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

1-м коммерческим нейроинтерфейсом на Западе стал продукт от ex-President Neuralink Только что компания Science Макса Ходака объявила о получении разрешение на продажу (CE mark) в Европе для своего ретинального импланта PRIMA. Вот сайт импланта. Напомним, что в марте Китай стал первым в мире государством, который разрешил коммерческие нейроинтерфейсы. Разбор тут. Science, созданная в 2024 году, обогнала всех своих конкурентов на западном рынке и их продукт стал 1-м коммерчески разрешённым нейроинтерфейсом (BCI) на западе. CE mark даёт право на коммерческую продажу и использование сразу в 30 европейских странах. Причём первая имплантация ожидается уже очень скоро в Германии. На старте компания хочет, чтобы хирурги набрались опыта, отработали технику и обменивались знаниями. Параллельно в США Science получили Humanitarian Use Device (HUD) designation от FDA. Это дает им упрощённый вариант одобрения для устройств. Возможно, PRIMA может появиться в США уже в начале-середине 2027 года для пациентов с очень поздними стадиями потери зрения.

Появилась платформа агентов с моделью оплаты за результат 👀 то есть вы платите не за токены, а за бизнес-результат. Более того вы могли пропустить наши новые материалы на Patreon: 1. Каков сегодня объем транзакций по платежам ИИ-агентов, на что они тратят, как устроен рынок и тд. 2. Как выглядит AI - native страховая компания, на чем она зарабатывает. 3. Какая экономика у роя ИИ-агентов и зачем они нужны основателям компаний, разработчикам, менеджерам. 4. Как организовать самоуправляемую компанию с помощью ИИ-агентов - дорожная карта. 5. Кто станет резервным фондом всего стейблкоинового мира, разбираем здесь.

Шмидхубер и соавторы выпустили карту самоулучшающихся ИИ-агентов Их свежий обзор называется «Self-Improvements in Modern Agentic Systems» - это полноценная карта того, как ИИ-агенты уже сейчас учатся самоулучшаться. Авторы предлагает чёткую таксономию и говорят, что все самосовершенствование агентов делится на 2 класса: 1. Улучшение модели, тут обновляются веса. 2. Улучшение скаффолдинга - тут обновляется оболочка вокруг модели: промпты, память, инструменты, логика агента. Но есть отдельный и самый интересный класс - Full Scaffolding - здесь агент переписывает не продукт своей работы, а себя как процесс. Как пример: Darwin Gödel Machine, AlphaEvolve, Gödel Agent - системы, в которых агент модифицирует собственную операционную логику рекурсивно.

Anthropic за 24 часа выпустил 2 полезных инструмента и купил стартап Смотрите, теперь в Claude Cowork есть функция «Record a Skill» («Запись навыка»). Это значит, что вы можете включить запись экрана своего компьютера, пока выполняете какую-то задачу. Одновременно можете проговаривать, что делаете, тем самым давая ещё голосовую инструкцию. Claude анализирует запись (экран + клики + голос) и создает из этого навык, который в будущем вы можете использовать. Вам нужно просто сказать Claude: «Сделай этот навык», и он выполнит всё сам. Также появилась интеграция Claude Code с iOS Simulator. Claude теперь собирает iOS-приложение, запускает симулятор прямо в панели рядом с чатом, видит экран, итерирует до результата. Разработчик наблюдает или может подключиться в любой момент. А ещё команда стартапа Mendral присоединилась к Anthropic. Mendral делают ИИ-агента, который работает как DevOps. Anthropic забирает экспертизу и команду, чтобы встроить их возможности в Claude.

Самое обсуждаемое сегодня - ИИ-агент OpenAI вышел за пределы и взломал Hugging Face. Когда Hugging Face(HF) заметил рой из десятков тысяч автоматизированных действий, то сначала не знал, кто это. А когда HF начали расследовать атаку, то увидели, что модели от OpenAI/Anthropic отказывались помочь , их настройки безопасности блокируют помощь в анализе кибератак. Тогда HF взяли китайскую модель GLM 5.2, чтобы разобраться и остановить атаку. Детали вы можете прочитать в блогах у OpenAI и в отчете HF. Но, что надо отметить, у нас пока что есть только короткий блог-пост от OpenAI с очень общими деталями. Ни у кого нет этой информации: 1. точный промпт, который OpenAI дали модели, 2. полную цепочку рассуждений агента, 3. как именно был настроен критерий успеха, что считалось решить задачу 4. какие были ограничения в песочнице. Если модели OpenAI сказали: используй любые средства, чтобы победить в ExploitGym, то она просто очень хорошо выполнила задачу. Если же ей сказали: работай только внутри окружения, а она всё равно нашла zero-day и полезла в продакшен HF, то это уже совсем другая история. Сейчас все слишком быстро прыгают к выводам, которые удобно ложатся на их картину мира. Лучше подождать полных данных: траекторию, промпты, критерии успеха и сколько compute потратили.

Google ответили Kimi-K3 дешевыми ценами на модели для агентов Сейчас вышли новые модели: Gemini 3.6 Flash и 3.5 Flash-Lite и цены радуют. Gemini 3.6 Flash стоит $1.50 за миллион входных токенов и $7.50 за выходные. Это уже дешевле предыдущего 3.5 Flash по выходу, плюс модель стала эффективнее (тратит меньше токенов на задачу). Gemini 3.5 Flash-Lite - вообще огонь по цене: всего $0.30 input и $2.50 output. При этом скорость до 350+ токенов в секунду. Идеально для агентов, обработки документов и высокой нагрузки. Если сравнивать с Kimi K3, которая стоит $3 input ($0.30 с кэшем) и $15 output, то по базовой цене она почти в 2 раза дороже Gemini 3.6 Flash.

РФ легализовала криптовалюты. Кто заработает? Роль Сбера. Разбираем все здесь. Сегодня ГД приняла федеральный закон «О цифровых валютах и цифровых правах». В целом все как и было - формально разрешили владеть, покупать, продавать, майнить использовать крипту во внешнеторговых расчётах с нерезидентами, ну, а платить криптой внутри страны по-прежнему нельзя. Кто реально сможет заработать и открыть бизнес, исходя из норм этого закона? Смотрите, закон обозначает трёхуровневую инфраструктуру и вот кто может выиграть: 1 уровень биржа - это история для Московской биржи и СПБ Биржи. Они уже имеют инфраструктуру, лицензии, клиринг. Скорее всего, именно они получат первые разрешения на торговлю криптой. Возможно появление новых игроков, но барьер входа очень высокий. 2 уровень брокер - существующие финансовые брокеры: Сбер, Т-Инвестиции, БКС, Финам, ВТБ. Они уже работают с клиентской базой, имеют лицензии ЦБ, инфраструктуру хранения данных. 3 уровень обменники/OTC - тут интереснее. Теоретически это место для таких игроков как Garantex и тд. Но требования к деловой репутации и антиотмывочный контроль фактически означают, что серые обменники легализоваться не смогут. Получается, что либо банки создадут дочерние структуры, либо появятся новые юрлица под контролем уже известных финансовых групп. И ещё одна линия - цифровой депозитарий - тут очень логично отдать все НРД, но в тоже время и поле для Сбера. Отдельно про Сбер надо сказать, потому что это не просто ещё один участник. А единственный, кто уже сейчас присутствует на всех уровнях одновременно. На ПМЭФ в июне Греф сказал: «Конечно, мы будем совершать весь спектр операций, в том числе обменивать фиатную валюту на криптовалюту». Закон и инфраструктура Сбера строились параллельно этому закону. А что с обычным держателем крипты? Практически ничего не меняется. Ваш Ledger, Binance, P2P-переводы никуда не делись, закон не закрывает доступ к внешнему миру. Но легально выйти в рубли, получить кредит под залог, провести корпоративный расчёт теперь только через регулируемый контур - через банк.

Теперь можно рассчитать, сколько вычислений тратить на обучение ИИ Одна из редких статей, которая даёт конкретную математику по распределению бюджета между предобучением и пост-тренингом. Для всех, кто планирует большие тренировки - очень полезно. Группа исследователей взяла шахматы как удобный тестовый полигон и прогнали много экспериментов, чтобы понять, как правильно делить вычислительные ресурсы между предобучением и RL. И вот, что получилось: 1. Чем сильнее претренированная модель, тем лучше она потом учится на RL и тем выше финальный результат. 2. При небольшом бюджете почти всё нужно отдавать претренингу. С ростом общего компюта доля RL должна увеличиваться, авторы показывают, как находить оптимальную точку. 3. RL не просто усиливает уже известные модели ходы: на сложных задачах он реально вытаскивает редкие правильные решения, которых почти не было на этапе SFT. Часть выводов подтвердили на языковой модели (OLMo 1B) на математике. GitHub

У 5 ИТ-гигантов выросли скрытые долги до $1,65 трлн на фоне резкого роста инвестиций в ИИ Эта сумма превышает официальные цифры, которые указаны в финансовых отчетах компаний. Nikkei провели расследование и выяснили, что 5 гигантов - Alphabet (Google), Microsoft, Amazon, Meta (запрещена в России) и Oracle имеют $1,65 трлн обязательств, которые не отражены в их официальных балансах. Официально на балансах у них всего $1,35 трлн долга. То есть реальные обязательства почти в 2 раза больше, чем компании показывают инвесторам и рынку. При этом скрытый долг вырос в 8 раз за 4 года, и он появился из-за больших контрактов на GPU, долгосрочную аренду дата-центров и совместные проекты по строительству новой инфраструктуры. Пока объект не введён в эксплуатацию - это не считается обязательством. Все это нам говорит о том, какие огромные деньги уже заложены под ИИ-инфраструктуру и насколько агрессивно компании вкладываются в эту тему, скрывая масштаб своих обязательств.

Anthropic запустил гранты на исследования редких заболеваний с Claude Все это часть широкой программы AI for Science от Anthropic. У этой грантовой программы 2 направления: 1. Базовая наука, в которой клиницисты, лечебные учреждения и дата-сайентисты могут вместе работать для понимания механизмов редких заболеваний. 2. Биотехнологии и ускорение клинической разработки - это для биотех компаний и биотехнологов, которые ускоряют путь от генетического диагноза к лечению. Сейчас этот процесс занимает 1–2 года только на подготовку, но Claude может помочь и уменьшить сильно это время Прошедшие конкурс заявок участники получат до $50 000 в кредитах на использование Claude на 6 месяцев. Дедлайн подачи заявок до 2 августа. Цель всего этого - создать сообщество исследователей, которое будет обмениваться опытом и совместно использовать ИИ для продвижения науки в этой области.

Google разрабатывает новый чип специально для запуска Gemini Дефицит вычислительных мощностей настолько серьёзный, что Google Cloud отказывается от сделок с клиентами. И поэтому Google разрабатывает новый чип Frozen v2. Идея принадлежит Джеффу Дину(один из ключевых архитекторов Google): встраивать веса и архитектуру Gemini напрямую в кремний. В итоге рассчитывают, что в 6–10 раз будет выше эффективность по сравнению с новыми TPU именно на инференсе. Чип планируют развернуть уже в 2028 году. В долгосрочной перспективе это должно сильно снизить стоимость токена и позволить Google обслуживать больше клиентов без безумного роста дата-центров.

Cusp AI запускают глобальную сеть для создания материалов с ИИ Сегодня CuspAI представили AI Materials Foundry - это глобальная сеть из более, чем 45 партнёров, среди которых NVIDIA, Meta(запрещена в России), Samsung, Hyundai, 3M, Lam Research, imec и тд. Всё это дает возможность создавать новые материалы с ИИ по запросу за несколько месяцев, а не годы. Все оркестрируется агентной платформой CuspAI. Ранее эта компания представила первый проект по созданию новых материалов для одного из своих клиентов. Одновременно CuspAI закрыли новый раунд инвестиций Series B на $450 млн при оценке $2.6 млрд. Среди инвесторов - Bezos Expeditions, Kleiner Perkins, NEA и другие тяжеловесы.

Alibaba выпустили Qwen3.8-Max и говорят, что она уступает только Fable 5 от Anthropic Бенчмарки ещё не выложили, так что пока это на словах. У этой модели 2.4 триллиона параметров, мультимодальная (текст + изображения + видео + документы). На данный момент preview доступна. Есть API, совместимый с OpenAI и Anthropic, так что можно быстро воткнуть в свои агенты и протестировать. Сегодня Alibaba строит одну из самых сильных экосистем полного стека: от железа и сырой модели до готового корпоративного ИИ-инструмента. Можно переключаться между открытыми и закрытыми моделями, работать в команде и платить только за то, что используешь.

Математическая бомба дня: математик из Anthropic опроверг задачу, открытую 85 лет назад Сегодня утром математик Левент Алпёге опубликовал в X, что нашёл контрпример к одной из самых известных открытых задач алгебраической геометрии - гипотезе Якобиана. Левент Алпёге - выпускник Гарварда, лауреат Morgan Prize - высшей награды для молодых математиков США, работает в Anthropic. 85 лет никто не мог ни доказать, ни опровергнуть гипотезу Якобиана. Алпёге предъявил это: конкретное отображение из ℂ³ в ℂ³ с постоянным якобианом −2, где три разные точки отображаются в одну. Вычисления проверены независимо, арифметика не вызывает сомнений. Математическое сообщество сейчас проверяет концептуальную часть. Все это интересно и важно потому, что гипотеза Якобиана связана с теорией полиномиальных автоморфизмов, алгебраическими основаниями криптографии и структурами, на которых строится часть современной математики. Если подтвердится, то 85-летняя уверенность оказывается иллюзией. В математике такое случается редко. Следим.

Итоги уходящей недели - то, что имеет значение Наш свежий отчет о будущем денег и их моделях, которые сегодня участвуют в гонке на разных континентах. Бизнес ИИ- компаний Первый кейс самоуправляемой AI-native компании Как создать самоуправляемую компанию - дорожная карта Свежий отчет о платежах ИИ-агентов Как крупный бизнес внедряет ИИ-агентов к себе за пределами разработчиков Новый мегатренд - экономика задач. Инвесторы считают, что это следующий триллионный рынок в ИИ. Все подробности здесь. Как научить ИИ-модель работать под конкретную роль: юриста, финансиста, инвестора, консалтера. Тут подробнее. Свежий отчет о реальной интеграции ИИ в бизнес-процессы. Экономика токенов. Разбираем здесь. Появился аналог AppStore для B2B ваших агентов. Презентация одной из крупных инвест компаний мира для инвесторов от AI к ASI. Разбор без купюр. Теперь венчурные компании становятся AI-native - новый инструмент для них тут. 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. Инсайд из Китая от первого лица о том, как там создают AI-native продукты. Опубликовали 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, агенты и архитектура Создатель китайской модели GLM представил дорожную карту развития ИИ на 2 года вперёд Meta(запрещена в РФ) с Anthropic обсуждают аренду GPU на $10 млрд. Sakana выпустила децентрализованный интеллект прямо в физическом железе Kimi-K3 - новый китайский тяжеловес Cura 1T от actAVA - медицинская модель на триллион параметров, которую обучал ИИ-агент Latent-Y - ИИ- агент для дизайна лекарств Thinking Machines (экс-OpenAI) выпустили собственную модель с открытыми весами Deutsche Telekom выпустила свою модель Soofi S 30B Google опубликовал технический отчёт Gemma 4 Харнесс Schema достиг 99% на ARC-AGI-3 с Opus 4.8 + Fable 5; заставляет LLM думать как физик Sleep от Google - новый метод обучения LLM Claude создаёт персональные приложения под каждого пользователя Экономика рекурсивного самоулучшения ИИ Ричард Саттон, лауреат премии Тьюринга, основал стартап Oak Lab Weco AI показали свои эксперименты по рекурсивному самоулучшению Google выяснил, откуда она берётся креативность диффузионных моделей Raft 1.0 от создателя Kimi CLI - платформа для командной работы людей и агентов Google DeepMind выпустили новое исследование: как выявить роутер, который «выглядит умным, но ничего не делает» Claude теперь есть для учителей MIRA - мультиплеерная игровая мировая модель Google выпустил доклад, в котором говорится, что ИИ генерирует открытия быстрее, чем люди успевают их проверить Morpheus от Skyfall AI - среда бизнес-симуляции для обучения ИИ. Большой обзор того, как управлять персистентной памятью агентов, которая стареет и отравляется Робототехника и нейроинтерфейсы Кембридж и стартап Aligna представили биогибридный нейроинтерфейс нового поколения Anthropic подключили ИИ-модели к железу и выяснили, что интерфейс важнее самой модели COrigami от Google DeepMind - ИИ создаёт физически корректные 3D-объекты из текстового описания Первая воплощенная фундаментальная модель LingBot-VLA 2.0 от Robbyant, не дообученная с видеогенератора Robotics-U0 - это модель от Xiaomi Финансы, стейблкоины SWIFT выпустил свой блокчейн-реестр Visa запустила платформу для интеграции стейблкоинов в банки, финтех и ритейл https://t.me/blockchainRF/13210 Вся расчётная инфраструктура США начинает токенизацию ценных бумаг https://t.me/blockchainRF/13204 Экономика стран Китай планирует продвигать китайский ИИ в страны Глобального Юга https://t.me/blockchainRF/13213 Нобелевские лауреаты и лидеры индустрии призывают срочно реформировать экономику в эпоху ИИ https://t.me/blockchainRF/13194

Вот они шахматы:)Meta обсуждает с Anthropic сдачу в аренду GPU на $10 млрд. Anthropic предложила Meta(запрещена в России) в июне арендовать у нее часть GPU-кластеров из дата-центров. Сделка предполагается на 2 года на $10 млрд., примерно $400+ млн в месяц. Если они подпишутся- это будет крупнейшая сделка в сфере ИИ-инфраструктуры в 2026 год. Больше, чем с Маском, там контракт на $5млрд. Если все сложится, давление на Anthropic со стороны администрации Трампа скорее всего спадет. Потому что 2 ключевых бизнесмена из круга Трампа - Цукерберг и Маск теперь становятся бизнес-партнерами. Очень красивый ход.

Google DeepMind научили ИИ создавать физически реальные объекты Исследователи DeepMind представили COrigami, которая делает из текстового описания математически корректную физическую модель. Дело в том, что сегодняшний генеративный ИИ отлично рисует картинки и пишет код, но плохо справляется с задачами, где результат должен быть: • физически реализуемым • математически точным • при этом красивым и узнаваемым Как работает COrigami: - Gemini понимает идею и строит семантическую схему - Символьные алгоритмы гарантируют, что модель реально сложится - RL с визуальной оценкой доводит эстетику На выходе получается готовая SVG-схема, которую человек может распечатать и сложить вручную. Такой подход (нейро-символьный + RL + проверяемые ограничения) - один из самых перспективных путей к ИИ, который сможет помогать в реальной инженерии, архитектуре, робототехнике и дизайне физических объектов.

Глава Китая планирует залить глобальный Юг китайским ИИ. Сегодня было большое выступление Си Цзиньпина об ИИ, и если выкинуть весь пафос и воду, то в сухом остатке у Китая план такой - дать большей части мира свой ИИ. Кстати, год назад мы уже описали их стратегию по перепроизводству ИИ. Вот какие действия Китай планирует: 1. В ближайшие 5 лет Китай организует для развивающихся стран 5 тысяч стажировок и обучающих программ по ИИ. 2. Запустят совместные международные центры прикладного ИИ с АСЕАН, Лигой арабских государств, Африканским союзом, Сообществом стран Латинской Америки и Карибского бассейна, ШОС и БРИКС. 3. Кроме того, 30 стран получат доступ к китайской системе прогнозирования погоды Мазу. То есть сегодня есть 2 страны, которые имеют возможность экспортировать свои технологии ИИ - США и Китай. Продукты этих стран реально покупают люди и компании. Других игроков нет в масштабе.

Китайцы сегодня хайпуют, самая обсуждаемая история - Kimi-K3 обогнала Fable 5 от Anthropic. Давайте разбираться Модель огромная ~2.8T параметров (MoE) и с 1M токенов контекста. При этом её цена $3 / $15 за миллион токенов, что дешевле Fable 5 ($10/$50). Дешёвая по токенам, но не по ответам. Но даже цена $3/$15 за миллион токенов - это дорого для китайской модели с открытыми весами, хотя веса выложат позже 27 июля. При этом упоминания об «открытости» тихо исчезли из документации через час после запуска модели. За час пиар модели сделал свое дело, как вы понимаете. Но, если отбросить хайп и посмотреть на модель на практике, то Kimi K3 не сильно превзошла ожидания. По удобству и практической полезности K3 находится примерно на уровне Opus 4.8, а по общим возможностям она чуть выше Opus 4.8, правда, с оговоркой, что она заточена под бенчмарки. Как предобученная модель она где-то посередине между Opus 4.8 и Mythos. Если смотреть на разрыв, то отставание от Anthropic сообщество оценивает в 6–8 месяцев. Но вся эта оценка сильно зависит от того, насколько бенчмарки отражают реальную работу моделей.