Пока молодое буйство увольняет лучших из Meta*, эти лучшие выпустили крутую статью о непрерывном обучении LLM

Это путь к моделям, которые могут учиться на лету в онлайн режиме, как это делают люди.

Авторы предлагают использовать слои памяти — архитектуру с высокой ёмкостью, но разреженной активацией.

Если вы пропустили про масштабное увольнение в Meta FAIR, то вам сюда. Сейчас всех уволенных активно хайрят в Google, Anthropic, а также в стартапы, которые созданы экс-Google.

*запрещенная в России организация.

Nvidia тут хайпанула и объявила, что создает дата-центр в космосе, причем в ноябре уже 1-й запуск

Напомним, что тема цодов в космосе стала популярна у Безоса, Хассабиса и Альтмана.

Дело было вчера, Nvidia опубликовала пост в блоге о партнёрстве со стартапом Starcloud. Они запускают в ноябре спутник Starcloud-1.

Весом ~60 кг на ракете SpaceX Falcon 9. Внутри — их GPU H100 для теста ИИ-вычислений в космосе.

Цель - создать орбитальные дата-центры, питаемые солнцем (солнечные панели до 4 км в ширину для будущих версий) и охлаждаемые вакуумом космоса как "бесконечным радиатором".

Обещают 10x дешевле энергии, чем на Земле даже с учётом запуска, и меньше нагрузки на экологию (нет воды для охлаждения).

Причём уже к 2030+ обещает Nvidia гигаваттные орбитальные дата-центры для ИИ-задач. А Crusoe - ещё один партнёр хочет сделать это публичным облаком.

Вот на что обращают внимание критики:

1. Самый популярный хейт - физика не сходится. Вакуум — отличный изолятор, а не "бесконечный х Sink". Тепло придётся излучать инфракрасным излучением, что требует огромных радиаторов, делает конструкцию уязвимой и менее эффективной. "Космическое охлаждение" — маркетинг, на деле сложнее, чем на Земле.

2. GPU не устойчивы к космическим лучам — это вызовет ошибки в вычислениях. Нужно специальное экранирование, что добавит вес/стоимость.

3. Данные с орбиты до Земли — задержки в миллисекундах, что фатально для реал-тайм ИИ. Подходит только для оффлайн-задач вроде анализа спутниковых снимков.

4. Ракета расходует больше топлива/CO2, чем сэкономит дата-центр за годы.

5. Запуск H100 ($30k) + спутник — миллионы. Обслуживание? Невозможно — один микрометеорит, и привет. GPU устаревают за 2–3 года, а спутник висит 5+.

Anthropic заключила с Google сделку на 1 млн TPU. Мощность превысит 1 ГВт. Развертывание с 2026 года

Это самая крупная экспансия Anthropic по использованию TPU на данный момент. И компания показывает, что у нее мультиоблачная стратегия.

Ранее компания уже интегрировала TPU в свою инфраструктуру, но теперь объём вырастет в разы.

Аналитики отмечают, что рост Anthropic добавит 1–2% к выручке AWS в 2025 году, но TPU могут подорвать позиции Trainium. Эта сделка уменьшает зависимость от Nvidia с GPU.

Кроме TPU, Anthropic получит доступ к другим облачным сервисам Google.

Одна из самых крутых больниц мира Mayo становится хабом для ИИ-проектов

Mayo Clinic инвестирует в инфраструктуру данных и инновации, становится не просто больницей, но и акселератором + венчурным инвестором, переосмысливая роль современных медучреждений.

Mayo Clinic - одна из лучших клиник мира объявила о 6-й когорте из 11 ИИ-стартапов в своей программе акселерации.

Фокус этого года - психиатрия/нейро, онкология и CareOps(операционная эффективность).

Клинический фокус смещается в сложные области:
- Психическое здоровье и неврология
- Онкология вместо более зрелых областей вроде радиологии.

3 стартапа по профилактике:
1. MyAtlas: AI + носимые устройства для предотвращения кризисов психического здоровья
2. Kanjo: Ранняя персонализированная помощь при ADHD и аутизме
3. PromedAI: Домашний AI-скрининг для общей профилактики

2 стартапа в тераностике (диагностика + лечение):

- MedLink Global: AI-психиатрия для диагностики и персонализированного лечения

- Bowhead Health: Предсказание геномных мутаций рака на основе изображений

Иордания запустила в школах страны ИИ-агента, причём пилотная версия была создана менее чем за месяц 1 человеком с помощью платформы Replit

Siraj - это ИИ-ассистент на базе Replit, который уже доступен для тестирования в государственных школах, в которых учится 1,6 млн школьников и 90 000 преподавателей работает.

Он работает на арабском, даёт ответы по школьной программе и помогает учителям с материалами.

ЕС ввели новые санкции на крипту для россиян. Объясняем кого это коснется и как с этим жить

Важно понимать, что санкции в основном бьют по инфраструктуре, а не по обычным пользователям, об этом ниже в этом посте.

Что запрещает ЕС?

1. использование стейблкоина A7A5, разработанный для обхода санкций. Запрещены все операции с ним в ЕС.
2. Криптоуслуги для россиян в юрисдикции ЕС, включая торговлю, обмен и ПО для платежей.
3. Любые криптотранзакции россиян в ЕС, включая BTC, USDT, если они связаны с РФ.
4. Транзакции с 5 банками РФ, 5 банками Центральной Азии, системами «Мир» и СБП.

Как это коснётся обычных россиян?

1. Ограничения на биржах ЕС: Транзакции на европейские кошельки или P2P-обменники могут блокироваться, усложняя вывод в евро.

2. Проблемы с альтернативами: Без A7A5 придётся использовать USDT/BTC, но биржи усилят KYC — риск заморозки счетов растёт. Фрилансерам и эмигрантам грозят задержки и комиссии.

3. Волатильность в РФ: Крипта внутри страны пока доступна, но цены могут вырасти, а мелкие обменники — попасть под блокировки.

4. Риски для пользователей: Хранение крипты и оплаты станут дороже из-за комиссий. Россиян в ЕС ждёт запрет на криптоаккаунты, но децентрализованные кошельки MetaMask пока работают с рисками.

Эффект санкций умеренный — переходите на азиатские платформы Bybit, OKX и тд, но будьте готовы к нестабильности и проверкам.

Co-founder OpenAI Андрей Карпатый: идет тренд на уменьшение LLM, а чтобы они стали умнее, нужно "вычистить" их память

Мы продолжаем обозревать интервью Андрея Карпатый, который многое объясняет и убирает хайп, который несут в массы как его коллеги, так и бизнес. #часть4 предыдущие материалы тут.

Андрей Карпатый говорит о парадоксе, что лучшие ученики- дети ужасны в запоминании.
Вы вообще ничего не помните из раннего детства.
Зато дети мастерски схватывают языки и понимают мир. Почему? Они не запоминают дословно, а ищут общие паттерны. Это их суперсила.

А LLM — машины памяти, но не обобщения. LLM цитируют Википедию слово в слово и запоминают последовательности за пару итераций.

Но вот парадокс - их способность к абстрактному мышлению, как у детей, ограничена. Они тонут в море запомненных данных, которые часто мешают видеть «лес за деревьями».

Мы, взрослые, уже не так гибки, как дети, но лучше запоминаем факты. Наша "плохая" память — это фича, а не баг. Она заставляет нас искать обобщения, а не зубрить всё подряд.

Карпатый предлагает интересную идею, чтобы LLM стали умнее, нужно "вычистить" их память. Зачем? Чтобы они фокусировались на обобщении, а не на регургитации фактов. Цель — создать "когнитивное ядро" (~1B параметров), которое содержит алгоритмы мышления, а не свалку данных.

Карпатый задаёт вопрос, почему модели такие большие? Потому что интернет — это помойка: тикеры акций, случайный слоп, мусор. Большие модели вынуждены сжимать этот хаос, тратя ресурсы на память, а не на интеллект.

Решение:
1. Огромная модель учится на грязных данных.
2. Она фильтрует их до когнитивных компонентов.
3. На чистом датасете тренируется компактная модель (~1B параметров).

Современные SOTA-модели уже меньше, чем GPT-4 с его триллионами параметров. Лаборатории оптимизируют бюджеты - меньше тратят на предобучение, больше — на дообучение и пост-обработку. Это прагматично - сначала строим гиганта, чтобы "выжать" из данных суть, а затем дистиллируем её в компактное ядро.

Итоги уходящей недели, то, что имеет значение в России и мире

Квантовый компьютер Google превзошёл суперкомпьютер в 13 000 раз.

ИИ, агенты

Обзор интервью сооснователя OpenAI Андрея Карпатый о слабости современных агентов, об экономике AGI, о будущем LLM, обучения ИИ-моделей и критике RL.

Глава по продукту Google заявил, что в 2026 году основной темой станет ИИ в науке, а AGI потребует нейроморфных чипов.

#DeepSeek-OCR — новая модель для извлечения текста из документов, которая не просто читает, а понимает структуру документа и работает с разными форматами вывода.

BADAS 1.0 от Nexar — новая модель для предсказания и предотвращения автомобильных аварий, обученная на 10+ млрд реальных миль и 60+ млн реальных событий.

Anthropic и создатель ChatGPT разработали ИИ-агента аудитора.

Ring-1T от Ant Group — модель с триллионом параметров, где активны ~50 млрд параметров на токен для задач рассуждения.

Sandbox в Claude Code — новая песочница позволяет точно определять, к каким директориям и сетевым хостам имеет доступ агент (инструмент открыт в open source).

Иордания запустила в школах страны ИИ-агента.

Ctrl-World от Stanford и Tsinghua — управляемая модель мира, которая работает с новыми окружениями, камерами и объектами без доп обучения. Хороша для робототехники и агентов.

Meta* увольняет команду FAIR-одну из лучших мировых лабораторий по ИИ.

Google Skills — совместно с UCL запустили бесплатный курс AI Research Foundations.

OpenAI представила браузер, интегрированный с ChatGPT и агентным режимом.

Anthropic представили версию Claude для научных исследований.

Эта работа позволяет определить, была ли новая модель получена через файн-тюнинг.

Aegaeon от Alibaba — система GPU-пулинга, которая сокращает использование чипов Nvidia на 82%.

Google продаст Anthropic свои TPU-чипы (1 млн штук) мощностью более 1 ГВт, развёртывание начнётся с 2026 года.

STAT от Princeton — метод адаптивного обучения, использующий модель-супервайзера для повышения производительности студенческих моделей на 7%+.

Meta представила исследование непрерывного обучения LLM

Nvidia объявила о создании дата-центра в космосе, первый запуск запланирован на ноябрь.

МЕДИЦИНА И БИОТЕХНОЛОГИИ

Science (конкурент Neuralink) — вернул зрение 80% слепых пациентов с помощью имплантата PRIMA.

CoMind — стартап по мониторингу мозга с ИИ привлёк $102,5 млн инвестиций.

Morgan Stanley прогнозирует выручку от BCI-имплантов более $12 млрд за 2030-2045 годы.

Mayo Clinic становится хабом для ИИ-проектов. В этом году фокус на психиатрии, нейро, онкологии и CareOps.

Tahoe-x1 (Tx1) — первая open-source модель с 3 млрд параметров для анализа одиночных клеток, показывающая лучшие результаты в задачах онкологии и предсказании генной эссенциальности.

КРИПТОВАЛЮТЫ И ФИНАНСЫ

BlackRock призывает крупных держателей биткоина переводить монеты в биржевые фонды (ETF), интегрируя их в систему Уолл-стрит.

ФРС США дала допуск криптокомпаниям к своей платёжной системе.

a16z — в отчёте сообщили, что более 1% всех денег в мире теперь в стейблкоинах.

ЕС ввёл новые санкции на крипту для россиян. Разбор.

*запрещенная в РФ организация.

Сэм Альтман нанял Михаила Шапиро в свой стартап - конкурент Neuralink под названием Merge Labs.

Альтман снова нанял российского биомолекулярного инженера Михаила Шапиро в Merge Labs как часть основательской команды. Все как с Суцкевером в OpenAI.

Шапиро известен в Caltech за неинвазивные методы нейровизуализации и контроля. Его лаборатория разработала технологии, использующие ультразвук для взаимодействия с мозгом без хирургии. Он родился в Коломне в 1987г. А в 90-е переехал с родителями в США.

Его точная роль неясна, возможно, CTO или научный руководитель, но источники подчёркивают, что он ключевой лидер в переговорах с инвесторами.

Merge Labs - стартап, разрабатывающий неинвазивные нейроинтерфейсы (BCI). Вместо имплантов, как у Neuralink, Merge использует генную терапию и ультразвук.
Цель — создать интерфейс для общения с ИИ, например, подумал — ChatGPT ответил, и лечения неврологических расстройств: депрессия, эпилепсия. Оценка стартапа — $850 млн, основной инвестор — OpenAI Ventures ($250 млн). Анонс ожидается в ноябре 2025.

Михаил Шапиро предлагает такую технологию для BCI:

- Функциональный ультразвук: "видит" активность мозга (кровоток) с точностью ~100 мкм. Уже протестировано на людях через "акустическое окно" — без глубоких разрезов.

- Соногенетика: гены (газовые везикулы) вводятся в нейроны, делая их чувствительными к ультразвуку. Внешний зонд "читает" или "включает" нейроны. Это может стать "Lasik для мозга" — разовая инъекция и никаких имплантов.

Применение: от управления протезами до связи с ИИ.

Вау! Китайская опен сорс ИИ-модель вошла в 5-ку лучших в мире, обойдя Claude Opus 4.1

Китайская MiniMax выпустила open-source модель M2, которая заняла 1-е место среди открытых моделей по Intelligence Index v3.0 (61 балл), обойдя Claude Opus 4.1 (59 баллов). Это очередной рекорд китайских ИИ-лабораторий в 2025 году.

IBM заходит на рынок крипты и запускает платформу цифровых активов для внедрения сервисов на блокчейне

Платформа IBM Digital Asset Haven помогает финансовым организациям, правительствам и компаниям внедрять блокчейн-сервисы.

Решение поддерживает 40+ блокчейнов, включая Ethereum и Bitcoin, обеспечивая безопасное хранение, управление транзакциями и соответствие регуляциям (KYC/AML, GDPR).

Ключевые фичи:

- аппаратные модули HSM, Multi-Party Computation, "холодное" хранение.

- миллионы кошельков и транзакций с энергоэффективностью.

- Интеграция с сервисами для compliance и мониторинга.

Платформа создана с Dfns, экспертом по цифровым кошелькам, и будет доступна как SaaS с конца 2025 года, а в 2026-м — для локального развертывания.

Конкуренты, такие как Fireblocks или J.P. Morgan, сильны в нишевых аспектах (кастоди/ финансы), но IBM предлагает более широкий охват и корпоративный уровень доверия.

Google по-тихоньку убивает все геопространственные платформы, запуская свой Google Earth AI

Google без лишнего шума делает ненужным и устаревшим то, что раньше называли геопространственной платформой - сервисы, которые раньше были необходимы для обработки и анализа геоданных.

Раньше, чтобы работать с данными о Земле, компании строили свои платформы на базе инструментов вроде Google Earth Engine (GEE) или Microsoft Planetary Computer.

А запуск Earth AI - полноценная ИИ-система с моделями Gemini, которая сама интерпретирует данные и даёт готовые выводы.

По сути, Google создают виртуальный спутник, как AlphaEarth Foundations. Ничего подобного раньше не было в таком масштабе — теперь анализ планеты становится доступным, как поиск в Google.

Anthropic представили сейчас нового Claude для финансового сектора с Excel в чате

У Claude теперь новые агентские навыки - 6 специализированных навыков для финансовых задач: анализ сопоставимых компаний, модели DCF, пакеты для проверки благонадёжности, профили компаний, анализ отчётности о прибылях и отчёты по инициированию покрытия.

Ранее мы писали, что такие функции готовятся к релизу.

Теперь Claude:

- открывать Excel таблицы, анализировать их, исправлять формулы, создавать новые отчёты

- есть доступ к финансовым данным в реальном времени - котировки акций, кредитные рейтинги, новости рынков, отчёты компаний

- построить финмодели, оценка компаний, анализ отчётности.

Neuralink имплантировала свой чип в 4-й стране - вызывает параллели с экспансией NVIDIA, но масштабы несопоставимы и природа гонок различна

Сегодня компания Илона Маска объявила о первой операции в Великобритании. Отметим, что за плечами уже есть пациенты в США, Канаде, ОАЭ.

Пока глобальное внимание сосредоточено на гонке за ИИ, где NVIDIA доминирует в производстве чипов для обучения моделей, формируется параллельная гонка.

Её предмет - не улучшение ИИ как такового, а создание интерфейса между человеческим мозгом и цифровыми системами.

Присутствие Neuralink в США, Канаде, Великобритании и ОАЭ создаёт не столько рынок сбыта — это клинические испытания, не коммерция, сколько регуляторный плацдарм.

Одобрения в этих юрисдикциях:
1. Создают прецеденты для других регуляторов
2. Генерируют клинические данные, признаваемые международно
3. Обеспечивают доступ к разным популяциям пациентов для валидации технологии
4. Формируют стандарты безопасности де-факто до появления формальных стандартов

Геополитический контекст интересен. Китай запустил госпрограмму по нейроинтерфейсам. А западные компании формируют альянсы вокруг разных технологических платформ, но пока не наблюдается координации на уровне правительств, кроме регуляторных процессов.

Рынок не консолидировался вокруг единой технологии. Существует минимум 3 направления:

- Высокоинвазивные системы: Neuralink, Paradromics.
- Умеренно-инвазивные:Synchron, Precision Neuroscience.
- Неинвазивные: Nudge, Meta(запрещенная в РФ организация).

Множественность подходов указывает на то, что единого стандарта пока не сформировалось. Коммерческие продукты уже на рынке, но массовое применение потребует решения регуляторных, экономических и этических вопросов.

xAI Илона Маска выпустила Grokipedia - это конкурент Википедии, но создана ИИ

Нынешняя Grokipedia v0.1 состоит из 885 тыс. доступных статей и как заявляется, все факты проверены ИИ Grok.

Маску Grokipedia нужна для перехвата контроля над «единственной версией правды», которую сегодня держит Wikipedia, и перестроить её под философию xAI - правда без идеологической цензуры.

Также Grokipedia нужна для тренировки Grok на «правильных» данных:
- Каждый запрос в Grokipedia → новый промпт для Grok;
- Пользователи голосуют «полезно/вредно» → RLHF в реальном времени;
- Ошибки исправляются → Grok становится умнее.

Это самообучающаяся база знаний, как YouTube для ИИ.

А еще Grokipedia - деньги и долгосрочое влияние. В будущем планируется создать разные источники дохода:

- Премиум-доступ
- API для компаний
- Реклама в X

20 ноября Anthropic проведет вебинар о том, как Netflix масштабирует разработку ИИ-агентов для 3000 разработчиков, и расскажет о своей внутренней стратегии инфраструктуры ИИ.

❗️Google DeepMind: ИИ создал RL-алгоритм, превзошедший разработанные людьми

В Nature вышла работа команды Дэвида Сильвера (создателя AlphaGo), в которой они разработали подход, где мета-сеть учится генерировать правила обновления для RL-агентов. Также можно ознакомиться с другой работой по метаградиентному RL и его онлайн-версией с мета-обученной функцией

Вместо того, чтобы жёстко прописывать формулы, как в классических методах, система:

- Собирает опыт от популяции агентов в сотнях разных сред
- Обучает мета-сеть, которая производит правила обновления параметров агентов
- Оптимизирует мета-параметры так, чтобы максимизировать долгосрочные награды.

Система сама решает, что предсказывать.

Полученный алгоритм назвали DiscoRL (Discovered Reinforcement Learning). Его протестировали на нескольких бенчмарках:

Atari (57 игр): DiscoRL показал SOTA результаты, превзойдя Rainbow DQN, PPO и другие классические методы по медианной награде.

Обобщение на новые задачи: Без дополнительного обучения алгоритм достиг сильных результатов на ProcGen, показал конкурентные результаты на DMLab, NetHack, Crafter и Sokoban.

Масштабирование: Увеличение разнообразия обучающих сред (с 57 до 103) улучшило обобщение. Система не переобучается на узкий набор задач.

Интересная находка - Обнаруженные предсказания ведут себя не как классические value-функции. Они "активируются" (резко растут) перед значимыми событиями — большими наградами или изменениями политики. Это emergent behavior, который не был заложен изначально.

Что это даёт?

Для исследований: Меньше времени на ручное проектирование алгоритмов, больше фокуса на разнообразии данных и архитектуре мета-сети.

Для практики: Потенциально более адаптивные алгоритмы для робототехники, игр, оптимизации. Если правила обучения подстраиваются под распределение задач, это может ускорить применение RL в новых доменах.

Это шаг к рекурсивному самоулучшению — системы, которые учатся учиться. Аналогия с биологией: как эволюция создала способность к обучению у животных, так здесь алгоритм "эволюционирует" через опыт популяции агентов.

Ограничения:
1. Обучение требует сотен млн шагов по средам с популяцией агентов.
2. Пока подход протестирован на off-policy RL с replay buffer. Как он работает в on-policy настройках или в continuous control задачах — открытый вопрос.
3. Все эксперименты в симуляторах (Atari, ProcGen и т.д.). Перенос на физических роботов или реальные системы пока не продемонстрирован.
4. Хотя авторы анализируют поведение предсказаний, понять, почему конкретное правило обновления работает, сложнее, чем с явными формулами классических методов.

Microsoft больше не имеет эксклюзива на OpenAI, но получает долгосрочные права и свободу действий.

OpenAI завершила рекапитализацию — это крупная перестройка структуры компании. Некоммерческая часть теперь называется OpenAI Foundation (Фонд OpenAI).

Microsoft вложила в OpenAI Group PBC ~ $135 млрд. Это даёт ей ~27%. Без учёта последних раундов инвестиций доля Microsoft была 32,5%.

Это значит, что Microsoft — крупнейший инвестор, но не мажоритарный владелец. Контроль остаётся у OpenAI.

Основные изменения в отношениях OpenAI и Microsoft:

1. AGI будет проверяться независимо. Когда OpenAI скажет: «Мы достигли AGI» — это проверит независимая экспертная панель.

2. Права Microsoft на IP:
- До 2032 года — Microsoft получает права на все модели и продукты, включая пост-AGI.
- Исследовательский IP (секретные методы разработки) — у Microsoft до 2030 или до подтверждения AGI, что раньше наступит.
Сюда входят внутренние модели, но НЕ входят:
- архитектура моделей
- веса
- код инференса и файнтьюнинга
- железо и софт дата-центров
→ Эти права остаются у OpenAI.

3. Microsoft НЕ получает права на потребительское железо OpenAI, например, если выйдет ИИ-телефон или очки — Microsoft не в деле.

4. OpenAI может сотрудничать с другими компаниями:
- Совместная разработка продуктов — разрешена.
- API-продукты с третьими сторонами — только через Azure.
- Не-API продукты (например, чат-боты, приложения) — можно запускать на любом облаке (AWS, Google Cloud и т.д.).

5. Microsoft свободно может развивать AGI самостоятельно или с кем угодно. Раньше был эксклюзив.

6. Деньги и Azure:
- Делёжка выручки продолжается до подтверждения AGI, но выплаты растянуты во времени.
- OpenAI обязалась купить ещё $250 млрд услуг Azure.
- Microsoft теряет право первого отказа — OpenAI может выбирать любого провайдера вычислений.

7. OpenAI может продавать API национальной безопасности США — на любом облаке, не только Azure.

8. OpenAI может выпускать открытые модели.

А вот и 1-й в истории Wall Street на блокчейне в публичном доступе

Эмитент стейблкоина USDC - компания Circle запустила публичный тестнет Arc — новый Layer-1 блокчейн, созданный специально для реальных финансовых операций:

- мгновенные расчёты
- трансграничные платежи
- токенизация активов (фонды, облигации, недвижимость).

Это часть большего тренда токенизации реальных активов (RWA), здесь тестируют settlement со стейблкоинами. Для глобальной экономики это значит дешевле и быстрее транзакции, минуя SWIFT, особенно для развивающихся рынков. Плюс, участие эмитентов из Азии и ЛатАм — шаг к мультивалютному миру, где USDC не доминирует в одиночку.

Кто уже внутри и тестирует:
- крупные банки (HSBC, Deutsche Bank, Goldman Sachs, Standard Chartered)

- управляющие активами и фирмы (BlackRock, Invesco, WisdomTree, Apollo),

- платежные гиганты (Visa, Mastercard)

- ИТ-компании(AWS, Coinbase, Kraken и Anthropic) и др.

Чем отличается от других:
- Это не закрытая банковская сеть (как JPM Coin)
- И не обычный DeFi-блокчейн без институционалов
- Это открытая платформа, где реальные финансовые гиганты уже тестируют рабочие сценарии

Что можно делать в тестнете:
- Переводить стейблкоины между банками
- Покупать токенизированные фонды
- Проводить расчёты в реальном времени
- Интегрировать локальные валюты (Австралия, Бразилия, Япония и др.)

Mainnet ожидается в 2026 году.

Для кого это важно:
- Для банков — дешевле и быстрее SWIFT
- Для фондов — новые рынки и ликвидность
- Для разработчиков — открытый доступ к тестнету

OpenAI к сентябрю 2026 представит ИИ-ученого, создает AI Cloud Platform для разработчиков

Рассказываем о том, что сейчас анонсировали Сэм Альтман и главный ученый OpenAI Якоб Пачоцкий.

1. Создают компактное ИИ-устройство для повседневного использования человеком, выйдет в 2026 году. Они хотят заменить смартфоны.

Пачоцкий добавил: «Это устройство, которое эволюционирует с пользователем».

2. Создают открытую облачную экосистему для разработчиков, похожую на AWS, но под ИИ-модели и compute. Альтман сказал, что больше ценности создают те, кто строит на платформе, чем сам создатель платформы.

Альтман сказал: уже вложено $1,4 трлн в дата-центры. Планы: 1 ГВт новых фабрик в неделю. Цель в $7 трлн на инфраструктуру. Помните, это?

3. Автоматизация научных исследований. Пачоцкий дал такой таймлайн:
- Сентябрь 2026 — первый автоматизированный ИИ-исследователь-стажёр.
- Март 2028 — полностью автономный ИИ-исследователь, способный вести науку без человека.

4. Внутренние модели пока не сильно превосходят публичные, но дают огромную надежду. К сентябрю 2026 ожидается гигантский скачок в качестве благодаря продолжающемуся масштабированию Deep Learning.

5. Стоимость моделей упала в среднем в 40 раз; тренд 40× в год сохраняется.

OpenAI позиционирует себя как лабораторию, продуктовую компанию и инфраструктурного гиганта одновременно. Всё ради одного: ускорить путь к superintelligence менее чем за 10 лет.