#DeepSeek выпустили сегодня 2 модели для агентов

DeepSeek-V3.2 и DeepSeek-V3.2-Speciale. Эти модели специально предназначены для агентных задач, такие как сложное мышление, математика, кодинг и использование инструментов.

Они позиционируются как преемники экспериментальной версии V3.2-Exp и показывают высокую производительность, сравнимую с топовыми закрытыми моделями: GPT-5 и Gemini 3.0 Pro.

Интересный факт, слово deepseek названо словом года 2025 по версии китайского словаря Youdao в Китае, что отражает бум ИИ.

Тренды интеграции ИИ в нейроинтерфейсы от GOAT индустрии М. Лебедева

Профессор на недавней конференции AIJ предложил использовать ИИ для нейроинтерфейсов вот в таких случаях, смотрите его презентацию.

Лебедев описывает эволюцию роли ИИ в нейроинтерфейсах так:

1 уровень: ИИ как декодер
"Переводим сигналы мозга в команды" → Это стандарт уже 10+ лет (классификаторы, нейросети)

2 уровень: ИИ как генератор
"Создаем стимулы для мозга" → Обратная связь, нейромодуляция, BCI-реабилитация

3 уровень: ИИ как протез функции
"Заменяем утраченные способности" → Коммуникация для парализованных.

Уровень 4: ИИ как усилитель когнитивных способностей
"Улучшаем здоровых людей" → выход за рамки медицины.

Сейчас профессор с командой работает над неинвазивным нейроинтерфейсом, который подключается к чат-боту типа DeepSeek/ChatGpt и исправляет ошибки в набранном тексте и выполняет роль собеседника.

Утечка SemiAnalysis: за 1,5 года OpenAI не создала новой фронтирной модели

С момента ухода Ильи Суцкевера, с мая 2024 OpenAI не завершили ни одного успешного полномасштабного предобучения для новой фронтирной модели.

Об этом пишет SemiAnalysis и говорит, что это не просто задержка — технический барьер, который OpenAI не преодолел.

Какие причины по версии SemiAnalysis?

1. Проблемы с конвергенцией — модель не достигает нужного качества на больших кластерах. Предыдущие запуски, вероятно, провалились или были прерваны.

2. OpenAI переориентировалась на пост-обучение. Но это не заменяет новое предобучение — оно строится на старой базе данных и вычислений.

3. OpenAI не расширяла кластеры NVIDIA с мая 2024-го. Видна только активность по fine-tuning и RL, но не по предобучению. Они сэкономили ~30% на NVIDIA благодаря конкуренции от TPU, но TPUs ещё не развернуты.

В отличие от OpenAI, Google успешно обучил Gemini 3 целиком на TPUv7, который даёт ~44% снижения TCO по сравнению с NVIDIA GB200, и до 52% для внешних клиентов.

SemiAnalysis подчёркивает, что 3D-торус в TPU важнее микроархитектуры, и Google лидирует в инфраструктуре.

OpenAI, возможно, купит TPU как и Anthropic, Meta(запрещена в России) и xAI, но пока полагается на NVIDIA и AWS.

SemiAnalysis считает, что GPT-5— это пост-тренинг на старой базе GPT-4o. Нет новой предобученной основы, которая бы включала свежие данные и масштабирование FLOPs.

OpenAI не комментировала этот анализ напрямую, но в подкастах, например, с Ноамом Брауном, признавали, что масштабирование предобучения становится дороже и сложнее.

В 2026г. IT-компании в РФ заплатят 3% вузам от сэкономленных ₽ на льготах

Крупные IT-компании для сохранения аккредитации будут обязаны заключать соглашения с профильными вузами и отчислять им 3% от сэкономленных от налоговых льгот средств.

Речь идет о компаниях, у которых:
- выручка не менее 1 млрд руб. за год;
- они пользовались сниженными тарифами страховых взносов/пониженной ставкой на налог на прибыль;
- количество сотрудников составило не менее 100.

IT-компании будут разрабатывать образовательные программы по профильным специальностям и направлять сотрудников для проведения занятий.

Расходы бизнеса на эту инициативу могут составить около 10 млрд руб. в первый год. Пока же из 500 IT-компаний, которые соответствуют критериям, лишь 20% взаимодействуют с системой образования.

Anthropic проверили ИИ - агентов на смарт-контрактах на основе блокчейна

Команда исследователей из программ MATS и Anthropic Fellows создала новый бенчмарк SCONE-bench из 405 реальных контрактов, которые были взломаны в период 2020-2025 гг.

Смарт-контракты — идеальный полигон для оценки, потому что:
- Весь код публичен на блокчейне
- Уязвимости позволяют прямое хищение средств
- Можно точно измерить стоимость уязвимостей в $
- Навыки аналогичны эксплуатации традиционного ПО

Claude Opus 4.5, Claude Sonnet 4.5 и GPT-5 создали уязвимости на $4,6 млн для смарт-контрактов, взломанных после марта 2025 года после даты их обучения. Это устанавливает конкретную нижнюю границу экономического ущерба, который могут нанести эти модели.

Оба агента (Sonnet 4.5 и GPT-5) обнаружили 2 новые уязвимости в 2849 недавно развёрнутых контрактах, создав эксплойты на $3,694, при этом GPT-5 сделал это за $3,476 в API-расходах. Это доказывает, что автономная прибыльная эксплуатация технически возможна уже сегодня.

Ex сотрудник Tesla, HF создал свою компанию по ИИ и робототехнике

UMA — это стартап, у которого продукт — платформа для создания "умных" роботов, способных выполнять задачи в различных сферах.
Они сочетают передовые системы ИИ с робототехникой.

Советниками стартапа стали Ян Лекун и Томас Вольф , СТО Hugging Face.

ЦБ РФ очень долго запрягают- только поняли, что им нужны стейблкоины и их невозможно игнорировать

Больше про стейблкоины читайте здесь, а также здесь, а еще здесь. А также тут.

Банк России обсуждает возможность облегчения правил обращения криптоактивов не только через супер квалифицированных инвесторов. 1-й зампред ЦБ В. Чистюхин говорит, что криптоактивы могли бы быть распространены и ниже уровнем.

Также ЦБ с Минфином обсуждает вопрос введения в законодательство определения стейблкоинов. Ранее ЦБ писали, что стейблкоины несут риски.

"Нам кажется, что настал момент посмотреть на него (рынок криптоактивов ) действительно как на рынок в целом, может, пользуясь больше международной классификацией относительно той, которая есть сегодня, а это: цифровые валюты центральных банков (CBDC), стейблокоины и криптовалюты", - сказал первый зампред ЦБ.

А с 5 января 2026 года Bank of America официально разрешает своим консультантам предлагать клиентам держать от 1 до 4 % портфеля в криптовалюте, в первую очередь в биткоин-ETF.

ЧП в OpenAI, они на панике готовятся выпустить новую модель Garlik 🧄как ответочка на Gemini 3

Сэм Альтман разослал сотрудникам очередное письмо, в котором объявил режим code red.

Альтман написал: «мы находимся в критической ситуации для ChatGPT», подчёркивая необходимость срочно перераспределить людей, вычисления и ресурсы. Цель — вернуть лидерство в ИИ-чатботах. За 2 недели с момента запуска Gemini 3 количество уникальных активных пользователей ChatGPT в день снизилось на 6%, смотрите в комментариях пруф.

Одновременно с этим команда на этой неделе выпустит новую модель Garlic.

Вчера на подкасте глава по науке OpenAI Марк Чен сказал так: «У нас есть модель, которая обходит GPT-4.5 в кодинге и мышлении, при этом потребляя намного меньше ресурсов».

Также Марк Чен сказал :

1. за последние 2 года мы вложили столько ресурсов в reasoning, что немного потеряли мышцы в pre-training и post-training

2. Они развивают проект, связанный с синтетическими данными, о котором упоминалось в связи с запуском GPT-5. Суть заключается в генерации полезных данных для обучения.

3. Все говорят, что scaling мёртв. Мы так не считаем, у нас есть алгоритмические прорывы, которые позволяют продолжать масштабировать модели.

Вчера мы опубликовали анализ от SemiAnalysis, которые отметили, что GPT-5— по сути глубокий пост-тренинг на базе GPT-4o 2024 года, а не новая фундаментальная модель со свежими данными и 10× вычислениями.

P.S. После ухода Ильи Суцкевера OpenAI потеряла мозговой центр. С тех пор за 1.5 года компания фокусировалась на монетизации, партнёрствах и хайпе, а не на большом прыжке. Нет новой фундаментальной модели уровня GPT-4.

2 девушки, экс-Google, создали компанию по разработке чипов с ИИ

Азалия Мирхосейни и Анна Голди, экс-исследователи Google, которые работали над AlphaChip создали фронтирную
лабораторию Ricursive Intelligence.

Ricursive — это R&D-хаб на стыке ИИ и железа.

Идея в том, что ИИ сам проектирует чипы, а эти чипы, в свою очередь, делают ИИ умнее. Это рекурсивное самоулучшение — цикл, где AI → чипы → лучший AI → ещё лучшие чипы.

Цель - ускорить путь к ASI, решая задачу, которая стоит в $800 млрд индустрии полупроводников.

Они уже собрали $35 млн в seed-раунде при оценке в $750 млн.

Команда небольшая, но звёздная: Jiwoo Pak, Ebrahim Songhori, Yi-Chen Lu, Dan Zhang и Hao Chen. Все с бэком в топ-компаниях типа Google и фокусом на hardware-AI интеграцию.

Anthropic готовится к IPO на $300–400 млрд, но почему не на $1трлн, как OpenAI? Рассказываем в этом посте.

Компания обсуждает IPO в диапазоне $300–400 млрд, почти без markup к последнему частному раунду. Это почти нулевой апсайд для новых инвесторов, что нетипично для «горячих» размещений.

Главная ценность IPO для Anthropic — не деньги, а инфраструктура доверия, то есть enterprise.

Крупный бизнес при подписании контракта на $20–100 млн обязан объяснить своему совету директоров и риск-комитету:
- Кто проверял финансовую отчётность этой компании?
- Есть ли у неё SOX-compliance и аудит по GAAP?
- Что будет, если стартап завтра закроется или сменит владельца?

Частная компания на эти вопросы ответить не может. Публичная — может одним фактом своего статуса.

Anthropic уже в 2025 году выходит на ~$9 млрд ARR и планирует $20–26 млрд в 2026-м. У них положительная юнит-экономика и относительно скромный burn по сравнению с конкурентами. Им не нужно «продавать мечту» за триллион $, как это уже работающий бизнес.

Поэтому они и планируют IPO почти без markup к последнему раунду: $300–400 млрд.
Не чтобы стать дороже, а чтобы стать безопасным выбором для любого корпоративного закупщика в мире.

OpenAI решает другую задачу: им нужно профинансировать $15–20 млрд годовых расходов на пути к AGI. Поэтому они и целятся в $1 трлн+ — им нужны эти деньги.

А Anthropic — нет. Им нужна просто возможность спокойно продавать свой уже готовый продукт большим компаниям без лишних вопросов.

Первой публичной ИИ-компанией с настоящими enterprise-доходами станет именно та, у кого сейчас не капитал, а доверие.

Google DeepMind поменяла подход к пониманию ИИ

Команда перешла к прагматической интерпретируемости, чтобы исследования лучше служили реальным целям, таким как безопасность AGI.

Что такое прагматическая интерпретируемость и зачем её ввели?

Раньше команда использовала механистическую интерпретируемость — когда исследователи пытаются разобрать нейронные сети, как механизм, чтобы понять, как они работают внутри. Это дало интересные открытия: от понимания, как модели хранят знания в "суперпозиции" , до выявления скрытых целей в поведении ИИ.

Но DeepMind заметили проблему: такие исследования часто остаются на уровне любопытных находок, без прямого влияния на безопасность. AGI ещё не существует, но риски — реальны, и нужно фокусироваться на том, что приближает к решению этих рисков. Прагматическая интерпретируемость — это расширение: не только разбирать "внутренности", но и применять навыки для практических задач. Главное — измерять прогресс через эмпирические прокси-задачи, которые имитируют будущие проблемы AGI.

Почему именно сейчас? Модели ИИ стали сложнее (типа Claude Sonnet 4.5), и появились реальные примеры, когда ИИ не следует целям создателей.

Мир переходит в фазу войны за цифровые деньги между блоками

Европа, в лице 10 крупнейших банков + поддержка ЕЦБ, создаёт свой евро-стейблкоин, чтобы вытеснить американские USDT/USDC. У Европы есть свой консорциумом MiCA и будет свой стейблкоин, свои резервы, свои правила.

Великобритания первой в мире закрепляет в законе, что биткоин и любая крипта — это полноценное имущество с теми же правами, что золото или акции.

Сейчас 99,6 % всех стейблкоинов — долларовые. Через 2–3 года появится реальный конкурент в виде регулируемого евро-стейблкоина от крупнейших банков ЕС с резервами в сотни миллиардов.

Одновременно Трамп готовит свой закон о стейблкоинах, который ожидается в 2026 и уже привлекает Circle, Tether, Kraken на свою сторону.

А РФ пока в оборонительной позиции, боится стейблкоинов.

Стартап Сэма Альтмана по долголетию привлекает $1млрд и оценивается в $5млрд

Стартап Retro Bio близок к закрытию одного из крупнейших раундов в фарме.

Retro Bio работает над 3 основными программами, используя анализ молекул на уровне одной клетки, вычислительной биологии и автоматизации лабораторий.

Согласно презентациям для инвесторов, которые были подготовлены Retro, прогнозируется, что рынок долголетия превысит капитализацию фарм-гигантов: Eli Lilly и Novo Nordisk, приблизившись к Alphabet и Microsoft.

Там же цитата: "Longevity will be the greatest pharma market of all time".

Такая сумасшедшая оценка стартапа в $5млрд, не имея клинических данных, а есть только обещания, вероятность успеха для инвесторов близка к 0.

Retro позиционируется как underdog по сравнению с гигантами типа Altos Labs, финансируемый Безосом на $3 млрд, но с фокусом на быстрые клинические тесты.

Надо отдать должное, Сэм сумел капитализировать свою фамилию и большинство проектов, где он участвует реально собирает огромные суммы от инвесторов.
Это классический PR-цикл венчура. Посмотрим, чем закончится.

Вы будете смеяться, но Альтман собирает $ на покупку космической компании или партнерства с ней

Сэм рассматривает возможность создания фонда для покупки или партнерства с ракетной компанией.

Альтман связался летом со Stoke Space — стартапом, разрабатывающим полностью многоразовые ракеты (у них есть модель Nova, предназначенная для средних грузов). Переговоры активизировались осенью. По данным WSJ, среди предложений были инвестиции в акции Stoke Space на сумму в миллиарды $, которые могли бы дать OpenAI контролирующий пакет акций.

Цель - выход OpenAI за пределы ИИ в космическую отрасль. Альтман уже говорил о размещении дата-центров в космосе для расширения вычислительных мощностей под ИИ.

Такие планы обсуждаются и другими компаниями: Google и Planet Labs запускают спутники с ИИ-чипами в 2027 году, а Джефф Безос, Илон Маск и Сундар Пичаи продвигают идею космических кластеров для ИИ. А здесь технико-экономический анализ таких проектов.

Напомним, что Альтман как и Маск хочет создать свои нейроинтерфейсы.

Ричард Саттон и поклонники #NeurIPS2025

Новый фреймворк позволяет ИИ-агентам общаться без каналов коммуникации

Это свежая работа LatentMAS, подготовленная исследователями из Стэнфорда, Принстона и Университета Иллинойса в Урбана-Шампейн.

Исследователи показали, что LLM-агенты обмениваются короткими векторами через общую память на основе KV-кэша. Всё происходит внутри моделей, снаружи ничего не видно.

В итоге:

- Коммуникация возникает сама по себе, даже если полностью запретить обмен текстом
- Агенты автоматически делят задачи и формируют роли
- Более сильные модели берут на себя основную работу, слабые отходят в сторону
- Точность на сложных задачах растёт до +14,6 %
- Расход токенов падает на 70–83 %, скорость инференса ×4–4,3.

Это не новый алгоритм обучения, а plug-and-play фреймворк.

GitHub.

CEO самой крупной инвесткомпании мира сказал, что фонды из Абу-Даби и Люксембурга активно скупают биткоин, когда цена падает

Ларри Финк, глава BlackRock, не называя имен, рассказал, что некоторые гос фонды активно покупают биткоин.

Эти фонды секретно покупают биткоин постепенно и планомерно. Когда цена биткоина недавно упала с максимума $126 000 до диапазона $80 000–90 000, они не паниковали и не продавали, а наоборот — докупали ещё больше, они рассматривают биткоин как стратегический резервный актив.

Также Финк предсказывает взрывной рост токенизации быстрее, чем ожидают многие, по аналогии с интернетом в 1996 году. За последние 20 месяцев токенизация выросла на 300%. Финк об этом ранее говорил здесь, a тут, что делает BlackRock.

В будущем акции, облигации и крипта будут в одном цифровом кошельке.

Долгосрочная фундаментальная причина покупки биткоина — обесценивание финансовых активов из-за дефицитов.

AIRI представили Wikontic — способ строить графы знаний в 10–20 раз дешевле и без логических ошибок

Индустрия столкнулась с проблемой, что LLM пишут красиво, но часто выдумывают факты. Графы знаний решают это, превращая текст в структурированные и проверяемые триплеты.

Большинство существующих методов (GraphRAG, AriGraph и др.) создают огромные, шумные графы: много дубликатов, неправильные типы сущностей, бессмысленные связи.

Wikontic делает иначе:
1. Берёт любой англоязычный текст общего домена.
2. Извлекает триплеты + квалификаторы с помощью обычных открытых LLM (Llama-3.1-70B, Mixtral, GPT-4o и т.д.).
3. Принудительно проверяет каждый триплет на соответствие онтологии Wikidata.
4. Объединяет одинаковые сущности в один канонический Q-код Wikidata.

Для бизнеса это значит:
- надёжные ответы чат-ботов и агентов,
- экономия на вызовы больших моделей,
- лёгкая проверка и аудит каждого ответа.

Лауреат премии Тьюринга Саттон вчера на NeurIPS разнес зал и показал карту, как дойти до AGI и объяснил, почему мы сейчас в жутком локальном минимуме

Коротко по пунктам, что он сказал и некоторые слайды его в комментариях у нас:

1. Современный ИИ — это замороженные артефакты человеческой культуры. Мы копируем людей, а не строим интеллект. Это тупик.

2. Горький урок всё ещё никто не понял. Урок не про больше параметров, а про то, что любые человеческие алгоритмы и архитектуры в долгосрочной перспективе проигрывают чистому обучению через опыт. Backprop он прямо назвал проблемным. Вспоминаем его статью.

3. Путь к суперинтеллекту — это агент, который:
- учится непрерывно всю жизнь
- сам изобретает всё более мощные абстракции и признаки
- сам ставит себе подзадачи
- сам строит модель мира и планирует
- и всё это без единой строчки человеческого кода для архитектуры и фичей

4. Это он назвал OAK (Options + Knowledge). На слайде — 8 шагов, которые крутятся параллельно в реальном времени. Семь из них уже ± решаемы. Один большой красный вопрос — как автоматически генерировать новые state features. Именно здесь сейчас стопор.

5. Цитата дословно:
«Super intelligence will come from the agent’s own experience, not from human datasets».

6. Он сказал, что индустрия ИИ во многом потеряла ориентиры из-за коммерции. Нужно возвращаться к continual learning, average-reward RL, meta-learning step-sizes, self-discovered knowledge.