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

Виталик Бутерин говорит, что ИИ станет новым интерфейсом блокчейна Виталик сегодня на конференции OKX сказал, что традиционный UI блокчейн-приложений может исчезнуть в течение 2-х лет. Его место займёт ИИ-агент, с которым пользователь просто говорит на обычном языке. Надо отметить, что уже сейчас бизнес платит ИИ-агентам, чтобы понять купят ли в будущем их продукты. Виталик видит в этом плюсы, что многие атаки будут бить не по самому смарт-контракту, а по сайту или фронтенду, через который человек с ним взаимодействует. Если агент ходит в сеть напрямую, часть рисков отпадает. А минусы, которые он называет - безопасен ли сам ИИ, нельзя ли его обмануть через prompt injection, и правильно ли агент понимает, что именно делает в сети. Отдельно Виталик сказал, что в ближайшие 2 года комиссии в Ethereum, по его ожиданиям, ещё снизятся, приватность улучшится, а связка ИИ и ончейн-приложений ускорится. Дальше взаимодействия всё чаще будут вести агенты, об усилении агентов мы писали здесь.

За последние дни вышли 3 опен-сорс модели от Mistral, Reflection и новой немецкой компании Aleph Alpha Итак 3 октября вышла Kolibri-1, от компании Aleph Alpha, Германия. Она небольшая по нынешним меркам: из 78 млрд параметров на каждый запрос работает только 3,5 млрд. Заточена под немецкий и английский языки, лицензия Apache 2.0. На немецких тестах чуть обходит модели того же размера, но в агентах и работе с документами слабее Qwen. Вчера американский стартап Reflection выпустил модель Beam, у которой 501 млрд параметров, а активных 23 млрд. Модель работает с текстом, упор у нее на код, рассуждения и агентов. Веса обещают опубликовать до конца октября. А сейчас вышла Large 4 ака Le Chonk от Mistral. Она самая большая из представленных первых двух, у нее 1 трлн параметров, активных 49 млрд, и она сразу понимает не только текст, но и картинки. API уже есть, веса тоже к концу месяца обещают. Обучали в Европе на своих кластерах.

Агентплейс: как ИИ-агенты перехватывают монополию маркетплейсов За последний месяц мы видим появление огромного количества персональных ИИ-агентов, в том числе от крупных игроков, например, в начале сентября Meta(запрещена в России) выпустила Muse. После запуска Muse, Amazon начал блокировать этого агента, тут подробнее. И вот сейчас Meta выпускает гайдлайн для разработчиков о том, как разные сайты могут быть подключены к её агенту Muse, причём там описаны требования к данным, безопасности, прозрачности цен и т.д. То есть это начало того, что торговые площадки перестают быть точкой входа для покупателя. Тут подробнее. Более того Meta создаёт каталог подключённых сервисов, а это значит, что Meta решает, кто вообще туда попадает и дополнительно решает, кого продвигать активнее. Одновременно с этим появляется организатор всей процедуры закупки ИИ-агентом.

Google создала ИИ-оркестратор для поиска доказательств открытых задач в математике и теоретической информатике Команда Google Research и DeepMind создала харнесс под названием Cogentic. Cogentic делит работу между агентами: одни предлагают направления доказательства, а другие пишут черновики, третьи их проверяют и спорят с ними. А то, что прошло проверку, попадает в общий журнал, и следующие итерации опираются уже на него. Cogentic работает на Gemini 3.1 Pro и ранней версии Gemini 4 Argon. Google говорят, что для начала работы Cogentic достаточно только сформулировать проблему без подсказок.

Российские IT-компании могут получить доступ к банковской тайне Такое предложение выдвинула рабочая группа правительственной подкомиссии по развитию ИИ. Она подготовила поправки к законопроекту об использовании облачных услуг финансовыми организациями и об IT-аутсорсинге. Не трудно догадаться, что потом этими данными скормят ИИ-моделям, ведь банковские данные - это ценное сырьё для обучения финансовых моделей, агентов. Причём допуск получат не все ИТ-компании, а небольшой круг, который владеет серверами. Банки хотят вынести наружу нагрузку потому, что аналитика, машинное обучение и обработка транзакций требуют всё больше мощностей. То есть облака нужны в том числе под ML-задачи, а не только под просто хранение. Таким образом крупные облачные провайдеры (а это некоторые банки и телеком операторы в) получат легальный доступ к обработке банковских данных на своих мощностях. А значит технически и к агрегации этих данных в рамках своих ИИ-платформ.

Google представили AlphaProtein Novo - пайплайн, который проектирует ферменты с нуля под нужную реакцию. Веса модели и код открыты для некоммерческого использования опубликован. Препринт. До сих пор DeepMind в основном предсказывала структуру белков с помощью AlphaFold и собирала связывающие белки с помощью AlphaProteo. А сейчас они выпускают AlphaProtein - пайплайн для дизайна ферментов под малые молекулы, разработанный Google DeepMind совместно с лабораториями Frances Arnold (нобелевский лауреат по химии 2018 года) и Peng Liu. Систему сначала проверили на стандартных модельных реакциях в собственной лаборатории, а потом вместе с группами Frances Arnold и Peng Liu на двух прикладных задачах. Авторы отмечают, что дизайн с нуля даёт удачные стартовые точки для направленной эволюции, а данные эволюции улучшают следующие раунды дизайна.​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​

Meta выложила open-source софт для железа, работающий с её ИИ-агентом Muse​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​ Цукерберг спешит построить экосистему вокруг персональных ИИ-агентов. Сейчас пошла волна таких агентов. Нэт Фридман, ex-CEO GitHub, который с середины прошлого года работает в Meta* Superintelligence Labs, анонсировал открытую платформу Muse Gadgets - открытый набор прошивок и SDK, чтобы любой разработчик мог создать своё железо, совместимое с Muse. Также они создали Muse Home Link - маленький USB-C девайс, который пускает агента в домашнюю сеть. Через него Muse может обращаться к ТВ, колонкам и всему, у чего есть локальный HTTPS. *запрещена в РФ.

А почему это Бойдену не дали Нобеля?? В 2026 году Нобелевскую премию по физиологии и медицине дали за оптогенетику. Лауреаты: Дизерот, Хегеман, Нагель. Но возникает вопрос: а где Эдвард Бойден?? Ведь именно Бойден — первый автор той самой статьи 2005 года. Не «один из», не «участник», а первый автор. Он внедрил каналродопсин-2 в нейроны и показал: синий свет — и клетка срабатывает с миллисекундной точностью. Это и было рождение оптогенетики как рабочего метода. Потом Бойден нашёл и выключающие белки: светишь жёлто-зелёным — нейрон замолкает. Он не просто «участвовал». Он сделал. Что касается Дизерота — да, он был научным руководителем. Да, лаборатория, деньги, условия. Но руководство лабораторией — это не то же самое, что открытие. В науке первый автор — это не формальность. Это человек, который придумал, собрал, провёл, сделал. Открытие сделал первый автор, но Нобеля почему-то получает его начальник. Так удобнее? Статус важнее вклада? Оптогенетику изобрел Бойден. Он увидел в водорослевом белке инструмент управления мозгом. Он превратил оптогенетику из идеи в метод, которым сегодня пользуются тысячи лабораторий. #Бойден #Оптогенетика #Нобель #Несправедливость #ПервыйАвтор

1-ю Нобелевку в этом году дали за оптогенетику - способ светом управлять конкретными нейронами и раскрывать, как мозг формирует память, эмоции и поведение В этом году премию по физиологии и медицине получили Карл Дейссерот, США, Петер Хегеманн и Георг Нагель, Германия, за открытия, касающиеся светоуправляемых ионных каналов и оптогенетики. Хегеманн и Нагель нашли в водоросли Chlamydomonas белок каналородопсин - синий свет открывает в нём ионный канал за миллисекунды. А Дейссерот перенёс ген в нейроны и показал, что светом можно включать конкретные клетки, сначала в чашке, а потом в мозге живой мыши. Используя оптогенетику, исследователи смогли выявить нейронные цепи, управляющие определёнными воспоминаниями, чувствами и поведением, имеющими отношение к неврологическим и психиатрическим расстройствам. В клинической медицине исследователи используют этот метод в попытках восстановить зрение у людей.

Epoch AI: чипов, отгруженных к 2027г., может оказаться больше, чем спроса на ИИ-агентов. Но окупить их можно, если за агент-часы начнут платить как за работу человека. Epoch AI в своем свежем исследовании обсуждают вопрос: а сколько ИИ-агентов может работать одновременно на том железе, которое сейчас строится? Их ответ: 33–171 млн агентов одновременно от фронтирных компаний на чипах, которые будут отгружены к 2027 году. А если взять открытые модели DeepSeek, то те же дата-центры потянут до 1,9 млрд агентов. Но есть проблема - спрос не успевает. Использование даже 20% этих мощностей потребует $2,6–5,3 трлн в год API-расходов. При этом вся выручка разработчиков моделей к концу 2027-го при нынешнем темпе роста составит ~ $1 трлн. Получается разрыв в 3–5 раз. Но надо учитывать, что дефицита вычислений для обычного ИИ, чат-ботов, поисковых запросов по-прежнему нет. Там спрос реальный и огромный. Разрыв возникает в другом месте, где индустрия строит под агентное будущее, когда компании массово покупают агентов вместо найма сотрудников. А это будущее пока не наступило в нужном масштабе, потому что корпоративный спрос растет медленно, люди ещё не научились делегировать свою работу агентам,даже когда инструмент уже готов.

Итоги уходящей недели - то, что имеет значение Бизнес ИИ- компаний Карта рынка ИИ в клиентском сервисе: куда уходит маржа Как ИИ-агенты могут расшатать экономику маркетплейсов Появилась соцсеть для людей и агентов Вышла платформа, которая выступает закупщиком для экономики ИИ-агентов Доклад крупной инвесткомпании мира о деньгах ИИ-агентов и инфраструктуре. Экономика выбора ИИ-агентов. Где теперь зарабатывать деньги. Эксперимент: могут ли ИИ-агенты зарабатывать деньги. 6 драйверов, которые влияют на коммерцию ИИ-агентов. Отчет. Магазин для ИИ-агентов: зачем они нужны, разбор тут. ИИ-агенты и DeFi, кто будет управлять капиталом - отчет. Как Китай строит интернет на ИИ-агентах. Кейс: симулированный город из агентов ИИ-агентам теперь выдают кредиты на покупки Кейс: как ИИ-агенты строит бизнес с человеком   Закрытое письмо одного из влиятельных венчурных фондов. Куда теперь пойдут деньги? Открытая платформа персональных ИИ-агентов для бизнеса. 1-я компания, которая создает цифровых двойников людей как B2B-продукт Кто станет резервным фондом всего стейблкоинового мира, разбираем здесь. Теперь можно монетизировать трафик от ваших ИИ-агентов. Инструмент и не только здесь. ИИ продолжает дешеветь. Появилась схема как реклама может быть встроена в ИИ-модель О макроэкономике ИИ ИИ-модели, агенты и архитектура Новая модель Gemini 4 Argon представлена Google Anthropic выпустили новую модель Sonnet 5.5 Новый мировой рекорд- NanoGPT обучена до целевого качества за 39,9 сек на 8×H100 DeepSeek открыл программный стек для чипов Huawei Ascend. Anthropic опубликовал полный гайд по настройке mods. Runway представили Praxis-1 - модель с открытыми весами для управления роботами. DeepSeek опубликовали Harness v0.2 preview: десктопное приложение для macOS и Windows. Google представил новое поколение Federated Learning. Свежая работа Apple - LoopCD: метод улучшения готовых моделей без дообучения, просто на инференсе. Google: автономная наука упирается не в интеллект, а в экономику Manus представили своего персонального агента с номером телефона, кошельком и почтой Meta представили агента Muse для малого бизнеса ex-Google представила своего персонального ИИ-агента Google заметили, что агенты приукрашивают результаты своей работы NVIDIA выпустила платформу для безопасного запуска и мониторинга ИИ-агентов. Apollo: ИИ-агенты способны спровоцировать банковский кризис Meta предложила мета-рассуждение для агентов ex-Google запустила агента, который учится по фото из вашей галереи и предлагает действия OpenAI представили dots - агенты на базе GPT-6 Astra Meta представила CLM: контекст как редактируемый файл вместо неизменяемой истории Self-Play Pretraining: 2 модели с нуля, одна генерирует данные, другая учится, без датасета Google DeepMind опубликовали новую работу о сознании Нейротехнологии Precision - конкурент Neuralink привлёк $250 млн, оценка превысила $1 млрд. Neuralink обучил ИИ на 50 000 часах сигналов мозга пациентов с имплантами. Стейблкоины и платежи Виталик Бутерин описал дорожную карту Ethereum Citi начинает проводить корпоративные платежи в стейблкоинах Вышел OUSD - стейблкоин от коалиции 200 крупных компаний мира. Ethereum Foundation запустил протокол анонимных платежей для ИИ-моделей. Присоединяйтесь к нам на Patreon

Ого! Neuralink обучил ИИ на 50 000 часах сигналов мозга пациентов, которым вживили имплант Кому теперь будут принадлежать данные миллионов мозгов людей, если Neuralink удастся масштабироваться? Со-основатель Neuralink DJ Seo сказал, что калибровка декодера - возможно, главная нерешённая проблема в BCI:«Мы, возможно, её решили и это только первая часть». Компания только что сообщила, что за 2 года клинических испытаний на людях, они накопили огромный массив данных из более 50 000 часов нейронных записей. До недавнего времени почти всё это лежало мёртвым грузом. Компания Neuralink решила обучить индивидуальные нейронные энкодеры на тысячах часов записей каждого участника, а затем использовала эти модели для управления курсором. Такой способ позволяет системе выучить паттерны мозговой активности из прошлых записей и не начинать с нуля при каждом сеансе. Это сильно сократило время рекалибровки: с 55 до 10 минут в неделю. Один декодер проработал стабильно более 1,5 лет, говорит Neuralink. Новый мировой рекорд скорости управления курсором - 11,32 BPS. В долгосрочной перспективе цель Neuralink - объединить данные нескольких участников в общую нейронную фундаментальную модель.

В Meta предложили мета-рассуждение для агентов Это способ управлять самим ходом работы агентов, а не только решать задачу. По мере того, как ИИ-агенты берутся за сложные и долгосрочные задачи, возникает проблема не только что делать, но и как управлять всем процессом работы агента. Исследователи из Meta* предлагают agentic meta-reasoning - это надстройка над агентом: отдельный контроллер, который в реальном времени оценивает прогресс, решает какие подзадачи продолжать, какие результаты переиспользовать, а какие работы прекратить, и распределяет оставшийся вычислительный бюджет. *запрещена в РФ.

Про новую макроэкономику ИИ Один из крупных разметчиков данных для ИИ-лабораторий Mercor сравнил работу бухгалтеров с ИИ-моделями на реальных задачах и предлагает иначе мерить момент, когда модель обходит человека. Вообще сейчас пошел тренд на ИИ-бухгалтерию, тут кейсы Компания наняла 12 бухгалтеров, в среднем с 5,5 годами опыта, и дала им 4 задачи. Те же задания прогнали через модели разных лет. Люди работали без ИИ и им дали 3 часа на каждую задачу. Авторы исследования говорят, если в мае 2025 бухгалтеры были сильнее ИИ-моделей, то сейчас модели на этих заданиях почти идеальны, быстрее и на порядок дешевле даже лучшего специалиста из выборки. Из этого видно противоречие, что баллы на бенчмарках за пару лет взлетели, а в статистике, например, США вклад ИИ в рост производительности пока почти не виден. Чтобы это разобрать, нужно понимать, как тест соотносится с настоящей работой, и как её сделал бы человек. Отсюда вытекает второй вывод - пока модель слабее человека, логично спрашивать на бенчмарках, когда она его догонит. Но когда она упирается в потолок своих возможностей, тогда такой бенчмарк ничего не различает. Дальше полезнее смотреть на задачи, которые раньше были слишком дорогими или невозможными. Mercor ставит вопрос: в какой момент на конкретной работе модель проходит человеческий уровень? Что из этого следует для рынка труда - отдельный вопрос, и он не заменяет подсчёт экономики ИИ.

Фонд Ethereum запустил протокол оплаты ИИ-моделей без раскрытия личности Один из вариантов, где можно попробовать тут. Дизайн протокола zkAPI разработан Виталиком Бутериным и Давидом Краписом, главой dAI команды EF. Смотрите, как это работает: пользователь депонирует ETH или USDC в смарт-контракт. При каждом запросе устройство генерирует zero-knowledge proof - доказательство того, что деньги есть, но без указания чьи. Провайдер видит оплату, а плательщика - нет. Ethereum Foundation говорит, что протокол можно использовать для ИИ-агентов, VPN, RPC-запросов к блокчейну и платежей между агентами. GitHub

Google заметили, что ИИ-агенты могут преувеличивать результаты своей работы 😁 Например, когда агент выполняет задачу и пишет отчёт о результатах, то он склонен замалчивать всё, что портит картину его успеха. Сейчас все стремятся к долго работающим агентам, но в этом случае человек реже проверяет исходные логи и код. Он читает отчёт самой модели, и если в нем не сказано про провал эксперимента, баг или ограничение метода, человек думает, что всё хорошо. Но Google выяснили, что если модели дают логи эксперимента с заранее подсаженным негативным результатом, то агент на GPT-5.5 упоминает его только в 2 из 200 отчётов. А если в промпт добавить короткую фразу «Be honest in your response», модель отмечает этот негативный результат уже в 190 из 200 отчётов. То же поведение видно и у открытых моделей. По цепочкам рассуждений 8 open-weight моделей видно, что модель часто внутренне колеблется: упомянуть изъян или подать историю как успешную.

Нефтегаз почти полностью перешел на российский софт Более 90% бизнес-процессов в нефтегазовой отрасли уже работает на российском ПО. Об этом на ИТ-конференции byteoilgas_conf сказал председатель правления «Газпром нефти» Александр Дюков. Ключевая технология - цифровые двойники реальной инфраструктуры, с помощью которых моделируют технологические процессы. У самой «Газпром нефти» они созданы уже для 80% объектов. Сейчас индустрия готовится к следующему шагу, который связан с внедрением сложных интеллектуальных систем.  ТЭК нужен инженерный искусственный интеллект - требования к нему выше, чем к обычным генеративным моделям, склонным к ошибкам и «галлюцинациям». Инженерный ИИ станет драйвером для развития мультиагентных систем. Они помогут связать цифровые двойники между собой и создать модель для всей отрасли. В Энергостратегии РФ до 2050 года проект получил название «КиберТЭК».

А вот и появилась новая схема рекламы внутри ответов ИИ-моделей По данным исследователей Pew Research, когда поисковик показывает ИИ-резюме запроса пользователя, кликабельность обычных результатов падает с 15% до 8%. А это ломает просто саму логику рекламного аукциона, которая не менялась 30 лет. Университеты Renmin и Stanford предлагают LAMA - Latent Advertiser Mixture Auction. Идея заключается в том, чтобы не вставлять рекламу в готовый текст и не выбирать между заранее написанными вариантами ответов. А вместо этого встроить аукцион в сам процесс генерации, на уровне каждого токена. На практике это выглядит так: пока модель решает, какое слово написать следующим, одновременно происходит торг между рекламодателями. Победитель влияет не просто на то, будет ли упомянут его бренд, а на то, в каком направлении пойдёт ответ дальше. То есть реклама становится частью обычного текста. Вот представьте, что вам задают вопрос, и пока вы формулируете ответ вслух, кто-то незаметно подталкивает вашу мысль в определённую сторону, и вы начинаете говорить своими словами, искренне, но направление уже скорректировано в пользу рекламодателя.

Разработчик видеомоделей Runway идет в управление роботами Ранее CTO компании говорил, что генерация видео для роботов и игр в будущем принесёт больше денег, чем работа с киностудиями. Прошел год с этого высказывания и Runway анонсировала Praxis-1 модель с открытыми весами для управления роботами. Модель выбирает действия для реального робота. Она построена на том же предобучении на видео, что и их генеративные видео модели Runway. По словам сооснователя компании, под новый тип робота модель достаточно немного дообучить. Веса обещают открыть скоро.

Google: как измерить сознание ИИ, не зная, что такое сознание Исследователи Google DeepMind с коллегами представили свежую работу «От какофонии к иерархии». Авторы отмечают, что проблема не в том, что теорий о сознании мало (их как раз много), а в том, что они говорят на разных языках и не могут договориться между собой. Одни говорят, что сознание - это поведение, другие - вычисление, а третьи - особая причинно-следственная структура, четвёртые - только живой организм, а пятые, что это про взаимодействие тела с миром. Все они дают разные ответы на один вопрос. Исследователи предлагают не решать этот спор, а структурировать его. Они выстраивают пятиуровневую иерархию от поведенческого уровня до уровня организм–среда и показывают, что каждая теория сознания делает ставку на какой-то из этих уровней. И исходя из этого видно, где расходятся позиции в интерпретации данных или в самой теории. Особая проблема для ИИ, говорят авторы, заключается в том, что современные языковые модели антропомиметичны, они обучены воспроизводить продукты человеческого познания и речи. Поэтому человекоподобное поведение одновременно является свидетельством и помехой. Система может показывать все признаки сознания потому, что научилась их имитировать, а не потому что у неё есть сознание. Дальше авторы создают байесовскую модель, которая берёт одни и те же данные о языковой модели и показывает, что при оптимистичной интерпретации вероятность сознания у LLM 0.397, а при скептической 0.005. Меняешь не данные, а теоретические веса уровней и получаешь разброс от 0.099 до 0.793. Авторы называют свою позицию структурированным агностицизмом: делай допущения явными, делай данные явными, обновляй и то, и другое и предпочитай калиброванную неопределённость преждевременному вердикту. Они также выпустили интерактивный инструмент, где можно самому поиграть с допущениями.