Transcription
Всем привет. В этом выпуске самые главные свежие новости об искусственном интеллекте и технологиях.
И ускоряет квантовый прорыв, и сроки, о которых раньше говорили десятилетиями, начинают резко сжиматься. Google делает ставку не на размер модели, а на скорость. Обновление Гема 4 с MTP драфтерами снижает задержки и меняет ощущения от работы с EИ. Антропик превращает EИ в готовый инструмент. Шаблоны агентов Clт можно внедрять в бизнес-процессы без долгой разработки. GPT 5.5 Instant обновляется без шума, но влияет на миллионы пользователей. Меньше лишнего текста, больше точных и полезных ответов. Об этом и многом другом в этом выпуске смотрите это видео до конца, чтобы ничего не пропустить.
Google выкатил подборку бесплатных AI-курсов с сертификатами, без оплаты, без подписок. Я собрал 10 лучших. Переходите и смотрите в подборку в моём Telegram-канале по ссылке в описании под видео. На бесплатных курсах вы обучитесь тому, как работает генеративный и и чем он отличается от классического машинного обучения. База по работе с искусственным интеллектом в ежедневных задачах. Промпт инженерии и работа с джиминай в реальных кейсах, а также многое другое. Всё в моём телеграме по ссылке в описании под видео.
Несколько дней назад появилась новость, которая звучит как сценарий из научной фантастики, но обсуждается уже на полном серьёзе. Искусственный интеллект оказался напрямую вовлечён в исследование, связанное с прорывом в квантовых вычислениях. Один из участников этой работы в разговоре с журналистами прямо заявил, что мир к таким изменениям не готов. И дело здесь не в том, что уже создан квантовый компьютер, способный взломать банковские счета. Куда важнее другое, оценка сроков, когда такие возможности могут появиться, начала стремиться сокращаться.
Эта история не про один чип и не про отдельную лабораторию. Речь идёт уже о совпадении сразу трёх процессов. Во-первых, сами квантовые компьютеры постепенно становятся мощнее. Во-вторых, алгоритмы, на которых они работают, становятся эффективнее. И в-третьих, искусственный интеллект начинает помогать исследователям находить эти алгоритмы быстрее, чем это было возможно раньше. Именно эта комбинация меняет восприятие угрозы. Теперь важно не только то, насколько большой должна быть квантовая машина, но и насколько умно можно использовать даже относительно компактные системы.
Чтобы понять, почему это вызывает тревогу, нужно разобраться в основе современной цифровой безопасности. Интернет опирается на криптографию, математические задачи, которые легко проверяются, но практически невозможно решить в обратную сторону. Для классических компьютеров перебор таких задач занимает время, которое может превышать возраст вселенной. Однако ещё в 1990 годы был предложен алгоритм Шора, который показал: достаточно мощный квантовый компьютер способен решать подобные задачи значительно быстрее. Речь идёт прежде всего о так называемой криптографии с открытым ключом, технологии, которая лежит в основе HTTPS соединений, банковских операций, мессенджеров, обновления программного обеспечения и даже криптовалютных кошельков.
Когда говорят, что квантовые компьютеры могут сломать интернет, это не означает мгновенное исчезновение всех паролей. Это означает, что ключевые механизмы доверия, те самые математические замки, могут перестать быть надёжными. Долгое время существовал относительно спокойный сценарий. Да, угроза реальна, но необходимые квантовые компьютеры будут слишком большими, дорогими и появятся не скоро. Проблема в том, что слишком большими - это нефиксированная величина. Если удаётся снизить требования к системе, то опасная машина может оказаться гораздо ближе, чем предполагалось. И именно это сейчас и происходит.
Одно из ключевых исследований касается криптографии на эллиптических кривых, в частности, широко используемой схемой уровня 256 бит. Исследователи показали, что теоретически атака на такую систему может быть выполнена с использованием менее чем 1.00 логических кубитов и менее чем 19 млн операций тофли. Альтернативная оценка около 1.450 логических кубитов и менее 70 млн таких операций. Чтобы понять масштаб, важно различать логические и физические кубиты. Физические кубиты - это реальные нестабильные элементы квантового компьютера. Логически кубиты - это более надёжные конструкции, которые создаются из большого числа физических. Согласно оценкам, подобная атака могла бы быть реализовано на системе с менее чем 500.000 физических кубитов и выполнена за минуты. Это не означает, что такая машина уже существует, но показывает, насколько снизились требования по сравнению с прежними ожиданиями.
Интересно, что в этом случае исследователи не опубликовали полный набор схем атаки. Вместо этого они использовали так называемые доказательства с нулевым разглашением. метод, позволяющий подтвердить корректность результата, не раскрывая всех деталей. Это отражает новую реальность. По мере приближения практических атак публикация всех технических деталей может сама по себе стать рискованной.
Второе направление исследований связано с альтернативными архитектурами квантовых компьютеров, в частности с системами на основе управляемых атомов. В одной из работ утверждается, что алгоритм Шора может быть реализован на уровне достаточном для практических атак с использованием около 10.000 перенастраиваемых атомных кубитов. Более того, при примерно 26.000 тысях физических кубитах, такая система теоретически способна атаковать задачу уровня P-256 за несколько дней. Важно подчеркнуть, это не означает, что такая машина уже существует. Речь идёт о теоретических оценках, которые ещё не прошли полноценную научную проверку. Например, исследователь из Пристана Джефф Томпсон отмечал, что подобные расчёты зависят от множества допущений, и при оптимистичных предположениях размеры системы можно сильно сжать на бумаге.
Тем не менее, даже такие оценки меняют общий настрой, особенно с учётом того, что в этих исследованиях активно использовался искусственный интеллект. Авторы прямо заявляют, что применяли и для ускорения разработки алгоритмов. В частности, использовали инструмент Open Evolve- система с открытым исходным кодом, который применяет большие языковые модели для оптимизации алгоритмов по принципу, напоминающему естественный отбор. По словам исследователей, ранние версии их алгоритмов были примерно в тыся раз менее эффективными. Улучшения, полученные с помощью и сделали этот подход практически применимым в теории. Кроме того, эта система помогла объединить идеи из разных узкоспециализированных областей квантовой физики, что человек в одиночку сделал бы значительно медленнее.
При этом ключевая роль остаётся за людьми. Один из ведущих специалистов в области квантовых вычислений Джон Прескил отметил, что был удивлён тем, насколько удалось сократить требования к системе. Но он также подчеркнул, именно исследователи формулируют задачи и направляют поиск решений. А Ииступает как инструмент ускорения.
Реакция индустрии показывает, насколько серьёзно воспринимаются эти изменения. Компания Cloud Flare, обеспечивая защиту значительной части интернет-трафика, заявила о намерении перейти к полной постквантовой безопасности уже к 2029 году. Ранее в отрасли обсуждались сроки около 2035 года, но теперь они пересматриваются в сторону ускорения. При этом Cloud Flare подчёркивает, что проблема не ограничивается шифрованием данных. Не менее важна аутентификация, подтверждения того, что вы взаимодействуете именно с тем сервисом, за который он себя выдаёт. Если эти механизмы окажутся уязвимыми, злоумышленники смогут не только читать данные, но и выдавать себя за доверенные системы.
Отдельный риск связан с концепцией собрать сейчас, расшифровать позже. Организации вроде НА, ЦИС и NIST предупреждают, что данные могут перехватываться уже сегодня с расчётом на то, что в будущем их удастся расшифровать с помощью квантовых технологий. Это особенно критично для информации с длительным сроком актуальности, государственных документов, медицинских данных и корпоративных секретов. На этом фоне Национальный институт стандартов и технологий СШАТ уже в августе 2024 года утвердил первые три стандарта постквантовой криптографии и рекомендовал начинать переход как можно раньше.
Однако внедрение таких решений - это сложный и длительный процесс. Недостаточно просто добавить новый алгоритма. Необходимо отключить старые уязвимые схемы, чтобы избежать так называемых атак понижения, при которых злоумышленник заставляет систему использовать более слабую защиту. Кроме того, требуется обновление ключей, сертификатов, токенов доступа и множество связанных компонентов. По оценкам самой Cloud Flare, задача сопоставима с полной заменой замков, ключей, удостоверений личности и систем безопасности одновременно во всём цифровом мире. При том, что этот мир продолжает работать без остановки. Уже сейчас более 65% пользовательского трафика через их сети защищено с использованием постквантовых методов. Но полная защита, включая аутентификацию, остаётся целью на ближайшие годы.
В итоге формируется новая картина. Квантовые компьютеры по-прежнему далеки от практического взлома глобальной инфраструктуры, но сочетание более эффективных алгоритмов и ускорение исследований с помощью EИ постепенно сокращает дистанцию. И если раньше главный вопрос звучал как: "Когда это произойдёт?" то теперь он всё чаще формулируется иначе. Сколько времени осталось, чтобы подготовиться?
Судебное разбирательство вокруг Open постепенно раскрывает детали, которые раньше оставались за пределами публичного обсуждения. В центре внимания оказались финансовые связи внутри руководства компании и их возможное влияние на стратегическое решение. На одном из заседаний президент Open Грег Брокман сообщил, что его доля в компании оценивается почти в 30 млрд долларов. Цифра, которая ранее не озвучивалась и сразу стала одним из ключевых аргументов в споре.
Эти данные прозвучали в ходе процесса и инцированного Илоном Маском, который когда-то сам стоял у истоков Openi. Теперь он утверждает, что организация отошла от своей первоначальной идеи работать как некоммерческая структура, ориентированная на общественное благо. По его версии, переход к коммерческой модели был связан не только с необходимостью фиксирования, но и с личным интересом руководителей. Маск требует отстранения нынешнего руководства и компенсации, размер которой оценивается в 150 млрд долларов.
В ходе слушаний также стало известно, что ещё в 2017 году Сэм Альтман представил Брокману долю в своём семейном инвестиционном фонде, которая на тот момент оценивалась в 10 млн долларов. Эта информация стала поводом для вопросов о возможной зависимости решений Брокмана от Альтмана. В переписке, представленной в суде, обсуждалось, что подобная схема могла усилить личную лояльность внутри команды. Сам Брокман, отвечая на прямые вопросы, избегал жёстких формулировок, но не отрицал наличия таких договорённостей.
Дополнительное внимание привлекли инвестиции Брокмана в сторонние проекты, связанные с Альтманом. В частности, речь идёт о долях компании Cebr, занимающейся разработкой чипов для искусственного интеллекта, а также в энергетическом стартапе Helion Energy. Обе иначе пересекаются с интересами Openi, что усиливает дискуссию о возможных конфликтах интересов.
Сам процесс может оказать серьёзное влияние на будущее Openi. За последние годы компания привлекла более 100 млрд долларов инвестиций и стала одним из ключевых игроков на рынке генеративного ИИ. Развитие технологий требует огромных затрат на вычислительные мощности и исследования. И именно это, по словам представителей компании, стало одной из причин изменения структуры. В ООПНА отвергает обвинение Маска и считают, что его действия продиктованы желанием вернуть контроль над организацией. В компании также указывают, что он покинул совет директоров ещё в 2018 году и с тех пор развивает собственные проекты в области искусственного интеллекта, включая XI. По их мнению, текущий иск - это не столько вопрос принципов, сколько борьба за влияние в быстрорастущей отрасли.
Разбирательство продолжается, и его исход может задать новый вектор не только для Open, но и для всей индустрии. На фоне стремительного роста рынка ИИ вопросы прозрачности управления и баланса между прибылью и общественными интересами становятся всё более острыми.
Мета запускает новую систему, которая с помощью искусственного интеллекта пытается определить возраст пользователей по их активности в соцсетях. Речь не идёт о прямом использовании лиц. Алгоритмы анализируют фотографии и видео в профиле, тексты постов и комментариев, а также косвенные признаки, например, внешний вид, рост или манеру поведения. На основе этих данных система делает предположение о том, сколько лет человеку.
Компания объясняет, что основной задачей является выявление пользователей младше 13 лет. Если система считает, что аккаунт принадлежит ребёнку, профиль могут автоматически отключить. Такой подход, по словам разработчиков, должен усилить контроль за возрастными ограничениями и сократить количество несовершеннолетних пользователей, которые регистрируются, указывая недостоверные данные.
Одновременно МЕТ развивает формат так называемых подростковых аккаунтов. Это отдельный тип профиля с заранее установленными ограничениями. Они касаются личных сообщений, доступного контента и взаимодействия с другими пользователями. Подобный аккаунт уже проходит тестирование в ряде регионов, включая страны Европейского Союза и США. В компании подчёркивает, что речь идёт о постепенном внедрении технологии. Система ещё дорабатывается, а её точность и последствия для пользователей остаются предметом обсуждения. Однако направление развития уже понятно. Платформа пытаются активнее контролировать возраст аудитории и вводить дополнительные механизмы защиты для подростков.
Google представил обновление для семейства модели Гема 4, сосредоточившись не на росте размеров или усложнении архитектуры, а на ускореи работы. Речь идёт о внедрении так называемых MTP драфтеторов, механизмов, которые позволяют заметно сократить задержки при генерации текста и повысить отзывчивость системы без потери качества. Сама линейка Гема 4 была представлена всего несколько недель назад и за это время успел набрать более 60 млн загрузок. Модели позиционируются как универсальное решение, способные работать как на локальных устройствах, так и в облаке. Теперь разработчики делают следующий шаг: оптимизацию скорости, которая на практике часто оказывается важнее любых теоретических улучшений.
Новая технология основана на подходе multльiten Prediction MTP. Вместо того, чтобы генерировать текст строго по одному токену за раз, как это происходит в стандартных языковых моделях, система пытается предсказать сразу несколько следующих токенов. Для этого используется связка из двух моделей: основной, более тяжёлый и облегчённый, вспомогательный. Лёгкая модель быстро предлагает возможное продолжение, а основная проверяет его и подтверждает или отклоняет. Такой подход позволяет задействовать вычислительные ресурсы эффективнее.
В классическом сценарии большая часть времени уходит на перемещение параметров моделей из памяти, а не на сами вычисления. Это создаёт узкое место и увеличивает задержки. В случае с MTP часть работы переносится на более лёгкий модуль, который может заранее подготовить несколько вариантов продолжения, пока основная модель ещё обрабатывает текущий шаг. Если проверка проходит успешно, система сразу принимает всю последовательность токенов за один проход и даже добавляет ещё один токен сверху. В результате пользователь получает больше текста за то же время, которое раньше уходило на генерацию одного элемента.
По данным разработчиков, ускорение может достигаться трёх раз. При этом логика рассуждений и точность ответа остаются прежними. На практике результаты зависят от устройства. Например, на мобильных GPU, вроде Samsung S26 ускорение для моделей E2B и E4B достигается примерно в 1,8X и 2,2X. Соответственно, на устройствах с пиixel TPU показатель доходит до 2,8X и 3.1X. Для более крупных моделей, таких как GMA 431B, на чипе Apple M4 фиксируется прирост до 2,5x, а на Nvidio A1 до 3X.
Особое внимание уделено локальному использованию. Разработчики подчёркивают, что теперь модели уровня 26B и 31B можно запускать на персональных компьютерах и потребительских GPU с заметно меньшими задержками. Это открывает возможности для оффлайн-разработки, создания агентных систем и инструментов программирования без постоянного обращения к облаку. Дополнительные улучшения касаются на внутренних архитектур. Драфтеры используют уже вычисление активации основной модели и общей КВш, что избавляет от повторных расчётов. Для компактных моделей внедрены оптимизации на уровне эмптингов, позволяющие ускорить финальные этапы генерации. Также отмечается, что увеличение BCH Sides, например, до 4-во запросов одновременно может дать дополнительный прирост скорости до 2, раза на локальных системах.
MTP драфтеры распространяются на тех же условиях APCH 2.0, что и сами GMA 4. Они уже доступны для загрузки через HAGENF и Kegle, а также поддерживаются инструментами вроде MLX, LLM и Transformers. Таким образом, разработчики получают не новую модель, а способ использовать уже существующее решение быстрее. И именно это может оказаться ключевым фактором в реальных сценариях применения.
Antropic представила новый подход к использованию своих моделей. Компания выпустила готовые шаблоны агентов на базе CLТ, которые можно быстро внедрять в рабочие процессы. Речь идёт не о демонстрациях возможностей, а о конкретных инструментах, рассчитанных на повседневные задачи внутри бизнеса. Среди предложенных сценариев агент для подготовки инвестиционных презентаций, системы для анализа компаний и решений для автоматизации отчётности. Эти роли уже заранее настроены и ориентированы на практическое применение, что снижает порог входа для команд, которые раньше не работали с подобными технологиями.
Важно часть подхода готовая инфраструктура. Шаблоны включают подключение к источникам данных, встроенную логику обработки информации и возможность использовать дополнительные подзадачи через отдельных субагентов. Это позволяет распределять сложные процессы на несколько уровней и ускорять выполнение работы. Подключение таких решений устроено максимально просто. Их можно интегрировать как расширение через инструменты вроде клод-код или развернуть сразу в рабочей среде без дополнительной настройки. В результате компания получает инструмент, который можно использовать практически сразу, без необходимости собирать систему с нуля.
Расходы на искусственный интеллект в крупных технологических компаниях начинают стремительно расти и уже влияют на кадровые решения. Генеральный директор Uber Дара Хасровашахи отмечает, что бюджеты на ИАинструменты всё чаще сопоставимы с затратами на найм сотрудников, а некоторых случаях даже начинают с ними конкурировать. По его словам, годовой бюджет компании на инструменты искусственного интеллекта был израсходом всего за 4 месяца. При этом около 84% инженеров уже активно используют AI в работе, включая решение наподобие CLД-код. Финансовая нагрузка на одного разработчика при этом может достигать от 500 до 2.000 долларов в месяц только на использование токенов.
Одновременно меняется и сама структура разработки. Примерно 11% кода уже создаётся без прямого участия человека, а AI агенты способны вносить до 1.800 изменений в продакшн каждую неделю. Это существенно ускоряет цикл разработки и меняет представление о том, сколько ресурсов требуется для поддержания продукта. На этом фоне компания начинает пересматривать подход к росту команд. Если инструменты делают инженеров заметно продуктивнее, то вместо расширения штата становится рациональнее увеличивать вычислительные ресурсы. Иными словами, выбор всё чаще встаёт между наймом новых людей и покупкой дополнительных токенов.
В Кремневой долине эта логика уже обсуждается на уровне системных изменений. Появляется идея рассматривать доступ к вычислениям как часть компенсации разработчиков наравне с зарплатой, бонусами и акциями. Такой подход предполагает, что эффективность инженера будет зависеть не только от его навыков, но и от объёма доступных ему и ресурсов. Похожую позицию ранее высказывал глава NVIDIA Дженсон Хуан, предлагая компаниям напрямую выделять инженерам бюджета на использование искусственного интеллекта. Это отражает более широкий сдвиг. Вычисление постепенно становится таким же базовым рабочим ресурсом, как время и человеческий труд.
Появился новый бенчмарк под названием Program Bench, который предлагает более строгую проверку возможностей искусственного интеллекта. Если раньше основное внимание уделялось тому, умеет ли модель писать отдельные фрагменты кода, то теперь задача сформулирована иначе. Может ли система собрать полноценное приложение с нуля, опираясь только на исходные данные. В качестве теста используются реальные сложные проекты. Один из примеров FFMP. Крупная и многослойная система для работы с видео и аудио. Моделям дают бинарные файлы и документацию. при этом полностью отключают доступ к интернету. После этого требует воссоздать программу целиком без внешних подсказок и готовых решений.
Такой формат быстро выявил ограничение текущих моделей. Ни одна из них не смогла пройти все задания. Даже самые сильные показывают результат, который можно описать как частичный успех. В отдельных случаях система справляется, но стабильности нет. У лидера бенчмарка лишь около 3% задач выполняются с точностью на уровне примерно 95%. Результаты програм Bench показывают, что разрыв между написанием отдельных функций и созданием полноценных программ остаётся значительным. Модели уверенно решают локальные задачи, но при попытке собрать сложную систему начинают терять контекст, допускать ошибки и не доводит проект до рабочего состояния.
Open представила обновление базовой модели GPT, GPT 5.5 Instant. В компании подчёркивает, что цель обновления - сократить количество лишней информации и сделать ответы более полезными в реальных задачах. Одним из ключевых направлений стала работа с достоверностью. По внутренним оценкам, GPT 55 Instant показывает заметное улучшение по фактической точности по сравнению с GPT 5,3 Instant. В частности, количество ложных или вымышленных утверждений сократилось примерно на 52% в ряде тестов, включая сложные темы вроде медицины, права и финансов. В дополнении к этому система снизила долю неточных ответов на 37,9% в ситуациях, которые ранее вызывали сомнения у пользователей. Это означает, что модель чаще либо даёт корректный ответ, либо прямо указывает на ограничение своих знаний.
Изменения затронули и общий стиль взаимодействия. Ответы стали короче и более сфокусированными. Модель стремится быстрее переходить в сути, не теряя при этом содержания. ВН отмечает, что это особенно важно для повседневных задач от поиска информации до работы с документами и изображениями. GPT 5.5 Instant лучше справляется с анализом визуальных данных, вопросами из области Steam и выбором момента, когда стоит подключить дополнительные источники для уточнения ответа.
Результаты тестов также отражают эти изменения. В научном резонинг бичмарки Chat Avia показатели выросли примерно 75% до 81%. В мультимодальном тесте MMU Pro с 68% до 76%. В задачах разбора документов Omni DocBench модель снизила уровень ошибок с 14 до 12,5. В более сложных научных тестах уровня PhD, таких как GPQA, точность увеличилась с 78,5% до 86,5%. В математическом соревновании AME 2025 рост составил с 56,4% до 61,2%.
Отдельное внимание уделено персонализацией. GBT 5.5 Instant использует контекст прошлых диалогов, файлов и подключенных сервисов, чтобы адаптировать ответы под пользователя. Это позволяет избегать повторов и быстрее переходить к релевантным рекомендациям. При этом пользователь сохраняет контроль. Можно просматривать, какие данные используются, удалять их или отключать сохранение. Новая версия также вводит более прозрачную работу с памятью. Система показывает, какие именно фрагменты контекста повлияли на ответ, будь то предыдущие сообщения или сохранение заметки. В Open признают, что этот механизм пока не всегда отражает всю картину, но его будут постепенно дорабатывать.
GPT 5.5 Instant уже начинает заменять GPT 5.3 Instant в качестве модели по умолчанию в Chat GPT. В IB она доступна под названием chatтлатеest, а для платных пользователей продолжит работать в течение переходного периода. Расширенные функции персонализации сначала появляются у пользователей Плюс и Teams, затем у Enterprise. В ближайшее время эти возможности станут доступны и в мобильной версии. Таким образом, обновление делает ставку не на отдельные громкие функции, а на повседневное качество. Меньше ошибок, меньше лишних слов и больше учёта контекста. Именно такие изменения по расчёту разработчиков и формируют реальный опыт работы с Ииd Youve got nothing to do. And so calling you position Number two.