// AI на русском
1002 статьи по теме
Аналитик Гил Лурия повысил инвестиционный рейтинг Palantir и целевую цену акций. Компания может предложить бизнесу альтернативу работе с OpenAI и Anthropic — с помощью инструмента для совместной работы с ИИ. Palantir делает ставку на суверенитет данных и контроль клиентов над вычислительными мощностями.
«Смертельная тройка» факторов делает агентов ИИ уязвимыми для атак. Практикам нужны новые способы отличить скомпрометированное поведение от нормального. Meta* предложила «Правило двух»: агенты должны иметь не более двух из трёх компонентов «смертельной тройки». Есть пять сигналов, которые могут помочь обнаружить скомпрометированные агенты ИИ.
ИИ активно проникает в финансовую индустрию: агенты становятся автономными и способны выполнять сложные задачи. Компании вроде Anthropic и OpenAI внедряют новые решения — например, функцию личных финансов в ChatGPT. Финансовая экосистема Тайваня сталкивается с вызовами и должна пересмотреть стратегию работы с ИИ, чтобы не потерять позиции на рынке.
Meta* запускает облачный бизнес Meta* Compute, чтобы сдавать в аренду избыточные вычислительные мощности. Это может стать серьёзным вызовом для компаний, специализирующихся на аренде мощностей, таких как CoreWeave и Nebius. Инвестиции Meta* в инфраструктуру ИИ исчисляются сотнями миллиардов долларов.
OpenAI рассматривает возможность передачи 5% акций правительству США для распределения прибыли от ИИ. Financial Times и «Рейтер» сообщают о дискуссиях вокруг доли капитала в ИИ-индустрии. Белый дом усиливает надзор за передовыми моделями, а Министерство торговли сняло экспортные ограничения для некоторых моделей Anthropic.
Автор статьи — инженер с 25‑летним опытом — объясняет работу больших языковых моделей (LLM) на простых примерах и метафорах. Он показывает, что суть LLM — в угадывании следующего слова, а ключевую роль играет механизм внимания, который помогает выбрать, на какие слова обратить внимание. Знания в модели формируются в ходе обучения на больших объёмах текста и распределены по разным слоям.
Автор статьи сравнивает два подхода к проверке ответов в LLM: самокритику модели и верификатор, привязанный к источнику. Эксперимент показал, что самокритика не снижает частоту галлюцинаций, тогда как верификатор сокращает количество ошибок примерно вдвое. Ключевой вывод: циклы агентов должны опираться на внешнюю, детерминированную проверку, а не на собственное суждение модели.
Microsoft представила экспериментальную платформу MagenticLite для создания небольших агентов искусственного интеллекта. В экосистеме также есть MagenticBrain и Fara1.5 — решения, оптимизированные для работы с компактными моделями. Платформа призвана упростить управление и отслеживание процессов.
Компания Anthropic отреагировала на распоряжение властей США о возрождении Fable 5. В обсуждении участвуют разные ИИ-модели (Opus, GPT, Mythos, Claude). Подчёркивается, что Fable 5 предлагает функционал для управления и отслеживания процессов — в этом она схожа с решениями крупных IT-компаний.
Статья разбирает экономику инференса LLM: почему дорогие модели стоят больше. Объясняются ключевые составляющие стоимости ответа от LLM (input- и output-токены, VRAM, serving overhead), различия между Dense и MoE-архитектурами, механизмы attention и reasoning-токенов. Также рассматривается влияние длины контекстного окна на стоимость использования модели.
Рынок ИИ сталкивается с проблемами в цепочке поставок и разработкой чипов. Ключевые трудности — кремниевые, энергетические, фотонные и тепловые узкие места. Рост спроса на процессоры и чипы стимулирует рынок тестирования, а переориентация цепочки поставок полупроводников на ИИ может привести к дефициту.
В подборке новостей — заявления Трампа о расширении производства чипов в США, планы властей США по регулированию ИИ, обсуждение передачи акций OpenAI правительству США, намерения Meta* развивать облачный бизнес, строительство подводного кабеля для поддержки ИИ и облачных технологий в Индо‑Тихоокеанском регионе, альянс Visa, Mastercard и Coinbase по внедрению стабильной монеты, а также решение Sony перейти на цифровые продажи игр.
Команда Xiaomi Darwin Agent представила HarnessX — систему, позволяющую агентам ИИ эволюционировать самостоятельно. HarnessX обеспечивает прирост производительности в среднем на 14,5 %, а для небольших моделей — до 44 %. Система разделяет базовую модель и Harness, использует модульный подход и механизм «вариантной изоляции».
С 6 по 11 июля в Сеуле пройдёт ICML 2026 — 43‑я Международная конференция по машинному обучению. Количество заявок на конференцию удвоилось, что говорит о качественных изменениях в исследованиях ИИ. Среди ключевых трендов — рассуждения о LLM, безопасность ИИ, оптимизация моделей и применение ИИ в науке.
Шуайчжи Ченг выявил новые закономерности в работе LLM и предложил индивидуализацию моделей с учётом режима их работы — на примере Qwen3-4B-Instruct и Mistral-7B-Instruct-v0.2.
Платформа Loom помогает LLM писать творческие тексты: контролирует сюжет и насыщенность описаний, не ломая исходную структуру. Превосходит существующие модели по качеству.
Стратегия декодирования существенно влияет на поведение большой языковой модели. В статье рассмотрены разные методы декодирования — от простых (Greedy Search) до сложных (DoLa, Typical Sampling), их плюсы и минусы, а также критерии выбора оптимального подхода для разных задач — от машинного перевода до творческого письма. Особое внимание уделено семантической неопределённости и новым стохастическим методам.
Алекс Карп из Palantir раскритиковал систему оплаты токенами в ИИ‑сервисах OpenAI и Anthropic. Бизнес недоволен высокими расходами и рисками утечки данных при работе с моделями с закрытым исходным кодом. Palantir и NVIDIA объявили о сотрудничестве, чтобы создать решения с открытым кодом для госучреждений и предприятий.
Nvidia представила концепцию центров обработки данных DSX для компаний и стартапов, работающих с ИИ. Компания предлагает кредитное соглашение и рассчитывает получать долю в доходах от использования оборудования. Уже запущены два проекта по новой модели — с участием Neocloud Sharon AI и Firmus.
OpenAI сократила затраты на вывод моделей ИИ более чем наполовину благодаря новому методу оптимизации. Это позволит компании увеличить прибыль и, возможно, снизить цены на API. Эффект от оптимизации со временем может снизиться из‑за появления более масштабных языковых моделей.