Google DeepMind наносит контрудар OpenAI - мы получили золото на IMO

"Мы были среди первой группы, чьи результаты официально оценены и сертифицированы координаторами IMO по тем же критериям, что и решения студентов", - только что заявил Google.

Президент международной Олимпиады по математике IMO проф. д-р Грегор Долинар подтвердил: "Мы можем подтвердить, что Google DeepMind достигла желанной вехи, набрав 35 из 42 возможных баллов — результат золотой медали".

Gemini Deep Think решила 5 из 6 задач, набрав 35 баллов (золото). Работала полностью на естественном языке, создавая строгие математические доказательства прямо из официальных описаний задач — всё в пределах 4,5-часового лимита соревнования.

В отличие от прошлого года, не требовала перевода в специальные языки типа Lean.

Вся эпопея про золото на IMO среди ИИ-компаний тут.

Помните проект Stargate от OpenAI? Так вот у него проблемы

Согласно последним данным, у OpenAI и SoftBank есть разногласия по проекту, что привело к значительному сокращению краткосрочных планов после 6 месяцев задержек.

SoftBank и OpenAI не могут найти решение по важным аспектам, включая выбор локаций для дата-центров и структуры финансирования. Это привело к пересмотру планов и сокращению амбиций в краткосрочной перспективе.

О том, что проект провальный, мы писали ещё в январе.

SoftBank и OpenAI столкнулись с проблемами в привлечении необходимого финансирования. Илон Маск ранее утверждал, что у SoftBank нет даже $10 млрд подтвержденных средств, хотя Сэм Альтман опроверг эти заявления.

Вместо масштабного строительства десятков дата-центров Stargate теперь ориентируется на более скромную цель — запуск небольшого дата-центра к концу 2025 года.

Oracle также не приступила к стройке, хотя один из ключевых игроков проекта.

Длительные рассуждения ИИ-моделей снижают их точность - Anthropic

Свежее исследование Anthropic говорит, что увеличение времени на размышления в больших ИИ-моделях рассуждений может снижать их производительность. Paper.

Это неожиданное явление называется "обратным масштабированием", чем больше модель "думает", тем хуже могут быть результаты.

Выявлено 5 основных проблем, которые возникают при длительных рассуждениях:

1. Claude отвлекается— модель теряет фокус.
2. Модели OpenAI переобучаются на формулировках запроса— слишком сильно зависят от того, как сформулирован вопрос.
3. Ложные корреляции перекрывают предыдущие знания— модель начинает опираться на случайные совпадения вместо реальных знаний.
4. Фокус на дедукции ухудшается— способность к логическим выводам ослабевает.
5. Некоторые модели, включая Claude Sonnet 4, проявляют поведение, связанное с "самосохранением", то есть начинают действовать так, будто защищают себя.

Напомним, что недавно было исследование про рассуждения ИИ с участием Йошуа Бенжио.

История о том, как мы помогли двум компаниям

Недавно на нашу закрытую клубную встречу основателей компаний и инвесторов пришел фаундер, чей стартап 8 месяцев на рынке, офис в Дубае и Лондоне, $2.8млн выручки, команда в 4 странах.

Боль основателя: "Мы продаем клиентам в 20+ странах мгновенно, но оплата нашим разработчикам из разных стран занимает 5 дней и стоит 8% комиссий."

В процессе обсуждения среди наших гостей оказался основатель платежной платформы для распределенных команд Arbonum. Они обсудили подход к решению этой проблемы
через инфраструктуру обслуживания распределенных команд, автоматизированную обработку всех процессов и документов, упрощенные недорогие платежные процессы.

В итоге ребята сейчас вместе работают и очень довольны.

Получается, что команды, которые рано оптимизируют внутреннюю инфраструктуру, получают конкурентное преимущество в привлечении и удержании талантов.

Реклама АРБОНУМ ЛЛС-ФЗ, ИНН 9909660875 erid 2W5zFJWoXhS

Лаба нобелевского лауреата создала с ИИ новые методы разработки лекарств

Команда Дэвида Бейкера, лауреата Нобелевской премии 2024 года, опубликовала 2 исследования, которые могут изменить подход к лечению сложных заболеваний. Другие проекты Бейкера здесь.

Они разработали ИИ-методы на базе RF Diffusion для работы с молекулами, которые не имеют стабильной структуры и связаны с раком, диабетом и нейродегенерацией. Препринт.

Такие белки долгое время считались неподходящими мишенями для лекарств, но новые подходы Бейкера позволяют создавать молекулы, способные с ними взаимодействовать. Это пока лабораторные успехи, но они открывают путь к новым видам терапии.

Лаборатория Бейкера известна созданием инструмента Rosetta, который используется для моделирования и проектирования белков, а также конкуренцией с AlphaFold от DeepMind в области предсказания белковых структур.

В 2025 году Бейкер и его команда сосредоточились на неупорядоченных белках, которые составляют 30–50% всех белков в человеческом организме и играют ключевую роль в регуляторных процессах, но из-за отсутствия стабильной структуры их сложно таргетировать для разработки лекарств.

Стартап по нейроинтерфейсам Nudge привлек $100 млн - это огромная сумма для молодой команды, которой в августе будет 1год

Nudge разрабатывает неинвазивнвй нейроинтерфейс с использованием ультразвука. Компания создана всего год назад выходцами Neuralink, SpaceX, Vision Pro.

Их устройство позволяет стимулировать и визуализировать мозг с миллиметровой точностью.

3 месяца назад они создали и протестировали "Nudge Zero" — их первую систему, готовую для использования на людях.

Напомним, что США уже разрешили одной из компаний официально продавать на рынке свои инвазивные устройства.

Параллельно компания разрабатывает:

1. Аппаратное обеспечение и алгоритмы для ультразвукового структурного и функционального изображения через череп.
2. Методы оптимизации параметров сонификации для каждого человека.
3. Потребительский продукт, который просто работает.

Отметим, что в 2025 уже ряд стартапов получили большие инвестиции:

1. Neuralink $650 млн в рамках раунда S

2. Science Corp, основанная Максом Ходаком, в апреле 2025 года привлекла $104 млн. Компания готовится к запуску в Европе 1-ого коммерческого нейроинтерфейса для зрения.

Офигенная работа Anthropic: они выявили подсознательное обучение у ИИ

Только что опубликовали свежее исследование, в котором говорится, что языковые модели могут передавать свои черты другим моделям, даже если данные кажутся бессмысленными.

Это похоже на то, как если бы вы могли "заразить" человека любовью к совам, просто показав ему случайные числа.

Ключевые инновации этой работы:

1. Впервые показано, что ИИ-модели могут передавать свои "личностные черты" через совершенно нейтральные данные. Это меняет понимание того, как работает дистилляция моделей.

2. Авторы математически доказали, что это универсальное свойство нейронных сетей при определенных условиях.
Теорема показывает, что даже один шаг градиентного спуска гарантирует передачу черт.

3. Обнаружена серьезная уязвимость в безопасности ИИ: злонамеренная модель может "заразить" другие модели через безобидные на вид данные.
Это критично, учитывая, что многие современные модели обучаются на данных, сгенерированных другими моделями.

4. Разработан новый экспериментальный подход для изучения скрытых свойств моделей. Показано, что стандартные методы фильтрации и проверки данных бессильны против этого эффекта.

Это меняет подход к безопасной разработке ИИ - теперь недостаточно просто фильтровать явно вредный контент.

Открывается целое направление изучения скрытых каналов передачи информации в нейронных сетях.

У Meta* будет через 2 года свой 2-нм чип для ИИ

Meta привлекла MediaTek для разработки нового чипа на 2-нм техпроцессе под кодовым названием "Arke". Этот чип предназначен для задач вывода в ИИ. Массовое производство планируется на первую половину 2027 года.

Кроме того, Meta перерабатывает другой свой чип, под кодовым названием "Olympus", который будет использоваться для обучения ИИ и составит конкуренцию графическим процессорам Nvidia. Запуск этого чипа ожидается в 2028 году.

Сегодня специализированные чипы Meta (ASIC) разрабатываются компанией Broadcom, но ранее Meta уже сотрудничала с MediaTek, в частности, над чипом для умных очков.

Это часть стратегии Meta по снижению зависимости от внешних поставщиков, таких как Nvidia, и сокращению затрат на инфраструктуру для ИИ, которые, по оценкам, в этом году составят от $114 до $119 млрд.

*запрещенная компания в России.

Свежий отчет Goldman Sachs об экономике ИИ с учетом инфраструктуры

Банк описывает новые финансовые решения и модели капитала. Ожидаемые потребности в капитале к 2030 году:
• $12 трлн на энергетический переход
•$3 трлн на энергетику и коммунальные услуги
•$2 трлн на цифровую инфраструктуру.

Появляются СП между пенсионными фондами, суверенными фондами и операторами дата-центров.

Спрос на вычислительные мощности вырос на +4,274% с июня 2024 по май 2025. Гиперскейлеры потратили ~$800 млн в день на капитальные расходы в 2024 году. К 2030 ожидается дополнительно 65 ГВт мощностей ЦОДов.

Отчет детально описывает трансформацию дата-центров.
Ключевые изменения:

1. В 2027 году стойки ИИ-серверов будут требовать в 50 раз больше энергии, чем облачные эквиваленты 5 лет назад.

2. GPU более энергоемкие, требуют сложные системы жидкостного охлаждения.

3. Средняя стоимость запуска типичного ИИ дата-центра мощностью 250 МВт составляет около $12 млрд.

Энергетический кризис - главный барьер. Недостаток капитала не является основным препятствием для развития ИИ - главная проблема в нехватке энергии:

• Возобновляемые источники обеспечивают только прерывистое энергоснабжение.

• Ядерная энергетика - долгосрочное решение.

Goldman Sachs Research оценивает, что ~60% роста спроса на энергию дата-центров должно быть покрыто новыми мощностями: 30% газовые электростанции комбинированного цикла, 30% газовые пиковые станции, 27,5% солнечная энергия, 12,5% ветер.

Goldman Sachs вводит концепцию дата-центров как "посольств в эре ИИ". В отличие от нефтяных месторождений, дата-центры можно стратегически размещать где угодно.

Страны используют ЦОДы как инструмент геополитического влияния.

Amazon, Google, Microsoft активно инвестируют в дата-центры на Ближнем Востоке.

Латинская Америка, особенно Бразилия с 90% возобновляемой энергией, становится потенциальным хабом.

В Москве проходит VIII Международная конференция по квантовым технологиям — ключевое научное событие в области квантовых вычислений и коммуникаций.

Сегодня состоялся Открытый день конференции, который объединил не только учёных и инженеров, но и представителей бизнес-сообщества. Первая сессия прошла при поддержке генерального партнёра мероприятия — Газпромбанка, её модератором выступил профессор МФТИ и вице-президент ГПБ Алексей Фёдоров.

Спикеры обсудили роль квантовой и постквантовой криптографии в защите данных, технологические ограничения квантовых компьютеров, потребность в импортозамещении лидаров, а также последние достижения российских учёных в сфере квантовых технологий.

Квантовые технологии активно выходят за пределы чисто академических исследований, прокладывая себе путь к практическому применению. Но для этого перехода критически важна системная поддержка институциональных игроков, обладающих необходимыми ресурсами.

И Газпромбанк выступает драйвером этого перехода: банк уже более 10 лет поддерживает трансфер научных знаний в экономический сектор. Как отметил Фёдоров, чтобы научные открытия успешно проходили все стадии развития — от разработок стартапов до востребованных на рынке решений — необходима целая система поддержки. Этим и занимается ГПБ, в том числе помогая технологическим компаниям масштабироваться и выходить на рынок капитала.

Создана ИИ-модель MindJourney, которая решает задачи в 3D-пространстве

Исследователи из UMass создали MindJourney — гибридная система, объединяющая Vision-Language Model (VLM) и модель, имитирующую 3D-физику и движение камеры.

То есть по сути, один кадр превращается в целое путешествие, что сильно улучшает понимание 3D-пространства у ИИ.

У этой работы новый подход к пространственному ИИ, а также есть архитектурная новизна — комбинация VLM + world model. Более того можно использовать в робототехнике, AR/VR, автономных системах.

Как это работает?

Воображение - VLM и 3D-модель мира совместно "обходят" сцену, генерируя разные ракурсы
Наблюдение - модель собирает подсказки из этого виртуального тура
Ответ - используя дополнительный контекст, VLM дает более точный ответ.

США только что выпустили свой план действий в гонке ИИ

Мы опишем самые интересные моменты, которые требуют внимания:

1. Хотят создать "умные" чипы(Location verification features), которые можно найти удаленно и отключить. Технически сложно реализовать, но политически понятно в контексте стратегии сдерживания противников. Однако эффективность таких мер под большим вопросом.

2. Правительство США будет покупать ИИ-системы только у тех компаний, которые гарантируют политическую нейтральность своих моделей - то есть отсутствие встроенных либеральных или "прогрессивных" установок, которые, по мнению администрации Трампа, навязывались предыдущими разработчиками.

3. США хотят, чтобы их открытые модели стали глобальными стандартами, встроенные в базовые ИИ-инфраструктуры мира.

4. Формируют "американский ИИ-альянс" из лояльных стран.
Экспортируют полный технологический стек только союзникам. Блокируют доступ к передовым технологиям для противников. Заставят страны выбирать между американским и китайским ИИ-блоком.

5. Хотят перестроить внутреннюю экономику под ИИ:
- Массовое строительство ЦОДов, расширение электросетей и энергогенерации.
- Восстановление производства полупроводников США.
- Автоматизация научных исследований через ИИ-лаборатории.

6. Создать дата-центры для армии и спецслужб. Запустить
программы DARPA по созданию объяснимого ИИ для боевых систем. Интеграция ИИ во все военные операции и процессы.

7. Создание крупнейших в мире научных датасетов. Автоматизированные лаборатории, управляемые ИИ.
Ускорение открытий в медицине, материаловедении, энергетике,
Секвенирование всей жизни на землях для обучения ИИ.

8. Подготовить рабочую силу для ИИ-экономики:
- Массовая переподготовка работников для ИИ-инфраструктуры
- Создание новых образовательных программ по ИИ
- Налоговые льготы для компаний, обучающих сотрудников работе с ИИ
- Интеграция ИИ-навыков во все уровни образования.

Законы масштабирования ИИ+нейро=браслет от Meta, управляющий смартфоном, компьютером жестами

Это универсальный нейроинтерфейс. Вместо создания отдельных систем для разных пользователей они применили принципы современного машинного обучения к биологическим сигналам. Ранее, Meta* анонсировала выход к концу года AR-очков с этой функцией.

Команда создала полный цикл от железа до готовой системы с открытыми данными и кодом.

Команда разработала беспроводной браслет с 48 электродами, который записывает сигналы мышц запястья (sEMG). Главное отличие — в подходе к обучению моделей:

1. Собрали данные с 6,627 участников (вместо обычных десятков)
2. Применили архитектуры из области NLP: LSTM для жестов, Transformer для рукописного ввода
3. Показали, что качество растет по степенному закону при увеличении данных.

Анализ внутренних представлений показал, что нейросеть выучивает физиологически обоснованные паттерны — сверточные фильтры напоминают потенциалы двигательных единиц мышц.

Пока система уступает традиционным интерфейсам по скорости. Трекпад MacBook обеспечивает время захвата цели 0.68с против 1.51с у нейроинтерфейса. Однако в сценариях, где руки заняты или требуется скрытый ввод, такая производительность может быть достаточной.

*запрещенная компания в России.

Microsoft опубликовала список 40 профессий, в которых ИИ применим и 40, где наименее применим. Они изучили данные опросов 200тыс участников.

Профессии, где ИИ чаще всего применяют:

1. Переводчики и интерпретаторы
2. Историки
3. Менеджеры по продажам
4. Писатели и авторы
5. Представители службы поддержки клиентов.

Профессии, наименее подверженные влиянию ИИ:

1. Физический труд и работу с людьми (медсестры, массажисты)
2. Управление и мониторинг оборудования (операторы водоочистных сооружений, водители грузовиков)
3. Ручной труд (посудомойщики, кровельщики, уборщицы)

Исследование не выявило сильной устойчивой связи между показателем применимости ИИ и заработной платой - корреляция составила всего 0.07 .

Профессии со степенью бакалавра показали несколько более высокую применимость ИИ по сравнению с профессиями с более низкими образовательными требованиями , хотя различия не являются кардинальными.

Авторы признают несколько важных ограничений своего исследования:

1. Анализировались только данные Bing Copilot
2. Сложно отличить рабочие разговоры от личных
3. База данных может не отражать современные изменения в профессиях
4. Исследование ограничено американским рынком труда.

Google представили новый подход создания ИИ-агентов для deep research

Test-Time Diffusion Deep Researcher (TTD-DR) может генерировать сложные исследовательские отчеты.

TTD-DR работает как диффузионная модель, но вместо картинок создает тексты. Диффузия применяется к процессу работы агента.

Основная инновация в том, что они применяют концепцию диффузии к процессу генерации исследовательских отчётов, а не к созданию самого агента.

TTD-DR:

1. лучше справляется с задачами, где нужен глубокий анализ и многоэтапное рассуждение, чем традиционные модели.

2. имитирует работу исследователя: не просто отвечает, а итеративно улучшает результат.

3. применим в науке, аналитике, образовании.

Но есть и нюансы: процесс требует много ресурсов, а качество результата зависит от доступных источников.

Вот это да- Стартап Ильи Суцкевера будет использовать только TPU от Google

Об этом Сундар Пичаи, СЕО Google, заявил во время сессии, посвященной финансовым результатам компании, что стартап Safe Superintelligence (SSI), основанный Ильёй Суцкевером, будет использовать исключительно тензорные процессоры Google (TPU) для своих исследований.

Впервые об этом стало известно в апреле 2025.

Anthropic представили ИИ- агентов для аудита безопасности LLM

Команда опубликовала исследование о разработке ИИ-агентов. Работа решает практическую проблему - как масштабировать процессы проверки безопасности ИИ-систем, когда ручной аудит требует слишком много времени экспертов.

Anthropic разработали 3 агента:

1. Агент-исследователь — проводит комплексное расследование модели, используя инструменты интерпретируемости, анализ данных обучения и различные техники тестирования.

2. Агент оценки — автоматически создаёт тесты для измерения конкретных типов проблемного поведения.

3. Агент красной команды — ищет входные данные, которые могут вызвать нежелательные ответы модели.

Результаты тестирования

Агенты проверили на синтетических задачах с заведомо известными проблемами:

- Агент-исследователь обнаружил скрытые цели модели в 13% случаев (до 42% при использовании нескольких агентов).

- Агент оценки создал корректные тесты для 10 из 10 проблемных поведений.

- Агент красной команды выявил 7 из 10 внедрённых уязвимостей.

Агенты пока не идеальны:
• Иногда генерируют нереалистичные тестовые сценарии
•Могут зацикливаться на одной гипотезе и пропускать другие проблемы
•Хуже людей справляются с выявлением тонких, субъективных проблем
•Тестировались в основном на искусственных задачах

Элад Гил, известный инвестор в Долине: уже понятны лидеры рынка на 1-2года. ИИ продает труд, не софт. Экономика меняется в 10 раз.

Гил - ранний инвестор таких стартапов как: Harvey, Perplexity, Character.AI, BrainTrust и др.

Он считает, что за последний год произошла кристаллизация некоторых сегментов рынка ИИ, и стали понятны вероятные лидеры рынка на ближайшие 1-2года:

1. LLM: Anthropic, OpenAI, Google, Meta(запрещенная в России организация), Microsoft. Остальные либо купят, либо умрут. Барьер входа — миллиарды $.

2. Код: Cursor, Claude Code, GitHub Copilot, Windsurf. Рост с $0 до $500M ARR за 2 года. Безумная скорость.

3. Юриспруденция: Harvey доминирует в корпоративном сегменте, CaseText в остальном. Рынок схлопнулся вокруг них.

3. Медицинское документирование: Abridge, Ambience, Nuance. Консолидация завершена.

4. Клиентский сервис: Decagon и Sierra выиграли стартап-гонку. Incumbents добавляют ИИ к существующим продуктам.

Что дальше?Следующая волна рынков созревает в этих сферах : бухгалтерия, compliance, финансовые инструменты, продажи, безопасность. Пока неясно, кто выиграет, но модели уже достаточно хороши.

GPT Ladder работает: каждое поколение моделей открывает новые рынки. GPT-3.5 → маркетинг и чат. GPT-4 → код и юриспруденция. GPT-5 → что-то новое.

Элад активно инвестирует в покупку целых компаний для внедрения ИИ, а не просто продажу софта. Так как часто проблема не в технологии, а в том, что организации не могут перестроить процессы под ИИ достаточно быстро. Проще купить компанию и перестроить её изнутри.

Переход к агентам — сдвиг от "ИИ-чата" к агентным workflow. Coding tools и customer service уже делают это в B2B.

Главный сдвиг: от продажи лицензий SaaS к продаже единиц труда. Вместо "$50/месяц за пользователя" будет "столько-то за обработанный документ/написанный код/решенную задачу". Это меняет экономику в 10 раз.

Время M&A: когда лидеры ясны, начинаются "market ending moves". Покупка конкурента часто дешевле конкуренции с ним. Ждите волну сделок.

⚡️Китай создал ИИ, который впервые может создать новые архитектуры. Они называют это моментом AlphaGo

ASI-Arch - 1ая система искусственного сверхинтеллекта (ASI) для автоматизации научных исследований в области нейронных архитектур без участия человека.

Система может автономно выдвигать гипотезы о новых архитектурных концепциях, реализовывать их в виде исполняемого кода, обучать и эмпирически проверять их производительность через строгие эксперименты.

ASI-Arch создала 106 новых архитектур, превосходящих человеческие разработки - это не теоретическое достижение, а практический результат.

Ключевые достижения ASI-Arch:

1. 1,773 автономных эксперимента. 20,000 GPU-часов вычислений. Обнаружено 106 новых архитектур линейного внимания, превосходящих существующие.
2. Переход от автоматизированной оптимизации к автоматизированным инновациям. Система не просто перебирает варианты в заданном пространстве, а создает принципиально новые архитектуры.

3. Впервые эмпирически показано, что архитектурные прорывы можно масштабировать вычислительно - чем больше вычислений, тем больше открытий (линейная зависимость).

ASI-Arch основана на FLAME, LM-Evaluation-Harness и Flash Linear Attention. GitHub - GAIR-NLP/ASI-Arch: AlphaGo Moment for Model Architecture Discovery, что указывает на использование существующих открытых инструментов и фреймворков в качестве основы для создания этой системы.

Разработка является результатом труда команды GAIR-NLP.

Рой ИИ-агентов уже здесь:Anthropic выпускает субагентов - это помощники Claude Code

Субагенты - это предварительно настроенные ИИ-агенты, которым Claude Code может делегировать задачи.

Каждый субагент:
- Имеет конкретную цель и область экспертизы
- Использует собственное окно контекста, отдельное от основного разговора
- Может быть настроен с определенными инструментами
- Имеет собственный системный промпт, который направляет его поведение.

По сути, вместо одного универсального Claude у вас может быть команда: один ревьюит код, другой дебажит, третий работает с данными.

Субагенты полезны для больших, а не маленьких проектов.