешено тратить до $300 в токенах в день; у Meta(запрещена в РФ) 85 000 сотрудников потратили 60 триллионов токенов за месяц.

Если эти тренды сохранятся, дефицит мощностей вероятен в ближайшее время, что приведёт к росту цен на доступ к фронтир моделям для тех, кто готов платить, а рядовые пользователи будут переходить на более дешёвые и компактные модели.

Важный релиз от Google - Gemini Embedding 2 - новая мультимодальная модель

Что такое embedding-модель и зачем она нужна?

Представьте, что любой контент будь то текст, фото, видео или голос нужно превратить в числа так, чтобы похожие вещи оказались рядом в пространстве. Именно на этом строится поиск, рекомендации, RAG-системы.
До сих пор для каждой модальности существовали отдельные модели.

Gemini Embedding 2 - первая нативно мультимодальная модель от Google, которая помещает текст, изображения, видео и аудио в единое векторное пространство размерностью до 3072 измерений.

На видео поиске модель набирает 68.8 vs 55.2 у ближайшего конкурента. Аудио обрабатывается напрямую без транскрибации в текст, что на межъязыковых задачах даёт +5 пунктов просто за счёт сохранения живого звука.

Единое пространство для всех модальностей - это значит, что ИИ-агент сможет искать по одному индексу. Без промежуточных конвертаций, без потерь на стыках.

Авторы говорят, что следующий шаг agentic RAG: end-to-end обучение, где embedding-модель дообучается под конкретный агентный сценарий целиком.

Вот это сделка! Tether выкупили долю SoftBank в Twenty One Capital - публичном биткоин-казначействе

Ранее мы опубликовали отчет в каких странах выгоднее зарабатывать на стейблкоинах.

Tether купили долю SoftBank- около 26% в компании Twenty One Capital - публичном биткоин-казначействе, которое два гиганта основали совместно годом ранее.

Сумма сделки примерно $679 млн. В итоге Tether увеличил свою долю до контрольных 71%.

В результате слияния всех активов Tether становится частной вертикально-интегрированной империей: майнинг → хранение → платежи.

Tether больше не печатный станок USDT. Новая конструкция теперь - активный бизнес на базе биткоина:

1. Вертикальная интеграция: майнинг (Elektron) → казначейство (XXI) → платежи (Strike).

2. собственный биткоин заменяет корреспондентские счета для международных расчётов.

3. Если USDT столкнётся с запретами в ЕС или США, биткоин-активы и платёжная сеть останутся неуязвимыми.

Время стейблкоинов как пассивного инструмента ликвидности заканчивается. Начинается эра биткоин-конгломератов, где эмитент сам добывает, хранит и проводит платежи в первой криптовалюте. У Tether теперь есть всё, кроме разрешения. Вопрос только в том, спросит ли кто-нибудь разрешения у него.

Держите 2 способа, как сделать ИИ-агента умнее: NVIDIA учит модель, а Microsoft - документ

На этой неделе вышли сразу 2 интересные работы об обучении агентов:

NVIDIA выпустили Polar - инфраструктура для RL-обучения любого агента. Не нужно переписывать Claude Code, Codex или LangChain под конкретный фреймворк. Polar перехватывает API-трафик между агентом и моделью через прокси и строит из него траектории для обучения. Агент работает без изменений кода, веса модели обновляются через GRPO.

А Microsoft выпустили SkillOpt - модель и код не трогает вообще. Вместо этого тренирует текстовый документ с навыком.

Anthropic выпустили новую модель Opus 4.8 и оркестрацию параллельных субагентов в одной сессии

Claude Opus 4.8 - новая версия флагманской модели, как обещают лучше держит курс в длинных агентных сессиях, честнее оценивает собственный прогресс, принимает решения без постоянных чекинов.

Плюс Fast Mode - та же модель, но в 2.5x быстрее, втрое дешевле предыдущего.

Также они запустили Dynamic Workflows в Claude Code - оркестрация десятков и сотен параллельных субагентов в одной сессии.

Claude сам пишет план, раздаёт подзадачи, верифицирует результаты.

Но Dynamic Workflows расходует намного больше токенов, чем обычная сессия Claude Code, рекомендуется начинать с ограниченной задачи, чтобы понять расход в своём конкретном контексте.

Только начали про AI-native говорить, так сразу появился новый уровень - платформа для управления компанией на базе ИИ-агентов

То, что сегодня делают в лабораториях и стартапах с ИИ - это эксперименты с тем, каким будет в дальнейшем труд человека, как он вообще будет выглядеть, однозначно не таким как сейчас, по-крайней мере умственный.

Мы опубликовали свежие реальные данные как меняется работа разработчиков с учетом Claude Code, Codex и тд.

С учетом того, что субагенты скоро станут полноценными участниками рабочего процесса, людям в компаниях нужно будет переформулировать свои роли, менять организационную структуру, мы описываем об этом здесь.

А еще ранее писали, как внедрять ИИ и формировать культуру обучения с ним

Мы продолжаем делиться с вами плейбуками создания AI-native компаний, напомним, что в прошлых частях уже разобрали:

• 6 опытов от разных компаний

• а также предложили 6 фаз внедрения ИИ: от диагностики до перестройки найма в компании.

Самое интересное начинается сейчас. Технологии - это важно, но экономику и управление человеческим капиталом никто не отменял.

Старший исследователь DeepSeek и его ИИ-агент представили работу о переходе ИИ от копилотов к полноценным коллегам-исследователям

Старший исследователь #DeepSeek Дели Чен и его ИИ- агент SKILL выпустили статью, где DeepSeek-V4-Pro и GPT-Image-2 сделали 99 % работы, начиная от планирования структуры и экспериментов до написания текста и генерации графиков.

Авторы вводят 5-ти уровневую шкалу автономии (L1–L5), разбирают архитектуры таких агентов, сравнивают 17 реальных систем и выделяют 6 ключевых проблем на пути к AGI-исследователю.

Симулированный peer-review score вырос с 6 до 8.

Саму эту работу ИИ-агент SKILL написал почти сам, но arXiv не позволил поставить ИИ в авторы, поэтому они ушли в сноски.

Дели Чен говорит, что DeliAutoResearch SKILL - это его личный экспериментальный фреймворк научного ИИ-агента, это чисто делается для фана и тестирования своих навыков, а не как официальный проект DeepSeek.

Российские корпорации обсудили вопрос, который сейчас на повестке у многих мировых компаний: Amazon, UBER и Microsoft

Внутренние исследования крупных мировых заказчиков показывают, что стоимость одной и той же задачи для ИИ-агента может различаться в 30 раз, при таком разбросе заранее заложить расходы на ИИ в бюджет просто нельзя.

В Сколково организовали Startup Village - технофестиваль, который объединил крупнейшие российские корпорации: Газпромбанк, Сбер, Т-Банк, Ростех, РЖД, АЛРОСа, Билайн.

Их представители собрались на закрытом деловом завтраке «ИИ завтра» и задали вопрос, который обсуждают сегодня в Amazon, UBER и Microsoft: как считать ROI (возврат инвестиций) от ИИ.

Адель Валиуллин, первый Вице-Президент Газпромбанка, уточнил, что банки совместно с ассоциацией «Финтех» уже разрабатывают единую методологию расчёта, и сформулировал банковскую логику так: сначала ожидаемый экономический эффект, потом прототип, потом замер после запуска.

Дмитрий Марков, генеральный директор VisionLabs (МТС), поделился мнением, что качественные решения в сфере генеративного ИИ для корпораций до сих пор отсутствуют. Сотрудникам нужен инструмент, который улучшает метрики конкретного процесса.

Алексей Лукацкий, бизнес-консультант по информационной безопасности Positive Technologies, добавил, что единой методологии подсчёта объёма ИИ-рынка в России до сих пор нет. Рынок в режиме эксперимента.

Максим Мироненко, руководитель Центра внедрения искусственного интеллекта «Сколково.Скай», подтвердил это со стороны исполнителя. Сегодня единственный жизнеспособный путь довести корпоративный ИИ-проект до промышленного эффекта - идти через пилот с поэтапным внедрением, где каждый этап становится счётным.

Компания не уходит в долгий контракт без гарантированного итога, а фиксирует измеримый результат на каждом шаге. Это подтверждается опытом текущих внедрений центра в крупном бизнесе.

Этот же тренд от обещаний к измеримому эффекту сейчас фиксирует и сам рынок ИИ-лабораторий. На майском брифинге Anthropic в Нью-Йорке Дарио Амодей, СЕО Anthropic, сказал: производительность ИИ растёт, но реальный экономический эффект и адаптация рабочих процессов приходят постепенно, а не одновременно с релизом моделей.

Это та же проблема зрелости рынка, которую обсуждают везде. На Startup Village ее впервые в России озвучили вслух.