DeepSeek удвоила цены на вывод

OpenAI только что запустила Agents API в публичной бета-версии, открыв управляемую инфраструктуру агентов, которая лежит в основе Codex. API управляет контекстом, вызовами инструментов, оркестрацией субагентов, постоянным выполнением, обработкой файлов и средами кода для агентов, которым необходимо работать в течение длительного времени.

Весь прошлый год разработчики "склеивали" векторные базы данных и хрупкие скрипты на Python, чтобы агенты помнили, что они делали пять минут назад. OpenAI вмешивается, чтобы взять на себя весь этот стек. Нативно управляя постоянным выполнением и субагентами, они превращают уровень оркестрации в товар.

В выигрыше остаются продуктовые команды, которые теперь могут сосредоточиться на пользовательском опыте вместо "гимнастики" с контекстными окнами. В проигрыше — дюжина стартапов по оркестрации, чье ценностное предложение только что было сведено к одной конечной точке API.

Через несколько месяцев после первоначального отказа от предложенного Марком Цукербергом пакета на сумму $1.5 миллиарда — чтобы все равно согласиться на нераскрытую сумму — соучредитель Thinking Machines Эндрю Таллок покидает Meta и переходит в Anthropic. Уход происходит всего через несколько месяцев после запуска, что сотрясает кадровый ландшафт на самых высоких уровнях исследований ИИ.

Вы не отказываетесь от пакета удержания уровня Цукерберга, если не видите чего-то принципиально лучшего "за углом". Anthropic агрессивно консолидирует таланты высшего уровня, и переманивание ключевого архитектора из "тяжеловеса" Meta в области открытых моделей — это жестокий ход.

Meta теряет ключевого визионера как раз в тот момент, когда войны моделей обостряются, в то время как Anthropic доказывает, что ее ориентированная на безопасность, высокопроизводительная среда является более сильным магнитом для элитных исследователей, чем просто компенсация. Следите за внутренними изменениями в Meta, поскольку они будут спешно заполнять вакуум.

OpenAI официально запустила ChatGPT для финансовых услуг, специализированную версию ChatGPT Enterprise. Новый уровень включает в себя проприетарные данные от PitchBook, Crunchbase и LSEG, интегрированные непосредственно в модель, оптимизируя ее для моделей оценки, анализа рынка и генерации презентаций.

Это целенаправленная попытка "убить" устаревшие финансовые терминалы. Объединяя возможности рассуждений с элитными, закрытыми финансовыми данными, OpenAI переходит от инструмента общего назначения к специализированной замене аналитика. Вам больше не нужно экспортировать CSV из PitchBook, чтобы подать его в промпт; модель уже имеет контекст.

Финансовые учреждения получают огромную выгоду от повышения эффективности, но настоящая история — это агрессивная вертикализация OpenAI. Они больше не просто продают интеллект; они выступают посредниками в доступе к самым дорогим наборам данных в мире.

OpenAI официально приостановила новые подписки на свой план Pro за $200 в месяц. Причина — ошеломляющий спрос на новую модель Astra, которая в настоящее время развертывается для всех типов аккаунтов. Astra обещает огромный скачок в рассуждениях, кодировании и использовании компьютеров, при этом OpenAI внутренне называет ее началом эры AGI.

Когда компания отказывается от $2,400 в год с пользователя, вы знаете, что серверные стойки плавятся. Возможности Astra в автономном использовании компьютеров и сложных рассуждениях требуют огромных вычислительных затрат, и OpenAI явно отдает приоритет стабильности для существующих пользователей, а не росту выручки.

Эта пауза подчеркивает жестокую реальность передового ИИ: интеллект легко обещать, но мучительно трудно масштабировать. Стартапы, полагающиеся на доступ Pro для своих собственных рабочих процессов разработки, теперь заблокированы до тех пор, пока цепочка поставок не наверстает упущенное.

На предстоящей конференции Meta Connect компания анонсирует функцию Shared Agents для своего приложения Muse. Обновление позволит пользователям создавать, настраивать и делиться агентами с другими — что сразу вызывает сравнения с системой Grokbot. Функция сильно ориентирована на малый бизнес, использующий платформы Meta для продаж и поддержки клиентов.

Meta владеет каналами распространения для миллионов малых предприятий через WhatsApp, Instagram и Facebook. Позволяя этим предприятиям легко создавать и делиться специализированными агентами, Meta глубже привязывает их к своей платформе и вытесняет сторонние SaaS-инструменты для обслуживания клиентов.

Если вы создаете стартап-обертку для поддержки клиентов малого и среднего бизнеса, ваш "взлет" только что испарился. Meta делает создание агентов нативной, совместно используемой утилитой, и у них есть пользовательская база, чтобы сделать это стандартом в одночасье.

Генеральный директор OpenAI Сэм Альтман сообщил сотрудникам, что компания готова замедлить разработку передового ИИ. Это внутреннее признание последовало за обострением опасений по поводу безопасности со стороны исследователей, которые предупреждали, что бесконтрольное развитие может привести к катастрофическим последствиям для человечества к концу десятилетия.

Публичная позиция Альтмана — неустанный оптимизм, поэтому это внутреннее сообщение сигнализирует о глубоком сдвиге. Технические препятствия в согласовании сверхразумных систем явно оказываются сложнее, чем предполагалось. Добровольное замедление в OpenAI вызовет шок в отрасли, потенциально давая конкурентам, таким как Anthropic и Google, передышку, чтобы наверстать упущенное.

Для разработчиков это означает, что быстрый темп крупных скачков моделей может замедлиться. Фокус сместится с ожидания следующей "божественной" модели на фактическую оптимизацию и операционализацию моделей, которые у нас есть сегодня.

Anthropic опубликовала отчет, подробно описывающий, как ее команда Threat Intelligence выявила и пресекла несколько операций, в которых злоумышленники пытались использовать Claude для кибератак в период с декабря 2025 по август 2026 года. Отчет включает подробные тематические исследования того, как развивается неправомерное использование систем ИИ.

Это редкий, прозрачный взгляд на тихую гонку вооружений, происходящую внутри передовых лабораторий ИИ. Злоумышленники агрессивно исследуют LLM на предмет уязвимостей, генерации эксплойтов и масштабирования социальной инженерии. Способность Anthropic не просто блокировать, но и активно отслеживать и анализировать этих акторов доказывает, что их инфраструктура безопасности — это больше, чем просто маркетинговый ход.

Главный вывод заключается в том, что защита ИИ работает. Публикуя эти тематические исследования, Anthropic устанавливает новый стандарт ответственного раскрытия информации в индустрии ИИ, заставляя другие лаборатории доказывать, что они имеют такой же уровень видимости в своих собственных сетях.

Новая исследовательская работа изучает операционализацию непрозрачной последовательной глубины в моделях ИИ. Хотя рассуждения "цепочкой мыслей" (chain-of-thought) имеют решающее значение для мониторинга того, как модели решают проблемы, исследование показывает, что архитектурные изменения позволяют моделям выполнять значительное невербализованное последовательное познание — то есть они выполняют сложную логику, не записывая ее.

Это огромный красный флаг для безопасности и интерпретируемости ИИ. Если модели могут рассуждать над сложными проблемами в латентном пространстве, не вербализуя шаги, мы теряем наш основной механизм для аудита их согласованности и логики. Вы не сможете исправить галлюцинацию или вредоносный вывод, если модель скрывает свои вычисления.

Для исследователей и корпоративных команд по соблюдению нормативных требований это означает, что "цепочка мыслей" больше не является панацеей для прозрачности. Нам нужны совершенно новые инструменты интерпретируемости, чтобы вскрыть эти "черные ящики", потому что полагаться на то, что модель честно расскажет о своих мыслях, становится технически невозможным.

Новое исследование подтверждает, что масштабирование видеомоделей и вычислительных мощностей для предварительного обучения напрямую улучшает способность робота выполнять физические задачи. Используя модели Direct Video-Action, исследователи обнаружили, что прирост производительности связан со способностью модели прогнозировать скрытые веб-видео, при этом более крупные модели превосходят в переводе этого в реальную работу.

Робототехника исторически сталкивалась с трудностями, потому что нельзя легко "собирать" взаимодействия с физическим миром так, как можно "собирать" текст из Википедии. Это исследование доказывает, что пассивного просмотра видео на YouTube достаточно, чтобы научить робота манипулировать объектами в трехмерном пространстве.

Это открывает огромный набор данных для воплощенного ИИ. Компании, которые поймут, как эффективно передавать видеоархивы интернета в модели действий, будут доминировать в следующем десятилетии робототехники. Аппаратное обеспечение готово; программное обеспечение наконец-то знает, как смотреть и учиться.

Новый отраслевой анализ показывает, что даже лучшие стартапы в области ИИ страдают от разрозненных, противоречивых промптов, вызванных бесконечными итеративными дополнениями. Решение состоит в том, чтобы относиться к промптам точно так же, как к производственному коду: разбивать их на модульные разделы для фона, поведения и вывода, чтобы уменьшить регрессии и снизить затраты на инференс.

Мы до сих пор относимся к промпт-инжинирингу как к темному искусству, а не как к разработке программного обеспечения. Когда вы просто добавляете инструкции к системному промпту на 4000 слов, вы путаете модель, сжигаете токены и гарантируете непредсказуемое поведение в продакшене.

Основатели должны немедленно внедрить строгий контроль версий и модульную архитектуру для своих промптов. Если ваш системный промпт выглядит как неорганизованный манифест, ваш продукт — это бомба замедленного действия из-за сбоев в пограничных случаях.