Все о блокчейн/мозге/space/WEB 3.0 в России и мире

Вот это бомба: Лев Чижов наш GOAT! Создана 1-я в мире 3D-карта сосудов мозга человека без вскрытия черепа Стартап 22 летнего Льва Чижова Aleph Neuro сделал первую в мире 3D-карту сосудов живого человеческого мозга без вскрытия черепа, с помощью ультразвука. Причём у их метода разрешение в 100 раз выше, чем у КТ. Пока это исследовательский инструмент, не продукт. Прочитать про Льва, победителя нашего проекта @blockchainrf , можно здесь. А тут канал самого Льва. Как это работает? Aleph описывает процесс так: мозг не думает в тишине. Когда нейроны активируются, к ним приливает кровь. Aleph направили ультразвуковые волны через череп, они отражаются от эритроцитов и возвращаются обратно. Из этого сигнала строится карта кровотока. Чтобы получить сверхвысокое разрешение, вводят микропузырьки - одобренный FDA раствор. Самое интересное, что первым свою разработку испытал на себе основатель компании Лев Чижов. Почему это важно? Сейчас у нейроинтерфейсов два пути: хирургия, как у Neuralink или размытый сигнал снаружи через ЭЭГ. Aleph строят третий - без операции, с разрешением уровня МРТ. Даже 1000 электродов захватывают 0,001% мозга. Ультразвук потенциально даёт миллион независимых пикселей по всему объёму. К чему они идут? Их ставка - обучить нейросеть на терабайтах сырых ультразвуковых данных, чтобы она вытаскивала сигнал, который текущие алгоритмы просто выбрасывают. Конечная цель - неинвазивный нейроинтерфейс, который читает активность мозга в онлайне с MRI-качеством, без хирургии, без инъекций, с носимым устройством.

Переход к экономике ИИ-агентов: свежие данные из Codex Сегодня вышло исследование от OpenAI, в котором проанализированы данные об использовании Codex, причем как они пишут, рядовой сотрудник в OpenAI генерирует в 56 раз больше токенов, чем в ноябре 2025. Внутри OpenAI переход произошёл быстро, к апрелю 2026 почти все департаменты перешли на 90% использования Codex. Причём, юридический отдел OpenAI сегодня генерирует 88% токенов через Codex. А обычные юристы - клиенты генерят только 2% токенов. Авторы говорят, что этот разрыв объясняется организационными условиями, а не возможностями модели. Еще за последние полгода доля людей, делегирующих свои задачи ИИ-агенту на полный рабочий день, выросла почти в 12 раз. Интересно ещё то, что 28,6% сотрудников OpenAI управляют более 5 ИИ-агентами одновременно. А это уже оркестрация, а не просто ИИ-ассистент. Роль человека меняется, меньше исполнения, больше делегирования, интеграции. Авторы показывают большой разрыв между OpenAI и другими компаниями - клиентами, которые отстают во внедрении, называя основную проблему не качество модели, а организационную культуру управления. Напомним, что мы ещё в мае писали о том, как меняются роли людей и какая организационная структура возникает в AI native компаниях, подробно описываем здесь.

ЦБ РФ выпустил доклад о стейблкоинах и там просто рука-лицо 🙈 Недавно мы опубликовали отчет о том, в каких странах лучше всего делать делать проекты со стейблкоинами. Банк России говорит, что юридически стейблкоины уже есть в законах РФ под видом ЦФА и иностранных цифровых прав. Напоминает один анекдот. Внутри страны ЦБ запрещает стейблкоины, как средство платежа, но считает, что можно использовать для трансграничных платежей. По мнению ЦБ, сейчас выпускать стейблкоины неудобно, так как есть проблемы с обеспечением и защитой прав, но ЦБ готовит новый закон, который эти проблемы убирает. Новый закон разрешит выпускать их в блокчейне, как USDT, чтобы они были совместимы с мировой криптоинфраструктурой 🤔 Больше про стейблкоины здесь, здесь, а также здесь.

Из Google уходят в Anthropic еще 2 человека, на этом фоне акции Alphabet упали на 1,2% в один из дней Как пишет Bloomberg, Jonas Adler и Alexander Pritzel планируют перейти в Anthropic в ближайшее время. Причём оба считаются очень важными сотрудниками, которые работают на Gemini. Adler работал над инструментами для генерации и помощи в программировании, а Pritzel занимался претренингом ИИ-моделей. Напомним, что уже из Google ушли Нобелевский лауреат Джон Джампер в Anthropic, который вместе с Хасабиссом получил премию за AlphaFold, и звезда Ноам Шазир, он перешел в OpenAI. Основные причины ухода в Anthropic и OpenAI источники Bloomberg называют: 1. OpenAI и Anthropic готовятся к IPO, поэтому им нужные сильные и именитые люди, которым они предлагают огромный потенциал роста акций/опционов. А это редкая возможность даже при высокой зарплате в Google. 2. Внутренние проблемы в Google, там как и у всех идёт борьба между командами за вычислительные ресурсы. Например, перед уходом Ноама Шазира часть мощностей его проекта перенаправили другой команде в Лондон. А в последнем интервью Ноам говорил, что строит новую архитектуру, видимо, она уже не будет у Google.

Arc Institute создали аналог MCP для биологии. Claude теперь может сам проектировать гены и белки Arc Institute выпустили Proto - инфраструктурный фреймворк для генеративной биологии поверх разрозненных моделей. Теперь любой MCP-совместимый ИИ-агент может напрямую запускать сложные биологические дизайн-кампании через естественный язык.

Self-Harness: ИИ-агенты, которые сами улучшают обвязки Сегодня производительность ИИ-агентов зависит не только от базовой модели, но и от harness (обвязки). Новая работа из Китая, Self-Harness - новый подход, где сам агент улучшает свою собственную обвязку. Агент учится на своих ошибках и сам предлагает минимальные, но точечные изменения в коде/правилах harness. Обычно harness пишут люди и это не масштабируется. Вот тут наши предыдущие материалы.

OpenAI только что представила свой 1-й ИИ-чип, созданный с Broadcom Jalapeño - это 1-й специализированный чип OpenAI для инференса LLM. OpenAI говорит, что время разработки дизайна до готовности к производству заняло всего 9 месяцев. OpenAI использовала свои собственные модели для ускорения проектирования. Полных спецификаций по чипу пока нет.

Дамы и господа, СЕО Snowflake о GLM 5.2 и Claude Opus4.7 Они протестировали китайскую модель GLM-5.2 и Claude Opus 4.7 на реальных задачах, и СЕО опубликовал тред с результатами тестирования команды Coco на dbt-bench - 103 задачи, 3 попытки каждая. Цифры получились такие: - Pass@1: 47.6% (GLM) vs 53.7% (Opus). Claude выигрывает на 6 пп с первой попытки - Pass@3: 66% GLM vs 67% Opus при трёх попытках почти ничья - Токены: 860M vs 439M. GLM потребляет вдвое больше - Ходы: 99 avg vs 80. GLM делает больше шагов на задачу и тратит почти в 2 раза больше токенов Но есть 2 характерных фейла у GLM: 1. Рано сдаётся и даже не пытается писать код. 2. Уходит в спираль: 411 вызовов инструментов за 24 минуты, проверяет всё подряд… и всё равно фейл. Opus же работает чище, эффективнее и реже уходит в овер верификацию неправильных осей. Вывод СЕО Snowflake такой: объём верификации не предсказывает правильность. Модель может проверять всё подряд и всё равно проиграть, если верифицирует не те оси. При этом Snowflake в восторге от GLM-5.2 и планирует интегрировать его для клиентов Coco. Для рынка ИИ-агентов это важный момент, так как эффективны те агенты, которые делают не больше шагов, а правильные шаги. Эффективность траектории становится новой метрикой качества - дороже, чем точность на бенчмарке.

Один из крупных финансовых конгломератов Японии запустил 1-й стейблкоин, обеспеченный траст-банком. JPYSC - это стейблкоин, привязанный 1:1 к японской иене. Он полностью обеспечен резервами, которые управляет SBI Shinsei Trust Bank (трастовый банк группы SBI). Это первый стейблкоин в Японии, признанный электронным платёжным инструментом. Благодаря трастовой структуре он не подпадает под ограничения в 1 млн йен на баланс и транзакции, которые действуют для обычных стейблкоинов. Техническую разработку и запуск сделали совместно с сингапурской финтех-компанией Startale Group. SBI уже провела первую эмиссию JPYSC. В ближайшее время планируется запуск сервиса кредитования JPYSC. Для понимания, Япония активно интегрирует регулируемые стейблкоины: В октябре 2025 года был одобрен JPYC - 1-й легально признанный йеновый стейблкоин. 3 мегабанка (MUFG, SMBC, Mizuho) работают над совместным стейблкоином, коммерческий запуск планируется в 2027 финансовом году. Новые правила позволяют банкам и трастам выпускать стейблкоины, обеспеченные депозитами и до 50% государственными облигациями.

Anthropic запустила Claude Tag, по мнению А. Карпатый - это новый UX взаимодействия с LLM Теперь Claude можно добавить в Slack как полноправного участника команды. Тегнули @Claude , и он подхватывает задачу, работает асинхронно, отчитывается в треде. Напомним, что мы ещё в мае писали о том, как меняются роли людей и какая организационная структура возникает в AI native компаниях, подробно описываем здесь. Андрей Карпатый считает эту новую функцию Claude 3-ей сменой парадигмы взаимодействия с языковыми моделями. Вот как это выглядит: Первая была такой: LLM как сайт, вы идёте к модели через браузер Вторая: у LLM появились приложения Третья: LLM как сущность внутри организации — асинхронная, с памятью, с доступом к инструментам всей команды. То есть Claude перестаёт быть отдельным окном, куда человек переключается, он уже заходит туда, где происходит ваша работа. То есть это уже почти AI native сотрудник.

Вышел новый инструмент - ИИ-операционная система для венчурных инвесторов Мы дошли до того, что венчурный рынок теперь не только инвестирует в ИИ-проекты, но и сам пытается трансформироваться. Так как фаза AI-native дошла и до инвесторов, теперь венчур становится программируемым. Подробнее здесь.

Создан ИИ, который сам проводит точные опыты с ДНК Речь идёт об автономной системе оптических пинцетов SmartTrap, которая может работать ~10 часов подряд в автономном режиме без человека, собирая много данных с высокой точностью. SmartTrap сама находит, захватывает и растягивает отдельные молекулы ДНК, измеряя их механические свойства. А ещё деформирует красные кровяные клетки, чтобы проверить жёсткость мембраны. Это сильно повышает производительность по сравнению с ручной работой. Крутой шаг к умным лабораторным роботам в биофизике.

Code as Agent Harness - хороший обзор, как строить ИИ-агентов в этом году Если раньше код был результатом работы агента, то сейчас код становится средой его обитания. Авторы предлагают смотреть на ИИ-агентов через призму harness (обвязки). Вчера мы писали ещё про loop. Современные агенты уже движутся в эту сторону, например, Claude Code и т.д. Авторы говорят, что нужно системно развивать harness engineering - инженерную дисциплину создания таких кодовых обвязок. А также обсуждают открытые проблемы: оценка, безопасность, мультимодальность, регрессии и т.д.

Китай занял 1-е место со своим суперкомпьютером, а РФ - 83-250-е места Китайский суперкомпьютер LineShine (LingKun, Huawei LX2) неожиданно занял 1-е место в мире с результатом 2.198 EFlop/s. Топ-10 суперкомпьютеров мира: 1. LineShine - Китай, 2.198 EF (CPU ARM LX2) 2. El Capitan - США, 1.809 EF (AMD + MI300A) 3. Frontier - США, 1.353 EF (AMD + MI250X) 4. Aurora - США, 1.012 EF (Intel + GPU) 5. JUPITER Booster - Германия, 1.000 EF (NVIDIA Grace Hopper) 6. HPC7 - Италия, 0.572 EF (AMD + MI300A) 7. Eagle - Microsoft Azure,0.561 EF (Intel + H100) 8. HPC6-Италия, 0.478 EF 9. Fugaku - Япония, 0.442 EF (Fujitsu A64FX) 10. Alps-Швейцария, 0.435 EF (Grace Hopper) Россия в новом рейтинге представлена: 1. Chervonenkis (Яндекс) — 83-е место (~21.5 PF) - это гетерогенная система на AMD EPYC + NVIDIA A100, одна из самых мощных в России для ИИ-задач. Она лидирует среди российских суперкомпьютеров уже несколько лет. 2. Галушкин (Яндекс) 3. Ляпунов (Яндекс) 4. Christofari Neo (Сбер) 5. Christofari (Сбер)

Экономисты - сингулярность через 6 лет:когда ИИ начнёт сам себя улучшать, то прогресс может стать взрывным 4 экономиста построили формальную макромодель, когда автоматизация ИИ-исследований порождает взрывной рост. Кстати, недавно Anthropic показали свои данные, которые говорят о самосовершенствовании ИИ, также есть работа Google, стартап Recursive показал свои результаты. В экономической модели 2 петли взаимодополняемые: 1. Технологическая - улучшения в софте ускоряют прогресс в железе, железо ускоряет ИИ, и всё по кругу. Например, AlphaChip от Google DeepMind уже используется при проектировании каждого нового поколения TPU Google. 2. Экономическая - больше продукции = больше денег на исследования = ещё быстрее прогресс. Автоматизация заменяет труд капиталом. Капитал масштабируется с ростом ВВП. Труд - нет. Это создаёт петлю там, где её раньше не существовало. Где самый чувствительный момент? Оказалось в аппаратном обеспечении. Затухающая отдача в разработке чипов (β = 0.2) в 5 раз меньше, чем в разработке ПО, и в 15 раз меньше, чем в общей экономике. Практический вывод авторов: 20% автоматизации разработки чипов достаточно, чтобы пересечь порог взрыва в одиночку. Полная автоматизация разработки ПО на грани, ещё 5% в остальных секторах, в итоге сингулярность через ~6 лет по базовой симуляции. Мы не считаем, что сингулярность наступит ровно через 6 лет. Симуляция чувствительна к начальным условиям, а авторы этой работы сами называют её «стилизованной». Но важен не таймлайн, а логика: система с такой архитектурой петель не движется линейно. Она движется скачками и скачок может произойти раньше, чем консенсус успеет его осознать.

Google заходит в кино и инвестируют в создателя культовых сериалов для внедрения своего ИИ Речь идёт о A24 - одна из самых влиятельных независимых киностудий, которая снимала «Лунный свет», «Наследники», «Всё везде и сразу», «Джокер» и т.д. Google через DeepMind инвестировал в A24 $75 млн. Это первое прямое вложение Google в голливудскую студию. Цель - вместе разрабатывать новые инструменты и рабочие процессы для создателей фильмов, чтобы технологии будущего создавались с учётом реальных нужд художников, а не только инженеров. A24 будут напрямую влиять на разработку ИИ-инструментов, тестировать их и давать обратную связь. Основной акцент на исследованиях и совместной работе, а не на быстром внедрении готового ИИ.

Все теперь говорят о Loops, что это? Давайте разбираться Создатель Claude Code Борис Черный недавно сказал: «Переход от агентов к loops - это такой же большой скачок, как раньше от обычного кода к агентам». Если в конце 2025 и в начале 2026 все говорили про agent harness, и даже DeepSeek создает отдельную команду под это, то теперь все говорят про loops. В чём разница и почему все об этом говорят? Напомним, что harness - это вся инфраструктура вокруг модели: инструменты, память, правила, верификация, состояние, и тд. По сути, рабочий стол и набор инструментов для агента. Без хорошего harness даже очень умная модель ведёт себя непредсказуемо: забывает, зацикливается или делает глупые ошибки. А loop - это двигатель harness. Loop - целая автономная система, которая работает по принципу пока все не готово: • Берёт цель • Планирует, что делать • Действует (пишет код, анализирует данные, создаёт файлы) • Проверяет результат • Если плохо, исправляет и повторяет. Пока не достигнет настоящего успеха (тесты зелёные, документ идеальный, задача закрыта). Человек при этом почти не вмешивается. То есть как говорит Борис Черный, ты больше не должен промптить, теперь человек - автор Loop. Пишешь правила игры один раз, и система сама работает. Самые популярные рабочие loops сейчас: • Build-Test-Fix (два агента кидают работу друг другу, пока код чистый) • 5-minute repository maintainer (постоянная мелкая поддержка проекта) • Overnight PR routine (ночью чинит пулл-реквесты) • Verifier loop (отдельный «судья», который критикует результат, чтобы агент не обманывал себя) • Anti-spin protection (защита от бесконечного круга и пустой траты денег). Главные фишки успешного loop’а: 1. Хорошая проверка, без неё loop будет уверенно ошибаться. 2. Память - каждый запуск делает систему умнее. 3. Ограничения - лимит итераций, бюджет на токены, правило «хватит, если нет прогресса». 4. Durable state - loop помнит, на чём остановился, даже после перезапуска. Что это меняет? Человек становится архитектором ИИ-команд. Хорошо настроенный loop может делать работу junior/middle-разработчика, исследователя или аналитика и со временем становится только лучше.

Sakana выпустила систему оркестрации на уровне Fable 5 и Mythos от Anthropic Fugu - это мультиагентная система оркестрации, которая подаётся как единая модель через один OpenAI-совместимый API. А Fugu Ultra - топ-версия для сложных задач, она показывает результаты на уровне закрытых Fable 5 и Mythos Preview от Anthropic. Команда заявляет, что с этим инструментом нет экспортных ограничений. Fugu не зависит от одного вендора, если один провайдер отвалится, она просто переключается на другие модели из пула. Напомним, что OpenRouter на прошлой неделе выпустили свою систему оркестрации.

Итоги уходящей недели - то, что имеет значение Бизнес ИИ- компаний Большая гонка в ИИ индустрии сместилась с моделей на контекст. Подробный разбор тут. Теперь можно монетизировать трафик от ваших ИИ-агентов. Инструмент и не только здесь. 2 сильных ИИ-агента для медицины уже выпущены. Инсайд из Китая от первого лица о том, как там создают AI-native продукты. WeChat Pay запустил кошелёк для ИИ-агентов Опубликован список и анализ самых влиятельных китайских инвесторов в ИИ. Свежий отчет на реальных данных, как ИИ-агенты меняют инфраструктуру интернета. Разбор AI-native компаний: как внедрять ИИ и формировать культуру обучения вместе с ним. ИИ модели и инфраструктура OpenRouter Fusion - новая модель, которая хочет конкурировать с Fable 5 от Anthropic. Google DeepMind опубликовал доклад от AGI к ASI. EPFL выпустили ИИ-модель, имитирующую работу человеческого мозга. PithTrain - фреймворк для обучения MoE-моделей. Ant Ling обновили архитектуру 1T-модели: 10T токенов дообучения, упор на агентные задачи и эффективность рассуждений. Google DeepMind: оказывается, многие ключевые поведения Gemini закладываются ещё на этапе SFT, а не в RL. ИИ-агенты и автоматизация Xiaomi представила HarnessX. Anthropic показали, как Opus 4.7 без участия человека запрограммировал робота-собаку в ~20 раз быстрее лучшей команды разработчиков. Anthropic поделились кейсами: как команды выводят агентов в продакшн на Claude Managed Agents. NVIDIA представила ENPIRE - система, позволяющая агентам самостоятельно проводить исследования в робототехнике. Sakana AI запустила Marlin - виртуального директора по исследованиям для бизнеса, заточенного на долгосрочное рассуждение. Blueberry - ИИ-агент по продажам. Coinbase зарегистрировала своего ИИ-агента в SEC. Запущен первый ИИ-агент специально для инфлюенсеров. autoresearch для arXiv - ИИ- агент сам разворачивает среду, воспроизводит эксперимент и считает стоимость репликации. Claude Code на Team и Enterprise теперь позволяет деплоить HTML-сайты и делиться ими с командой. Воплощённый ИИ Alibaba выпустила 3 фундаментальные модели для робототехники. PhysX-Omni - единая система генерации объектов для симуляций. Нейротех и биотех Джефф Безос вложил $100 млн в нейротех-стартап Flourish. Midjourney выпустили ультразвуковой сканер тела. Китай выводит на IPO первый в мире коммерческий нейроинтерфейс от Neuracle. Впервые создана единая карта мозга и спинного мозга плодовой мушки. Perplexity представила Brain - непрерывно обучающаяся система памяти для Computer. Квантовые технологии и физика Google Quantum AI сократили время проектирования кубита с 21 часа до 3 минут. А Китай опубликовал отраслевую рамку для квантовых вычислений. Создан самый яркий непрерывный лазер в мире, в 100 млн раз ярче поверхности Солнца. Геополитика ИИ G7: главная тема - что делать с тем, что США закрыли иностранцам доступ к Fable 5 и Mythos 5. Китай сокращает гуманитарные науки, иностранные языки, искусство и менеджмент в университетах. Перестановки кадров в индустрии Ноам Шазир, легенда ИИ, покинул Google и неожиданно перешёл в OpenAI. Джон Джампер, со-автор AlphaFold, ушёл из Google DeepMind и переходит в Anthropic. Наука и исследования Google DeepMind опубликовал 2 документа: дорожную карту безопасности агентных систем и руководство для регуляторов по защите мультиагентных сред. ATLAS от Google - пайплайн, который генерирует интерпретируемые механистические модели из данных и сам планирует эксперименты для их проверки. Присоединяйтесь к нам на Patreon, чтобы узнать все об экономике ИИ-агентов, а также начать разбираться в AI native компаниях и не только. Там все инсайды.

Какая-то грустная ситуация складывается вокруг Google, теперь от них ушел глава проекта AlphaFold в Anthropic После 9 лет работы в Google DeepMind Джон Джампер покидает компанию и переходит в Anthropic. Он работал с Демисом Хассабисом, это большая потеря. Напомним, что вчера из команды Gemini ушел легендарный Ноам Шазир, он работал вместе с Джеффом Дином. Google теряет ценные кадры, причём они идут к конкурентам. Кстати, мы тут узнали инсайды из Anthropic. А именно какая индустрия для них вторая по степени важности после программирования. Речь идёт о таких же крупных изменениях, как они сделали с Claude Code, но уже в другой сфере.