⚙️ Исследование объяснило, почему ИИ-агентам полезны «скиллы» и когда они сбоят

Учёные из Принстона, Калифорнийского университета в Сан-Диего и других вузов впервые детально разобрали, как именно «скиллы» — компактные наборы инструкций для ИИ-агентов — влияют на их работу. В контролируемых экспериментах они сравнили поведение агентов с навыком и без него на одинаковых задачах: всего 8135 тестовых прогонов.

Главный вывод: скиллы помогают в первую очередь как пошаговый «сценарий» действий, а не как источник фактов. Такое «процедурное заземление» объяснило 65,7% случаев, когда агент со скиллом работал лучше. Прямая передача знаний дала эффект лишь в 4,5% случаев. То есть скиллы сокращают типичные ошибки выполнения: неправильную настройку окружения, неверный порядок вызова инструментов, проблемы с форматом вывода.

Но у подхода есть и слабые места. В 10% случаев агент применял полезный сценарий механически, не адаптируя его под задачу. А когда библиотека скиллов растёт с 5 до 100 записей, точность поиска нужного навыка падает с 29,6% до 3,3%. Авторы считают, что развитие агентов зависит не от накопления скиллов, а от надёжных механизмов их создания, поиска и применения.

#Ai #Agents #Skills #Research #MachineLearning #Tech

❓ Как программно-определяемое производство вписывается в реальные заводы

The Robot Report разбирается, почему концепция software-defined manufacturing (SDM) перестаёт быть абстрактным трендом и начинает менять обычные цеха. Идея в том, чтобы перенести акцент с «железа» на программный слой: станки, роботы и транспортные системы управляются через API и цифровые двойники, а не жёсткими фиксированными линиями.

В такой архитектуре производство становится перестраиваемым: чтобы выпустить новую деталь, не нужно месяцами переналаживать оборудование. Достаточно обновить софт, изменить порядок операций и перераспределить задачи между роботизированными ячейками. Стандартизированные интерфейсы вроде OPC UA и MQTT связывают разрозненные станки, AGV и AMR в единую среду, а ИИ-планировщики могут оптимизировать загрузку в реальном времени.

Для предприятий это означает меньше простоев, быстрее вывод новых моделей и более гибкую реакцию на изменения спроса. Активнее всего такие решения внедряют автопроизводители и электронная промышленность. Главный барьер — унаследованное оборудование и привычные процессы, которые сложно перевести на новый цифровой контур. Тем не менее SDM уже не будущее, а рабочий инструмент для тех, кто готов перестраивать производство вокруг софта.

#Tech #Robotics #Manufacturing #Automation #Industry #SDM

🆚 GLM-5.3 против Claude Fable 5 на DeepSWE: цена, код и маршрутизация

Сравнение моделей на бенчмарке DeepSWE показало статистическую ничью по первому запуску, но 5,4-кратную разницу в цене. У Claude Fable 5 pass@1 — 69,7%, у GLM-5.3 — 69,0%, разрыв внутри погрешности. При этом один прогон GLM стоит $3,99 против $21,63 у Fable: на $100 GLM решает 17 задач, а Fable — только 3.

С ретраями открытая модель выходит вперед: pass@2 — 81,1% против 77,1%, pass@4 — 87,6% против 84,1%. GLM также покрывает больше задач (87,6% против 84,1%) и заметно менее многословен: 80k выходных токенов против 114k, хотя делает больше шагов. По времени прогона модели почти равны: 35 и 34 минуты.
Корреляция по задачам — 0,65, так что запускать обе модели параллельно почти бессмысленно. Авторы теста советуют держать дешевую GLM-5.3 как основную, а к Fable обращаться только для Rust и сериализации. GLM сильнее в запросах/конфигах, рантаймах и конкурентности, Fable — в data modeling, build и protocol conformance.

#AI #GLM53 #ClaudeFable5 #DeepSWE #TogetherAI #Coding #Comparison

🔼ИИ-агент Faraday от Inherent обошел Anthropic и OpenAI в воспроизведении научных исследований

Лондонский стартап Inherent, основанный выходцами из Google DeepMind, заявил, что его агент Faraday превзошёл Claude Opus 4.8 и GPT-5.5 в воспроизведении результатов опубликованных научных работ. При этом Faraday работает на модели Qwen 3.6 с 27 млрд параметров — заметно меньшей, чем у фронтирных систем конкурентов.

Компания вышла из тени несколько недель назад с раундом на $50 млн. В Inherent подчёркивают: важнее победы был подход. Агента обучали с помощью reinforcement learning, вознаграждая за хорошие исходы, а не за следование правилам. Цель — развить у ИИ «исследовательский вкус»: умение выбирать эксперименты и строить их дизайн. При этом для написания кода Faraday использовал GPT-5.5 Codex от OpenAI, а не собственный инструмент.

В Inherent видят в этом шаг к созданию «ИИ-учёного», способного не только проверять чужие результаты, но и открывать новые знания. Команда из примерно 12 человек работает в офисе в King's Cross и планирует расшириться до 20–25 сотрудников к концу года.

#AI #Agents #Science #DeepMind #Inherent

⚙️ Alibaba запустила CosyVoice Studio — первую полноценную голосовую AI-платформу Китая

Alibaba представила CosyVoice Studio, назвав её первой в Китае full-stack платформой голосовой продуктивности. В единый стек собраны модели семейства Qwen-Audio: распознавание речи, синтез и голосовое взаимодействие в реальном времени. Флагманская Qwen-Audio-3.0-Realtime ранее возглавила индекс Artificial Analysis Speech-to-Speech с результатом 84,1%, лидируя по качеству рассуждений, агентным задачам и динамике диалога.

Платформа разделена на три модуля. CosyFlow — личный ассистент: превращает сжатую речь в структурированный результат без ручной «чистки», которую требуют традиционные голосовые инструменты. CosyCreative — контент-слой: принимает сценарий или URL и генерирует готовый аудиопродукт любым голосом. CosyAgent — корпоративный уровень: позволяет компаниям добавить голосовой интерфейс к существующим системам поддержки.

Запуск отражает глобальный бум voice-native продуктивности. Wispr, американский голосовой клавиатурный стартап, за полгода почти утроил оценку до $2 млрд, а финансирование голосовых AI-проектов в первом квартале 2026 года превысило $7 млрд. Китайский рынок при этом был заполнен точечными решениями. Alibaba делает ставку на то, что следующим этапом станут именно платформы, и CosyVoice Studio — первый такой продукт крупной китайской компании. Преимущество Alibaba — доступ к реальному трафику Qwen, DingTalk, Amap и Taobao с 2023 года, что позволило закалить модели на диалектных данных и выпустить платформу сразу, без долгих пилотов.

#AI #VoiceAssistant #CosyVoice #Alibaba #China #Platform

🤖 Unitree представила гуманоида Superman: прыжок на 2 метра и скорость 12,66 м/с

Китайская робототехническая компания Unitree анонсировала нового человекоподобного робота под названием Superman. По заявлению производителя, робот способен прыгать на 2 метра с места и разгоняться до 12,66 метра в секунду — примерно 45,6 км/ч.

Впрочем, в компании не раскрыли детальную методику тестирования: неизвестны условия покрытия, полезная нагрузка и повторяемость результатов. Пока это заявленные характеристики, а не подтверждённые независимыми тестами. Также нет информации о запуске робота в серийное производство. Это не первый амбициозный проект Unitree: ранее компания уже показывала гуманоидов H1 и G1, а также четвероногих роботов серии Go2.

Новинка продолжает гонку в сфере человекоподобных роботов, в которой участвуют Tesla Optimus, Figure и другие китайские стартапы. Однако до коммерческого применения и реальной работы в промышленности таким машинам, судя по всему, ещё далеко.

#Tech #Unitree #Robotics #Humanoids #AI

🐧 Линус Торвальдс похвалил ИИ за помощь в «отладке из ада»

В коммите к драйверу drm/xe для Linux Торвальдс рассказал, как ИИ помог ему разобраться со сложной проблемой. По его словам, это была «отладочная сессия из ада», и ассистент взял на себя значительную часть черновой работы.

Любопытная деталь: ИИ несколько раз заявлял, что задача неразрешима и пора писать отчёт. Торвальдс предположил, что модели обучали на людях, которые «не настолько упрямы», как он. Тем не менее, когда он настаивал, ИИ продолжал добавлять отладочный код и аккуратно анализировать результаты. В итоге Торвальдс отдал должное ассистенту и даже позволил ему написать текст коммита.

Речь идёт о реальном коммите в ядро Linux — про то, что flat CCS storage не стоит выдавать за используемую VRAM. Это не просто забавная цитата, а признак того, что ИИ-инструменты становятся рабочим инструментом даже для самых требовательных разработчиков ядра.

#AI #Linux #LinusTorvalds #Development #drm_xe

🪙 Серый рынок Claude в Китае: токены Anthropic по цене в 10 раз ниже официальной

Несмотря на геоблокировку, проверки кредитных карт и даже биометрию для части пользователей, китайские разработчики свободно покупают токены Claude примерно за 10% официальной цены. К такому выводу пришла Цзылань Цянь из Oxford China Policy Lab в анализе для ChinaTalk.

Схема строится на «передаточных станциях» — API-прокси на серверах вне Китая. Они принимают запросы, пересылают их Anthropic от имени легитимного пользователя и возвращают ответ. Оплата идёт в юанях через WeChat или Alipay, ни VPN, ни иностранной карты не нужно. Такие прокси каталогизированы в комьюнити-списках с рейтингами по цене и доступности. Пользователи — от студентов и исследователей до китайских AI-лабораторий, которые дистиллируют западные модели.

Цены снижают несколькими способами: используют бесплатные $5-кредиты, корпоративные и образовательные скидки, делят один подписки Max за $200 через квоты токенов. Отдельная практика — «разбавление»: прокси тихо подменяет запрошенную модель Opus 4.7 на более дешёвую Sonnet или даже китайскую Qwen. Исследователи CISPA проверили 17 прокси и обнаружили массовую подмену моделей — один «Gemini-2.5» показал лишь 37% на медицинском бенчмарке вместо официальных 83,82%.

Главный риск — монетизация логов. Через прокси проходят промпты, ответы, вызовы инструментов и данные из код-баз агентов. Оператор может собирать эти данные для обучения или дистилляции. На HuggingFace уже появляются датасеты с выводами Claude Opus 4.6 без внятного происхождения.

#Business #AI #Market #Token #Anthropic #Claude

❓ Почему локальная LLM «тупит» сильнее, чем должна

Разбор на Level1Techs объясняет, почему одна и та же модель у вас дома ощущается заметно глупее, чем в бенчмарках лаборатории. Дело не в «плохой» модели, а в расхождениях реализации инференса: у каждого своё железо, свои GPU разных поколений, свой набор библиотек и свой путь исполнения кода.

Автор призывает не оценивать модель тремя zero-shot промптами при температуре 0. Для агентных задач нужны длинноконтекстные тесты с вызовом инструментов и предметные бенчмарки. Отдельно отмечает типичную ошибку: слишком низкая температура ломает выход Qwen — модель зацикливается в THINK-режиме.

Ключевое понятие — KL-дивергенция: мера того, насколько распределение вероятностей следующих токенов ушло от эталонного. Маленький KLD не значит «умнее», а цифры на карточках HF-квантов стоит игнорировать без полного описания методики: контрольные чекпоинты, окружение, контекст, направление расчёта.

Отдельно — про vLLM: в ночном контейнере 734 пакета, каждый со своими багами. Итог: ваш локальный стек — это уникальная комбинация кода, поэтому абсолютная воспроизводимость токенов почти недостижима, а лёгкое ощущение «что-то не так» — норма.

#AI #LLM #Inference #KLD #Models

🔽 Американские AI-компании снижают цены на фоне конкуренции в больших моделях

Американские разработчики искусственного интеллекта начали активную ценовую войну на рынке больших языковых моделей. Снижение стоимости API-доступа к моделям фиксируется на фоне роста числа игроков и усиления конкуренции, особенно со стороны китайских компаний, предлагающих сопоставимые решения по более низким ценам.

По данным отраслевых аналитиков, за последние месяцы средняя стоимость вызова топовых моделей снизилась на 20-30%. Крупные вендоры пересматривают прайс-листы, чтобы удержать корпоративных клиентов и малый бизнес. В ответ на это китайские платформы, такие как Alibaba и Baidu, также корректируют тарифы, что дополнительно давит на маржу американских провайдеров.

Эксперты связывают снижение цен с удешевлением инфраструктуры и оптимизацией алгоритмов, что позволяет сократить затраты на инференс. Однако аналитики предупреждают: демпинг может привести к консолидации рынка, где выживут только компании с доступом к дешевым вычислительным ресурсам и большим объемам данных. Для конечных пользователей это означает снижение стоимости AI-сервисов, но одновременно рост рисков монополизации в долгосрочной перспективе.

#Ai #Company #Industry #Product #Market

🏛 Легально ли обучать ИИ на книгах под авторским правом? Всё сложно

Суды США до сих пор не выработали единой позиции по вопросу, можно ли использовать охраняемые авторским правом книги для обучения нейросетей. Формально это выглядит нарушением: модели ChatGPT, Gemini и Claude обучались на миллионах произведений без согласия авторов. Но юридическая практика пока не даёт однозначного ответа.

В 2025 году суд обязал Anthropic выплатить писателям $1,5 млрд — однако, вопреки впечатлению, это не стало победой авторов. Судья Уильям Алсуп признал само обучение на книгах законным и сравнил его с чтением литературы будущим писателем. Наказание компания получила не за обучение как таковое, а за пиратское копирование книг из теневых онлайн-библиотек.

Ключевой вопрос — fair use, доктрина добросовестного использования. Суды оценивают, насколько «преобразующим» было использование контента. В деле Thomson Reuters против Ross Intelligence суд решил, что обучение модели для создания прямого конкурента — это не fair use. Но доказать, что чат-боты конкурируют именно с авторами книг, истцам пока не удалось.

Дополнительную неопределённость создаёт устаревший закон об авторском праве 1976 года: судьям приходится применять нормы полувековой давности к технологиям, которые тогда невозможно было представить.

#AI #Copyright #TechCrunch #FairUse #Legal #Anthropic

💱 ИИ стал главным клиентом ИИ: траты токенов агентами выросли в 14 раз на OpenRouter

По данным аналитика OpenRouter Питера Уокера, 6 февраля 2026 года может оказаться последним днём, когда люди потребляли больше токенов, чем ИИ-агенты. С тех пор использование токенов агентами выросло в 14 раз, тогда как человеческое — лишь в 2,8 раза. Агенты всё чаще работают автономно в течение долгих сессий и по ходу запускают дополнительные ИИ-процессы.

С февраля 2026 года потребление токенов агентами на OpenRouter выросло с 0,51 трлн до 7,3 трлн. Почти 70% агентного трафика приходится на кэшированные промпты, которые тарифицируются значительно дешевле, поэтому реальные затраты растут не так быстро, как кажется по сырым цифрам. OpenRouter в основном ориентирован на open-weight модели, которые обычно менее токен-эффективны, чем модели OpenAI или Anthropic. Однако тренд, вероятно, схож и у крупных лабораторий — инфляция токенов началась ещё с появлением reasoning-моделей, которые «думают» дольше перед ответом.

#AI #OpenRouter #Agents #Tokens #Tech

🤖 Китайские производители заняли 97% мирового рынка гуманоидных роботов — AgiBot обошел Unitree

По данным Smart Analytics Global, в первом полугодии 2026 года мировые поставки гуманоидных роботов достигли 19 100 единиц — рост на 274% год к году. Китайские вендоры заняли 97% этого объема.

AgiBot поставил около 8 400 роботов (44% мирового рынка), обойдя Unitree с 5 900 единицами (30,9%). Для сравнения: в 2025 году исследование CCID оценивало долю Китая в 84,7%. В конце июля США ввели запрет на импорт новых китайских гуманоидных роботов, квадропедов и отдельных компонентов, ссылаясь на риски для ИИ-инфраструктуры. Немедленный эффект ограничен: китайские экспортеры и так не поставляют продукцию в США в значимых объемах.

Меняется и структура спроса: на промышленные и коммерческие сценарии теперь приходится более 70% мировых поставок против 50% год назад. Рынок строится не для шоу, а для заводского цеха. Tesla, Figure AI и Agility Robotics вместе поставили в H1 2026 лишь малую долю от китайского объема. Smart Analytics Global прогнозирует, что по итогам 2026 года мировые поставки достигнут примерно 60 000 единиц, а к 2030 году — 500 000.

#Tech #Robotics #HumainodRobots #AgiBot #Unitree #China

↗️ Открытая Kimi K3 вплотную приблизилась к закрытым фронтир-моделям

Аналитики BOCOM International считают, что Moonshot AI с моделью Kimi K3 вывела открытые ИИ на порог закрытых фронтиров. У Kimi K3 — 2,8 трлн параметров в нативной мультимодальной архитектуре MoE: на токен активируются 104,2 млрд, контекст — 1 млн токенов. В сторонних тестах Artificial Analysis модель набирает около 57 баллов, уступая лишь GPT-5.6 Sol (~59) и Claude Opus 5/Fable 5 (~60).

Отчёт ставит K3 на «границу Парето» по цене и качеству. Одна задача обходится примерно в $0,86 — около 70% от GPT-5.6 Sol и лишь 30–40% от флагманов Anthropic, при этом более дешёвые GLM-5.2 и DeepSeek V4 Flash заметно слабее. Такой баланс должен ускорить внедрение агентных приложений в enterprise.

Три архитектурных новшества расширяют пропускную способность: KDA с gated MLA эффективно обрабатывает миллионные последовательности, attention-остатки позволяют выборочно извлекать информацию между слоями, а стабильный латентный MoE смешивает 896 экспертов с 16 активными. KDA особенно важна для длинного контекста: память больше не растёт линейно с длиной последовательности. На системном уровне собственная инфраструктура MoonEP устраняет «вычислительные пузыри»: из-за 896 экспертов и лишь 16 активных обычная маршрутизация перегружала бы одни GPU и простаивала другие, MoonEP балансирует нагрузку и поднимает утилизацию кластера к физическому пределу.

Коммерческий контекст: Moonshot закрыла раунд Series F на $3,5 млрд, оценка выросла на 75% до $35–50 млрд, а pre-IPO целится в $50 млрд.

#AI #LLM #Ranking #Model #KimiK3 #OpenModel

💵 Nvidia ведёт переговоры об инвестициях в Perplexity — оценка превысит $30 млрд

Nvidia обсуждает вложение в Perplexity при оценке более $30 млрд — это более чем на 50% выше оценки компании в прошлом раунде финансирования год назад. Об этом сообщает The Information со ссылкой на источники.

За последний год годовая выручка Perplexity выросла втрое — с $250 млн до более чем $750 млн. Основным драйвером называют «Perplexity Computer»: AI-агента для автоматизации задач за $200 в месяц. Рост выручки также связан с многократным увеличением потребления токенов — агентные ИИ-системы стали одним из крупнейших клиентов самой индустрии ИИ.

Ранее Nvidia рассматривала вариант acqui-hire для поглощения технологий и команды Perplexity. В марте Perplexity присоединилась к коалиции Nemotron, продвигающей открытые ИИ-модели. Компания уже привлекла более $1,7 млрд, а CEO Аравинд Сринивас рассматривает IPO в районе 2028 года.

Сделка укрепит позиции Nvidia как одного из крупнейших финансовых спонсоров ИИ-индустрии: чипмейкер уже заключил похожие соглашения с Poolside, Groq ($20 млрд) и Enfabrica ($900 млн). Значительная часть инвестиций возвращается Nvidia в виде выручки — портфельные компании закупают её чипы.

#Business #Nvidia #Perplexity #AI #Investments

⚙️ Alibaba Cloud запустила видео модель Wan3.0: ролики до 30 секунд и ввод документов

Alibaba Cloud официально представила Wan3.0 — модель генерации видео, способную создавать клипы длительностью до 30 секунд. Главная особенность — поддержка файлов DOC, XLS, PPT, PDF и Markdown в качестве входных данных: модель может учитывать содержимое документов при генерации роликов.

Wan3.0 была доступна в открытой бете с начала августа. За это время разработчики улучшили следование инструкциям, консистентность между кадрами и качество аудиодорожки. С 24 августа по 23 сентября на избранных платформах действует временная скидка 30% на API Wan3.0.

Обновление усиливает позиции Alibaba в гонке генеративных видеомоделей: поддержка офисных форматов открывает сценарии автоматического создания презентационных и обучающих видео из готовых материалов, а 30-секундная длительность подходит для полноценных клипов, а не только коротких анимаций.

#Ai #Wan3 #VideoGen #AI #Media #Model

👩‍⚕️ PRISM2: модель читает слайды патологий через клинические диалоги

Paige и Microsoft представили PRISM2 — фундаментальную модель для анализа целых слайдов гистопатологии. Вместо простой классификации пикселей модель отвечает на диагностические вопросы текстом: perceiver-энкодер объединяет тысячи эмбеддингов тканевых фрагментов в одно представление слайда, а затем генерирует ответ. Обучение велось на 2,3 млн слайдов и 685 507 патологоанатомических отчётах MSKCC, преобразованных GPT-4o в пары вопрос-ответ.

Архитектура двухэтапная. Сначала энкодер слайдов обучается агрегировать Virchow2-эмбеддинги в вектор уровня слайда, используя два лосса: контрастивный с BioGPT и авторегрессионный с Phi-3 Mini. Затем энкодер замораживается, и языковая модель с 4 млрд параметров дообучается на диалогах. PRISM2 выдаёт два типа эмбеддингов: базовые — для биомаркерных задач, и диагностические — для выявления рака, подтипирования и доброкачественных случаев.

На бенчмарках PRISM2 достигает или превосходит точность клинических продуктов для рака простаты и молочной железы, а пан-раковое обнаружение дало 0.967 AUC против 0.956 у базового эмбеддинга. На задаче выживаемости модель обошла специализированную модель: 0.809 против 0.773 по индексу конкордантности. Абляция показала, что добавление диалоговых шаблонов поднимает точность инференса с 0.498 до 0.653.

#AI #PRISM2 #Microsoft #Paige #HealthCare #AI