Google готовится к запуску в Gemini Enterprise 2 мультиагентных инструмента и дорабатывает AgentSpace Live, где несколько агентов и люди могут обсуждать задачу в онлайне

1. Idea Generation - команда из нескольких агентов за ~40 минут выдаёт до 100 детальных идей по любой бизнес- или продуктовой задаче. Потом эти же агенты устраивают «турнир»: сравнивают идеи между собой по заданным вами критериям и ранжируют их.

2. Co-Scientist - же принцип, но для научных исследований.
Загружаете свои данные и литературу → говорите, что хотите найти (новые мишени, репурпозинг молекул, гипотезы и т.д.) → указываете критерии оценки (новизна, feasibility, потенциальное влияние).

Агенты генерируют гипотезы, дебатируют между собой и выдают ранжированный список с обоснованиями.

Плюс параллельно дорабатывают AgentSpace Live — голосовой «конференц-звонок», где несколько агентов и люди могут обсуждать задачу в реальном времени.

Всё это пока только в Gemini Enterprise в закрытом превью.
Для многих компаний, которые уже 10–15 лет сидят на Google Workspace и не планируют переходить на Microsoft 365 Copilot, это будет первое полноценное решение такого уровня.

Андрей Карпатый высказался о том, как лучше всего понимать влияние ИИ на экономику и рынок труда.

Недавно он жестко высказался про агенты, AGI и тд.

Экс-глава AI в Tesla и со-основатель OpenAI говорит, что самые популярные аналогии (ИИ = электричество, ИИ = промышленная революция и т.д.) не самые точные.

По его мнению, самая сильная и точная аналогия — это то, что современный ИИ — это новая парадигма программирования, которую он много лет назад назвал Software 2.0.

Что изменилось с ИИ (Software 2.0)?

Сейчас мы больше не пишем программы вручную строчка за строчкой. Мы задаём цель, например, «максимально точно классифицировать картинки» или «получить максимальный счёт в игре» и запускаем градиентный спуск, который сам в миллиардах параметров нейронной сети находит работающую программу.

Это меняет то, какие задачи становятся автоматизируемыми.

Теперь главный вопрос уже не «смогу ли я чётко описать алгоритм?», а «смогу ли я проверить, правильно ли выполнена задача?», то есть верифицируемость.

Три ключевых условия, чтобы задача была легко автоматизируема в эпоху Software 2.0:
1. Среда должна быть перезапускаемой — можно быстро начать новую попытку.
2. Попытки должны быть быстрыми и дешёвыми.
3. Должна быть автоматическая награда/оценка.

Если эти три условия выполнены — задача обречена на сверхчеловеческий уровень автоматизации.

Примеры задач, которые идеально подходят под Software 2.0 (быстро прогрессируют):
- Математика (есть правильный ответ → легко проверить)
- Программирование (можно автоматически запустить тесты)
- Шахматы, го, StarCraft, Dota (симуляция перезапускается, есть счёт)
- Решение головоломок, CAPTCHA, доказательство теорем
- Просмотр видео до конца (YouTube точно знает, досмотрел ты или нет — это тоже верифицируемый сигнал!)

На таких задачах ИИ уже сейчас часто превосходит лучших людей на планете.

Примеры задач, которые пока отстают (потому что плохо верифицируемы):
- Творчество (как объективно оценить, что картина или рассказ «хорошие»?)
- Стратегическое мышление в реальном мире (слишком много скрытого состояния, долгосрочные последствия)
- Задачи, требующие глубокого понимания физического мира, здравого смысла, социального контекста
- Работа с реальными людьми, переговорами, эмпатией и т.д.

Для них пока приходится полагаться либо на «магию обобщения» нейронок, либо на более слабые методы вроде имитации человека.

Главный тезис Карпатого - Software 1.0 легко автоматизирует то, что ты можешь задать. Software 2.0 легко автоматизирует то, что ты можешь проверить.

Карпатый предлагает смотреть на будущее рынка труда через эту призму:
Чем больше в твоей работе задач, которые можно объективно и автоматически проверить и на которых можно «натренироваться» миллиарды раз в симуляции, тем выше вероятность, что они будут автоматизированы в ближайшие 5–10 лет.

Anthropic внедряет свой ИИ в образование в Африке

Вместе с министерством образования Руанды и африканским провайдером технологического обучения ALX они интегрируют Chidi - обучающий компаньон, который помогает развивать навыки работы с ИИ, в национальную систему образования.

Ранее мы писали, что Anthropic системно входит в образование и создает экосистему.

Chidi работает как ментор, который задаёт вопросы для размышления, а не даёт прямые ответы, чтобы стимулировать критическое мышление и эффективное использование ИИ.

В свою очередь, ALX распространит Chidi среди своих студентов через программы по всему континенту.

Основные цели и фокус партнёрства:

1. Инструмент предназначен для выпускников университетов и молодых специалистов. Он помогает осваивать такие области, как анализ данных, облачные вычисления, программирование и data science.

2. Учителя смогут использовать Chidi для планирования уроков, повышения продуктивности и индивидуальной поддержки студентов.

3. Планируется охватить сотни тысяч учащихся, с акцентом на развитие независимых навыков решения проблем.

Сбер представил ИИ-аналитика для карьерного трека CEO и CFO

Как отметил Тарас Скворцов, заместитель председателя правления Сбера, такой ИИ-аналитик — это умный компас, который помогает человеку выбрать правильное направление для развития карьеры. Он объясняет, какие навыки сейчас самые ценные для рынка, и подбирает подходящие образовательные программы. Это особенно важно в финансах, где технологии регулярно меняют правила игры.

Как работает ИИ-аналитик на основе GigaChat:

1. Сбор и анализ данных:
• ИИ обрабатывает тысячи вакансий для CEO и CFO из открытых источников.
• Добавляются данные из образовательных программ. •Плюс анализ исследований и отчётов.
•Дополняется глубокими интервью и опросами целевых групп.

2. Что выдаёт на выходе ИИ—аналитик?
- Для текущих CEO/CFO — список самых востребованных компетенций прямо сейчас.
- Формирует профили будущих лидеров — какие навыки будут в топе через 3–5 лет, на основе трендов.
- Рекомендации
- Создаёт цифровые дашборды.

Продукт представили накануне AI Journey, его разработали специалисты из Школы финансов СберУниверситета вместе с блоком "Финансы" Сбера.

Свежий отчет о том куда идут деньги в ИИ от венчурного фонда Accel

Деньги 2025 года
Всего в облака и ИИ вложено $184 млрд.
• 59.6% ($109 млрд) — в фундаментальные модели.
• 40.4% — в приложения.
Европа и Израиль вместе взяли 66% от американского объема в приложениях, но только 4% в моделях.

Инфраструктура
На горизонте 2026–2030 гиперскейлеры и новые игроки планируют вложить $4.1 трлн в дата-центры.
Из них $2.3 трлн — только на GPU/CPU.
К 2030 году мощность ИИ-дата-центров должна вырасти с 52 GW до 169 GW (×3.3).
Уже законтрактовано ~55% от необходимого.
Для окупаемости с 20% маржой дата-центры должны генерировать $3.1 трлн выручки за 2026–2030 гг.
Это требует дополнительного роста мирового ВВП примерно на 1–1.5% сверх текущих прогнозов МВФ.
Если рост будет обычным — инвестиции не окупятся.

Энергия
В США уже виден дефицит 36 GW в ближайшие 3 года.
Для его покрытия нужно либо 35 новых атомных реакторов, либо солнечные панели на площади больше Лос-Анджелеса. Пока реальных решений нет.

Маржинальность
Валовая маржа ИИ-нативных компаний сейчас 7–40%.
У классического облачного SaaS — 76% в среднем.
Единственный способ выжить — дальнейшее падение стоимости инференса.
С марта 2023 по октябрь 2025 цена 1M токенов GPT упала с $75 до $2 (–97% за 31 месяц).
Если тренд сохранится, экономика приложений станет здоровой.

Корпоративное ПО
Рост публичных облачных компаний замедлился с 47% в 2021 до 15% в 2025.
Лидеры ИИ-интеграции (Oracle +63%, Palantir +367%, IBM +48%) растут.
Классические (Salesforce –16%, Adobe –8%, ServiceNow +9%) стагнируют или падают.

Что реально важно прямо сейчас?
1. Если вы строите ИИ-приложение — фокус на вертикали (healthcare, legal, finance, construction). Там бюджеты пока ещё не захвачены.
2. Если вы инвестор — модели уже очень дорогие, лучшие входы в приложения и инфраструктуру.
3. Если вы корпоративный покупатель — агенты и computer-use модели уже экономят миллионы. Внедрять имеет смысл сейчас, пока конкуренты ещё думают.

Отчет заканчивается вопросом:
Сможет ли мировая экономика дать лишние 1–2% роста ВВП, чтобы всё это окупилось?

Пока ответ скорее "не очевидно".

Пока все ждут Gemini 3 от Google, хотим рассказать о драме вокруг главного героя Google Ноаме Шазире, которому заплатили ~$3 млрд, чтобы он вернулся в Google

В 2024 году после возвращения в Google Шазир значительно улучшил Gemini.

По словам источников, он внёс ключевые изменения в обучение моделей - изменил несколько строк кода и качество скакнуло вверх. Его последнее выступление тут.

Gemini теперь один из лидеров рынка, конкурирует с GPT-4o и Claude.

Говорят, сейчас в Google напряженка вокруг Ноама. Дело в том, что за год он опубликовал десятки постов во внутренних форумах, которые коллеги сочли дискриминационными и разжигающими ненависть.

Посты неоднократно удаляли модераторы. Руководство, включая его друга, Джеффа Дина типа публично осудили его. Коллеги жаловались: «Он гений, но его слова травмируют».

Некоторые требовали увольнения, но топ-менеджмент Сундар Пичаи, Демис Хассабис защищает Шазира — из-за его вклада в Gemini.

Интересно, через год Шазир снова уйдёт из Google и запустит свой новый стартап? Или Google тихо снимет все внутренние модерации и скажет: «Пусть говорит, что хочет, главное — модели».

Ноам Шазир — один из ключевых разработчиков LLM. В 2017 году он стал соавтором легендарной статьи «Attention is All You Need», которая ввела архитектуру Transformer — основу для ChatGPT, Gemini и почти всех современных ИИ.

Большое интервью с ним тут.

Gemini 3 вышел только что. Google называет её самой умной моделью на сегодняшний день в мультимодальности, мощная в агентных задачах и вайб-кодинге.

Модель обучалась полностью на TPU.

Google также представил Antigravity — это агентная платформа на уровне задач.

Она использует рассуждения Gemini 3, использование инструментов и агентное программирование, превращая ИИ из инструмента в партнёра.

Агенты имеют доступ к редактору, терминалу, браузеру; автономно планируют, выполняют и валидируют сложные задачи.

Интегрировано с Gemini 2.5 Computer Use (управление браузером) и Nano Banana (Gemini 2.5 Image для редактирования изображений).

Весь интернет в восторге от Gemini 3, даже Сэм Альтман. Впервые пишет про конкурентов такое.

Вот это реально круто: всего за 2 промта Gemini 3 создал инженерную симуляцию АЭС с нуля.

Модель выдала полностью рабочую симуляцию с корректной физикой, системой управления стержнями и теплопередачей всего за 2 промпта.

Для сравнения, раньше на такую же задачу даже лучшие версии Claude и GPT-4o тратили 15–30 итераций и часто ошибались в физике.

Если уже сейчас Gemini 3 за 2 промта делает точную инженерную симуляцию АЭС, то можно будет просто заливать в Genie 3 и получить полноценный VR-тур внутри действующего реактора с фотореалистичной графикой, где всё работает по настоящим физическим законам.

Промты были такие:

1) "Write code for a detailed explainer showing how a nuclear reactor works. It should break down the different stages of the process in a clear way. Use whatever libraries to get this done but make sure I can paste it all into a single HTML file and open it in Chrome. Make it interesting and beautiful, in one code block."

2) "Code a 3d voxel version of the same demo"

Дэмис Хассабис СЕО DeepMind как и Ян Лекун делает ставку на world models

В интервью Хассабис говорит, что модели мира — это то, на что он тратит большую часть своего исследовательского времени.

Также Google решают вопросы последовательности и памяти. Над ними сейчас идёт работа в проектах Simmer и Genie — они будут надстраиваться поверх Gemini.

Хассабис продолжает говорить, что до AGI осталось 5–10 лет, и, скорее всего, понадобится ещё 1-2 исследовательских прорыва.

Про пузырь ИИ.
«Часть индустрии точно в пузыре. Когда ты видишь seed-раунды на несколько миллиардов $ за по сути “ничего” — талантливые команды есть, но это уже первые признаки пузыря.

Но с нашей стороны я вижу огромное количество реальной ценности: и краткосрочной (внедрение в Search, Workspace, YouTube, Android), и долгосрочной — робототехника, гейминг, открытие лекарств.

Мы в Alphabet в уникальной позиции, если пузырь лопнет и будет откат — мы всё равно выиграем. А если пузыря нет и всё продолжит расти — мы тоже выиграем. Наша задача — побеждать в обоих сценариях».

Про вычисления и TPU
«Мы всегда на передовой по эффективности. Нам это жизненно необходимо — обслуживать миллиарды запросов в AI Overviews. Но да, TPU всё равно не хватает — я бы с радостью взял ещё больше».

Экс-топ-менеджер TSMC украл секреты 2нм и устроился в Intel

Экс- старший вице-президент по разработке технологий и корпоративной стратегии компании TSMC Ло Вэйжэнь подозревается в краже секретных материалов о передовых технологиях.

Отметим, что бывший инженер также подозревается в краже секретов о 2нм.

Ло ушел на пенсию в июле 2025 года, но уже в октябре он присоединился к Intel — прямому конкуренту TSMC. Intel в последние годы пытается догнать тайваньского гиганта в производстве передовых чипов, инвестируя миллиарды в новые фабрики и нанимая таланты из Азии.

Перед уходом на пенсию Ло якобы попросил подчиненных подготовить технические презентации по 3-м ключевым технологиям TSMC:

1. 2-нанометровый процесс — флагманская разработка, которая позволит создавать чипы в 1,4 раза эффективнее 3-нм аналогов; производство стартует в 2025–2026 годах.
2. A16 — промежуточный процесс на 16 ангстрем (1,6 нм), ориентированный на высокопроизводительные приложения.
3. A14 — 14-angstrom (1,4 нм) технология, еще более продвинутая, с фокусом на энергоэффективность.

MIT о новом подходе к решению задач абстрактного мышления через компьютерное зрение

Есть такой бенчмарк ARC - визуальные головоломки, которые проверяют способность к абстрактному мышлению. Задачи выглядят как цветные сетки, где нужно понять правило и применить его к новому примеру.

Последние пару лет все пытались решить ARC большими языковыми моделями - GPT, Claude, специализированными рекуррентными моделями.

MIT задали простой вопрос: а почему вообще визуальную задачу пытаются решать через язык?
Их подход назвали VARC (Vision ARC). Суть проста: это задача перевода изображения в изображение. Не токены, не текст - чистое зрение.

Тут сразу же отреагировали люди из ex-DeepMind на эту работу, предложив посмотреть на их PushWorld - другой бенчмарк для абстрактного мышления.

Похоже, в сообществе зреет консенсус: для абстрактного мышления нужны специализированные архитектуры с правильными индуктивными смещениями, а не просто "больше параметров".

Одна из старейших криптобирж Kraken подала заявку на IPO. В этом году бум на IPO среди бирж

Kraken подала заявление по форме S-1 в SEC. Количество акций для размещения и ценовой диапазон пока не определены. IPO ожидается после завершения процесса рассмотрения SEC.

Сегодня Kraken — 4-я по объёму торгов криптобиржа в мире (по данным на 2025 год), с поддержкой более 450 криптовалют и свыше 1000 торговых пар.

Kraken имеет сильную репутацию в плане безопасности — с момента основания не было крупных хакерских атак. В отличие от конкурентов Binance, Kraken фокусируется на прозрачности и институциональных клиентах. Её модель бизнеса построена на низких комиссиях, глубокой ликвидности и инструментах Kraken Pro.

В этом году IPO сделали криптобиржи "взрослыми" игроками: 3–4 листинга привлекли >$2 млрд, подняли валюации до $13 млрд (Bullish) и усилили конкуренцию с Binance/COIN.

Греф показал гуманоидного робота Сбера

Сбер займется созданием спутниковой группировки, но в части генИИ.

В. Путин попросил у Грефа денег на спутниковые группировки, на что Греф сказал, что денег нет, все съедает ИИ 😁

Маск обещает ЦОДы в космосе через 4-5 лет, также строит в Саудовской Аравии ЦОД на 500 мегаватт

Напомним, что недавно Google представил свой проект ЦОДа в космосе.

Сегодня на мероприятии в Саудовской Аравии Илон Маск
представил свое видение будущего:

1. Работа станет опциональной в течение 10-20 лет. Работать люди будут по желанию, как сейчас играют в игры.

2. Гуманоидные роботы станут крупнейшей индустрией в истории — больше, чем мобильные телефоны.

3. Tesla создаст первых по-настоящему полезных гуманоидных роботов.

4. В долгосрочной перспективе деньги перестанут быть релевантными.

5. ИИ и робототехника— единственный путь к устранению бедности.

Еще Маск заявил, что уже через 4-5 лет самым экономически эффективным способом ИИ-вычислений будут солнечные ИИ-спутники в космосе. Причины:

- Бесконечная солнечная энергия без перерывов
- Естественное охлаждение через радиацию
- Солнечные панели дешевле
- Земля получает только 1/2 миллиардную часть энергии Солнца
- Для масштабирования до 300 гигаватт в год просто невозможно строить столько электростанций на Земле.

Маск не сказал ничего о проблемах для ИИ-вычислений в космосе:

1. Стоимость выведения на орбиту - даже с многоразовыми ракетами SpaceX это ~$1,500-2,000 за кг на низкую орбиту. Дата-центр Маска на Земле: 2 тонны стойка, из них 1.95 тонны — охлаждение. Хорошо, убрали охлаждение. Но сервера, кабели, корпуса, радиаторы, солнечные панели — всё равно тонны оборудования. Starship обещает $10-100/кг, но это пока не реализовано в масштабе.
2. Радиационная стойкость В космосе жёсткое излучение. Космические компьютеры обычно на 10-20 лет отстают от земных по производительности именно из-за этого.
3. Обслуживание и ремонт Сломалось что-то? На Земле техник приедет за час. В космосе — нужна целая миссия или роботизированная система обслуживания.
4. Латентность Для inference это критично. Низкая орбита даёт ~10-40ms задержки, геостационарная ~500ms. Для многих AI-приложений это неприемлемо.
5. Космический мусор
6. Эффективность солнечных панелей Да, в космосе постоянный свет. Но панели деградируют от радиации быстрее, чем на Земле. И площадь нужна огромная — для 500 МВт это километры панелей.

РФ создает административную ловушку для ИИ, а не экосистему

Вчера на конференции AI Journey В. Путин выступил с поручениями по развитию ИИ в России:

→Создать национальный план внедрения ген ИИ по всем отраслям и регионам

→ Сформировать штаб руководства с административным ресурсом (существующий Аналитический центр при Правительстве с Минцифры признаны недостаточными)

→ К марту 2026 подготовить отчётность министерств и регионов по применению ИИ

→ К 2030 ИИ должен применяться во всех ключевых отраслях.

→ Построить за 20 лет 38 атомных энергоблоков для энергообеспечения ЦОДов

Если посмотреть на это все объемно, то получается, что рынок нужно искусственно создать. Но ведь все высокопарно говорят, что «ИИ - это новое электричество». Зачем это принуждение? Каковы реальные причины отсутствия рынка и капитала?

А вместо экосистемы разработчиков создается бюрократическая матрёшка.
И все будут друг другу отчитываться, проводить совещания, согласовывать позиции - это круговорот воды в природе, то есть общения чиновников без конкретных реальных дел.

Крутая работа от Meta* - они устранили узкое место в 3D-данных

Meta представила SAM 3D — две новые модели для автоматической 3D-реконструкции объектов и людей по обычным фотографиям.

Главное новшество не сама архитектура, хотя она тоже новая, а способ получения данных для обучения.

В 3D до сих пор была фундаментальная проблема: размечать настоящий мир вручную почти нереально в больших объёмах.

Meta решила её тем же методом, который использовался для выравнивания LLM:
- генерируем много синтетических данных для претренинга
- люди не рисуют 3D-модели с нуля, а просто ранжируют и поправляют результаты модели
- сложные кейсы отправляются 3D-художникам, модель дообучается, цикл повторяется.

Получилось масштабировать разметку в десятки-сотни раз дешевле, чем раньше.

Уже работает в Facebook Marketplace: можно загрузить фото комнаты и посмотреть, как туда встанет выбранная мебель.

*запрещенная организация в РФ.

Google начали активную конкуренцию с экосистемой NVIDIA

Google выпустил JAX AI Stack — полноценная альтернатива связке PyTorch + NVIDIA GPU для обучения и запуска LLM.

Суть в том, что сейчас крупные компании уже переходят с CUDA на JAX и Cloud TPU, потому что:

- при тех же деньгах на TPU v5p и Trillium (v6) получается в 1,5–3 раза больше полезных FLOPs;
- масштабирование на десятки тысяч чипов работает «из коробки» без плясок с NCCL и ZeRO;
- стоимость часа обучения моделей от 70B+ на TPU обычно в 2–3 раза ниже, чем на H100/B200.

Кто уже использует:
- xAI (Grok)
- Anthropic (часть обучения Claude)
- Mistral AI, Cohere, Character.AI, Perplexity
- Apple (для своих фундаментальных моделей)
- почти все крупные китайские компании (из-за санкций)

Для разработчиков это пока непривычно.JAX функциональный, а не императивный, как PyTorch. Но после перехода многие говорят, что обратно уже не хочется.

Выбор «GPU или ничего» начинает уходить в прошлое. Теперь есть второй серьёзный вариант, и он уже работает в продакшене у самых заметных игроков.

Бутерин сказал, что к 2028г. квантовые технологии могут взломать Ethereum

Виталик Бутерин, сооснователь Ethereum, заявил, что эллиптическая кривая криптографии(ECC) — основа безопасности Ethereum, биткоин и многих других блокчейнов может быть взломана квантовыми компьютерами в 2028 году.

Экосистеме Ethereum нужно перейти к квантово-устойчивой криптографии.

Рекомендации Бутерина что делать? Бутерин акцентировал сдвиг фокуса:
- Layer 2: Масштабирование через роллапы и сайдчейны, чтобы базовый слой оставался простым.
- Кошельки: Улучшение UX, включая account abstraction (EIP-4337/7701) для более удобного управления активами.
- Приватность: Инструменты вроде ZK-SNARKs и stealth addresses для защиты данных без ущерба для прозрачности.

По оценкам от Google, IBM, Amazon, Microsoft возможный прорыв квантовых технологий возможен уже к 2028–2035 годам. Если это случится, квантовые алгоритмы вроде алгоритма Шора позволят вычислить приватные ключи из публичных, что сделает уязвимыми кошельки, транзакции и всю инфраструктуру блокчейнов.

Это настоящая 🏎️: 3 компании в течение 36ч показали, что ИИ-дизайн антител перешёл из обещающего в работающий на уровне лучших лабораторий мира

Все три компании используют создание антител с нуля. Все заявляют drug-like свойства без пост-оптимизации. Все фокусируются на ранее недоступных целях (GPCR, pMHC, мембранные белки).
Все показывают, чем больше модель/данных — тем лучше качество. Все уже работают с большими фармпартнёрами и обещают первых пациентов 2026–2027.

Все компании основаны выпускниками DeepMind / Salesforce Research / OpenAI.

1. Вчера стартап Profluent собрал $106 млн от Джеффа Безоса и Altimeter. Они строят GPT для всей биологии. Profluent уже прошёл путь от модели ProGen3 (46 млрд параметров) до OpenCRISPR-1 — первой открытой системы генного редактирования, полностью придуманной ИИ. Их главная идея - если в тексте работают законы масштабирования, то и в белках тоже. Больше данных и вычислений → лучше молекулы. Поэтому им дал $ Безос.

2. Также вчера Nabla Bio выпустили модель JAM-2. 4 человека за 1 месяц закрыли 16 сложных целей, включая GPCR прямо на живых клетках. Половина из 26 протестированных мишеней дала однозначные наномолярные связывания при тестировании меньше 45 дизайнов на цель. Более половины молекул сразу прошли все стандартные тесты developability — без единой итерации оптимизации. Это первый случай, когда кто-то показал, что можно не просто «нарисовать» антитело, а сразу получить то, что фарма готова ставить в производство.

3. Сегодня Chai выложил результаты, которые почти один в один повторяют цифры Nabla, но с другим акцентом: они сделали упор на атомную точность. 5 комплексов антитело-антиген подтвердили Cryo-EM — предсказания модели совпали с реальностью на уровне отдельных атомов углерода. При этом 86 % полноразмерных IgG сразу прошли те же тесты developability. По сути, они показали, что «красивые картинки» уже превращаются в реальные молекулы, которые можно прямо заливать в биореактор.
Больше про Chai тут.