Цифра дня

50% всех запросов к ИИ-ассистентам в июне пришлось на ChatGPT. Ещё в январе его доля составляла 70%, следует из отчёта Comscore. За те же полгода Gemini вырос с 17% до 30%, а Claude – с 2% до 11%, они перетянули на себя уже треть всех запросов ИИ.

Несмотря на это, аудитория самого ChatGPT тоже продолжает расти. За год число его пользователей увеличилось с 59 до 99 миллионов. Важно, что Comscore считает долю промптов, а не число пользователей. По аудитории ChatGPT заметно впереди – в июне на него приходилось около 69% посетителей ИИ-ассистентов. Но почти монопольное положение первых лет уже в прошлом, и конкуренция только нарастает.

ElevenLabs выпустила новое поколение речевых моделей

ElevenLabs выпустила Eleven v4 и v4 Turbo. Новая версия точнее воспроизводит тембр, акцент, интонации и манеру речи исходного голоса, а также лучше выполняет инструкции в тексте. Например, когда пользователь просит ИИ смеяться, говорить шёпотом, сердито или с определённым акцентом. Поддерживаемых языков стало больше 90 (вместо примерно 70 в прошлом поколении).

Обновилась и функция клонирования голоса. Мгновенное клонирование, по обещанию компании, более точно копирует оригинал. А профессиональное клонирование, которому для работы нужно заметно больше времени обучения и аудиозаписей-исходников, поддерживается в новой версии (в отличие от v3). Лимит одной генерации вырос до 10 тысяч символов, а длинные записи можно собирать из нескольких частей без заметных изменений в темпе и звучании.

Отдельно выпустили модель v4 Turbo предназначена для голосовых ИИ-агентов. Она начинает генерировать речь ещё до того, как получила предложение целиком, и, по внутреннему тесту ElevenLabs, первый звук появляется примерно через 150 мс. Обе модели уже доступны через API и сервисы ElevenLabs.

Google представила говорящих ИИ-персонажей

Они видят, слышат собеседника и отвечают в реальном времени

Google запустила систему Live Avatar для Gemini 3.8 Live, которая превращает ИИ-ассистента в живого персонажа. Он может слушать человека, видеть изображение с камеры или демонстрацию экрана, отвечать голосом и одновременно генерировать лицо с мимикой и движением губ. Если перебить его во время ответа, разговор перестраивается на ходу. Поддерживается 97 языков, между которыми можно переключаться во время диалога.

Таких персонажей компании смогут использовать в поддержке, продажах, обучении и других сервисах, где сейчас работают обычные чат-боты. Большинству можно выбрать готового персонажа, а отдельным корпоративным клиентам разрешат создавать собственных по фотографии и образцу голоса. При этом знаменитостей и детей, по заявлению компании, таким образом копировать нельзя. Выглядит не сказать что слишком приятно, особенно в режиме реалистичных персонажей, скорее пугающе. Вероятно, в основе их же технология аватаров из других сервисов вроде Shorts, Vids и Veo.

Подобные технологии есть у Runway, Pika, Vidu и других конкурентов, но Google одними из первых объединили всё внутри одной системы – ИИ сам понимает речь и изображение, обращается к внешним сервисам, формулирует ответ, озвучивает его и тут же показывает говорящего персонажа, снимая часть работы с клиентов. Минута такой речи стоит около 39 центов, немного дороже конкурентов.

Anthropic показала счёт в банке, там пусто

Компании из сферы искусственного интеллекта обожают рассказывать, как много они зарабатывают. Возьмём, к примеру, Anthropic. В феврале компания гордо объявила, что её годовой темп выручки достиг 14 миллиардов долларов, в мае – уже 47 миллиардов, ну а летом цифра добралась до 65 миллиардов. Компания ставила рекорд за рекордом, и ничто не предвещало беды.

Есть, однако, нюанс. Anthropic публиковала так называемый run rate – потенциальную сумму, которую компания могла бы в теории заработать за год, если бы вдруг последний на тот момент достигнутый темп продаж сохранялся следующие 12 месяцев. Максимально прозрачная и наглядная метрика, что сказать. Попутно Anthropic рассказывала инвесторам, что с каждого доллара выручки у неё остаётся больше 80 центов. Выяснилось, что и здесь есть хитрый способ показать, как много у тебя остаётся денег – надо просто убрать из уравнения расходы. В расчёт не включали выплаты партнёрам вроде Amazon и расходы на обучение новых моделей.

Так бы люд честной и жил в неведении, если бы Anthropic не собралась на биржу. Но она собралась, и журналистам показали проспект для будущих инвесторов. В нём компания много пишет дежурных вещей о том, что слишком мощный ИИ однажды может уничтожить человечество и далее в таком духе. Но рядом с этой мутью есть более приземлённая и понятная информация – бухгалтерия. Из проспекта видно, что за весь 2025 год Anthropic получила 4,6 миллиарда долларов выручки. При этом компания закончила год с операционным убытком около 8 миллиардов долларов. Причём на вычисления и инфраструктуру ушло 7,33 миллиарда – заметно больше всей годовой выручки.

В заголовке мы немного слукавили – счёт в банке не совсем пустой, на конец года у Anthropic оставалось 20 миллиардов долларов денег и краткосрочных инвестиций. Но испариться они могут очень быстро – компания взяла на себя обязательства примерно на 518 миллиардов долларов по облакам, вычислениям и другой инфраструктуре на ближайшие годы. Причём около 80% этих расходов нельзя просто отменить, если что-то пойдёт не по плану. На этом фоне особенно комично выглядит возможная оценка Anthropic более чем в 2 триллиона долларов – с потенциалом сдувания где-то на уровне SpaceX.

Проблема, впрочем, не только в Anthropic. ИИ-индустрия растёт экстенсивно, за счёт большего числа моделей, дата-центров, ускорителей, электричества, постоянно наращивая статьи расходов. Пока на эту гонку находятся всё новые сотни миллиардов долларов, можно бесконечно ставить рекорды потенциальной выручки и run rate. Но реальный бизнес, который требует больше денег, чем приносит, долго существовать не сможет.

Вечно юный, вечно молодой OpenAI

Конференция разработчиков показывает, что компания больше всего на свете боится перестать быть стартапом

Прошла очередная конференция для разработчиков OpenAI. Что же показала там компания? Офисные приложения. В ChatGPT появятся собственные документы Pages, рабочие пространства Space, а следом обещают таблицы и презентации. Напомним, что работать с документами в других сервисах, в частности от Google и Microsoft, ChatGPT уже умел.

Одними документами дело не ограничилось. ChatGPT научат записывать рабочие встречи, делать по ним конспекты и раздавать задачи. Выполнять эти задачи смогут Dots – ИИ-агенты внутри облачного компьютера с браузером, доступом к подключённым сервисам и возможностью работать самостоятельно. Так OpenAI собрала в один продукт существовавшие Work, Codex, браузер и коннекторы. Примерно тем же последние годы наперегонки занимаются все остальные.

Всё это должны обслуживать более быстрый режим работы Ultrafast (который съедает токены в 8 раз быстрее) и подписка за 500 долларов в месяц, которая, соответственно, эти токены и предоставит. Причём старую подписку Pro за 200 долларов вернули уже с урезанными лимитами, как бы намекая, что пора платить. Где-то между офисом и новым прайс-листом OpenAI вспомнила про нейросети, анонсировав новую модель GPT-6.1 Sol.

Когда-то от каждой конференции OpenAI ждали очередного прорыва в сфере искусственного интеллекта. Теперь показывают документы, протоколы встреч и так называемых электронных сотрудников для работы с этими протоколами. Что со всем этим будет через год – большой вопрос. Браузер Atlas тоже когда-то позиционировался как новый большой продукт OpenAI, меньше чем через год его закрыли.

Как показывает пример Anthropic, проблема с деньгами не только у OpenAI. Пользователей становится больше, модели становятся прожорливее, потребность в дата-центрах растёт, а подписка всё ещё стоит примерно как Netflix или доставка пиццы. При этом конкуренты пылесосят примерно одних и тех же людей, копируют друг у друга сервисы и ставят одинаковые цены. Но у OpenAI положение особое: это по-прежнему стартап, убыточный, живущий на деньги инвесторов и готовящийся к IPO. Историю о собственном росте им нужно рассказывать без перерывов, так что останавливаться нельзя.

Раз за разом в решениях компании виден один и тот же паттерн – она живёт как стартап и продолжает лезть во все сферы, куда может дотянуться. Нужен браузер – делаем браузер. Появились агенты – делаем агентов. Пользователь работает с документами – значит, нужны офисные приложения. Нужно всё, что вообще можно добавить в ChatGPT. Лишь бы не останавливаться и не оставаться наедине с собой и своим продуктом. Потому что без этого останется давно готовый, но всё ещё убыточный чат-бот и долги. И зачем тогда вообще нужна будет компания? Остаётся только ждать почтовый ящик от ChatGPT.

Новая эра Claude Code

Полтора года назад Anthropic одной из первых на рынке сделала ИИ-агента для программирования действительно массовым явлением. Речь о Claude Code, который научили запускаться в терминале, получать доступ к файлам и командам на компьютере, читать проект, менять код, запускать тесты и проверять результат. Собственно, то, что сегодня и подразумевают под работой агента. В какой-то момент название продукта стало почти синонимом самого явления.

Но за полтора года ситуация сильно изменилась. Codex с января по лето нарастил использование с 3% до 16% профессиональных разработчиков – больше чем в пять раз. Появились OpenCode и десятки других агентов, недавно DeepSeek выпустила собственную версию. Причём китайцы разрешают менять в ней практически всё – модель, инструменты, память, интерфейс и даже сам порядок работы агента. Claude Code пока остаётся далеко впереди: по данным JetBrains, им пользуются 39% профессиональных разработчиков. Но теперь это уже не рынок одного продукта.

Anthropic, видимо, взволновала судьба детища, потому что компания затаилась и не спеша готовила ему крупное обновление. В сентябре он начал поддерживать универсальный файл инструкций, которым уже пользуются другие агенты. Ну а следующим шагом станут модификации, так называемые Mods. Они позволят разработчикам менять правила работы Claude Code – например, подменять отдельные функции, добавлять собственную логику и вмешиваться в то, как агент выполняет задачи. Подозрительно напоминает подход DeepSeek…

Меняется также масштаб продукта. Раньше пользователь запускал одну сессию Claude Code и ставил перед ней задачу. В новых проектах Projects Claude сам делит большую работу между несколькими параллельными сессиями, следит за ними, проверяет результаты и собирает всё обратно. Вместо одного агента получается уже небольшая команда под управлением Claude. Это ещё не конец – одновременно Anthropic превращает плагины в общий формат расширений для своей экосистемы и строит отдельный каталог с ними.

Для Anthropic это довольно заметная смена подхода. Если первая версия Claude Code продавала пользователю готового агента, то конкуренция заставила систему приоткрыться. Всё из-за того, что модели быстро меняются, пользователи придумывают собственные сценарии, а открытые продукты позволяют перестраивать агента под себя. В Anthropic теперь сами признают: такие системы устаревают слишком быстро, чтобы один раз придумать идеального ИИ-агента и годами его не менять.

Runway показала прототип ОС, которая придумывает интерфейс под задачу

Компания Runway, разработчик генеративных моделей для видео, показала Project Continuum – экспериментальную операционную систему, в которой ИИ сам создаёт нужный интерфейс под текущую задачу. Например, если человек читает статью о фотосинтезе, он может выделить интересующий фрагмент и получить рядом интерактивную визуализацию, которую можно рассматривать и менять. А если попросить спроектировать крепление для велосипеда, агент не ограничится перепиской в чате, а будет одновременно показывать создаваемую 3D-модель. То есть вместо универсального окна с текстовыми ответами ИИ пытается подобрать форму ответа под задачу.

В перспективе это может избавить от части отдельных приложений и сложных инструментов. Например, чтобы разобраться, как устроен механизм, не нужно искать подходящий симулятор – Continuum может создать такой временный интерфейс на лету, а пользователь взаимодействует с ним мышью примерно как с обычной программой. Эту идею Runway развивает в модели Solaris: вместо заранее написанных экранов она генерирует интерфейс кадр за кадром и меняет его в ответ на действия пользователя.

Правда, пока это скорее лабораторная проверка идеи. Подобные концепты мы видели, например, у Google, но до стадии реализации никто пока не дошёл. Публичного доступа и даже сроков появления Continuum нет. Да и у самого подхода хватает нерешённых проблем – сгенерированный интерфейс может ошибаться, искажать текст и объекты, а постоянно генерировать изображение заметно дороже, чем отрисовать готовое приложение.

ИИ-аватар приняли за человека почти в половине видеозвонков

Tavus, которая занимается созданием реалистичных ИИ-аватаров для видеозвонков, показала новое поколение своей технологии – Griffin. Компания называет его первым ИИ, прошедшим некий «видеотест Тьюринга» – на том основании, что после минутного разговора 26 из 54 участников их внутреннего эксперимента решили, что общались с настоящим человеком.

Griffin в реальном времени генерирует не только лицо и речь, а всего виртуального собеседника вместе с мимикой, взглядом, жестами и окружающей сценой. В основе системы лежит мультимодальная модель, которая непрерывно получает звук и видео, сама решает, что и когда сказать и как при этом должен вести себя аватар, а отдельные модели уже генерируют голос и изображение. Поэтому ИИ на протяжении разговора продолжает видеть и слышать человека, замечает паузы, реагирует на предметы перед камерой, меняет выражение лица и может говорить одновременно с собеседником. На демо выглядит сильно лучше недавних ИИ-аватаров Google, хотя артефакты никуда не исчезли – движения не всегда естественные, губы временами не синхронизируются с аудио.

Использовать Griffin, правда, пока практически невозможно. Модель компания не открывает обычным клиентам – якобы по той причине, что боятся роста мошенничества и сначала хочет добавить механизмы безопасности и маркировки. Даты публичного запуска пока нет.

Вышла реклама сервиса Dots (Точки) с ИИ-агентами от OpenAI, решили перевести и поделиться

Нейросеть, которая сама обучается во время использования

Появилась экспериментальная языковая модель mini-AGI, которая может постоянно учиться прямо во время использования на компьютере. Если обычно модель сначала обучают, а уже потом отдают пользователю, то здесь подход изменился. Ей можно давать новые тексты, документы или код, и она постепенно учится на них в процессе работы.

Главная проблема такого подхода в том, что новые знания могут вытеснять старые. Поэтому mini-AGI работает на основе модели MoE, чтобы разные части модели специализировались на разных данных и поэтому менялись не так быстро. По мере обучения модель может наращивать эти блоки и подключать только тогда, когда они нужны. За счёт этого вся система рассчитана на работу с обычной видеокартой с 8 ГБ памяти.

Если такой подход удастся масштабировать, персональный ИИ сможет не просто хранить подключённые пользователем документы, а месяцами и годами доучиваться на его работе, переписке, коде и накопленных материалах. В результате у каждого человека или компании со временем сможет появляться собственная версия модели, которая постепенно меняется вместе с их задачами и данными. Правда, остаётся вопрос контроля результата и качества такого обучения.

Ideogram научили не генерировать лишнего

Стартап Ideogram выпустил модель для генерации изображений 4.5, которая умеет точечно редактировать изображения, избегая случайных изменений. Можно, по утверждению компании, аккуратно поменять только цвет куртки, надпись на плакате или предмет на столе. Для этого в режиме Precise Edit модель генерирует только нужный участок, а остальную часть картинки сохраняет без изменений. Особенно полезно это может быть при серии правок, когда другие генераторы постепенно начинают менять и ухудшать исходную картинку. Сохранение деталей активно продвигали и в GPT Image 2.5. Но у Ideogram за него отвечает не только сама модель – неизменяемые части просто копируются из исходного изображения.

Также Ideogram улучшила обычное редактирование – модель умеет менять композицию и интерьер, переносить стиль, восстанавливать старые фотографии, работать с несколькими референсами и править текст прямо внутри изображения, в том числе переводить его на другие языки. Честно говоря, набор обновлений вполне стандартный. Архитектуру и размер версии 4.5 компания пока не раскрывает, но обещает позднее открыть веса модели.

Что случилось с Gemini?

Google недавно представила Gemini 4 Argon – новую флагманскую модель, которая была призвана вернуть компанию в лидеры среди разработчиков ИИ. Получилось, мягко говоря, не слишком убедительно. В ряде тестов, в том числе связанных с программированием и агентами, Argon уступает GPT и Claude. Да и проверить работу модели самостоятельно вообще нельзя – сроки публичного запуска Google не называет. Сомнительный релиз модели Шрёдингера, которая как бы есть, а как бы и нет.

А ведь ещё в начале года ситуация была противоположной. В феврале Google выпустила Gemini 3.1 Pro, которая оказалась среди лучших больших языковых моделей по качеству и одной из самых приятных по цене. Следом был релиз Nano Banana 2 – быстрой и качественной модели генерации изображений. Казалось, что после нескольких лет метаний Google нашла некий секрет успеха. Но если конкуренты продолжили выпускать новые флагманы, то Google перешла на бесконечные версии быстрых моделей, откладывала и даже пропускала релизы, последовательно повышала цены, постепенно теряя преимущество в стоимости. Очередной флагман должен был появиться ещё в июне под названием 3.5 Pro, однако тесты не устроили компанию, релиз несколько месяцев переносили, а в итоге просто отменили.

Выяснилось, что дело не только в одной неудачной модели. По данным Reuters, внутри Google не хватает вычислительных мощностей TPU, многочисленные руководители Gemini спорят о распределении ресурсов, а важные направления вроде программирования получают меньше вычислений. Сверху на это накладывается бюрократия – в подготовке релиза участвует множество команд, ведь модель одновременно нужно встраивать в поиск, облако, Android и десятки других продуктов.

Поэтому не слишком неожиданно летом было узнать, что DeepMind – основную лабораторию по изучению ИИ – решили перетряхнуть. Демис Хассабис, один из самых известных разработчиков искусственного интеллекта в мире, отошёл от управления лабораторией и потерял контроль над Gemini. Часть команд встроили глубже в корпоративную структуру Google, а несколько руководителей разработки ушли. Даже Сергей Брин снова лично включился в процесс и, по данным Reuters, призывал сотрудников шевелиться побыстрее. Надеемся, не с хлыстом в руке и не заперев их предварительно на работе.

Google пыталась исправить не столько отдельную нейросеть, сколько сам организационный процесс. Argon стал первым большим результатом этой перестройки, но пока не помог Google вернуть прежнее лидерство. После почти полугода задержек новый флагман компании так и не смог ответить на более простой вопрос – зачем было нужно это ожидание и стоило ли оно того?

ИИ научили сомневаться в себе

Российские учёные создали нейросеть, которая понимает, когда её ответу нельзя доверять. Разработку проверили на поиске сетевых атак, токсичного контента и фейковых новостей. Во всех трёх случаях система, по словам авторов, сохраняла высокую точность и лучше обычных моделей выдерживала попытки специально её обмануть. Работу выполнили исследователи НИЯУ МИФИ.

Нейросеть можно целенаправленно обмануть, немного изменив входные данные так, чтобы для человека их смысл почти не изменился, а модель пришла к неправильному выводу. В новой системе при каждой проверке случайным образом немного меняется часть внутренних настроек нейросети. Один и тот же объект пропускают через неё несколько раз: если после этих изменений вывод остаётся прежним, ему можно доверять сильнее. Если ответы расходятся, значит решение зависит от мелких изменений внутри самой модели и такой случай лучше проверить человеку.

Для злоумышленника это усложняет атаку: искажение данных, которое заставило модель ошибиться при одной проверке, при следующей может уже не сработать. В испытаниях такая схема повысила устойчивость к атакам. Пока это исследовательская разработка, и у неё есть очевидная проблема – из-за повторных проверок она работает примерно в четыре раза медленнее. Но авторы надеются, что для рынка кибербезопасности подход окажется полезным.

Kandinsky научился делать видео со звуком

И синхронизировать речь с губами

Сбер выпустил Kandinsky 6.0 Video, новую версию модели для генерации видео. Теперь она умеет одновременно генерировать не только картинку, но и звук – речь, музыку и другие звуки сцены. При этом звук не накладывается на готовый ролик, но создаётся одновременно с видео отдельной частью модели. По заявлению компании, особое внимание уделили говорящим людям и совпадению речи с движением губ.

Генерировать можно как из текстового описания, так и используя в качестве референса изображение. Продолжительность, правда, сейчас ограничена пятью секундами, а максимальное разрешение – Full HD, и то после апскейла. На данный момент для обычных пользователей модель доступна в ГигаЧате с ограничением 10 генераций в день (против примерно 2 на Veo Fast и 1 на Seedance на бесплатном тарифе). На наш взгляд, по качеству с Veo или Seedance модель не сравнилась, но и денег за неё пока не просят.

Всего Сбер выпустил две версии модели – Lite на 3 миллиарда параметров и Pro примерно на 29 миллиардов. Обе версии разработчики могут скачать и использовать в своих продуктах.

Зачем вам Claude и ChatGPT? Нейросети есть у нас дома.

Коммунистический Вьетнам выбрал рыночный ИИ

Коммунистический Вьетнам решил развивать искусственный интеллект рыночным способом. Государство готово оплачивать до половины стоимости ИИ-проектов, но только если вторую половину вложит сам бизнес.

Просто написать модель и показать красивое демо не получится. Во всяком случае, в теории. По условиям программы, бизнес должен выбрать процесс, который хочет автоматизировать или улучшить, предоставить для него данные, а разработчик – за срок до года построить на их основе работающую систему. Если эксперимент удастся, компания получает готовый инструмент, а разработчик сохраняет базовую технологию и может продавать её следующим заказчикам.

Так Вьетнам пытается заставить бизнес быстрее внедрять уже существующие технологии ИИ. Страна хочет войти в тройку лидеров Юго-Восточной Азии по ИИ, а для этого предлагает местному бизнесу немного поучаствовать в достижении государственной цели и скинуться донгами на общее дело.

ИИ от создателя роботов Figure наконец-то вышел

Помощник получился с функцией слежки

Компания Hark выпустила Hark Pro – персонального ИИ-помощника для повседневных дел. Он доступен бесплатно в браузере, на iOS и Android. Платные тарифы за 20 и 100 долларов отличаются только увеличенными лимитами, новых функций в них нет.

Hark, по заявлению компании, запоминает информацию о пользователе и может самостоятельно работать в интернете – покупать товары и билеты, бронировать рестораны, оплачивать счета и отменять подписки. Для таких задач запускается виртуальный компьютер с ИИ-агентом Handoff. Тот открывает сайты, нажимает кнопки, вводит данные и так далее. Словом, почти всё это мы уже видели в других продуктах.

Как он отличается от условного ChatGPT? Меньше, чем хотелось бы. Например, Hark может работать не только по команде – сервис может заметить неоплаченный счёт или ненужную подписку в подключённых сервисах и сам предложить разобраться с проблемой. Полагаем, это значит, что он проактивно мониторит информацию из подключенных сервисов пользователя. Авторы говорят, что он «думает наперёд». Компания очень хочет сделать сервис, которому пользователь добровольно отдаст свои аккаунты, предпочтения и рутинные дела, называя это «операционной системой для жизни».

Америка хочет купить билет обратно в open source

Американский стартап Reflection AI представил Beam – MoE-модель на 501 миллиард параметров, из которых при работе активны 23. На бумаге это часть стратегии по возвращению США в гонку открытых передовых моделей – Beam вышла вслед за предыдущей такой нейросетью Inkling, и её обещают выпустить под открытой лицензией до конца октября. Но пока скачать и использовать модель нельзя.

Reflection существует всего два года, ещё недавно была почти неизвестна за пределами ИИ-индустрии, а теперь обучает модели на тысячах передовых видеокарт Nvidia, привлекла несколько миллиардов долларов и заключила многомиллиардные контракты на вычисления.

Несмотря на эту череду подозрительных совпадений, чуда пока не произошло – результаты Beam выглядят неожиданно приземлённо. Компания сравнивает её прежде всего с GLM-5.2 и утверждает, что получает сопоставимое качество при в 3–4 раза меньших вычислениях на генерации. С актуальными китайскими моделями сравнение предусмотрительно не подсвечивают, ведь GLM-5.3, Kimi K3, Qwen 3.8 Max и DeepSeek V4.1 Flash во многих опубликованных тестах выигрывают.

Тем не менее Beam стала ещё одной крупной американской попыткой вернуться в гонку с китайским открытым ИИ. В итоге удалось лишь приблизиться к китайским моделям, да и то предыдущего поколения. С другой стороны, если основными клиентами Reflection окажутся государственные структуры и Пентагон, то какая, в сущности, разница?

Европа родила нейросеть на триллион параметров

Американцы в доле

Французская компания Mistral представила Large 4 – крупнейшую в своей истории нейросеть с 1,05 триллиона параметров, из которых при работе активны 49 миллиардов. По утверждениям компании, модель обучали на 3800 ускорителях Nvidia в собственных европейских ЦОДах, а её веса обещают открыть до конца октября. Это очередная попытка Европы обзавестись собственным передовым ИИ, который в свою очередь нужен, чтобы не передавать данные американским или китайским облачным провайдерам.

По результатам тестов Artificial Analysis, Large 4 стала сильнейшей моделью, созданной за пределами США и Китая. Особенно хорошо она вроде как справляется с профессиональными задачами – программированием, анализом инженерной документации и кибербезопасностью. Правда, триллион параметров обходится недёшево, выполнение стандартной тестовой задачи стоит 1,13 доллара против 25 центов у сопоставимой по качеству китайской GLM-5.3 Flash.

Кто помогает французам строить технологическую независимость? Помимо схватившей штурвал голландской ASML среди инвесторов числятся американские Nvidia, Andreessen Horowitz и другие фонды. Nvidia поставляет ускорители и совместно с французами разрабатывает открытые модели. Не далее чем в июле Microsoft заключила с Mistral многомиллиардное соглашение на использование её европейских вычислительных мощностей и расширение сотрудничества в области ИИ. Своеобразное получается импортозамещение – Европа свои модели и инфраструктуру строит на американском оборудовании, при участии американского капитала и с Microsoft в числе крупнейших заказчиков.