Вот это бомба: Лев Чижов наш GOAT! Создана 1-я в мире 3D-карта сосудов мозга человека без вскрытия черепа

Стартап 22 летнего Льва Чижова Aleph Neuro сделал первую в мире 3D-карту сосудов живого человеческого мозга без вскрытия черепа, с помощью ультразвука. Причём у их метода разрешение в 100 раз выше, чем у КТ. Пока это исследовательский инструмент, не продукт.

Прочитать про Льва, победителя нашего проекта @blockchainrf , можно здесь. А тут канал самого Льва.

Как это работает?

Aleph описывает процесс так: мозг не думает в тишине. Когда нейроны активируются, к ним приливает кровь. Aleph направили ультразвуковые волны через череп, они отражаются от эритроцитов и возвращаются обратно. Из этого сигнала строится карта кровотока.

Чтобы получить сверхвысокое разрешение, вводят микропузырьки - одобренный FDA раствор.

Самое интересное, что первым свою разработку испытал на себе основатель компании Лев Чижов.

Почему это важно?

Сейчас у нейроинтерфейсов два пути: хирургия, как у Neuralink или размытый сигнал снаружи через ЭЭГ.

Aleph строят третий - без операции, с разрешением уровня МРТ. Даже 1000 электродов захватывают 0,001% мозга. Ультразвук потенциально даёт миллион независимых пикселей по всему объёму.

К чему они идут?
Их ставка - обучить нейросеть на терабайтах сырых ультразвуковых данных, чтобы она вытаскивала сигнал, который текущие алгоритмы просто выбрасывают.

Конечная цель - неинвазивный нейроинтерфейс, который читает активность мозга в онлайне с MRI-качеством, без хирургии, без инъекций, с носимым устройством.

Anthropic наняла экономиста с интересными взглядами на выживание человечества

Речь идёт об известном экономисте Чаде Джонсе, в его задачи входит: посчитать, стоит ли развивать сверхмощный ИИ, если он даёт огромное богатство, но несёт серьёзный риск, что человечество умрет.

Сейчас в сообществе экономистов, которые занимаются пост AGI, включая Чада Джонса, пытаются ответить на такие вопросы:

1. Сколько именно роста даст ИИ? Например: если ИИ ускорит инновации, экономика может расти не на 2% в год, а на 10–30% в год. За 30–40 лет это будет в десятки или сотни раз выше уровня жизни, чем сейчас.
2. Какой существует риск вымирания? Если каждый год вероятность катастрофы (потеря контроля над ИИ, злоупотребление и т.д.) хотя бы 0.5–1%, то за несколько десятилетий это накапливается в 10–40% шанс, что человечества больше не будет.
3. Как сравнить «огромное богатство для выживших» и «полное уничтожение человечества»? Экономисты используют модели:
• Насколько мы ценим дополнительное богатство?
• Насколько сильно боимся смерти всех?
• Стоит ли замедлять ИИ, чтобы снизить риск, даже если это уменьшит будущий рост?

В своей знаменитой работе«The AI Dilemma» у Чада Джонса есть известный расчёт:
при стандартной логарифмической полезности математически оптимально взять ~33% шанса вымирания человечества за 40 лет в обмен на 67% шанса поднять уровень жизни в 55 раз.

Звучит не очень, да?

Вот и сам Джонс в выступлениях говорит: «Когда я увидел этот результат, я понял, что у меня точно не логарифмическая полезность». То есть он лично не готов на такую ставку.

Это отличный пример, почему экономические модели нужно применять очень осторожно к экзистенциальным рискам. И почему найм таких людей в Anthropic Institute - интересный момент.

Они пытаются моделировать то, чего нет пока: бешеный рост vs риск конца.
Получится ли? увидим.

Один из создателей ксеноботов: следующий рубеж ИИ не в законах масштабирования LLM, а в создании систем, чьё тело умеет учиться

Джош Бонгард, один из создателей ксеноботов вводит понятие морфологического прeтрейнинга.

Идея в том, что природа давно решила проблему, которую разработчики в ML пытаются решить через масштабирование. Живые системы умеют репетировать рискованные действия внутри своего тела до того, как те проявятся вовне.

Например, яйцо амортизирует движения эмбриона. Клетки внутри многоклеточного организма экранированы от внешнего мира, они в среде других клеток. Иммунная система и микробиом, возможно, тоже участвуют в этом. Тело как черновик.

Бонгард проводит параллель с LLM: предобучение на нейтральных данных перед специализацией - это та же логика, но там субстрат пассивный, невоплощённый. А у организмов сама материя тела является вычислительным ресурсом.

Следующий шаг, который он предлагает: создавать системы с настоящей внутренней механической сложностью: мягкие, флюидные, фрактальные роботы, где действия могут проигрываться внутри, фильтроваться, и только потом выходить наружу. Не симуляция в нейросети, а физическая репетиция в материи.

Это не про законы масштабирования LLM, а про адаптацию в реальном непредсказуемом мире, где тело и есть первый учитель.

Компании массово режут расходы на ИИ

По данным опроса UBS, 60% компаний уже ввели ограничения на использование ИИ и активно переходят на дешёвые модели + опен-сорс китайские модели.

Почему так происходит?

Потому что некоторые пользователи тратят до $35 000 в месяц на API, команды превышают расходы лимитов на токены на 200%.

Компании сокращают количество внутренних ИИ-инструментов с 5 до 2.
Они не отказываются от ИИ вообще, а вводят маршрутизацию моделей.

На этом фоне появился новый король Ornith-1.0 - семейство опен-сорс LLM, специально заточенных под ИИ-агентов для программирования.

ИИ-инференс становится товаром.

OpenAI только что выпустили конкурентов и аналоги Fable 5, Mythos 5 от Anthropic

Как писали сегодня журналисты, перед тем как этот релиз сделать, Сэм Альтман согласовал все с администрацией Трампа, чтобы модели не запретили как у Anthropic.

GPT-5.6 Sol - это новая флагманская модель в серии GPT-5.6 от OpenAI, которая сейчас находится в ограниченном превью.

OpenAI начинает превью сразу трёх моделей:

1. Sol - флагман, самый мощный.

2. Terra - сбалансированная модель для повседневной работы (конкурентна GPT-5.5, но в 2 раза дешевле).

3. Luna - быстрая и дешёвая модель с хорошими возможностями по минимальной цене.

Полный релиз планируется в ближайшие недели.

Итоги уходящей недели - то, что имеет значение

22-летний победитель нашего проекта Лев Чижов создал первую в мире 3D-карту сосудов мозга без вскрытия черепа

Бизнес ИИ- компаний

Презентация одной из крупных инвест компаний мира для инвесторов от AI к ASI. Разбор без купюр.

Теперь венчурные компании становятся AI-native - новый инструмент для них тут.

Большая гонка в ИИ индустрии сместилась с моделей на контекст. Подробный разбор тут.

Теперь можно монетизировать трафик от ваших ИИ-агентов. Инструмент и не только здесь.

2 сильных ИИ-агента для медицины уже выпущены.

Anthropic запустила Claude Tag

Инсайд из Китая от первого лица о том, как там создают AI-native продукты.

Опубликовали список и анализ самых влиятельных китайских инвесторов в ИИ.

Свежий отчет на реальных данных, как ИИ-агенты меняют инфраструктуру интернета.

Разбор AI-native компаний: как внедрять ИИ и формировать культуру обучения вместе с ним.

ИИ-модели, агенты и инфраструктура

Google и HuggingFace: 100+ агентов совместно ускорили Gemma 4 в vLLM в 5 раз и попутно выявили эмерджентное поведение.

Sakana выпустила систему оркестрации уровня Fable 5 и Mythos от Anthropic

AutoData - ИИ-агент, который сам строит обучающие данные без разметки людьми

BudgetMem - фреймворк с RL-роутером для динамического выбора уровня памяти агента

OpenAI представила конкурентов Fable 5 и ьMythos 5

GLM-5.2 и Claude Opus 4.7 - разбор результатов тестов

Oxford представил масштабирование flow-моделей на задачи рассуждения

Mistral OCR 4 вышла

Ornith-1.0 - новое семейство open-source LLM для агентного кодинга от 9B до 397B параметров

Главный тренд сезона - Loops: разбор

Свежий обзор: как правильно строить ИИ-агентов в 2026 году

Self-Harness - агент, который сам улучшает свою собственную обвязку

TMax - открытый RL-рецепт для терминальных агентов

Fractal - рекурсивный CLI-агент

Google запустила Interactions API в GA

OpenRouter MCP: живая аналитика по 400+ моделям прямо внутри вашего агента

Биология и наука

Arc Institute создали аналог MCP для биологии

ИИ, который самостоятельно проводит точные эксперименты с ДНК

NVIDIA запустила BioNeMo Agent Toolkit - агентный доступ к предсказанию структур белков, молекулярному докингу и геномному анализу

Harvard обучил и оценил 100+ ИИ-моделей с рассуждениями для биологии

Bota Biosciences представила BPL и BPL-COGEN - компилируемый язык для лабораторных протоколов с ИИ-генерацией

Один из создателей ксеноботов: следующий рубеж ИИ в системах, чьё тело умеет учиться

Железо и чипы

OpenAI представила первый собственный ИИ-чип, созданный совместно с Broadcom

Qualcomm ведёт переговоры с ByteDance о разработке кастомных VPU

Вышел свежий рейтинг Top-500 суперкомпьютеров мира

DexJoCo - новый бенчмарк для роботизированной манипуляции

Финансы и криптовалюты

Крупный японский финансовый конгломерат запустил 1-й стейблкоин, обеспеченный траст-банком

ЦБ РФ выпустил доклад о стейблкоинах

Google инвестирует в создателя культовых сериалов для внедрения своего ИИ

Экономика ИИ

OpenAI опубликовала исследование на основе данных Codex

Компании массово режут расходы на ИИ

Экономисты прогнозируют сингулярность через 6 лет

Присоединяйтесь к нам на Patreon, чтобы узнать все об экономике ИИ-агентов, и другие полезные инсайды https://www.patreon.com/Blockchainrf?utm_campaign=creatorshare_creator

DeepSeek выпустили DSpark, которая ускорила их модели без потери качества

Если многие гонятся за самой умной моделью, #DeepSeek снова решили проблему с другой стороны, как сделать модели быстрее и дешевле в использовании.

DSpark - это не новая модель, а технология ускорения инференса.

Обычные большие модели типа DeepSeek-V4 генерируют текст токен за токеном - это медленно и дорого по вычислениям.

А DSpark использует технику спекулятивное декодирование.

В результате в продакшене:
генерация ответов на 57–85% быстрее для пользователя; общая пропускная способность сервера вырастает на 51–400%; качество ответов ровно такое же.

В будущем нас ждут агентные системы, которые будут часами думать, использовать инструменты, переписывать код, проверять себя. Там каждый лишний токен и каждая секунда инференса будут стоить очень дорого.

Виталик Бутерин рассказал о технологии, которую пока никто не создал

Речь идёт об обфускации - одна из самых мощных и самых сложных идей в криптографии.

Если говорить простыми словами, то обычное шифрование прячет данные, zero-knowledge прячет доказательства.

А обфускация прячет сам код программы. Обфускация + блокчейн ≈ доверенная третья сторона без доверия.

Единственный минус - обфусцированную программу можно скопировать, поэтому всё равно нужен блокчейн.

Зачем это нужно?
• для приватных голосований без доверия к кому-либо.
• для сложных DAO и контрактов, где код полностью скрыт.
• почти полная замена доверенной третьей стороны типа банка или сервера.

Сейчас проблема в том, что сделать такую обфускацию математически безопасной очень сложно. Современные версии работают, но медленно.

Виталик говорит, что мы уже знаем, как это делать в теории. Осталось оптимизировать и ускорить в тысячи раз. Если получится, то это будет следующий большой прорыв после ZK и SNARKs.

Крутой новый самоэволюционирующий ИИ-агент, который строит модели для создания лекарств и накапливает опыт между задачами.

Если обычные ИИ-агенты для научных задач каждый раз начинают с нуля, то DrugSAGE помнит и накапливает опыт.

Изобилие от ИИ - миф. Китай стал 1-м полигоном, где ИИ показал пределы в экономике

В свежем отчете говорится, как в июне этого года китайская индустрия ИИ-коротких сериалов столкнулась с проблемой перепроизводства.

Сейчас ежедневно на платформы выходит 1300 новых видео, при этом затраты на производство упали на 90%, а стоимость привлечения 1 зрителя выросла вдвое.

При этом выручка с тысячи просмотров упала до 15–30 юаней. Прибыльны лишь 3–5% средних компаний.

То есть ИИ сделал контент почти бесплатным, но аудитория не растёт так же быстро. В итоге все заливают платформы дешёвым контентом, конкуренция за внимание взлетела, а монетизация рухнула.

Похожая история уже разворачивается в других секторах, где ИИ резко снижает стоимость производства продуктов:

- Изображения, видео и стоковый контент
- музыка
- код и разработка
- игры

Изобилие от ИИ во многом является ловушкой, но для среднего игрока и для старой модели бизнеса, а не для всей технологии вообще. Внимание человека ограничено только 24 часами в сутках, доверие, эмоциональная связь, новизна и качество тоже.

Поэтому, чем дешевле становится производство, тем дороже становится внимание и доверие людей.

ИИ теперь отвечает за чистоту и экологию в России

Российские регионы начинают внедрять системы автоматических штрафов от NtechLab за незаконный выброс мусора.

Первой площадкой стала Нижегородская область, а следом идут Саратовская, Самарская, Челябинская и Владимир.

Процесс организован так - нейросеть NtechLab анализирует видеопоток с камер городского наблюдения, а системы Angels IT автоматизируют работу исполнительных органов.

Алгоритмы формируют постановление о штрафе, проводят его по всем необходимым инстанциям и отправляют нарушителю.

Как поясняет генеральный директор NtechLab А. Паламарчук, система делает то, что человек физически не может: выявляет нарушения на каждой площадке круглосуточно.

В Нижегородской области уже покрыто 373 площадки, а к июлю будет больше. По словам министра цифрового развития области, А. Синелобова, ИИ берет на себя функции, которые человек не может выполнить.

Одна из самых обсуждаемых сейчас работ в самоулучшающихся агентах - Red Queen Gödel Machine.

Это новая работа из Кембриджа и NVIDIA.

Если вы работаете с agentic loops, то понимаете, что их эффективность ограничена только качеством оценщика.

В этой работе авторы предлагают соэволюционировать агента и его оценщика одновременно.

Благодаря этому планка поднимается вместе с тем, как растёт сам агент.

А вот Zenith harness позволил GPT-5.5 обойти Fable от Anthropic

Вчера Intelligent Internet выпустили Zenith - open-source harness для долго работающих ИИ-агентов.

Суть вместо того, чтобы не гоняться за самой мощной моделью, предлагается построить умную систему вокруг неё - harness. Больше про harness тут.

В результате модель GPT-5.5 + Zenith на бенчмарке Frontier SWE вырвалась с 5-го места на 1-е, обогнав Claude Fable.

При этом бюджет, модель и задачи не менялись.

Вот это масштаб!140 крупных компаний мира готовят 1 стейблкоин Open USD (OUSD)

Коалиция Open Standard анонсировала Open USD (OUSD) - стейблкоин, который позиционируется не как продукт одного эмитента, а как общая инфраструктура индустрии. Создают его на блокчейне Tempo.

Список участников читается как перепись финансового мира: Visa, Mastercard, Stripe, Coinbase, BlackRock, Google, Shopify, DBS, Standard Chartered, American Express, ANZ, BBVA, Adyen, Brex, Chime, BNY и другие, включая банки из Израиля, Латинской Америки, Африки и т.д. Крипто компании Stellar, Solana, Ripple и тд.

До сих пор было так, что 1 эмитент стейблкоина забирает себе доход с резервов, а компании, которые интегрируют монету и приводят оборот, получают ноль с этой экономики.

Open USD предлагает другую систему:

1. доход с резервов делится с участниками, которые наращивают внедрение (за вычетом небольшой комиссии на управление);

2. решения принимает консорциум, а не один эмитент;

3. ноль комиссий на минт и редемпшн даже при огромных объёмах.

Отдельно заявлен кейс agentic commerce - оплата для ИИ-агентов.

Если модель сработает, она задаёт новый стандарт конкуренции - не «чей стейблкоин у вас интегрирован», а «насколько широко распределена нейтральная инфраструктура».

А это давление на Circle и Tether.

Запуск заявлен в этом году.

Meta научила ИИ-модель по записям активности мозга предсказывать текст, который человек печатает

Исследователи Meta* AI выпустили Brain2Qwerty v2 - ИИ-модель для неинвазивного интерфейса мозг-компьютер, который декодирует напечатанные предложения прямо из мозговой активности.

Для обучения Brain2Qwerty v2 использовали ~22 000 предложений от 9 человек, каждый из них провёл по 10 часов в MEG-шлеме, печатая текст. Это в 10 раз больше данных, чем в v1.

Но самое интересное - это то, что исследователи запустили ИИ-агентов, которые сами:
• Писали код
• Запускали эксперименты
• Анализировали результаты
• Итеративно улучшали пайплайн обучения.

Это вдохновлено проектом AutoResearch от Andrej Karpathy.

По сути, ИИ помогает оптимизировать ИИ, который декодирует активности мозга. Получается AI researching AI.

Meta открыла код на GitHub.

*запрещена в России.

Стартап Conception создал ранние человеческие яйцеклетки из стволовых клеток

Технология называется in vitro gametogenesis (IVG) - создание яйцеклеток и сперматозоидов в пробирке.

Conception взяли обычный образец крови, клетки крови перепрограммировали в индуцированные плюрипотентные стволовые клетки (iPSC). Об этом стартапе мы писали ещё тут.

Из этих клеток iPSC вырастили миниатюрные человеческие яичники в лаборатории.

В этих мини-яичниках формируются ранние яйцеклетки внутри фолликулов - базовых структур яичника.

Это не зрелые яйцеклетки, готовые к оплодотворению, а ранняя стадия. Но это большой прогресс.

Conception говорит, что все клетки созданы полностью из стволовых, без использования натуральных человеческих тканей яичников.

В мышах эта технология уже работает с 2016 года: из клеток кожи мышей получали яйцеклетки, рождались здоровые потомки, которые сами размножались.

Для людей это потенциально может расширить возможности лечения бесплодия, но компания говорит, что предстоит ещё большая работа, в том числе по доращиванию полученных фолликулов до зрелой стадии и оценке безопасности технологии.

Anthropic объявили о крупных биотех проектах, и США сняли запрет с их моделей

Вчера был большой день для компании, Anthropic провели свое крупное закрытое мероприятие, на котором было несколько больших анонсов. Причём на это мероприятие приехали все фармгиганты, индустрия поддержала компанию.

Первый большой релиз - Claude Science - новое рабочее пространство со множеством ИИ-агентов для учёных, которое должно стать для ученых и работников биотеха тем же, чем Claude Code стал для программистов.

Оно интегрируется более 60 научными базами данных.

А самый главный анонс - Anthropic начинает доклинические программы по разработке лекарств.

Их фокус на самые сложные заболевания, которые человечество не может вылечить.

Мы знаем подробности их планов в этом направлении, описали ещё 7 мая на Patreon.

Хотим напомнить, что большой состав сильных людей перешел из Google DeepMind в Anthropic, а именно лауреат Нобелевской премии, создатель AlphaFold и разработчики Gemini.

Ну, и главное событие для всех пользователей Claude - правительство США сняли запреты с моделей Fable5, Mythos5.

Главный бич человека всегда был и остается в отказе от индивидуации.

Ну, вот к примеру, людям очень тяжело думать самим, легче, когда кто-то это сделал и вложил все в голову другому. Но о последствиях никто не думает, только всегда жалобы на то, что вся жизнь - так себе история.

Человеку очень хочется казаться успешным, но он не понимает, что это. Ему дают в руку «волшебную» палочку в виде ИИ, и он думает, что все, теперь ему море по колено.

Люди берут и копируют чужой контент, который был создан с использованием человеческих ресурсов: поиска в ручную, траты времени, большой нагрузки на глаза(!!!), формулировании мысли и своего видения. А приходит другой человек это копирует, пропускает все через ИИ и выдает как за свое. Такое за 10 лет существования моего канала я вижу каждый день.

Но дело в том, что вот это искусственное создание своей «ценности» теми, кто присваивает или обесценивает труд другого человека - не вечно.

Потому что в один прекрасный момент человеческая психика начинает играть свои неприятные игры с этим человеком.

Путь к самости - это самая главная и сложная задача для любого человека. Это больно, но иначе не получится.

Ани Асланян, основатель @blockchainrf

Neuralink объявили о важном хирургическом прорыве в клинических испытаниях

Команда заявила, что впервые в клинических испытаниях они смогли вставить электродные нити имплантата прямо через твёрдую мозговую оболочку, не разрезая её, не нарушая целостность мембраны.

Чтобы этого добиться, им потребовались:

1. оптика, способная «видеть» сосуды сквозь непрозрачную ткань, иначе введение вслепую грозит кровоизлиянием;

2. иглы с микрометровой точностью изготовления, способные надёжно пробивать жёсткую мембрану без потери позиционирования;

3. годы тестирования до первого клинического применения на человеке.

Кстати, в апреле они показали своего обновленного робота- хирурга.

Отказ от разреза мозговой оболочки - это защита от целого класса рисков: инфекций, отёков, уменьшение длительности операции и тд. А если процедура становится короче и предсказуемее, она становится масштабируемой.

Именно об этом Маск говорил ещё в конце 2025-го, называя переход через этот этап ключевым условием для перехода на почти полностью автоматизированную хирургию в 2026 году.

Это укладывается в общую дорожную карту компании: скорость введения одной нити выросла с 17 секунд до 1,5 секунд.

Google выложили новую ИИ-модель, которая нужна вашему бизнесу и любой организации

Дело в том, что сегодня корпоративные данные -это самый ценный актив, а табличные данные - это 80% этого актива: продажи, транзакции, клиенты, склады и тд.

Вчера вышла TabFM - фундаментальная модель для задач классификации и регрессии на табличных данных, без обучения, настройки и гиперпараметров.
Просто загружаешь данные и получаешь предсказание за один проход.

Модель читает ваши обучающие примеры, как контекст и сразу предсказывает новые строки. Никаких обновлений весов и итераций.

Это своего рода аналог того, что TimesFM сделал для временных рядов, только теперь для таблиц.

Мозг человека и LLM устроены одинаково, говорится в новой работе MIT

Новый препринт MITзадаёт простой вопрос: модульность человеческого мозга - фундаментальный принцип или случайность эволюции?

Чтобы ответить на этот вопрос, авторы исследования взяли LLM и посмотрели, есть ли там та же структура.

И ответ оказался положительным, есть причём точь-в-точь.

Оказалось, что внутри 6 передовых моделей обнаружили 4 отдельные популяции нейронов, каждая отвечает за свой тип мышления, язык, грамматику, математику, логику, физический мир и социальное рассуждение.

Это в точности 4 сети, которые нейронауки давно картировали в человеческом мозге.

Чтобы убедиться, что это не корреляция, а реальная специализация, нейроны отключали. Отключили языковую зону: модель рассуждает верно, но пишет с грамматическими ошибками.

Отключили физическую: текст грамотный, но физические выводы инвертированы.

Точность внутри домена падает на 26%. За пределами домена - на 2.5%.

Почему это важно?

Мозг формируется эволюцией, а LLM градиентным спуском на предсказании токенов.

Никакой общей причины для одинаковой архитектуры нет кроме одной: так устроена любая система, которой нужно решать разнородные задачи одновременно, не мешая одному домену перезаписывать другой.

Модульность - не биологическая случайность, а по всей видимости, универсальное решение для интеллекта.

Что из этого следует?

Для интерпретируемости: у LLM есть внутренняя структура, которую можно картировать и на которую можно воздействовать точечно.

Для архитектур: MOE - потенциально про воспроизведение когнитивной специализации.

Для нейронауки: LLM впервые дают возможность изучать, как разные когнитивные системы передают информацию друг другу - то, что в мозге технически почти невозможно измерить.