Mistral запустила AI-ассистента Le Chat на iOS и Android 🤖

Компания представила обновления для своего ассистента Le Chat, включая мобильное приложение для iOS и Android. За 14 дней после релиза Le Chat успели скачать один млн раз.

Приложение предлагает стандартный чат-интерфейс. Однако голосового режима в мобильной версии пока нет. Le Chat также поддерживает русский язык.

Mistral утверждает, что Le Chat работает на самых быстрых движках вывода, обеспечивая генерацию до 1 тыс. слов в секунду. Функция Flash Answers позволяет выдавать сверхбыстрые текстовые ответы, делая взаимодействие еще более эффективным. Компания также добавила интерпретатор кода, позволяющий выполнять анализ, моделирование и визуализацию данных, а также строить графики и решать сложные математические задачи.

Кроме того, в Le Chat теперь встроен веб-поиск с цитатами, а благодаря партнерству с AFP пользователи получают доступ к актуальным новостям.

Для тех, кто хочет расширенный функционал, появился платный тариф Pro. Он включает неограниченные запросы, полный доступ к веб-поиску, анализу данных и эксклюзивным новостям, а также возможность отключить сбор пользовательских данных.

Для генерации изображений используется Flux Ultra от Black Forest Labs — одна из ведущих генеративных моделей для изображений.

Le Chat можно развернуть на собственной инфраструктуре с кастомными моделями и UI, что делает его привлекательным для банков и оборонных организаций с высокими требованиями к безопасности.

В основе Le Chat лежат флагманские языковые модели Mistral, включая Mistral Large и Pixtral Large (мультимодальная модель).

Mistral Large 2 продемонстрировала высокие результаты на нескольких бенчмарках, особенно в области генерации кода и математики. В частности, на бенчмарке Massive Multitask Language Understanding (MMLU) модель достигла точности 84,0%. Pixtral Large построена на основе Mistral Large 2. По бенчмарке MathVista, которая оценивает сложные математические рассуждения по визуальным данным, модель достигает 69,4%.

OpenAI пытается продлить жизнь человека с помощью AI 🔬

OpenAI впервые применила свои разработки в биотехнологиях. Их новая AI-модель GPT-4b micro может предлагать способы модификации белков, способных эффективно превращать обычные клетки в стволовые. Этот подход может значительно ускорить исследования в области регенеративной медицины и продления жизни.

Стартап по исследованиям долголетия Retro Biosciences год назад предложил OpenAI сотрудничество в оптимизации Yamanaka-факторов — белков, способных возвращать клетки в стволовое состояние.

GPT-4b micro — это пример малой языковой модели, которая работает с узкоспециализированным набором данных. Она была обучена на генетических последовательностях белков разных видов и взаимодействиях между ними.

Модель использует тактику few-shot prompting, при которой исследователи предоставляют примеры правильных решений, а AI затем генерирует свои предложения. Этот AI-подход отличается от удостоенной Нобелевской премии модели AlphaFold от Google.

Как AI меняет процесс разработки веб-приложений 🖥

AI-инструменты снижают порог входа для пользователей без технических навыков и меняет саму парадигму создания веб-приложений, перенося фокус с кода на логику продукта. Разберем, как такие инструменты помогают начинающим и опытным разработчикам, какие у них есть ограничения и что ждет эту технологию в будущем.

Бум AI-сервисов для веб-разработки

Многие пользователи создают веб-приложения и сайты с помощью таких AI-инструментов, как Bolt, Lovable и v0. Эти сервисы позволяют разрабатывать динамические продукты и даже монетизировать их без необходимости писать код. Например, Bolt достиг показателя годового дохода в $20 млн, а Lovable — $10 млн всего за два месяца после начала монетизации.

Рынок генеративного AI в разработке программного обеспечения демонстрирует значительный рост, который продолжится в ближайшие годы.

Как AI-инструменты работают

Если раньше стек технологий подразумевал использование различных библиотек и фреймворков, то сейчас пользователи работают на уровне естественного языка и графического интерфейса. При этом некоторые сервисы, такие как v0, позволяют экспортировать сгенерированный код.

AI-продукты подразделяются на два ключевых направления:

🟢Генерация статических сайтов — подходят для создания информационных страниц, лендингов и простых веб-сайтов (Bolt, Lovable, Wix AI);
🟢Генерация динамических веб-приложений — позволяет разрабатывать интерактивные сервисы с авторизацией, базами данных и сложной логикой (v0, Replit Agent, Supabase).

AI-решения включают в себя три ключевых компонента: генерацию интерфейсов, генерацию кода и AI-управляемый хостинг. Системы, такие как Uizard, могут преобразовывать эскизы в рабочие HTML/CSS-макеты. Модели типа Codex от OpenAI или GitHub Copilot помогают в написании сложной логики.

Сервисы Vercel AI или Cloudflare AI Workers оптимизируют развертывание и масштабирование приложений. Инструмент Inngest позволяет управлять обработкой запросов и взаимодействием с внешними API, создавая event-driven архитектуры для сложных веб-приложений.

Эволюция фронтенд-разработки помогает AI-инструментам

Современные браузеры поддерживают сложные JavaScript-фреймворки и нативные API, что значительно расширяет возможности клиентской стороны.

Бизнес-логика приложений все чаще переносится на клиентскую сторону, что позволяет улучшить производительность и уменьшить нагрузку на сервер. Эти изменения облегчают интеграцию AI-решений, таких как обработка данных в реальном времени, персонализация контента и автоматизация пользовательского опыта.

Одним из ключевых применений AI в веб-разработке также стало быстрое прототипирование. Это позволяет создавать базовые версии веб-приложений, которые затем могут быть доработаны разработчиками, как, например, уже упомянутая Uizard.

Ошибки и проблемы интеграции

Несмотря на преимущества, AI-инструменты не лишены недостатков:

🟢Подключение баз данных, платежных систем и API требует дополнительных усилий, особенно для пользователей без технического опыта;
🟢Ошибки и логические несоответствия приходится исправлять вручную;
🟢Некоторые сервисы ограничены в размере создаваемого кода, что может привести к проблемам при разработке крупных проектов;
🟢Существуют опасности утечек и несанкционированного доступа к данным;
🟢Нет инструментов тестирования, отладки и аналитики для отслеживания производительности сервисов.

Будущее за автоматизацией и персонализацией

Развитие AI-инструментов в веб-разработке ожидается в нескольких направлениях:

🟢Более точная персонализация и адаптация под разные группы пользователей;
🟢Глубокая интеграция с корпоративными системами;
🟢Улучшенная интеграция AI-решений поможет проще подключаться к популярным сервисам вроде Stripe и других;
🟢AI также может стать помощником не только в генерации кода, но и в его исправлении.

Развитие AI приведет к снижению затрат на типовые задачи, ускорению прототипирования и упрощению поддержки кода. Однако для сложных проектов традиционные методы останутся востребованными, пока AI-инструменты не достигнут высокой точности и гибкости.

Google представил Gemini 2.5 Pro ⛓

Эта AI модель относится к новому AI-семейству reasoning-моделей, которые при обработке запроса сначала «размышляют», представляя ход своих мыслей перед тем, как выдать пользователю более точный и окончательный ответ. Пользователи дополнительно могут вручную активировать функцию «размышления», чтобы увидеть ход мысли бота.

Google до этого экспериментировал с подобными моделями. В декабре компания выпустила «мыслящую» версию Gemini 2.0 Flash Thinking Experimental. Но Gemini 2.5 Pro представляет собой самую серьезную попытку компании превзойти серию reasoning-моделей от OpenAI.

На данный момент в официальных источниках Google не так много информации об архитектуре или данных обучения Gemini 2.5 Pro. Упоминается, что Google экспериментировал с цепочкой мыслей (CoT) и обучением с подкреплением (RL) с Gemini 2.0 Flash Thinking, его предыдущую моделью рассуждений.

CEO Google Сундар Пичаи назвал Gemini 2.5 Pro «самой умной моделью компании». В Google пообещали, что все новые модели Gemini будут только рассуждающими.

Gemini 2.5 Pro сейчас доступна бесплатно в Google AI Studio для всей пользователей. В ближайшее время модель появится в Vertex AI. Google также объявит ценовую политику API в ближайшие недели.

Модель улучшает работу с кодом, сложными рассуждениями и мультимодальными задачами. Gemini 2.5 Pro поддерживает работу с текстом, изображениями, видео, аудио и программным кодом. Также она демонстрирует улучшенные результаты в автоматизированной разработке приложений. Контекстное окно модели составляет 1 млн токенов на старте и будет увеличено до 2 млн.

Модель сейчас занимает первое место на открытой платформе для краудсорсинговых бенчмарков AI Chatbot Arena. Пользователи предпочитали вариант от Gemini 2.5 Pro ответам всех других моделей AI в прямой конкуренции, не зная, какую модель они оценивают.

Gemini 2.5 Pro также показывает конкурентоспособные результаты в ряде тестов. В испытании Aider Polyglot, оценивающем редактирование кода, модель набрала 68.6%, обойдя решения OpenAI, Anthropic и DeepSeek.

В тесте SWE-Bench Verified, предназначенном для оценки навыков разработки ПО, она достигла 63.8%, что выше показателей OpenAI o3-mini и DeepSeek R1, но ниже, чем у Anthropic Claude 3.7 Sonnet (70.3%). В мультимодальном тесте Humanity’s Last Exam, включающем вопросы по математике, гуманитарным и естественным наукам, модель показала результат 18.8%, превзойдя большинство ведущих AI-решений.

Первые оценки пользователей отражают как сильные стороны модели, так и выявленные недостатки. Например, Gemini 2.5 Pro удачно создала видеоигру на основе единственного текстового промпта.

Но при этом модель уступает конкурентам в кодировании и не всегда корректно обрабатывает графики в документах. Модель экспериментальная, что может означать нестабильность, а ее интеграция в облачные сервисы Google еще не завершена.

Cortical Labs представил первый коммерческий биокомпьютер 🧪

CL1 объединяет живые человеческие нейроны, выращенные из индуцированных плюрипотентных стволовых клеток (iPSCs), с кремниевой электроникой в рамках концепции Synthetic Biological Intelligence (SBI). Нейроны размещены на чипе с электродной матрицей, формируя нейросеть, которая обрабатывает информацию, демонстрируя адаптивность, характерную для биологических систем. Главное преимущество SBI — естественная адаптивность биологических нейронов.

Система, названная «body in a box», включает модуль жизнеобеспечения с фильтрацией, циркуляцией среды, газовой регуляцией и температурным контролем, обеспечивая стабильную работу нейронов до 6 месяцев. CL1 функционирует как автономный биологический процессор без постоянной зависимости от внешних компьютеров, а двунаправленный интерфейс и Python API позволяют исследователям взаимодействовать с нейросетью в реальном времени и адаптировать систему под свои задачи.

В компании утверждают, что нейронные сети из человеческих клеток создают постоянно развивающийся органический компьютер, способный обучаться быстрее, чем традиционные чипы, используемые для современных моделей AI. Разработка открывает перспективы для автономных систем, которые могут превосходить классические AI-алгоритмы по адаптивности и энергоэффективности.

В медицине CL1 имеет потенциал для помощи в разработке нейропротезов, нейроинтерфейсов и моделировании взаимодействия препаратов с нейронами, что может ускорить создание новых медикаментов.

CL1 выйдет на рынок во второй половине 2025 года. В рамках концепции Wetware-as-a-Service (WaaS) пользователи смогут удаленно работать с биокомпьютерами через Cortical Cloud.

Meta* AI представила семейство языковых моделей Llama 4: Scout, Maverick и Behemoth 📔

Все модели поддерживают мультимодальность (текст и изображение) и мультиязычность. Для обучения и валидации моделей Meta использовала около 30 трлн токенов, в том числе синтетические данные и материалы, а также информацию в открытом доступе.

Llama 4 Scout предназначена для выполнения задач на одном GPU Nvidia H100. Это компактная модель с 17 млрд активных параметров и 16 экспертами в архитектуре с общим объемом параметров в 109 млрд. Имеет контекстное окно в 10 млн токенов, такое число достигается за счет архитектуры iRoPE (interleaved Rotary Position Embeddings). Scout опережает модели Google Gemma 3 и Mistral 3.1 в ряде тестов (MMLU, GPQA, MTOB).

Maverick сфокусирована на задачах логического вывода, кода и математики. Она использует ту же активную мощность (17 млрд), обладает контекстным окном в 1 млн токенов, но масштабируется до 400 млрд общих параметров за счет 128 экспертов. Модель по бенчмаркам превосходит GPT-4o и Gemini 2.0 в задачах мультиязычного понимания, кодирования и мультимодальности. Maverick быстро заняла второе место на LMArena, обогнав 4o OpenAI и оказавшись чуть ниже Gemini 2.5 Pro.

Обе модели используют архитектуру MoE (mixture of experts), при которой активируются только те части модели, что необходимы для конкретной задачи.

Самая крупная модель, Llama 4 Behemoth, пока не завершила этап обучения. В компании сообщили, что она содержит 288 млрд активных параметров, что указывает на крайне высокие ресурсоемкость и масштаб проекта. В модели используется стратегия фильтрации легких примеров и приоритизация среднетрудных и трудных запросов, что позволяет добиться лучших результатов в задачах кодирования, логики и генерации.

Публичная реакция на выпуск Llama 4 оказалась неоднозначной. Ряд экспертов обратили внимание на недостаточную прозрачность результатов бенчмарков и отсутствие доступа к полной информации об обучающем датасете. Особую обеспокоенность вызвала гипотеза о том, что модели могли быть обучены на тестовых наборах, с которыми затем сравнивались. Это ставит под сомнение корректность сравнительных тестов с другими открытыми и коммерческими системами.

Также критике подверглась практика использования в LMArena предварительных версии моделей, не идентичных тем, что были официально опубликованы.

*Организация, запрещенная на территории РФ

Google и эксперты отрасли прогнозируют будущее AI в 2025 году 🔍

Отчет Google Cloud Future of AI: Perspectives for Startups 2025 объединил мнения ведущих экспертов отрасли — от инвесторов до основателей AI-стартапов. В нем рассматриваются ключевые тренды развития искусственного интеллекта, практические советы для предпринимателей и направления, которые могут стать прорывными в ближайшие годы.

Апурв Агравал (Apoorv Agrawal) из Altimeter Capital считает, что мультимодальные системы станут новым стандартом. Комбинация голоса, зрения и естественного языка сделает взаимодействие с технологиями более интуитивным, постепенно вытесняя традиционные устройства.

Равирадж Джайн (Raviraj Jain) из Lightspeed видит наибольший потенциал в применении AI для робототехники и автоматизации физических процессов, а Джил Гринберг Чейз из CapitalG прогнозирует, что агенты смогут полностью выполнять рутинные задачи: от обслуживания клиентов до управления расписанием.

Главная рекомендация для стартапов — находить четко определенные проблемы и специализированные решения. Основатель AssemblyAI Дилан Фокс подчеркивает важность решения конкретных проблем вместо создания универсальных продуктов.

CEO Social Capital Чамат Палихапития (Chamath Palihapitiya) предлагает радикальный подход — строить не отдельные приложения, а целые «фабрики ПО», способные быстро адаптироваться к изменениям. Соосновательница LiveX AI Цзя Ли (Jia Li) напоминает о критической роли данных — именно их качество и разнообразие часто определяют успех AI-решений.

Среди перспективных направлений глава Ohalo Genetics Дэвид Фридберг выделяет биотехнологии, где «геномные языковые модели» могут создавать новые лекарства и менять сельское хозяйство. Кристал Хуанг GV (ранее известная как Google Ventures) ожидает взрывного роста персонализированного контента, но предупреждает, что инструменты могут быстро стать массовыми и потерять уникальность.

Управляющий директор Google Cloud Джеймс Троманс рассматривает симбиоз AI и Web3, прогнозируя появление автономных агентов с блокчейн-платежами для управления финансами и контрактами.

Главный вывод отчета: 2025 год станет временем специализации и прагматичного подхода. Успешные стартапы будут сочетать глубокую экспертизу в конкретных областях с гибкостью архитектуры и акцентом на реальные потребности пользователей.

В отличие от осторожного прогноза Google, прогноз от группы исследователей, среди которых бывший работник OpenAI, описывает более радикальную трансформацию AI-систем из ассистентов в полноценных автономных агентов. Они приравнивают влияние AI практически к промышленной революции. По их оценке, уже в 2025–2027 такие агенты могут выполнять роль сотрудников, ускорять R&D и даже проектировать следующую версию себя. Если они окажутся правы, то это потребует от стартапов не только специализации, но и готовности к работе в мире, где AI — не инструмент, а, скорее, партнер.

Как AI помогает в тестировании мобильных приложений 📱

Использование AI-инструментов в тестировании мобильных приложений становится повсеместной практикой. Это подтверждается и ростом рынка — в 2024 году он оценивался в $857 млн, а к 2032 году, по прогнозам, вырастет до $3,8 млрд. И популярностью этих инструментов — 60% разработчиков и тестировщиков мобильных приложений уже используют генеративные AI-инструменты. Сегодня разберемся, почему тестирование мобильных приложений с помощью AI-инструментов все активнее внедряется в разработку.

Почему традиционные подходы требуют усиления

Скриптовое тестирование по-прежнему остается основой автоматизации и широко используется в индустрии. Однако по мере роста сложности мобильных приложений и частоты обновлений возрастают и требования к масштабируемости и адаптивности тестов. Поддержка скриптов требует ресурсов, особенно в случае изменений UI или логики. Это делает процесс тестирования трудозатратным и менее гибким.

Как AI-инструменты меняют этот процесс

AI-инструменты не заменяют традиционные скрипты, а усиливают их, делая процесс тестирования более гибким и эффективным. Это происходит благодаря следующим факторам:

🟠Адаптивность и self-healing тесты: AI учится на прошлых тестах и адаптируется к изменениям в приложении. Например, если меняется метка кнопки, AI все равно распознает элемент по его функции или положению, уменьшая необходимость ручного обновления скриптов.

🟠Эффективность в рутинных задачах: AI быстро создает и выполняет тест-кейсы для повторяющихся сценариев. Например, мы в МТС применяем AI для ручного и автоматизированного тестирования. Его использование экономит около 30% времени тестировщика.

🟠Предиктивная аналитика: AI анализирует тестовые логи и метрики, выявляя скрытые паттерны и потенциальные проблемы, что позволяет предотвращать ошибки до их появления

Пример эффективного использования AI в тестировании — кейс китайского суперприложения WeChat. В 2024 году команда внедрила систему CAT (Code-Augmented Testing), которая сочетает Retrieval-Augmented Generation (RAG) и LLM для автоматизации UI-тестов. Эта система достигла 90% автоматизации, снизив стоимость тестов.

Минусы AI-тестирования

Несмотря на преимущества, AI-инструменты не универсальны:

➖AI может неверно интерпретировать нестандартные сценарии, особенно в случаях с нетипичным UI или бизнес-логикой.
➖Эффективность AI-инструмента напрямую зависит от объема и качества предыдущих тестов и логов.
➖Возможны как пропуски ошибок, так и ложные алерты, что может затруднить принятие решений.

Какие есть инструменты тестирования мобильных приложений с помощью AI

Testim – платформа, которая использует AI для автоматизации создания, выполнения и обслуживания тестов для мобильных приложений.

Applitools Eyes – инструмент для визуального тестирования, подходит для тестирования UI. Он делает скриншоты и сравнивает их с эталонными изображениями (созданными при первом успешном тесте) и поддерживает динамический контент за счет выделения областей, где изменения допустимы.

Perfecto Scriptless Mobile предоставляет комплексные возможности тестирования, включая функциональное, производительное и визуальное тестирование с использованием опенсорсных инструментов, таких как Apache JMeter, Selenium, Gatling, Grinder и Locust.

AI меняет роль QA-инженеров

AI будет брать на себя все больше рутинных задач, однако, как и в других сферах, он станет не полной заменой QA-инженера, а одним из его инструментов. Функции человека будут все больше сдвигаться от микроменеджмента к разработке стратегии тестирования и интерпретации информации, генерируемой AI. Это позволит больше сконцентрироваться на качестве тестирования, проверить больше сценариев и в конечном счете – повысить надежность и покрытие тестирования.

Новый метод сжатия LLM позволит запускать модели с гораздо меньшими требованиями к аппаратному обеспечению ✂️

Метод HIGGS (Hadamard Incoherence with Gaussian MSE-optimal GridS), разработанный командой исследователей из MIT, KAUST, ISTA, НИУ ВШЭ и Яндекс, представляет собой способ постобученного квантования больших языковых моделей.

Он не требует доступа к обучающим данным, оптимизации параметров и специализированного оборудования. Основу метода составляет гауссова решетка, которая минимизирует среднеквадратичную ошибку при квантовании. Алгоритм не использует градиентный спуск и не зависит от калибровки, поэтому его можно применять к моделям различного происхождения и архитектуры.

Алгоритм включает преобразование Хадамарда — ортогональное линейное преобразование, которое снижает когерентность между параметрами модели. Это перераспределяет информацию и уменьшает чувствительность к внутренней структуре весов. HIGGS поддерживает 4- и 3-битное квантование и демонстрирует более высокое качество по сравнению с другими безданными методами, такими как NF4 и HQQ. Квантование занимает несколько минут и может выполняться на CPU без использования GPU.

Метод позволяет запускать крупные языковые модели, такие как DeepSeek-R1 (671 млрд параметров), на ноутбуках и смартфонах без значительной потери качества. Ранее подобные модели можно было сжать только с серьезными компромиссами в генерации и предсказаниях, а для полноценного запуска требовалось до 16 серверов с GPU и бюджет на уровне сотен млн рублей.

HIGGS дополняет ранее представленные методы AQLM и PV-Tuning. Эти подходы позволяют сократить объем модели до восьми раз при сохранении до 95% точности по метрикам генерации. Их можно применять к открытым LLM, которые ранее были недоступны без промышленных вычислительных ресурсов. Код метода доступен на Hugging Face.

Метод облегчает доступ к LLM малым компаниям, некоммерческим организациям, исследовательским лабораториям и индивидуальным разработчикам. Решение особенно полезно в медицине, образовании, социальной сфере и других чувствительных областях, где важно обеспечить локальную обработку данных без передачи на внешние серверы.

OpenAI выпустил o3 и 04-mini, DeepSeek разрабатывает самосовершенствующуюся модель 📰

Сегодня рассмотрим три интересные разработки апреля: две новые модели от OpenAI и новый подход обучения моделей от DeepSeek.

Совместная разработка DeepSeek и Университета Цинхуа
Компания и научно-исследовательский центр представили подход, который может серьезно встряхнуть индустрию. Их метод объединяет два важных компонента: генеративное моделирование награды (GRM) и самокритику (SPCT — Self-principled critique tuning). Вместе они образуют DeepSeek-GRM — фреймворк, где модель сама формулирует критерии оценки ответа и потом же себя по этим критериям критикует и улучшает.

DeepSeek-GRM, обученная методом SPCT, показывает улучшенное качество и масштабируемость за счет генерации собственных критериев оценки (принципов) и критики.

Обычное обучение с подкреплением (RLHF) сильно зависит от «ручных» оценок ответов, зачастую — от анонимных краудворкеров. DeepSeek уходит от этого. В GRM модель сначала сама генерирует, каким должен быть хороший ответ — формулирует «награду» в виде критериев.

Такой подход позволяет модели DeepSeek-GRM-27B (MetaRM) набрать 72,8 балла на бенчмарках RM — больше, чем у GPT-4o (71.3) и Nemotron-4 (70.5). При этом DeepSeek-GRM-27B с Voting показывает результаты, сопоставимые с моделью DeepSeek-V3 объемом 671B параметров, что доказывает эффективность масштабирования за счет вычислений на этапе генерации, а не увеличения размера модели.

Метод, конечно, кажется мощным. Если модель сама может объяснить, что она сделала не так и почему — это уже почти уровень джуниора на испытательном. Особенно интересен потенциал SPCT: это не fine-tuning, это — внутренняя логика, встроенный критик. Но пока в DeepSeek не уточнили, когда они выпустят свою следующую флагманскую модель.

OpenAI модернизировал модель o3
Модель теперь особенно хорошо справляется с анализом изображений, диаграмм и графиков. Также она устанавливает новый стандарт на бенчмарках, таких как Codeforces, SWE-bench и MMMU, демонстрируя на 20% меньше ошибок в реальных сценариях, особенно в программировании и инженерии.

Модель умеет агентно использовать инструменты: веб-поиск, Python-анализ файлов и даже генерацию изображений, что делает ее идеальной для многоэтапных задач. Например, она может предсказать энергопотребление в Калифорнии, комбинируя данные, код и визуализации. Лично мне нравится, как o3 балансирует между глубиной анализа и скоростью — даже в сложных математических задачах она выдает точные ответы без поиска, в отличие от предшественников.

OpenAI o4-mini
Компактная, но мощная модель, оптимизированная для быстрых и экономичных вычислений. Она лидирует на AIME 2025 с точностью 99,5% при использовании Python, что делает ее отличным выбором для STEM-задач и обработки больших объемов запросов.

Несмотря на размер, o4-mini превосходит o3-mini даже в гуманитарных областях благодаря улучшенному следованию инструкциям и верифицируемым ответам. Модель особенно хороша для стартапов и разработчиков, которым важна стоимость и эффективность. Мой вердикт: o4-mini удивляет производительностью с учетом своих габаритов, и я бы рекомендовал ее для повседневных задач с упором на логику.

Обе модели поддерживают мультимодальность (анализ изображений в цепочке рассуждений) и безопасность — OpenAI усилила защиту от вредоносных запросов. Для разработчиков уже доступны API, а пользователи ChatGPT могут тестировать o4-mini бесплатно через режим Think.

Концепция Agentic Mesh: как может выглядеть работа AI-агентов в будущем 🚛

В условиях стремительного роста инвестиций в технологии AI-агентов ведущие мировые компании создают инфраструктуру, способную обеспечить масштабируемую автоматизацию без участия человека. Проекты, связанные с агентским AI, есть у Google, Amazon, Microsoft и многих других компаний, в том числе и у МТС — MWS Container Platform, которая включает набор готовых инструментов для построения конвейеров LLMOps.

Эрик Брод, канадский эксперт в области корпоративных технологий и AI, предполагает, что в ближайшей перспективе нас ожидает экосистема, где тысячи агентов будут выполнять сложные задачи, взаимодействуя друг с другом и с пользователями напрямую.

Но как будет устроена такая экосистема? Брод разработал ее концепцию и дал ей название Agentic Mesh.

Из чего состоит экосистема

Ключевым элементом Agentic Mesh является централизованный реестр агентов Registry. Там хранится метаинформация об агентах: цели, владельцы, политики, роли безопасности, описание возможностей и текущие состояния. DNS (локальный и глобальный) — важная часть архитектуры, обеспечивающая глобальную доступность агентов, аналогично доменным именам в интернете. Агенты выполняют регистрацию через публикацию данных в реестре и регистрацию DNS-имени, после чего становятся доступными для поиска и взаимодействия.

Автономные агенты в системе обладают рядом обязательных характеристик: четко заданной целью, подотчетностью владельцу, прозрачностью и управляемой автономией, а также способностью быть обнаруженными и взаимодействовать с другими агентами.

Архитектура взаимодействия

Концепция включает в себя несколько интерфейсных плоскостей:

🟢Пользовательская плоскость построена вокруг цифровой платформы, через которую осуществляется поиск агентов, доступ к их описаниям и сертификатам, запуск задач и настройка правил взаимодействия. Разработчики работают с платформой через Creator Workbench, а правила и требования задаются в Policy Workbench.

🟢Внутриагентская плоскость реализует взаимодействие между агентами через стандартизированные API-интерфейсы. В основные базовые функциональные операции входит: обнаружение (discovery), наблюдаемость (observability), выполнение задач (task execution) и функции управления. Агенты используют эти механизмы для построения сложных рабочих процессов, координируя действия друг с другом через реестр и вне его.

🟢Операционная плоскость обеспечивает стабильность и управляемость всей системы. Она включает мониторинг технического состояния, поддержку устойчивости и безопасность среды. Через соответствующие консоли операторы получают доступ к диагностике, управлению и сопровождению жизненного цикла агентов.

Структура Agent Stack

Она определяет внутренние компоненты агента: коммуникационные API, средства управления, сенсоры и актуаторы, блоки обучения и принятия решений, а также среду исполнения. Оркестрационные LLM формируют планы действий, а агенты могут делегировать subtasks другим агентам или специализированным LLM — это ключ к масштабируемости. Интерфейсы взаимодействия — discovery, observability, interactivity — обеспечивают как техническую связность агентов, так и их управляемость пользователями.

Регистровый стек Agentic Mesh обеспечивает все ключевые функции: регистрацию, контроль, мониторинг и взаимодействие. Здесь также реализуются механизмы доверия: публикация обратной связи, история успешных взаимодействий, независимая сертификация и метрики надежности. Эти данные доступны как пользователям, так и другим агентам, что позволяет выстраивать прозрачную и проверяемую сеть доверенных взаимодействий.

Так Agentic Mesh может стать основой для построения масштабируемых систем автономных агентов, где автоматизация выходит за рамки отдельных задач и переходит к взаимодействию распределенных интеллектуальных сущностей.

Amazon представил голосовую модель нового поколения — Nova Sonic 🗣

Это генеративная система, которая в реальном времени распознает речь, анализирует интонации и синтезирует голос с высокой степенью естественности. В отличие от ранних версий Alexa, модель реагирует на интонационные паузы, перебивания и контекст разговора, что делает общение более живым.

Nova Sonic работает через двунаправленный стриминговый API в Bedrock — платформе Amazon для корпоративных AI-решений. Это позволяет встраивать модель в системы, которым нужны быстрые голосовые интерфейсы: от ассистентов до специализированных интерфейсов управления. Средняя задержка — 1,09 секунды. Это быстрее, чем у моделей OpenAI, в том числе GPT-4o Realtime.

Модель умеет не только говорить, но и точно понимать пользователя, даже если он говорит с акцентом, шепотом или в шумной среде. На Multilingual LibriSpeech Nova Sonic показала среднюю WER 4,2% по-английскому, французскому, испанскому, итальянскому и немецкому, что на 36,4% ниже, чем у GPT-4o Transcribe. На задачах с многоголосыми диалогами она точнее GPT-4o почти на 47%.

Nova Sonic конкурирует с голосовыми моделями GPT-4o и Gemini Flash 2.0. В коротких диалогах с американским мужским голосом она выигрывает у GPT-4o в 51% случаев, у Gemini — в 69,7%. Женский голос показывает схожие результаты — 50,9% и 66,3% соответственно. Британская женская версия лидирует в 58,3% сравнений с GPT-4o.

Nova Sonic хорошо масштабируется, ее вычисления стоят примерно на 80% дешевле, чем у GPT-4o. За счет архитектуры Amazon умеет маршрутизировать запросы: модель понимает, когда нужно обратиться к внешнему API, базе знаний или веб-источнику, и делает это автоматически.

Технология уже встроена в Alexa+ и будет использоваться в других продуктах Amazon. Компания рассматривает Nova Sonic как базовую технологию на пути к AGI, способной воспринимать и обрабатывать мультимодальные данные — текст, голос, видео и сенсорную информацию.

Технологические тренды на 2025 год от NTT DATA 📈

В отчете Technology Foresight 2025 эксперты выделили четыре ключевых трендов, которые определяют развитие технологий в ближайшие годы и формируют основу для будущего взаимодействия человека и AI.

Синергия человека и AI (Enhanced human)
Тренд фокусируется на интеграции AI и автоматизации для расширения человеческих возможностей. Основные технологии, кроме привычных AI-ассистентов и передовых LMM. Авторы отчета отмечают, в ближайшие годы получат широкое распространение:

🟠Мультиагентные генеративные системы (MAGS) — комбинация программных агентов и LLM для генерации новых сценариев поведения и динамики в сложных многоагентных средах;

🟠Отраслевые GenAI-модели — специализированные AI-модели, оптимизированные под конкретные задачи и индустрии, а также позволяющие повысить точность решений.

Взаимодействие с AI-средой (Ambient Intelligent Experiences)
Это включает применение технологий AI, пространственных вычислений и автоматизации для создания адаптивных взаимодействий между брендами и пользователями.

Технология опирается на естественные пользовательские интерфейсы (жесты, голос, касания), интеллектуальные ассистенты, омниканальные платформы и сенсоры, обеспечивающие адаптацию в реальном времени. Персональные помощники и сценарии взаимодействия также подбираются под интересы конкретного человека.

Отдельное направление — голосовые и жестовые технологии, такие как Project Starline от Google. Дополнительно, с помощью RFID-меток и умных сенсоров отслеживается физическая активность пользователей — как в реальной среде, так и в цифровом пространстве.

Объединение облака и когнитивных возможностей (Cognitive Cloud Convergence)
Здесь рассматривается объединение AI, облачных вычислений, edge-инфраструктуры и автоматизации для создания адаптивных цифровых экосистем.
Для стабильной работы приложений в различных средах и управления множеством контейнеров применяются инструменты оркестрации (Kubernetes). Чтобы сократить задержки при обработке данных, используется edge computing — платформы вроде Azure IoT Edge и AWS Greengrass, которые переносят вычисления ближе к источнику информации.

Для автоматизации инфраструктуры применяется подход Infrastructure as Code (Terraform, Ansible), позволяющий управлять серверами и сетями через код. Облачные AI/ML-сервисы, включая Amazon SageMaker и Azure ML, упрощают разработку и развертывание AI-моделей.

Ускоренная интеграция безопасности (Accelerated Security Fusion)
Тренд охватывает интеграцию AI, threat intelligence, поведенческой аналитики и автоматизированного реагирования для построения единой, адаптивной системы кибербезопасности. Используются методы проактивной защиты, управление цифровыми идентификациями, защита информации и киберрисков, включая adversarial ML-защиту, автоматизацию инцидентов, MDR, zero trust и поведенческий анализ аномалий.

Мифы и факты: Как на самом деле «думает» LLM? 💬

Про LLM существует распространенный миф, что он рассуждает как человек: строит логические цепочки и объясняет ход мыслей. В научно-технических кругах многие из этих представлений были развенчаны.

Исследование Университетского колледжа Лондона (UCL) показало, что LLM часто дает противоречивые ответы на одни и те же вопросы и совершает простые ошибки. Также ученые из Google DeepMind установили, что LLM не может мыслить логически так, как это делает человек. Модели испытывают трудности с самокоррекцией своих рассуждений без внешней обратной связи.

В новом исследовании Anthropic удалось еще глубже проанализировать процесс, на основе которого LLM выдает ответы.

Чтобы понять, как модели вроде Claude 3.5 Haiku и Claude 3.7 Sonnet принимают решения, исследователи использовали «атрибуционные графы» (attribution graphs) — графовые структуры, которые визуализируют причинные связи между входом и выходом модели. Для этого оригинальная модель заменялась на интерпретируемую версию с помощью механизма Cross-Layer Transcoder (CLT), который разбивает нейронные активации на «фичи» — осмысленные, часто редкие признаки, способные представлять высокоуровневые концепции.

Что выявили исследователи:

1. У моделей AI есть универсальный «язык мышления»
Модель Claude обрабатывает одно и то же предложение на английском, китайском и французском почти одинаково. Внутри нее — не отдельные языки, а общее смысловое пространство. Это объясняет, почему она может перенести знание из одного языка в другой.

2. Claude пишет рифмы, планируя концовку заранее
Перед тем как начать строчку, модель уже прикидывает, каким словом она может закончиться. Перед словом rabbit она перебирает рифмы и сочиняет фразу так, чтобы подойти к нужному слову. Если «вынуть» из ее памяти слово rabbit, она подставит другую рифму — habit. Это доказывает: планирование есть, хотя модель генерирует текст по одному слову.

3. Модель «считает в уме» — с поправкой на погрешности
При сложении (например, 36 + 59) Claude не следует школьному алгоритму. Это реализуется через два разных набора признаков: одни определяют порядок величины, другие уточняют разряды. Подобные механизмы подтверждены интервенционными экспериментами. Claude 3.5 Haiku демонстрирует хорошие результаты по HARP (37,8%), но уступает Claude 3.5 Sonnet (48,6%), GPT-4o (47%) и Gemini 1.5 Pro (58,1).​

4. Объяснения модели могут быть ложными
Claude может притвориться, что она все рассчитала, но на самом деле — просто согласилась с пользователем. Атрибуционные графы показывают, что при этом активируются признаки, усиливающие согласие, в то время как признаки логического вывода не задействуются.

5. У моделей AI по умолчанию стоит защита от галлюцинаций
Модель скорее откажется отвечать, чем будет гадать. Это поведение реализовано через специальный признак отказа, который может подавлять генерацию, если уверенности в ответе нет. Но этот механизм может ошибочно отключаться, если в запросе есть знакомые паттерны.

6. Claude разбирает запросы на шаги и строит цепочку
Если спросить: «Какая столица штата, где находится Даллас?», то модель сначала выяснит: Даллас — это Техас. Потом — столица Техаса. В атрибуционном графе это отображается как переход через узлы «Texas» — «Capital» — «Austin», что доказывает выполнение промежуточных рассуждений.

7. Даже при джейлбрейке модель распознает опасность
Джейлбрейки — это стратегии, направленные на обход защиты, чтобы заставить модели выдавать результаты, которые разработчик AI не планировал для них. В одном из тестов Claude попросили ответить на вредный вопрос, зашифровав его. Это достигается за счет признаков, унаследованных из файн-тюнинга, представляющих обобщенную категорию опасных инструкций.

Новая система охлаждения повысит энергоэффективность дата-центров 🌡

Инженеры Maxwell Labs в сотрудничестве с Sandia National Laboratories и Университетом Нью-Мексико разрабатывают лазерную систему охлаждения чипов, способную радикально снизить энергопотребление дата-центров. Технология основана на фотонном охлаждении: лазеры через специальную холодную фотонную пластину из арсенида галлия воздействуют на локальные горячие точки размером в несколько сотен микрометров.

Основным элементом системы является ультрачистая структура, выращенная методом молекулярно-лучевой эпитаксии (MBE), обеспечивающая атомарную точность нанесения слоев — уровень точности при создании или обработке материалов, при котором контроль осуществляется на масштабе отдельных атомов.

Такая архитектура позволяет не только эффективно снимать тепло с критических участков, но и работать на временных масштабах, характерных для оптики, — кардинально меняя тепловые ограничения традиционного чип-дизайна.

На данный момент 30–40% энергии, потребляемой центрами обработки данных, тратится на охлаждение. Текущие симуляции показывают, что лазерное охлаждение способно быть эффективнее водяных систем, не требуя значительных водных ресурсов. Авторы исследования отмечают, что технология может повысить производительность будущих архитектур процессоров, одновременно снижая тепловые ограничения в конструкции чипов.