Сдвиг парадигмы: ИИ всё же будут регулировать?

В Координационном центре Правительства под председательством вице-премьера Дмитрия Григоренко вчера прошло большое совещание по регулированию ИИ. Собрались представители государства, бизнеса и отраслевых ассоциаций. Обсуждали различные инициативы: риски принятия тех или иных предложений и отказа от них.

Григоренко подчеркнул, что ключевая задача государства сейчас — это найти баланс. Единый подход и системные меры должны обеспечить безопасность граждан, но не задушить инновации в стране: как это, например, сейчас происходит в Евросоюзе, где заниматься ИИ-разработками просто стало невыгодно.

Вице-премьер заметил, что в мире сформировалось два основных подхода к регулированию. Одни идут по пути создания «комплексного» закона об ИИ, другие же вводят точечные нормы: например, требования к безопасности систем.

Россия сейчас ближе ко второму подходу. Уже есть отдельные нормы для применения технологии в здравоохранении и сельском хозяйстве. Но мы не пытаемся выделить понятие ИИ, и это даёт нам гибкость и скорость адаптации к изменениям.

«Нам следует действовать точечно и постепенно: вводить правила там, где цена ошибки ИИ слишком высока, но при этом сохранять свободу для развития технологий».

По итогам встречи Григоренко поручил организациям и заинтересованным участникам направить в Минцифры свои предложения до 20 января. Представленные наработки будут проанализированы министерством и Аналитическим центром при Правительстве до конца февраля.

Затем Минцифры представит в Правительство предложения по регулированию ИИ в срок до 13 марта 2026 года. При этом ещё в феврале вице-премьер Григоренко говорил, что в РФ в ближайшее два года не планируют законодательно регулировать ИИ.

Государству важно «не появиться слишком рано или слишком поздно». Поэтому ставку сделали на поддержку инноваций. Весь год мы внимательно следили за тем, как ИИ внедряли в госуправление. Появился даже целый Центр развития ИИ, взявший на себя роль проектного офиса при Правительстве.

Что случилось? Кажется, сменилось общее настроение. Так, на днях законодатели активно выступили за регулирование ИИ и сетовали президенту на отсутствие общего закона. И президент согласился, что регулировать ИИ надо, оговорившись, что не всегда понятно то, каким образом это следует делать.

Возникало всё больше новых инициатив, над которыми надо было брать контроль. Хотя единого мнения по такой активности в Думе явно не было. Так, профильный депутат Антон Горелкин ещё в начале месяца говорил, что ИИ не стоит излишне регулировать. На «Героях Рунета» 8 декабря он добавил, что ждать регулирования в 2026-2027 годах не стоит, так как нашим разработчикам нужно дать возможность догнать китайцев и американцев.

Радует, что курирующий вице-премьер до сих пор выступает как сторонник точечного регулирования. Надеемся, что под руководством Григоренко в Правительстве удастся отсеять лишние инициативы.

@anti_agi

Что важнее в регулировании: ИИ-модель или сервис?

Это выясняют «Яндекс» и «Сбер». Компании разошлись во взглядах на регулирование ИИ на совещании с вице-премьером Дмитрием Григоренко, рассказали собеседники @anti_agi.

Представители от «Яндекса» предложили регулировать не сами ИИ-модели, а непосредственно сервисы. «Сбер» с этим мнением не согласился и предложил, наоборот, обратить внимание именно на модели, на базе которых строят уже конечный продукт.

До разговоров о том, кто продаёт игристый Qwen, а кто — ряженый DeepSeek, и чьи использует датасеты, дело в это раз не дошло. Но ещё не вечер! Надеемся, что осветим эту тему подробнее уже в рамках профильных дебатов.

@anti_agi

По какой-то причине под постом отвалились комментарии. Так что с любым фидбеком — велкам сюда!

Пару недель назад ZTE и ByteDance представили Nubia M153 — "первый по-настоящему агентный смартфон". ИИ-агент Doubao, интегрированный на уровне операционной системы, читает экран, интерпретирует интерфейс и симулирует нажатия пальцем. Первую партию из 30 тысяч прототипов смели за день. Правда, эйфория быстро сменилась реальностью: крупнейшие китайские приложения начали блокировать агент, и ByteDance пришлось срочно урезать его возможности.

Могут ли агентные модели для смартфонов стать новым фронтом ИИ-гонки? Пока мир уже второй год ждёт от Apple революционную Siri на базе LLM, Android-экосистема здесь явно вырывается вперёд.

Первопроходцами стали Zhipu AI с моделью AutoGLM-Phone-9B. Это полноценный телефонный агент, способный понимать интерфейс, нажимать кнопки и выполнять сложные многошаговые задачи. Звучит впечатляюще, но есть нюанс: 9 миллиардов параметров — это, мягко говоря, не тот размер, который комфортно крутить на мобильной SoC (система на кристалле). Для практического использования такую модель придётся либо сильно квантовать, либо гонять через облако, что убивает саму идею локального ассистента.

Google подошла к задаче прагматичнее. Пока все ждут от них Gemma 4 уже четвёртый день, компания тихо выложила FunctionGemma — файнтюн Gemma 3 на 270 миллионов параметров. Модель специально заточена под вызов функций и агентные действия на Android. Размер позволяет запускать её на любом современном смартфоне без особых компромиссов. Причём Google сразу показала два рабочих демо в приложении AI Edge Gallery: Tiny Garden — модель парсит команды вроде «посади подсолнухи в верхнем ряду» в действия в игре, и Mobile Actions — вызывает простые функции Android («создай ивент в календаре»).

Конечно, возникает вопрос: что может 270-миллионная модель против 9-миллиардной? Но в агентных задачах сырая «умность» модели — не единственный фактор. Важнее точность следования инструкциям, надёжность парсинга интерфейса и скорость отклика. Маленькая модель, идеально заточенная под конкретную задачу, может оказаться практичнее универсального гиганта.

Ирония в том, что Apple с её контролем над железом и софтом могла бы сделать лучшего мобильного агента в индустрии. Вместо этого Купертино продолжает полировать что-то за закрытыми дверями. Ну, или не полировать, кто знает?

@anti_agi

ChatGPT упёрся в потолок

За последний год внутри OpenAI стали замечать странную и тревожную вещь: пользователи перестали реагировать на рост «умности» ChatGPT. Раньше каждый серьёзный апгрейд модели приводил к всплеску использования — люди быстро находили новые способы извлечь пользу из улучшенного ИИ. Теперь же, несмотря на рост аудитории, качественный скачок в рассуждениях, математике и сложных вычислениях почти не отражается на поведении большинства пользователей.

Это особенно парадоксально на фоне того, чем гордится исследовательское подразделение OpenAI. Модели, способные тянуть задачи уровня Международной математической олимпиады или выигрывать студенческие соревнования по программированию, — это серьёзное достижение. Но типичному пользователю ChatGPT нужны не доказательства теорем и оптимизация алгоритмов, а фильмы, решение бытовых проблем и быстрые справки. Как метко заметил Питер Гостев из LMArena, для таких запросов не нужен ИИ, который «думает полчаса».

В итоге между исследовательским направлением компании и её главным продуктом образовалась трещина. ChatGPT — основной источник выручки, но он всё меньше выигрывает от того, на что тратятся месяцы работы более чем 1 000 исследователей. Это создало окно возможностей для конкурентов, прежде всего для Google, который не делает ставку на один чат-бот, а встраивает ИИ повсюду: в поиск, браузер, почту и мобильные устройства. В итоге идея, что ChatGPT «убьёт Google Search», за последние два года заметно поблекла.

На этом фоне Сэм Альтман объявил внутренний «code red» — сигнал, что компанию нужно срочно перенацеливать на улучшение самого чат-бота, а не только на абстрактный прогресс в «фронтирной» науке. Формально дела у OpenAI идут блестяще: более $19 млрд годовой выручки, быстрый рост подписок, планы привлечения инвестиций при оценке около $750 млрд. Вот только не ясно, как ему выйти на $200 млрд выручки к 2030 году, для этого ChatGPT должен стать ежедневным инструментом, а не просто «умным помощником на всякий случай».

Здесь всплывает ещё одно ограничение — интерфейс. Текстовый чат плохо раскрывает возможности системы. Пользователи часто просто не знают, что ChatGPT умеет анализировать изображения, помогать с диагностикой ошибок или работать как сложный исследовательский инструмент. Руководитель продукта Ник Тёрли сравнивает нынешний интерфейс с MS-DOS: функционально мощно, но визуально и когнитивно бедно. Не случайно Фиджи Симо, отвечающая за приложения, говорит о переходе к «полностью генеративному UI», где формат ответа подстраивается под задачу.

Проблему усугубляют сами reasoning-модели. Они медленнее, дороже и зачастую избыточны для повседневных вопросов. Более того, попытки встроить их в чат иногда буквально ухудшали качество ответов. OpenAI уже тихо откатывает автоматическое использование таких моделей в дешёвых тарифах — тревожный сигнал, что исследовательский флагман стал обузой для массового продукта.

Контраст особенно заметен на фоне Anthropic, где рост «умности» моделей почти напрямую конвертируется в продажи API для бизнеса. У OpenAI же улучшения моделей сильнее влияют на корпоративные сервисы, чем на ChatGPT, хотя именно от чат-бота ждут выручки.

Внутри OpenAI всё чаще звучит опасение, что для среднего пользователя разница между ChatGPT и Gemini от Google скоро станет неочевидной. А в отличие от соцсетей, у чат-ботов почти нет сетевых эффектов: то, что ими пользуются миллионы, не делает ответы принципиально лучше для каждого отдельного человека.

В итоге компания оказалась в ловушке собственного успеха. Она построила умный ИИ, но продаёт его через продукт, от которого большинство людей хотят скорости, простоты и предсказуемости. И сейчас главный вызов для OpenAI — не сделать модели ещё умнее, а научиться превращать уже имеющийся интеллект в очевидную и повседневную ценность, за которую захочется платить. Потому что пока синяя линия платящих подписчиков на графике (см) выглядит уныло — раскошеливаются только пятеро из каждой сотни пользователей.

@anti_agi

Все говорят и вы говорите

Moore Threads, после сверхуспешного IPO в Китае, провела собственную конференцию MUSA 2025, где представила новую архитектуру Huagang и два семейства чипов на её основе: Lushan (для ПК и гейминга) и Huashan (для ЦОДов и ИИ). Компания заявляет, что Lushan сменит текущие MTT S80 / S90, а массовые продукты ожидаются в 2026 году. Нейминг технологий звучит как китайский косплей на NVIDIA.

Цифры в обещаниях просто впечатляют (и выглядят как чистой воды маркетинг):

Для Lushan заявлены х15 прироста в AAA-игровой производительности, х50 ускорения в трассировке лучей (RT), х64 прироста в ИИ-вычислениях, х16 в геометрической обработке, х4 в обработке текстур. А главное, х4 увеличение объёма видеопамяти по сравнению с текущими моделями Moore Threads. Пожалуй, это единственная цифра, которую легко можно будет проверить. При этом архитектура позиционируется как полностью совместимая с современными API (включая DirectX 12 Ultimate).

Серверный Huashan включает кристалл GPU и 8 стеков HBM-памяти, а Moore Threads даже сравнивает его с NVIDIA Hopper/Blackwell: по заявлению компании, пиковая FP-мощность близка к Blackwell B200, пропускная способность памяти сопоставима, а в доступе к памяти Huashan якобы превосходит соперника. Такие сравнения звучат громко, но — и это важное «но» — приводятся без открытых независимых бенчмарков.

Единственные данные, близкие к чему-то реальному, дали для MTT S5000 (серверный). И то, это показатели по токенам DeepSeek: 1000 tokens/s в Decode и 4000 tokens/s в Prefill.

Подробности по микроархитектуре: Huagang поддерживает широкий набор форматов точности — от FP64 до FP4, плюс предложены собственные форматы MTFP6/MTFP4/MTFP8 (у NVIDIA есть NVFP4). Заявлен рост плотности вычислений на 50%, а «ультрамасштабируемая» шина MTLink (напоминает NVLink), которая позволит строить кластеры вплоть до 100 000 GPU.

Почему читается это все со скепсисом?

Крутые данные по росту производительности на слайдах — обычная маркетинговая риторика при анонсе новых архитектур. Аналогично Дженсен Хуанг обещал производительность RTX 4090 у RTX 5070 (не случилось). К тому же, история показывает: обещанные на бумаге FLOPs далеко не всегда превращаются в устойчивую производительность в рабочих нагрузках. На бумаге можно получить большие числа, а в реальности всё ограничит экосистема и оптимизации (SDK, компиляторы, профайлинг, драйверы, поддержка API), тепловой пакет, пропускная способность платы, шины и тд. Кроме того, сроки серийного производства, тестирования и сертификации часто растягиваются.

Итого: если Moore Threads действительно реализует большинство заявленных пунктов, то это станет серьёзной победой для конкуренции и китайской экосистемы GPU. На текущем этапе — это пиздеж просто громкие цифры на слайдах.

@anti_agi

Your tool is calling you

«Т-Банк» отчитался о выпуске новой версии T-pro-2.1 — большой языковой модели на базе Qwen3-32B. Акцент в апдейте сделали на повышение возможностей Tool Calling и соблюдения конкретных инструкций.

Файнтюн и файнтюн, но мы порадовались. Именно на эти свойства модели жаловались сторонние клиенты компании. Конкретно о проблемах с тогда ещё T-Pro 1.0 на пафосной презентации аналога DeepSeek и Qwen в июле при @anti_agi рассказывал представитель Just AI.

Речь шла буквально о том же: генерации ответа с жёсткой структурой (structured output) — например, когда хочешь получить текст в формате JSON, XML или таблицы, — и function calling. Анатолия Потапова (лид LLM-проекта) в лоб спросили: улучшились ли эти качества в новой T-Pro 2.0, «во многом предназначенной для агентских систем»?

Ответ был честный, хотя на фоне маркетинговых заявлений обескураживал. “Мыслящие” куски обучения (reasoning increment — по сути, примеры пошагового вывода) в основном были про математику/физику. Tool calling унаследовали у исходного Qwen'а, стараясь не уронить базовую производительность.

При этом Потапов отметил, что вызов инструментов и соответствие инструкциям доработали в internal-версии модели. Похоже, что в рамках T-Pro 2.1 внутренние наработки как раз пошли в паблик. По метрикам движение вперёд есть, теперь ждём отзывы благодарных клиентов.

@anti_agi

Инференс — новый король ИИ в 2026

NVIDIA покупает самые ценные активы Groq за внушительные $20 млрд наличными. Даже Mellanox (весь) стоил дешевле. Сделка включает технологии и ключевых специалистов, в том числе соавтора Google TPU и основателя Groq Джонатана Росса. В целом, после этого компанию можно закрывать, но она продолжит существовать под управлением нового гендира, а её облачный сервис GroqCloud останется.

Сегодня на самом деле уже все обсудили сам факт покупки. Интереснее пофантазировать зачем.

Последние лет 10-12 NVIDIA доминировала на рынке GPU, которые универсально подходят как для обучения, так и для инференса нейросетей. Однако, с распространением открытовесовых китайских LLM, чат-бот на их основе есть даже у небольших поисковых компаний. И во весь рост встает другая проблема: модели мало (до)обучить, их надо где-то инференсить. И желательно энергоэффективнее киловатта на 1 GPU. Также важны предсказуемая задержка и высокая пропускная способность. Желательно ещё и при снижении стоимости операций.

Как нельзя кстати, в Groq разработали решение этой проблемы — Language Processing Unit (LPU) на базе тензорного потокового процессора (TSM) с архитектурой, принципиально отличающейся от традиционных GPU и CPU. (подозреваю что нейминг LPU — дань хайпу вокруг ChatGPT). TSM основан на детерминированном выполнении инструкций без использования кэшей с переменной задержкой и спекулятивного выполнения команд. Собственный компилятор LPU статически планирует все вычисления, что обеспечивает предсказуемое время обработки.

К чему всё. Технически наиболее значимым аспектом сделки может стать интеграция архитектуры LPU с экосистемой CUDA.

CUDA, как проприетарная платформа NVIDIA, уже оптимизирует разработку под GPU через жесткую связку софта и чипа. И все мы знаем, сколько софта уже написано под CUDA как дефолтный бэкенд. И все мы знаем, что программисты меньше всего любят переписывать код. А слияние позволит разработчикам использовать привычные инструменты и API.

Интеграция детерминированной архитектуры LPU в CUDA-стек может позволить NVIDIA создать, например, гибридные серверы, где GPU будут отвечать за обучение и тяжелые вычисления, а LPU — за высокоскоростной инференс с гарантированными задержками. Особенно перспективной выглядит отгрузка CUDA-LPU в облачные сервисы, где компании ищут способы снизить стоимость инференса при сохранении качества и скорости.

Пока что GPU NVIDIA остаются стандартом для всего, но на рынке постепенно происходит стратегический сдвиг: от универсальных ускорителей к специализированным решениям для конкретных этапов работы с моделями. Groq же накопила уникальный опыт в проектировании чипов, оптимизированных под самую важную для масштабирования бизнеса нагрузку. Это поглощение укрепляет позиции NVIDIA и в самом востребованном в следующие годы сегменте инфраструктуры.

@anti_agi

От ARR к IRR

Интересно завершается год. Meta (запрещенная за экстремизм в России и только тут) покупает компанию Butterfly Effect, разработчика ИИ-агентов Manus, за $2 млрд, полностью выкупая всех инвесторов. И здесь много забавного:

В марте китайский стартап Butterfly Effect, среди главных инвесторов которого был Tencent, выпустил ИИ-агента, который, как заявлялось, способен управлять компьютером от имени пользователя гораздо лучше всяких там The Operator от OpenAI. Доступа к нему не было, но видосики завирусились в соцсетях, и народ решил, что это новый DeepSeek, благо что тот как раз вот только-только выстрелил со своей открытой рассуждающей моделью R1, на тот момент ставшей SOTA. Китайское гостелевидение сделало репортаж о том, как китайцы всех снова победили, пользователи дружно записались в лист ожидания в надежде на дивный новый мир, который откроется им, а мы занесли Manus в наш рейтинг ИИ-хайпа.

Правда, быстро выяснилось, что под капотом Manus все те же Claude и Qwen, впрочем, разработка агентов – это не разработка моделей, а искусство их использования. Manus использовал многослойную архитектуру агентов, где один агент координирует работу субагентов. Ну и молодцы.

И тут произошел первый твист в этой истории. В апреле американская венчурная фирма Benchmark возглавила раунд в $75 млн, где Butterfly Effect была оценена в $500 млн, а сама компания вместе с командой переехала в Сингапур. К тому времени китайские власти уже ограничили выезд сотрудникам DeepSeek, стремясь предотвратить утечку мозгов, но Butterfly Effect, это, видимо не коснулось.

Benchmark получил в США свою порцию хейта, что он спонсирует китайских разработчиков, республиканские сенаторы даже обратились к Конгрессу: «Почему мы инвестируем в наших врагов? Это все равно что поддерживать советскую космическую программу в 1972-м!». Венчурным капиталистам пришлось оправдываться – мол, ПО компании работает поверх западных LLM, плюс сама компания уже не в Китае.

В мае Manus вышел в открытый доступ. Тут многие сейчас пишут, что это один из лучших инструментов Deep Research и вообще очень крутой. Я скажу так: по публикациям в СМИ, Telegram и по запросам в Яндексе это никак не видно. Manus стабильно занимает в нашем рейтинге одно из последних мест и я каждый раз порывался сказать аналитикам уже перестать его считать. Так или иначе – революции он не совершил.

И вот – второй твист: Цукерберг выкупает его полностью. Сто китайских разрабов в Сингапуре переходят в Meta, но Manus продолжит работать как независимый инструмент. Соучредитель и генеральный директор Manus Сяо Хун будет подчиняться Хавьеру Оливану, операционному директору Meta.

Пишут, что у Manus много корпоративных подписчиков, а ARR составляет уже $125 млн. Инструмент, мол, может выполнять ряд общих задач, таких как проверка резюме, составление маршрутов поездок и анализ акций в ответ на простые инструкции.

Не пишут: что Цукерберг финансирует китайский ИИ (хотя раньше его обвиняли даже в том, что Facebook консультировал чиновников КПК по вопросам ИИ). Да, теперь компания сингапурская, но ее основатели и основные инвесторы – китайские. И пока покупатель смотрит на ARR, продавцы радуются IRR. Так, тот же Benchmark за восемь месяцев сделал четыре конца – вложился при цене $500 млн, вышел по цене $2 млрд. Так что хейт окупился полностью! А какой IRR у китайского Tencent, я боюсь даже представить.

Так выпьем же за то, чтобы в Новом году праздничный IRR не обошел и нас стороной!

@anti_agi

Твой второй пилот станет главным

Что делать, когда передовой Copilot собирает всего 8 млн платных подписчиков после миллиардных инвестиций? Конечно же объединить его со своим главным продуктом! Интернет буквально сошёл с ума, когда увидел, что Microsoft переименовала Office 365 в Microsoft 365 Copilot.

Последние сутки на Reddit, Hacker News и в соцсети X только и обсуждали судьбу бывшего Office. Казалось, что Microsoft тихо провела ребрендинг под новогодние салюты, но правда оказалась куда прозаичнее. Microsoft 365 Copilot появился на свет ещё год назад.

На домене office.com ещё с 2019 года предлагают получить доступ к онлайн-версиям Word, Excel и PowerPoint, а также оформить подписку Microsoft 365. Долгое время веб-приложение называли просто Office, потом Microsoft провела ребрендинг... а затем ещё один. Так к названию сервиса и прилип Copilot.

Набор приложений Office до сих пор доступен в подписке как Microsoft 365, также есть отдельная офлайн-версия Office 2024. Тем не менее, дальнейшие планы по интеграции Copilot здесь очевидны. Помощника всё теснее связывают с основными сервисами компании, и скоро пакет 365  просто нельзя будет представить без ИИ-интеграции.

Плохо ли это в мире, где существует отдельный Office 2024? Да ничуть. Какую схему создаёт Microsoft, у нас можно посмотреть на примере «Яндекс 360» — с небольшими агентскими возможностями, поиском по всем письмам и документам в одном окне. Там же, кстати, и абсолютно аналогичная ситуация с ребрендингами.

@anti_agi

Неискусственный ступор Telegram

Никто не любит, когда в привычные сервисы начинают через силу запихивать ИИ-фишки. Яркий пример — тот же Office. Но ещё хуже, когда интеграции "для галочки" начинают выглядеть как откровенное топтание на месте.

Дошли руки пощупать невероятную новинку нового года — краткий пересказ постов в Telegram. И оказалось, что работает оно совсем примитивно: текст просто сжимается до 4-6 тезисных предложений. Система даже не пытается брать в контекст соседние посты и описываемую новость.

С учётом того, что в одно сообщение в Telegram физически нельзя затолкать больше 4096 символов... Преимущество сомнительное. Поможет только в тех случаях, если авторы ваших любимых каналов начали всё чаще растекаться мыслью по древу. И не надо здесь тыкать в нас пальцем! Хотя даже тут, сильно абстрактные и креативные тексты пересказ сокращает "в лоб" — а задать уточняющий вопрос нельзя.

От ИИ в мессенджере хотелось всего-то ничего: возможность генерировать саммари по чатам и каналам и разбираться с ними в диалоге. Вcё это нам обещали принести с интеграцией Grok, которой так и не случилось этим летом. После анонса и заявления об инвестициях в $300 млн от xAI о проекте просто перестали говорить. Илон Маск тогда опроверг факт сделки, а Дуров заметил, что стороны пришли к принципиальному согласию — остались только формальности.

За такие фишки не жалко было бы взять и расширенный Premium! Хотя в том же WhatsApp это раскатывают бесплатно, делая упор на единого конфиденциального помощника.

Понятно, что Дуров не может похвастаться ресурсами Маска или Цукерберга: куда уж до них с его скромным состоянием в $14,4 млрд (+$3,38 млрд за год). Часть кейсов с саммари и диалогом закрывают сторонние боты. Но ступор в развитии не мессенджера, но соцсети Telegram становится всё очевиднее. Всё ушло в мелкие правки UX/UI и бесконечные заигрывания с криптой.

На фоне общего ИИ-хайпа спустя 3 года мы получаем самую "базу" на основе неназванных open source моделей. Зато это, кажется, первый публичный кейс использования децентрализованных вычислений Cocoon. Ради очередной попытки заработать хайпа для своего блокчейна могли бы и постараться, ну честное слово.

Так что желаем Павлу Валерьевичу на Рождество того же, что он пожелал всем нам — less information, less stimulation... А то так недолго и очутиться в реальности, где те самые ИИ-фишки, а то и полноценного ассистента, мы первее увидим в каком-нибудь ИМПОРТОЗАМЕЩЁННОМ мессенджере.

@anti_agi