Google раздает Gemini 4 Argon 10 000 ученым.

Prime Intellect приобрела Moondream, получив контроль над их открытыми моделями зрения и оптимизациями инференса. Планируется интегрировать Moondream непосредственно в стек мультимодального обучения и развертывания Prime Intellect. Финансовые условия сделки не разглашаются, но стратегическое намерение очевидно: полное владение уровнем зрения.

Если вы развертываете мультимодальных агентов, зависимость от внешних API для зрения — это потенциальное узкое место. Внедряя Moondream, Prime Intellect может оптимизировать инференс на аппаратном уровне, сокращая задержки и затраты для своего стека развертывания. Это четкий сигнал о том, что инфраструктурные игроки стремятся владеть каждой частью конвейера.

Prime Intellect выигрывает, обеспечивая себе важнейшую часть мультимодальной головоломки. Основатели Moondream получают выход на переполненном рынке. Давление теперь ложится на конкурирующие стеки развертывания, которым все еще приходится арендовать свои возможности зрения вместо того, чтобы владеть ими.

Leash Bio организовала масштабный конкурс Kaggle, включающий около 4 миллиардов измерений, чтобы проверить способность ИИ предсказывать связывание белка с лигандом. Из 2000 конкурирующих команд ни одна не смогла превзойти случайность при тестировании на невидимой химической библиотеке. Модели полностью не смогли обобщить данные на новое химическое пространство.

Это жестокая проверка реальности для сектора открытия лекарств с помощью ИИ. Последние два года мы наблюдали, как модели успешно справлялись с публичными бенчмарками, но этот конкурс показывает, что предсказание молекулярного связывания в реальных условиях по-прежнему чрезвычайно сложно. Если вся презентация вашего стартапа основана на обобщении без предварительного обучения в биологии, этот результат предполагает, что ваши модели могут просто запоминать обучающие данные.

Настоящий победитель здесь — скептицизм. Leash Bio оказала услугу отрасли, публично продемонстрировав пределы существующих архитектур. Проигравшими являются инвесторы, которые думали, что проблема связывания белков решена и ждет лишь красивого пользовательского интерфейса.

Новое исследование выявляет явное смещение в химических наборах данных, таких как ChEMBL: модели ИИ выводят автора молекулы из ее структуры. Эта информация о химике предсказывает активность молекулы почти так же эффективно, как и сама структура. Модели изучают специфические стилистические особенности отдельных ученых, а не базовую физическую химию.

Для всех, кто обучает модели на общедоступных научных данных, это яркий красный флаг в отношении целостности данных. Если ваш ИИ просто запоминает, какая лаборатория производит успешные соединения, и угадывает на основе их характерных структурных привычек, он потерпит фиаско, когда его попросят сгенерировать новые соединения. Вы думаете, что обучаете химика, но на самом деле вы обучили детектива.

Это ставит под сомнение многие успехи, которые мы видим в химическом ИИ. Если модели полагаются на предвзятость автора для повышения своих показателей точности, эти показатели являются миражом. Следующая волна научного ИИ потребует радикально более чистых, слепых наборов данных.

На конференции AI Engineer New York OpenAI и Anthropic встретились с финансовыми фирмами, чтобы обсудить надвигающийся кризис: как предоставить агентам ИИ полезную автономию, сохраняя при этом контроль над критически важными решениями. Разговор был сосредоточен на балансе скорости автономных агентов с абсолютной необходимостью механизмов безопасности в финансовых средах с высокими ставками.

Финансовые учреждения хотят эффективности автономных агентов, но не могут позволить себе риски галлюцинаций, которые с ними связаны. Модель, которая уверенно выдумывает скрипт на Python, раздражает; модель, которая уверенно галлюцинирует рыночный тренд и совершает массивную сделку, является системным риском. Разработчики, ориентирующиеся на сектор корпоративных финансов, должны отдавать приоритет детерминированным защитным механизмам над необработанным интеллектом.

Тот факт, что OpenAI и Anthropic активно ухаживают за этими фирмами, показывает, где находятся настоящие корпоративные деньги. Победителями станут стартапы, которые разработают интерфейс «человек в цикле» для высокочастотных торговых агентов.