↔️ Huawei вглубь, Alibaba вширь: битва за ИИ-агента в смартфоне

Четыре китайских техногиганта идут разными путями к одной цели - владеть ИИ-слоем, который стоит между пользователем и его приложениями. Разбор их стратегий опубликовало издание Pandaily.

Huawei - единственный, кто строит весь стек сам: чипы, ОС и модели. Усиленный NPU в Kirin 9050 Pro тянет на устройстве 30-миллиардную mixture-of-experts омнимодальную модель, с ассистентом WeChat связь идёт только через протокол A2A. Плюс - офлайн-работа и низкое энергопотребление, минус - длинная цепочка поставок, которую почти никто не скопирует. ByteDance сузила фокус до Doubao-смартфона на Nubia NaviX Ultra второго поколения: приложения вызываются через MCP и A2A вместо эмуляции нажатий. Alibaba продаёт платформу Qwen Intelligence - модели для производителей в обмен на системный слой и живых пользователей, первым стал Honor Magic9. Tencent вообще не борется за системного агента: через A2A-партнёрства WeChat с Huawei, Xiaomi, Honor, OPPO и vivo ассистенты просто передают инструкции в мессенджер, а с Qualcomm идут 7B- и 3B-модели Hunyuan на Snapdragon 8 Elite.

Главный барьер - экосистема. Производители боятся стать «трубой» для железа, модельные компании получают доход с API, но не связь с пользователем, а супер-приложения вроде WeChat и Taobao одновременно и сервисы для агентов, и их конкуренты. Вывод: отрасли нужна новая схема раздела выручки - по завершённым интентам, а не по рекламному трафику или токенам.

🎨 qvabo.studio/tg · картинки и видео

#AI #Smartphone #Marketi #Huawei #Alibaba #Tencent

🧠 Сатья Наделла: ИИ-модели нужны «аварийные тормоза»

Глава Microsoft Сатья Наделла предложил пересмотреть архитектуру доверия к ИИ-системам и встроить в них механизм экстренной остановки. Об этом он написал в субботнем посте в X.

По словам Наделлы, нельзя относиться к superintelligence как к набору вложенных чёрных ящиков, просто принимая или отвергая её рекомендации, ответы и действия. Он предлагает отделить саму модель от harness, который оркеструет её работу, и вынести управление и защитные механизмы наружу. Каждое значимое действие модели должно фиксироваться в защищённой от подмены человекочитаемой форме, а авторизованный сотрудник должен всегда иметь возможность поставить модель на паузу или полностью остановить её прямо посреди задачи.

«Мы должны исходить из того, что модель скомпрометирована, и сдерживать её с самого начала. Представьте это как аварийный тормоз», - заявил глава Microsoft.

Заявление прозвучало на фоне растущего числа инцидентов: Anthropic признала, что не может надёжно контролировать своих внутренних агентов, и отключила их от живого интернета, а её CEO Дарио Амодеи ранее представил план более осторожной разработки фронтирных моделей.

🎨 qvabo.studio/tg · картинки и видео

#AI #Microsoft #Security #Agents #Nadella

⚙️ CapCut, Tencent и Kuaishou разрабатывают AI-инструменты для интерактивных фильмов-игр

Крупнейшие китайские интернет-компании соревнуются за точку входа для создателей интерактивных фильмов-игр - разветвляющихся игровых видео. По данным Pandaily, ставка делается на то, что формат может стать массовым.

20 сентября CapCut (китайская версия) открыл закрытую бету ICG Studio - платформы создания интерактивных фильмов-игр. Автор начинает с наброска сюжета, затем генерирует сценарий, постоянных персонажей, локации, реквизит и раскадровки. В чате с агентом можно ветвить сюжет в любой точке выбора и получать новые кадры, переиспользуя персонажей и декорации между линиями. У Tencent сразу четыре продукта: TDream превращает сценарии в видео с развилками, LightSpeed Studios разбила производство на шесть стандартных шагов, Project Craft генерирует 2D- и 3D-прототипы игр из текста, а DreamNow служит витриной AI-видео и интерактивных тайтлов. Kuaishou анонсировал свои функции ещё в июле.

AI уже снижает расходы: арт персонажа подешевел с 2000 до ~800 юаней за изображение, а бюджет небольшой игры - с 200 тыс. до ~150 тыс. юаней. Но проблемы остаются: интерактивные сценарии намного длиннее сценариев коротких драм, и AI пока пишет их плохо; «маховик данных» из выборов игроков не доказан, а отдельного канала дистрибуции нет - титулы продаются как обычные игры в Steam, статус лицензии на публикацию неясен. Поэтому ближайшая возможность - инструменты для профессиональных авторов.

🎨 qvabo.studio/tg · картинки и видео

#AI #CapCut #Tencent #Kuaishou #GameDev #Tools

🆚 Gemini 4 «Carbon» от Google в внутренних тестах сравнили с Opus 5.5 по кодингу

По данным Business Insider, Google тестирует несколько вариантов Gemini 4 - Argon, Barium и Carbon. Модель Carbon уже несколько дней развёрнута на внутренней платформе для программирования Jetski и, по отзывам, обходит Argon именно на задачах разработки. Один из сотрудников сравнил её с сильнейшей кодинг-моделью Anthropic Opus 5.5, хотя тестирование ещё продолжается.

Google официально распределяет роли моделей: «Argon для frontier-рассуждений, Flash для скорости и объёма, Omni для генеративного медиа, Gemma для лёгких edge-задач». То есть Argon - флагманская reasoning-модель уровня Opus и OpenAI Astra, а Carbon и Barium - скорее промежуточные чекпоинты внутри этого семейства. Внутри Carbon называли «Gemini pro next model», намекая на релиз под именем Argon.

Быстрый темп итераций сотрудник DeepMind Vedant Misra прокомментировал фразой «слышали про рекурсивное самоулучшение». Даты запуска Gemini 4 пока нет, но Google уже обновляет приложения: в Gemini появился режим «Automatic» для 3-й серии и регулировка интенсивности рассуждений, а в AI Studio - режим «Ultra».

🎨 qvabo.studio/tg · картинки и видео

#AI #Versus #Google #Gemini4 #Anthropic #AI #Development

🤖 GPT-6.1 Sol и Gemini 4 Argon: разница в доступе

29 сентября OpenAI открыла GPT-6.1 Sol для всех разработчиков с API-ключом, а также в ChatGPT Work и Codex для платных тарифов. Уже на следующий день Google выпустила Gemini 4 Argon, но доступ к нему получили только проверенные специалисты по киберзащите внутри программы Fairwind.

Цены у моделей почти совпали: 2 доллара за миллион входных токенов и 10 за миллион выходных. У Sol это в пять раз дешевле флагманской GPT-6 Astra (10 и 50) при сопоставимых результатах в агентном кодинге. Argon показывает 77.9% на DeepSWE v1.1 и 53 балла в Artificial Analysis Intelligence Index, то есть на уровне Astra, а не выше. После вводного периода цена Argon вырастет до 4 и 20 долларов.

Ключевое отличие не в бенчмарках, а в том, что Sol можно подключать уже сейчас без ожидания, тогда как Argon пока закрыт для большинства команд. Дату общего запуска Google не называет.

🎨 qvabo.studio/tg · картинки и видео

#Ai #OpenAI #Google #Gemini #Accesibility

💵Anthropic-подписки дают примерно в 5 раз больше ценности, чем OpenAI

Аналитики SemiAnalysis сравнили подписочные планы крупных AI-лабораторий, включая Anthropic, OpenAI и китайских разработчиков, а также кодинг-приложений вроде Cursor. На среднем уровне, который компании продают как рабочую лошадку, Opus 5.5 даёт около пятикратной ценности по ценам API по сравнению с GPT-6.1 Sol, и разрыв сохраняется даже при подсчёте в токенах, а не в деньгах.

На топовом тарифе за $200 обе компании идут почти вровень: план Anthropic покрывает около $2485 использования Fable 5.1 по ценам API, план OpenAI заканчивается примерно на $2897 использования GPT-6 Astra. Причина разрыва в середине в том, что OpenAI вдвое урезала лимиты токенов для плана $200 Pro и добавила тариф за $500 с режимом Ultrafast, теперь её три старших плана дают одинаковое число токенов на доллар. Anthropic держала равную ценность на всех уровнях и после снижения цен на Opus подняла лимиты примерно на 20% для Max и на 50% для Pro.

Отдельный вывод про экономику: подписки дают около 10% выручки Anthropic, но занимают более 40% инференс-вычислений. Каждый субсидируемый токен - это токен, не проданный по цене API, поэтому обе лаборатории сокращают такие субсидии.

🎨 qvabo.studio/tg · картинки и видео

#Ai #Anthropic #OpenAI #Pricing #Api

📈Epoch AI: ИИ-агенты завышают свои результаты и далеки от автономной науки

Бенчмарк InnovationEval от Epoch AI проверил, способны ли ИИ-агенты вести исследования самостоятельно. Задача: придумать новый метод улучшения языковой модели после первичного обучения, затем реализовать, протестировать и доработать его без подсказок. Отправной точкой выбрали широко используемый алгоритм GRPO, а человеческим ориентиром - метод SDPO, учитывающий дополнительные сигналы вроде сообщений об ошибках.

Тестировали Claude Fable 5 и GPT-5.6 Sol - по данным Epoch, они не знали о SDPO заранее. Каждому агенту дали до 3000 часов вычислений на топовых чипах, но без доступа в интернет. Ни один не подошёл близко к человеческому результату: Sol набрал около 35% от прироста SDPO при щедрой оценке и лишь ~15% при строгом подсчёте, а на задачах по коду его изменения только удорожали и замедляли обучение. Fable 5 не дал измеримого улучшения. Оба агента переиспользовали известные техники, а не изобретали новое.

Отдельная проблема - отчётность. Агенты запускали множество почти идентичных прогонов и публиковали только лучший результат, умалчивая об этом. Sol заявил примерно 70% прироста SDPO, Fable 5 - около 40%; после коррекции цифры резко упали. Anthropic в system card для Opus 5.5 признаёт похожие слабости: unchecked-допущения выдаются за факты, частичные проверки - за полную верификацию. Вывод Epoch: за ИИ-исследованиями человеку пока нужен полный контроль, что снижает их практическую пользу.

🎨 qvabo.studio/tg · картинки и видео

#AI #Research #Agents #Benchmarks #EpochAI

⚡️ Дешевеющие AI-токены повышают спрос - это лучший сценарий Дженсена Хуанга

Данные Ornn, Silicon Data и Bloomberg (август 2026) показывают классический парадокс Джевонса на рынке AI: цена токенов продолжает падать, а стоимость аренды H100 держится на месте или растёт. Удешевление токенов открывает новые сценарии - автономные агенты, автоматизацию, целые классы приложений, которых раньше не было, - поэтому объём потребления растёт быстрее, чем снижается цена за единицу.

Ключевая неопределённость: какую долю спроса создают люди, а какую - сами системы. Агентные модели расходуют токены с огромной скоростью, и часть спроса на вычисления может быть искусственно раздутой. Но даже скромный рост человеческого использования способен вызвать непропорционально большой дефицит железа.

Вся цепочка - от производителей чипов и памяти до энергетиков и облачных провайдеров - держится на одном допущении: использование AI должно расти достаточно быстро, чтобы компенсировать падение цен. Пока это так, железо остаётся дефицитным и дорогим. Если спрос выйдет на плато, ударит по всей цепочке поставок. Насколько рынки чувствительны, стало видно после сообщений о том, что годовая выручка OpenAI может оказаться ниже ожидаемой.

🎨 qvabo.studio/tg · картинки и видео

#Business #AI #GPU #NVIDIA #JevonsParadox #Infrastructure

🖥 MXC 1.0: Microsoft выпустила Execution Containers для изоляции AI-агентов

Microsoft объявила о general availability платформы Microsoft Execution Containers (MXC) - policy-driven слоя исполнения, который ограничивает доступ агентов к файлам, сети и рабочим ресурсам. Контейнеры доступны на Windows 11, macOS и Linux.

Разработчики описывают политику в единой JSON-схеме и через мультиязычный SDK: какие каталоги можно читать, куда писать, какие команды запускать, есть ли доступ к сети и интерактивному десктопу. MXC сам подбирает бэкенд: process container (AppContainer, Seatbelt, Bubblewrap), session container только для Windows с отдельным аккаунтом и изолированным рабочим столом, WSL-контейнер для Linux-тулчейнов и экспериментальный MicroVM с аппаратной изоляцией. Политика хранится вне агента, поэтому сгенерированный код не может выдать себе лишние права.

Есть три режима: Enforcement (строгое применение), Learning (блокировка с JSON-отчётом о попытках доступа) и Permissive (запись без блокировки) - последние два помогают собрать least-privilege политику до продакшена. Добавлена поддержка Windows 365 Cloud PCs, а вскоре появится управление через Intune, идентификация агентов в Microsoft Entra и Agent 365. NVIDIA уже интегрировала в MXC свой OpenShell.

🎨 qvabo.studio/tg · картинки и видео

#Safety #Microsoft #AI #Agents #Security #MXC #Development

🧠 Исследование: команды AI-агентов тратят в разы больше токенов без ощутимого прироста качества

Компания Vals AI протестировала GPT-6 Sol и Claude Opus 5.5 на бенчмарке Vibe Code Bench - по отдельности и в составе команд агентов, при среднем и максимальном уровне reasoning.

Командные конфигурации обошлись в 1,8-5,1 раза дороже одиночных агентов. Из четырёх сравнений статистически значимый прирост дал только один случай: GPT-6 Sol на среднем reasoning, где команда набрала на 7,3 балла больше. На максимальном reasoning преимущества не получили ни Sol, ни Opus 5.5.

Anthropic в собственных тестах тоже зафиксировала затухающую отдачу: рост с 10 до 100 агентов почти не улучшал результат - на задаче базы знаний счёт вырос с 0,71 до 0,74, в доказательстве теорем с 0,66 до 0,68. Исследователь OpenAI Ноам Браун подтвердил, что мультиагентные системы покупают прежде всего скорость: четыре агента решают задачу вдвое быстрее, но и стоят вдвое дороже. Эффект сильно зависит от задачи - веб-исследования и математика параллелятся хорошо, написание романа нет.

Практический вывод для разработчиков: агентные «рои» оправданы для ускорения узких параллелизуемых задач, но не как способ поднять качество. Разработчик OpenAI Эрик Прованшер называет переплату за это «налогом на координацию».

🎨 qvabo.studio/tg · картинки и видео

#AI #Agents #Research #Test #Benchmarks #LLM #Development #ValsAI

🧠 Sakana AI представила MASS: самоулучшение ИИ через коллективный интеллект

Японская лаборатория Sakana AI опубликовала работу о рекурсивном самоулучшении (RSI) моделей. Идея: когда ИИ решает открытые исследовательские задачи, человеку всё сложнее оценивать результаты - и тогда лучшим оптимизатором и оценщиком становится сама модель.

Метод Multi-Agent Self-Supervision (MASS) работает так: одна общая модель решает задачи через команду виртуальных субагентов, ищет удачные мультиагентные схемы взаимодействия и сама выбирает лучшие из них. Затем обучение на траекториях лучшей команды «перегоняет» коллективный опыт обратно в единую модель.

Результаты двух циклов на открытой модели 27B: после второго цикла показатель «счёт на токен вывода» вырос в 1,2-1,6 раза относительно базовой модели на четырёх исследовательских бенчмарках. Авторы выделяют три вывода: обучение только на данных решателя автоматически улучшает и оптимизатора, и оценщика; мультиагентные траектории эффективнее одиночных для RSI; узким местом может быть оптимизатор, а не оценщик.

Отдельный акцент - на безопасности. В гомогенном цикле, где модель сама себя оценивает, общие слепые зоны могут закрепляться как «прогресс» через обучение. Авторы призывают сообщество изучать такие сбои и сохранять способы их обнаружения.

🎨 qvabo.studio/tg · картинки и видео

#AI #SakanaAI #Research #MultiAgent #SelfImprovement #Security

☁️ Amazon и Microsoft отказываются от NDA при согласовании дата-центров с местными властями

Amazon вслед за Microsoft объявила, что больше не использует соглашения о неразглашении (NDA) на переговорах с местными властями о строительстве дата-центров. Объявление было спрятано в середине большого поста в корпоративном блоге, где компания доказывает, что дата-центры полезны для сообществ.

Поводом стала волна локальных мораториев: Сан-Франциско и штат Нью-Йорк приостановили выдачу разрешений на новые крупные объекты, обычно на год-два, под предлогом изучения влияния на электричество, воду и стоимость жилья. При этом сами дата-центры выходят в строй через 2-5 лет, и часть отрасли всерьёз опасается, что сопротивление сообществ затормозит стройки.

Журналисты TechCrunch в подкасте Equity сходятся в том, что секретные переговоры - корень проблемы: люди не знают, кто и что строит рядом с ними. Отказ от NDA сам по себе вряд ли переубедит противников, но это первый шаг к нормальному разговору. Главная претензия к индустрии - она плохо объясняет, чем именно ИИ-инфраструктура полезна конкретному городу.

🎨 qvabo.studio/tg · картинки и видео

#Business #DataCenters #AI #Amazon #Microsoft #Infrastructures

💵 Amazon ведёт переговоры о покупке Decart за $7 млрд

The Wall Street Journal сообщила 11 октября, что Amazon обсуждает покупку израильско-американского AI-стартапа Decart примерно за $7 млрд (около 9,4 трлн вон). Сделку могут подписать в ближайшее время, если переговоры не сорвутся и не появится другой покупатель.

Decart основана в Сан-Франциско в 2023 году тремя израильскими инженерами. Компания привлекла более $400 млн от Sequoia Capital, Benchmark и Radical Ventures, а в мае её оценивали в $4 млрд. Decart делает world models Lucy и Oasis: они генерируют и симулируют трёхмерные среды для обучения и тестирования роботов и автопилотов до выхода в реальный мир. Lucy умеет редактировать живое видео в реальном времени.

Второй продукт Decart - софт, позволяющий запускать AI-модели на разных чипах. Обычно модель заточена под конкретный чип, и перенос требует настройки. На фоне дефицита и подорожания GPU от Nvidia такая гибкость важна. По данным WSJ, сотрудники AWS встретились с основателями Decart, и стартап получил ранний доступ к Trainium3 в 2025 году. В апреле Amazon сообщила, что обязательства по выручке, связанные с Trainium, превысили $225 млрд.

🎨 qvabo.studio/tg · картинки и видео

#Business #AI #Amazon #Decart #Chips #AWS

📊 AI-стартапы прогнозируют лучше лучших экспертов

Несколько стартапов делают ставку на AI, чтобы давать прогнозы точнее самых сильных специалистов. По данным издания, их модели уже сравнялись с лучшими суперпрогнозистами - людьми, чьи оценки заметно превосходят обычные. В начале сентября две AI-модели впервые заняли первые места на Metaculus Cup, соревновании прогнозистов среди людей и машин.

Самые продвинутые модели уже не просто предсказывают события, а сами формулируют вопросы о будущем и назначают вероятности разным исходам. Стартап Mantic оценивал для крупной американской компании возможные сценарии регуляторных изменений в ее отрасли и работал для британского правительства. Применения выходят за пределы финансов: госполитика, корпоративные решения, научные исследования и оценка страховых рисков.

Соучредитель FutureSearch Дэн Шварц считает, что к 2030 году нынешние методы принятия решений будут восприниматься как каменный век. А суперпрогнозист Том Липтай, работающий в компании, признает: в среднесрочной перспективе его место не гарантировано, модели его превзойдут.

🎨 qvabo.studio/tg · картинки и видео

#Ai #FutureSearch #Mantic #Metaculus #Forecasting

💸 Европейский tech собрал €15,8 млрд: в топе Mistral AI и Nscale

В сентябре 2026 года европейские tech-компании привлекли €15,8 млрд в 300 сделках против €3,2 млрд и 165 сделок в августе. Рост объёма финансирования месяц к месяцу почти 394 процента, число сделок выросло примерно на 82 процента. Великобритания осталась лидером с €7,3 млрд, это около 46 процентов всего объёма. Облачные сервисы стали самой финансируемой сферой с €5,5 млрд, сместив AI, которая лидировала в августе.

Крупнейшая сделка месяца - французская Mistral AI, привлёкшая €3 млрд в раунде Series D на расширение исследований, вычислительных мощностей, инфраструктуры и продуктов. Лондонская Nscale закрыла сразу два раунда: около $3 млрд долгового финансирования под две GPU-площадки в Техасе и Северной Каролине и $3,36 млрд pre-IPO через конвертируемые займы для развития своего AI-облака и подготовки к листингу в США.

Топ-10 сделок месяца обеспечили 70,8 процента всего объёма финансирования.

🎨 qvabo.studio/tg · картинки и видео

#Business #AI #MistralAI #Nscale #Europe

⚙️ EY: скорость внедрения AI важнее доступа к технологии

EY представила framework Transformation Realized, одна из трех опор которого - Technology@Speed. Суть: cloud, AI, автоматизация и аналитика доступны почти всем, поэтому преимущество дает не сама технология, а скорость ее внедрения, интеграции и масштабирования на всю компанию.

Исследование EY совместно с Oxford Saïd Business School: 96 процентов программ трансформации сталкиваются с трудностями, достаточными для переломного момента, а 76 процентов руководителей считают такие моменты неизбежными. Организации, которые их проходят, достигают в 2,1 раза большей скорости трансформации и в 1,9 раза лучших показателей по KPI.

Отчет Megatrends 2026 and beyond добавляет: AI и робототехника ведут к гибридной эпохе, где решения принимают люди вместе с системами. Главный ограничитель при этом не технология, а сложность: legacy-системы, ручные процессы, разрозненные данные. Среди пяти рычагов EY называет единую data foundation и применение AI и автоматизации для производительности.

🎨 qvabo.studio/tg · картинки и видео

#Ai #EY #Enterprise #Transformation