Transcription
Всем привет. В этом выпуске самые главные свежие новости об искусственном интеллекте и технологиях.
И ломает сам себя. Айтмен намекает на конец эпохи трансформеров. И что же придёт им на смену? Клод превращается в коллегу. Диспатч делает и постоянным участником рабочего процесса. Open выпустила GPT 54 mini и Nano. Мощный и становится быстрым, дешёвым и массовым. Игры больше не будут прежними. NVIDIA дорисовывает видеоигры в реальном времени. Об этом и многом другом в этом выпуске. Смотрите это видео до конца, чтобы ничего не пропустить.
Друзья, сегодня в программировании происходит большая перемена. Всё больше разработчиков используют кодинг подход, при котором искусственный интеллект помогает писать код на основе обычного текстового описания задачи. Важно понимать, нейросети не заменяют программиста, а становятся его помощником. Они берут на себя рутину, генерацию функций, тестов и документации, а разработчик может сосредоточиться на архитектуре и важных инженерных решениях. Этот навык уже становится стандартом индустрии. По исследованиям 67% работодателей ожидают, что разработчики умеют использовать искусственный интеллект, а специалисты с такими навыками в среднем зарабатывают на 28% больше. Для того, чтобы освоить этот инструмент, обратите внимание на курс ВайBeкодинг для разработчиков от Skillbox. Программа появилась в декабре 2025 года, поэтому в ней самая актуальная информация и современные инструменты. Обучение длится 2 месяца. За это время вы выполните шесть практических работ, получите обратную связь от экспертов и сделаете финальный проект для портфолио. Курс ведёт практикующий ML-инженер Сергей Куриленко, который внедряет и в реальные процессы компаний. Вам покажут не просто генерацию кода, а полную систему работы с нейросетями от написания функций до интеграции и релизов. Вы научитесь быстрее писать и проверять код, анализировать проекты и безопасно ускорять разработку. И для моих зрителей есть специальное предложение. по моему промокоду и новости вы получите скидку 55%. А также пять курсов в подарок и год изучения английского бонусом. Все подробности по ссылке в описании или сканируйте QR-код на экране. Начните осваивать современные технологии разработки вместе со Skillbox.
В технологической индустрии всё отчётливее ощущается приближение переломного момента. Искусственный интеллект, который ещё недавно воспринимался как набор инструментов для автоматизации отдельных задач, постепенно превращается в самостоятельную технологическую платформу, способную менять целые отрасли. На этом фоне особое внимание привлекли недавние заявления главы Open Сэма Альтмана. Он фактически поставил под сомнение долговечность той самой архитектуры, на которой сегодня держится весь рынок, трансформеров, лежащих в основе CH GPT, генеративных моделей, ассистентов и систем программирования. Чтобы понять масштаб этих слов, важно учитывать, трансформеры - это не просто один из подходов, а фундамент, на котором за последние годы была построена вся индустрия современного AI. Именно они позволили моделям работать с языком, кодом, изображениями и даже видео на качественно новом уровне. Фактически всё, что сегодня воспринимается как умный ИИ, в той или иной степени обязано этой архитектуре. Поэтому любые разговоры о её замене - это не про эволюцию, а про возможную смену всей технологической парадигмы.
Однако у трансформеров есть и обратная сторона. Их ключевое преимущество, способность учитывать контекст одновременно становится главным ограничением. С ростом объёма данных резко увеличивается и стоимость вычислений. Причём рост этот нелинейный. Увеличение задачи в несколько раз может требовать на порядок больше ресурсов. Это означает, что дальнейшее развитие упирается не только в алгоритмы, но и в физические ограничения. Мощность дата-центров, стоимость электроэнергии, доступность оборудования. В какой-то момент становится ясно, что просто наращивать масштаб уже недостаточно. Именно об этом говорит Альтман, когда упоминает необходимость новой архитектуры. По его словам, следующая волна может оказаться с той стой же значимой, как когда-то был переход от более ранних моделей к трансформерам. Тогда произошёл скачок, который открыл дорогу современным языковым системам. Сейчас индустрия, по сути, снова подходит к аналогичной точке, когда дальнейший прогресс требует не улучшения внутри старой системы, а создание принципиально нового подхода.
Особенно примечательно, что в поиске этого подхода всё большую роль начинает играть сам искусственный интеллект. Если раньше разработка новых архитектур была исключительно задачи исследователей, то теперь модели уже способны анализировать существующие решения, находить слабые места и предлагать альтернативы. Возникает своеобразный замкнутый цикл. AI помогает создавать более совершенный AI. Это ускоряет темпы исследования и увеличивает вероятность того, что прорыв произойдёт не через десятилетия, а в гораздо более короткие сроки. Такой процесс может привести к эффекту ускоряющейся эволюции. Каждое новое поколение модели будет не просто лучше предыдущего, а будет появляться быстрее, поскольку участвует в собственном развитии. В какой-то момент это может привести к скачкообразному росту возможностей, когда изменения становятся заметны не постепенно, а практически мгновенно на уровне индустрии. Таким образом, слова Альтмана - это не просто теоретическое рассуждение о будущем технологии. Это сигнал о том, что текущая модель развития, основанная на трансформерах и масштабировании, может подойти к своему пределу. И если новая архитектура действительно появится, она способна не только решить существующие ограничения, но и открыть совершенно новые направления, которые сегодня ещё трудно даже представить.
В мире искусственного интеллекта продолжается движение в сторону более быстрых и доступных решений. И новый шаг в этом направлении выпуск моделей GPT 54 Mini и Nano. Эти системы стали продолжением линейки GPT 54, но с акцентом на скорость, эффективность и возможность работы в условиях высокой нагрузки. По сути, речь идёт о том, как сделать мощные технологии не только умными, но и максимально практичными в реальной работе. Модель GPT 54 Mini занимает промежуточное положение между флагманскими решениями и более простыми версиями. Она заметно превосходит предыдущей компактное модели в задачах программирования логики и анализа данных. При этом работает более чем в два раза быстрее. В ряде тестов её показатели вплотную приближаются к уровню полноразмерной GPT54, что делает её особенно привлекательной для задач, где важна мгновенная реакция системы. Это, например, помощники для разработчиков, которые должны быстро генерировать и исправлять код или система, работающий с интерфейсами и изображениями в реальном времени. Главное отличие новой модели не только скорость, но и в подходе к использованию. Если раньше считалось, что лучшее решение - это самая мощная модель, то теперь акцент смещается. Важнее становится баланс между производительностью и задержкой. GPT 54 Mini способна быстро выполнять сложные задачи, не перегружая систему и при этом эффективно взаимодействие с инструментами, что критично для современных приложений.
Ещё более компактной стала версия GPT 54 Nano. Она ориентирована на задачи, где решающими факторами являются стоимость и скорость. Такая модель подходит для обработки больших потоков данных, классификации, извлечения информации и выполнения простых вспомогательных операций. Это своего рода рабочая лошадка в инфраструктуре ИИ, которая берёт на себя массовые, но не самые сложные задачи. Интересно, что всё чаще используется комбинированный подход. Крупные модели отвечают за стратегию и принятие решений, а компактные за быстрое выполнение конкретных действий. Например, одна система может планировать процесс, а десятки субагентов на базе GPT54 Mini параллельно обрабатывают данные, проверяют код или анализируют документы. Такой подход позволяет значительно ускорить работу и снизить затраты. Отдельное внимание уделено работе с интерфейсами и мультимодальными данными. GPT 54 Mini способны анализировать скриншоты сложных интерфейсов и выполнять действия на компьютере, что открывает новые возможности для автоматизации. Это означает, что EИ всё чаще начинает не просто отвечать на вопросы, а напрямую взаимодействовать с цифровой средой. Новые модели уже доступны разработчикам через AP, а также интегрированы в различные инструменты и платформы. При этом их стоимость остаётся относительно низкой, что делает такие решения доступными не только крупным компаниям, но и небольшим командам.
В сфере искусственного интеллекта произошёл заметный прорыв. Исследователи компании Apple представили модель, способную восстанавливать трёхмерные объекты по одному изображению. При этом система учитывает не только форму, но и освещение, отражение, блики и другие эффекты, которые меняются при повороте объекта. В основе технологии лежит так называемое латентное пространство, способ представления данных в виде чисел. Вместо хранения изображений напрямую модель создаёт компактное математическое описание, что позволяет быстрее обрабатывать информацию и находить закономерности. Такой подход давно используется в работе с текстом, но теперь активно применяется и к визуальным данным. Новая модель элита объединяет сразу два аспекта: геометрию объекта и его внешний вид. Это важно, потому что в реальном мире картинка зависит не только от форм, но и от того, как свет взаимодействует с поверхностью. Именно поэтому предыдущие решения часто выглядели неестественны. Система анализируют свет, глубину и особенности отражения света, формируя сжатое представление объекта. Затем декодер восстанавливает из него полноценную 3D-модель с корректным освещением. Причём для этого достаточно всего одного изображения, тогда как раньше требовали снимки с разных ракурсов. Модель обучалась на тысячах объектов при разных углах обзора и освещении, но получала лишь небольшие фрагменты данных. Благодаря этому она научилась восстанавливать полную картину даже при ограниченной информации. Этот подход показывает важный сдвиг. Нейросети начинают учитывать физику окружающего мира, а не просто имитировать изображение. В будущем это может серьёзно повлиять на индустрии от игр до дополненной реальности, где реалистичность становится ключевым фактором.
В мире искусственного интеллекта продолжают появляться решения, которые постепенно меняют привычный формат работы с компьютером. Одним из таких нововведений стала новая функция под названием Dispatch, представленная в рамках экспериментального режима Clotд Cork. Разработчики описывают её как шаг к более живому взаимодействию с ИИ, когда он становится не просто инструментом, а постоянным помощником, работающим рядом с пользователем. Главная идея заключается в том, что теперь у пользователя появляется единый непрерывный диалог с клот, который не прерывается при смене устройства. Система запускается прямо на компьютере, но при этом остаётся доступной с телефона. Можно отправить задачу с мобильного устройства и вернуться позже уже к готовому результату на компьютере. Такой подход делает работу с задачами более гибкой. Не нужно сидеть перед экраном и ждать, пока всё выполнится. Фактически речь идёт о переносе части привычной работы в фоновый режим. Пользователь даёт поручение, например, открыть файл, проанализировать документ или выделить ключевые моменты и может заняться другими делами. Когда он возвращается, задача уже выполнена. Это особенно важно в ситуации, когда время ограничено и нужно быстро получить суть информации. Чтобы попробовать новую функцию, необходимо установить настольное приложение Клод и связать его с телефоном. После этого создаётся единое рабочее пространство, где все запросы и ответы сохранятся в рамках одной беседы. Таким образом, взаимодействие с и становится более непрерывным и похожим на общение с ассистентом, который всегда остаётся в контексте.
Компания Manus представила новое обновление для своего настольного приложения в функцию My Computer, которая превращает искусственный интеллект из облачного помощника в полноценного жителя пользовательского компьютера. Теперь AI агент может работать напрямую на устройстве, получая доступ к файлам, приложениям и системным ресурсам. что заметно расширяет его возможности и делает взаимодействие с технологией более практичным в повседневной работе. Главное изменение заключается в том, что система больше не ограничена облачной средой. Если раньше многие действия требовали передачи данных на удалённые серверы, то теперь AI может читать, редактировать и сортировать файлы прямо на компьютере пользователя. Он способен выполнять команды через терминал, управлять установленными программами и помогать с задачами, которые раньше требовали ручного участия. Это делает работу быстрее и в ряде случаев безопаснее, так как данные остаются локально. Функция My Computer уже доступна для пользователей MacOS и Windows и ориентирована на широкий круг людей от разработчиков до креативных специалистов. Особенно заметна её польза в задачах, где требуется высокая производительность. Благодаря доступу к локальным ресурсам, включая графические процессоры, система может выполнять сложные вычисления, связанные с машинным обучением или обработкой данных, без необходимости отправлять их в облако. Разработчики подчркивают, что при всех новых возможностях пользователь сохраняет контроль над действиями EI. Каждое действие может требовать подтверждения, что снижает риски и делает использование технологий более прозрачным. Такой подход отличает решение от многих конкурентов, где автоматизация часто работает без достаточного уровня контроля со стороны пользователя. Отдельного внимания заслуживает возможность автоматизации рабочих процессов. AI агент может помогать в управлении файлами, участвовать в разработке приложений и даже выполнять удалённые задачи, объединяя разные сервисы в единую систему. Например, он способен взаимодействовать с почтой или календарём, упрощая планирование и выполнение задач.
В Массочувсеком технологическом институте представили новую разработку нейросеть Fizo IOT, которая может изменить подход к созданию 3D-моделей. В отличие от привычных генеративных систем, она делает объекты не только визуально привлекательными, но и действительно пригодными для реального использования. Ранее пользователи сталкивались с простой, но неприятной проблемой. Неросить могла создать эффектную модель, однако при попытке напечатать её на 3D-принтере объект оказывался хрупким или вовсе ломался. Причина в том, что большинство таких систем не учитывают физические свойства нагрузки, материалы и особенности крепления. ФИЗОпт решает эту задачу иначе. Система берёт уже сгенерированную модель и анализирует её с точки зрения реального мира. Она учитывает, как на объект будут воздействовать силы, какие материалы будут использоваться и где находятся уязвимые места. После этого нейросеть перестраивает структуру модели так, чтобы она стала прочной и устойчивой, не теряя при этом исходный внешний вид. Разработчики отмечают, что технология работает значительно быстрее существующих решений, примерно в 10 раз. Кроме того, оптимизация происходит не поверхностно, а на уровне самой структуры объекта, что позволяет добиться более точного и надёжного результата. Таким образом, опт делает важный шаг к тому, чтобы 3D-генерация перестала быть лишь инструментом для визуализации и стала полноценной частью производства, где созданные модели можно сразу использовать в реальной жизни.
Microsoft постепенно меняет свою стратегию в области искусственного интеллекта и делает всё более явную ставку на собственные разработки. Если раньше компания активно использовала стороннее решение, то теперь фокус смещается в сторону создания собственных моделей и технологий, которые могут стать основой для будущего суперинтеллекта. Внутри компании происходит переосмысление роли AI. Все ключевые продукты начинают объединяться вокруг экосистемы Капилот, от пользовательских интерфейсов до самих моделей. Параллельно формируется отдельное направление, полностью посвящённое развитию искусственного интеллекта. Это уже не вспомогательная технология, а один из главных приоритетов бизнеса. Главная цель, о которой всё чаще говорят внутри Microsoft - движение в сторону AGI, то есть универсального искусственного интеллекта. Это означает, что компания хочет не просто улучшать существующие инструменты, а создавать системы, способные выполнять широкий спектр задач на уровне человека или выше. Причина такого поворота вполне прагматична. Когда продукт зависит от чужих моделей, компания теряет часть контроля над своими технологиями и будущим развитием. В условиях стремительного роста рынка это становится серьёзным риском, особенно для крупных игроков. При этом сам рынок уже начинает меняться. Искусственный интеллект постепенно превращается в нечто большее, чем просто функция внутри программ. Он становится своего рода операционной системой, которая берёт на себя всё больше задач, а граница между приложением и моделью постепенно размывается.
Компания Nvidia представила новую систему под названием Newton 1.0. Физический движок, который меняет подход к обучению роботов. Его главная особенность в том, что он позволяет моделировать поведение объектов в виртуальной среде так, будто всё происходит в реальном мире. Раньше разработчики сталкивались с серьёзной проблемой. Робот мог отлично работать в симуляции, но при переносе в реальную среду начинал ошибаться. Причина в том, что виртуальные модели слишком упрощали физику, не учитывали множество мелких, но важных деталей. В результате робот терялся в настоящих условиях и не справлялся с задачами. Теперь ситуация меняется. Новый движок учитывает не только факт столкновения объектов, но и то, как распределяется давление, как ведут себя разные материалы, включая гибкие и сложные структуры. Это позволяет системе точнее понимать физику окружающего мира. Роботы начинают чувствовать взаимодействие с предметами, будь то кабель, ткань или другие нестандартные объекты. Ещё одно важное преимущество - скорость обучения. Благодаря более точной симуляции процесс тренировки ускоряется в разы. Это означает, что компании смогут быстрее разрабатывать и внедрять роботизированные решения. В практическом плане технология открывает новые возможности. Роботы смогут выполнять задачи с высокой точностью, например, собирать сложное оборудование или работать с деликатными материалами. Кроме того, навыки, полученные в виртуальной среде, теперь гораздо легче переносятся в реальный мир. Таким образом, Newton 1.0 может стать важным шагом в развитии работотехники, приблизив момент, когда роботы смогут уверенно работать в сложных и непредсказуемых условиях реальной жизни.
В индустрии видеоигр готовится очередной технологический скачок. Компания Nvidia представила новую версию своей технологии масштабирования изображений DLSS5, которая выходит за рамки привычного апскейлинга. Теперь речь идёт не просто о повышении разрешениях, а полноценной дорисовке изображения в реальном времени с помощью искусственного интеллекта. Главное отличие новой версии заключается в том, что система активно улучшает картинку прямо в процессе игры. Она делает освещение более реалистичным, усиливает глубину теней и добавляет детализацию текстурам. По сути, DLSS5 не только оптимизирует производительность, но и заметно повышает визуальное качество, приближая графику к более кинематографическому уровню без дополнительной нагрузки на железо. Технология уже вызвала интерес у разработчиков крупных проектов, а ждается, что одним из первых её получат такие игры, как Starfild, Assassin's Creed, Hogward Legacy, Resident Evil Requem и Phantom Blade Zero. Это означает, что новинка сразу появится в популярных и требовательных тайтлах, где качество изображения играет ключевую роль. Запуск DLSS5 запланирован на ближайшую осень. Если заявленны возможности подтвердятся, на практике это может стать важным шагом в развитии графики, где граница между реальным и сгенерированным изображением станет ещё менее заметна.
Компания XI сделала ещё один шаг в развитии своих технологий и представила новый инструмент GrК Tex to Spech IP. Речь идёт о системе, которая позволяет превращать текст вживую, естественную изучающую речь. По сути, теперь разработчики получают возможность встраивать в своё приложение полноценные голосовые интерфейсы, способные говорить не просто правильно, но и выразительно. Главная идея новинки- приблизить синтез речи к человеческому уровню. В отличие от старых решений, где голос звучал механически и однообразно, здесь упор сделан на интонации, эмоции и плавность речи. Это открывает новые сценарии использования от озвучивания контента и создания ассистентов до более сложных интерактивных сервисов. Особое внимание уделено доступности технологии. Грок текст to spech поддерживает более двадцати языков, что делает его универсальным инструментом для международных проектов. Это означает, что разработчики могут создавать продукты сразу для глобальной аудитории, не ограничиваясь одним рынком. Появление такого IP показывает, как быстро развивается направление голосовых технологий. Если раньше текст и звук существовали отдельно, то теперь граница между ними постепенно исчезает. Поиль может не только читать, но и слушать и делать это в более естественной форме, чем когда-либо прежде. В итоге X делает ставку на то, что голос станет одним из ключевых способов взаимодействия с технологиями. И, судя по тому, как быстро улучшается качество синтеза речи, это будущее уже начинает становиться настоящим.
В мире технологии появился ещё один шаг к тому, чтобы цифровые изображения стали ближе к реальности. Разработчики добавили новую функцию в инструмент loward, который позволяет по-новому взглянуть на привычные картинки интерьеров. Теперь достаточно одной фотографии, чтобы осмотреть пространство с разных сторон. Словно вы находитесь внутри комнаты. Новая возможность получил название Mulльangels. С её помощью поятель может загрузить изображение и буквально проворачивать сцену, меняя угол обзора. То, что раньше было статичной картинкой, превращается в подобие трёхмерного пространства. Интерьер можно рассматривать под разными ракурсами, изучить детали и представить, как он выглядит с других точек. Это особенно удобно для дизайнеров, архитекторов и всех, кто работает с визуализацией. Но и обычным поискателям технология даёт новый опыт. Вместо одного вида появляется ощущение присутствия внутри пространства. Комната больше не ограничивается рамками изображения, она как будто раскрывается перед зрителем. Фактически речь идёт о переходе от простой картинки к интерактивному восприятию. Поятель может перемещаться по сцене, менять угол обзора и исследовать интерьер так, как будто он создан в формате 3D. И всё это без сложных моделей и дополнительных рендеров. Подобные технологии постепенно стирают границу между фотографией и виртуальной средой. То, что ещё недавно требовало сложной графики и мощных компьютеров, теперь становится доступным прямо из одного изображения. И это лишь начало. Такие решения могут изменить подход к дизайну, презентациям и даже онлайнпокупкам интерьеров.
История с использованием искусственного интеллекта в учёбе получила неожиданное продолжение. Студентка решила упростить себе задачу и обратилась в чат GPT за помощью с тестом по химии. Она отправила задание, получила ответы и, не проверяя их, сдала работу. Результат оказался разочаровывающим. Вместо ожидаемой высокой оценки она получила двойку. После этого девушка решила разобраться, что пошло не так. Она снова обратилась к нейросети. но уже с другим вопросом: где были допущены ошибки? Ответ оказался прямым и даже немного неожиданным по своей честности. Искусвенный интеллект признал, что часть данных им ответов действительно была неверной, и предложил разобрать задание заново. Фактически система не стала оправдываться или уходить от ответа. Напротив, она открыто указала на собственные ошибки и предложила объяснить правильные решения. Такой подход показал, что неростить может не только помогать, но и признавать свои ограничения. Эта история ещё раз напоминает, что искусственный интеллект - не волшебная кнопка, которая гарантирует правильный результат. Он может ошибаться, особенно если использовать его без проверки. В то же время его способность анализировать свои ответы и исправляться делать его полезным инструментом, но только в руках внимательного пользователя. В итоге главный вывод прост и может помочь учёбе, но полностью полагаться на него без собственного понимания темы рисковано.
В открытом доступе появился новый проект под названием Cшкло, который позиционирует как и агента, способного зарабатывать деньги без постоянного участия человека. Идея звучит амбициозно. Поисль запускает систему, после чего она самостоятельно начинает искать возможности для заработка в интернете. Разработчики утверждают, что такой агент может брать на себя весь цикл работы. Он анализирует рынок, находит потенциальных заказчиков, выбирает более выгодные направления и приступает к выполнению задач. При этом участие человека сводится к минимуму. Система действует почти автономно, используя алгоритмы и накопленный опыт. После выполнения работы агент получает оплату и переводит её владельцу. Важная часть концепции заключается в том, что система со временем обучается. Она учитывает отзывы, оценивает результат своей работы и пытается улучшить стратегию, чтобы зарабатывать больше в будущем. Фактически речь идёт о попытке создать цифрового работника, который может функционировать без перерывов и усталости. Однако пока неясно, насколько эффективно такие решения будут работать в реальных условиях. и смогут ли они стабильно приносить доход. Тем не менее, появление подобных проектов показывает, что индустрия всё активнее движется в сторону полностью автономных и систем, способных не только помогать человеку, но и частично заменять его в экономических процессах.
Мы решили открыть свой офис, в котором мы заменим CH GPT. Мы умеем всё то же, что умеет CH GPT, только мы потребляем меньше воды. Люди писали свои промты у нас в Телеграме. В основном мы генерировали картинки, ну, в разных стилях, так сказать. И ещё были запросы на разбор отношений.
Марина изменила Егору.
Показывай.
Егор слишком сильно любил Марину.
Тебе нужно сказать ей, Марин, в первую очередь выдохни.
Марина, честно, а вот сейчас было по-настоящему сильно и по-взрослому.
Этим поступкам ты только показала, насколько тебе важен Егор.
Егор.
Егор.
Мы правда ещё не придумали, как нам назваться.
Есть чат ГПТ, а мы будем чат
ЖКТ. Ну, не совсем.
ПД, может, МРТ. Присылайте нам ещё промты, чтобы мы работали.