Ещё до запуска OpenClaw я писал, что использую маленькие компы для Claude Code агентов.

Тогда это казалось нишевой историей. Сейчас это становится инфраструктурным сдвигом.

Все обсуждают скупку Mac Mini под агентные задачи.

Понятно почему - это доступное железо, и люди хотят изолированных окружений для агентов, чтобы они не трогали основную машину.

Но для Apple это буквально нулевой эффект. Компания стоит $3.7 триллиона.

Сколько Mac Mini ни купи, в отчётности это не отразится, а вот Raspberry Pi - другая история.

Компания стоит около $542 миллионов. Акции всё ещё примерно на 50–56% ниже пика прошлого года.

При этом за последние сутки после новости о покупке акций CEO и всплеска интереса к агентным задачам Raspberry Pi за день прибавила +40%.

Аналитики прогнозируют рост выручки 14–17%. Но если текущий спрос продолжится, эта цифра может вырасти до 48–55%.

Почему именно Raspberry Pi набирает спрос:

Во‑первых, экономика. Маленькие поды в Azure и DigitalOcean стоят дорого.

Raspberry Pi за $20–200 отбивается за несколько месяцев и дальше работает бесплатно.

Для задач, которые нужно гонять постоянно, это очевидный выбор.

Во‑вторых, изоляция. Есть задачи, которые нельзя запускать через облако по TOS платформ или по соображениям безопасности.

Компании поднимают собственные серверы и для этого нужны дешёвые изолированные машины.

В‑третьих, CUDA. У Raspberry Pi есть своя CUDA‑light экосистема. Для лёгких агентных задач этого достаточно.

Раньше люди покупали Raspberry Pi по одной штуке для хобби. Сейчас стартапы покупают десятками и сотнями, для агентных роёв и автоматизации.

Picoclaw и сжатые варианты OpenClaw теперь можно запускать на Raspberry Pi за 20$

Баланс при этом чистый: выручка $280-300M, чистая прибыль $10-15M, чистый кеш $28M. Серьёзных долгов нет.

Это не инвестиционный совет.

Но как наблюдение за тем, как инфраструктурный спрос AI-эпохи перетекает в неожиданные места - очень показательный кейс.

@maxvotek | linkedin | substack

Я сделал компилятор Людей в AI агентов :)

Он проводит глубокое интервью с любым сотрудником через 8 структурированных фаз, читает артефакты из Slack, Notion и Gmail, извлекает неявные знания, алгоритмы и паттерны — и компилирует загружаемого, бесконечно масштабируемого цифрового человека в виде Skill для Claude Marketplace, который вы можете в 1 клик загрузить в Claude Cowork/Code.

Скачать можно здесь: https://github.com/Gerstep/HumanCompiler/tree/master

P.S. сделал в шутку, но мне уже пара человек написали, что им было полезно

Gemini 3.1 Pro: Рывок к AGI

Google выкатил минорный апдейт 3.1, который по цифрам выглядит как «дошлифовка», а по фактам — это уничтожение конкурентов в зоне агентского интеллекта.

Тот случай, когда «.1» в версии значит больше, чем смена поколения у других.

Факты:
🧩 ARC-AGI-2: 77.1% (против 31.1% у версии 3.0). Это самый жесткий бенчмарк на «абстрактное мышление» (задачи, которые ИИ никогда не видел). Прыжок в 2.5 раза. Google официально перестал просто «предсказывать токены» и начал по-настоящему рассуждать.

⚙️ Агентский кодинг (SWE-Bench): 80.6%. Модель теперь на равных (а кое-где и лучше) бьется с Claude 4.6 Sonnet и GPT-5.2. Для нас это значит, что автономные разработчики на Gemini теперь — база, а не эксперимент.

🖇 MCP Atlas: 69.2%. Модель нативно понимает протокол MCP (Model Context Protocol).

Почему это важно:
Версия 3.0 была «хорошим мультимодальником». 3.1 стала «профессиональным агентом». Рост в APEX-Agents (сложные долгосрочные задачи) с 18% до 33% — это подтверждение того, что эра чат-ботов окончательно сменилась эрой агентов исполнителей.

Ждём ответа OpenAI. Как и предполагалось, - Китайские разработчики выстрелили перед КНГ, а Западные сразу после, чтобы "потушить" эффект.

#Gemini #Google #DeepMind #AI #Agents
───
@tsingular

Это было неизбежно: рано или поздно должны были появиться специализированные решения для инференса.
И вот, Taalas (бывшая команда из Tenstorrent) выкатили то, чего я так ждал — настоящий Direct-to-Silicon.

Ребята не стали мелочиться и буквально «запекли» модель в кремний. Никакой внешней памяти, никакого HBM, никакой сложной упаковки. Веса модели и архитектура — это и есть сам чип.

Цифры выглядят дико: 17,000 токенов в секунду на Llama 3.1 8B.
Это на порядок быстрее текущей SOTA GPU, при этом чип стоит в 20 раз дешевле в производстве и потребляет в 10 раз меньше энергии.
Самое крутое, что это не просто красивые слайды для инвесторов. Железо уже существует, и его можно «потрогать» (ссылка на демо внизу).

Конечно, это ASIC, и тут есть нюанс: чип заточен под одну конкретную модель. Но Taalas продумали этот момент — они оставили поддержку LoRA-адаптеров и изменяемого контекстного окна. То есть это не совсем уж «кирпич», гибкость для файн-тюнинга остается.

Сейчас у них готов чип с Llama 8B (HC1). Весной обещают выкатить что-то среднеразмерное с ризонингом, а к зиме грозятся показать фронтир-модель на втором поколении кремния.

У меня голова идет кругом от мыслей к чему это может привести.


Ссылки:
• Анонс
• Демо (скорость реально впечатляет)