Сооснователь «Моторики» инвестирует ₽100 млн в биореактор для Луны
Сооснователь и экс-гендиректор разработчика киберпротезов «Моторика» Илья Чех основал новую научно-технологическую компанию «Гильдия «Рубежи науки».
Компания займется разработкой биореактора для жизнеобеспечения будущих лунных станций и созданием лазерного комплекса для исследований гравитационных волн.
Помимо того, компания будет инвестировать в другие стартапы и проекты, занимающиеся исследованиями и разработками в этой сфере.
Начало разработки биореактора запланировано на I квартал 2025 г., всего реализация может занять от 3 до 5 лет.
Сооснователь и экс-гендиректор разработчика киберпротезов «Моторика» Илья Чех основал новую научно-технологическую компанию «Гильдия «Рубежи науки».
Компания займется разработкой биореактора для жизнеобеспечения будущих лунных станций и созданием лазерного комплекса для исследований гравитационных волн.
Помимо того, компания будет инвестировать в другие стартапы и проекты, занимающиеся исследованиями и разработками в этой сфере.
Начало разработки биореактора запланировано на I квартал 2025 г., всего реализация может занять от 3 до 5 лет.
Ведомости
Сооснователь «Моторики» Илья Чех вложит 100 млн рублей в космические технологии
Инвестор намерен за 3–5 лет создать биореактор для Луны
⚡️Прорыв в обучении ИИ от Яна ЛеКуна, позволяющий создавать сильные ИИ-агенты из слабых данных
Команда исследователей из NYU и Meta AI (запрещенная в РФ) под руководством Яна ЛеКуна представила новый метод обучения ИИ-агентов — PLDM (Planning with Latent Dynamics Model), основанный на архитектуре JEPA от Лекуна.
Это возможность использовать "сырые" данные без дорогостоящей разметки значительно снижает затраты на разработку ИИ-решений и открывает новые сценарии применения в областях, где качественные данные труднодоступны.
Большинство современных методов ИИ требуют высококачественных данных с четкими аннотациями для обучения.
PLDM решает фундаментальную проблему перехода от узкоспециализированных агентов к системам, способным адаптироваться к новым задачам без дополнительного обучения.
PLDM реализует на практике концепцию JEPA — подход к самообучению, который Ян ЛеКун считает ключевым для создания по-настоящему интеллектуальных систем. В отличие от генеративных моделей (как GPT), JEPA фокусируется на предсказании абстрактных представлений будущего, а не конкретных наблюдений.
Это может стать альтернативным путем к AGI через предсказательные мировые модели, понимание причинно-следственных связей и планирование, а не через масштабирование параметров и данных.
Способность учиться из неидеальных данных и адаптироваться к новым средам — именно те качества, которые отличают интеллектуальные системы от простых шаблонных решателей.
Команда исследователей из NYU и Meta AI (запрещенная в РФ) под руководством Яна ЛеКуна представила новый метод обучения ИИ-агентов — PLDM (Planning with Latent Dynamics Model), основанный на архитектуре JEPA от Лекуна.
Это возможность использовать "сырые" данные без дорогостоящей разметки значительно снижает затраты на разработку ИИ-решений и открывает новые сценарии применения в областях, где качественные данные труднодоступны.
Большинство современных методов ИИ требуют высококачественных данных с четкими аннотациями для обучения.
PLDM решает фундаментальную проблему перехода от узкоспециализированных агентов к системам, способным адаптироваться к новым задачам без дополнительного обучения.
PLDM реализует на практике концепцию JEPA — подход к самообучению, который Ян ЛеКун считает ключевым для создания по-настоящему интеллектуальных систем. В отличие от генеративных моделей (как GPT), JEPA фокусируется на предсказании абстрактных представлений будущего, а не конкретных наблюдений.
Это может стать альтернативным путем к AGI через предсказательные мировые модели, понимание причинно-следственных связей и планирование, а не через масштабирование параметров и данных.
Способность учиться из неидеальных данных и адаптироваться к новым средам — именно те качества, которые отличают интеллектуальные системы от простых шаблонных решателей.
AI-агенты и платежи, как бизнес пользуется этим
Ранее мы писали, что Stripe запустили SDK для ИИ-агентов, и за 3 месяца появились интересные кейсы использования.
Разберем, как бизнес применяет эту технологию:
1. Голосовой контроль платежей.
- Разработчики интегрируют Stripe через голосовые команды (Cursor AI + Superwhisper)
- Возможность управлять платежами без написания кода
- Идеально для предпринимателей, которые хотят быстро настроить прием платежей
2. ИИ-ассистенты в продажах
- Автоматическое создание и отправка счетов
- Генерация платежных ссылок по запросу клиента
- Отслеживание статуса платежей и автоматические напоминания
3. Интеграция с sales-платформами
- Arrows Intelligence встраивает платежные ссылки в sales rooms
- ИИ анализирует поведение клиента и предлагает оптимальный момент для выставления счета
- Автоматическая генерация персонализированных коммерческих предложений
4. Автоматизация биллинга
- ИИ отслеживает usage-based pricing
- Автоматическая генерация и корректировка подписок
- Проактивное управление рефандами
5. Практические преимущества:
- Снижение ручной работы с платежами на 70-80%
- Мгновенная обработка финансовых операций
- Минимизация ошибок при выставлении счетов
Главный тренд - интеграция становится проще. От знакомства с технологией до запуска первого платежа может пройти менее часа.
Технический стек:
- LangChain/CrewAI для логики
- Vercel AI SDK для инфраструктуры
- Model Context Protocol (MCP) для стандартизации
- Stripe API для платежных операций
Ожидаем развития экосистемы инструментов и появления специализированных решений для разных бизнес-моделей.
Особенно интересно наблюдать за развитием голосовых интерфейсов управления платежами.
Ранее мы писали, что Stripe запустили SDK для ИИ-агентов, и за 3 месяца появились интересные кейсы использования.
Разберем, как бизнес применяет эту технологию:
1. Голосовой контроль платежей.
- Разработчики интегрируют Stripe через голосовые команды (Cursor AI + Superwhisper)
- Возможность управлять платежами без написания кода
- Идеально для предпринимателей, которые хотят быстро настроить прием платежей
2. ИИ-ассистенты в продажах
- Автоматическое создание и отправка счетов
- Генерация платежных ссылок по запросу клиента
- Отслеживание статуса платежей и автоматические напоминания
3. Интеграция с sales-платформами
- Arrows Intelligence встраивает платежные ссылки в sales rooms
- ИИ анализирует поведение клиента и предлагает оптимальный момент для выставления счета
- Автоматическая генерация персонализированных коммерческих предложений
4. Автоматизация биллинга
- ИИ отслеживает usage-based pricing
- Автоматическая генерация и корректировка подписок
- Проактивное управление рефандами
5. Практические преимущества:
- Снижение ручной работы с платежами на 70-80%
- Мгновенная обработка финансовых операций
- Минимизация ошибок при выставлении счетов
Главный тренд - интеграция становится проще. От знакомства с технологией до запуска первого платежа может пройти менее часа.
Технический стек:
- LangChain/CrewAI для логики
- Vercel AI SDK для инфраструктуры
- Model Context Protocol (MCP) для стандартизации
- Stripe API для платежных операций
Ожидаем развития экосистемы инструментов и появления специализированных решений для разных бизнес-моделей.
Особенно интересно наблюдать за развитием голосовых интерфейсов управления платежами.
DeepSeek готовится к выходу новой модели R2 и открывает код новых технологий
#DeepSeek не отстает от гонки за выпуск новых лучших моделей, после выходов Anthropic, OpenAI и Google компания собирается выпустить свою новую модель R2 раньше изначально запланированного срока в мае.
Параллельно с этим компания делает стратегический ход, открывая доступ к двум критически важным технологиям: DeepEP и FlashMLA.
DeepEP — первая библиотека с открытым исходным кодом для эффективной коммуникации в моделях на архитектуре Mixture-of-Experts (MoE). Именно эта технология позволила DeepSeek создать свою модель R1, которая превзошла западных конкурентов при значительно меньших затратах на обучение (около $6 млн).
В дополнение к DeepEP, компания представила FlashMLA — высокоэффективный декодирующий модуль для GPU архитектуры Hopper. Этот компонент достигает впечатляющих показателей: 3000 ГБ/с при операциях с памятью и 580 TFLOPS при вычислительных операциях на GPU H800, что критически важно для быстрой работы крупных моделей.
Интересно, как в этот раз стратегия DeepSeek по открытию своих технологий повлияет на западных конкурентов? Что они сделают? Наблюдаем.
#DeepSeek не отстает от гонки за выпуск новых лучших моделей, после выходов Anthropic, OpenAI и Google компания собирается выпустить свою новую модель R2 раньше изначально запланированного срока в мае.
Параллельно с этим компания делает стратегический ход, открывая доступ к двум критически важным технологиям: DeepEP и FlashMLA.
DeepEP — первая библиотека с открытым исходным кодом для эффективной коммуникации в моделях на архитектуре Mixture-of-Experts (MoE). Именно эта технология позволила DeepSeek создать свою модель R1, которая превзошла западных конкурентов при значительно меньших затратах на обучение (около $6 млн).
В дополнение к DeepEP, компания представила FlashMLA — высокоэффективный декодирующий модуль для GPU архитектуры Hopper. Этот компонент достигает впечатляющих показателей: 3000 ГБ/с при операциях с памятью и 580 TFLOPS при вычислительных операциях на GPU H800, что критически важно для быстрой работы крупных моделей.
Интересно, как в этот раз стратегия DeepSeek по открытию своих технологий повлияет на западных конкурентов? Что они сделают? Наблюдаем.
Reuters
DeepSeek rushes to launch new AI model as China goes all in
DeepSeek is looking to press home its advantage. The Hangzhou-based firm is accelerating the launch of the successor to January's R1 model.
❗️Крупнейшие ИТ-компании инвестируют в создание цифровых клеток человека - Arc Institute, принадлежащий основателям Stripe, запустил виртуальный клеточный атлас из 300 млн клеток
Arc Institute объявил о Arc Virtual Cell Atlas, который объединяет данные более 300 миллионов клеток в единую вычислительную платформу.
Это первый шаг института к созданию масштабной базы клеточных данных для стимулирования биологических открытий с помощью ИИ.
Атлас дебютирует с двумя ключевыми наборами данных, которые стали общедоступными:
1. Tahoe-100M- крупнейший в мире набор данных пертурбаций с открытым исходным кодом, созданный Vevo Therapeutics. Он включает данные о 100 млн клеток и отображает 60,000 взаимодействий лекарств с клетками в 50 линиях раковых клеток.
2. scBaseCamp - первый набор данных секвенирования РНК отдельных клеток, курированный с использованием ИИ-агентов. Ученые Arc обработали наблюдательные данные из более чем 200 миллионов клеток, представляющих 21 различный вид, из публичных репозиториев и привели их к стандартизированной форме.
Для создания scBaseCamp ученые Arc разработали автономных ИИ-агентов, которые непрерывно ищут, курируют и обрабатывают публичные репозитории данных в реальном времени.
Проект создавался в партнерстве с Parse Biosciences, чья GigaLab обеспечила возможности секвенирования РНК отдельных клеток.
Мы видим, как технологические гиганты (через такие структуры как Chan Zuckerberg Initiative) и специализированные институты (как Arc Institute) вкладывают значительные ресурсы в создание виртуальных клеточных атласов и цифровых моделей клеток.
Другие разработки Arc тут.
Arc Institute объявил о Arc Virtual Cell Atlas, который объединяет данные более 300 миллионов клеток в единую вычислительную платформу.
Это первый шаг института к созданию масштабной базы клеточных данных для стимулирования биологических открытий с помощью ИИ.
Атлас дебютирует с двумя ключевыми наборами данных, которые стали общедоступными:
1. Tahoe-100M- крупнейший в мире набор данных пертурбаций с открытым исходным кодом, созданный Vevo Therapeutics. Он включает данные о 100 млн клеток и отображает 60,000 взаимодействий лекарств с клетками в 50 линиях раковых клеток.
2. scBaseCamp - первый набор данных секвенирования РНК отдельных клеток, курированный с использованием ИИ-агентов. Ученые Arc обработали наблюдательные данные из более чем 200 миллионов клеток, представляющих 21 различный вид, из публичных репозиториев и привели их к стандартизированной форме.
Для создания scBaseCamp ученые Arc разработали автономных ИИ-агентов, которые непрерывно ищут, курируют и обрабатывают публичные репозитории данных в реальном времени.
Проект создавался в партнерстве с Parse Biosciences, чья GigaLab обеспечила возможности секвенирования РНК отдельных клеток.
Мы видим, как технологические гиганты (через такие структуры как Chan Zuckerberg Initiative) и специализированные институты (как Arc Institute) вкладывают значительные ресурсы в создание виртуальных клеточных атласов и цифровых моделей клеток.
Другие разработки Arc тут.
arcinstitute.org
Virtual Cell Atlas | Arc Institute
Arc Institute is a independent nonprofit research organization headquartered in Palo Alto, California.
США продвигаются к одобрению государственных биткоин-резервов
18 штатов рассматривают возможность принятия биткоин-резервов, а 33 штата обдумывают их создание.
На данный момент штат Юта успешно продвинул соответствующий законопроект в палату законодательного собрания.
Если он будет принят, Юта может стать 1-м штатом, официально внедрившим биткоин-резервы, с возможностью инвестировать до 5% определенных государственных фондов в цифровые активы, включая биткоин.
По данным анализа VanEck, 20 штатов могут вложить до $23 млрд в биткоин, если законопроекты будут приняты.
Другие штаты, такие как Аризона, Техас и Пенсильвания, тоже продвигаются вперед, но пока Юта ближе всех к финишной черте.
Интерес к этому вопросу усиливается на фоне глобальных дискуссий о роли биткоина как резервного актива.
18 штатов рассматривают возможность принятия биткоин-резервов, а 33 штата обдумывают их создание.
На данный момент штат Юта успешно продвинул соответствующий законопроект в палату законодательного собрания.
Если он будет принят, Юта может стать 1-м штатом, официально внедрившим биткоин-резервы, с возможностью инвестировать до 5% определенных государственных фондов в цифровые активы, включая биткоин.
По данным анализа VanEck, 20 штатов могут вложить до $23 млрд в биткоин, если законопроекты будут приняты.
Другие штаты, такие как Аризона, Техас и Пенсильвания, тоже продвигаются вперед, но пока Юта ближе всех к финишной черте.
Интерес к этому вопросу усиливается на фоне глобальных дискуссий о роли биткоина как резервного актива.
Основатель Huawei сказал Си Цзиньпину,что отставание от Nvidia сокращается
Huawei достигла большого прогресса в производстве передовых ИИ-чипов Ascend 910C - % выхода годной продукции увеличился до 40% по сравнению с 20% всего год назад.
Это большое достижение, которое впервые сделало производственную линию Huawei для чипов Ascend рентабельной.
Компания планирует дальнейшее улучшение показателей до 60%, что соответствует отраслевым стандартам для подобных чипов и приближается к показателям TSMC при производстве процессоров Nvidia H100.
В 2025 году Huawei планирует произвести 100 000 процессоров Ascend 910C и 300 000 чипов 910B. Это существенный рост по сравнению с 2024 годом, когда было произведено 200 000 чипов 910B, а 910C еще не находились в массовом производстве.
Но есть технические проблемы у чипов Huawei:
1. Специалисты китайских ИИ-компаний и исследователи самой Huawei признают, что Ascend 910B не подходят для обучения крупномасштабных моделей из-за проблем с межчиповым соединением и ограничений памяти.
2. Продукты Huawei пока уступают решениям Nvidia в удобстве использования.
Huawei достигла большого прогресса в производстве передовых ИИ-чипов Ascend 910C - % выхода годной продукции увеличился до 40% по сравнению с 20% всего год назад.
Это большое достижение, которое впервые сделало производственную линию Huawei для чипов Ascend рентабельной.
Компания планирует дальнейшее улучшение показателей до 60%, что соответствует отраслевым стандартам для подобных чипов и приближается к показателям TSMC при производстве процессоров Nvidia H100.
В 2025 году Huawei планирует произвести 100 000 процессоров Ascend 910C и 300 000 чипов 910B. Это существенный рост по сравнению с 2024 годом, когда было произведено 200 000 чипов 910B, а 910C еще не находились в массовом производстве.
Но есть технические проблемы у чипов Huawei:
1. Специалисты китайских ИИ-компаний и исследователи самой Huawei признают, что Ascend 910B не подходят для обучения крупномасштабных моделей из-за проблем с межчиповым соединением и ограничений памяти.
2. Продукты Huawei пока уступают решениям Nvidia в удобстве использования.
Reuters
Huawei founder told Xi China's concerns about lack of chips have eased, state media says
Huawei's founder told Xi Jinping at a meeting the Chinese president held with private sector entrepreneurs that concerns China had about a lack of homegrown chips or operating systems had eased, Chinese state media reported.
Это будущее разработки ПО-Factory AI создали платформу, объединяющую ИИ с человеческим опытом на всех этапах разработки ПО
В то время как GitHub Copilot, JetBrains AI и другие решения часто концентрируются на автодополнении кода и генерации отдельных функций, Factory позиционирует себя как полноценную платформу для управления разработкой с помощью AI на всех этапах.
Вот её ключевые особенности:
1. Droid Mode - ИИ-агенты обрабатывают тикеты, анализируют ошибки и выполняют сложные задачи.
2. Threads - автоматическое объединение контекста из GitHub, Slack, Jira без переключения между сервисами
3. Workflows - автоматизация рутинных процессов от создания интеграций до формирования релизных заметок
Результаты внедрения впечатляют: удвоение скорости итерации, сокращение времени от открытия до слияния PR на 20%, уменьшение изменений в коде в 3 раза.
В основе платформы — передовые языковые модели (включая Claude 3.7 Sonnet), собственная система индексации и партнерства с OpenAI, Anthropic и MongoDB.
В то время как GitHub Copilot, JetBrains AI и другие решения часто концентрируются на автодополнении кода и генерации отдельных функций, Factory позиционирует себя как полноценную платформу для управления разработкой с помощью AI на всех этапах.
Вот её ключевые особенности:
1. Droid Mode - ИИ-агенты обрабатывают тикеты, анализируют ошибки и выполняют сложные задачи.
2. Threads - автоматическое объединение контекста из GitHub, Slack, Jira без переключения между сервисами
3. Workflows - автоматизация рутинных процессов от создания интеграций до формирования релизных заметок
Результаты внедрения впечатляют: удвоение скорости итерации, сокращение времени от открытия до слияния PR на 20%, уменьшение изменений в коде в 3 раза.
В основе платформы — передовые языковые модели (включая Claude 3.7 Sonnet), собственная система индексации и партнерства с OpenAI, Anthropic и MongoDB.
www.factory.ai
Factory - Contact Us
Connect with Factory's sales team to discuss enterprise solutions, schedule a demo, and explore how our AI platform can accelerate your development.
Вот это конкуренция! #DeepSeek обваливает цены на экономику ИИ, а OpenAI делает Deep research массовым - это демократизация ИИ
Свежие анонсы лидеров ИИ подтверждают прогноз нашего канала @blockchainrf о том, что базовые ИИ-модели станут товаром, а реальная ценность будет в агентах и специализированных решениях.
DeepSeek сегодня объявил сразу 2 важных анонса:
1. Ценовая война. С сегодняшнего дня компания вводит агрессивные скидки в непиковые часы (16:30-00:30 UTC):
- DeepSeek-V3: -50%
- DeepSeek-R1: -75% (!)
Вдумайтесь: стоимость вывода для R1 падает с $2.19 до $0.550 за миллион токенов. Это прямое подтверждение тезиса о том, что базовые ИИ-модели становятся товаром.
2. Технологическая демократизация. DeepSeek выпускает DeepGEMM — высокоэффективную библиотеку с выдающимися характеристиками. Подробности тут.
А OpenAI движется к модели "интеллект как сервис"
Одновременно OpenAI делает серию анонсов, показывающих переход от продажи доступа к моделям к продаже уровней интеллекта:
1. Deep research для всех платных пользователей.
- Plus, Team, Edu и Enterprise получают 10 запросов/месяц
- Pro пользователи — 120 запросов/месяц
2. Advanced Voice на базе GPT-4o mini для бесплатных пользователей:
- Бесплатный доступ к технологии, но с ограничениями
- Plus и Pro получают расширенные возможности
В то же время Alibaba бросает вызов в сфере ИИ-видео и выпускает Wan2.1 — набор продвинутых моделей для видео:
- Генерация в 2,5 раза быстрее SOTA моделей
- Превосходная работа со сложными движениями и физикой
- Работает на китайском и английском языках.
Что это значит для рынка ИИ?
1. Базовые модели становятся товаром. Как мы писали ранее, базовые ИИ-модели станут как ОС — широкодоступными и дешевыми. Мы наблюдаем это в реальном времени с ценовой политикой DeepSeek.
2. Смещение ценности к специализированным решениям.
OpenAI фокусируется на создании функций вроде Deep research — это уже не просто API, а готовое решение конкретной проблемы.
3. Многоуровневая стратегия монетизации.
Компании четко сегментируют функциональность по уровням подписки:
- Бесплатный уровень: базовые возможности
- Plus/Team: доступ к продвинутым функциям с ограничениями
- Pro/Enterprise: максимальные возможности
4. Эффективность вместо сырой мощности. DeepSeek с их компактным, но мощным DeepGEMM подтверждает, что "алгоритмы становятся эффективнее" и "маленькие дистиллированные модели показывают хорошие результаты".
Свежие анонсы лидеров ИИ подтверждают прогноз нашего канала @blockchainrf о том, что базовые ИИ-модели станут товаром, а реальная ценность будет в агентах и специализированных решениях.
DeepSeek сегодня объявил сразу 2 важных анонса:
1. Ценовая война. С сегодняшнего дня компания вводит агрессивные скидки в непиковые часы (16:30-00:30 UTC):
- DeepSeek-V3: -50%
- DeepSeek-R1: -75% (!)
Вдумайтесь: стоимость вывода для R1 падает с $2.19 до $0.550 за миллион токенов. Это прямое подтверждение тезиса о том, что базовые ИИ-модели становятся товаром.
2. Технологическая демократизация. DeepSeek выпускает DeepGEMM — высокоэффективную библиотеку с выдающимися характеристиками. Подробности тут.
А OpenAI движется к модели "интеллект как сервис"
Одновременно OpenAI делает серию анонсов, показывающих переход от продажи доступа к моделям к продаже уровней интеллекта:
1. Deep research для всех платных пользователей.
- Plus, Team, Edu и Enterprise получают 10 запросов/месяц
- Pro пользователи — 120 запросов/месяц
2. Advanced Voice на базе GPT-4o mini для бесплатных пользователей:
- Бесплатный доступ к технологии, но с ограничениями
- Plus и Pro получают расширенные возможности
В то же время Alibaba бросает вызов в сфере ИИ-видео и выпускает Wan2.1 — набор продвинутых моделей для видео:
- Генерация в 2,5 раза быстрее SOTA моделей
- Превосходная работа со сложными движениями и физикой
- Работает на китайском и английском языках.
Что это значит для рынка ИИ?
1. Базовые модели становятся товаром. Как мы писали ранее, базовые ИИ-модели станут как ОС — широкодоступными и дешевыми. Мы наблюдаем это в реальном времени с ценовой политикой DeepSeek.
2. Смещение ценности к специализированным решениям.
OpenAI фокусируется на создании функций вроде Deep research — это уже не просто API, а готовое решение конкретной проблемы.
3. Многоуровневая стратегия монетизации.
Компании четко сегментируют функциональность по уровням подписки:
- Бесплатный уровень: базовые возможности
- Plus/Team: доступ к продвинутым функциям с ограничениями
- Pro/Enterprise: максимальные возможности
4. Эффективность вместо сырой мощности. DeepSeek с их компактным, но мощным DeepGEMM подтверждает, что "алгоритмы становятся эффективнее" и "маленькие дистиллированные модели показывают хорошие результаты".
Telegram
Все о блокчейн/мозге/space/WEB 3.0 в России и мире
❗️Смена экономики:не ИТ-железо и не базовые ИИ-модели будут иметь долгосрочную ценность
Почему гонка за строительством ЦОДов может оказаться ошибкой, и как ИИ- агенты изменят расстановку сил в технологическом секторе?
В то время как участники WEF в Давосе…
Почему гонка за строительством ЦОДов может оказаться ошибкой, и как ИИ- агенты изменят расстановку сил в технологическом секторе?
В то время как участники WEF в Давосе…
⚡️2-й по величине банк США BoFA готовится выпустить свой стейблкоин
Скоро Bank of America предложит собственные стейблкоины, которые будут привязаны к депозитным счетам в $, об этом заявил СЕО банка.
Ранее советник Трампа, Сакс, представил план развития криптовалют в стране, где стейблкоины - приоритет #1.
О том, что стейблкоины сыграют большую роль в финансовой сфере, мы писали здесь. А также тут про принятие Дубаем решения о стейблкоинах.
А здесь про ОАЭ.
Скоро Bank of America предложит собственные стейблкоины, которые будут привязаны к депозитным счетам в $, об этом заявил СЕО банка.
Ранее советник Трампа, Сакс, представил план развития криптовалют в стране, где стейблкоины - приоритет #1.
О том, что стейблкоины сыграют большую роль в финансовой сфере, мы писали здесь. А также тут про принятие Дубаем решения о стейблкоинах.
А здесь про ОАЭ.
Fortune
Bank of America's CEO says stablecoins are coming very soon
Digital currency was among the topics discussed at the Economic Club of Washington, D.C.'s event.
Инвесторы оценивают Perplexity уже в $15млрд, 2 месяца назад оценка была $9млрд
Это уже 4-й раунд за год, что даже для горячего рынка ИИ — бешеный темп. Пока все на ранней стадии, и стартап, похоже, не спешит её принимать.
Интересно то, что в январе этого года Perplexity преодолел отметку в $80 млн годовой выручки от подписок (ARR), что на 60% больше, чем $50 млн в октябре 2024 года. Это примерно $7 млн в месяц.
Оценка в $15 млрд даёт мультипликатор 188x от будущей выручки — третий среди топовых ИИ-стартапов.
Венчурные инвесторы верят, что ИИ-приложения вроде Perplexity оправдают высокие оценки, потому что они растут быстрее, чем софтверные компании прошлого поколения. Сейчас стартап зарабатывает на подписках, но уже смотрит на рекламу, API для разработчиков и даже анонсировал браузер.
Вы спросите зачем столько денег стартапу, который собрал уже почти $1 млрд, хотя не создаёт свои собственные ИИ-модели?
Деньги нужны на расширение продуктов (например, Deep Research — их новый ИИ-агент для исследований и на конкуренцию с OpenAI, Meta(запрещенная в РФ) и Google.
Но есть и второй мотив — стать известным потребительским брендом. Они активно наращивают аудиторию (с 26,3 млн посещений сайта год назад до почти 100 млн сейчас) через бесплатные подписки для студентов и госслужащих, а также маркетинговые акции.
Perplexity - это история про то, как ИИ-стартап с работающей бизнес-моделью (выручка есть!) может привлекать огромные инвестиции, даже не будучи разработчиком моделей. Их стратегия — не только заработать, но и захватить умы пользователей, пока рынок ИИ-поиска ещё формируется.
Вопрос в том, хватит ли им капитала и скорости, чтобы обойти гигантов, которые тоже не стоят на месте.
А также доказать, что их продукт — это не просто модная игрушка, а долгосрочная альтернатива традиционному поиску. Пока они на волне хайпа, но если выручка дойдёт до $200–300 млн ARR в ближайшие пару лет, $15 млрд будут выглядеть вполне разумно. А вот $50 млрд с TikTok — это уже больше про геополитику и амбиции, чем про реальную стоимость на сегодня.
Это уже 4-й раунд за год, что даже для горячего рынка ИИ — бешеный темп. Пока все на ранней стадии, и стартап, похоже, не спешит её принимать.
Интересно то, что в январе этого года Perplexity преодолел отметку в $80 млн годовой выручки от подписок (ARR), что на 60% больше, чем $50 млн в октябре 2024 года. Это примерно $7 млн в месяц.
Оценка в $15 млрд даёт мультипликатор 188x от будущей выручки — третий среди топовых ИИ-стартапов.
Венчурные инвесторы верят, что ИИ-приложения вроде Perplexity оправдают высокие оценки, потому что они растут быстрее, чем софтверные компании прошлого поколения. Сейчас стартап зарабатывает на подписках, но уже смотрит на рекламу, API для разработчиков и даже анонсировал браузер.
Вы спросите зачем столько денег стартапу, который собрал уже почти $1 млрд, хотя не создаёт свои собственные ИИ-модели?
Деньги нужны на расширение продуктов (например, Deep Research — их новый ИИ-агент для исследований и на конкуренцию с OpenAI, Meta(запрещенная в РФ) и Google.
Но есть и второй мотив — стать известным потребительским брендом. Они активно наращивают аудиторию (с 26,3 млн посещений сайта год назад до почти 100 млн сейчас) через бесплатные подписки для студентов и госслужащих, а также маркетинговые акции.
Perplexity - это история про то, как ИИ-стартап с работающей бизнес-моделью (выручка есть!) может привлекать огромные инвестиции, даже не будучи разработчиком моделей. Их стратегия — не только заработать, но и захватить умы пользователей, пока рынок ИИ-поиска ещё формируется.
Вопрос в том, хватит ли им капитала и скорости, чтобы обойти гигантов, которые тоже не стоят на месте.
А также доказать, что их продукт — это не просто модная игрушка, а долгосрочная альтернатива традиционному поиску. Пока они на волне хайпа, но если выручка дойдёт до $200–300 млн ARR в ближайшие пару лет, $15 млрд будут выглядеть вполне разумно. А вот $50 млрд с TikTok — это уже больше про геополитику и амбиции, чем про реальную стоимость на сегодня.
The Information
Is Perplexity Worth $15 Billion?
Before we get into today’s column, leaders at OpenAI have told some employees that GPT-4.5—the model known internally as Orion—will be released this week, according to a person with knowledge of the conversations.Don’t get too excited though. A person who’s…
Голосовой помощник Alexa от Amazon сегодня стал ИИ-агентом с «мозгами» Claude
Сегодня представили обновленную Alexa+ и это не просто голосовой помощник в привычном понимании.
«Мозг» у Alexa от Claude и теперь система способна к более сложным взаимодействиям:
1. может вести диалог с учетом контекста. Те кто пользуются Claude, те понимают качество.
2. адаптироваться к предпочтениям пользователя, благодаря Claude Alexa может стать очень эмпатичной.
3. самостоятельно принимать решения для выполнения задач, таких как заказ продуктов или управление умным домом.
Сегодня представили обновленную Alexa+ и это не просто голосовой помощник в привычном понимании.
«Мозг» у Alexa от Claude и теперь система способна к более сложным взаимодействиям:
1. может вести диалог с учетом контекста. Те кто пользуются Claude, те понимают качество.
2. адаптироваться к предпочтениям пользователя, благодаря Claude Alexa может стать очень эмпатичной.
3. самостоятельно принимать решения для выполнения задач, таких как заказ продуктов или управление умным домом.
Fortune
Amazon's new AI-powered Alexa is finally here — for $20 a month
Ten years after Amazon debuted its virtual assistant, Alexa is finally being upgraded for the generative AI age. Meet Alexa+.
Набиуллина: к цифровому ₽ много замечаний, массовое внедрение откладывается на более поздний срок, чем планировалось
Глава ЦБ Э. Набиуллина заявила, что регулятор получает от отрасли вопросы об объемах необходимых доработок и запросы о сдвиге сроков широкого внедрения цифрового рубля. Ранее ЦБ заявлял, что с 1 июля 2025 года начнется массовое внедрение.
Бизнес, банки и правительство выразили заинтересованность в проведении смарт-контрактов, для которых цифровой рубль предоставляет больше возможностей.
В ЦБ хотят сделать это направление одним из приоритетных в развитии проекта.
Ранее мы писали о проблемах, с которыми столкнулся проект ЦБ.
А здесь был наш анализ о том, почему цифровой рубль не рабочая тема для сегодняшнего и завтрашнего дня.
Глава ЦБ Э. Набиуллина заявила, что регулятор получает от отрасли вопросы об объемах необходимых доработок и запросы о сдвиге сроков широкого внедрения цифрового рубля. Ранее ЦБ заявлял, что с 1 июля 2025 года начнется массовое внедрение.
Бизнес, банки и правительство выразили заинтересованность в проведении смарт-контрактов, для которых цифровой рубль предоставляет больше возможностей.
В ЦБ хотят сделать это направление одним из приоритетных в развитии проекта.
Ранее мы писали о проблемах, с которыми столкнулся проект ЦБ.
А здесь был наш анализ о том, почему цифровой рубль не рабочая тема для сегодняшнего и завтрашнего дня.
РБК
ЦБ отложил массовое внедрение цифрового рубля
В ЦБ учли просьбы перенести широкое внедрение цифрового рубля. Новые сроки назовут после того, как все детали проекта будут отработаны в рамках пилота
Сейчас будет просто топовый пост! Это очень крутая разработка!
Все о блокчейн/мозге/space/WEB 3.0 в России и мире
💸Экс-сотрудники Google создали компанию Physical Intelligence (π.com!). Они будут создавать AGI для роботов Им уже на старте венчурные инвесторы отдали $70 млн, в частности такие фонды, как Thrive, Khosla, Lux и Sequoia. Physical Intelligence состоит из…
Ex сотрудники Google дали роботам «внутренний голос», который есть у людей
Новая разработка Hi Robot от Physical Intelligence превосходит GPT-4o на 40% по точности выполнения инструкций.
Ключевое - у технологии целостностный подход, объединяющий зрительное восприятие, языковое понимание, осознанное рассуждение "внутренним голосом" и действие в единой архитектуре, которая обучается и адаптируется как единое целое.
Представьте, что вы готовите новое блюдо по рецепту. Вы мысленно проговариваете каждый шаг: «сначала нарезать лук, теперь добавить соль...» Этот «внутренний голос» — не интуиция, а осознанное, вербализованное мышление, ключевая часть человеческого разума при решении сложных задач.
Теперь такой же механизм получили роботы от стартапа Physical Intelligence, чья команда состоит из экс- сотрудников Google, основавших в марте 2024 года компанию Physical Intelligence.
Hi Robot (Hierarchical Interactive Robot) — технология, которая позволяет роботам справляться со сложными задачами, разбивая их на простые шаги и адаптируясь к указаниям человека в реальном времени.
Эта технология состоит из:
1. Двухуровневого мышления по модели Канемана.
Система напрямую воплощает знаменитую теорию нобелевского лауреата Даниэля Канемана о двух системах мышления, описанную в его работе «Думай медленно... решай быстро»:
«Система 1» (быстрая, автоматическая, интуитивная) — реализована низкоуровневой моделью π0, которая выполняет конкретные действия без видимых усилий.
«Система 2» (медленная, рассудительная, требующая внимания) — представлена высокоуровневой политикой, которая анализирует задачу, разбивает её на шаги и адаптируется к обратной связи.
Именно эта "Система 2" создаёт тот самый "внутренний голос", который проговаривает сложные задачи, делая их понятными и выполнимыми.
2. Единого фундамента для обоих уровней мышления.
В отличие от конкурентов, Hi Robot использует одну и ту же базовую модель PaliGemma-3B VLM для обоих уровней иерархии, что обеспечивает согласованность и более естественную коммуникацию между уровнями "мышления" робота.
3. Реального понимания контекста.
Система не просто выполняет команды — она понимает их в контексте ситуации. Когда вы говорите роботу «это не мусор» во время уборки стола, Hi Robot понимает, что вы указываете на конкретный объект, который робот в данный момент держит, и корректирует своё поведение.
4. Интеграции знаний из интернета.
Благодаря предварительному обучению на данных из интернета, Hi Robot обладает "здравым смыслом" и общими знаниями о мире. Это позволяет ей лучше реагировать на неожиданные ситуации и интерпретировать расплывчатые команды.
Hi Robot уже протестирован на реальных задачах, например:
Приготовление бутербродов: «Сделай мне бутерброд с сыром и ростбифом, но без помидоров»
Уборка стола: «Убери только мусор, но не посуду» или «Собери только желтоватые предметы»
Покупки в магазине: «Мне нужны чипсы, Oreo и напитки для киновечера»
При этом вы можете вмешиваться в процесс: «Оставь это», «Я хочу также KitKat», «Это не мусор!», и робот адаптируется к вашим указаниям без перепрограммирования.
Технические инновации:
В основе Hi Robot лежат передовые технологии, разработанные Physical Intelligence:
π0 — 1-я универсальная модель управления роботами, аналог GPT для физического мира.
FAST — метод токенизации действий, повышающий точность и скорость обучения в 5 раз.
Сравнение с конкурентами
Hi Robot сильно выделяется среди аналогичных проектов в этой области:
RT-2 (Google DeepMind) — модель vision-language-action, но без явного разделения на высокий и низкий уровни мышления. Hi Robot превосходит её в обработке обратной связи в реальном времени.
SayCan (Google) — использует языковые модели для планирования, но опирается на предопределённые навыки. Hi Robot предлагает более тесную интеграцию зрения и языка.
PaLM-E (Google) — единая сквозная модель без иерархии, что ограничивает её способности к адаптации и рассуждению.
YAY Robot (Stanford) — фокусируется на коррекции ошибок, но имеет более узкие возможности для сложного планирования.
Новая разработка Hi Robot от Physical Intelligence превосходит GPT-4o на 40% по точности выполнения инструкций.
Ключевое - у технологии целостностный подход, объединяющий зрительное восприятие, языковое понимание, осознанное рассуждение "внутренним голосом" и действие в единой архитектуре, которая обучается и адаптируется как единое целое.
Представьте, что вы готовите новое блюдо по рецепту. Вы мысленно проговариваете каждый шаг: «сначала нарезать лук, теперь добавить соль...» Этот «внутренний голос» — не интуиция, а осознанное, вербализованное мышление, ключевая часть человеческого разума при решении сложных задач.
Теперь такой же механизм получили роботы от стартапа Physical Intelligence, чья команда состоит из экс- сотрудников Google, основавших в марте 2024 года компанию Physical Intelligence.
Hi Robot (Hierarchical Interactive Robot) — технология, которая позволяет роботам справляться со сложными задачами, разбивая их на простые шаги и адаптируясь к указаниям человека в реальном времени.
Эта технология состоит из:
1. Двухуровневого мышления по модели Канемана.
Система напрямую воплощает знаменитую теорию нобелевского лауреата Даниэля Канемана о двух системах мышления, описанную в его работе «Думай медленно... решай быстро»:
«Система 1» (быстрая, автоматическая, интуитивная) — реализована низкоуровневой моделью π0, которая выполняет конкретные действия без видимых усилий.
«Система 2» (медленная, рассудительная, требующая внимания) — представлена высокоуровневой политикой, которая анализирует задачу, разбивает её на шаги и адаптируется к обратной связи.
Именно эта "Система 2" создаёт тот самый "внутренний голос", который проговаривает сложные задачи, делая их понятными и выполнимыми.
2. Единого фундамента для обоих уровней мышления.
В отличие от конкурентов, Hi Robot использует одну и ту же базовую модель PaliGemma-3B VLM для обоих уровней иерархии, что обеспечивает согласованность и более естественную коммуникацию между уровнями "мышления" робота.
3. Реального понимания контекста.
Система не просто выполняет команды — она понимает их в контексте ситуации. Когда вы говорите роботу «это не мусор» во время уборки стола, Hi Robot понимает, что вы указываете на конкретный объект, который робот в данный момент держит, и корректирует своё поведение.
4. Интеграции знаний из интернета.
Благодаря предварительному обучению на данных из интернета, Hi Robot обладает "здравым смыслом" и общими знаниями о мире. Это позволяет ей лучше реагировать на неожиданные ситуации и интерпретировать расплывчатые команды.
Hi Robot уже протестирован на реальных задачах, например:
Приготовление бутербродов: «Сделай мне бутерброд с сыром и ростбифом, но без помидоров»
Уборка стола: «Убери только мусор, но не посуду» или «Собери только желтоватые предметы»
Покупки в магазине: «Мне нужны чипсы, Oreo и напитки для киновечера»
При этом вы можете вмешиваться в процесс: «Оставь это», «Я хочу также KitKat», «Это не мусор!», и робот адаптируется к вашим указаниям без перепрограммирования.
Технические инновации:
В основе Hi Robot лежат передовые технологии, разработанные Physical Intelligence:
π0 — 1-я универсальная модель управления роботами, аналог GPT для физического мира.
FAST — метод токенизации действий, повышающий точность и скорость обучения в 5 раз.
Сравнение с конкурентами
Hi Robot сильно выделяется среди аналогичных проектов в этой области:
RT-2 (Google DeepMind) — модель vision-language-action, но без явного разделения на высокий и низкий уровни мышления. Hi Robot превосходит её в обработке обратной связи в реальном времени.
SayCan (Google) — использует языковые модели для планирования, но опирается на предопределённые навыки. Hi Robot предлагает более тесную интеграцию зрения и языка.
PaLM-E (Google) — единая сквозная модель без иерархии, что ограничивает её способности к адаптации и рассуждению.
YAY Robot (Stanford) — фокусируется на коррекции ошибок, но имеет более узкие возможности для сложного планирования.
www.pi.website
Teaching Robots to Listen and Think Harder
Physical Intelligence is bringing general-purpose AI into the physical world.
⚡️Квантовая гонка mode on: Amazon представил свой чип
Amazon Web Services представила Ocelot – 1-й квантовый чип компании, основанный на подходе к квантовой коррекции ошибок.
В отличие от традиционных методов, требующих тысяч физических кубитов для создания одного стабильного логического кубита, Ocelot обещает снизить эту избыточность на 90%.
Проект Amazon (Ocelot)
предлагает постепенное масштабирование с фокусом на аппаратную эффективность.
Amazon делает ставку на надежность и эффективность, опираясь на твердую научную базу. Если Ocelot действительно способен снизить требования к физическим ресурсам на порядок, это может сделать масштабирование квантовых компьютеров гораздо более реалистичным в среднесрочной перспективе.
Google (Willow) предлагает:
- 105 кубитов, способных решать задачи, недоступные суперкомпьютерам
- Фокус на практическое квантовое превосходство уже сегодня
Microsoft (Majorana 1):
- Топологические кубиты на основе нового состояния материи
- Потенциал размещения миллиона кубитов на одном чипе
- Наиболее амбициозный подход с высокими рисками и потенциально высокой отдачей
Квантовая гонка обостряется, и каждый из технологических гигантов выбрал свой путь.
Amazon Web Services представила Ocelot – 1-й квантовый чип компании, основанный на подходе к квантовой коррекции ошибок.
В отличие от традиционных методов, требующих тысяч физических кубитов для создания одного стабильного логического кубита, Ocelot обещает снизить эту избыточность на 90%.
Проект Amazon (Ocelot)
предлагает постепенное масштабирование с фокусом на аппаратную эффективность.
Amazon делает ставку на надежность и эффективность, опираясь на твердую научную базу. Если Ocelot действительно способен снизить требования к физическим ресурсам на порядок, это может сделать масштабирование квантовых компьютеров гораздо более реалистичным в среднесрочной перспективе.
Google (Willow) предлагает:
- 105 кубитов, способных решать задачи, недоступные суперкомпьютерам
- Фокус на практическое квантовое превосходство уже сегодня
Microsoft (Majorana 1):
- Топологические кубиты на основе нового состояния материи
- Потенциал размещения миллиона кубитов на одном чипе
- Наиболее амбициозный подход с высокими рисками и потенциально высокой отдачей
Квантовая гонка обостряется, и каждый из технологических гигантов выбрал свой путь.
Telegram
All about AI, Web 3.0, BCI
Amazon announced they have developed their own quantum chip; the Ocelot.
This follows Microsoft's reveal last week of their Majorana 1.
'We believe that scaling Ocelot to a full-fledged quantum computer capable of transformative societal impact would require…
This follows Microsoft's reveal last week of their Majorana 1.
'We believe that scaling Ocelot to a full-fledged quantum computer capable of transformative societal impact would require…
Стейблкоины+ИИ - база нового финансового ландшафта, пишут основатели Stripe в своем годовом письме
Братья Коллинс, которые являются сегодня вместе со своим Stripe главными трендсеттерами финансовой трансформации мира описали то, что уже происходит и будет происходить с миром финансов.
По данным платёжной компании Stripe, 2 силы перестраивают всю архитектуру экономики: стейблкоины и ИИ.
Масштабная реформа рынка капитала no sexy, но она необходима.
Стейблкоины — это новая ветвь денежного дерева. Они обладают 4 ключевыми преимуществами:
1. Делают транзакции дешевле
2. Делают их быстрее
3. Глобально доступны сразу
4. Полностью программируемы
За год объем их транзакций удвоился, достигнув 40 млн активных кошельков.
Stripe говорит, что они уже ведут переговоры с крупнейшими мировыми компаниями, помогая им разрабатывать стратегии использования стейблкоинов для глобального расширения и хранения средств.
Экономика ИИ -беспрецедентный рост.
Стартапы в сфере ИИ достигают невиданных темпов роста.
1. Cursor достиг $100млн дохода за 3 года,
2. Lovable — $17млн за 3 месяца,
3. Bolt — $20 млн за 2 месяца.
Самое интересное — эволюция от горизонтальных решений к вертикальным. Как SaaS прошел путь от универсальных платформ (Salesforce) к отраслевым (Toast), так и ИИ движется от ChatGPT к специализированным инструментам.
2 важные тенденции формируют будущее:
1. ИИ-агенты меняют коммерцию. 700+ стартапов уже запущено на платформе Stripe, где ИИ-агенты сами совершают покупки через виртуальные карты, а пользователи программно контролируют авторизации.
2. Вертикальный SaaS делает технологии будущего доступными малому бизнесу. Это особенно важно, учитывая что исследования показывают: крупные фирмы традиционно быстрее внедряют инновации.
Компании, которые сегодня осваивают стейблкоины и ИИ, получат завтра решающее преимущество. А интернет-нативные, программируемые финансовые услуги станут фундаментом новой экономики.
Братья Коллинс, которые являются сегодня вместе со своим Stripe главными трендсеттерами финансовой трансформации мира описали то, что уже происходит и будет происходить с миром финансов.
По данным платёжной компании Stripe, 2 силы перестраивают всю архитектуру экономики: стейблкоины и ИИ.
Масштабная реформа рынка капитала no sexy, но она необходима.
Стейблкоины — это новая ветвь денежного дерева. Они обладают 4 ключевыми преимуществами:
1. Делают транзакции дешевле
2. Делают их быстрее
3. Глобально доступны сразу
4. Полностью программируемы
За год объем их транзакций удвоился, достигнув 40 млн активных кошельков.
Stripe говорит, что они уже ведут переговоры с крупнейшими мировыми компаниями, помогая им разрабатывать стратегии использования стейблкоинов для глобального расширения и хранения средств.
Экономика ИИ -беспрецедентный рост.
Стартапы в сфере ИИ достигают невиданных темпов роста.
1. Cursor достиг $100млн дохода за 3 года,
2. Lovable — $17млн за 3 месяца,
3. Bolt — $20 млн за 2 месяца.
Самое интересное — эволюция от горизонтальных решений к вертикальным. Как SaaS прошел путь от универсальных платформ (Salesforce) к отраслевым (Toast), так и ИИ движется от ChatGPT к специализированным инструментам.
2 важные тенденции формируют будущее:
1. ИИ-агенты меняют коммерцию. 700+ стартапов уже запущено на платформе Stripe, где ИИ-агенты сами совершают покупки через виртуальные карты, а пользователи программно контролируют авторизации.
2. Вертикальный SaaS делает технологии будущего доступными малому бизнесу. Это особенно важно, учитывая что исследования показывают: крупные фирмы традиционно быстрее внедряют инновации.
Компании, которые сегодня осваивают стейблкоины и ИИ, получат завтра решающее преимущество. А интернет-нативные, программируемые финансовые услуги станут фундаментом новой экономики.
Stripe
Stripe’s 2024 annual letter
We’re as enthusiastic as ever about the long-term trends in the internet economy. Hopefully you’ll read this letter and agree.
OpenAI выпустила новую модель GPT-4.5, чья база знаний ограничена октябрем 2023 года. Вот, что нужно знать о ней
В отличие от недавних ИИ-моделей, ориентированных на рассуждения (o1, o3-mini), GPT-4.5 превосходит в задачах, требующих "мягких навыков", творчества и широких знаний, а не математики или программирования.
Ключевые особенности:
Модель обучалась на огромных мощностях, что даже у компании закончились GPU: 10-кратное увеличение вычислительных ресурсов по сравнению с GPT-4. Для обучения использовались несколько датацентров одновременно.
Стоимость - $75 за млн токенов на входе и $150 за миллион на выходе – в 15-30 раз дороже GPT-4o.
Производительность и контекст генерация заметно медленнее предшественников, длина контекста осталась на уровне 128K токенов. База знаний ограничена октябрем 2023 года.
Функциональность Поддерживает Canvas, поиск и загрузку файлов. Пока не имеет мультимодальных функций типа голосового режима или видео.
Уже доступна Pro-пользователям и разработчикам всех API-тиров
На следующей неделе появится для Plus-подписчиков ($20)
OpenAI планирует добавить "десятки тысяч GPU" на следующей неделе для расширения доступа.
Результаты независимых бенчмарков - Aider Polyglot Coding Benchmark: GPT-4.5 Preview существенно превосходит своего предшественника, но уступает специализированным моделям:
Claude 3.7 Sonnet с режимом мышления (32k токенов) — 65%
Claude 3.7 Sonnet без режима мышления — 60%
DeepSeek V3 — 48%
GPT-4.5 Preview — 45%
ChatGPT-4o — 27%
GPT-4o — 23%
В отличие от недавних ИИ-моделей, ориентированных на рассуждения (o1, o3-mini), GPT-4.5 превосходит в задачах, требующих "мягких навыков", творчества и широких знаний, а не математики или программирования.
Ключевые особенности:
Модель обучалась на огромных мощностях, что даже у компании закончились GPU: 10-кратное увеличение вычислительных ресурсов по сравнению с GPT-4. Для обучения использовались несколько датацентров одновременно.
Стоимость - $75 за млн токенов на входе и $150 за миллион на выходе – в 15-30 раз дороже GPT-4o.
Производительность и контекст генерация заметно медленнее предшественников, длина контекста осталась на уровне 128K токенов. База знаний ограничена октябрем 2023 года.
Функциональность Поддерживает Canvas, поиск и загрузку файлов. Пока не имеет мультимодальных функций типа голосового режима или видео.
Уже доступна Pro-пользователям и разработчикам всех API-тиров
На следующей неделе появится для Plus-подписчиков ($20)
OpenAI планирует добавить "десятки тысяч GPU" на следующей неделе для расширения доступа.
Результаты независимых бенчмарков - Aider Polyglot Coding Benchmark: GPT-4.5 Preview существенно превосходит своего предшественника, но уступает специализированным моделям:
Claude 3.7 Sonnet с режимом мышления (32k токенов) — 65%
Claude 3.7 Sonnet без режима мышления — 60%
DeepSeek V3 — 48%
GPT-4.5 Preview — 45%
ChatGPT-4o — 27%
GPT-4o — 23%
Openai
Introducing GPT-4.5
We’re releasing a research preview of GPT‑4.5—our largest and best model for chat yet. GPT‑4.5 is a step forward in scaling up pre-training and post-training.
Бизнес консалтингу конец. Теперь их работа - ПО. ИИ-агенты, заточенные под конкретные задачи и исследования забирают их кусок пирога
Услуги, которые всего пару лет назад могли предоставить только консультанты McKinsey за огромные деньги теперь доступны через ПО на базе ИИ по цене месячной подписки на Netflix. Уже сегодня есть Deep Research от OpenAI, у Google и Anthropic свои аналогичные продукты. Их сегодняшний минус в том, что нет доступа к данным компаний.
Но стартапы уже решают эту задачу. You.com представили Advanced Research & Insights (ARI) - это ИИ, агент, который за 5 минут вместо недель работы команды консультантов от McKinsey/BCG/KPMG сделает для вас работу.
Одновременный анализ 400 источников (в 10 раз больше конкурентов).
$100,000+ экономия на каждом исследовательском проекте.
Профессиональное форматирование, визуализации и кликабельные цитаты.
Более того Perplexity собираются сделать 4 конкретных продукта:
1. Консультант «McKinsey» как программное обеспечение
2. Венчурный инвестор как программное обеспечение
3. Аналитик финансового планирования и анализа как программное обеспечение
4. Юридическое/комплаенс-обеспечение как программное обеспечение
По сути, ИИ-инструменты заменят функции дорогостоящих специалистов (консультантов, инвесторов, аналитиков, юристов), автоматизируя их работу с помощью технологий глубоких исследований и ИИ.
Услуги, которые всего пару лет назад могли предоставить только консультанты McKinsey за огромные деньги теперь доступны через ПО на базе ИИ по цене месячной подписки на Netflix. Уже сегодня есть Deep Research от OpenAI, у Google и Anthropic свои аналогичные продукты. Их сегодняшний минус в том, что нет доступа к данным компаний.
Но стартапы уже решают эту задачу. You.com представили Advanced Research & Insights (ARI) - это ИИ, агент, который за 5 минут вместо недель работы команды консультантов от McKinsey/BCG/KPMG сделает для вас работу.
Одновременный анализ 400 источников (в 10 раз больше конкурентов).
$100,000+ экономия на каждом исследовательском проекте.
Профессиональное форматирование, визуализации и кликабельные цитаты.
Более того Perplexity собираются сделать 4 конкретных продукта:
1. Консультант «McKinsey» как программное обеспечение
2. Венчурный инвестор как программное обеспечение
3. Аналитик финансового планирования и анализа как программное обеспечение
4. Юридическое/комплаенс-обеспечение как программное обеспечение
По сути, ИИ-инструменты заменят функции дорогостоящих специалистов (консультантов, инвесторов, аналитиков, юристов), автоматизируя их работу с помощью технологий глубоких исследований и ИИ.
You
You.com | AI for workplace productivity
Artificial intelligence designed for collaboration - with AI Agents that can research, solve problems, and create content for you and your team.
Создана 1-я генетическая ИИ-модель, связывающая геномы с заболеваниями на молекулярном уровне.
GSK в сотрудничестве с учеными из Harvard Medical School, Max Planck Institute и University of Oxford представили Phenformer.
Phenformer создает многоуровневую карту связей между вашей ДНК, экспрессией генов в различных типах клеток и риском развития заболеваний.
Phenformer создавался не с нуля, а использовал уже существующую модель Enformer от DeepMind в качестве фундаментального компонента своей архитектуры.
Модель анализирует последовательности ДНК длиной до 88 миллионов пар оснований – почти в 100 раз больше, чем существующие генетические модели.
Для разработки Phenformer использовались данные секвенирования целых геномов 150 076 человек из UK Biobank.
Ключевые достижения:
1. Расшифровка скрытых механизмов заболеваний Phenformer обнаружил неочевидные связи между генетическими вариациями и болезнями.
2. Превосходная точность прогнозирования. Модель превосходит существующие методы предсказания индивидуального риска заболеваний на 4,2% в смешанных популяциях и на 11,2% в неевропейских группах.
3. Молекулярная стратификация пациентов Phenformer выявляет генетические подтипы заболеваний, объясняющие различную предрасположенность к сопутствующим патологиям.
4. Биологически обоснованная архитектура. Phenformer имитирует биологический принцип передачи информации: ДНК → клеточный контекст → экспрессия генов → заболевание.
Эта технология открывает путь к персонализированной медицине нового уровня:
- Разработка более точных средств диагностики и предсказания риска заболеваний
- Более глубокое понимание молекулярных механизмов болезней
- Выявление новых терапевтических мишеней
- Разработка лекарств, нацеленных на конкретные молекулярные подтипы заболеваний
GSK в сотрудничестве с учеными из Harvard Medical School, Max Planck Institute и University of Oxford представили Phenformer.
Phenformer создает многоуровневую карту связей между вашей ДНК, экспрессией генов в различных типах клеток и риском развития заболеваний.
Phenformer создавался не с нуля, а использовал уже существующую модель Enformer от DeepMind в качестве фундаментального компонента своей архитектуры.
Модель анализирует последовательности ДНК длиной до 88 миллионов пар оснований – почти в 100 раз больше, чем существующие генетические модели.
Для разработки Phenformer использовались данные секвенирования целых геномов 150 076 человек из UK Biobank.
Ключевые достижения:
1. Расшифровка скрытых механизмов заболеваний Phenformer обнаружил неочевидные связи между генетическими вариациями и болезнями.
2. Превосходная точность прогнозирования. Модель превосходит существующие методы предсказания индивидуального риска заболеваний на 4,2% в смешанных популяциях и на 11,2% в неевропейских группах.
3. Молекулярная стратификация пациентов Phenformer выявляет генетические подтипы заболеваний, объясняющие различную предрасположенность к сопутствующим патологиям.
4. Биологически обоснованная архитектура. Phenformer имитирует биологический принцип передачи информации: ДНК → клеточный контекст → экспрессия генов → заболевание.
Эта технология открывает путь к персонализированной медицине нового уровня:
- Разработка более точных средств диагностики и предсказания риска заболеваний
- Более глубокое понимание молекулярных механизмов болезней
- Выявление новых терапевтических мишеней
- Разработка лекарств, нацеленных на конкретные молекулярные подтипы заболеваний