Биржа Bybit обратилась к Виталику Бутерину о возможном проведении rollback

Rollback - это как "откат времени" в блокчейне. Представьте, что можно вернуться на несколько дней назад и "отменить" все транзакции, включая кражу. В 2016 году при взломе биржиTheDAO было украдено 30% всех ETH, что привело к необходимости такого отката.

После масштабного взлома Bybit рассматривает все варианты восстановления. В текущей ситуации украдено всего 0.3-0.4% ETH ($1.46млрд), что делает rollback маловероятным решением.

CEO биржи заявил, что активы превышают $1.5млрд, у них есть в безопасном холодном кошельке около $3млрд в USDT.

Если бы украли >$10млрд, то рассматривалась бы продажа биржи.

Что делает Bybit сейчас?

1. Запустили "Bounty Recovery Program":
• 10% за помощь тому, кто поможет вернуть средства.
• Максимальное вознаграждение до $140млн.

2. Масштабная скупка ETH:
• Закуплено 106,498 ETH ($294.93млн)
• Используют OTC-сделки для минимизации влияния на рынок

Почему rollback маловероятен?

TheDAO (2016): украдено 30% ETH → был сделан rollback

Bybit (2025): украдено 0.3-0.4% ETH → процент слишком мал. Не нарушены правила протокола. Риск "эффекта домино" в экосистеме.

Новые детали расследования от SlowMist:

• Идеальная подмена интерфейса Safe
• Использование легитимных URL
• Психологический фактор: снижение бдительности после первой подписи
• Возможная утечка внутренней информации.

Ключевые вопросы для индустрии:
1. Безопасность мультисиг-решений
2. Надежность фронтенд-систем
3. Человеческий фактор в безопасности
4. Баланс между удобством и защитой.

Интересный момент -
eXch (платформа, связанная с северокорейскими хакерами) отказалась сотрудничать в расследовании, что может указывать на причастность к атаке.

Что говорят эксперты?

1. rollback может принести больше проблем, чем решений
2. ситуация тестирует устойчивость децентрализованных систем.

Зачем обращаться к Виталику, если rollback маловероятен?

- Поиск альтернативных решений
- Анализ уязвимостей системы
- Консультация по безопасности экосистемы
- Поддержка сообщества
- Координация с Ethereum-сообществом
- Сохранение доверия к экосистеме.

Что это значит для будущего?

1. Пересмотр подходов к мультисиг-системам
2. Усиление защиты фронтенд-интерфейсов
3. Развитие систем раннего обнаружения атак
4. Баланс между децентрализацией и безопасностью.

Итоги уходящей недели, то, что имеет значение в России и мире

Прорывы в науке и технологиях

1. Arc Institute представил Evo 2 - крупнейшую ИИ-модель для работы с геномами.

2. Представлена LUMI-lab - умная лаборатория для разработки лекарств с помощью ИИ.

3. #DeepSeek и #Kimi показали новые технологии для эффективной работы с длинными текстами.

4. Figure создала робота Helix с инновационной архитектурой управления.

5. Halliday запустила первый ИИ-агент протокол для создания блокчейн-приложений.

Новые модели и разработки:

6. StepFun представила две модели: Step-Video-T2V для преобразования текста в видео и Step-Audio для работы с аудио.

7. Microsoft представила Muse - ИИ для генерации игровых последовательностей.

8. Sakana AI создала AI CUDA Engineer для оптимизации CUDA ядер.

9. HuggingFace выпустила "Ultra-Scale Playbook".

10. Google выпустила SigLIP 2 - мощный кодировщик изображений и текста.

11. Meta(запрещенная в РФ) представила MLGym - новую среду для обучения ИИ-агентов. А также EgoMimic - платформу для обучения роботов с использованием AR-очков.

12. Mistral анонсировала Saba - первую региональную языковую модель.

13. Представлена Krutrim LLM - многоязычная модель для индийских языков.

Тренды развития ИИ и технологий

14. Рост значимости ИИ и deep tech в создании единорогов.
15. Карта рынка и развитие нейроинтерфейсов с объемом рынка $1.43 млрд.
16. Ускорение смены технологического лидерства в сфере ИИ.
17. Развитие агентной коммерции и автономных ИИ-покупателей.

Ключевые события в России:

18. Д. Зауэрс, зампредправления Газпромбанка представил альтернативные проекты Neuralink и Tesla. А также проекты в квантовых технологиях и биотехе.

19. Курчатовский институт и Росатом планируют развивать лунную энергетику.

20. Евгений Касперский попросил у главы Минцифры доступ к телефонным разговорам всех пользователей.

21. А. Крайнов, глава ИИ Яндекса, предупредил о возможной нехватке электроэнергии для ИИ.

22. Усиление контроля за операциями с цифровым рублем. Почему цифровой ₽ может стать неактуальным, не успев запуститься? Ответ тут.

23. Венчурный рынок РФ в стагнации с падением на 16%

Ключевые корпоративные новости

24. Microsoft представила первый в мире квантовый процессор Majorana 1 с топологическим ядром, что может ускорить развитие квантовых вычислений.

25. Сатья Наделла обозначил новые приоритеты Microsoft: фокус на практическом применении ИИ через Copilot и Azure, а не на AGI.

26. xAI представила Grok 3, который конкурирует с ведущими моделями и доступен через X(Twitter).

27. Google выпустила AI co-scientist для помощи учёным в исследованиях.

28. Google добавили в Gemini Advanced бесконечную память

29. Произошел взлом биржи Bybit с потерей $1.46 млрд. СЕО биржи обратился к Виталику Бутерину за помощью.

30. Мира Мурати (экс-CTO OpenAI) основала новую компанию, собрав команду из ключевых ИИ-проектов.

31. Илья Суцкевер привлекает $1 млрд для своего стартапа SSI при оценке в $30 млрд.

32. Создатели ChatGPT раскрыли секреты разработки системы на лекции в Стэнфорде.

Против ИИ-агентов. Иной путь развития ИИ от Й. Бенджио лауреата премии Тьюринга

Йошуа Бенджио, лауреат премии Тьюринга и один из пионеров глубокого обучения, вместе с коллегами из Mila — Quebec AI Institute предложил новый подход к развитию ИИ, направленный на снижение рисков - Scientist AI.

Вместо создания ИИ-агентов, предлагают иной подход к развитию ИИ:

1. Основные принципы:
- Фокус на понимании мира, а не на действиях в нем
- Отсутствие собственных целей и агентности
- Строгая ограниченность выходных данных вероятностными оценками

2. Техническая реализация:
- Байесовский подход к обработке неопределенности
- Модель мира для генерации объяснительных теорий
- Машина логического вывода для ответов на вопросы
- Улучшение точности с ростом вычислительных ресурсов

3. Встроенные механизмы безопасности:
- Отсутствие внутреннего состояния между запросами
- Контрфактуальные запросы для избежания влияния на реальный мир
- Многоуровневая система проверки выводов

Области применения

1. Научные исследования:
- Помощь в генерации и проверке гипотез
- Анализ научной литературы
- Планирование экспериментов

2. Система безопасности для других ИИ:
- Проверка действий агентных систем
- Оценка рисков предлагаемых решений
- Предотвращение опасных сценариев

3. Безопасное развитие продвинутого ИИ:
- Исследование потенциальных рисков
- Разработка механизмов контроля
- Тестирование безопасности новых систем

Напомним, что на прошлой неделе Google представили AI co-scientist - ИИ-агент для научных исследований. По мнению Бенджио, агенты несут фундаментальные риски:

- Возможность развития скрытых целей и самосохранения
- Риск обмана и манипуляций
- Потенциальная потеря человеческого контроля
- Усиление этих рисков с ростом возможностей ИИ

Подход Бенджио выходит далеко за рамки создания еще одного инструмента для научных исследований. Это попытка предложить принципиально новый путь развития ИИ, который:

- Сохраняет полезные возможности современного ИИ
- Минимизирует риски потери контроля
- Обеспечивает прозрачность и интерпретируемость
- Масштабируется безопасным образом.

Крутой свежий отчет о мировом рынке роботов от Morgan Stanley: роботизация будет быстрее, чем внедрение беспилотных автомобилей, благодаря контролируемым условиям применения.

В отчете делается акцент на лидерстве Китая в "теле" роботов и США в "мозге", с Tesla как ключевым интегратором.

Morgan Stanley видит человекоподобных роботов как трансформационную силу, способную изменить рынок труда и глобальную экономику к 2050 году. Однако успех зависит от преодоления текущих барьеров и конкуренции между Востоком и Западом.

Вот ключевые моменты из отчета:

1. Экономический потенциал

Глобальный рынок к 2050 году рынок может достичь $10–12 трлн.

В США 2040 году будет до 8,4 млн роботов, экономический эффект от этого $357 млрд.

К 2050 году: до 63 млн роботов, замещающих 75% рабочей силы, с эффектом в $3 трлн.

Китайский рынок - 6 триллионов юаней (~ $850 млрд) к 2050 году.

Экономия на рабочей силе оценивается в $500 000–1 000 000 на одного робота за 20 лет эксплуатации.

2. Отрасли применения
- Логистика и склады: автоматизация погрузки, сортировки.
- Производство: сборка и контроль качества (Toyota, Tesla).
- Здравоохранение: уход за пожилыми людьми.
- Сельское хозяйство: сбор урожая.
- Опасные работы: горнодобыча, строительство.

3. Технологические драйверы
- ИИ: генеративные модели для обучения роботов сложным задачам.
- Сенсоры: LiDAR и камеры (RoboSense, Sony) для восприятия среды.
- Аппаратное обеспечение: actuators (приводы) и батареи (CATL, Tesla).
- Симуляции: платформы вроде NVIDIA Omniverse для ускоренного обучения.

Morgan Stanley выделяет 100 ключевых компаний, разделенных на три категории:

1. "Мозг": Разработка ИИ и вычислительных систем.
- Лидеры:
- NVIDIA: чипы (H100, Jetson) и платформа Omniverse.
- Google (DeepMind): алгоритмы обучения.
- Microsoft: облачные решения.
Западные компании доминируют в этой категории благодаря лидерству в софте.

2. "Тело": Производство компонентов: сенсоры, приводы, батареи.
- Лидеры:
- RoboSense (Китай): LiDAR и системы зрения.
- Sony: камеры.
- CATL: батареи.
- Inovance: приводы.
Китай занимает 63% цепочки поставок, включая 90% обработки редкоземельных металлов, необходимых для моторов.

3. "Интеграторы". Сборка и внедрение роботов.
- Лидеры:
- Tesla (Optimus): интеграция ИИ из FSD в робототехнику.
- Boston Dynamics (Atlas): мобильные роботы.
- Amazon: складская роботизация.
Китай также силен здесь: 56% компаний и 45% интеграторов из КНР.

Из 100 компаний 37 — китайские, 35 — американские, что подчеркивает конкуренцию между этими странами.

Инвестиционные перспективы
- Лидеры роста: NVIDIA, Tesla, RoboSense.
- Потенциал акций: рост на 15–20% ежегодно в ближайшие 5–10 лет.
- Стартапы: Figure AI, Agility Robotics — возможные цели для поглощений.
- Рекомендация: инвестировать в цепочку поставок (компоненты, софт) для долгосрочной прибыли.

Риски:
- Технологические: ограничения в ловкости и автономности.
- Регуляторные: стандарты безопасности и ответственности.
- Социальные: массовая безработица и протесты.
- Китайская конкуренция: доминирование КНР может вытеснить западные фирмы, как в случае с электромобилями.

Дубай официально признал первые стейблкоины - USDC и EURC

Эмитент стейблкоинов Circle объявил, что ее продукты USDC и EURC стали первыми официально признанными в Международном финансовом центре Дубая (DIFC).

DIFC — один из ключевых финансовых хабов Ближнего Востока, ориентированный на инновации. Признание USDC и EURC открывает им дорогу к институциональным игрокам региона: банкам, корпорациям и фондам. Circle укрепляет свой имидж регулируемого лидера.

Для рынка это шаг к легитимизации стейблкоинов. Если другие юрисдикции последуют примеру DIFC, фокус сместится на регулируемые активы, что может изменить расстановку сил.

Tether (эмитент USDT) остается королем стейблкоинов, но успех Circle в DIFC — это вызов.

Если компании в DIFC выберут USDC, это может снизить объемы USDT в MENA.

USDC и EURC становятся мостом между фиатом и криптой в регионах, где регуляторы готовы сотрудничать. Tether же стоит перед выбором: либо продолжать доминировать в DeFi и менее регулируемых зонах, либо пойти на компромисс с правилами, чтобы не уступить институционалам.

Еще больше материалов про стейблкоины тут.

Это гонка $: Apple объявили о вложении $500 млрд в ИИ, Microsoft отказались инвестировать в OpenAI проект Stargate, а Alibaba $52 млрд вкладывает в ИИ и облачную инфраструктуру в течение 3-х лет.

Microsoft заявили, что не будут участвовать в проекте OpenAI Stargate из-за переоценки спроса.

Perplexity AI запускает новый браузер на основе ИИ-агентов под названием "Comet"

Лист ожидания тут.

Поиск на основе ИИ-агентов предполагает:

1. Понимание контекста — браузер может понимать ваши намерения, а не просто искать ключевые слова.

2. Исследование — может самостоятельно переходить по ссылкам и собирать информацию с разных сайтов

3. Синтез информации — вместо выдачи списка ссылок может обобщать информацию и представлять готовые ответы

4. Выполнение сложных задач — например, сравнение продуктов, анализ отзывов, поиск лучших предложений.

⚡️Anthropic только что выпустили новую гибридную модель Claude 3.7 Sonnet, которая умеет рассуждать и не только:

1. Расширенное мышление (extended thinking) - возможность тщательно и пошагово решать сложные задачи. Этот режим доступен пользователям с Pro-аккаунтами.

Можно выбирать между:
- Быстрыми ответами (standard thinking)
- Углубленным анализом (extended thinking)
- Продвинутыми рассуждениями (advanced reasoning)

Ключевые возможности:
- Продвинутая работа с кодом
- Улучшенное использование компьютера
- Сложные рассуждения
- Генерация контента
- Работа в качестве AI-агента

Основные сценарии использования:
- Поиск и обработка больших объемов информации (RAG)
- Рекомендации продуктов
- Прогнозирование
- Таргетированный маркетинг
- Генерация кода
- Контроль качества
- Распознавание текста из изображений

Доступно как в браузере , так и в приложении.

Anthropic: в 2027 году ИИ сможет давать решения сложных проблем без помощи человека

В свежей статье о новой гибридной модели Claude 3.7 Sonnet и сопутствующих продуктах Anthropic показывает график развития их ИИ Claude с 2024 по 2027 год:

1. В 2024 году Claude просто помогает людям
2. К 2025 году Claude будет активно сотрудничать с людьми
3. К 2027 году Claude будет предлагать новаторские решения сложных проблем

Claude 3.7 Sonnet - гибридная модель рассуждения, которая проводит пошаговые рассуждения перед формулированием окончательного ответа. У модели есть интеграция с GitHub. Более того модель прямо в чате может визуализировать данные в виде интерактивных графиков и диаграмм, игр и головоломок, простые иллюстрации, схемы и диаграммы, визуальные представления концепций.

А еще может создавать простые веб-страницы с HTML, CSS и JavaScript.

Также есть Claude Code — новый инструмент командной строки для программирования с помощью ИИ:

- Доступен пока в виде ограниченного исследовательского превью
- Позволяет разработчикам делегировать задачи программирования непосредственно из терминала
- Умеет искать и читать код, редактировать файлы, писать и запускать тесты, а также работать с GitHub.

Модель обучалась на смеси общедоступной информации из интернета (до ноября 2024 года) и непубличных данных. Anthropic говорит, что модель не обучалась на пользовательских запросах или ответах.

После множества оценок, модель была классифицирована как ASL-2 - это означает, что она не достигает пороговых значений для более строгих мер безопасности ASL-3, но требует некоторых мер предосторожности.

Anthropic говорит, что следующая версия модели может потребовать мер безопасности уровня ASL-3, и компания уже готовится к этому.

Сооснователь «Моторики» инвестирует ₽100 млн в биореактор для Луны

Сооснователь и экс-гендиректор разработчика киберпротезов «Моторика» Илья Чех основал новую научно-технологическую компанию «Гильдия «Рубежи науки».

Компания займется разработкой биореактора для жизнеобеспечения будущих лунных станций и созданием лазерного комплекса для исследований гравитационных волн.

Помимо того, компания будет инвестировать в другие стартапы и проекты, занимающиеся исследованиями и разработками в этой сфере.

Начало разработки биореактора запланировано на I квартал 2025 г., всего реализация может занять от 3 до 5 лет.

⚡️Прорыв в обучении ИИ от Яна ЛеКуна, позволяющий создавать сильные ИИ-агенты из слабых данных

Команда исследователей из NYU и Meta AI (запрещенная в РФ) под руководством Яна ЛеКуна представила новый метод обучения ИИ-агентов — PLDM (Planning with Latent Dynamics Model), основанный на архитектуре JEPA от Лекуна.

Это возможность использовать "сырые" данные без дорогостоящей разметки значительно снижает затраты на разработку ИИ-решений и открывает новые сценарии применения в областях, где качественные данные труднодоступны.

Большинство современных методов ИИ требуют высококачественных данных с четкими аннотациями для обучения.

PLDM решает фундаментальную проблему перехода от узкоспециализированных агентов к системам, способным адаптироваться к новым задачам без дополнительного обучения.

PLDM реализует на практике концепцию JEPA — подход к самообучению, который Ян ЛеКун считает ключевым для создания по-настоящему интеллектуальных систем. В отличие от генеративных моделей (как GPT), JEPA фокусируется на предсказании абстрактных представлений будущего, а не конкретных наблюдений.

Это может стать альтернативным путем к AGI через предсказательные мировые модели, понимание причинно-следственных связей и планирование, а не через масштабирование параметров и данных.

Способность учиться из неидеальных данных и адаптироваться к новым средам — именно те качества, которые отличают интеллектуальные системы от простых шаблонных решателей.

AI-агенты и платежи, как бизнес пользуется этим

Ранее мы писали, что Stripe запустили SDK для ИИ-агентов, и за 3 месяца появились интересные кейсы использования.

Разберем, как бизнес применяет эту технологию:

1. Голосовой контроль платежей.

- Разработчики интегрируют Stripe через голосовые команды (Cursor AI + Superwhisper)
- Возможность управлять платежами без написания кода
- Идеально для предпринимателей, которые хотят быстро настроить прием платежей

2. ИИ-ассистенты в продажах

- Автоматическое создание и отправка счетов
- Генерация платежных ссылок по запросу клиента
- Отслеживание статуса платежей и автоматические напоминания

3. Интеграция с sales-платформами

- Arrows Intelligence встраивает платежные ссылки в sales rooms
- ИИ анализирует поведение клиента и предлагает оптимальный момент для выставления счета
- Автоматическая генерация персонализированных коммерческих предложений

4. Автоматизация биллинга

- ИИ отслеживает usage-based pricing
- Автоматическая генерация и корректировка подписок
- Проактивное управление рефандами

5. Практические преимущества:
- Снижение ручной работы с платежами на 70-80%
- Мгновенная обработка финансовых операций
- Минимизация ошибок при выставлении счетов

Главный тренд - интеграция становится проще. От знакомства с технологией до запуска первого платежа может пройти менее часа.

Технический стек:
- LangChain/CrewAI для логики
- Vercel AI SDK для инфраструктуры
- Model Context Protocol (MCP) для стандартизации
- Stripe API для платежных операций

Ожидаем развития экосистемы инструментов и появления специализированных решений для разных бизнес-моделей.

Особенно интересно наблюдать за развитием голосовых интерфейсов управления платежами.

DeepSeek готовится к выходу новой модели R2 и открывает код новых технологий

#DeepSeek не отстает от гонки за выпуск новых лучших моделей, после выходов Anthropic, OpenAI и Google компания собирается выпустить свою новую модель R2 раньше изначально запланированного срока в мае.

Параллельно с этим компания делает стратегический ход, открывая доступ к двум критически важным технологиям: DeepEP и FlashMLA.

DeepEP — первая библиотека с открытым исходным кодом для эффективной коммуникации в моделях на архитектуре Mixture-of-Experts (MoE). Именно эта технология позволила DeepSeek создать свою модель R1, которая превзошла западных конкурентов при значительно меньших затратах на обучение (около $6 млн).

В дополнение к DeepEP, компания представила FlashMLA — высокоэффективный декодирующий модуль для GPU архитектуры Hopper. Этот компонент достигает впечатляющих показателей: 3000 ГБ/с при операциях с памятью и 580 TFLOPS при вычислительных операциях на GPU H800, что критически важно для быстрой работы крупных моделей.

Интересно, как в этот раз стратегия DeepSeek по открытию своих технологий повлияет на западных конкурентов? Что они сделают? Наблюдаем.

❗️Крупнейшие ИТ-компании инвестируют в создание цифровых клеток человека - Arc Institute, принадлежащий основателям Stripe, запустил виртуальный клеточный атлас из 300 млн клеток

Arc Institute объявил о Arc Virtual Cell Atlas, который объединяет данные более 300 миллионов клеток в единую вычислительную платформу.

Это первый шаг института к созданию масштабной базы клеточных данных для стимулирования биологических открытий с помощью ИИ.

Атлас дебютирует с двумя ключевыми наборами данных, которые стали общедоступными:

1. Tahoe-100M- крупнейший в мире набор данных пертурбаций с открытым исходным кодом, созданный Vevo Therapeutics. Он включает данные о 100 млн клеток и отображает 60,000 взаимодействий лекарств с клетками в 50 линиях раковых клеток.

2. scBaseCamp - первый набор данных секвенирования РНК отдельных клеток, курированный с использованием ИИ-агентов. Ученые Arc обработали наблюдательные данные из более чем 200 миллионов клеток, представляющих 21 различный вид, из публичных репозиториев и привели их к стандартизированной форме.

Для создания scBaseCamp ученые Arc разработали автономных ИИ-агентов, которые непрерывно ищут, курируют и обрабатывают публичные репозитории данных в реальном времени.

Проект создавался в партнерстве с Parse Biosciences, чья GigaLab обеспечила возможности секвенирования РНК отдельных клеток.

Мы видим, как технологические гиганты (через такие структуры как Chan Zuckerberg Initiative) и специализированные институты (как Arc Institute) вкладывают значительные ресурсы в создание виртуальных клеточных атласов и цифровых моделей клеток.

Другие разработки Arc тут.

США продвигаются к одобрению государственных биткоин-резервов

18 штатов рассматривают возможность принятия биткоин-резервов, а 33 штата обдумывают их создание.

На данный момент штат Юта успешно продвинул соответствующий законопроект в палату законодательного собрания.

Если он будет принят, Юта может стать 1-м штатом, официально внедрившим биткоин-резервы, с возможностью инвестировать до 5% определенных государственных фондов в цифровые активы, включая биткоин.

По данным анализа VanEck, 20 штатов могут вложить до $23 млрд в биткоин, если законопроекты будут приняты.

Другие штаты, такие как Аризона, Техас и Пенсильвания, тоже продвигаются вперед, но пока Юта ближе всех к финишной черте.

Интерес к этому вопросу усиливается на фоне глобальных дискуссий о роли биткоина как резервного актива.

Основатель Huawei сказал Си Цзиньпину,что отставание от Nvidia сокращается

Huawei достигла большого прогресса в производстве передовых ИИ-чипов Ascend 910C - % выхода годной продукции увеличился до 40% по сравнению с 20% всего год назад.

Это большое достижение, которое впервые сделало производственную линию Huawei для чипов Ascend рентабельной.

Компания планирует дальнейшее улучшение показателей до 60%, что соответствует отраслевым стандартам для подобных чипов и приближается к показателям TSMC при производстве процессоров Nvidia H100.

В 2025 году Huawei планирует произвести 100 000 процессоров Ascend 910C и 300 000 чипов 910B. Это существенный рост по сравнению с 2024 годом, когда было произведено 200 000 чипов 910B, а 910C еще не находились в массовом производстве.

Но есть технические проблемы у чипов Huawei:

1. Специалисты китайских ИИ-компаний и исследователи самой Huawei признают, что Ascend 910B не подходят для обучения крупномасштабных моделей из-за проблем с межчиповым соединением и ограничений памяти.

2. Продукты Huawei пока уступают решениям Nvidia в удобстве использования.

Это будущее разработки ПО-Factory AI создали платформу, объединяющую ИИ с человеческим опытом на всех этапах разработки ПО

В то время как GitHub Copilot, JetBrains AI и другие решения часто концентрируются на автодополнении кода и генерации отдельных функций, Factory позиционирует себя как полноценную платформу для управления разработкой с помощью AI на всех этапах.

Вот её ключевые особенности:

1. Droid Mode - ИИ-агенты обрабатывают тикеты, анализируют ошибки и выполняют сложные задачи.

2. Threads - автоматическое объединение контекста из GitHub, Slack, Jira без переключения между сервисами

3. Workflows - автоматизация рутинных процессов от создания интеграций до формирования релизных заметок

Результаты внедрения впечатляют: удвоение скорости итерации, сокращение времени от открытия до слияния PR на 20%, уменьшение изменений в коде в 3 раза.

В основе платформы — передовые языковые модели (включая Claude 3.7 Sonnet), собственная система индексации и партнерства с OpenAI, Anthropic и MongoDB.

Вот это конкуренция! #DeepSeek обваливает цены на экономику ИИ, а OpenAI делает Deep research массовым - это демократизация ИИ

Свежие анонсы лидеров ИИ подтверждают прогноз нашего канала @blockchainrf о том, что базовые ИИ-модели станут товаром, а реальная ценность будет в агентах и специализированных решениях.

DeepSeek сегодня объявил сразу 2 важных анонса:

1. Ценовая война. С сегодняшнего дня компания вводит агрессивные скидки в непиковые часы (16:30-00:30 UTC):
- DeepSeek-V3: -50%
- DeepSeek-R1: -75% (!)

Вдумайтесь: стоимость вывода для R1 падает с $2.19 до $0.550 за миллион токенов. Это прямое подтверждение тезиса о том, что базовые ИИ-модели становятся товаром.

2. Технологическая демократизация. DeepSeek выпускает DeepGEMM — высокоэффективную библиотеку с выдающимися характеристиками. Подробности тут.

А OpenAI движется к модели "интеллект как сервис"

Одновременно OpenAI делает серию анонсов, показывающих переход от продажи доступа к моделям к продаже уровней интеллекта:

1. Deep research для всех платных пользователей.
- Plus, Team, Edu и Enterprise получают 10 запросов/месяц
- Pro пользователи — 120 запросов/месяц

2. Advanced Voice на базе GPT-4o mini для бесплатных пользователей:
- Бесплатный доступ к технологии, но с ограничениями
- Plus и Pro получают расширенные возможности

В то же время Alibaba бросает вызов в сфере ИИ-видео и выпускает Wan2.1 — набор продвинутых моделей для видео:
- Генерация в 2,5 раза быстрее SOTA моделей
- Превосходная работа со сложными движениями и физикой
- Работает на китайском и английском языках.

Что это значит для рынка ИИ?

1. Базовые модели становятся товаром. Как мы писали ранее, базовые ИИ-модели станут как ОС — широкодоступными и дешевыми. Мы наблюдаем это в реальном времени с ценовой политикой DeepSeek.

2. Смещение ценности к специализированным решениям.
OpenAI фокусируется на создании функций вроде Deep research — это уже не просто API, а готовое решение конкретной проблемы.

3. Многоуровневая стратегия монетизации.
Компании четко сегментируют функциональность по уровням подписки:
- Бесплатный уровень: базовые возможности
- Plus/Team: доступ к продвинутым функциям с ограничениями
- Pro/Enterprise: максимальные возможности

4. Эффективность вместо сырой мощности. DeepSeek с их компактным, но мощным DeepGEMM подтверждает, что "алгоритмы становятся эффективнее" и "маленькие дистиллированные модели показывают хорошие результаты".