Терминал - универсальный API для ИИ-агентов говорит Google и открывает исходный код Workspace CLI

Workspace CLI - один инструмент командной строки, через который ИИ-агент получает доступ к Gmail, Drive, Docs, Sheets, Calendar, Chat.

Не через веб-интерфейс, не n8n, а через терминал, структурированный JSON и MCP-сервер.

Параллельно существует несколько форков с похожей логикой - gogcli, gog, что говорит о потребности в этом слое давно созрела, просто раньше каждый собирал его сам.

Это часть более широкого сдвига, о котором недавно говорил Андрей Карпатый - CLI превращается в стандартный интерфейс для агентов.

Интересно, что самый устаревший интерфейс из всех оказывается самым фрэндли для агентов.

Интересное от Джека Ма, который сказал, что не нужно конкурировать с ИИ в памяти и вычислениях. ИИ есть чипы, а у людей есть сердце.

Учителя теперь могут быть настоящими "инженерами души", а не просто трансляторами знаний.

Детям нужны любопытство, воображение, эмпатия, суждение, эстетическое чутьё.

Все это он сказал за 1 день до увольнения ключевых сотрудников команды Qwen.

Он неожиданно появился в школе Yungu в Ханчжоу, чтобы обсудить с учителями, как ИИ меняет образование и работу.

Yungu - это частная школа с 15-летним образованием от детского сада до старшей школы, основанная Джеком Ма и партнёрами Alibaba в Ханчжоу в 2017 году.

Вот это Ходак ракета! Конкурент Neuralink оценен в $1,25 млрд и привлек $230 млн

Стартап Science, основанный Максом Ходаком экс-президентом Neuralink, привлёк $230 млн в Series C при оценке в $1,25млрд. Другой конкурент, Synchron, созданный намного ранее оценен в $1млрд, а привлекли последний раз $200млн.

Надо отметить, что Ходак основал свою компанию в 2021 году, и вот с тех пор он уже привлёк ~$490 млн. Это крутая оценка работы команды, большая часть ушла с ним из Neuralink.

Деньги $230 млн пойдут на ускорение коммерциализации их ретинального протеза PRIMA, а также на продвижение биогибридных технологий и проекта по долголетию Vessel в клинические испытания.

Только вчера мы писали, что Ходак создает платформу для индустрии нейроинтерфейсов, так сегодня такие новости.

О том, как вообще видит развитие индустрии Макс Ходак, можно прочитать тут.

А здесь мы писали о его мнении, как будут взаимодействовать ИИ и нейроинтерфейсы.

Мы потратили целые сутки и разобрались со скандалом внутри Qwen и Alibaba

Надо сказать, что зрение посадили конкретно, когда искали огромное количество материалов внутри китайских медиа и соцсетей…

Итак, вот, что случилось с Qwen, с самой лучшей в Китае командой по опен-сорсу.

Короткий ответ - Alibaba решила реорганизовать команду и объединить с другими направлениями.

Lin Junyang - человек, который фактически построил Qwen как глобально конкурентоспособную open-source модель был выдавлен из компании в результате реструктуризации, которая лишила его команду самостоятельности и ресурсов.

Забавно, но 3 марта, в день увольнения, весь топ-менеджмент Alibaba во главе с Джеком Ма был в школе и говорил об ИИ и будущем.

Сейчас Alibaba пытается переупаковать реорганизацию как расширение и, что нет незаменимых людей. Но основное противоречие - open-source стратегия Qwen конфликтует с коммерческими интересами Alibaba Cloud, которому нужно зарабатывать на API.

Alibaba расформировывает команду Qwen и объединяет ее в корпоративную структуру под названием TongYunGe, объединяя модели, облака и чипы в единую коммерческую платформу.

Надо сказать, что Junyang строил Qwen как единый организм - pre-training, post-training, инфраструктура, мультимодальность, всё под одной крышей, короткие цепочки решений, быстрые итерации. Это и было секретом скорости и качества.

Но сверху пришло решение - разбить всё по функциям и растворить в общем Tongyi Lab. Все в духе корпоративной культуры.

Но для Junyang это было не просто орг изменение, он верил в интеграцию и год назад уже начал строить собственную инфраструктурную команду внутри Qwen именно потому, что считал, что разделение убьёт скорость. Ему сказали, ты был прав как инженер, но теперь мы делаем иначе. И урезали его полномочия.

При этом, параллельно в Tongyi Lab начали заводить людей со стороны. Пришёл Zhou Hao из Google DeepMind, который стал подчиняться напрямую CTO, минуя Junyang. Ходили слухи, что Zhou Hao вообще должен был встать над Junyang.

Когда Junyang написал в Х, что он уходит из Qwen, новость быстро разошлась и несколько исследователей подали заявления об уходе в тот же день. Написали в X: "Qwen is nothing without its people", прямо как драме OpenAI в 2023.

На волне большого хайпа и шока, который устроили в соцсетях люди, Alibaba в панике созвала экстренную встречу. Пришёл сам CEO Эдди Ву.

На встрече команда атаковала вопросами. Почему стартапы снаружи могут спокойно покупать compute у Alibaba Cloud, а внутренняя команда, строящая их важнейшую модель, сидит с ограниченными ресурсами?

CTO ответил что-то про исторические причины. A HR сказала, что коммуникацию облажали. А когда кто-то спросил: может ли Junyang вернуться? HR ответила: "Мы не можем ставить его на пъедестал. Компания не принимает иррациональных требований любой ценой."

И добавила: "А вы сами подумайте, какова ваша собственная цена?"

Но за всем этим стоит фундаментальное противоречие. Alibaba потратила 380 млрд юаней на ИИ-инфраструктуру и ушла в минус по cash flow на $2.6 млрд за квартал. Qwen App потратил 3 млрд на новогоднюю рекламную кампанию и всё равно проигрывает Doubao от ByteDance. Инвесторы давят: когда деньги?

Junyang строил для мирового open-source сообщества, а Alibaba хочет монетизировать облако прямо сейчас. Это два разных мира, и в итоге корпоративная логика победила.

Конкурент из ByteDance назвал Junyang "талантом на $100 млн". Инвесторы говорят, что без него Qwen может отстать на год пока команда перестроится. Сам Junyang написал команде в WeChat: "Мне нужен отдых. Братья, продолжайте работать по плану, всё нормально." И отключил телефон.

Вся эта история, кроме всего прочего про психологическую зрелость. Junyang не устроил скандала, не слил инсайды, он ушел красиво с очередью из инвесторов и офферов. Корпоративные войны можно проигрывать внутри и выигрывать снаружи, но только, если ты достаточно взрослый, чтобы не разрушить себя в процессе.

Впечатляющая диаграмма о влиянии ИИ на рынок труда от Anthropic

Это хорошая иллюстрация того, где мы находимся в части проникновения ИИ в экономику.

Anthropic предлагает метрику, которая объединяет теоретические возможности LLM с реальными данными об использовании.

Синяя зона - теоретическое покрытие, то есть что ИИ мог бы делать. Красная зона - реальное использование - что люди реально делают сейчас с Claude.

Интересно, где красная зона почти исчезает - сферы, что правее и ниже: здравоохранение, образование, искусство и медиа. Несмотря на высокий теоретический потенциал, реального проникновения почти нет — из-за регуляторных барьеров, профессиональной культуры, требований верификации человеком.

Левая сторона — синяя зона тоже маленькая, потому что физический труд изначально недоступен LLM. Здесь нет разрыва, потому что нет ни теоретического потенциала, ни реального использования.

Красная зона будет расти. Вопрос только в том, в каком порядке и с какой скоростью она будет догонять синюю.

Больше полезных материалов у нас на Patreon.

Но самый главный момент отчета Anthropic - сигнал для молодежи в части труда и ИИ

Авторы исследования говорят, что доля молодых сотрудников (22–25 лет), начинающих работу в профессиях с высокой ИИ-экспозицией, снижается.

О чем речь? Представьте 2-х выпускников 2024 года. Один хочет стать программистом (там высокая ИИ-экспозиция), другой - поваром (нулевая экспозиция).

Исследование говорит, что второй находит работу с прежней скоростью, а первый - медленнее, чем раньше.
Не потому что его увольняют. А потому что компании просто реже открывают новые позиции в таких профессиях — им хватает того, что уже есть, плюс ИИ-инструменты.

Почему именно 22–25, а не старше? Людей 30–40 лет с опытом не трогают, они уже внутри компании, знают процессы, имеют репутацию. Их не увольняют.

Но когда HR решает, открывать ли новую джуниор-позицию — всё чаще отвечает «нет, справимся с ИИ». Молодёжь просто не попадает внутрь. Это называется замедление найма, а не рост увольнений.

Авторы осторожно намекают, что молодые люди могут просто уходить в другие сферы или возвращаться в университет.

Пока эффект едва статистически значимый, но это опережающий индикатор.

Рынок труда меняется не через увольнения, а через то, кого перестают брать. И первыми это чувствуют те, кто ещё не вошёл.

Больше полезных материалов у нас на Patreon

Э.Набиуллина предложила разрешить банкам и брокерам криптообмен

Но легально заниматься обменом криптовалют смогут компании с операциями на сумму от 3,5 млн руб. в месяц. О том, какой будет инфраструктура экономики с ИИ-агентами и стейблкоинами, мы описали здесь и здесь.

Каким видят в ЦБ будущее криптовалют, мы описали тут.

«Мы предложили в наших законодательных инициативах разрешить банкам и брокерам получать лицензии криптообменников в уведомительном порядке и осуществлять криптообмен на основе текущих банковских лицензий, учитывая, что у вас [банков] система как раз ПОД/ФТ выстроена», — сказала она.

Глава ЦБ уточнила, что для банков будет также действовать ограничение по уровню риска, который он берет на себя в этой области, на уровне 1% от капитала.

ЦБ и Минфин разработали законопроект «О цифровой валюте и цифровых правах», описывающий будущую архитектуру крипторынка в России.

Согласно документу, легально заниматься обменом криптовалют смогут компании с операциями на сумму от 3,5 млн руб. в месяц, состоящие в специальном реестре и выполняющие ряд других требований ЦБ, включая минимальный размер капитала.

В феврале в Банке России заявили, что зарубежные криптобиржи смогут работать в России через свои дочки.

Основное регулирование должно заработать уже с 1 июля 2026 года.

Больше полезных материалов у нас на Patreon

Google показали, как Gemini Deep Think решил задачу по теоретической физике

Google + Гарвард + CMU взяли уже открытую задачу теоретической физике, а именно вычисление спектра мощности гравитационного излучения космических струн и решили её с помощью Deep Think + tree search.

Ранее, Google представили Aletheia - ИИ-агента, который решает научные задачи.

Исследователи научили ИИ решать математические задачи методом перебора с автопроверкой.

Взяли сложный интеграл из физики, запустили Gemini и дали ему такой промт: предложи решение → проверь кодом → получи ошибку → попробуй иначе.

Система нашла 6 рабочих аналитических методов там, где люди раньше застревали.

Авторы этой работы пишут, что финальная форма решения потребовала ручного вмешательства человека, который запустил отдельную сессию с более мощной версией модели. Это был human-AI handoff, а не автономное решение.

Больше полезных материалов у нас на Patreon

В Китае происходит безумие-люди ждут очереди на подключение к OpenClaw, причём возрастная категория вся: от молодых до бабушек/дедушек.

Китайские ИТ-гиганты устроили сегодня бесплатное подключение к OpenClaw, люди выстроились в огромные очереди. Одновременно с этим государство, медиа и блогеры вселяют людям FOMO и говорят так: «Осваивай ИИ сейчас или завтра будет поздно».

Да, автоматизация меняет рынок труда. Часть людей может проиграть, что не используют ИИ. Именно поэтому манипуляция ИТ-гигантов работает так хорошо, она паразитирует на правде.

Но китайцы не осознают, что никакого дедлайна нет.
Единственный ответ из всего многообразия стратегий - адаптации к изменениям, а людям предлагают один конкретный продукт, случайно именно тот, на котором зарабатывают Alibaba, Tencent, ByteDance и др.

Но на самом деле, это делает людей более зависимыми, а не автономными и успешными. Ты устанавливаешь агента, отдаёшь данные, платишь за облако и думаешь, что теперь защищён. На деле же ты глубже встроен в чужую инфраструктуру и уязвим.

Люди не задаются вопросом "нужно ли это мне", а "а что именно я устанавливаю на свой компьютер, какой доступ даю, кто читает мои данные"?

Это настоящий провал критического мышления.
Проблема в том, что безопасность невидима до момента катастрофы.

Собственно, это главная манипуляция - компании сделали хайп, простоту установки, истории успеха, а невидимым оставили риски. Намеренно.

Больше полезных материалов у нас на Patreon

Итоги прошедшей недели - то, что имеет значение в России и мире

ИИ-агенты и инфраструктура

Cursor запустил облачных агентов с computer use

Anthropic показала перенос памяти из других чат-ботов и SRE-агента, который сам реагирует на инциденты

Сбер представил GigaChat Enterprise

REMem — новый тип памяти для агентов: не просто факты, а эпизодические воспоминания с контекстом событий

MITпредставил ИИ-агента для нейроинтерфейсов (BCI)

Вышел Claude Marketplace — маркетплейс ИИ-решений для Enterprise: GitLab, Harvey, Lovable, Replit и другие

Meta тестирует шопинг-агента в браузере — конкуренция с ChatGPT и Gemini

Терминал Google — универсальный API для ИИ-агентов, исходный код Workspace CLI открыт

Финансы, крипто и стейблкоины

Kraken стал первым криптобанком с прямым доступом к ФРС США

Набиуллина предложила разрешить банкам и брокерам криптообмен

Visa рассказала инвесторам, что внедряет ИИ-агента для платежей и работает со стейблкоинами

Крупные банки ЕС запускают стейблкоин в евро и договариваются о ликвидности с биржами

Модели и архитектуры

ByteDance CUDA Agent — RL-агент пишет CUDA-кернелы лучше torch.compile: ускорение 2.11× в 96.8% случаев

Новая работа от Яна Лекуна с коллегами: погоня за AGI — ошибка. Нужны не универсальные машины, а сверхчеловеческие адаптивные специалисты

ИИ обошёл инженеров NVIDIA — WarpSpeed переписал cuGraph и дал ускорение в 3.6×

Avey-B — альтернатива BERT с неограниченным контекстом, линейным масштабированием и лучшей работой с длинными текстами

Databricks рассказали, как запустить большую модель в маленькой памяти

Meta(запрещена в РФ) представила нативные мультимодальные модели — без разделения зрения и языка, маршрутизация возникает сама

Microsoft Phi-4-reasoning-vision-15B — компактная мультимодальная модель для edge с сильным reasoning

NEO-unify (SenseTime + NTU) — модель работает напрямую с пикселями, без VAE и энкодеров

Google научил LLM рассуждать как байесианцы — обновление предсказаний и обобщение на новые домены

Google Gemini Deep Think решил задачу по теоретической физике

Нейроинтерфейсы, робототехника и воплощенный ИИ

Science — конкурент Neuralink оценён в $1.25 млрд, привлёк $230 млн и строит платформу для других нейро-компаний

Physical Intelligence представили MEM — многоуровневая память для роботов

Рынок и экономика

Стек экономики агентов экономики сложился— инфраструктура для мира, где платят не люди.

Вся история противостояния Anthropic vs Пентагон тут конфликт, за компанию вступились Google, Nvidia, Microsoft и Apple

Китайские единороги обогнали США: $706 млрд против $540 млрд реальной выручки

Anthropic опубликовала отчет о влиянии ИИ на рынок труда: первыми страдают те, кто ещё не вошёл

Открытый код и сообщество

Anthropic выпустила официальный skill-creator для Claude Code — можно создавать, тестировать и оценивать навыки прямо в OpenClaw

Скандал внутри Qwen и Alibaba мы разобрались, что там произошло

В Китае очереди на OpenClaw — от молодёжи до пенсионеров

Больше полезных материалов у нас на Patreon.

Джефф Дин, главный научный сотрудник Google вместе с десятками других инженеров из OpenAI и Google, поддержали Anthropic в конфликте с Пентагоном.

Они написали открытое письмо,в котором говорят, что такие действия правительства могут сильно навредить всей индустрии ИИ в США: отпугнуть исследователей от открытого обсуждения рисков ИИ, подорвать доверие к этическим ограничениям и в итоге ослабить американское лидерство в ИИ по сравнению с Китаем и другими странами.

Отметим, что Anthropic подала 2 иска, утверждая, что решение Пентагона о внесении их в черный список - незаконно и произвольное злоупотребление властью. Компания заявляет, что из-за этого уже теряет сотни миллионов $ потенциальной выручки в 2026 году, а в перспективе, возможно, миллиарды.

Это очень крутой пример, когда топ-специалисты из конкурирующих компаний публично объединяются в поддержку Anthropic против правительства, показывая, насколько остро сейчас стоит вопрос о военных применениях ИИ и о том, кто должен устанавливать границы: компании или государство.

Больше полезных материалов у нас на Patreon

В Китае ажиотаж вокруг OpenClaw достиг апогея. Дошло до того, что премьер -министр страны говорит об экономике агентов, а регионы выделяют гранты, дают бесплатное жилье лишь бы люди установили OpenClaw.

Мы решили разобраться, что реально за этим стоит?

За 100 дней OpenClaw стал самым популярным репозиторием в истории GitHub, обогнав Linux, которому на это потребовалось 30 лет. Из 142 тыс. публично отслеживаемых агентов почти 50% запущено в Китае.

Каждая крупная китайская ИИ-компания выпустила собственный продукт на основе OpenClaw.

ByteDance, Alibaba и Tencent совокупно потратили ~ $60 млрд на ИИ-инфраструктуру за последний год. Но их экономика не окупается. Люди потребляют несколько сотен токенов бесплатно.
OpenClaw полностью меняет эту арифметику. 1 агент с активными инструментами сжигает в 10 и 100 раз больше токенов в день, чем обычный пользователь чата, потому что работает круглосуточно, делает сотни API-вызовов, опрашивает фоновые процессы.
Именно поэтому инженеры Tencent бесплатно устанавливали OpenClaw. Дешёвые китайские open-source модели усиливают этот цикл.

OpenClaw приняли в Китае с распростёртыми объятиями, так как локальный агент не принадлежит ни одной платформе, поэтому ни у кого нет стимула его душить.

И есть еще государственный слой, который вообще живёт в другой логике. За 1 неделю 5 городов в Китае объявили множество мер поддержки: до 6 млн юаней на проект + бесплатное жильё, офис и питание на 30 дней + доступ к гос данным - это все из-за того, что впервые ИИ-агенты попали в доклад премьера, и теперь каждый высокотехнологичный район должен показать, что он в теме.

Пользовательский ажиотаж без понимания зачем им агенты — люди без сценария применения стоят в очереди и платят за установку. Почему? Потому что тревожным людям внедрили через медиа и государство, что без ИИ-агентов они отстанут в своей карьере и заработке денег. Тревожность создает ажиотаж, который притягивает институциональное внимание и инвестиции, задолго до появления реальных юз кейсов.

Получается, что в Китае экономикой правит психология, а именно тревога. Люди не выйдут из этого искусственного коллапса, если не займутся собой.

Больше полезных материалов у нас на Patreon

Openclaw хорош, но он не может учиться на ошибках, встречайте MetaClaw

MetaClaw - первый RL-слой для OpenClaw, тут агент учится на своих ошибках прямо в продакшне.

Есть исследовательская лаборатория в Университете Северной Каролины в Чапел-Хилл, которая давно занималась SkillRL - это способ обучать агентов прямо в процессе работы, без огромных GPU-кластеров и без того, чтобы кто-то вручную размечал данные.

И вот они взяли эту же технологию и прикрутили к OpenClaw, получился MetaClaw.

Смысл простой - разговариваешь с агентом, он ошибается, анализирует что пошло не так, формирует новый навык, и всё это происходит прямо во время работы, незаметно для тебя.

Еще они подключили Tinker от Thinky Machines, и теперь агент обновляет сам себя прямо в процессе разговора с человеком, не останавливаясь, не перезапускаясь.

Больше полезных материалов у нас на Patreon

NVIDIA опубликовала фреймворк для обучения самых сложных моделей

Речь о Megatron Core MoE — фреймворке для тренировки Mixture-of-Experts моделей(MoE). Именно такую архитектуру используют DeepSeek-V3, Qwen3 и тд.

Идея MoE в том, чтобы каждый раз задействовать всю модель, для каждого запроса активируется только часть экспертов.

MoE-модели создали новый класс инфраструктурных проблем, которые не решаются масштабированием старых методов. Нужна была новая архитектура параллелизма. Именно это и есть Megatron Core MoE.

Умение эффективно обучать MoE - это сейчас один из главных конкурентных рвов в ИИ. Не архитектура модели, не данные, а именно инфраструктурный стек.

NVIDIA открывает Megatron Core как open-source, но это не альтруизм, а способ сделать своё железо безальтернативным стандартом для всех, кто хочет тренировать модели следующего поколения.

Больше полезных материалов у нас на Patreon

Цукерберг купил Moltbook - соцсеть для ИИ-агентов, созданных в основном на базе OpenClaw

Сооснователи Moltbook, Мэтт Шлихт и Бен Парр присоединятся к подразделению Meta Superintelligence Labs(запрещена в России).

A OpenClaw стал частью OpenAI.

Meta не раскрыла детали сделки.

Платформа была запущена в конце января 2026 года как нишевый эксперимент. Это сайт, похожий на Reddit, где ИИ-боты обмениваются кодом, сплетничают о своих владельцах и взаимодействуют друг с другом.

Больше полезных материалов у нас на Patreon

Tencent разрабатывает платежного ИИ-агента для WeChat

Ранее мы опубликовали материал об инфраструктуре экономики агентов.

Tencent тайно разрабатывает ИИ-агента, интегрированного в экосистему WeChat, чтобы обогнать конкурентов: Alibaba, Qwen и ByteDance.

Tencent уже протестировал несколько внешних LLM, включая модели от Zhipu AI, Alibaba и DeepSeek.

Агент будет интегрирован с платёжной системой WeChat Pay, через которую ежедневно проходят миллиарды транзакций в Китае. Он сможет выполнять end-to-end процессы. Это часть тренда агентной коммерции в Китае, где ИИ-агенты не советуют, а завершают транзакции.

Больше полезных материалов у нас на Patreon

Google объявил о 2-х новых механизмах интеграции ИИ-агентов с Android-приложениями.

Google встраивает агентную инфраструктуру в саму операционную систему-это то, о чем мы пишем в нашем докладе здесь.

Метрика успеха меняется - раньше важно было заставить пользователя открыть приложение, теперь - выполнить его задачу.

Вот эти 2 новых механизма:

1. AppFunctions - по сути, MCP для мобильных устройств. Разработчики могут создавать самоописывающиеся функции, которые агентские приложения способны обнаруживать и вызывать через естественный язык. Например, через AppFunctions Gemini может автоматизировать задачи в категориях Calendar, Notes и Tasks на устройствах от нескольких производителей.

2. UI Automation - фреймворк, позволяющий ИИ-агентам работать с любым приложением, просто видя его интерфейс, как это делает человек.

Это сыграет огромную роль во всей мобильной экономике. Если агент может заказать пиццу или вызвать такси, не открывая приложение, роль App/Google Store как дистрибуционного канала начинает размываться.

Больше полезных материалов у нас на Patreon

А. Карпатый рассказал, как его ИИ-агент сам улучшает код обучения без человека

Он запустил агента-исследователя на 2 дня на небольшой модели. Агент автономно провёл ~700 экспериментов, нашёл ~20 улучшений, которые реально работают и переносятся на более крупные модели.

В итоге ключевой бенчмарк ускорился на 11% — с 2.02 до 1.80 часов.

Карпатый говорит, что офигел от результата и выложил упрощённую версию для всех, чтобы люди могли сами попробовать на 1 GPU.

Любой продукт с измеримым показателем и быстрой обратной связью станет тем, что агенты смогут оптимизировать для вас
и без вашего участия.

Главная мысль, которую он формулирует - скоро все крупные ИИ-компании будут так улучшать свои модели.

Больше полезных материалов у нас на Patreon

Стэнфорд и Принстон выпустили LabOS, где ИИ работает рядом с учёным в физической лаборатории.

Исследователь надевает AR-очки. ИИ видит то, что видит он. Каждые 5–10 секунд система анализирует происходящее и выдаёт обратную связь:

1. Следующий шаг протокола, предупреждение об ошибке, коррекция техники.

2. Нарушил стерильность, получил сигнал немедленно.

3. Перепутал время инкубации, система это заметит раньше тебя.

Архитектура состоит из трёх слоёв:

— LabOS — физический слой: AR/XR-очки, специально обученная VLM, роботы-коботы для рутинных операций

— OpenClaw — среда, которая загружает навыки и управляет выполнением задач

— LabClaw — библиотека из 206 готовых навыков для биомедицинских агентов.

3 реальных кейса уже есть.

Параллельно развивается MedOS - та же логика, но для клиники и хирургии.

• XR, коботы, автономное медицинское восприятие. Партнёры экосистемы - NVIDIA и Nebius.

• LabClaw работает как постоянно включённый агент.

Больше полезных материалов у нас на Patreon

Вот это обложка Time. Сразу видно, что ИИ - это больше, чем государство.

Time вынесли очень правильный тезис на обложку - тот, что мы указывали в этом посте.

Если вы не в курсе про конфликт Anthropic с Пентагоном и почему это важная история, то вам сюда и сюда.

А здесь о том, как разворачивается ситуация, кто поддерживает компанию Дарио Амодея.

Кто не поддерживает - так это, например, главный инвестор OpenAI - Джошуа Кушнер, брат родного зятя Трампа, вот один из твитов его.

Их фонд Thrive Capital (принадлежит Джошуа и Джареду Кушнерам) в феврале вложил ~ $1 млрд в OpenAI.
Но самое интересное, что они это сделали по оценке OpenAI в $285 млрд., хотя OpenAI уже вели переговоры по оценке $830млрд.

Вот такие финансовые стратеги :)

Как думаете, их лоббистский ресурс сможет перекрыть Anthropic?

Nvidia раздаёт агентов бесплатно. Вы понимаете, зачем?

NVIDIA выпустила опен сорс модель Nemotron - Super. У нее 120 млрд параметров суммарно, но активных при инференсе только 12млрд - суть всей истории: мощь большой модели при стоимости маленькой.

Щедро? На самом деле, это классический их манёвр.
Они уже делали это с CUDA. Бесплатный инструмент для разработчиков, а потом все пишут под их железо, а продажи GPU становятся безальтернативными. Теперь та же логика, но ставка - экономика ИИ-агентов. Еще они объявили, что потратят $26млрд в опен сорс.

Nemotron - Super решает 2 реальные проблемы агентных систем:

1. мультиагентные системы генерируют до 15x больше токенов, чем обычные чаты, и агенты постепенно теряют связь с исходной задачей.

2. большие рассуждающие модели слишком дороги, чтобы гонять их на каждом шаге агентного пайплайна.

Super отвечает на оба: гибридная архитектура Mamba-Transformer даёт контекстное окно в 1млн токенов при линейной стоимости, а Latent MoE активирует только нужных "экспертов" в нужный момент.

Но главное не в модели, а в стеке. Вместе с Super NVIDIA выпускает NeMo Gym (среды для обучения агентов), NeMo RL (reinforcement learning), собственный бенчмарк PinchBench, заточенный под OpenClaw. Кто строит агентов на этом стеке, тот постепенно думает об агентах на языке NVIDIA.

А нативная оптимизация под Blackwell делает остальное: на H100 работает, на B200 в 4 раза быстрее.

Открытый исходный код - это не конкуренция за пользователей. Это борьба за то, на чьём железе будет работать множество агентов.

Больше полезных материалов у нас на Patreon