Anthropic запустил гранты на исследования редких заболеваний с Claude

Все это часть широкой программы AI for Science от Anthropic.

У этой грантовой программы 2 направления:

1. Базовая наука, в которой
клиницисты, лечебные учреждения и дата-сайентисты могут вместе работать для понимания механизмов редких заболеваний.

2. Биотехнологии и ускорение клинической разработки - это
для биотех компаний и биотехнологов, которые ускоряют путь от генетического диагноза к лечению.

Сейчас этот процесс занимает 1–2 года только на подготовку, но Claude может помочь и уменьшить сильно это время

Прошедшие конкурс заявок участники получат до $50 000 в кредитах на использование Claude на 6 месяцев.

Дедлайн подачи заявок до 2 августа.

Цель всего этого - создать сообщество исследователей, которое будет обмениваться опытом и совместно использовать ИИ для продвижения науки в этой области.

У 5 ИТ-гигантов выросли скрытые долги до $1,65 трлн на фоне резкого роста инвестиций в ИИ

Эта сумма превышает официальные цифры, которые указаны в финансовых отчетах компаний.

Nikkei провели расследование и выяснили, что 5 гигантов - Alphabet (Google), Microsoft, Amazon, Meta (запрещена в России) и Oracle имеют $1,65 трлн обязательств, которые не отражены в их официальных балансах.

Официально на балансах у них всего $1,35 трлн долга. То есть реальные обязательства почти в 2 раза больше, чем компании показывают инвесторам и рынку.

При этом скрытый долг вырос в 8 раз за 4 года, и он появился
из-за больших контрактов на GPU, долгосрочную аренду дата-центров и совместные проекты по строительству новой инфраструктуры. Пока объект не введён в эксплуатацию - это не считается обязательством.

Все это нам говорит о том, какие огромные деньги уже заложены под ИИ-инфраструктуру и насколько агрессивно компании вкладываются в эту тему, скрывая масштаб своих обязательств.

Теперь можно рассчитать, сколько вычислений тратить на обучение ИИ

Одна из редких статей, которая даёт конкретную математику по распределению бюджета между предобучением и пост-тренингом. Для всех, кто планирует большие тренировки - очень полезно.

Группа исследователей взяла шахматы как удобный тестовый полигон и прогнала много экспериментов, чтобы понять, как правильно делить вычислительные ресурсы между предобучением и RL.

И вот, что получилось:

1. Чем сильнее претренированная модель, тем лучше она потом учится на RL и тем выше финальный результат.

2. При небольшом бюджете почти всё нужно отдавать претренингу. С ростом общего компюта доля RL должна увеличиваться, авторы показывают, как находить оптимальную точку.

3. RL не просто усиливает уже известные модели ходы: на сложных задачах он реально вытаскивает редкие правильные решения, которых почти не было на этапе SFT.

Часть выводов подтвердили на языковой модели (OLMo 1B) на математике.

GitHub

РФ легализовала криптовалюты. Кто заработает? Роль Сбера. Разбираем все здесь.

Сегодня ГД приняла федеральный закон «О цифровых валютах и цифровых правах».

В целом все как и было - формально разрешили
владеть, покупать, продавать, майнить использовать крипту во внешнеторговых расчётах с нерезидентами, ну, а платить криптой внутри страны по-прежнему нельзя.

Кто реально сможет заработать и открыть бизнес, исходя из норм этого закона?

Смотрите, закон обозначает трёхуровневую инфраструктуру и вот кто может выиграть:

1 уровень биржа - это история для Московской биржи и СПБ Биржи.

Они уже имеют инфраструктуру, лицензии, клиринг. Скорее всего, именно они получат первые разрешения на торговлю криптой. Возможно появление новых игроков, но барьер входа очень высокий.

2 уровень брокер - существующие финансовые брокеры: Сбер, Т-Инвестиции, БКС, Финам, ВТБ. Они уже работают с клиентской базой, имеют лицензии ЦБ, инфраструктуру хранения данных.

3 уровень обменники/OTC - тут интереснее. Теоретически это место для таких игроков как Garantex и тд. Но требования к деловой репутации и антиотмывочный контроль фактически означают, что серые обменники легализоваться не смогут. Получается, что либо банки создадут дочерние структуры, либо появятся новые юрлица под контролем уже известных финансовых групп.

И ещё одна линия - цифровой депозитарий - тут очень логично отдать все НРД, но в тоже время и поле для Сбера.

Отдельно про Сбер надо сказать, потому что это не просто ещё один участник.

А единственный, кто уже сейчас присутствует на всех уровнях одновременно.

На ПМЭФ в июне Греф сказал: «Конечно, мы будем совершать весь спектр операций, в том числе обменивать фиатную валюту на криптовалюту». Закон и инфраструктура Сбера строились параллельно.

А что с обычным держателем крипты?

Практически ничего не меняется. Ваш Ledger, Binance, P2P-переводы никуда не делись, закон не закрывает доступ к внешнему миру. Но легально выйти в рубли, получить кредит под залог, провести корпоративный расчёт теперь только через регулируемый контур - через банк.

Google ответили Kimi-K3 дешевыми ценами на модели для агентов

Сейчас вышли новые модели: Gemini 3.6 Flash и 3.5 Flash-Lite и цены радуют.

Gemini 3.6 Flash стоит $1.50 за миллион входных токенов и $7.50 за выходные. Это уже дешевле предыдущего 3.5 Flash по выходу, плюс модель стала эффективнее (тратит меньше токенов на задачу).

Gemini 3.5 Flash-Lite - вообще огонь по цене: всего $0.30 input и $2.50 output. При этом скорость до 350+ токенов в секунду. Идеально для агентов, обработки документов и высокой нагрузки.

Если сравнивать с Kimi K3, которая стоит $3 input ($0.30 с кэшем) и $15 output, то по базовой цене она почти в 2 раза дороже Gemini 3.6 Flash.

Самое обсуждаемое сегодня - ИИ-агент OpenAI вышел за пределы и взломал Hugging Face.

Когда Hugging Face(HF) заметил рой из десятков тысяч автоматизированных действий, то сначала не знал, кто это.

А когда HF начали расследовать атаку, то увидели, что модели от OpenAI/Anthropic отказывались помочь , их настройки безопасности блокируют помощь в анализе кибератак.

Тогда HF взяли китайскую модель GLM 5.2, чтобы разобраться и остановить атаку.

Детали вы можете прочитать в блогах у OpenAI и в отчете HF.

Но, что надо отметить, у нас пока что есть только короткий блог-пост от OpenAI с очень общими деталями. Ни у кого нет этой информации:

1. точный промпт, который OpenAI дали модели,
2. полную цепочку рассуждений агента,
3. как именно был настроен критерий успеха, что считалось решить задачу
4. какие были ограничения в песочнице.

Если модели OpenAI сказали: используй любые средства, чтобы победить в ExploitGym, то она просто очень хорошо выполнила задачу.

Если же ей сказали: работай только внутри окружения, а она всё равно нашла zero-day и полезла в продакшен HF, то это уже совсем другая история.

Сейчас все слишком быстро прыгают к выводам, которые удобно ложатся на их картину мира.

Лучше подождать полных данных: траекторию, промпты, критерии успеха и сколько compute потратили.

Anthropic за 24 часа выпустил 2 полезных инструмента и купил стартап

Смотрите, теперь в Claude Cowork есть функция «Record a Skill» («Запись навыка»).

Это значит, что вы можете включить запись экрана своего компьютера, пока выполняете какую-то задачу. Одновременно можете проговаривать, что делаете, тем самым давая ещё голосовую инструкцию. Claude анализирует запись (экран + клики + голос) и создает из этого навык, который в будущем вы можете использовать. Вам нужно просто сказать Claude: «Сделай этот навык», и он выполнит всё сам.

Также появилась интеграция Claude Code с iOS Simulator.

Claude теперь собирает iOS-приложение, запускает симулятор прямо в панели рядом с чатом, видит экран, итерирует до результата. Разработчик наблюдает или может подключиться в любой момент.

А ещё команда стартапа Mendral присоединилась к Anthropic.

Mendral делают ИИ-агента, который работает как DevOps.

Anthropic забирает экспертизу и команду, чтобы встроить их возможности в Claude.

Шмидхубер и соавторы выпустили карту самоулучшающихся ИИ-агентов

Их свежий обзор называется «Self-Improvements in Modern Agentic Systems» - это полноценная карта того, как ИИ-агенты уже сейчас учатся самоулучшаться.

Авторы предлагает чёткую таксономию и говорят, что все самосовершенствование агентов делится на 2 класса:

1. Улучшение модели, тут обновляются веса.

2. Улучшение скаффолдинга - тут обновляется оболочка вокруг модели: промпты, память, инструменты, логика агента.

Но есть отдельный и самый интересный класс - Full Scaffolding - здесь агент переписывает не продукт своей работы, а себя как процесс. Как пример: Darwin Gödel Machine, AlphaEvolve, Gödel Agent - системы, в которых агент модифицирует собственную операционную логику рекурсивно.

1-м коммерческим нейроинтерфейсом на Западе стал продукт от ex-President Neuralink

Только что компания Science Макса Ходака объявила о получении разрешения на продажу (CE mark) в Европе для своего ретинального импланта PRIMA. Вот сайт импланта.

Напомним, что в марте Китай стал первым в мире государством, которое разрешило коммерческие нейроинтерфейсы. Разбор тут.

Science, созданная в 2024 году, обогнала всех своих конкурентов на западном рынке и их продукт стал 1-м коммерчески разрешённым нейроинтерфейсом (BCI) на западе.

CE mark даёт право на коммерческую продажу и использование сразу в 30 европейских странах.

Причём первая имплантация ожидается уже очень скоро в Германии.

На старте компания хочет, чтобы хирурги набрались опыта, отработали технику и обменивались знаниями.

Параллельно в США Science получили Humanitarian Use Device (HUD) designation от FDA.

Это дает им упрощённый вариант одобрения для устройств.

Возможно, PRIMA может появиться в США уже в начале-середине 2027 года для пациентов с очень поздними стадиями потери зрения.

Основатель Uber запустил новую компанию по physical AI

Трэвис Каланик, основатель Uber, запустил новую большую компанию ATOMS и привлёк в неё $1,7 млрд от a16z, причём Бен Хоровиц вошёл в совет директоров.

Каланик хочет оцифровать весь физический мир: шахты, заводы, стройки, кухни и логистику.

Он консолидирует свои активы (CloudKitchens, Pronto, Atoms Transport) в единую структуру под брендом ATOMS.

В отличие от Figure, Tesla, ATOMS не делает роботов, их ставка на вертикальные решения: горная добыча, пищевое производство, логистика. Эти рынки ёмкостью в десятки триллионов $, где автоматизация сегодня <5%.

А a16z видят здесь для себя следующий Uber - платформу, которая пересобирает физический мир через ИИ и робототехнику.

Новая гонка началась: Amazon уволил часть команды MoE pre-training в AGI Foundation

Компания не отказывается от своих LLM, они продолжают инвестировать в модели Nova и тд, но теперь переключают фокус на прикладные продукты: агенты, инструменты на Bedrock, интеграции в AWS, enterprise решения, чипы Trainium/Inferentia и т.д.

Уже кстати появилась платформа ИИ-агентов с моделью оплаты за бизнес результат, не зря Amazon напряглись.

Это происходит не только у Amazon. Похожие сдвиги видны у Google, Meta(запрещена в РФ) и тд: все поняли, что голые бенчмарки моделей уже не главное. Главное - кто быстрее запустит рабочие агенты, оптимизированные сервисы, вертикальные решения и сделает так, чтобы бизнес-клиенты платили.

Недавно мы описали как крупный бизнес внедряет ИИ-агентов у себя, речь идёт о подразделениях не разработчиков.

Вот тут мы описываем сколько теперь стоит разработка с ИИ-агентами.

Anthropic дали ИИ-агентам доступ к 500 навыкам сразу - это уже похоже на целую команду

Сегодня Anthropic сильно расширили возможности Managed Agents, особенно в плане масштаба, добавив 500 skills, гибкости настройки и удобства работы с суб-агентами в реальном времени.

Это делает систему гораздо сильнее для сложных многоагентных задач.

Эти новые функции можно попробовать с помощью cookbook компании.

Anthropic сделала skills своей сильной стороной: они компактные, загружаются по необходимости и позволяют одному агенту держать огромную библиотеку специализированных инструкций.

У OpenAI и Microsoft лимит в 4 раза ниже.

Managed Agents сейчас один из самых быстро развивающихся продуктов Anthropic.

Y Combinator назвал темы, которые им интересны

Главная тема - physical AI.

YC хочет у себя в новом батче видеть стартапы вот в таких направлениях:

1. ИИ-тьютор, который станет не заменой учителю, а его дополнением. Долгосрочная цель - что-то вроде персонального ИИ-наставника на всю жизнь.

2. Технологии для армии: дешёвые перехватчики, сенсоры, дроны, логистика, продвинутое производство. Фокус на модульных открытых системах, которые работают в экстремальных условиях.

3. Облако специально для маленького софта.

4. Многопользовательские ИИ-агенты для командной работы.

5. Дата-центры в океане.

6. Новые потребительские продукты на базе ИИ для миллиарда человек.

7. Технологии для пожилых
8. ОС для отраслей, где 80% работников находятся не за компьютером.

Весь список тут.

Вышел OPHIS - новый подход к автоматизации исследований без LLM

Команда MetaCircle представила новый подход к автоматизации исследований OPHIS - механистический авторесёрч, без LLM в основе, но результаты превосходят то, что показывает RSI.

Если все существующие системы авторесёрча, в том числе то, что Андрей Карпатый предлагал и до RSI, работают примерно одинаково: берут опыт из интернета или из памяти прошлых экспериментов и предлагают следующий шаг.

То OPHIS предлагает другую логику, в которой 5 этапов: наблюдение, проблема, гипотеза, вмешательство, ускорение.

Создатели говорят, что они попробовали дать OPHIS способность понимать, а не только запоминать.

И они же считают, что масштабировать нужно инсайты, а не вычисления.

Крупнейший инвестфонд Абу-Даби токенизировал часть капитала

Тренд очевиден - крупные фонды выводят свои стратегии в onchain. Посмотрите и сверьте свои часы с нашим анализом о том, кто станет главным резервным фондом всего стейблкоинового мира.

Mubadala Capital (подразделение суверенного фонда Mubadala Investment Company) токенизировало Alternative Solutions Fund.

То есть они выпустили токенизированную версию этого продукта, доступную квалифицированным инвесторам на блокчейнах Base, Solana и Sui. А криптобиржа Coinbase вложила собственные средства в этот продукт.

Все это часть большого тренда на токенизированные активы, а это в свою очередь является одной из моделей будущих денег.

Платежный гигант Stripe покупает OpenRouter - агрегатор ИИ-моделей за $10млрд

Если сделка состоится, то Stripe станет основным звеном в платежах и доступе к ИИ-моделям. Компания очень последовательно идёт к тому, чтобы стать инфраструктурой экономики ИИ, тут подробнее.

OpenRouter - это маркетплейс/агрегатор ИИ-моделей, который даёт разработчикам и компаниям единый API/интерфейс для доступа к сотням моделей.

Сейчас OpenRouter берёт комиссию 5–5,5% поверх стоимости использования моделей. У неё более 5 млн клиентов, и она быстро растёт; в мае её оценивали уже в $1,3 млрд.

А сам Stripe уже тесно связан с OpenRouter, так как обрабатывает платежи клиентов, но если сделка состоится, то платёжный гигант начнет массово упрощать разработчикам монетизацию ИИ-приложений. Об этом тут подробнее.

Stripe двигаются в рамках концепции, что экономика уже разделилась на 2 мира: тех, кто использует новую инфраструктуру (ИИ, стейблкоины, масштабирование бизнеса на уровне мира, агентные протоколы), и тех, кто ещё живёт в старой логике. И разрыв между этими мирами будет только расти.

Anthropic выпустила Opus 5 и говорит, что она близка к Fable, но за половину стоимости

Opus 5 считается самой согласованной моделью на сегодняшний день по сравнению с другими моделями Claude.

Итоги уходящей недели - то, что имеет значение

1-я в мире западная компания - Science получила разрешение на коммерческую продажу своих нейроинтерфейсов.

Наш свежий отчет о будущем денег и их моделях, которые сегодня участвуют в гонке на разных континентах.

Бизнес ИИ- компаний

Появилась платформа агентов с моделью оплаты за результат, то есть вы платите не за токены, а за бизнес-результат.

Каков сегодня объем транзакций по платежам ИИ-агентов, на что они тратят, как устроен рынок и тд.

Как выглядит AI - native страховая компания, на чем она зарабатывает.

Какая экономика у роя ИИ-агентов и зачем они нужны основателям компаний, разработчикам, менеджерам.

Как организовать самоуправляемую компанию с помощью ИИ-агентов - дорожная карта.

Кто станет резервным фондом всего стейблкоинового мира, разбираем здесь.

Первый кейс самоуправляемой AI-native компании

Свежий отчет о платежах ИИ-агентов

Как крупный бизнес внедряет ИИ-агентов к себе за пределами разработчиков

Новый мегатренд - экономика задач - новый триллионный рынок в ИИ. Все подробности здесь.

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

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

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

ИИ-модели, агенты и архитектура

Anthropic выпустил Opus 5, которая близка к Fable по качеству, но вдвое дешевле.

Полезная работа с конкретной математикой: как распределять вычислительный бюджет между предобучением и пост-тренингом.

Alibaba выпустили Qwen3.8

Google выпустили сразу 3 дешевые модели: Gemini а также разрабатывают собственный чип специально для запуска Gemini.

Anthropic за 24 часа выпустил два инструмента и купил стартап

Andrew Ng выпустил OpenWorker - open-source агента

Anthropic дал агентам доступ к 500 навыкам сразу.

Странная история произошла с ИИ-агентом от OpenAI, который взломал Hugging Face.

Tencent выпустили Hyra-1.0 - агент для рекурсивного улучшения решений в инженерных задачах.

Вышел OPHIS - новый подход к автоматизации исследований без LLM.

Наука и исследования

Anthropic запустил гранты на исследования редких заболеваний.

Математик из Anthropic совместно с Fable опроверг задачу, открытую 85 лет назад.

Трансформеры плохо обобщают незнакомые задачи, обобщение должен делать harness, а не сама модель.

Шмидхубер и соавторы опубликовали карту самоулучшающихся ИИ-агентов.

Tencent выпустили сильную статью о самосовершенствующихся агентах.

Gigatoken - самый быстрый в мире токенизатор.

Деньги, криптовалюты и рынки

РФ легализовала криптовалюты, полный разбор: кто и как заработает на этом, читайте здесь.

Stripe покупает OpenRouter - агрегатор ИИ-моделей — за $10 млрд.

5 IT-гигантов накопили скрытые долги на $1,65 трлн на фоне резкого роста инвестиций в ИИ.

Крупнейший инвестфонд Абу-Даби токенизировал часть своего капитала.

Бизнес изменения, тренды

Основатель Uber запустил новую компанию в physical AI.

Cusp AI запускают глобальную сеть для создания новых материалов с помощью ИИ.

Amazon сократили часть команды по MoE pre-training в AGI Foundation

Y Combinator назвал темы, которые им интересны в новом наборе.

Anthropic Economic Index теперь доступен напрямую через Claude, можно задавать вопросы о том, как ИИ используется в экономике https://t.me/alwebbci/4374

Присоединяйтесь к нам на Patreon https://www.patreon.com/Blockchainrf?utm_campaign=creatorshare_creator

Что рассказал создатель Claude Code на YC Startup School 2026

Представляем вам основные высказывания Бориса Черного, который выступал на прошедших сейчас выходных перед молодыми основателями стартапов. Он сказал, что главная проблема сейчас не в возможностях ИИ-моделей, а в том, как мы с ними работаем.

Он говорит, что мы мешаем моделям своими интерфейсами и лишними правилами.

ИИ-модели уже умеют намного больше, чем позволяют текущие продукты. Сегодня Opus 5 может переписать целый проект на другой язык программирования, если дать ей несколько дней и иногда подправлять.

Если правильно спросить, модель может сделать то, что нужно, но большинство людей просто не умеют правильно формулировать запросы.

Как правильно работать с моделями?

Лучшие разработчики в Anthropic относятся к моделям как к умным коллегам, а не как к тупым программам.

Главные советы Бориса:

1. Давайте модели задачи чуть сложнее, чем вам кажется, что она потянет.

2. Чётко прописывайте ограничения и критерии, когда задача считается выполненной.

3. Не расписывайте всё по шагам слишком подробно.

4. Забудьте привычки, которые остались от старых моделей.

5. Пробуйте, смотрите, где модель ошибается, и подстраивайтесь.

6. Модели уже могут работать днями. Один промпт работал 11 дней и полностью переписал большой кусок кода с языка Zig на Rust. Этот код уже используют в самом Claude Code.

Борис рассказал, что его собственный проект по переписыванию десктопного приложения на момент выступления шёл уже 14 дней и продолжал работать.

Как Борис сам использует Claude каждый день?

Он каждый день автоматически запускает 4 проверки по кодовой базе Anthropic. Эти проверки работают сами, даже когда компьютер выключен, и создают черновики изменений:

1. Ищет устаревшие библиотеки, сломанные настройки и тд..
2. Находит код, который больше нигде не используется.
3. Пишет тесты только для самых важных мест (платежи, авторизация, данные пользователей).
4. Ищет повторяющуюся логику и лишние усложнения.

Главный принцип - давать модели как можно меньше инструкций. Только цель, ограничения и какой результат нужен.

@blockchainrf

Что нейросеть на самом деле знает? Google год искал ответ и нашел

Исследователи Google DeepMind год работали над этой работой под названием HOPE.

Они говорят, что нейросети умеют учиться, но мы плохо понимаем что именно они выучили. Обычный способ заглянуть внутрь нейросети - компрессия, но у нее есть 2 больших минуса.

HOPE предлагает другой подход: забыть про веса и смотреть на функцию. Метод работает без единого прогона данных через сеть, вся нужная статистика уже зашита в параметры Batch Normalization.

Практически это даёт 3 вещи:

1. сжатие моделей без доступа к обучающим данным,

2. честное сравнение нейронов из разных слоёв по единой шкале,

3. и что важнее всего на длинном горизонте - инструмент для понимания того, что внутри.

Если прогрессивно сжимать сеть и смотреть, что выживает последним, то это и есть несжимаемое ядро выученного знания.