Немного улегся новостной хайп и откровенные вбросы после реструктуризации OpenAI. Кто-то пишет, что Альтману выдали долю в новой компании, а кто-то говорит о том, что они переписали определение AGI (сильный ИИ) и вообще закрыли некоммерческую компанию. На самом деле, вся информация об изменениях есть в открытых источниках.

Официальные обязательства по реструктуризации OpenAI на Delaware.gov, 28 октября
Официальная информация OpenAI о их новой структуре компании и их новом соглашении с Microsoft
Официальная информация OpenAI об их предыдущей структуре компании

Вот краткая сводка основных фактов:
⁃ У OpenAI уже несколько лет существует основная коммерческая компания LLC (организация, занимающаяся основными исследованиями и созданием продуктов) и non-profit (некоммерческая организация). Теперь они преобразовали свою LLC в PBC (public benefit company - компанию, работающую на общественное благо), которая, как и некоммерческая организация, теперь несет юридические обязательства сделать так, чтобы AGI «приносил пользу всему человечеству».

⁃ У прежней коммерческой компании (LLC) было ограничение прибыли в 100-кратном размере (100X) для каждого инвестора (на его долю, как я понял), тогда как у нынешней PBC (новой компании) такого ограничения нет.

⁃ Структура собственности PBC (новой компании) распределена следующим образом: Microsoft владеет 27%, некоммерческая организация OpenAI - 26%, сотрудники OpenAI - 26%, а другие инвесторы - оставшиеся 21%.

⁃ Некоммерческая организация теперь оценивается в 130 миллиардов долларов (ранее у нее не было публичной оценки) и берет на себя первоначальное обязательство потратить 26 миллиардов долларов на: здравоохранение, лечение болезней и «устойчивость ИИ» (AI resilience), а также экономическое влияние, кибербезопасность и многое другое, что будет взаимодействовать с искусственным интеллектом.

⁃ Как только OpenAI объявит о создании AGI, эта информация будет проверяться независимой экспертной комиссией. Их уставное определение AGI не изменилось: «высокоавтономные системы, которые превосходят людей в большинстве видов экономически ценной работы».

⁃ Права Microsoft на интеллектуальную собственность (ИС) в области исследований, определяемые как конфиденциальные методы, используемые при разработке моделей и систем, сохранятся либо до тех пор, пока экспертная комиссия не подтвердит создание AGI, либо до 2030 года, в зависимости от того, что наступит раньше. А вот права Microsoft на модели и продукты OpenAI (за исключением аппаратных продуктов) продлены до 2032 года и теперь включают модели, созданные после AGI, с соответствующими мерами безопасности.

⁃ Директора PBC (новой компании) будут обязаны учитывать только миссию (и не могут учитывать денежные (финансовые) интересы акционеров или любые другие интересы) в вопросах безопасности и защиты, связанных с предприятием OpenAI и его технологиями.

⁃ В течение одного года после рекапитализации (изменения структуры капитала) в правлении некоммерческой организации будет как минимум два директора (включая председателя Комитета по безопасности и защите), которые не будут входить в правление PBC.

⁃ OpenAI объявила о своих планах по запуску «автоматизированных ИИ-стажеров-исследователей» на сотнях тысяч GPU к сентябрю 2026 года и «полностью автоматизированных ИИ-исследователей» к марту 2028 года.

⁃ OpenAI теперь имеет утвержденные планы по развертыванию около 30 ГВт (GW) вычислительных мощностей на общую сумму 1,4 триллиона долларов в течение следующих нескольких лет (срок не уточняется - 5, 10 лет или более). Долгосрочная цель - в конечном итоге построить «фабрику ИИ», которая сможет производить 1 ГВт в неделю (52 ГВт в год).

Гранты для ИИ-проектов

Недавно выкладывал пост про ИИ-браузеры, но самый популярный вопрос в комментариях был не про браузеры, а про кейс с автоматическим заполнением заявок на гранты. Точнее, комментаторы удивлялись, что вообще можно какие-то гранты получать, а я, в свою очередь, удивлялся, что мало кто знает про такие программы. Ну и решил сделать отдельный пост про это.

Довольно много крупных ИТ-компаний, особенно в сфере ИИ, имеют грантовые программы; живые деньги там получить сложно, а вот раздобыть ресурсов в виде токенов для LLM, мощностей для вычислений или облачного хостинга довольно просто. Основные требования - это рабочий сайт и корпоративный email. Кто-то просит предоставить прототип или MVP продукта. Так что, если у вас есть проект и вы хотите существенно сэкономить на хостинге и токенах, начните с этого списка:

1) Google Cloud - Дают от $2,000 до $350,000 на облачные сервисы, AI/ML и Firebase. Условия: стартапу <5/10 лет, нужен веб-сайт и корпоративный email.
2) Google pre-funded - $2,000 на те же сервисы, но специально для стартапов на pre-funded стадии.
3) AWS Startup Credits - От $1,000 до $100,000 на облачные сервисы, AI/ML и базы данных. Условия: стадия Pre-Series B, <10 лет, нужен новый аккаунт.
4) Cloudflare for Startups - От $5,000 до $250,000 на сетевые сервисы, безопасность, Workers и R2. Нужен новый аккаунт и валидная карта, действует 1 год.
5) Microsoft for Startups - От $1,000 до $5,000 на облачные сервисы Azure, AI и базы данных. Для новых клиентов, на 90/180 дней.
6) Alibaba Cloud - От $1,000 до $120,000 на облачные сервисы, ML/AI. Условия: стартапу <10 лет, есть MVP, сайт и корпоративный email.
7) Startup with IBM - До $120,000 в год на IBM Cloud, Watson, AI/ML и Security. Условия: стартапу <10 лет, есть MVP, грант на 1 год.
8) DigitalOcean for Startups - Индивидуальные условия на DO Cloud, Droplets и GPU. Приоритет для AI/ML стартапов, нужен сайт и email. Действует 1 год.
9) Scaleway Startup Program - От €1,000 до €36,000 на облачные сервисы, серверы и хранилище. Срок действия 6–12 месяцев.
10) Modal for Startups - От $500 до $50,000 на GPU для ML/AI (B200, H100 и др.). Условия: стартапу <5 лет, есть сайт, действует 1 год.
11) Groq for Startups - $10,000 в виде кредитов на сверхбыстрый inference для LLM/AI. Подача через отбор или VC-партнёров, действует 90 дней.
12) Perplexity for Startups - Кредиты на API и облачный поисковой сервис.
13) Thesys Startups - $1,000 на Generative UI API. Условия: <$3M фондирования или <$1M выручки, наличие AI-продукта. Действует 12 месяцев.
14) ElevenLabs Startup Grants - 33 млн символов в месяц (эквивалент ~$4K) на Voice AI (TTS, STT, SFX). Для стартапов ранних стадий с MVP, действует 12 месяцев.

Если не нашли подходящий для себя грант, просто напишите в поиске: "[название сервиса] for startups", например "anthropic for startups" - ну или попросите Perplexity этим заняться.

Так, курсы прошел, продолжаем погружение в робототехнику

Шутка, что AI расшифровывается как Always Indians, выходит на новый уровень. Индия становится кузницей датасетов, особенно для роботов. Там стали появляться «фермы рук» (arm farms) — агентства, где люди с GoPro на голове, складывают белье или упаковывают коробки, чтобы научить роботов-гуманоидов выполнять домашние дела.

Как всегда, «спрос рождает предложение»: если инвесторы готовы вкладывать сотни миллионов в разработку роботов, а стартапы заказывать аннотированное видео в недорогой Индии, ребята вам наснимают терабайты про салфетки.

Мне кажется, интересный рынок формируется, и дело даже не в создании датасетов для роботов, нужно и ИИ-агентов обучать нашим навыкам. Думаю, что в ближайшее время мы увидим много компаний, деятельность которых будет связана со сбором, упаковкой и передачей профессиональных навыков людей ИИ-системам.

Еще на прошлой неделе Perplexity анонсировала «поиск по патентам», а я все никак вам про это рассказать не могу. И у меня есть причина - я в шоке! А еще безмерно счастлив, что теперь можно рыться в тысячах патентов, не подбирая формулировки, пытаясь попасть в ключевые слова из текста, а просто описав идею.

Думаю, что мою радость поймут и те, кто сталкивался с патентным поиском в PATENTSCOPE, где можно указывать только термины из описания, или кто подавал заявки на изобретения и ждал два месяца, а потом получал отказ из-за обнаруженных аналогов.

А как теперь стало удобно ресечить! Решил я, допустим, немного инвестировать в мировой хайп робототехники. Сразу прошу Perplexity разложить мне современного антропоморфного робота на комплектующие, потом поискать, у кого есть патенты на актуаторы, моторы, лидары и остальную требуху. Делаю все это в Labs, чтобы сразу получить список публичных компаний через поиск по акциям (Finance) и в табличку упаковать.

Ну и конечно, теперь стало очень удобно делать RnD своих продуктов, идей. Просто спрашиваешь Perplexity: «Есть ли патенты на ИИ для изучения языков?» или «Ключевые патенты в области квантовых вычислений с 2024 года?» - и получаешь кучу информации для размышлений.

Ну вы уже знаете, что я напишу в конце? Да! И все это за несколько баксов за годовой Pro-аккаунт.

Уже не первый день вижу в комментариях нашего чата @prompt_chat и в личке сообщения, что Perplexity отупел. Сам я этого не замечаю, возможно, из-за того, что чаще общаюсь с ChatGPT и Gemini в оригинальных интерфейсах. Но жалобы точно не единичны, даже на Reddit’е стали поднимать вопрос: «А не перенаправляет ли Perplexity наши запросы на более дешевые модели?»

Сразу скажу, что технически это сделать очень просто. Сервер Perplexity получает запрос в чате с выбранной моделью, но роутить его может куда угодно. Например посмотреть на запрос и решить, что он слишком простой, и незаметно отправить его на более дешевую модель, чтобы сэкономить деньги.

Но будут ли они это делать? Очень маловероятно.
1) Это мошенничество. Их Pro-подписка - это контракт. Они продают доступ к конкретным моделям. Если они будут втихую подменять их, это прямой обман платящих клиентов.
2) Репутация - это всё. Если вскроется, что они обманывают пользователей (а это обязательно вскроется), они потеряют кучу пользователей и получат иски от инвесторов. Это не стоит той экономии.

Кстати, вы можете сами посмотреть, с какой моделью улетают ваши запросы на сервера Perplexity:
1. Открываешь "Инструменты разработчика": просто нажми F12 (или Cmd+Opt+I на Mac).
2. В открывшейся панели нажми на вкладку Network (Сеть).
3. Там нажми на фильтр Fetch/XHR.
4. Нажми на значок 🚫 (Clear), чтобы очистить список.
5. Теперь отправь любой запрос в чат Perplexity.
6. В окне (где был 🚫) появится строка. Нажми на ту, что называется perplexity_ask.
7. Справа откроется еще одна панель. Нажми на вкладку Payload.
8. Ищи в коде строку "model_preference". Значение напротив нее (например, "claude45sonnet") — это и есть модель, которую он использует.

Ого, какая короткая неделя. Уже пятница. Тогда подключаю к своему минимакинтошу минининтендо и иду играть в червячка (Earthworm Jim). Помните эту игрульку?

Все выходные собирал…

Ого, оказывается, действительно проблема была на стороне Perplexity, и Аравинд, CEO компании, ее подтвердил. Вот тут полная версия, но если кратко:

Иногда Perplexity переключается на альтернативные модели в периоды пиковой нагрузки на определённую модель, или когда с выбранной вами моделью происходит ошибка, или после периодов длительного интенсивного использования (в целях предотвращения мошенничества). В данном случае произошло следующее: иконка (чипа) в нижней части ответа некорректно отображала, какая модель была фактически использована в некоторых из этих сценариев переключения.

Звучит, конечно, как оправдание пойманных за руку… но будем наблюдать.

Таблица сравнения разных моделей

Как же быстро устаревает информация про LLM, но собирать ее в таблицы - я не перестану.

Ловите, это более расширенная таблица на 9 платформ: ChatGPT, Gemini, DeepSeek, Llama, Perplexity и т.д

Ссылка: https://docs.google.com/spreadsheets/d/19oR07anPbk_g2hbcgAnwPLr13DEGAIY9CXW4xjWL_u8/edit?gid=0#gid=0

До меня дошли слухи, что тут уже Nano Banana 2 дают. Тест на стрелочные часы и бокал, проходит отлично: https://www.media.io/ai-image-generator/gemini-3-0-pro.html

Давно мы не говорили про автоматизацию и ИИ-агентов, но у меня немного подгорело, поэтому прошу слова. Недавно попросили сделать аудит одного воркфлоу на N8N по причине «зверского аппетита» на токены. В общем, как это часто бывает, подрядчик реализовал довольно скромный функционал автоматизации на самой жирной LLM’ке, до которой смог дотянуться. Понимаю, что чаще это делается не назло клиенту, а из-за того, что тестировать модели и изучать бенчмарки - скучно и долго.

Ну, значит, этим придется заниматься заказчику, когда через несколько месяцев он поймет, что тратит на токены больше, чем платил бы сотрудникам. Поэтому давайте начнем с определения: «лучшая» модель - это та, что дает вам нужный результат по самой низкой цене. И точка.

А мой совет «заказчикам» и «ответственным подрядчикам» следующий: начните с подключения к API OpenRouter, а не к конкретной модели. Так вы сможете тестировать разные LLM как в процессе выбора, так и в работе. А выбрать там есть из чего: больше 200 моделей в базе, и все доступны по одному API.

Как найти «лучшую» модель для вашей конкретной задачи:
1. Начните со сравнения моделей в OpenRouter и лидербордов HuggingFace
2. Поищите в Perplexity по запросу «[ваша задача] лучшая LLM модель»
3. Сравните стоимость ввода/вывода в OpenRouter
4. Протестируйте 2–3 перспективные модели на ВАШИХ реальных данных
5. Выберите самую дешевую, которая стабильно выдает качественный результат

Например, в кейсе, с которого я начал, нужно было просто суммировать большие объемы текстовой информации. Заменив модель Claude Sonnet 4.5 (0,003$ / 1 тыс. токенов ввода) на DeepSeek V3 (0,00014$ / 1 тыс. токенов), мы получили экономию в 20 раз при схожем качестве.

Кстати, у OpenRouter есть и бесплатные модели (до 1000 запросов в день), которые подходят для некоторых задач. 
Как найти бесплатные модели: 
— В узле OpenRouter в n8n введите «free» в поиске моделей. 
— Или перейдите на openrouter.ai/models и отфильтруйте по цене «FREE».

А для тех, кто дочитал до этого места и хочет тестировать модели более детально, настоятельно рекомендую этот ресурс: www.artificialanalysis.ai

Сегодня был на презентации антропоморфного шагающего робота с искусственным интеллектом Aidol. Весит 95 килограмм и умеет выражать эмоции.

И тут я вспомнил про свою главную эмоцию - это страх презентации железок. Вроде все много раз проверил, сделал несколько прогонов, а в самый ответственный момент: скачок напряжения или программный баг делает из мимического лица - мемное.

Короче, лучей поддержки инженерам, которые не бросают заниматься роботами…

Google на днях выпустил документ из серии «про агентов на человеческом языке» (это я его так назвал, конечно). Но это действительно очень понятное и простое объяснение о том, что такое ИИ-агенты и их инфраструктура, на 54 страницах.
Вы узнаете, что:

- Лучше вместо создания одного «супер-агента» для выполнения сложной задачи делегировать подзадачи специализированным агентам (например: агент-маркетолог, агент-разработчик).

- Можно использовать мощную (и более дорогую) модель (например, Gemini 2.5 Pro) для сложного начального планирования и рассуждений, но перенаправлять простые и высокообъемные задачи (например, классификацию) на более быструю и экономичную модель (например, Gemini 2.5 Flash).

- Нужно использовать системный промпт как основной рычаг управления, задавать четкую персону, правила взаимодействия, требуемую схему вывода и явные инструкции, когда и зачем использовать инструменты.

- Для борьбы с галлюцинациями надо использовать Retrieval-Augmented Generation (RAG) или NL2SQL (естественный язык в SQL) для доступа к актуальным данным компании, чтобы «заземлить» рассуждения агента в фактах и снизить вероятность ошибок.

Даже если вы не занимаетесь ИИ-агентами и автоматизацией, но хотите освоить еще один пласт знаний про искусственный интеллект - рекомендую закинуть эту PDF-ку в NotebookLM для изучения.

Файл будет в комментарии нашего чата @prompt_chat , а краткий перевод на русский - по ссылке ниже: https://teletype.in/@prompt_design/Introduction_to_Agents

Простите, сегодня я не расскажу вам про обновившийся ChatGPT-5.1 и о том, что он опять стал душевным. Потому что я ем торт и принимаю поздравления. Да, сегодня я познал ответ на главный вопрос жизни, вселенной и всего такого - 42. Именно столько мне стукнуло.

Ну а завтра я обязательно расскажу что-нибудь интересное. Кстати, если хотите посмотреть, как меня эпично поздравили жена и дети, - выложил в личный канал.

Если вы пользуетесь Perplexity - вчера там тоже появился ChatGPT - 5.1. Мой совет: отключайте «поиск в интернете», когда тестируете саму модель, а не ищете информацию.

OpenAI раскатывает пилот на групповые чаты, пока только в Японии, Новой Зеландии, Корее и на Тайване. Но если фича залетит, то дадут всем.

Мне кажется прикольной история, что можно сделать отдельный чат, пошерить его всем участникам дискуссии, побрейнштормить (обещают, что ChatGPT не будет особо вмешиваться) и получить результаты.

Наша любимая рубрика: «что почитать про ИИ, кроме новостей о ChatGPT?». Вы же знаете мою слабость к телеграм-каналам, которые ведут сами фаундеры - особенно если они делают ИИ-стартапы.

Сегодня расскажу про Диму - предпринимателя с бэкграундом в игровой индустрии, который продал несколько бизнесов и запустил новый стартап. В канале он часто рассказывает про свой стартап Spiry: ИИ-продюсер коротких видео для креаторов в Instagram, TikTok и Youtube.

И его реально интересно читать: без менторских тонов, без вылизанных диаграмм - зато с реальными сомнениями, ошибками и тем самым чувством: «ну нет, чувак, какой ещё плюшевый член, а-а-аа».
Или более классический формат контента:
— Почему считать «выручку на человека» - глупость
— Разница в мышлении компаний из СНГ и США
— Как не похоронить стартап процессами

Мне нравится, что у Димы много рефлексии, историй о подходе к маркетингу и разработке продукта в стартапе. А ещё - что он честно пишет про факапы и показывает развитие проекта в реальном времени, без утаивания «неудобных» деталей.

Если вам тоже близок такой контент - подписывайтесь на Диму.

Офигенная визуализация работы нейросетей, можно наглядно посмотреть, как входные данные проходят через слои, как активируются нейроны и как формируется предсказание.

Я уже хотел сам что-то подобное навайбкодить, чтобы детям (и взрослым) объяснять на пальцах, как все работает. А тут наткнулся на готовое решение. Ссылка на GitHub и на сайт с веб-версией.

Самое важное обновление ChatGPT, которое вы все ждали!

Небольшая, но радостная победа:
если в кастомных инструкциях сказать ChatGPT не использовать длинные тире (em-dash), он наконец-то делает то, что должен!