Внезапно выяснилось, что основатель DeepMind Демис Хассабис имеет долю в Anthropic

Financial Times провели расследование, и оказалось, что он был одним из первых так называемых «ангельских» инвесторов стартапа и вкладывался в компанию тайно.

Теперь же Демис и Амодеи – чуть не главные конкуренты друг друга.

Несмотря на это, напоминаем, что недавно Google подписали соглашение об инвестициях в Anthropic на $10 млрд. Возможно, как раз под влиянием Хассабиса?

Кодеры со стажем меньше 2 лет вообще когда-нибудь слышали про такое?

В 2026 году желания просто “войти в ИТ” уже недостаточно

На фоне развития ИИ и растущей конкуренции, базовые требования становятся выше. Директор по росту, аналитике и монетизации экосистемы Т-Банка Владимир Абазов, номинант рейтинга Forbes 30 до 30, считает, что первым делом начинающим аналитикам все равно придется качать так называемые hard skills — статистику, математику, Python и SQL. Искусственный интеллект действительно упрощает вход в профессию, однако техническая база остается основой.

При этом работодатели все чаще смотрят не только на стек, но и на мотивацию человека. По словам Абазова, “горящие глаза” и интерес к решению задач становятся отдельным преимуществом — именно такие специалисты чаще предлагают нестандартные идеи и быстрее растут внутри компаний. А коммуникация — не менее важный навык. Рутину постепенно забирает ИИ, но умение договариваться, выстраивать нетворкинг и задавать правильные вопросы экспертам остается критически важным. И, наконец, аналитикам все чаще нужно понимать бизнес-контекст: не просто решать задачу, а видеть, как это влияет на пользователя и монетизацию продукта.

Таким образом, главный навык аналитика будущего — это не только код

Сэм Альтман предложил каждому стартапу в YCombinator 2 миллиона долларов в токенах за долю в компании

Скорее всего, рассчитывать на такую щедрость (aka почти безлимитный Codex) можно будет примерно за 7% акций: около того обычно берет сам YCombinator.

Но, очевидно, акции стартапов для Альтмана не главное. В первую очередь он хочет повысить популярность Codex и привязать молодые компании к своей экосистеме. Ведь у кого энтерпрайз – тот и победил, а конкурировать за этот рынок с Anthropic не так уж и просто.

«Мне любопытно посмотреть, что будет с tokenmaxxing стартапами: как они будут работать внутри и какие продукты смогут создать» – написал Альтман.

Создатель механизма внимания Йошуа Бенджио предложил новую архитектуру для нейросетей

Вместе с исследователями из лабы KAIST и Нью-Йоркского университета он анонсировал GRAM – Generative Recursive reAsoning Models.

Ученые уже давно экспериментируют с так называемыми Recursive Reasoning Models. Идея в том, что в отличие от привычных ризонинг моделей они рассуждают не с помощью генерации дополнительных токенов, а как бы про себя, в пространстве внутренних состояний, которые итеративно уточняются, улучшая ответ.

Преимущество в теории очевидно: можно делать сотни шагов рассуждения без раздувания контекста. Но до этой работы такие модели были детерминированы, то есть при одинаковом входе всегда шли по одному и тому же пути и приходили к единственному ответу.

Почему это проблема? Потому что случайность – это источник креативного рассуждения самого по себе. В обычных ризонерах она есть, и это открывает путь к исследованию альтернатив и масштабированию через параллельный перебор. Нет случайности – нет возможности попробовать иначе, и это тупиковое развитие.

Заслуга GRAM как раз в том, что это первая в своем классе стохастичная модель. На каждом шаге рекурсии модель вычисляет детерминированный шаг – куда двигаться дальше – и добавляет к нему стохастический сдвиг. Среднее этого сдвига задает направление, а дисперсия – степень исследования. Чем сложнее задача, тем шире модель разбрасывает траектории. Затем из множества таких траекторий с помощью реворд модели выбирается лучшая.

На ARC-AGI GRAM набирает 52%, это примерно уровень GPT-5.2. А еще модель просто отлично играет в судоку.

https://ahn-ml.github.io/gram-website/

Внутренняя модель OpenAI опровергла человеческое решение 80-летней задачи

Речь идет об очень известной задаче Пола Эрдеша, которую он поставил в 1946 (и даже назначил денежный приз за решение). Звучит она просто:

Возьмите n точек на плоскости. Сколько максимально пар из этих точек могут находиться ровно на расстоянии 1 друг от друга?

Например, если взять 4 точки, то ответ дает квадрат, и получается 4. Но если точек больше, то все уже не так просто. Собственно, математики задавались вопросом, какова природа этого максимума, и как он растет (линейно или быстрее?).

Сам Эрдеш определял верхнюю границу роста числа единичных пар как чуть выше линейного. И в целом почти 80 лет математики были уверены, что наилучшие конструкции выглядят примерно как квадратные решетки. Короче, задача была как будто закрыта.

И вдруг OpenAI объявляют, что некая "внутренняя ризонинг модель" обнаружила совершенно новое семейство конструкций, которое превосходит решетку. При этом, по словам стартапа, это модель общего назначения, а не спецаильно обученная для математики.

Технически, исходная нижняя оценка Эрдеша опиралась на гауссовы целые числа. Модель же связала геометрическую задачу с совершенно другой областью математики – алгебраической теорией чисел. В итоге получилось бесконечное семейство конфигураций точек, дающих значительно больше единичных пар, чем считалось возможным.

Доказательство верифицировали несколько авторитетных математиков. Один из них сказал, что уверен, что в ближайшие годы ИИ решит еще много открытых задач.

openai.com/index/model-disproves-discrete-geometry-conjecture/

Системный аналитик помогает бизнесу и разработке говорить на одном языке: разбирает задачи компании, описывает требования, проектирует IT-решения и следит, чтобы система работала на реальные цели бизнеса.

Онлайн-магистратура СПбГУ и Нетологии «Системный анализ и интеллектуальные системы управления бизнес-процессами» готовит специалистов на стыке IT и управления.

В программе сочетаются академическая база СПбГУ и прикладные инструменты Нетологии. Студенты изучают математическое моделирование, алгоритмы, системный анализ, Python, BI-системы, no-code-инструменты, управление проектами и подходы к внедрению искусственного интеллекта.

Такой набор навыков помогает работать со сложными бизнес-процессами: находить узкие места, снижать риски при разработке, формулировать требования к системам и сопровождать внедрение IT-решений.

Обучение проходит полностью онлайн. После выпуска вы получаете диплом магистра СПбГУ очного образца по направлению «Прикладная информатика».

Подробнее о программе

Реклама. ООО “Нетология” ОГРН 1207700135884 Erid: 2VSb5yYSVhk

OpenAI начинает официальный процесс выхода в IPO

WSJ пишут, что они планируют подать заявку регулятору буквально сегодня или завтра. Видимо, у них уже все было готово, и они дожидались только окончания суда с Маском.

После подачи заявки она будет рассматривать несколько месяцев, так что в четвертом квартале 2026 года IPO может случиться, и оно, вполне возможно, будет одним из крупнейших в истории.

В Meta* обучают агентов прямо на действиях сотрудников и массово сокращают штат

В сети вирусится слитое аудиосообщение от Цукерберга: 30 апреля он якобы заявил менеджерам, что обучение на действиях сотрудников поможет резко улучшить способности моделей.

Модели ИИ учатся, наблюдая за тем, как очень умные люди выполняют задачи. Средний уровень интеллекта людей в этой компании значительно выше, чем средний уровень людей, которых можно привлечь извне для разметки данных для ИИ.

Короче, Цукерберг считает, что надо обучать агентов прямо на компьютерных сессиях и коде сотрудников, и что это будет существенным преимуществом перед конкурентами.

На самом деле, слухи о том, что подобную систему трекинга внедряют в Meta, ходили и реньше. Reuters еще 21 апреля сообщали, что есть некий инструмент Model Capability Initiative, который собирает движения мыши, клики, нажатия клавиш и иногда скриншоты – для обучения AI-агентов.

Самое интересное, что практически одновременно компания стала массово увольнять людей. На днях они объявили, что сокращают 8 тысяч сотрудников, а еще 7 тысяч переводят на новые AI-направления.

Как ощущается работа, когда потратил все дневные лимиты Claude Code

P.S. Аккуратно, спойлер к сериалу The Boys (Пацаны)

И снова об особенностях профессии ML-инженера: почему сильная база помогает работать в разных индустриях

За 6 лет выпускница ШАДа Дарима Мылзенова успела поработать ML-инженером в медицине, нефтянке, TTS-стартапе и финтехе. Она дала интервью, где объяснила, что для специалиста ключевым оказывается способ мышления, который закладывается фундаментальным обучением.

Дарима вспоминает курс по байесовским методам и идею о том, что любое новое наблюдение помогает постепенно обновлять представление о мире. Этот же принцип работает и в ML-проектах: инженер постоянно адаптируется к данным, гипотезам и ограничениям.

При работе с моделями также нужно оперативно осваивать новые подходы и архитектуры. В такие моменты выручает установка, вынесенная Даримой из обучения, — все можно понять, если просто сесть и разобраться. Прочная база позволяет инженеру быстро декомпозировать незнакомую задачу, убирает страх перед неопределенностью и помогает собирать работающие решения в сжатые сроки.

В интервью вообще очень много интересных наблюдений из закулисья профессии. Советуем почитать полностью.

Anthropic будет платить SpaceXAI 1.25 миллиарда долларов в месяц за компьют

Как вы уже знаете, недавно Anthropic подписали с SpaceX большой контракт на использование мощностей датацентров Colossus.

Теперь появились некоторые детали этой сделки. Оказывается, за доступ к железу Маска антропики будут платить 15 миллиардов долларов в год до мая 2029 года.

Для SpaceX это почти что удвоение годовой выручки (в 2025 году они заработали около 16 млрд). А для Anthropic это просто львиная часть, около 80% от выручки. Действительно big deal.

3 из 5 рассказов, которые в этом году выиграли международную литературную премию, скорее всего, сгенерированы

Речь идет о премии Commonwealth Short Story Prize. Компания Pangram Labs, занимающаяся разработкой детекторов сгенерированного текста, утверждает, что они протестировали все тексты победителей, начиная с 2012 года и обнаружили следующую картину:

– До 2025 года ни один текст не похож на сгенерированный

– В 2025 нашелся один рассказ, который система определила, как «на 88% сгенерированный»

– В 2026 больше половины лауреатов подозреваются, так сказать, в соавторстве с ИИ. Причем две статьи из трех помечены, как 100% AI

Еще до проверки текстов лабой многие читатели писали, что тексты стали слишком ии-шными и обращали внимание на шаблонный стиль, неестественность и прочее.

Тем не менее, Commonwealth Foundation заявили, что пока не считают обвинения доказанными, потому что «не используют AI-детекторы в судействе, а сами авторы при подаче дважды подтверждали, что ИИ не использовался».

www.pangram.com/blog/ai-is-writing-prize-winning-fiction