Опрос
|
реклама
Быстрый переход
DeepSeek и Moonshot AI использовали GPT-6 Astra для обучения своих ИИ-моделей
30.10.2026 [01:10],
Анжелла Марина
Китайские разработчики DeepSeek и Moonshot AI, как выяснило издание The Information, активно использовали результаты работы модели GPT-6 Astra компании OpenAI при обучении своих новейших систем искусственного интеллекта. Речь идёт о практике дистилляции, позволяющей переносить возможности более мощных моделей в другие системы. 
Источник изображения: Grok Reuters также сообщает, что результаты дистилляции GPT-6 Astra использовались при обучении модели Kimi K3.1 Pro от Moonshot AI, выпущенной на прошлой неделе, а также обновлённой DeepSeek V4.1-Flash 1017, которая появилась 17 октября. Дистилляция предполагает использование ответов более мощной модели для обучения другой системы, что позволяет быстрее воспроизводить определённые возможности искусственного интеллекта без сопоставимых затрат разработчиков менее мощных моделей. Использование подобных методов стало предметом споров между ведущими компаниями. OpenAI, Anthropic и Google считают, что дистилляция позволяет конкурентам не вкладываясь материально быстро копировать возможности их моделей. В публикации от 30 сентября OpenAI сообщила, что обнаружила участников кампании по сбору данных, начавшейся в июле, которые, по утверждению компании, были связаны с Moonshot AI. Представители OpenAI, DeepSeek и Moonshot AI не ответили на запросы Reuters о комментариях. Ранее в октябре Anthropic заявила, что новые меры защиты её моделей Claude позволили сократить объём данных, собираемых в ходе атак с применением дистилляции, на 90–99%. Mistral открыла веса ИИ-модели Large 4 с триллионом параметров и удешевила доступ через API
29.10.2026 [19:12],
Анатолий Хаблюк
Французская компания Mistral опубликовала открытые веса своей флагманской ИИ-модели Large 4 (Le Chonk). Перед выпуском разработчики еще три недели обучали нейросеть, повысив ее результаты в тестах на программирование и поиск уязвимостей. Теперь модель можно запускать на собственном оборудовании, а стоимость доступа через API снижена почти вдвое по сравнению с первоначальными базовыми тарифами. 
Источник изображения: Mistral AI В начале октября Mistral представила Large 4 в предварительной версии. Тогда разработчики могли работать с ней через облачный API, а публикацию весов обещали до конца месяца. Модель построена на архитектуре Mixture-of-Experts (MoE) и содержит около 1 трлн параметров, из которых при обработке каждого токена задействуется 49 млрд, без учета слоев эмбеддингов и вывода. Контекстное окно достигает 1 млн токенов. Нейросеть распознает изображения и поддерживает более 160 языков. Основные изменения коснулись программирования. После дополнительного обучения с подкреплением результат Large 4 в тесте Terminal-Bench 4.0 вырос на 13 процентных пунктов — до 41 %. При этом количество генерируемых токенов сократилось на 30 %. В Artificial Analysis Coding Agent Index модель набрала 48 %, приблизившись к китайской GLM-5.3. По данным Mistral, на выполнение сопоставимых заданий Large 4 расходует в среднем на 47 % меньше токенов. В тесте FrontierCode 2.0, который оценивает качество изменений в программном коде с точки зрения их пригодности для включения в основной проект, нейросеть набрала 19,7 %. По утверждению разработчиков, это лучший результат среди моделей с открытыми весами. В слепых сравнительных испытаниях Surge Code пользователи также чаще отдавали предпочтение Large 4, чем GLM-5.3, Kimi K3 и DeepSeek V4.1 Flash. Изменились и показатели в тестах по кибербезопасности. В Artificial Analysis Cyber Index, где проверяется способность ИИ находить, воспроизводить и исправлять уязвимости программного обеспечения, модель получила 51 %. Mistral также проверила ее реакцию на потенциально опасные запросы. В собственных испытаниях нейросеть отклонила 96,6 % вредоносных запросов, связанных с кибератаками. В B3 Agent Security Benchmark устойчивость к атакам на ИИ-агентов достигла 97,1 % против 93,3 % у предварительной версии. Для Large 4 предусмотрены три режима рассуждений: Low, Medium и High. Они различаются объемом вычислений и глубиной обработки запросов. Режим Low рассчитан на простые задания, Medium — на повседневную работу, а High — на сложные задачи, требующие более тщательного анализа. Последний используется по умолчанию. Mistral также объявила новые тарифы на использование Large 4 через API. Теперь обработка 1 млн входных токенов стоит $0,70, а выходных — $2,10. При первоначальном анонсе базовые тарифы составляли соответственно $1,36 и $4,18. Для входных токенов из кеша установлена цена $0,07 за миллион. Веса нейросети размещены на Hugging Face. Для самостоятельного развертывания разработчики могут использовать vLLM и SGLang. Модель распространяется по лицензии Mistral Ecosystem Open-Weight, основанной на модифицированной MIT. Она допускает бесплатное использование, дообучение и коммерческое применение. Однако компаниям, которые намерены предоставлять платный доступ к модели по схеме Model-as-a-Service, потребуется отдельное соглашение с Mistral. Large 4 также доступна через Mistral Studio, OpenRouter и инфраструктуру NVIDIA. На ее основе Mistral намерена создавать специализированные модели для отдельных отраслей и задач Nvidia представила открытую ИИ-модель для распознавания речи на 40 языках, включая русский
29.10.2026 [00:19],
Анжелла Марина
Компания Nvidia представила ИИ-модель Nemotron 3.5 Transcribe с открытыми весами для распознавания речи, перевода и анализа аудиозаписей. Модель поддерживает русский язык и позволяет обрабатывать аудио продолжительностью до часа. В релиз также вошли набор данных для обучения и инструменты, позволяющие адаптировать ИИ к специализированным задачам. 
Источник изображения: Mariia Shalabaieva/Unsplash Nemotron 3.5 Transcribe распознаёт речь на 40 языках, переводит с 31 языка на английский и обратно, а также идентифицирует говорящих на 13 языках. Модель способна обрабатывать записи с участием до восьми человек, в том числе с перебивающими друг друга собеседниками. С помощью текстовых инструкций пользователь может получить расшифровку с указанием говорящих, перевод на другой язык, краткое изложение принятых в ходе диалога решений или ответы на вопросы по содержанию аудиозаписи. При необходимости можно передать модели подсказки с техническими терминами, например названиями лекарств. Общее количество параметров модели составляет 30 млрд, однако при обработке каждого фрагмента данных активны около 4 млрд. Благодаря этому Nemotron 3.5 Transcribe может работать даже на одной видеокарте Nvidia, например на компактной DGX Spark. На флагманской RTX PRO 6000 Blackwell Server Edition модель обрабатывает 100 часов аудио менее чем за три минуты при использовании формата NVFP4. В тесте Open ASR Leaderboard на платформе Hugging Face модель заняла первое место среди моделей с открытыми весами со средней долей ошибок распознавания слов 5,33 %. В тестах независимого бенчмарка Artificial Analysis показатель составил 2,81 %, что близко к результату модели Mistral Voxtral Small, составляющему 2,77 %, хотя у Mistral активных параметров примерно в шесть раз больше. 
Источник изображений: huggingface.co Особенно высокие результаты Nemotron 3.5 Transcribe показала при определении говорящих. В тестировании VoiceArena, включавшем 14 систем и записи с одновременной речью нескольких участников, модель заняла первое место. Доля пропущенных слов составила 8,32 % против медианного значения около 31 % у участников сравнения.  В тесте David AI, оценивающем точность определения говорящих на 21 языке, модель также показала лучший результат, немного опередив специализированную Nemotron 3 Diarization.  Одновременно Nvidia представила набор данных Granary v2, включающий около 844 тысяч часов аудиозаписей на 48 языках. Для сравнения: предыдущая версия содержала примерно 643 тысячи часов речи на 25 языках. Записи представлены в нескольких вариантах расшифровки: дословном, сохраняющем слова-паразиты, и с записью чисел словами. Nvidia также добавила в релиз инструменты для подготовки наборов данных. Их можно использовать для адаптации модели к конкретным областям. Например, при дообучении на медицинских записях с участием индийских врачей и студентов-медиков частота ошибок снизилась с 30,8 до 11,8 %. Для проверки результатов на новых, незнакомых ИИ-модели голосах показатель уменьшился с 22,44 до 12,17 %. Модель Nemotron 3.5 Transcribe и набор данных Granary v2 доступны на Hugging Face. Nvidia также предоставляет демонстрационную версию и руководство по дообучению, включая расширение, позволяющее поручить соответствующий процесс ИИ-ассистенту для программирования. Возможности модели различаются в зависимости от языка. Кроме того, система предназначена для обработки готовых записей, а не потокового аудио, поэтому Nvidia рекомендует дополнительно проверять имена и моменты смены говорящих. Представлена наиболее точная модель ранней Вселенной — это работа 100 000 ядер и 15 000 GPU суперкомпьютера Frontier
27.10.2026 [12:10],
Геннадий Детинич
Подавляющая часть наблюдательной астрономии — это моделирование и интерпретация. Публика видит красивые картинки экзопланет, звёзд, туманностей и галактик, внешний вид которых рождается на суперкомпьютерах. Тем важнее создавать новые и более точные модели, особенно ранней Вселенной, для наблюдения которой у науки практически нет инструментов. 
Визуализация космической паутины на участке шириной 650 млн световых лет. Источник изображения: MIT Учёные из Массачусетского технологического института (MIT) вместе с коллегами из других организаций представили Lumina — масштабную компьютерную симуляцию, воспроизводящую первые два миллиарда лет эволюции Вселенной. Расчёты позволяют проследить, как из первоначальных неоднородностей распределения вещества формировались первые звёзды и галактики, а также как менялось состояние межгалактического газа под воздействием излучения. Проект Lumina призван помочь исследователям разобраться в процессах, которые вывели Вселенную из эпохи космических «тёмных веков». Это стало возможным по мере формирования первых звёзд, тогда как реликтовое излучение перестало играть роль «фонарика» — сместилось в микроволновый диапазон и потеряло энергию. Для выполнения расчётов исследователи использовали суперкомпьютер Frontier в Национальной лаборатории Ок-Ридж (ORNL) в США. На пике нагрузки вычисления использовали более 100 000 процессорных ядер и около 15 000 графических процессоров. Симуляция охватила кубический участок пространства с длиной стороны примерно 1,63 млрд световых лет. Модель включает около 432 млрд элементов, представляющих тёмную материю и газ. По данным авторов, масштаб моделируемого объёма примерно в 100 раз превышает показатели предыдущих симуляций, предназначенных для сопоставимых исследований. В основе Lumina лежит усовершенствованный программный комплекс IllustrisTNG, дополненный моделированием переноса излучения. Проект позволяет одновременно моделировать гравитационное формирование структур, движение вещества, образование звёзд и ионизацию межгалактической среды. Особое внимание уделено двум ключевым этапам космической истории: повторной ионизации водорода под воздействием излучения молодых звёзд и галактик и последующей ионизации гелия, для которой существенную роль играли активные сверхмассивные чёрные дыры. Авторы отмечают, что Lumina позволяет исследовать эти процессы в единой модели, охватывающей как крупномасштабную структуру Вселенной, так и отдельные формирующиеся галактики. Полученные результаты можно будет сопоставлять с наблюдениями космического телескопа «Джеймс Уэбб» и будущего телескопа «Роман», проверяя модели раннего звездообразования и эволюции галактик. При этом симуляцию нельзя назвать прямой реконструкцией прошлого: она рассчитывает вероятную эволюцию космических структур на основе физических моделей и заданных начальных условий. Модель будет полностью открыта для учёных, что ожидается с 2028 года. OpenAI представила GPT-6.1 Terra — быструю модель для самостоятельной работы на компьютере
27.10.2026 [00:33],
Николай Хижняк
Компания OpenAI выпустила GPT-6.1 Terra — новую языковую модель с поддержкой визуального анализа, ориентированную на автоматизацию рабочих задач и быстрое управление компьютером. Нейросеть представляет собой значительный шаг вперёд по сравнению с моделью предыдущего поколения GPT-5.6 Terra и предлагает пользователям повышенную скорость работы. 
Источник изображений: OpenAI По словам разработчиков, GPT-6.1 Terra превосходно справляется с задачами, составляющими основу повседневной рабочей деятельности: от подготовки предложений и интерпретации технических чертежей до заполнения форм и редактирования видео. Цены на стандартный API для GPT-6.1 Terra на 50 % ниже, чем для GPT-5.6 Terra и GPT-6.1 Sol. Согласно пресс-релизу, стоимость теперь составляет $1 за миллион входных токенов, $0,05 за миллион кешированных входных токенов и $5 за миллион выходных токенов. Внутренние тесты OpenAI показывают, что по точности ответов GPT-6.1 Terra вплотную приблизилась к флагманским решениям.  В бенчмарке Agents’ Last Exam, оценивающем способность ИИ-агентов решать сложные профессиональные задачи на рабочем месте, Terra при среднем уровне рассуждений набрала на 15 процентных пунктов больше, чем GPT-5.6 Terra, оказавшись при этом примерно в три раза дешевле. При максимальном уровне рассуждений модель продемонстрировала точность на уровне флагманской GPT-6 Astra, но при стоимости токенов в 10 раз ниже. В этом же тесте при максимальном уровне рассуждений Terra оказалась более чем в три раза эффективнее по расходу токенов и в четыре раза дешевле за токен, чем Claude Opus 5.5, что обеспечило примерно девятикратное снижение стоимости выполнения задачи. При этом Terra работает более чем в три раза быстрее, чем GPT-6 Astra и GPT-6.1 Sol.  В тесте MMMU-Pro (визуальное мышление) нейросеть превзошла предшественницу GPT-5.6 Terra на всех уровнях рассуждений, продемонстрировав более глубокое понимание контекста и практически сравнявшись с показателями флагманских GPT-6 Astra и GPT-6.1 Sol при гораздо меньшей стоимости.  В тесте OSWorld 2.1, оценивающем, насколько эффективно ИИ-агенты используют настольные приложения для выполнения многоэтапных задач, например создания 3D-модели на основе технического чертежа, GPT-6.1 Terra при среднем уровне рассуждений превзошла лучший результат предыдущей версии GPT-5.6 Terra, затратив на это лишь малую часть прежней стоимости выполнения одной задачи.  В этом году OpenAI уделила особое внимание сокращению количества галлюцинаций и фактических ошибок. Согласно результатам внутреннего тестирования с использованием промптов, провоцирующих ошибки, частота ошибок при минимальном уровне рассуждений (low reasoning effort) снизилась с 53,6 % у GPT-5.6 Terra до 16,7 % у GPT-6.1 Terra — почти на 37 процентных пунктов. При максимальном уровне рассуждений (maximum effort) количество ошибок снизилось на 18 процентных пунктов, до 4,3 %, что практически сравняло модель с флагманами GPT-6 Astra и GPT-6.1 Sol.  В специализированном тесте Terminal-Bench 4.0, оценивающем способность модели решать задачи из командной строки, её результат вырос более чем вдвое — с 21,5 % у GPT-5.6 Terra до 50,3 % у новой GPT-6.1 Terra при максимальном уровне рассуждений. OpenAI добавляет, что для более сложных задач, связанных с написанием кода, по-прежнему лучше подходят модели GPT-6.1 Sol и GPT-6 Astra.  Тест Terminal-Bench-Science 0.1 проверяет способность агентов писать код для автоматизации научных исследований, например для отслеживания деления клеток на видео в режиме таймлапса. При максимальном уровне рассуждений Terra обошла модель GPT-6.1 Sol при меньшей стоимости и сократила разрыв в эффективности с Claude Opus 5.5 от Anthropic до пяти баллов. Расчётная стоимость работы GPT-6.1 Terra при этом составила менее одной пятой затрат на Opus. Компания отмечает, что с точки зрения безопасности модель GPT-6.1 Terra соответствует критическому порогу в области кибербезопасности согласно внутреннему фреймворку OpenAI (Preparedness Framework) и сохраняет защитные механизмы, разработанные для GPT-6 Astra. По сравнению с GPT-5.6 Terra она лучше удерживает контекст задачи и честно сообщает пользователю о своих ограничениях и потенциальных препятствиях. В тестах на инъекции промптов GPT-6.1 Terra продемонстрировала высокую устойчивость к вредоносным инструкциям, направленным на то, чтобы отвлечь её от выполнения задачи пользователя. Доступ к GPT-6.1 Terra открылся сегодня для всех пользователей с подписками Plus, Pro, Enterprise и Edu в ChatGPT Work и Codex. Разработчики могут получить к ней доступ через API под идентификатором gpt-6.1-terra. Основатель Twitter представил голосовой ИИ, обученный с нуля только на человеческой речи
24.10.2026 [12:14],
Павел Котов
Компания Block, созданная основателем Twitter Джеком Дорси (Jack Dorsey) представила модель искусственного интеллекта под названием Dessa. Её отличительной особенностью является то, что она была обучена «с нуля исключительно на человеческой речи». Как и другие современные речевые модели, Dessa является полнодуплексной — она слушает и говорит одновременно. 
Источник изображения: x.com/RagavanThurair Компания продемонстрировала примеры того, как люди общаются с этой моделью — она ведёт себя вполне естественно. В одном из примеров Dessa обсуждала кинематограф; в другом — с радостью выслушала, как собеседник отвезёт её в Париж, и отреагировала со слезами радости в голосе; третьем — пообщалась с аналогичной голосовой моделью OpenAI GPT-Live-1 и звучала более естественно, чем продукт от лидера в отрасли. Dessa, отмечают разработчики — «настоящая модель формата „из речи в речь“, и все свои знания она почерпнула из человеческой речи». Она запускается локально на ноутбуке Apple MacBook Pro с процессором M4 Max или на более мощном устройстве. Разработать Dessa компанию побудили три соображения: «любопытство, улучшение взаимопонимания между людьми и безопасность». В Block рассказали о проекте и более подробно: «Маленькие дети учатся говорить, ещё не увидев ни слова письменного текста. Нам хотелось узнать, способна ли на это и модель. Способна. И это очень непросто. Речь — самый естественный способ взаимодействия с любым интеллектом, будь то сверхразум или что-либо иное, и сегодняшние голосовые ИИ-системы не пользуются им. Они преобразуют сказанное нами в текст и не могут угнаться за человеческим темпом. ИИ становится более мощным и самостоятельным, и он всё ещё почти глух к эмоциям в наших голосах. Представьте, что у вас что-то сильно болит, а голосовой ИИ не замечает этого и продолжает работать по-прежнему. И это проблема безопасности. Dessa — шаг к её решению». Ранний доступ к модели пока будет предоставлен «небольшой группе исследователей в области безопасности ИИ», сообщили разработчики. Moonshot AI выпустила Kimi K3.1 Pro, которая обошла все модели OpenAI и почти догнала Claude Opus 5.5
24.10.2026 [10:17],
Павел Котов
Китайская лаборатория искусственного интеллекта Moonshot AI представила Kimi K3.1 Pro — обновлённую версию модели Kimi K3, которая прошла дополнительное обучение с использованием большего объёма вычислительных ресурсов. В рейтинге Artificial Analysis Intelligence Index она набрала 55 баллов, обойдя предшественницу на 11 баллов, опередив все модели OpanAI и заняв четвёртую строчку. 
Источник изображений: kimi.com Выше Kimi K3.1 Pro в рейтинге оказались Anthropic Claude Opus 5.5 (58 баллов), Claude Sonnet 5.5 (56 баллов) и Meta✴✴ Muse Wonder Full (56 баллов). Moonshot AI намерена открыть веса модели 4 ноября, и она станет самой мощной в классе открытых систем. Разрыв между открытыми и проприетарными моделями сократится с 12 до 3 баллов, если к тому времени ситуация на рынке не изменится. Разработчик также выпустил версию Kimi K3.1 Pro Highspeed — она работает в два-три раза быстрее. Обе модели уже доступны на платформах Kimi.ai, Kimi Work, Kimi Code и через API. Наиболее заметный прогресс Kimi K3.1 Pro показала в агентных задачах: в бенчмарке GDPval-AA она набрала 1846 баллов по Эло, опередив K3 на 312 баллов. Здесь она уступила лишь Claude Opus 5.5 (1866 баллов) и Wonder Full (1857 баллов). В Terminal-Bench 4.0 продемонстрировала 65,7 %, обогнав OpenAI GPT-6 Astra (58,2%) и лишь немного уступив Claude Opus 5.5 (66,4%) — K3 в том же тесте набрала всего 13 %. В рамках внутреннего теста Kimi Hallu Bench Hard доля галлюцинаций, то есть заведомо не соответствующих действительности ответов, снизилась с 23,4 % у K3 до 8,3 % у новой модели. Это стресс-тест, а не показатель общего уровня ошибок, подчеркнули в Moonshot; для сравнения, GPT-6 Astra в том же тесте показала 5,5 %, то есть сохранила преимущество. В финансовых тестах Kimi K3.1 Pro показала прирост на 7,2 балла по направлению финансового моделирования и на 11,6 балла — по финансовым исследованиям. В связанном с офисными задачами бенчмарке OfficeQA Pro v2 модель обошла вообще всех конкурентов, утверждает Moonshot.  Kimi K3.1 Pro поддерживает прямое взаимодействие с игровыми движками, в том числе Unity, Unreal Engine и Godot — она может вносить оперативные исправления и производить сборку проектов. При использовании вспомогательных инструментов в тесте BenchCAD она набрала 92,7 %, выступив близко к показателям Claude Opus 5.5 (96,2%) и GPT-6 Astra (95,9%). Без использования инструментов результат снизился до 72,8 %, и это почти равно показателю Claude Opus 5.5 (73,0 %). Лучше всего модель справляется с параметрическим моделированием механических деталей, архитектурных объектов и объектов с настраиваемыми параметрами. Она умеет создавать и запускать скрипты для Blender и CAD-систем без MCP-коннекторов. На платформе Kimi.com появилась функция 3D Make — она позволяет просматривать, редактировать и экспортировать трёхмерные модели. Модель Kimi K3.1 Pro унаследовала размер предшественницы — 2,8 трлн параметров, из которых активны 104 млрд. Контекстное окно имеет размер в 1 млн токенов, поддерживается работа с текстом и изображениями. По данным Artificial Analysis, она находится на вершине «границы Парето»; у неё самый высокий показатель Intelligence Index среди моделей сопоставимого размера. Стоимость эксплуатации снизилась на 33 %: $2 за 1 млн входных токенов (было $3), $10 за 1 млн выходных токенов (было $15) и $0,20 за работу с кешированными данными (было $0,30). Выполнение одной задачи из набора Intelligence Index обходится в $1,98 — почти столько же, сколько для K3 ($2,00) – при том, что новая модель генерирует на 14 % больше выходных токенов. По мере масштабирования этапа пост-обучения у модели усиливались способности к поиску уязвимостей, отметили в Moonshot: связанные с кибербезопасностью материалы присутствовали в общем массиве данных, соответствующие задачи были включены в среду обучения с подкреплением. При подготовке версии с открытыми весами разработчик удалил касающиеся кибербезопасности данные на обоих этапах обучения. В ходе внутреннего тестирования с бенчмарком xdev-bench-hard, включающем выявленные за последнее время уязвимости в ядре Linux, Node.js и JavaScriptCore, исходный вариант модели успешно справился с 90,5 % задач; после удаления данных этот показатель снизился до 81,0 %. Для сравнения, в том же тесте DeepSeek-V4.1-Flash показала 85,7 %, а Kimi K3 — 33,3 %. Модели с открытыми весами не должны расширять границы возможностей в сфере наступательной кибербезопасности, считают в Moonshot. В то же время лаборатория стремится постепенно повышать функциональные возможности открытых моделей, потому что они могут оказаться полезными и в защите — например, при анализе устаревших систем. Ранее Anthropic продемонстрировала, что китайская модель Z.ai GLM-5.3 с 45 баллами в AA Index способна создавать эксплойты, по уровню сложности сопоставимые с теми, что генерирует Claude Mythos. DeepSeek и MiniMax получили право разворачивать свои ИИ-модели за пределами Китая
24.10.2026 [05:16],
Алексей Разин
ИИ-модели двух китайских стартапов можно будет разворачивать за пределами КНР даже в том случае, если в стране введут новые экспортные ограничения в данной сфере. Компаниям DeepSeek и MiniMax удалось получить подобные разрешения в числе первых. 
Источник изображения: DeepSeek США и КНР стараются ограничивать экспорт ключевых технологий, которые определяют их экономическое положение на мировом рынке. В случае с Китаем правила экспортного контроля распространяются и на технологии искусственного интеллекта. В этом смысле разработчикам DeepSeek и MiniMax повезло в том отношении, что власти КНР недавно разрешили им разворачивать свои ИИ-модели за пределами страны. Сообщение на эту тему появилось на странице социальной сети, принадлежащей CCTV — Центральному телевидению Китая. В нём же отмечается, что значительная часть китайского ИИ останется свободной для экспорта. Данный комментарий появился на фоне начавшегося на прошлой неделе обсуждения законопроекта о введении более строгого контроля за экспортом ИИ-инструментов и услуг, включая большие языковые модели и агентов. Предлагаемые меры ограничат доступ к передовым китайским ИИ-моделям из-за пределов страны, замедлив внедрение экономически эффективных решений, основанных на открытом исходном коде, зарубежными пользователями. «С момента анонса данной политики, ведущие компании DeepSeek и MiniMax успешно завершили регистрацию, равно как и процедуры по открытию исходного кода и разрешению использования за рубежом. ИИ-компании могут продолжать свои усилия по коммерциализации в обычном режиме», — заявил китайский государственный канал CCTV. Китайские стартапы добились серьёзного успеха в сокращении отставания от лидеров рынка США в текущем году. Помимо более доступной ценовой политики, они также привлекли пользователей возможностью более простой индивидуализации своих моделей по сравнению с проприетарными системами, предлагаемыми OpenAI и Anthropic. Политику властей КНР в сфере экспорта ИИ-технологий нельзя назвать однозначной, ведь именно с их подачи американской Meta✴✴ Platforms пришлось отменить итоги сделки по приобретению сингапурского ИИ-стартапа Manus с китайскими корнями. Власти Китая регулярно обновляют каталог технологий, которые либо запрещены к экспорту, либо ограничены. В 2020 году в этот перечень попали алгоритмы, что в итоге затруднило сделку по «приземлению» TikTok в США, на которой настаивали американские власти. Новейшие изменения в экспортную политику КНР обсуждаются с прошлого полугодия, чиновники ведут диалог с участниками отрасли и исследовательскими учреждениями. Этот каталог, по словам CCTV, нацелен на «определение границ, нежели чем на простое ограничение экспорта ИИ-технологии». Предусмотрены и существенные исключения из предлагаемых правил. Предоставление доступа через API, веб-приложения или сервис по подписке не будут попадать под экспортные ограничения, даже если в основе этих решений будут лежать ИИ-модели, экспорт которых из КНР запрещён. Подчёркивается, что такой подход контрастирует с методами, используемыми властями США для защиты своего доминирующего положения. DeepSeek за два года устранит зависимость от Nvidia — основными станут ИИ-ускорители Huawei
23.10.2026 [15:39],
Алексей Разин
DeepSeek может почти полностью отказаться от ИИ-ускорителей Nvidia уже к 2028 году, переключившись на китайские чипы Huawei Ascend. По оценке SemiAnalysis, совместная работа двух компаний помогает сократить отставание от Nvidia не только в производительности, но и в программной экосистеме. Для китайской ИИ-отрасли это важный шаг к снижению зависимости от американских технологий. 
Источник изображения: Unsplash, Saradasish Pradhan Китайские власти заинтересованы в достижении определённого уровня импортозамещения в сфере искусственного интеллекта, поскольку пытающиеся ограничить прогресс КНР в этой сфере американские власти не дают передовым компонентам попадать в Поднебесную по официальным каналам. По оценкам SemiAnalysis, углубляющийся симбиоз DeepSeek и Huawei уже в 2027–2028 годах позволит первой из компаний преимущественно полагаться на ускорители Huawei в своей вычислительной инфраструктуре. Помимо усилий Huawei по формированию экосистемы для эффективного использования фирменных ИИ-ускорителей семейства Ascend, этому способствует и встречное движение самой DeepSeek, которая адаптирует к ним свои средства разработки и программную инфраструктуру. Ещё несколько недель назад DeepSeek представила программные средства, которые позволяют компании запускать современные ИИ-модели на аппаратном обеспечении Huawei, а не только платформе Nvidia. Собственный язык программирования TileLang компания DeepSeek также адаптировала под работу с ускорителями Ascend, и он уже позволяет создавать высокопроизводительные программные ядра, использующие ресурсы этих ускорителей Huawei. В конце прошлого месяца представители DeepSeek заявили, что данный шаг позволит создать более «независимую и контролируемую» национальную программную экосистему, используемую совместно с графическими процессорами (GPU). Технологические решения Huawei уже достигли определённой степени зрелости, по мнению представителей SemiAnalysis, и к 2027 или 2028 году DeepSeek вполне могла бы главным образом перейти на их использование, снизив зависимость от импортируемых или арендуемых за пределами КНР ускорителей Nvidia. Глава и основатель последней — Дженсен Хуанг (Jensen Huang), ещё в апреле, до выхода ИИ-модели DeepSeek v4, назвал «ужасным сценарием» для США оптимизацию китайской компанией своих моделей под чипы Huawei. По мнению генерального директора конкурирующей Nvidia, это обеспечило бы превосходство КНР над США в конечном итоге. По данным SemiAnalysis, результаты тестирования на Ascend 950PR позволяют говорить о сокращении отставания в экосистемах благодаря совместной работе DeepSeek и Huawei. «Кошмар Дженсена начинает становиться явью», — резюмируют авторы публикации. DeepSeek предоставляет Huawei ранний доступ к своим ИИ-моделям. Последней это позволяет предоставить поддержку операций инференса на своих чипах с «нулевого дня» для крупных обновлений типа DeepSeek V4 и V4.1. Эксперты SemiAnalysis при этом вынуждены признать, что представленные Huawei в марте ускорители Ascend 950PR отстают от Nvidia H100 по абсолютному быстродействию. Опять же, инженеры Huawei хорошо оптимизируют программные ядра под свои чипы, достигая эффективности на уровне 99,7 % от теоретического потолка. Правда, как отмечают в SemiAnalysis, масштабировать успех симбиоза DeepSeek и Huawei на всю китайскую ИИ-отрасль будет не так просто, поскольку серверные системы первой из компаний обладают уникальной конфигурацией, и на других сочетаниях компонентов возможны проблемы с совместимостью. В частности, стандартные x86-совместимые процессоры в сочетании с ускорителями Ascend у других разработчиков вряд ли смогут показать подобную эффективность. Тем не менее, прочие китайские разработчики могут заимствовать опыт DeepSeek, в том числе, через совместное использование компиляторов и построении новых моделей на их основе. Предложив собственные оптимизации и исправления, эти разработчики смогут сделать вклад в общий прогресс представителей китайской ИИ-отрасли. ИИ, который пишет не последовательно, а параллельно: диффузионная модель Mercury 3 в 6–8 раз быстрее GPT-6 Luna
21.10.2026 [11:41],
Владимир Мироненко
Компания из Редвуд-Сити (США) представила диффузионную большую языковую модель (dLLM) Mercury 3, которая в 40 раз больше предшественницы Mercury 1, но при этом отличается высокой скоростью работы — свыше 1000 токенов/с. В ряде тестов Mercury 3 превосходит GPT-6 Luna и Claude Haiku 5.5, работая при этом гораздо быстрее. 
Источник изображения: Inception В отличие от больших языковых моделей (LLM), генерирующих текст по одному токену за раз, диффузионные могут выдавать несколько токенов сразу, что даёт выигрыш в скорости. Ранее разработчикам приходилось выбирать: либо использовать компактные и быстрые модели (для задач, критичных к задержкам), либо более мощные, но медленные аналоги. Mercury 3, как утверждает Inception, обладает и тем, и другим. Она значительно крупнее и функциональнее предшественников, но при этом по-прежнему работает со скоростью свыше 1000 токенов/с. При этом контекстное окно — объём текста, который модель может обрабатывать за один раз, — увеличилось до 1 млн токенов (в предыдущей версии Mercury 2.5 оно составляло 260 тысяч). Согласно внутренним тестам компании, Mercury 3 превосходит GPT-6 Luna от OpenAI, Claude Haiku 5.5 от Anthropic и GLM-5.3 Flash от Zhipu по ряду показателей, работая при этом в 4–8 раз быстрее. «Ответы от таких моделей приходят практически мгновенно», — сообщил генеральный директор Inception Стефано Эрмон (Stefano Ermon). Mercury 3 — четвёртая модель, выпущенная Inception с момента появления Mercury 1 в июне 2025 года. С каждой новой версией их функциональность росла, что не влияло на скорость работы. Так, в Mercury 2 появились механизмы логического рассуждения, в Mercury 2.5 — возможность настройки этих механизмов и контекстное окно объёмом 260 тысяч токенов. Mercury 3 совершила самый значительный качественный скачок в развитии линейки, утверждает разработчик. Mercury 3 доступна через Inception API, Baseten, OpenRouter и Vercel. Благодаря совместимости с API OpenAI разработчики могут перейти на неё без необходимости переписывать код. Стоимость использования Mercury 3 составляет $0,2 за миллион входных токенов и $0,7 за миллион выходных токенов. На этапе запуска компания снизила расценки вдвое — до $0,1 и $0,35 соответственно. DeepSeek обновила ИИ-модель V4.1-Flash — она стала быстрее и эффективнее
18.10.2026 [13:31],
Владимир Фетисов
На этой неделе состоялся релиз ИИ-модели DeepSeek V4.1-Flash-1017. Китайская компания заявила, что новый алгоритм стал компактнее и работает быстрее предыдущей версии нейросети. Этот шаг усилит конкуренцию DeepSeek с западными компаниями, такими как Anthropic и OpenAI, а также конкурентами на домашнем рынке, включая Moonshot Kimi и Z.ai. 
Источник изображения: Unsplash, Solen Feyissa В сообщении DeepSeek сказано, что модель V4.1-Flash-1017 демонстрирует «более высокую производительность в бенчмарках, более быстрое выполнение задач и более быстрые ответы по сравнению с предыдущей версией». Нейросеть уже доступна в веб-приложении компании, в приложении DeepSeek и на платформе для разработчиков. Высокие темпы запуска новых версий ИИ-моделей DeepSeek подчёркивают нарастающую конкуренцию между китайскими открытыми моделями и закрытыми аналогами американских компаний. Последние показывают высокие результаты в разных областях, но они обходятся значительно дороже. Новая версии ИИ-модели DeepSeek обеспечивает «существенные улучшения в рассуждениях, программировании, агентных задачах и визуальных бенчмарках». 
Источник изображения: api-docs.deepseek.com Модель V4.1-Flash-1017 расширяет возможности в разных сферах, начиная от создания игр и заканчивая 3D-моделированием. Несмотря на это, DeepSeek охарактеризовала новую модель, как небольшое обновление предыдущей версии V4.1-Flash. На этой неделе у DeepSeek произошёл технический сбой, в результате которого серверы компании были недоступны около пяти часов. Некоторые эксперты связывают этот инцидент с нехваткой вычислительных ресурсов. Последние месяцы участились случаи замедления работы и перебоев в сервисе DeepSeek. Это может быть связано с высоким спросом на ИИ-модели компании со стороны разработчиков из-за агрессивно низких цен, что создаёт высокую нагрузку на инфраструктуру DeepSeek. Anthropic предложила американским законодателям собственный законопроект о регулировании отрасли ИИ
17.10.2026 [07:11],
Алексей Разин
Стартап Anthropic предлагает наделить полномочиями по блокировке выхода передовых ИИ-моделей только федеральных судей США. При этом своё решение они должны принимать на основе результатов независимого аудита, а предполагаемый ущерб от ИИ-моделей должен превышать $1 млрд. 
Источник изображения: Anthropic Взаимоотношения стартапа Anthropic с американскими властями сложно назвать простыми, если учесть, что он с марта этого года отнесён к неблагонадёжным поставщикам, представляющим угрозу для национальной безопасности. При этом компания старается вести конструктивный диалог с представителями власти, и недавно даже направила им черновой вариант законопроекта, призванного регулировать риски в сфере безопасности ИИ. Об этом на своих страницах сообщило издание Politico. Представители стартапа заявили изданию, что этот черновой законопроект основан на рамочных принципах создания передового ИИ, которые компания продвигает на федеральном и локальном уровне в США с июня этого года через членов американского парламента. Чувствительные для отрасли и общества правила, по мнению Anthropic, должны вскоре быть рассмотрены Конгрессом США. Законопроект предлагает наделить правительство полномочиями блокировать выход ИИ-модели, только если предполагаемый и неизбежный ущерб от её выпуска в соответствующем виде может составить не менее $1 млрд, либо к смерти или нанесению серьёзных увечий не менее чем 50 людям. Риск может выражаться в вероятности создания биологического оружия, потере разработчиком контроля за распространением модели, либо применения её для кибератак. Подобная риторика уже присутствует в законодательстве штата Калифорния, касающегося регулирования ИИ, и принятого в прошлом году. Ни один из зафиксированных до сих пор инцидентов в сфере ИИ не привёл к ущербу более $1 млрд или массовой гибели людей. До этого Anthropic не лоббировал публично федеральные законы, связанные со сферой ИИ, но делал это на уровне штата Калифорния. Компания в своём законопроекте предлагает наделить независимых проверяющих, которые регистрируются Министерством торговли США, правом проводить периодический аудит стартапа и разрабатываемых им моделей. Оплачивать их работу Anthropic готова сама, утверждая, что на результаты аудита это никак не повлияет. Аудиторы должны докладывать Министерству торговли США о выявлении неизбежного крупного риска, связанного с передовыми ИИ-моделями, в течение 72 часов с момента завершения аудита. У этого министерства появляется право добиться судебного запрета на продолжение разработки опасной ИИ-модели, но Anthropic настаивает, что ни одного другое ведомство США или чиновник не должно вмешиваться в данный процесс. Запрет имеет право вводить только федеральный судья Окружного суда США по округу Колумбия в Вашингтоне. Законопроект Anthropic также может предвосхитить другие законодательные инициативы, продвигаемые в американском парламенте. Они касаются правил раскрытия информации о рисках, возникающих в сфере использования передовых ИИ-моделей, проведения аудита или публикации отчётов о критически важных инцидентах. Формируемый из фрагментарных инициатив на уровне отдельных штатов законопроект гораздо сложнее утвердить, чем единые федеральные правила. Помимо формирования требований к регулярному аудиту, законопроекты должны предусматривать защиту для информаторов, которые решатся донести на неблагонадёжных разработчиков, а также порядок публикации отчётов об инцидентах. ИИ-модели Google достигли переломного момента: вскоре они смогут самосовершенствоваться
17.10.2026 [06:37],
Алексей Разин
По словам сооснователя Google Сергея Брина (Sergey Brin), компания уже использует свои ИИ-модели при разработке следующих поколений Gemini. Это позволяет ей значительно увеличить темпы совершенствования ИИ и оставаться в числе лидеров отрасли. 
Источник изображения: Unsplash, Pawel Czerwinski Если в сфере робототехники оптимальная схема производства описывается фразой «машины делают машины», то в разработке ИИ-моделей аналогичный принцип сводится к рекурсивному самосовершенствованию (RSI). Он подразумевает, что ИИ-модели смогут совершенствоваться при участии своих предыдущих версий. Развитие всей отрасли благодаря этому будет происходить нарастающим темпом. Сооснователь Google Сергей Брин во время своего недавнего участия в дискуссии по поводу новейшей модели компании Gemini 4 Argon заявил, что внутренние процессы разработки ИИ-моделей компании уже ускоряются благодаря тому, что они помогают быстрее создавать своих преемников. Ещё до выхода Gemini 4 модели Google Flash дали компании надежду, что такие структурные изменения происходят, и она «начала втягиваться в бег по дорожке RSI», со слов Брина. «И сейчас наши исследователи и сама модель работают рука об руку, чтобы создать следующую версию модели», — заявил Сергей в ходе дискуссии, запись которой Google продемонстрировала в минувшую среду. Конкурирующие Anthropic и OpenAI также сообщили, что их ИИ уже находится на грани перехода к рекурсивному самосовершенствованию. Большинство опрошенных Gladstone AI разработчиков, включая представителей трёх упомянутых выше компаний, убеждено, что RSI станет нормальной практикой в ближайшие 3–12 месяцев. Это может случиться и быстрее, если государственное регулирование в сфере ИИ не вынудит разработчиков замедлиться. Google в своём отчёте по модели Argon отметила, что некоторые элементы исследований и разработок в сфере ИИ уже автоматизированы. ИИ-агенты уже действуют, словно ассистенты с высокой отдачей, выступая в роли авторов основной части продуктивного программного кода и исправлений, хотя предлагаемые ими изменения в коде и подвергаются проверке человеком непосредственно перед утверждением. Как отмечает Business Insider, Сергей Брин лично контролирует развитие направления Google Gemini, определяя приоритеты, и он настаивает на большей концентрации на принципе RSI. Темпами прогресса в сфере ИИ этот сооснователь Google весьма доволен. По его словам, когда обыватели только смотрят видео о выходе Argon, разработчики Google уже могут продвинуться на пару моделей вперёд. По некоторым данным, Google уже тестирует новую модель Carbon, которая в задачах написания программного кода вполне может сравниться с Anthropic Opus 5.5. Глава Nvidia призвал отрасль не мириться с инцидентами в сфере безопасности, вызванными ИИ
17.10.2026 [05:51],
Алексей Разин
Генеральный директор Nvidia Дженсен Хуанг (Jensen Huang) убеждён, что все громкие инциденты в сфере безопасности с участием ИИ-агентов можно было предотвратить благодаря более строгому контролю за ними. Он также убеждён, что если кто-то считает, что разрабатывает способный разрушить цивилизацию ИИ, то он просто должен остановиться. 
Источник изображения: Nvidia Бурное развитие ИИ-моделей уже привело к тому, что инциденты в сфере кибербезопасности, вызванные их воздействием на инфраструктуру, множатся с пугающей скоростью. Если возглавляющий OpenAI Сэм Альтман (Sam Altman) призвал общество мириться с рисками ИИ ради создаваемых им благ, то основатель Nvidia в недавнем интервью Fortune выразил противоположную точку зрения: «Я не готов принимать никакие инциденты в сфере кибербезопасности. Мы не должны мириться ни с одним из них. Мы должны делать всё, чтобы избежать их». Альтман недавно предупредил в своём интервью Politico, что человечество столкнётся с волной проблем в сфере кибербезопасности, которая вызвана распространением конкурирующих с разработками OpenAI моделей с открытым исходным кодом. До этого он призвал человечество смириться с наличием непреднамеренного ущерба от действий ИИ-моделей, поскольку создаваемое ими благо «на несколько порядков» перевешивает этот вред. Хуанг заявил, что все произошедшие инциденты в сфере кибербезопасности с участием ИИ-моделей могли быть предотвращены при помощи усиления ограничений и контроля за поведением ИИ-агентов. Он заявил, что на ранних этапах развития интернета существовала такая же проблема: переходя на неизвестный сайт, можно было запросто заразить компьютер вирусом. Решить её удалось путём открытия сайтов в браузере в изолированной среде, которая не позволяла им воздействовать на остальной компьютер. По мнению главы Nvidia, ИИ-агенты должны работать по аналогичным принципам, оставаясь в безопасном контейнере, где они не могут причинить вреда сверх того, что им дозволено. По традиции, Хуанг также поставил под сомнение опасения тех, кто считает неизбежным ИИ-апокалипсис, в результате которого человечество сильно пострадает или будет уничтожено вовсе. Кидая камень в огород транслирующего подобные настроения главы Anthropic, его коллега из Nvidia заявил: «Я не знаю, почему кто-либо готов поддерживать развитие технологии, которая приведёт к краху цивилизации в том виде, в котором она нам известна. И если они в это верят, то должны прекратить работать над ней». Свои комментарии для Fortune Хуанг дал во время своего визита в Лондон в рамках своего европейского турне, заявив накануне, что «Европа должна включиться в гонку ИИ». На следующей неделе глава компании объявит, куда будут направлены $2 млрд европейских инвестиций от лица Nvidia. Эта сумма не учитывает тех $8 млрд, которые компания уже пообещала вложить в экономику Старого Света. Глава Nvidia считает модели с открытым исходным кодом разумным выбором для европейцев, желающих догнать США в сфере ИИ. Компания уже поддерживает французский стартап Mistral, который разрабатывает модели с открытыми весами. Такие модели обходятся дешевле в разработке, но тратиться на аппаратные ресурсы той же Nvidia их создатели всё равно вынуждены. Meta✴ выпустила мощную открытую ИИ-модель Muse Spark Open — для её работы хватит всего двух Mac Studio
16.10.2026 [20:30],
Павел Котов
Meta✴✴ представила модель искусственного интеллекта с открытыми весами, которую она называет «самой мощной» в своём классе в США. Модель получила название Muse Spark Open — она примечательна ещё и тем, что специально разработана для работы на компьютерах Apple Mac. 
Источник изображения: apple.com Модель Meta✴✴ Muse Spark Open имеет размер 816 млрд параметров и поддерживает контекстное окно в 1 млн токенов. Она, по оценке разработчика, превосходит по производительности другие популярные модели с открытыми весами. Система является мультимодальной и предназначается для сложных задач, связанных с написанием программного кода и выполнением рабочих процессов в автономном режиме — задач ИИ-агентов. Meta✴✴ Muse Spark Open спроектирована для локального запуска на компьютерах Apple, но для её работы требуется внушительный объём ресурсов — минимум 1 Тбайт оперативной памяти. Наилучшую производительность она демонстрирует на компьютерах Mac Studio с чипами M5 Ultra, но требуется объединить в кластер две таких машины. При наличии достаточных ресурсов она, утверждает разработчик, может стать мощным инструментом для программирования и других повседневных задач. В Meta✴✴ отмечают, что использовали Spark Open в связке с Muse Code — собственным средством для написания кода и задействовали её в задачах ИИ-агентов. В частности, удалось внести исправления в код клиента для соцсети Mastodon: устранить ошибки, добавить новые функции и собрать приложение. 
Источник изображения: Meta✴✴ Модель умеет работать с профессиональным ПО для монтажа видео DaVinci Resolve — она может просматривать отснятый материал и выполнять его обрезку. Модели с открытыми весами обладают рядом преимуществ по сравнению с закрытыми аналогами — они могут быть более экономичными, обеспечивают прозрачность и гибкость, недоступные для закрытых моделей. Muse Spark Open уже доступна через ряд различных API-платформ. |
|
✴ Входит в перечень общественных объединений и религиозных организаций, в отношении которых судом принято вступившее в законную силу решение о ликвидации или запрете деятельности по основаниям, предусмотренным Федеральным законом от 25.07.2002 № 114-ФЗ «О противодействии экстремистской деятельности»; |
© 1997—2026 3DNews
При цитировании документа ссылка на сайт с указанием автора обязательна. Полное заимствование документа является
нарушением
российского и международного законодательства и возможно только с согласия редакции 3DNews.
MWC 2018
2018
Computex
IFA 2018
