Цукерберг гуляет на все деньги

Так выглядит сайт компании, которую оценили в 32 миллиарда долларов и которую, по информации CNBC, пытался купить Марк Цукерберг. У неё нет продукта, чем она занимается неясно. Правда, есть нюанс. Её возглавляет Илья Суцкевер, бывший сооснователь OpenAI.

Подробнее об этой компании, Safe Superintelligence, мы напишем как-нибудь в другой раз. В идеале, когда у них появится хоть какой-то продукт или анонс. А пока интересно другое – Илья Суцкевер (вроде как) отказался. Возможно, он знает что-то, чего не знают все остальные. Или просто не хочет рушить отношения с основными инвесторами – а среди них есть Google и Nvidia, причём с Google Cloud у них соглашение об использовании TPU компании.

Цукерберга отказ не смутил и он переключился на переманивание CEO компании Дэниела Гросса, бывшего главы направления ИИ в Apple. Параллельно он пытается привлечь бывшего главу GitHub Ната Фридмана. Про «покупку» Александра Ванга с его Scale AI за 15 миллиардов мы уже писали.

Ну и в дополнение но всему этому Марк Цукерберг отправляет письма отдельным исследователям ИИ, якобы предлагая им зарплату 10 миллионов долларов в год, и пытается переманить сотрудников OpenAI за 100 миллионов долларов бонусных выплат. То есть сорвался с катушек, пошёл ва-банк и покупает кадры на последние деньги.

Хотя, конечно, мы утрируем. Деньги у Цукерберга есть. Да и инвестиции это не спонтанные. Они базируются на призрачном, но таком желанном прогнозе – что ИИ будет приносить Meta* до полутора триллионов долларов к 2035 году. Ну а ковать железо надо сейчас, пока горячо и хайп не прошёл.

P.S. Даже интересно: вот соберёт он команду выдающихся «Мстителей» из мира ИИ – а дальше что? Как он их между собой подружит и заставит работать, а не ходить по TED Talks выступать? И как это поможет криво работающим продуктам Meta*? Как говорится, рыба гниёт с головы.

* компания Meta и её продукты признаны экстремистскими в России.

Гигачат и его крайне глубокие исследования

Сбер анонсировал новую возможность своей нейросети Гигачат – режим «глубоких исследований». Теперь система может собирать информацию из разных источников и формировать структурированные отчёты по заданной теме.

Система состоит из нескольких агентов: один разбивает запрос на задачи, другой ищет данные, третий анализирует, ещё один структурирует выводы. Примеры использования предлагают стандартные: анализ рынков, сравнение конкурентов, обзор научных публикаций. Система обещает выдавать SWOT-анализы, отчёты с трендами и академические обзоры со ссылками на источники. Хотя мы бы пользоваться им для этого, конечно, не рисковали.

Проблема даже не в том, что аналогичные функции уже есть у основных конкурентов – от ChatGPT до специализированных платформ вроде Perplexity. Очевидно, что они начали раньше, имеют больше ресурсов, давно получают обратную связь. Мы и не ожидали увидеть продукт «лучше», но хотя бы продукт, сделанный с пониманием, для кого это, и с учётом ошибок и фишек конкурентов.

Исследования у лидеров рынка могут занимать 10-30 минут и генерировать отчёты на десятки страниц. Гигачат работает быстрее – около минуты-двух. Результат больше напоминает стандартную выдачу нейропоиска (того же Perplexity), которая при этом генерируется мгновенно. Запросы «думать дольше» система настойчиво игнорирует. Так зачем нужно исследование на пару страниц, которое будет генериться насколько минут, если то же самое гораздо быстрее сделает Perplexity или даже российские конкуренты?

Критичнее другое: отсутствие прямых ссылок на источники в тексте. Более того, нормально оформленных источников хотя бы со сносками нет в принципе, их нужно самостоятельно вылавливать (при желании) из потока рассуждений модели. Спасибо, такого желания нет.

Отсюда вытекает и другая проблема – галлюцинации. А они присутствуют. Но они так-то везде есть, просто в других нейросетях можно пройти по ссылке на источник информации, которая вызвала сомнения, и проверить. А тут нельзя. Так какой анализ рынка мы с ним будем проводить? Разве что если рынок воображаемый.

В итоге получается знакомая картина: в Сбере сделали технологически интересное решение, но не подумали о продукте. Не понятно, кто будет пользоваться функцией, зачем, как её монетизировать и чем она хотя бы немного отличается в лучшую сторону от уже существующих аналогов. Пока это больше похоже на демонстрацию возможностей, чем на готовый к массовому использованию продукт.

Зато предыдущий рекорд Minimax побит – для ответа на слово «Привет» Гигачату-исследователю понадобилось чуть больше минуты.

Для сравнения, у Gemini Deep Research ушла секунда. Он поздоровался в ответ, рассказал о функции и предупредил, что исследование может занять какое-то время.

#нейродайджест CRAI за неделю

• OpenAI заключает военный контракт с Пентагоном на 200 миллионов долларов
Компания запускает программу OpenAI for Government, первым клиентом которой станет Министерство обороны США. Топ-менеджеры уже получили воинские звания в специальном подразделении.

• Цукерберг покупает данные за 15 миллиардов долларов
Половину Scale AI – компании, которая учит ИИ отличать кота от собаки, то есть занимается разметкой данных для OpenAI, Google и других крупных участников рынка – внезапно купил Цукерберг.

• ИИ научился красть деньги и обманывать системы защиты
Anthropic провели эксперимент: дали ИИ двойные задания – помочь пользователю и тайком навредить. В 60% случаев ИИ делал вредное задание без сомнений и успешно обманывал системы мониторинга.

• Сбер запускает режим глубокого исследования в Гигачате
Новая функция использует несколько агентов для анализа информации и создания структурированных отчётов. Система работает быстрее конкурентов (1-2 минуты), но в данном случае это скорее минус. Тем более что страдает качество источников и есть галлюцинации.

• Китайский MiniMax создал модель в 100 раз дешевле конкурентов… Но есть нюанс
Новая китайская модель M1 превосходит DeepSeek на длинных текстах и требует вдвое меньше ресурсов благодаря технологии Lightning Attention. Но сможет ли она стать «новым DeepSeek»?

• Москва активно внедряет ИИ в медицинскую диагностику
За два года нейросети проанализировали миллион маммограмм и научились делать это без участия врачей. Главное преимущество Москвы, которое позволило добиться такого результата – огромный объём данных.

• Новый ИИ-браузер Dia оказался… странным
Browser Company выпустили ИИ-браузер со слоганом «общайся со своими вкладками». Но по факту это обычный Chromium с ChatGPT в боковой панели.

• Т2 экономит 25 миллионов рублей на анализе рекламных материалов с ИИ
Компания автоматизировала контроль рекламы в торговых точках с помощью бота в Telegram. За полгода проверили 400 тысяч фотографий. Показательный пример того, как простые ИИ-решения могут окупаться лучше сложных разработок.

• Цукерберг пытается отобрать лучших ИИ-специалистов у конкурентов
Марк пытается купить стартап Safe Superintelligence Ильи Суцкевера за 32 миллиарда и увести их CEO. И это только один пример из множества.

• OpenAI пересматривает отношения с Microsoft
Альтман хочет снизить долю доходов Microsoft с 20% до 10% и получить больше независимости. А Microsoft, в свою очередь, хотят более широкий доступ к технологиям компании. Дело идёт к суду?

• WhatsApp научится читать сообщения за пользователей
Новая функция будет суммировать непрочитанные сообщения с помощью ИИ, а Writing Help – писать ответы за пользователей. Получается замкнутый цикл: ИИ пишет, читает и отвечает – всё сам.

OpenAI могли украсть название своего ИИ-устройства

Помните великий план Альтмана, который захантил целого Джони Айва, чтобы сделать «ИИ-устройство» нового поколения? Так вот, вокруг него, в духе компании, возник небольшой скандал. Компания OpenAI убрала с сайта промо-видео и упоминания о партнёрстве с бывшим дизайнером Apple из-за судебного запрета. Причина банальная – спор о торговой марке «io» со стартапом iyO.

iyO подала иск, утверждая, что OpenAI создаёт путаницу на рынке. Судья согласилась, мол, видео действительно может сбить потребителей с толку, ведь обе компании работают в сфере ИИ-устройств. OpenAI заявляет, что не согласна с претензиями и изучает варианты защиты.

Интересная деталь обнаружилась в документах иска. iyO утверждают, что встречались с OpenAI для обсуждения инвестиций и партнёрства, делясь конфиденциальными подробностями о своём продукте. Получается, OpenAI могла осознанно закрепить похожее название, чтобы опередить конкурентов в нише и застолбить его за собой. Тем более учитывая, какую ставку делает Альтман на потенциал этого устройства (как источника золотых дождей и ванн для самого Альтмана).

Правда, подтверждающих документов о встрече пока не предоставляли, так что суд может быть и просто попыткой стартапа воспользоваться ситуацией и стрясти с OpenAI денег.

Однако слишком уж много у этой истории совпадений. Она напоминает скандал с названием самой OpenAI. Bloomberg уже писал, что компания Альтмана могла «позаимствовать» идею и имя у предпринимателя Гая Равина, который зарегистрировал торговую марку «Open AI» ещё в 2015 году – чуть раньше OpenAI.

Вынужденное партнёрство Apple и Alibaba продолжается

Alibaba недавно выпустили обновлённые модели Qwen3 для устройств Apple. Формально это просто техническое обновление, а по факту – шаг в реализации давно обсуждаемой сделки.

Модели работают через фреймворк MLX прямо на чипах Apple – от iPhone до Mac Studio. Обработка данных происходит без отправки на серверы, что соответствует требованиям китайского законодательства. Код открытый.

Партнёрство с Alibaba для Apple – скорее навязанная необходимость. Продажи iPhone в Китае просели на 11%, и Apple видит одной из причин как раз отсустствие фишек на основе ИИ. Конкуренты вроде Huawei уже предлагают смартфоны с ИИ, да ещё и делают это на фоне воодушевления граждан Китая – после ряда явных успехов страны в сфере искусственного интеллекта. Пока местные производители монетизируют воодушевление граждан и хайп вокруг этой темы, Apple остаются не у дел.

Почему нельзя запустить Apple Intelligence в текущем виде? Международная версия Apple Intelligence работает на ChatGPT от OpenAI, но в Китае это невозможно – нужен местный провайдер, одобренный регуляторами.

В итоге выбор, судя по всему, пал на Qwen. Модели показывают приличные результаты на бенчмарках, но это скорее компромисс, а не преимущество. Особенно интересно смотреть, как Apple смиряется с требованиями китайского регулирования, на фоне попыток администрации Трампа перенести производство смартфонов в США и продвигать американские ИИ-разработки. Китайский рынок слишком важен, чтобы его терять – многие представители среднего класса в стране до сих пор любят и ценят iPhone, а не телефоны местных брендов.

Непотопляемый Perplexity?

Привычная схема работы Кремниевой долины дала сбой. Раньше всё было просто: крупные корпорации либо скупали перспективные стартапы на ранней стадии, либо копировали их функции с многократно большим бюджетом на разработку и маркетинг.

И вдруг в эру ИИ ситуация начала меняться. Сначала мы читали и о том, как Илья Суцкевер проигноровал предложенные Цукербергом 32 миллиарда. А за последнее время случилось кое-что ещё интереснее: целых 2 бигтеха, Meta* и Apple, пытались купить маленькую независимую компанию под названием Perplexity.

Цена не могла быть ниже 14 миллиардов долларов – это оценка компании по итогам последнего раунда инвестиций. А скорее всего была выше, учитывая примеры других приобретений ИИ-стартапов. Обе сделки не состоялись по разным причинам, которые не разглашаются.

Apple рассматривали покупку Perplexity на уровне топ-менеджмента. Вероятной причиной стало снижение количества поисковых запросов в Safari и убеждённости части менеджмента в том, что скоро ИИ-поиск придёт на смену стандартным поисковым системам. Разговоры о возможных планах Apple заменить Google на Perplexity в своём браузере уже велись раньше.

Почему продажа не состоялась? Возможно, ключевую роль сыграли отношения Perplexity со своими крупнейшими инвесторами – Nvidia и Amazon. Или амбиции CEO Perplexity Аравинда Шриниваса, который распланировал развитие компании на годы вперёд и в мечтах уже строит Bytedance of America.

* компания Meta и её продукты признаны экстремистскими в России.

xAI разрабатывает редактор файлов для Grok с поддержкой электронных таблиц

Об этом свидетельствует утечка кода, обнаруженная реверс-инженером Нимой Овджи. Ключевое отличие от конкурентов: решение планируется кроссплатформенное, в отличие от Gemini Workspace (работает только внутри экосистемы Google) или Microsoft Copilot (привязан к Office 365). Маск продолжает превращать X в «суперапп», который объединит посты, чаты, платежи и вот теперь, видимо, работу с документами.

Проблема в том, что построение такого комбайна на базе соцсети выглядит сомнительно. Пользователям придётся делать лишние шаги – загружать файлы в X вместо того, чтобы сразу открыть Excel или Google Sheets и получить доступ к ИИ-функциям. X как файлообменник тоже не прижился среди широкой аудитории. Впрочем, команда xAI может удивить – или вообще никогда не выпустить эту функцию в паблик, кто знает.

Стало ясно, почему Veo 3 получилась настолько лучше конкурентов

Секрет в использовании роликов с Ютуба

Google создавала Veo 3 – модель для генерации видео – на основе контента с YouTube. Платформы, которая очень кстати принадлежит им же. И если технически любой может использовать открытые ролики YouTube для обучения ИИ, то практически это задача не тривиальная.

Начиная с выгрузки терабайт данных с серверов и заканчивая обходом ограничений авторов, которые запретили использовать свой контент для обучения нейросетей. Правда, запрет распространяется на всех… Кроме Google. Они такими формальностями не обременены – имеют прямой доступ к серверам и могут законно делать с видео всё, что пожелают нужным.

Теперь стало понятнее, почему модель так хорошо справляется с влогами на любые темы – от Бабы Яги до библейского Ноя. Конкурентам догнать Google будет сложно, ведь у них нет доступа к такому объёму данных. Исключением могут стать владельцы стоков вроде Adobe, но они слишком щепетильно (по крайней мере, на словах) относятся к авторским правам.

На примере Google отлично видны преимущества экосистем в эпоху ИИ: удобно, когда и пользователи, и их данные существуют в рамках одной системы и повторно используются в разных продуктах.

NtechLab научила ИИ находить забытые вещи

В компании разработали систему видеоаналитики, которая распознает потерянные и забытые предметы в общественных местах. Технологию планируют запустить в одном из московских парков, а потом внедрить в метро, на вокзалах и в аэропортах.

Система определяет объекты размером больше 20 на 20 см – сумки, чемоданы, рюкзаки. Заявляется, что алгоритм отличает действительно забытые вещи от предметов, которые просто находятся далеко от владельцев. Для каждой локации устанавливается свой временной порог: сколько минут сумка должна лежать без присмотра, чтобы система сочла её «потерянной».

Всё интегрируется с уже установленными камерами видеонаблюдения. Интересно, что продукт ориентирован сразу и на гражданский сектор, и на силовиков. Первым помогают искать потерянные вещи, а вторым – определять подозрительно лежащие или оставленные в общественных местах сумки. В итоге одна разработка монетизируется сразу через несколько сценариев использования.

Идея любопытная. Интересно только, как удастся избежать риска перегрузки системы оповещения и персонала из-за ложных срабатываний? ИИ должен различать множество сценариев: турист присел отдохнуть в стороне от багажа, пассажир отошёл в кафе в уборную, оставив чемодан у столика, и так далее. Вещи могут передавать из рук в руки или просто просить кого-то постороннего присмотреть. Ещё интересно, как система будет работать в час пик на толпе из сотен или даже тысяч людей.

Теперь можно обучать ИИ на чужом авторском контенте

Но есть нюанс

Федеральный судья Сан-Франциско почти решил главный вопрос эпохи генеративного ИИ: можно ли скармливать чужие книги алгоритмам без спроса. Ответ оказался половинчатым: да – если покупать легально, и нет – если качать с пиратских сайтов.

Вопрос появился из-за судебных тяжб компании Anthropic. Они использовали для обучения Claude и купленные издания, и более семи миллионов пиратских копий. Суд признал первое «справедливым использованием», приравняв ИИ к человеку, который читает и развивает собственные идеи. А вот за второе компании грозит новый процесс и штрафы до 150 тысяч долларов за каждое произведение (то есть потенциально сотни миллионов долларов).

Самое смешное – насколько абсурдна сама ситуация. Измерить реальный ущерб автору от использования конкретной книжки при тренировке невозможно. Удалить её из датасета «постфактум» тоже нельзя – разве что в будущих версиях, да и проверить это не получится без тщательного аудита всего дата-сета, который компания никому не покажет. Но и авторов понять можно – пока есть такой шанс, надо постараться стрясти с компаний как можно больше денег, потому что в любой момент ситуация с «авторскими правами Шрёдингера» может закончиться не в их пользу.

А пока мы имеем тройное авторство: изначальный автор контента в дата-сете, компания-разработчик модели и пользователь сервиса – все заявляют свои права на результат генерации ИИ. И никто не знает, как распутать этот клубок.

Хорошее – 40% проектов по созданию ИИ-агентов умрут к 2027 году. Такое мнение высказали аналитики Gartner. Причина простая – расходы растут быстрее, чем понимание того, зачем это вообще нужно рынку.

Из тысяч компаний, заявляющих о разработке агентных решений, реальными возможностями обладают лишь 130. Остальные занимаются «агентным вошингом» (по аналогии с «гринвошингом») – делают ребрендинг обычных чат-ботов и помощников в «автономные системы». В Gartner говорят, что это классический пузырь, где маркетинг идёт впереди технологий.

Очень отрезвляющие цифры на фоне астрономических сумм, которые вкладывают компании в это направление.

Нейросети помогли Яндексу в 7 раз ускорить выявление номеров мошенников

По заявлению компании, определитель номеров Яндекса стал работать в семь раз быстрее благодаря внедрению ИИ – теперь система маркирует подозрительные номера как спам за полторы минуты вместо десяти.

Раньше система полагалась на отзывы людей о нежелательных звонках, а сейчас машинное обучение заменило краудсорсинг работой алгоритмов. Нейросеть отслеживает паттерны: массовые обзвоны с одного номера, короткую продолжительность разговоров, частые сбросы вызовов. Грубо говоря, если номер звонит сотням людей подряд, а те отклоняют через несколько секунд – система маркирует его как спам.

ИИ может помочь решить одну из главных проблем телефонного мошенничества – частую смену номеров для обхода блокировок. Предиктивная модель умеет выявляет подозрительное поведение с первых звонков.