Япония собирает боевой ИИ-контур

Пока мы боремся с угрозами с Запада, на Востоке идут свои приготовления. Сегодня речь пойдёт о Японии. Не стоит забывать, что мирный договор между нашими странами так и не подписан. Это открытый вопрос, висящий с 1945 года.

Мы уже писали на нашем канале, что Япония создала агентство по образцу американского DARPA — DISTI, работающее под управлением ATLA (Агентства по закупкам, технологиям и логистике Министерства обороны Японии). И вот теперь этот институт начал раздавать серьёзные контракты.

В марте 2026 года сразу два крупных игрока подписали соглашения с DISTI — причём с разницей буквально в два дня.

Первый — Fujitsu. 10 марта корпорация объявила о запуске первой в Японии программы открытых инноваций именно в оборонной сфере. Цель — создать так называемый «ИИ-персонал»: систему из нескольких скоординированных искусственных интеллектов, которые автономно собирают, анализируют и обрабатывают информацию, снижая нагрузку на живой личный состав.

Второй — Sakana AI. 12 марта стало известно о многолетнем контракте этого стартапа с DISTI. И здесь стоит остановиться подробнее, потому что компания неординарная.

Sakana AI основана в 2023 году двумя людьми с громкими именами в мире искусственного интеллекта: бывшим учёным Google Brain Дэвидом Ха и Ллионом Джонсом — одним из соавторов архитектуры трансформер, той самой, на которой сегодня работают GPT, Gemini и большинство современных языковых моделей. К концу 2025 года компания стала самым дорогим непубличным стартапом Японии в сфере ИИ — с оценкой около 2,65 млрд долларов.

До этого контракта Sakana AI уже засветилась в оборонной теме: в марте 2025 года компания выиграла награду на совместном конкурсе DIU (оборонное инновационное подразделение США) и ATLA (Япония) за ИИ-решения в области биозащиты и противодействия дезинформации. Это был её первый публичный шаг в военный сектор. Теперь — второй, куда более весомый.

По новому контракту Sakana AI займётся разработкой системы, которая объединяет потоки данных сразу из нескольких доменов — земля, море, воздух, в том числе данные с дронов — и на их основе ускоряет принятие тактических решений на командном уровне. Причём ключевая особенность их подхода — работа прямо на периферийных устройствах: дронах и полевых терминалах, без выхода в облако. Для этого разрабатываются компактные визуально-языковые модели, оптимизированные для полевых условий.

Здесь уместно провести параллель. Американский Palantir решает похожую задачу — объединить потоки данных с земли, моря и воздуха и выдать командиру готовое решение. Но делает это через централизованную платформу Gotham: все данные стекаются в единый узел, где обрабатываются и анализируются. Sakana AI идёт другим путём: вместо единого командного центра — ансамбль небольших специализированных моделей, которые «совещаются» между собой децентрализованно, как косяк рыб (отсюда, кстати, и название — sakana по-японски означает «рыба»). Ключевое отличие — не отсутствие моделей у Palantir, а место их работы: у Sakana AI вся обработка происходит прямо на борту дрона или в руках бойца, без выхода в облако.

При этом Palantir тоже не стоит в стороне от японского рынка. В январе 2026 года министр обороны Японии Коидзуми лично посетил штаб-квартиру Palantir в Вашингтоне. В марте 2025 года CEO Palantir Алекс Карп в интервью Nikkei призвал Японию и США совместно создать ИИ-систему целеуказания. А в марте 2026 года Сумитомо Корпорейшн подписала лицензионный договор на платформу Palantir AIP.

В итоге Япония собирает полный боевой контур: сбор данных с поля боя, их анализ и выработка командного решения — всё замкнуто в единую цепочку. Fujitsu закрывает штабной уровень — агрегацию и обработку данных для командиров. Sakana AI закрывает полевой уровень — сбор и слияние данных прямо с дронов и терминалов в режиме реального времени.

🔒DARPA&CIA

⚡ Мы разработали ByteDog — нейросеть для поиска вредоносов

Она построена на архитектуре трансформеров — той же, что используют большие языковые модели. Но ее ключевая особенность в том, что вместо текста или изображений ByteDog анализирует файлы напрямую — в виде байтов.

За счет этого ByteDog находит вредоносное ПО на 20% точнее, чем классические модели машинного обучения. Это первая подобная разработка в кибербезопасности в России и Европе. И она будет внедрена в наши продукты и сервисы.

Как это работает 🤖

Представьте: вам приходит файл, похожий на счет от подрядчика, но внутри — вирус. Классическому антивирусу нужно время: распаковать файл, извлечь код, прогнать через набор правил.

ByteDog пропускает эти шаги. Нейросеть сразу анализирует файл так же, как его видит операционная система, — как последовательность байтов. И находит признаки вредоносного кода, даже если он хорошо замаскирован.

«Обучение и тестирование ByteDog проводились на образцах из реальных киберинцидентов на протяжении года. Модель продемонстрировала превосходство над классическими ML-моделями по качеству детектирования и скорости анализа — разница составила более 20%. ByteDog будет интегрирована в ряд продуктов и сервисов Positive Technologies по обнаружению киберугроз», — отметил Андрей Кузнецов, ML-директор Positive Technologies.

В чем ноу-хау:

1️⃣ Раньше ИИ в кибербезе требовал ручной подготовки данных под каждый новый вид вирусов. Специалисты заранее выделяли признаки, по которым обучали модель отличать вредоносный код от обычного.

2️⃣ ByteDog убирает этот этап. После обучения она анализирует файлы напрямую — в том виде, как они есть на компьютерах, смартфонах, в облаке или интернете.

3️⃣ Модель способна сама учиться находить закономерности, экстраполировать их и обнаруживать угрозы, которые ранее не встречались в данных. Этим она превосходит системы, основанные на жестких, фиксированных правилах. Это похоже на то, как языковые модели учатся понимать текст без знания грамматики — просто анализируя последовательности символов. Только здесь вместо слов — байты.

4️⃣ Главная техническая сложность — длина входных данных. Если языковые модели работают с десятками тысяч токенов, то файлы — это миллионы байтов, ни один из которых нельзя пропустить. ByteDog решает эту проблему: анализирует файлы фрагментами и собирает общую картину.

5️⃣ Еще одна особенность — для работы не нужен графический ускоритель: уже обученную модель можно запускать прямо на устройствах пользователей — компьютерах и смартфонах.

Гордимся нашей командой, которая смогла разработать и обучить собственную модель с нуля. Дальше — больше 💪

@Positive_Technologies

🤖Автономный ИИ-агент Hermes от Nous Research преодолел рубеж в ⭐️104 тысячи звезд на ❗️ GitHub

Исследовательская группа Nous Research выпустила самообучающегося ИИ-агента под названием Hermes Agent, который пытается повторить успех проекта OpenClaw.

Данный проект с открытым исходным кодом набирает популярность среди IT-специалистов cо всего мира и уже собрал более 104 тысяч звезд и 14 900 форков. Развитие кодовой базы активно поддерживают 530 независимых разработчиков со всего мира.

В отличие от стандартных ИИ-ассистентов, привязанных к конкретной среде разработки или веб-браузеру, Hermes спроектирован как фоновый процесс. Он разворачивается на вашем собственном оборудовании (проект стабильно работает даже на базовом виртуальном сервере стоимостью от $5 в месяц) и сохраняет полный контекст взаимодействия между сессиями. Существует возможность интеграции более чем с 200 ИИ-моделями через OpenRouter, кроме того, Hermes напрямую работает с продуктами OpenAI, Anthropic и NVIDIA. Управлять инфраструктурой можно прямо из Telegram.

🤖 Для безопасной работы с файловой системой и кодом Hermes использует изоляцию (Docker-контейнеры, SSH-туннели или облачные песочницы).

Важно отметить, что ИИ-агент для полноценного внедрения в 🙅‍♂️♋️cерьезные рабочие процессы пока ещё не готов из-за возможных рисков, связанных с безопасностью, но в качестве полигона для испытаний он представляет собой один из самых интересных проектов на GitHub. Hermes сейчас проходит стартового хайпа, как и OpenClaw в своё время, но технически он ещё слишком «сырой» — v0.10.0 (2026.4.16).

😘 https://github.com/NousResearch/hermes-agent

✋ @Russian_OSINT