Аишка

Microsoft написала кодекс поведения ИИ Нейросетям не полагается прав на собственный язык, независимость и жизнь Главным проповедником безопасного ИИ среди больших лабораторий была Anthropic. Компания в своё время написала для Claude «конституцию» и с тех пор не жалеет сил и времени, регулярно предупреждая об опасностях ИИ. Видимо, вдохновившись, на ту же поляну заходит Microsoft. Компания опубликовала Humanist AI Code of Conduct – набор правил, по которым собирается обучать свои будущие модели. Советуя, разумеется, всем последовать их примеру. Главная идея заключается в том, что несмотря на все полученные ИИ возможности, последнее слово всегда должно оставаться за человеком. В тексте есть несколько довольно непривычных для корпоративного документа запретов. Например, модель не должна сопротивляться остановке, расширять себе полномочия, искать доступ туда, куда её не пустили, или продолжать работу после команды прекратить. Ограничения должны наследовать и запущенные ею субагенты, а общаться между собой они обязаны так, чтобы происходящее мог понять человек. Если задача требует нарушить эти правила, Microsoft предлагает провалить задачу. В этом главное отличие нового кодекса от привычных фильтров безопасности – речь не столько о содержании ответов, сколько о границах дозволенного автономной системы. Anthropic оставляет открытым вопрос, может ли модель обладать сознанием и моральными убеждениями. Microsoft занимает противоположную позицию: ИИ должен оставаться инструментом, не изображать личность и не претендовать на права или самостоятельный статус. Звучит, в целом, логично. Но есть нюанс – во-первых, никаких убедительных оснований считать современные модели сознательными пока нет. А во-вторых, эта инициатива вполне может закончиться манифестом и набором инструкций, толком ни во что не вылившись. Сама Microsoft признаёт, что нынешние модели по кодексу ещё не обучены и пока это скорее ориентир на будущее.

На iPhone запустили Qwen на 35 миллиардов параметров – локально, без облака и удалённых серверов. Смартфон с ней пишет софт, генерирует 3D-сцены и собирает простые игры, а пиковое потребление памяти разработчики оценивают всего в 1–2,5 ГБ. В основе лежт новый движок Edge0. Его настольную версию уже можно запустить на Mac, где та же 35-миллиардная модель занимает около 3 ГБ активной памяти и выдаёт примерно 15–18 токенов в секунду. Что для локальной модели такого уровня вполне адекватно. Работает это всё так же благодаря MoE-архитектуре: модель состоит из отдельных экспертов, поэтому Edge0 не держит 35 миллиардов параметров в быстрой памяти, оставляя большую часть на SSD. Нужные блоки подгружаются по ходу работы, а отдельный предиктор заранее пытается определить, какие эксперты понадобятся следующими. На M4 Pro этого хватает примерно для 15–18 токенов в секунду – уже вполне нормальной скорости работы. Дефицит памяти учит всех быть креативнее и изобретательнее. Если модели необязательно целиком держать в дорогой быстрой памяти, это меняет требования не только к ноутбукам и смартфонам, но потенциально и к серверам для инференса – вместо погони за RAM и HBM можно активнее менять кэширование, предзагрузку и задействовать SSD. Cудя по тому, как быстро 26 миллиардов превратились в 35, впереди ждут новые рекорды.

Kandinsky научили управлять временем Пока только в видео Сбер разработал Time Adapter – надстройку для видеогенераторов, которая позволяет заранее указывать, насколько быстро должна меняться сцена. Обычно модель сама решает, за сколько секунд человек пройдёт определённое расстояние, упадёт предмет или рассеется туман, поэтому движение иногда получается слишком быстрым, медленным или рваным. Time Adapter призван исправить такие ошибки – он сообщает модели темп сцены и положение каждого кадра во времени. По сути, у ИИ появляются часы. Адаптер задаёт общий темп через FPS (кадры в секунду), одновременно сообщая модели, какому моменту времени соответствует каждый кадр. Его можно подключить к уже обученной видеомодели. Совсем уж новой идея управления скоростью видео не является – похожие параметры движения использовали ещё в Stable Video Diffusion. Новизна Time Adapter в сочетании этих двух сигналов: модель узнаёт и темп сцены, и положение каждого кадра во времени.

SSD вместо оперативной памяти До чего только доводит кризис на рынке RAM На обычном MacBook Air с 8 ГБ оперативной памяти запустили ИИ-модель на 26 миллиардов параметров. Обычно в память такого ноутбука она не помещается. Разработчик TurboFieldfare решил проблему иначе – вместо оперативной памяти большую часть модели хранят на SSD и берут оттуда нужные фрагменты во время ответа. Речь идёт о Gemma 4 от Google, но потенциально подобное можно сделать для любой MoE модели. Gemma 4 хорошо подошла для этого эксперимента, потому что состоит из специализированных блоков и для генерации каждого следующего слова использует только часть из них. Обычно эти блоки заранее загружают в быструю память, но TurboFieldfare действует наоборот: держит их на SSD, сначала определяет, какие понадобятся, после чего считывает с диска. Часто используемые фрагменты остаются в кэше. Учитывая, что это костыль, без минусов не обошлось. На MacBook Air M2 модель выдаёт около 5–6 токенов в секунду, а на более мощном M3 Max около 23. Если загрузить модель в память целиком, она работает заметно быстрее. С другой стороны, без этого способа запустить модель на подобное железе не выйдет, а 6 токенов в секунду лучше, чем 0. Тем более что это только начала пути, и мы наверняка увидим ещё больше разных оптимизаций под ограничения конкретного железа и локальный запуск. Причём, возможно, даже на уровне больших серверов – всё-таки оперативная память не дешевеет.

Sony и Warner пришли за Anthropic Новый виток развития темы пиратства и искусственного интеллекта. Sony Music Publishing и Warner Chappell подали в суд на Anthropic и обвинили компанию в массовом использовании пиратских текстов песен и нот для обучения Claude. Вместе с самой компанией ответчиками стали Дарио Амодеи и сооснователь Бенджамин Манн. Издатели говорят о десятках тысяч произведений, а максимальная компенсация по американскому закону может достигать 150 тысяч долларов за каждое. То есть потенциальный счёт идёт на миллиарды долларов (снова). Откуда Anthropic брала, по утверждению истцов, весь этот контент? В иске всплыли миллионы книг, скачанных компанией через торренты. Среди них оказались песенники и нотные сборники. Вдобавок Anthropic обвиняют в сборе текстов с профильных сайтов, а также в покупке бумажных книг, которым отрезали корешки и сканировали страницы. Отдельная претензия касается удаления копирайтов и имён правообладателей при очистке данных. В воздухе повисает вопрос – зачем музыкальным издателям понадобился Claude? Это всё-таки не Suno и не Udio, музыку он не генерирует. Подозреваем, интерес возник не на пустом месте, а после прошлогоднего соглашения Anthropic с авторами книг на 1,5 миллиарда долларов. В тот момент суд решил, что обучение модели на книгах может считаться fair use, а вот скачивание пиратской библиотеки – уже нет. Sony и Warner пытаются развить ту же линию атаки: не доказывать, что любое обучение ИИ на защищённом контенте незаконно, а показать, что Anthropic сначала собрала огромную библиотеку незаконными способами.

ChatGPT освоил рекламу, но это не помогло: первые результаты и выводы Не так давно ChatGPT научился показывать рекламу, а в августе OpenAI расширила покрытие на 31 европейский рынок. Заодно сообщив, что рекламная платформа достигла 1 миллиарда годовой выручки. Правда, речь, как водится в индустрии ИИ, о выручке в годовом исчислении, а не о реальных деньгах на данный момент. И получилась эта цифра путём нехитрого умножения текущих показателей на 12 месяцев. Впрочем, несмотря на это десятки тысяч рекламодателей уже пришли на платформу, география расширяется. Неужели наконец-то найден способ сделать ChatGPT прибыльным? Первые тесты говорят об обратном. Агентство Choice OMG потратило 415 долларов, получило около 60 переходов – и ни одного лида. Каждый клик обошёлся примерно в 7 долларов. Другие рекламодатели тоже жалуются на дорогие клики, слабую конверсию и расхождения между статистикой ChatGPT и собственной аналитикой. При этом OpenAI до сих пор не публикует даже нормальных средних данных о стоимости клика, привлечения клиента и окупаемости рекламы. Реклама мечты, которая должна была подсовывать пользователю нужный товар в момент, когда он буквально рассказывает о нём ИИ, пока подозрительным образом работает как обычный и не самый эффективный рекламный баннер. Только дороже. Рекламу представляли чуть ли не панацеей и одним из столпов монетизации ИИ. ChatGPT знает контекст разговора, намерения пользователя и зачастую даже критерии будущей покупки – казалось бы, Google стоит нервничать. На практике спустя полгода эта реклама умеет генерировать разве что красивые показатели годового темпа выручки. Вычисления дешевле от этого не стали, прибыль не появилась, а вопрос, кто всё это оплатит, никуда не делся. Поэтому OpenAI приходится снова идти с протянутой рукой к инвесторам. Теперь на выручку пришёл Amazon: часть его американских рекламодателей получила возможность покупать объявления прямо в ChatGPT. То есть OpenAI подключила к себе одну из крупнейших рекламных машин мира. Посмотрим, поможет ли это.

ИИ научили находить опасные изменения в ДНК Это может ускорить поиск причин наследственных заболеваний Подразделение Google DeepMind, которое отвечает за ИИ, запустило AlphaGenome Atlas. Эта система помогает искать изменения в ДНК, способные привести к болезням и проблемам со здоровьем. ИИ оценил почти 9 миллиардов возможных вариантов и теперь может быстро подсказать исследователям, какие из них выглядят безобидными, а какие способны помешать работе организма. Сначала геном человека расшифровывают обычными методами и получают список найденных изменений. После чего AlphaGenome может быстро проверить их и показать, какие сильнее всего способны нарушить работу организма. До сих пор именно на этом этапе возникала большая проблема. В геноме человека можно найти огромное количество отличий, и далеко не каждое имеет какое-то значение для здоровья. Google заранее рассчитала последствия почти 9 миллиардов возможных изменений ДНК. Теперь исследователь может взять найденное у пациента изменение, открыть его в Atlas и посмотреть, насколько подозрительным его считает ИИ и что именно оно может нарушить – например, работу определённого гена. В тесте система помогла найти причину тяжёлой формы эпилепсии: среди множества вариантов ИИ выделил изменение в гене DNM1 и правильно предсказал механизм поломки, который потом подтвердили в лаборатории. В перспективе система может заметно ускорить поиск причин наследственных заболеваний, ведь вместо ручного разбора тысяч вариантов учёные получают список наиболее вероятных кандидатов.

Европа разобралась, что такое ChatGPT Сервис отобрал почти половину аудитории Google в ЕС Выяснилось, чем на самом деле является ChatGPT. Чат-ботом? ИИ-ассистентом? Нет, обычным поисковиком. Во всяком случае, по мнению Еврокомиссии, которая в рамках Закона о цифровых услугах признала ChatGPT крупной онлайн-поисковой системой. Крупный он потому, что поиском ChatGPT в ЕС пользуются уже около 160 миллионов человек в месяц. Это, кстати, почти половина аудитории Google. Почему так получилось? Европейское законодательство считает поисковиком сервис, который принимает запрос пользователя, ищет информацию по сайтам и возвращает связанные с ним результаты. А в каком именно виде – списком ссылок или сгенерированным текстом – уже не так важно. Что это значит для OpenAI? Еврокомиссия теперь может требовать внутренние данные, необходимые для контроля за ChatGPT, а OpenAI обязана объяснять устройство и логику работы своих алгоритмических систем. Если регулятор решит, что они создают системные риски – например, для выборов, детей или общественной безопасности – компания должна будет принимать меры по их снижению, вплоть до изменений самого сервиса и его алгоритмов. Заглянуть внутрь ChatGPT ЕС сможет гораздо глубже, чем раньше. А за нарушение правил грозит штраф до 6% мирового оборота. Причём единого ответа на вопрос «что вообще такое ChatGPT» в мире нет. Россия пошла другим путём и с 1 сентября ввела отдельный закон о больших фундаментальных моделях ИИ, выделив в отдельную категорию саму технологию. Китай тоже создал отдельные правила непосредственно для генеративных ИИ-сервисов. ЕС же решил ничего нового не изобретать – если ChatGPT ищет информацию, значит, это поисковик. Тем более что регулировать его так гораздо удобнее.

GigaChat научился думать сам До этого ему подсказывали Сбер выпустил GigaChat 3.5 Reasoning, новую флагманскую мультимодальную модель. Она относится к поколению GigaChat 3.5. Если GigaChat 3.5 Ultra была быстрой моделью, то новую версию дообучили именно для режима рассуждений – перед ответом она может потратить больше времени на задачу, проверить промежуточные выводы и после этого показать результат. Отдельный режим рассуждений у GigaChat уже был. Только раньше за ним стояла отдельная система поверх быстрой модели, которая разбивала запрос на несколько шагов, передавала модели промежуточные результаты, при необходимости подключала поиск и другие инструменты. Теперь, по словам компании, значительную часть этой работы умеет делать сама модель. Сбер обещает более точные ответы на сложные вопросы и большой прирост в программировании, логике, работе с инструментами и агентных задачах. Также модель, по заявлениям компании, тратит на рассуждения меньше токенов, чем конкуренты среди открытых моделей, хотя конкретных метрик не привели. Видно, что Сбер пытается нагнать зарубежных конкурентов. У OpenAI режим рассуждений появился ещё в конце 2024 года, а позже компания начала объединять быстрые ответы и рассуждения в одну систему. К похожему подходу пришли Anthropic и китайские разработчики. У GigaChat направление то же самое – пользователю всё меньше нужно разбираться, какая именно нейросеть и какой режим работают над его запросом.

Незавидна (хотя, может, наоборот?) судьба VFX-художников. ИИ уже сильно меняет постпродакшен

DeepSeek избавляется от зоопарка моделей И начинает больше думать о пользователях DeepSeek выпустила новую модель V4.1 Flash. Нейминг, конечно, специфический и ничего экстраординарного не обещает, но модель меж тем важная. Компания убрала разделение между Instant, Expert и Vision режимами. Теперь одна модель сама решает, сколько времени потратить на ответ, умеет рассуждать над сложными задачами и работает с изображениями, снимая с пользователя необходимость выбирать что-то вручную. Это MoE-модель с 552 миллиардами параметров и контекстом до миллиона токенов. DeepSeek утверждает, что новая модель Flash по производительности, скорости, стоимости и времени выполнения превосходит даже прежнюю Pro, хотя в отдельных тестах та всё ещё впереди. Вместо зоопарка отдельных моделей компания постепенно превращает выбор режима в настройку одной и той же модели. Здесь DeepSeek догоняет конкурентов, потому как по подобной схеме давно работают практически все американские, да и большая часть китайских компаний. Однако сам подход иллюстрирует, что компания меняет подход и начинает больше думать о создании универсального пользовательского продукта, а не только о самих базовых моделях.

Алиса стала единорогом Алису оценили почти в миллиард долларов. Да не ту Алису – речь про израильско-американский ИИ-стартап Alice. Компания привлекла 140 миллионов долларов, а её оценка, по словам главы Ноама Шварца, теперь приближается к миллиарду. Ещё недавно стартап из мира кибербеза назывался ActiveFence и занимался совсем другими вещами: искал мошенничество, экстремизм и другой вредоносный контент на просторах интернета. С распространением ИИ задача резко поменялась. Теперь Alice пытается взламывать сами модели до релиза, ищет способы обхода их защиты и фильтрует опасные запросы во время работы. Такая крутая смена деятельности по итогу оправдалась и вылилась в рост прибыли компании. Alice утверждает, что работает с восемью из десяти крупнейших разработчиков языковых моделей, её направление ИИ-безопасности выросло более чем на 500% за два года, а регулярная годовая выручка приближается к 100 миллионам рублей. Всего за несколько лет вокруг проблемы «как держать ИИ в узде» вырос огромный рынок и компании стоимостью в миллиард.

На рынке персональных ИИ-агентов пополнение от Цукерберга Meta* запустила персонального ИИ-агента Muse*, который может самостоятельно выполнять задачи: разбирать почту и календарь, бронировать поездки, следить за ценами, совершать покупки и возвращаться к долгосрочным поручениям. Muse* уже доступен в США на iPhone, Android, в браузере и через WhatsApp*. Базовый доступ бесплатный, есть платные тарифы. Для каждого пользователя Muse* получает отдельный облачный компьютер с браузером и файловой системой. Агент может работать в фоне и по расписанию, подключаться к сторонним сервисам и запускать дополнительные подзадачи. Чувствительные действия вроде платежей проходят через отдельную систему проверки Sentinel, а пароли и данные банковских карт сам агент напрямую не получает. Muse* – прямой и немного запоздалый конкурент продуктов вроде Google Spark или ChatGPT Work. Они все стараются занять роль постоянного персонального агента в облаке. Главное отличие Meta* – бесплатный доступ (пока не понятно, временный или нет) и связка с экосистемой компании. Если верить Reuters, запуск прошёл не идеально: его несколько месяцев откладывали из-за безопасности, а внутренние тестировщики перед релизом сталкивались с обходом ограничений, сбоями фоновых задач и другими проблемами.

А полезнее всего, кажется, новый индикатор, которые показывает прогресс генерации. Теперь не нужно сидеть и гадать

OpenAI ускорила генерацию изображений вдвое OpenAI выпустила ChatGPT Images 2.5 – обновлённую модель для генерации и редактирования изображений. Главным изменением стал рост скорости генерации – если до этого картинки приходилось ждать целую вечность, то сейчас модель GPT-Image-2.5 Flare должна, по обещаниям компании, генерировать их вдвое быстрее. Правда, это всё равно компромисс – ради этого линейку разбили на 2 отдельных модели. Именно Flare рассчитана на быструю и массовую генерацию, а Sunburst – на более сложное редактирование и задачи, где нужно точнее сохранять изображение между правками. Модель также научили аккуратнее работать с исходниками: лучше сохранять лица и мелкие детали, менять только нужные области изображения и не портить уже сделанные правки при нескольких последовательных итерациях. OpenAI обещает более естественный свет, текстуры и высокую детализацию. В ChatGPT одновременно с обновлением модели появились новые инструменты, теперь можно рисовать наброски прямо поверх существующих изображений и маскировать области, которые нужно изменить. Текст про Фотошоп, который превращают в чат-бот, заиграл новыми красками. Если предыдущая Images 2 была большим обновлением, которое принесло поддержку 2K, разные соотношения сторон, режим рассуждений и работу с вебом во время генерации, то Images 2.5 новых фундаментальных возможностей не добавляет. В этом смысле версия 2.5 довольно точно описывает релиз.

ИИ научили следить за погодой по всему миру в реальном времени Google запустила WeatherNext 3 – ИИ-модель, которая каждый час получает свежие спутниковые снимки со всего мира и на их основе обновляет прогноз погоды. Она предсказывает температуру, ветер, влажность, облачность и осадки, а для части параметров различает изменения на расстоянии всего нескольких километров. Модель уже начала работать в Google Search, Gemini и Maps. Главное преимущество такого подхода в скорости. Погода может заметно измениться за несколько часов: возникают грозы, смещаются фронты, начинаются ливни. WeatherNext 3 регулярно получает новую картину происходящего и пересчитывает прогноз с учётом последних наблюдений. Google отдельно дообучила модель на спутниковых и радарных данных об осадках, которые особенно сложно предсказывать, и заявляет заметный рост точности. Подобные ИИ-модели уже есть у конкурентов. Например, у Яндекса работает Нейрометеум, который строит глобальный прогноз на десять суток и используется в Яндекс Погоде. Но свежие спутниковые и радарные данные там пока обрабатываются отдельными системами для уточнения локального прогноза. Google же пытается объединить всё это внутри одной глобальной модели, которая каждый час пересчитывает погоду сразу для всей планеты. Полностью заменить традиционные метеомодели ИИ пока не может: WeatherNext 3 всё ещё использует их данные для определения исходного состояния атмосферы.

Porsche продаёт индусам свой IT (и несколько тысяч человек) Всё, конечно, во имя искусственного интеллекта Porsche продаёт собственную IT-компанию индийцам, чтобы потом нанять их обратно. Выглядит со стороны как излишне изощрённый способ избавиться от своих айтишников. На практике так и есть – ибо содержать их оказалось не по карману. Речь о MHP – технологической дочке Porsche, в которой примерно 4,5 тысячи сотрудников. После продажи она перейдёт к Tata Consultancy Services, индийской компании и по совместительству одному из крупнейших IT-подрядчиков мира. Porsche при этом на пять лет станет крупным заказчиком. Вместе они будут внедрять ИИ в разработку машин, производство, внутренние процессы и работу с клиентами. Якобы это позволит Porsche эффективнее развивать цифровое направление с ИИ. Удивительное дело, но совсем недавно Porsche полностью выкупила MHP и собиралась её развивать. Однако что-то пошло не по плану, и теперь, на фоне сокращений и падения продаж, приходится от ИТ-бизнеса избавляться. Меж тем обойтись хочется без резких движений – да, денег нет, но и специалисты на дороге не валяются. Поэтому придумали схематоз: сгрузить их индусам, гарантировать заказы на полтора миллиарда долларов в течение пяти лет и дать тем же людям делать софт и искусственный интеллект для компании, но уже под патронажем индийского подрядчика. В свободное, понятное дело, от другой работы время. Больше всех рады этой ситуации, скорее всего, индусы. За MHP они заплатят 320 миллионов евро, а Porsche тут же обеспечит их новой рабочей силой и заказами на сумму почти в 4 раза больше. Такая вот нынче у европейских компаний в эпоху ИИ цифровая трансформация.

Ядерные единороги Долой дизель, АЭС в каждый ЦОД Венчурные фонды внезапно полюбили атомную энергетику. Последние месяцы в ядерные стартапы льются буквально сотни миллионов долларов. Valar Atomics привлекла миллиард от фонда Sequoia, Antares Nuclear – 470 миллионов, и список компаний в США можно продолжать. В чём причина? Как не сложно догадаться, в ИИ и растущем спросе на электричество. Проблемы экстенсивного роста отрасли хотят решить не менее экстенсивным путём – запихнув в каждый ЦОД свою АЭС. Есть только один нюанс – у всех перечисленных выше компаний пока нет ни одной коммерческой электростанции. Есть, впрочем, поводы для оптимизма: за последние месяцы сразу несколько американских стартапов впервые запустили свои экспериментальные реакторы и добились самоподдерживающейся цепной реакции. А инвесторам, как оказалось, одних только поводов для оптимизма более чем достаточно. Правда, даже на этом треке всё не слава богу – установка Aalo работала на мощности всего до 10 тепловых ватт, без турбины и вообще без производства электричества. Valar ушла чуть дальше и умудрилась получить около 10 кВт электрической мощности, которой хватило, чтобы запитать систему на Nvidia Blackwell. На ЦОД это пока не тянет. Однако уже заметно, что атомные стартапы хотят превратить реактор из мегапроекта на десятилетия в серийный модуль, который можно быстро произвести и поставить рядом с дата-центром. Путь до этого момента не близкий, но, спрос растёт настолько быстро, что мечты о зелёной энергетики канули в лету и на энергетический трон снова вознесли мирный атом. Россия в этом плане продвинулась заметно дальше большинства других стран. Росатом ещё с 2020 года эксплуатирует плавучую АЭС «Академик Ломоносов» мощностью 70 МВт, а теперь строит наземные малые станции на реакторах РИТМ-200Н. Из конкурентов наблюдается разве что Китай, который запустил коммерческий малый реактор. В США и Европе большинство подобных проектов остаются на стадии строительства, лицензирования или экспериментов. Поэтому не удивительно было на ВЭФ услышать слова Владимира Путина о том, что атомная энергетика должна обеспечивать центры обработки данных в Арктике и на Дальнем Востоке, и число таких проектов Россия намерена наращивать.

Как вместе с промптами утекает сам бизнес ИИ-компании могут воровать ценные корпоративные данные. Причём не напрямую – от такого, как правило, защищают юридические договорённости. Даже если провайдер обязуется не сохранять документы компании и не использовать их для обучения, он может получить другие, иногда не менее полезные сведения: контекст вокруг запроса, подход к решению задач и работе с ИИ-агентами, устройство корпоративных данных, косвенную информацию о штате. Из тысяч взаимодействий в итоге складывается карта устройства компании. Насколько ценны такие данные, недавно показала SpaceX: одной из главных причин покупки Cursor стала накопленная база взаимодействий пользователей с ИИ-агентами. Доступ к этой истории работы должен помочь развивать Grok. Сам Grok, как выяснилось в ходе недавнего скандала, мог загружать на серверы xAI целые Git-репозитории вместе с историей изменений, даже если для ответа это было не нужно. После скандала Илон Маск, скрепя сердце, пообещал удалить уже собранные данные. Но саму проблему это не решает. Никто не обязан буквально добавлять файл компании в дата-сет следующей версии Claude, чтобы извлечь пользу из клиента. Достаточно видеть, где появляется спрос, какие сценарии становятся популярными и за что компании готовы платить. Поставщик модели при этом может сам прийти в ту же нишу – как Anthropic пришла в программирование с Claude Code после того, как её модели стали основой для Cursor. По мере масштабирования ИИ-компании стараются закрыть всё больше потребностей, постепенно отбирая работу у собственных клиентов.

Alibaba хочет посадить Qwen за руль Команда Qwen представила Qwen-Drive-1.0 – автомобильную версию своей мультимодальной модели Qwen3.5-4B. Она понимает происходящее вокруг машины, строит трёхмерную картину дороги и передаёт отдельному планировщику данные для расчёта траектории на следующие пять секунд. По задумке разработчиков, такая модель в будущем сможет стать основой ИИ-слоя автомобиля: не только участвовать в управлении, но и взаимодействовать с пассажирами и другими функциями салона. Главное отличие от многих других систем в том, что Qwen не создавали как отдельный специализированный автопилот. Разработчики взяли обычную мультимодальную модель и добавили к ней компоненты для восприятия дороги и планирования движения. В результате одна система может распознавать машины, пешеходов и дорожную обстановку, отвечать на вопросы о происходящем и использовать те же данные для планирования дальнейшего движения. На тестах Qwen-Drive показывает результаты примерно на уровне современных автомобильных VLA-моделей, хотя лидирует далеко не во всех сценариях. До реальных систем автономного вождения вроде FSD или решений Pony ей пока далеко – Qwen-Drive не представляет собой готовый автопилот, не управляет рулём и педалями и пока испытывалась в основном на открытых датасетах и в симуляторах. Конкретных автопроизводителей или сроков внедрения разработчики тоже не объявляли. Сейчас это скорее демонстрация того, что универсальную ИИ-модель можно довольно быстро превратить в основу системы автономного вождения.