Игры, в которые играют люди. Почему Илья Суцкевер уволил Альтмана? Какую роль сыграла Мира Мурати, а какую Адам Д’Анджело?

И почему безопасный ИИ невозможен, если его разработчики психологически незрелые. Разбираем ситуацию исходя из стенограммы показания Ильи в суде.

Сегодня в сети все читают показания в суде Ильи Суцкевера, который инициировал #увольненияOpenAI Сэма Альтмана в ноябре 2023 года.

Как стало известно, перед увольнением Сэма Илья подготовил для независимых директоров OpenAI(Хелен Тонер, Ташей МакКоули, Адамом Д'Анджело) документ, где он утверждает: "Сэм демонстрирует последовательный паттерн лжи, стравливает коллен друг с другом".

Этот документ был отправлен через функцию самоуничтожающегося письма. Илья объясняет это тем, что боялся, что если Альтман узнает о готовящемся увольнении, то найдёт способ всех переубедить.

Но вот, что важно - почти все "доказательства" в документе Ильи пришли от одного источника — Миры Мурати, уже ex-CTO OpenAI. У нее были свои конфликты с Сэмом, она этим делилась с Ильей. А Илья не проверял её информацию. Он доверился ей.

После увольнения Альтмана Илья предложил Мире стать временным CEO. Она отказалась и начала собирать подписи сотрудников за возвращение Альтмана.

Когда же ситуация вышла из-под контроля и появилась угроза для компании в целом, Мира выбрала сторону, которая казалась ей более сильной и выгодной - поддержала Сэма и инвесторов, которые скорее всего давили на нее. После возвращения Сэма, она покинула компанию.

А теперь про роль Адама Д'Анджело. Это самый интересный персонаж.
Как же так вышло, что он, "союзник Сэма", просил у Ильи Суцкевера скриншоты для увольнения Сэма?

Адам играл в две стороны. С одной стороны, он поддерживал отношения с Ильей и независимыми директорами, чтобы быть в курсе их планов и контролировал ситуацию. Прося скриншоты, он понимал, куда ветер дует. С другой стороны, он поддерживал связь с Сэмом и инвесторами. Он как опытный игрок в Кремниевой долине знает, что сила на стороне инвесторов и CEO, а не идеалистов из совета.

Судья спрашивает Илью, кто должен управлять AGI. Его ответ: «Сейчас моя позиция такова: за очень редкими исключениями, человек, который будет управлять AGI, скорее всего будет очень хорош в играх власти. Это будет похоже на выбор между разными политиками».

О чём на самом деле эта история? Это история о том, что система выбора людей для управления AGI фундаментально сломана.

Эта стенограмма из суда ещё одно доказательство о том, как человеческие слабости — амбиции, страхи, непроверенные убеждения, конфликты интересов — влияют на решения, которые могут иметь разные последствия.

Илья прав, что нам нужен безопасный ИИ, но он не возникнет только, если решить технически проблему выравнивания. Безопасный ИИ начинается с честного взгляда на то, кто мы такие? Создан ли ИИ людьми, которые психологически зрелые? Если нет, то ИИ будет их зеркалом.

Эта карта поможет вам изучить все принятые статьи об ИИ на NeurIPS 2025

Каждый год на главную научную конференцию по AI NeurIPS принимают тысячи статей. В этом году их ~ 6000. Прочитать всё физически невозможно, даже если это ваша специализация.

Исследователь Джей Аламмар из Cohere решил эту проблему с помощью автоматизации и LLM, и в итоге вышла интерактивная карта, где можно за минуты найти нужные темы и понять суть статей.

Джей говорит, что для массовой обработки тысяч промптов нужны скрипты, а не просто playground интерфейс. Это одно из суперспособностей, который вы не получите, если работаете с LLM только через веб-интерфейс.

Главные тренды на NeurIPS в этом году:

1. Reasoning (~13% статей, 766 работ) — резкий рост после выхода O1

2. Мультимодальность (~28%) — работа с разными типами данных

3. Diffusion models — стали мейнстримом наравне с LLM

4. Computer vision — второе крупнейшее направление после NLP.

Используемый стек при создании карты:

- Cohere Command A — для генерации текста
- Cohere Embed-v4 — для эмбеддингов
- UMAP — для снижения размерности
- K-Means — для кластеризации
datamapplot — для визуализации.

Anthropic — новый король продаж API для ИИ, обогнав OpenAI и др.конкурентов

Согласно огромному массиву фин показателей, которые оказались у The Information, Anthropic официально закрепила за собой лидерство в продажах API для ИИ.

Anthropic достигла ежегодного темпа доходов в $4 млрд к июлю 2025 года, а к ноябрю, по свежим оценкам, приближается к $5 млрд.

Это рост на 400% с начала года (с $1 млрд в январе). Из них API-продажи составляют 70–75% ($3,5–3,75 млрд), в основном от pay-per-token модели. Остальное — от чат-ботов Claude (~ $0,7–1 млрд) и enterprise-лицензий ($0,9–1 млрд).

У Anthropic $3,1 млрд ARR от API (лидерство благодаря B2B-интеграциям).

А у OpenAI $2,9 млрд ARR от API (но общий ARR OpenAI — $12 млрд, где потребительские подписки дают $5,5 млрд).

Ключевой фактор - $1,4 млрд от Anthropic приходится на интеграции с инструментами вроде Cursor (кодинг-ассистент) и GitHub Copilot. Microsoft недавно начал закупать API Claude для Office 365, добавив $500+ млн в контрактах.

Прогнозы на 2025–2027гг. Anthropic:
- 2025 год: $3,7 млрд общей выручки (базовый сценарий), но оптимистичный — до $9 млрд ARR к декабрю.
- 2026 год: $20–26 млрд ARR.
- 2027 год: До $34,5 млрд (это подразумевает рост на 800%+ за два года).

Однако маржа прибыли падает: Gross margin — 60–70% из-за затрат на вычисления (TPU от Google и AWS стоят $1–2 млрд в год).

Без новых инвестиций в инфраструктуру, типа недавнего партнерства с Google на 1 млн TPU, рост может замедлиться.

Google представил проект по дата-центру в космосе - Project Suncatcher.

Напомним, что ранее в июле Хассабис и Альтман говорили о ЦОДах в космосе, Маск анонсировал дата-центры в космосе, а еще ранее Джефф Безос прогнозировал гигаваттные цоды в космосе через 10 лет; а Nvidia и стартап Starcloud запустили H100 GPU в орбиту на выходных. Экс-CEO Google Eric Schmidt купил Relativity Space для того же. Гонка началась!

Google хочет построить дата-центры в космосе — это будут спутники/ группы спутников, оснащённые чипами TPU. Google тестировал свои новые TPUs Trillium в ускорителе частиц, имитирующем радиацию LEO. Они выдержали в 3 раза больше радиации, чем нужно, и в 15 раз превысили требования миссии. Но чипы должны работать минимум 5 лет.

Они будут работать на солнечной энергии, которая в космосе доступна почти 24/7, без атмосферы и ночи. Это позволит масштабировать вычисления для ИИ без огромного потребления энергии на Земле.

Пока неясно, но упоминают модульную сборку в орбите как у Starlink, чтобы ракеты не тащили огромные конструкции.

В начале 2027 года Google запустит 2 прототипных спутника в партнёрстве с Planet Labs. Каждый спутник понесёт 4 TPU для тестов. Это не полноценный дата-центр, а proof-of-concept.

Google прогнозирует, что к середине 2030-х цены упадут до $200/кг благодаря SpaceX и другим. Тогда эксплуатация космического дата-центра обойдётся как у земного (на кВт/год). Полноценные констелляции — к 2035+.

По сравнению с Nvidia, Google проект солиднее, с данными, а не просто тизером.

Google открыто признаёт, что есть много сложных инженерных задач и барьеров:
1. Космические лучи ломают чипы. TPUs выдержали тесты, но для 5 лет работы нужны дополнительные усиления. Ремонт в орбите невозможен — всё должно работать автономно.

2. В вакууме нет конвекции — тепло уходит только излучением. Нужны огромные радиационные панели, что увеличивает массу и сложность.

3. Лазеры — круто, но констелляции должны лететь идеально синхронно. Задержки для Земли — 10–20 мс, но для межспутниковой — минимальны.

4. Для 5 ГВт, как у крупных ферм нужно тысячи спутников. Ракетный трафик (SpaceX планирует 140+ запусков в 2025) — узкое место.

Anthropic и Исландия запускают 1-й в мире нацпроект по внедрению ИИ в образование

Ранее, мы писали, что Anthropic создают экосистему на рынке образования.

Учителя по всей Исландии получат доступ к Claude.

Для чего учителя смогут использовать Claude?
- Подготовка уроков и планирование
- Создание персонализированных учебных планов
- Адаптация материалов для разных учащихся
- Анализ и интерпретация контента
- Предоставление ИИ-поддержки учащимся

В рамках пилотного проекта будут изучать, как ИИ может принести пользу исландским школам, поддержать учителей в их преподавании и подготовке, а также улучшить обучение школьников.

Команда Джеффа Дина,Google, создала ИИ,который сам учится определять ценность данных для обучения LLM

DataRater - система автоматической фильтрации данных для обучения языковых моделей, которая использует мета-обучение вместо ручных правил.

Это 1-я практическая демонстрация, что мета-обучение курации данных возможно для современных LLM на значительных масштабах.

Особенно перспективно для будущего применения к синтетическим данным, где объемы неограниченны, а качество варьируется.

Об ИИ в тендерах и образовании

Недавно прочитали у Юли Обаляевой интересный кейс про компанию, которая год участвовала в тендерах и проигрывала 8 из 10 закупок. Оказалось, что проблема была не в цене и не в качестве. Они просто не понимали, к каким заказчикам идти, с кем реально конкурируют, какие стратегии работают, а главное - где и как этому научиться.

Когда научились и начали использовать ИИ для аналитики — всё изменилось за пару месяцев. ИИ за минуты анализирует тысячи контрактов, находит закономерности побед конкурентов, прогнозирует перспективные ниши. То, на что раньше уходили недели ручной работы.

Получается, что даже в консервативных B2G-сегментах умение работать с ИИ-инструментами — уже не преимущество, а необходимость для выживания.
Кто быстрее освоит — тот и выиграет.

Лауреат Нобелевской премии:мы впервые создали с ИИ антитело полностью с 0 без единой молекулы из природы.

Оно работает лучше, чем любое из миллионов, созданных иммунной системой.

Нобелевский лауреат 2024 года по химии Дэвид Бейкер вместе с командой создали первое в мире антитело, полностью созданное компьютером — RFantibody. Ни одной аминокислоты из природы. Ни мышей, ни библиотек, ни иммунизации. Только ИИ и физика.

И оно работает. Лучше, чем всё, что эволюция отбирала миллиарды раз. Другие проекты тут.

Бейкер говорит: «Мы не улучшали природу. Мы её заменили».

RFantibody связывается с модельным токсином крепче любого природного антитела. В пробирке — идеально. В мышах — спасает жизнь. От идеи до рабочей молекулы — меньше четырёх месяцев.

Это не прототип, а новый способ создавать лекарства.

Что будет дальше? Планы такие:

В 2026 году три молекулы, 100% спроектированные ИИ, будут поданы на клинические испытания.

В 2027–2028 - первые пациенты с раком получат антитело, рождённое не в организме, а на видеокарте.

А через 3–5 лет -разработка антител без вычислительного дизайна будет считаться устаревшей, как факс в 2025-м.

Бейкер уже строит библиотеки: тысячи де-ново антител против гриппа, COVID, онкомаркеров. Генерация — за ночь. Отбор — за неделю. Клинический кандидат — за квартал.

Apple будет платить Google ~$1млрд/год за кастомную модель Gemini для Siri

Apple тестировала ChatGPT, Claude. Gemini победила по производительности и цене, Anthropic просили слишком много по $.

Apple выбирала из множества партнеров, но победил Google Gemini с 1,2 трлн параметров, что в 8 раз больше, чем текущая облачная модель Apple Intelligence.

Это позволит Siri лучше понимать контекст, синтезировать информацию, планировать многошаговые задачи и выполнять сложные запросы.

Новая Siri ожидается весной 2026 года с iOS 26.4. Она станет лучше справляться с личным контекстом, действиями в приложениях, поиском знаний.

Apple рассматривает Gemini как временное решение, пока разрабатывает свою модель с ~1 трлн параметров, не хочет долгосрочной зависимости от Google.

Компания ex-CEO Google создала ИИ-агента, который находит новое, чего не заметили люди

Группа исследователей из Edison Scientific (дочка Future House) представила Kosmos — агента для автономного научного анализа.

Что умеет Kosmos?
- Пишет и выполняет код для анализа данных (~42,000 строк)
- Читает научные статьи по теме (~1,500 штук)
- Генерирует и проверяет гипотезы
- Формирует отчёт с выводами
- Можно проверить каждый шаг рассуждений.

Авторы провели Kosmos через 7 исследовательских задач в разных областях: от метаболомики мозга до генетики диабета.

Независимые эксперты оценили точность результатов:

1. Воспроизводил чужие результаты

2. Нашёл новые находки:
• В 4 случаях - доп поддержка известных гипотез новыми методами
• В 1 случае - потенциально новое открытие, нашел механизм уязвимости нейронов при старении.

Эксперты оценили, что один запуск Kosmos эквивалентен 6 месяцам работы специалиста. Это впечатляет, но важно понимать, о какой работе речь:
1. Рутинный анализ данных
2. Чтение сотен статей
3. Перебор стандартных статистических методов
4. Проверка очевидных гипотез

Что остаётся за человеком:
- Формулирование нетривиальных вопросов
- Планирование экспериментов
- Критическая оценка выводов
- Понимание биологического/физического смысла

Где система спотыкается?

1. Интерпретации слабее анализа.
2. Нужен эксперт для оценки.
3. Ограничения по данным.

Пахнет жареным:CFO OpenAI проговорилась о гос гарантиях от правительства США по кредитам для финансирования своей масштабной инфраструктурной стройки на более $1 трлн.

А ещё она опровергла слухи о скором IPO компании, не в планах прямо сейчас, приоритет на росте.

На конференции WSJ CFO OpenAI Cара Фриар заявила, что компания просит гос гарантии по займам, которые существенно снизят стоимость кредитов, так как это позволит привлечь больше $ под меньшие %.

Получается, если OpenAI настолько уверены в будущих прибылях, рынок капитала должен финансировать их без государственных гарантий. Запрос госгарантий говорит либо о проблемах с cash flow, либо о том, что частные кредиторы видят слишком высокие риски.

О том, что у OpenAI нет денег мы писали тут.

Отметим, что OpenAI уже взяла обязательства ~ на $1 трлн только в этом году: $300 млрд партнерство с Oracle и $500 млрд проект Stargate с Oracle и SoftBank. При этом ожидаемые доходы в "десятки миллиардов" не покрывают расходы на инфраструктуру для их продвинутых чат-ботов.

После выхода публикации в СМИ, OpenAI быстро сделали публикации от имени CFO, что они НЕ просят прямую господдержку, они переформировали её слова в более широкий контекст ГЧП в стратегической отрасли: правительство США понимает, что ИИ — это стратегический национальный актив, поэтому и так будет поддерживать.

А вы пробовали уже включить память в чатах с Claude? Он прекрасно понимает в новых чатах, используя то, что раньше обсуждали в других чатах.

Очень круто с точки зрения пользовательского взаимодействия.

Стратегический инсайт куда идет рынок: создан агент, общающийся с человеком нормально. Опен сорс

OpenHands и Carnegie Mellon показали, почему GPT-5 хорош в бенчмарках, но раздражает в реальной работе — и как это исправить. GitHub.

Они решили одну из больших проблем агентов, когда:

1. агент не понимает, когда задавать вопросы
2. задает глупые/раздражающие вопросы
3. не адаптируется под стиль пользователя

Решение - PPP framework - 3 измерения вместо одного:

Productive — решает задачи (как обычно)
Proactive — задает правильные вопросы в нужный момент
Personalized — адаптируется под ваши предпочтения.

Очень подойдет для B2C продуктов, персональных ассистентов, когда агент работает вместе с человеком.

Модель 36B обогнала GPT-5 в среднем на +21 пункт в сценариях с расплывчатыми инструкциями.

Самое интересное — модель сама научилась стратегии:
- Различает четкие и расплывчатые запросы
- С четкими почти не задает вопросов
- С расплывчатыми активно уточняет, но только по делу.

Что это значит для индустрии?

Бенчмарки должны измерять не только task success, но и:
•Качество взаимодействия
•Адаптацию к пользователю
•Эффективность коммуникации.

Так, ну, говорят это новый хайп, новая китайская модель Kimi K2 опен сорс обогнала закрытые модели https://www.tg-me.com/alwebbci/3769

Стоит ли нам теперь ожидать такое каждый месяц?

Да/нет? Мысли?

Но миром правит Google и вот 1-й чип TPU, спроектированный в первую очередь для инференса.

Ironwood - самый мощный TPU на сегодняшний день.

Он переходит от "реактивных" моделей к "проактивным" — моделям, которые самостоятельно генерируют insights, интерпретируют данные и действуют как агенты.

Ironwood — прямой вызов NVIDIA: дешевле, энергоэффективнее, лучше масштабируется для облачных ИИ-задач.

Каждый чип обеспечивает 4614 TFLOPS в FP8, что ставит его на уровень с NVIDIA Blackwell B200.

Google утверждает, что это самый мощный чип в истории компании, и он формирует основу AI Hypercomputer для планетарного масштаба вычислений.

Маск заявил, что Tesla построит свой завод по производству чипов, возможно, в партнерстве с Intel, но ещё ничего не подписано

Кстати, акционеры Tesla проголосовали за компенсационный пакет для Илона Маска в $1 трлн - самый крупный в истории корпоративных выплат.

Tesla прогнозирует экспоненциальный рост потребления чипов - миллиарды единиц в год для миллионов роботакси и гуманоидов Optimus. Напомним, что Маск планирует выпускать 100млн/год гуманоидов.

Текущие поставщики - TSMC, Samsung не справятся даже в оптимистичном сценарии, сказал Маск.

Маск сказал, что завод будет гигантским Terra-Fab в США. Это часть стратегии вертикальной интеграции, как с батареями. Маск подчеркнул, что без собственного производства Tesla не достигнет целей по роботакси и роботов Optimus.

Sakana AI создали живую цифровую чашку Петри, в которой десятки агентов постоянно эволюционируют в реальном времени.

Главная фишка в том, что обычно нейросети учатся заранее, а потом работают с фиксированными правилами.

Здесь же нейросети учатся прямо во время жизни. Как живые организмы адаптируются к изменениям среды — так и эти агенты постоянно меняют свою "стратегию поведения" через градиентный спуск.

Это модель того, как из простых правил + конкуренции + способности учиться может возникать настоящая открытая эволюция — бесконечное усложнение и появление новых форм поведения. Как в настоящей жизни.

Самое крутое в этой работе -
из чисто эгоистичной конкуренции спонтанно возникает кооперация. Это говорит что-то глубокое о том, как в природе из конкурентной борьбы за выживание появляется симбиоз и сотрудничество.

Казахстан создает государственный резервфонд из крипты на $1млрд

Фонд должен стать операционным к концу 2025 года, а полный запуск ожидается в начале 2026-го.

Об этом рассказал глава Национального банка Казахстана Тимур Сулейменов. Ранее он уже говорил об этих планах.

Целевой размер — от 500 млн до 1 млрд $. Фонд будет состоять в основном из конфискованных криптоактивов (изъятые в рамках уголовных дел, связанных с незаконной деятельностью, включая нелегальный майнинг и торговлю), а также репатриированные средства из-за рубежа.

Из этого нового фонда криптовалют будут инвестировать в биржевые фонды (ETFs) на криптоактивы и акции компаний, связанных с цифровыми валютами (например, связанные с Bitcoin или блокчейном).

Прямые вложения в криптовалюты (типа прямой покупки BTC) исключены — подход "очень осторожный" из-за волатильности.

Новая ложь Сэма и снова драма у OpenAI, ноябрь у них всегда драматичный

Дело вот в чем. Вчера Сэм Альтман написал большой оправдательный пост по поводу того, что они не просят у государства поддержку по их кредитам, подробности того, как CFO проболталась об этом, читайте тут.

Альтман заявил: «Мы не хотим гос гарантий для дата-центров OpenAI. Если OpenAI облажается, рынок разберётся, другие компании подхватят. Мы просили только для чип-фабрик, а не для своих дата-центров».

Сегодня в сети появилась утечка, где в своем письме OpenAI просит у Белого дома гос гарантии по кредитам конкретно для дата-центров.

В письме четко видно, как OpenAI одним абзацем просят гос гарантии и на чип-фабрики, и дата-центры. Нельзя выбрать только одну часть — это один и тот же запрос.

Получается Сэм публично солгал о том, что OpenAI не просит и не хочет госгарантий для своих дата-центров, хотя за 10 дней до этого они официально подали именно такой запрос в Белый дом.

И вот вся эта история с #увольненияOpenAI Сэма в ноябре 2023 года показывает нам, что Сэм много обманывает и манипулирует.
Тут и тут новые данные от Суцкевера.

Ловите бомбу от Google! Вложенное обучение. Все как из фильма «Начало» Нолана

Google Research представил Nested Learning, которая решает одну из главных проблем современных моделей ИИ - постоянное обучение.

Они доказали, что архитектура модели и алгоритм обучения — это одно и то же, просто на разных уровнях. Всё можно представить как вложенные задачи оптимизации, которые решают одновременно.

Ключевые концепции:
- Оптимизаторы — это тоже модули ассоциативной памяти.
- Память в трансформерах расширяется до Continuum Memory System — спектр модулей памяти с разной скоростью обновления.

Идея взята из фильма «Начало» Нолана.

Каждый уровень живёт по своим законам и с разной скоростью времени:
- верхний меняется за один токен,
- самый глубокий — раз в миллионы токенов.

Они создали модель Hope из 1.5 млрд параметров. На данный момент она:

- 3-е место среди всех моделей меньше 3 млрд параметров,

- обходит Titans-1.8B, Samba-1.9B, RWKV-7B и даже Llama-3.1-8B по качеству языка,

- держит 128 тысяч токенов контекста лучше Mistral-24B,

- учится пяти новым задачам подряд и ни одну прежнюю не забывает.

Впервые в истории — continual learning без replay, без LoRA, без regularization.

Просто потому, что забывание побеждено на уровне архитектуры.

Какие нюансы:
- Обучение на 35 % дороже обычного
- Пока работает только в рекуррентных архитектурах
- В продакшене больших моделей пока нет

Но уже есть три независимые репликации, включая Mistral AI.

Nested Learning — это новый фундамент. Если идея взлетит, через пару лет мы получим модели, которые учатся всю жизнь, как люди, и никогда ничего не забывают.