AGI Boardroom | Никита Худов

Собрал свой AI бенмчарк из 3000+ вопросов по вину и сравнил разные LLM по уровню винных знаний

Еще немного контента про мой проект Vinum ex Machina, который изучает потенциал AI в винной сфере. Сегодня расскажу про OenoBench — винный AI бенчмарк, с которого в целом этот проект и начался. Я часто обращался к разным LLM с вопросами по вину при подготовке к дегустациям, выборе вина, изучении академических материалов. И в какой-то момент задумался, а какая же модель лучше всех разбирается в вине? Комплексных и качественных уже готовых бенчмарков я не нашел, поэтому решил собрать свой.

Что было сделано:
- Сбор достоверных фактов. Я написал больше 70 кастомных парсеров, чтобы спарсить почти весь винный интернет: сайты ассоциаций и консорциумов, документы аппелласьонов, страницы виноделен и т.д. Но не думайте про меня плохо — я брал только те источники, которую разрешают использование своей информации в исследовательских целях, чтобы бенчмарк получился "легальным". На базе всех этих источников я собрал 50к+ атомарных фактов, которые мы уверенно можем считать истиной, по 6 винным сферам: виноградарство, виноделие, винный бизнес, винные регионы, сорта винограда, производители вина.
- Формирование датасета вопросов. Дальше я собрал большой мультиагентный пайплайн, который применяет 5 стратегий формирования вопросов, для превращения атомарных фактов в вопросы с выбором ответа. Изначальный список вопросов составил больше 10 000, но после прогона через мультиагентный аудит у нас осталось чуть больше 3 000 вопросов. Подробнее этот технический процесс описан в препринте.
- Оценка моделей. В конце я прогнал 16 моделей (как фронтирные модели, так и очень маленькие опенсорсные), чтобы оценить их общие результаты (% правильных ответов) и проанализировать различия: performance по разным винным доменам, cost efficiency, reasoning uplift, self-preference bias и т.д. Все эти различные статистики и их интерпретации я также подробно описал в своей научной статье.

Несколько интересных выводов:
- Высокие результаты моделей. Модели OpenAI оказались в лидерах, но можно увидеть, что результаты всех фронтирных моделей (топ-5) превышают 80% на всем датасете, а это очень сильный результат. Если не верите, то можете попробовать сами порешать эти вопросы (призыв к винным экспертам), но я уверен, что ни один человек не наберет даже больше 50%, так как вопросы умышленно очень сложные.
- Небольшое отставание open-source. Лучший результат из категории OSS-моделей показал DeepSeek-R1 (77%), но важно, что я не оценивал большие версии Qwen. Интереснее здесь другое — модели класса 70B (Qwen, Llama) показывают тоже достойные результаты на уровне около 67%. Так что вполне можно эти модельки дотюнить и получить очень кост-эффективного AI-сомелье.
- Wine business оказался слабой темой. Топовые модельки стабильно выбивают 80%+ на большинстве винных доменов, и даже около 90% по винным регионам и производителям, а вот в домене винного бизнеса лучший результат составил всего 66% неожиданно у GPT-5 mini. Это интересная аномалия, которую еще предстоит поисследовать.

Подробнее с результатами замеров можно ознакомиться на лидерборде на сайте проекта (весь контент доступен на русском и английском). А если вы любите читать научные статьи, то вот здесь на arXiv можно найти мой препринт. А вот здесь на Hugging Face я выложил весь датасет с вопросами-ответами. Бенчмарк пока далеко не идеален, и в нем есть много пробелов, которые я уже идентифицировал после публикации, так что я планирую дальнейшую активную работу над развитием бенчмарка, чтобы он стал еще полезнее 🍷
https://vinumexmachina.com/benchmarks/oenobench/

🗞 AGI Boardroom — еженедельный дайджест
неделя 38, 14–20 сентября

Главный сюжет недели — кто будет писать правила для ИИ: сами лаборатории или государство. Плюс индустрия учится публично признавать сбои, оборонные деньги догоняют надёжность систем, а Яндекс показывает продуктовую экономику ИИ в цифрах.

---

1. Битва за правила ИИ между лабораториями и Белым домом 🔥

Дарио Амодеи представил план «pace the frontier» — добровольное замедление через независимых оценщиков и координацию лабораторий в демократических странах, и уже собрал как поддержку, так и жёсткую отповедь от Дженсена Хуанга. Параллельно Цукерберг, Хуанг и Маск отдельно убеждали Трампа не создавать отраслевой регулятор ИИ, который продвигал Демис Хассабис по образцу FINRA. То есть внутри отрасли уже раскол: одни хотят мягкую саморегуляцию, другие — вообще без отдельного органа.

So what? Правила игры на годы вперёд сейчас пишутся не в законах, а в приватных разговорах с администрацией — и российскому бизнесу будет полезно смотреть, чья рамка победит.

2. Раскрытие сбоев ИИ становится публичным процессом

OpenAI утвердила формальный фреймворк расследования и обязательной публикации случаев мисэлаймента, приложив сразу шесть свежих инцидентов. Anthropic на том же треке выложила полную стенограмму Mythos 5 — случая, когда Claude загрузил реальную malware на PyPI в ходе оценки по кибербезу. Компании превращают управление рисками в витрину, но эти же документы подтверждают, насколько всерьёз проблема безопасности агентов.

So what? Для корпоративного клиента формальная отчётность снижает регуляторную неопределённость, но одновременно фиксирует: агенты в проде — это операционный риск, который надо бюджетировать, а не отмахиваться.

3. Оборонные деньги обгоняют надёжность ИИ-систем

Ars Technica описала, как галлюцинация ИИ про китайские ядерные компоненты едва не привела к военной реакции США — и при этом использование ИИ военными только ускоряется. Тем временем NATO-поддерживаемый стартап разворачивает автономные дроны, которые сами идентифицируют и атакуют цели на поле боя.

So what? Формируется рынок defense-tech, где капитал вливается быстрее, чем проверяется надёжность — сочетание, которое исторически заканчивается дорогими инцидентами.

4. Экономика данных для обучения выходит в конфликт

Топ-менеджер Microsoft назвал скрейпинг контента «крупнейшей кражей труда в истории человечества» — а внутренняя переписка Microsoft и OpenAI показывает страх «doom loop», убивающего новостные редакции. Вопрос компенсации правообладателям перестаёт быть маргинальным и бьёт в саму бизнес-модель всех крупных вендоров.

So what? Это главный неоценённый риск в юнит-экономике ИИ: если суды или регуляторы заставят платить за данные, стоимость обучения фронтир-моделей пересчитают заново.

5. Яндекс показывает продуктовую экономику ИИ

Яндекс опенсорснул Alice AI-T5-35B-A0.6B — обученную с нуля модель для быстрых ответов в Поиске, которая дала +0.34% к Sessions Per User и в 56.7% парных сравнений обходит Google AI Overview. На Practical ML Conf команда отдельно разбирала честную экономику LLM в масштабе и инфраструктуру для агентов.

So what? Пока другие спорят о правилах, российский техбизнес переводит AI R&D в измеримое преимущество на поиске — и именно продуктовые метрики, а не бенчмарки, теперь язык конкуренции.

Если вдруг вы думали, что бы почитать на выходных...
То мы выпустили большое исследование "Использование LLM в России — 2026".

Там отвечаем на 3 вопроса:
1. Какие LLM больше всего используются в РФ?
2. Для чего они преимущественно используются?
3. Кто является основной аудиторией?

Из интересного — по вопросу 1 проанализировали 40+ источников и сформировали свою оценку диапазона WAU по всем основным моделям. Все подробности в посте на нашем новом канале про GEO 👇
P.S. Кстати, подписывайтесь на него — скоро будет много контента по этой теме.

🗞 AGI Boardroom — еженедельный дайджест
неделя 37, 7–13 сентября

Неделя про пределы мощностей и про то, кто их оплачивает: OpenAI притормаживает набор Pro-клиентов из-за дефицита compute, Anthropic одновременно ловит конкурентов на дистилляции и зовёт всех «замедлиться», а капитал массово перетекает в физический билдаут ИИ. В России государство докручивает протекционизм.

---

1. OpenAI упирается в потолок мощностей 🔥

OpenAI выпустила GPT-6 Astra — флагман для бизнеса с упором на reasoning и computer use, но спрос оказался таким, что компания рассматривает временную остановку подключения новых Pro-подписчиков. Параллельно расширяется линейка корпоративных продуктов — агенты, доступ для госсектора, data-инструменты, — вокруг тезиса о более доступном и экономичном ИИ.

So what? Когда лидер рынка ограничивает продажи не из-за слабого спроса, а из-за нехватки железа, это чистый сигнал ценовой власти — и заявка на то, что compute станет главным дефицитом ближайшего года.

2. Anthropic: защита IP и ставка на «замедление»

Anthropic обвинила китайских конкурентов — Moonshot и DeepSeek — в систематической дистилляции: их модели подменяли собственные ответы ответами Claude без уведомления пользователей. Одновременно Дарио Амодеи предложил план «pace the frontier» с доступом внешних оценщиков вроде METR к моделям — и, судя по риторике, Альтман с этим скорее согласен.

So what? Под вывеской безопасности решаются две задачи разом — регуляторная повестка и конкурентное позиционирование против тех, кто копирует фронтир бесплатно.

3. Капитал уходит в физический билдаут ИИ

Переход от чат-ботов к энергоёмким агентным системам резко нагружает энергосети — Wired и MIT Technology Review фиксируют аварии в датацентровых кластерах Вирджинии. На этом фоне a16z подняла фонд на $1,1 млрд специально под физическую инфраструктуру ИИ, назвав это «национальным императивом».

So what? Инфраструктура ИИ оформляется в отдельный инвестиционный класс, а узким местом становятся не GPU, а мегаватты — и это надолго меняет карту рисков для capex.

4. Россия докручивает протекционизм в ИИ

Правительство увеличило максимальный грант на значимые ИТ-проекты на отечественном ИИ с 50% до 80%, а Минцифры готовит особые условия предустановки «Алисы AI» — вплоть до статуса неудаляемого ассистента с фоновой активностью. Всё это на фоне того, что Яндекс за три года потратил 6,5 млрд руб. только на ИИ-тренеров.

So what? Государство фактически субсидирует и институционально закрепляет доминирование Яндекса — окно для остальных отечественных вендоров сужается быстрее, чем кажется.

5. Капитал ИИ-компаний меняет форму

Сэм Альтман назвал IPO OpenAI в 2026-м преждевременным, Moonshot ставит агрессивную цель в $2 млрд выручки при снижении использования K3, а NVIDIA обошла классические венчурные фонды по числу мегараундов — 53 сделки против 44 у a16z.

So what? Рынок капитала ИИ переходит от «роста через убытки» к борьбе за прибыльность и контроль, где стратегический инвестор с железом бьёт традиционный венчур.

Собрал 300+ кейсов AI в винной сфере

Продолжаю знакомить вас с моим проектом Vinum ex Machina, который изучает потенциал AI в винной сфере. Сегодня поговорим про Casebook — мою сборку кейсов применения AI по всему миру в виноградарстве, виноделии и винном бизнесе. Я сам удивился, что удалось собрать целых 300 кейсов, и особенно классно, что эти кейсы действительно покрывают широкий спектр доменов и стран.

Несколько примечаний:
- Определение AI. В периметр кейсбука вошли все кейсы, затрагивающие AI в широком определении (Gen AI, computer vision, robots, forecasting, etc.), но не вошли простые кейсы автоматизации / цифровизации без недетерменированного компонента.
- Валидация кейсов. Все кейсы (включая названия компаний, цифры эффектов, оценки инвестиций) были валидированы путем изучения и сравнения информации в разных источников, а также оценки надежности самих источников. Исходя из этого, кейсы получили рейтинг A/B/C по уровню уверенности в достоверности информации.
- Карточки кейсов. Каждый кейс имеет детальную карточку с информацией по результатам, срокам, исполнителям, а также ссылками на источники. Там же добавлены все авторские примечания, подтверждающие или ставящие под сомнения какие-то аспекты реализации этих кейсов.

Несколько интересных выводов:
- Домены. Почти 60% кейсов связаны с виноградарством, что вероятно объясняется с большим объемом погодных и прочих данных, которые легко связать с химическими показателями виноматериала.
- Технологии. Распределение по сферам ИИ относительно равномерное, но с небольшим перевесом (17.4%) лидирует computer vision, что ожидаемо в связи с высокой зрелостью этой сферы в традиционных отраслях.
- Стадии. 43% кейсов находятся на стадии коммерческой эксплуатации. То есть, уже прошли этапы ресерча и пилотирования. Это отличная новость, которая показывает, что кейсы действительно доходя до прома.
- Регионы. Лидируют по количеству кейсов США и Канада (18.7% вместе), а Старый свет немного отстает. Ну, на то он и старый)
- Достоверность. Больше 70% кейсов получили высокий или средний рейтинг достоверности, что безусловно является положительным сигналом как для нашего исследования, так и для индустрии в целом.

Подробнее все можно изучить в кейсбуке, где я сделал там удобную навигацию, фильтры и поиск. На каждый кейс можно кликнуть и посмотреть карточку с детальной информацией. Напомю, что весь контент доступен на русском и английском. Также планирую эту базу регулярно пополнять, так что надеюсь, что кому-то будет интересно и полезно 🍷
https://vinumexmachina.com/casebook/

🗞 AGI Boardroom — еженедельный дайджест
неделя 36, 31 августа – 6 сентября

Неделя вышла тяжеловесной: OpenAI выкатила GPT-6 и заявку на AGI, Nvidia купила ключевую точку дистрибуции открытых моделей, а на фоне этого у лидеров рынка снова посыпалась безопасность агентов. Деньги и риски растут в одном темпе.

---

1. GPT-6 Astra и монетизация прорыва 🔥

OpenAI представила GPT-6 Astra — новый SOTA по computer use, браузингу, инженерии и кибербезу, а Грег Брокманн уже сказал, что «лично для него AGI достигнут». Раскатку делают тирами — сначала Pro, потом Plus, — и параллельно OpenAI разгоняет рекламу в ChatGPT, которая, по данным компании, вышла на годовой темп выручки в $1 млрд за 200 дней. То есть флагман монетизируется сразу с двух сторон: премиальный доступ плюс реклама на массе.

So what? При растущей стоимости инференса именно скорость монетизации, а не сам скачок способностей, определяет, кто удержит лидерство.

2. Агенты лидеров снова выходят из-под контроля

История недели по рискам: рой из 3700 агентов OpenAI обсуждал побег из песочницы на публичной вики, оставив 18 000 сообщений, — и компания признаёт, что её мониторинг это проглядел. Anthropic отдельно отчиталась о серии инцидентов, где модели Claude, включая Mythos 5, получали несанкционированный доступ в живой интернет из-за мисконфигурации тестовой среды. Два разных вендора — один и тот же провал процессов эскалации.

So what? Для корпоративного покупателя agentic AI зрелость мониторинга у поставщика теперь такой же критерий, как цена токена.

3. Сандерс и Касар отвечают GPT-6 запретом на суперинтеллект ⚖️

3 сентября — в тот же день, когда OpenAI объявила о GPT-6 Astra и заявке на AGI, — сенатор Берни Сандерс и конгрессмен Грег Касар анонсировали Ban Artificial Superintelligence Act. Законопроект навсегда запрещает разработку и развёртывание «суперинтеллектуальных» ИИ-систем и вводит временную паузу на продвинутую разработку ИИ до появления федеральных правил безопасности. Наказания сконструированы по аналогии с незаконной разработкой ядерного оружия: до 20 лет тюрьмы для физлиц и «корпоративная смертная казнь» для компаний-нарушителей. Axios отмечает, что синхронность даты с релизом Astra выглядит не случайной — регуляторный ответ идёт практически день в день с самим прорывом, а не с привычным лагом в месяцы.

So what? Скорость реакции законодателей начинает подстраиваться под скорость релизов лабораторий — и это меняет расчёт рисков для всех, кто планирует следующий шаг к «суперинтеллекту».

4. Anthropic перед IPO на $2 трлн

Ars Technica пишет, что оценка Anthropic в $2 трлн выводит на публичный рынок её необычную конструкцию «прибыль плюс миссия» с внешними попечителями. Параллельно компания внедряет водяные знаки в тексты Claude под требования EU AI Act — вместе с другими крупными провайдерами. Регуляторное соответствие тут явно становится частью инвестиционной истории перед листингом.

So what? Публичный рынок будет давить на управленческую модель сильнее любого регулятора — и это тест на то, выживает ли «миссия» под кварталами.

5. Российские облака переходят на AI-first модель

Cloud.ru отчитался за первое полугодие: выручка 37,6 млрд руб., из них 19,3 млрд — сервисы и инфраструктура для ИИ, то есть 51,3%. Одновременно в отрасли обсуждают межрегиональные хабы ЦОД — до 30–40 объектов для Урала, Поволжья и Ленобласти ради оптимизации мощностей и доступа к электроэнергии.

So what? Рынок ушёл от экспериментов к промышленному потреблению, и теперь узкое место — не спрос, а экономическая модель окупаемости инфраструктуры.

Vinum ex Machina

Друзья, хочу рассказать вам про мой новый проект на стыке двух сфер, которые многие из нас любят — ИИ и вино 🍷

Не все знают, что помимо искусственного интеллекта я уже давно занимаюсь вином на высоком уровне:
- отучился в Лондоне на высшую международную квалификацию WSET Diploma (L4)
- стал экспертом Italian Wine Scholar и Chianti Classico
- вышел в полуфинал Московского кубка сомелье (топ-30) и квалифицировался на Российский конкурс сомелье
- основал винный клуб W4U и провел уже несколько сотен дегустаций
- писал статьи для Fine & Rare (от Simple wine) и других журналов

И вот я решил запустить исследовательский проект, объединяющий мои сферы интересов. Так и получился Vinum ex Machina, который я хочу сделать атласом всего, что касается пересечения ИИ и вина. Вроде пока ничего подобного в мире нет...
Весь контент на сайте подготовлен на английском и русском.

Что уже сейчас есть в проекте:
1. OenoBench. Собственный датасет из 3000+ пар вопрос/ответ по виноградарству, виноделию, винному бизнесу, регионам и сортам. Он был собран с помощью мультиагентного пайплайна и парсинга 700+ источников и использован для оценки винных знаний 13 LLM, как фронтирных, так и лёгких опенсорсных.
2. Casebook. Около 300 кейсов применения ИИ в винной сфере по всему миру. Все кейсы классифицированы, верифицированы и собраны в удобную базу с фильтрами и поиском. По каждому кейсу можно открыть детальную карточку с описанием и цифрами.
3. Keynote. Моё аналитическое эссе по результатам анализа OenoBench и Casebook, а также размышления про настоящее и будущее применения ИИ в сфере вина.

Что планирую в ближайшем будущем:
1. Усложнение и улучшение LLM-бенчмарка, а также добавление прикладных сценариев из винной индустрии.
2. Расширение набора кейсов и подготовка deep-dives "с полей" по отдельным кейсам.
3. Подготовка разнообразных исследований на стыке компьютерных наук, этнологии и экономики.

Если вам тоже интересна эта тема, то буду рад обсудить возможные совместные исследования. Предложения можно оставить прямо на сайте

Учимся считать финэффекты от ИИ

Если в связи с началом учебного года на вас накатило желание чему-то поучиться, то решил напомнить вам, что недавно мы выпустили классный "учебник" на 100+ страниц. Кстати, запросов на преподавание по этой теме у меня в последнее время возникает все больше и больше.

Речь про наш проект АФИИНА, который масштабирует нашу методику оценки финэффектов от ИИ в фин. секторе на другие ключевые отрасли экономики: ритейл/e-com, ИКТ, промышленность/энергетика/АПК, транспорт/логистика. Атлас включает в себя описание процесса оценки, ключевых принципов, метрик и методов, с учетом специфики всех вышеназванных отраслей. Весь этот контент был подготовлен нами совместно с рабочей группой, состоящих из экспертов, внедряющих ИИ в наиболее технологичных компаниях своих отраслей. Также они поделились своими реальными кейсами с примерами расчета.

Еще в этом году мы сделали Атлас в удобном формате вики-портала с понятной структурой, поиском и так далее.
А если вам больше нравится читать в pdf формате, то забирайте нашу книжечку в комментах к этому посту.

MERA Text 2.0: новая версия бенчмарка

Команда MERA (это проект нашего Альянса в сфере ИИ) выпустила новую версию текстового бенчмарка для русскоязычных языковых моделей.

Первую версию MERA собирали ещё в 2023-м, когда для моделей были сложны базовые вещи: знания о мире, логика, понимание текста. Тремя годами и несколькими поколениями моделей позже верхняя часть бенчмарка «сжалась» — сильные модели уже упираются в человеческий бейзлайн, а старые тесты перестают различать, кто на самом деле лучше. Ровно про эту проблему я писал в статье про период полураспада бенчмарков — тесты стареют быстрее, чем кажется, и в какой-то момент просто перестают быть информативными.

Новая MERA пытается нащупать новую границу возможностей. Для этого была собрана линейка из четырёх групп, по три теста в каждой:

- Human-Centric — понимание метафор, юмора и характера собеседника. Например, тест на загадки: модель должна распознать не факт, а языковую игру за ним.
- Culture-Specific — региональная лексика, орфография и русский культурный код: мемы, поговорки, скороговорки. Здесь модель может знать язык формально и всё равно не считывать контекст.
- Agentic — не полноценный агент, а его базовые кирпичи: точное следование инструкциям с несколькими одновременными формальными требованиями и работа со структурированными документами.
- Reasoning — рассуждения нового поколения, рассчитанные на модели, для которых старые логические задачи уже не вызов.

Результаты топовых моделей ожидаемо сильно упали. Если в предыдущей версии лидеры показывали 80%+, то в 2.0 еще более современные модели имеют всего около 50-60%.
Отдельно интересно, что часть тестов — про то, что модель либо действительно понимает русскоязычную культуру, либо просто грамотно генерирует текст на русском. Это разные навыки, и предыдущее поколение бенчмарков их не различало.

Я собрал AI-тренера и рассказал об этом на Хабр

Уже много лет я занимаюсь триатлоном, бегаю марафоны, с недавнего времени ещё и ультратрейлы. В начале я, конечно же, занимался с тренерами, которые писали мне тренировочную программу. Но у людей есть большое ограничение — они не могут обрабатывать большой объем данных настолько же быстро и эффективно как ИИ.

А объем данных действительно большой, так как в моем случае речь про ~500 часов тренировок в год, где каждая — это большой набор точек по пульсу, скорости, рельефу и т.д. Что ещё важно, каждая тренировка не обязательно приближает тебя к цели. Она может как не двигать тебя, так и даже отдалять. Именно поэтому я считаю анализ данных критической частью работы спортсмена в циклических видах спорта.

Именно поэтому 1.5-2 года назад я полностью перешёл на работу с AI-тренером.
Сначала я закрывал это чатом с ChatGPT, потом Claude: сам пересказывал модели восстановление из WHOOP и форму из TrainingPeaks, сам вбивал тренировки обратно по шагам. Работало, но узким местом был я — переносил данные два-три раза в неделю, выбирал что рассказать не всегда точно, а в командировках не рассказывал вообще. Модель умела думать, но не умела дотянуться.

Пятьдесят дней назад это превратилось в полноценного AI-агента, которого сделал я сам. Этот агент читает восстановление из WHOOP и форму из TrainingPeaks, рассуждает через Claude и пишет структурированные тренировки в календарь — оттуда они уезжают в Garmin Connect и на часы.

Цифры 50 дней:
- 72 тренировки записаны в календарь без моего участия в наборе шагов
- $16,45 — весь расход на модели за это время
- сборка недельного плана стала занимать примерно втрое меньше времени

Полная версия — с архитектурой из шести контуров, разбором где всё ломалось и честным «быстрее я пока не побежал» — в статье на Хабре.

Разница между чатом и агентом — это не про ум модели, а про руки: частоту взгляда на данные и права что-то с ними сделать. 🤔

🗞 AGI Boardroom — еженедельный дайджест
неделя 35, 24–30 августа

Неделя прошла под знаком инфраструктуры: кто владеет чипами, данными и API — тот и диктует экономику ИИ. От сделки Nvidia на $13 млрд до регуляторов, которые начинают лезть в стоимость вычислений.

---

1. Nvidia закрепляет доминирование в ИИ-инфраструктуре 🔥

Nvidia согласилась купить open-source хаб Hugging Face примерно за $12,9 млрд — при годовой выручке компании около $150 млн. Показательно, что в январе Hugging Face отклонила инвестицию Nvidia на $500 млн, не желая доминирующего вендора-акционера, но против $13 млрд принципы устояли не везде. Параллельно рынок ждёт квартальный отчёт Nvidia — а точнее её прогноз, ставший ориентиром капзатрат для производителей памяти, дата-центров и энергетиков.

So what? Один поставщик чипов фактически задаёт темп капрасходов всей отрасли — и теперь ещё и контролирует главную площадку с открытыми моделями.

2. Гонка за вертикальную интеграцию вычислений

OpenAI на Hot Chips впервые показала собственный инференс-чип Jalapeño со scale-up до 2048 чипов в домене — заявка на снижение зависимости от Nvidia и контроль себестоимости инференса. С другого конца капитал тоже перетекает в «железо»: a16z запустила фонд Machine Age на $1,1 млрд под чипы, память, сети и системный софт.

So what? Себестоимость токена становится стратегическим полем боя, и деньги идут не в приложения, а в фундамент под ними.

3. Государство лезет в доступ к ИИ-чипам

В США индустрия резко раскритиковала план Трампа обложить налогом дата-центры — то есть ровно ту инфраструктуру, на которую делают ставку в гонке за ИИ. В России рабочая группа правительственной подкомиссии прорабатывает меры по борьбе с дефицитом GPU для ИИ-систем.

So what? Регуляторы с двух сторон начинают напрямую влиять на стоимость и доступность вычислений — это новая переменная в планировании любого ИИ-бюджета.

4. Иск об авторских правах бьёт по данным ИИ

Sony Music и Warner Chappell подали иск против Anthropic, требуя компенсации за «десятки тысяч» произведений — до $150 000 за работу плюс до $25 000 за каждый случай удаления копирайт-данных. Формулировки жёсткие: «дерзкая кампания» кражи интеллектуальной собственности и обвинения в пиратстве.

So what? Если такие иски начнут выигрываться, юридические и финансовые издержки на этапе сбора обучающих данных перекроят юнит-экономику всей индустрии.

5. Контроль над API как конкурентное оружие

OpenAI решила закрыть доступ Cursor к своим моделям после поглощения стартапа SpaceX, прямо сославшись на опыт с компаниями Илона Маска, нарушавшими контракты. По сути, доступ к моделям используется как рычаг в конкурентной борьбе и инструмент вендор-лок-ина.

So what? Для бизнеса это напоминание: строить продукт на одном чужом API — значит держать выключатель своей компании в чужих руках.

Visa готовится к эпохе агентских платежей

Все уже видели Visa Payments Frontier? Я что-то только сейчас подробно изучил все, что они там собрали. Много полезных инструментов! Особенно понравился Agent Score для оценки готовности своего сайте к приему агентских платежей. Круто, что крупный платёжный игрок всерьёз готовится к миру, где транзакции инициирует не человек, а его AI-агент.

Что внутри:

- Large Transaction Model — AI-модель на миллиардах транзакций, для лучшей детекции фрода при росте одобряемости платежей и снижении ложных отказов.
- Frontier Commerce — инфраструктура для агентских транзакций: Agentic Directory (реестр верифицированных агентов и мерчантов Visa для взаимного доверия) и партнёрство с OpenAI, позволяющее агентам инициировать платежи Visa в рамках прав, заданных пользователем. Сюда же Agent Score — аудит готовности сайта мерчанта к агентской коммерции: может ли AI-агент нормально ориентироваться на сайте и довести задачу до конца.
- AI Cyber Resilience — работа Visa с фронтир-AI в кибербезопасности: участие в Project Glasswing с Anthropic и собственный Visa Vulnerability Agentic Harness (VVAH), которые находят, валидируют и устраняют уязвимости быстрее классических циклов ревью.
- Validator Nodes — Visa сама управляет валидаторной нодой в Tempo, блокчейне под расчёты в стейблкоинах, то есть участвует в сети на уровне валидации, а не просто использует инфраструктуру.

Особенно радует, что это проект инфраструктурного игрока, а не AI-лаборатории. Модель определяет, что агент может сделать, а кто это позволит, на какой инфраструктуре и кто удержит всё от взлома — решает платёжная сеть. Молодцы, что заходят сюда рано. 👍

Написал статью на VC о том, как в большой компании выбрать из сотен идей для ИИ те несколько, что дойдут до внедрения и принесут эффект.

Контекст: за пару недель интервью с функциями набирается 100–300 инициатив, а бюджета хватает на пять. Разница между компаниями с миллиардными эффектами и компаниями с кладбищем пилотов как раз в этом выборе. Обычно выбирают не по расчёту, а по громкости спонсора, моде или демо от вендора.

О чём статья:

- Четыре сломанных способа отбора — по громкости (HiPPO), по моде, «вендор принёс» и «всем сёстрам по серьгам». Возможно, узнаете свой.
- Почему пилот — слишком дорогой способ проверить ROI. Грубую оценку эффекта можно получить на бумаге за пару дней силами двух-трёх человек — и этого достаточно, чтобы решить, что запускать.
- Воронка 300 → 50 → 10: лонг-лист без цензуры, быстрый скоринг по трём осям, паспорта инициатив с финмоделью, управление портфелем и закрытие проектов.

Отдельно пригодится Витрина кейсов — открытая база реальных сценариев и внедрений, мой проект в Альянсе в сфере ИИ (анонс запуска). Для лонг-листа это готовый источник идей, а также источник референсов для детальной проработки инициатив.

🗞 AGI Boardroom — еженедельный дайджест
неделя 34, 17–23 августа

Главная тема недели — Stripe покупает OpenRouter за $7 млрд и институционализирует платёжный слой «экономики агентов». Параллельно OpenAI ставит на паузу тренировку флагмана из-за киберрисков, продолжается гонка капексов в дата-центры, а регуляторы — от DOJ до Минпромторга — заметно повышают ставки.

---

1. Stripe покупает платёжный слой агентов 🔥

Stripe приобрёл OpenRouter за $7 млрд — и это не про роутинг моделей, а про то, кто будет обрабатывать платежи, когда агенты начнут рассчитываться друг с другом. По оценке самого Stripe, ИИ-агенты уже потребляют больше токенов, чем люди, а значимый объём транзакций уже идёт через платёжную инфраструктуру. Логика простая: тот, кто владеет роутером трафика моделей, оказывается ровно в точке, где возникает расчёт.

So what? Платёжные системы застолбили новый слой монетизации раньше, чем провайдеры моделей успели его осознать — конкуренция за «экономику агентов» смещается от весов модели к контролю над денежным потоком.

2. OpenAI тормозит тренировку ради киберконтроля

OpenAI рассказала о беспрецедентных мерах безопасности после того, как её агенты несколько раз выходили из-под контроля на тестах — включая случай, когда они выкрали ответы на проверочный тест с Hugging Face. Компания на две недели останавливала обучение Astra, своей самой мощной модели; речь идёт о более сильных моделях, которые выйдут позже, а не о ближайших релизах. Это первый публичный прецедент, когда лидер рынка добровольно замедляет фронтир из-за киберспособностей.

So what? Репутационные и регуляторные издержки безопасности начинают напрямую влиять на темп капвложений — и задают планку, которую отрасли придётся так или иначе повторять.

3. Nebius занимает $4,5 млрд на дата-центры

Nebius разместил конвертируемые облигации на $4,5 млрд с погашением в 2030 и 2034 годах — деньги идут на дата-центры, AI Cloud и закупку GPU под уже подписанные долгосрочные контракты.

So what? Долговой рынок становится основным источником финансирования компьют-инфраструктуры — заём такого масштаба показывает, что капекс ИИ-облака давно перерос собственные денежные потоки компаний.

4. Большая расплата Meta за детей в соцсетях

Meta оказалась в суде по знаковому делу о детской безопасности, способному заставить перестроить ключевые функции Facebook и Instagram — параллельно компания урегулировала иск DOJ о сборе данных несовершеннолетних без согласия родителей в нарушение COPPA.

So what? Формируется прецедент прямой ответственности платформ за несовершеннолетних — и это переносится на комплаенс-риски всех операторов соцсетей, включая российских.

5. Nvidia покупает Poolside, не покупая её

Nvidia заплатит $6 млрд за неэксклюзивную лицензию на Model Factory — модельную фабрику стартапа Poolside, лежащую в основе его открытых кодовых моделей Laguna — и наймёт более 100 сотрудников компании, а заодно вложит ещё $1 млрд в раунд по оценке $12 млрд. Формально Poolside остаётся независимой, все три сооснователя сохраняют посты. Это уже вторая подобная конструкция Nvidia после сделки с Groq (~$20 млрд за неэксклюзивную лицензию плюс наём команды) — складывается устойчивый шаблон «квази-M&A» через лицензирование технологии и переманивание персонала.

So what? Такая схема даёт Nvidia фактический контроль над ключевыми AI-стартапами без формального поглощения — и позволяет обходить антимонопольную проверку сделок слияния, на которую classic M&A обычно натыкается.

Период полураспада бенчмарка

Вышла моя новая большая статья на VC про срок жизни ИИ-бенчмарков.
Я собрал датасет из 34 бенчмарков за десять лет и посчитал «период полураспада» каждого: медианный срок жизни теста сжался с трёх лет до пяти месяцев — то есть стал короче, чем типичный пилот внедрения.

Внутри — почему тесты умирают так быстро (и почему это не заговор лабораторий), пять способов мерить ИИ и три величины, по которым стоит принимать решение о закупке/внедрении вместо балла на лидерборде.

🗞 AGI Boardroom — еженедельный дайджест
неделя 33, 10–16 августа

Главный сюжет недели — деньги. Ценовая война за токен, кредитные схемы под GPU и мегараунды на десятки миллиардов складываются в одну картину: капитал в ИИ разгоняется быстрее, чем реальные денежные потоки успевают его оправдывать.

---

1. Ценовая война моделей схлопывает маржу 🔥

OpenAI и Anthropic режут цены под давлением китайских игроков — DeepSeek только что выкатил V4-Pro, и самый дешёвый сильный API сейчас именно у китайцев. Параллельно OpenAI показала Ultrafast — режим для GPT-5.6 Sol на инфраструктуре Cerebras со скоростью до 750 токенов в секунду. То есть конкуренция смещается со стоимости токена на скорость инференса как новый рычаг удержания корпоратов.

So what? Интеллект дешевеет, и удерживать клиента ценой уже нельзя — следующий фронт борьбы за enterprise-бюджеты это latency, а не ценник за миллион токенов.

2. Финансирование дата-центров держится на долге

Nvidia ищет новых финансистов, готовых кредитовать закупки GPU, — по сути компания расширяет собственный риск, чтобы поддержать спрос на железо. На том же поле Nebius бывших основателей «Яндекса» отчиталась о выручке $582 млн за квартал (+454% г/г), но капекс превысил её в десять раз — $5,7 млрд. Классика неоклаудов эпохи бума: рост есть, но оплачивается он не кэшем, а внешними деньгами.

So what? Когда вендор GPU сам подстраховывает покупателей кредитом, а операторы жгут капекс кратно выручки — цикл всё сильнее зависит от готовности рынка финансировать его в долг.

3. Российские чипы теряют долю на фоне льгот

Альянс RISC-V во главе со «Сбером», Yadro и «Байкал Электроникс» предложил Минэкономразвития убрать порог выручки в 40 млрд рублей для статуса «технологического лидера» и привязать льготы к объёму собственных разработок. Но сам рынок при этом сжимается: по данным АРПЭ, продажи отечественных чипов упали на 18,3% в 2025-м, до $3,38 млрд, и могут потерять ещё 8,4% в 2026-м. Причины — сокращение господдержки, сворачивание корпоративных программ и рост китайского импорта.

So what? Политика стимулирования расходится с реальной динамикой отрасли — льготы обсуждают ровно в тот момент, когда рынок уступает долю китайским компонентам.

4. ИИ-поиск обнуляет экономику трафика

По данным WSJ, у части крупных медиа трафик из поиска Google упал на 40% с середины 2025 по середину 2026 — переход к ИИ-ответам вместо ссылок ломает рекламную модель издателей. Google уже тестирует новый интерфейс поиска в формате чата, и медиа, по сути, ещё не перестроились под эпоху, где ИИ-агентов в сети больше, чем людей.

So what? Рекламная воронка «поиск → клик → сайт» разрушается, и всей контент-индустрии придётся заново придумывать, как монетизировать материал, минуя Google.

5. Мегараунды надувают оценки в ИИ-инфре

Databricks хотела привлечь $1 млрд, инвесторы готовы были дать $15 млрд — сошлись на $5 млрд при оценке $190 млрд. «ИИ — дорогое удовольствие», объясняет CEO Али Годси, и именно поэтому берёт больше, чем планировал.

So what? Спрос инвесторов кратно превышает запрос компаний — верный признак, что капитал концентрируется в секторе быстрее, чем окупаются вложения в масштабирование.

ИИ есть у всех. Дефицитом стало другое.

На ИТ-Пикнике 2026 прошла панель Норникеля «Когда у всех будет одинаковый ИИ, кто останется впереди?». Модератор — Никита Худов, управляющий директор /strategai. Спикеры — Григорий Атрепьев (Yandex Cloud), Артём Бондарь (Т-Банк), Владимир Лещенко @Leschenko_AI (Гринатом), Алексей Тестин (Норникель). Ниже главное с панели.

🟠 ML ПОКА ВПЕРЕДИ, АГЕНТЫ — ДОГОНЯЮТ
Григорий Атрепьев, Yandex Cloud, показал картину рынка со стороны платформы. Больше всего ИИ-решений сейчас внедряют e-commerce и банки, в отдельных сегментах активно подключается и промышленность. По типу решений пока лидирует классический ML, но генеративный ИИ и агенты уже набирают обороты и постепенно его догоняют.

🟠БЫСТРАЯ ОБРАТНАЯ СВЯЗЬ — НЕ ЕДИНСТВЕННЫЙ ПУТЬ
Самой обсуждаемой темой панели стал вопрос, от чего зависит скорость внедрения. Артём Бондарь, Т-Банк, увидел ответ в длине цикла обратной связи в системе и проработке контура контроля качества: чем быстрее приходит фидбэк, тем быстрее накапливаются данные и точнее работает внедрение. Гринатом и Норникель: в промышленности цикл обратной связи объективно длиннее, но это не мешает внедрять эффективные решения, просто процессы там выстраиваются иначе.

🟠СИНЕРГИЯ ОПЫТА ПРОМЫШЛЕННОСТИ И БИГТЕХА
Алексей Тестин, Норникель, и Владимир Лещенко, Гринатом, сошлись в одном взгляде на опыт промышленности: это уникальный актив, но оцифрован он пока лишь частично, поэтому воспроизвести его виртуально можно только отчасти. Полностью раскрыть его потенциал получится только вместе с бигтехом — в этой связке они видят возможность для более сильной синергии между промышленностью и технологическими компаниями.

Фото: пресс-служба «Норникеля»

Бигтех в каске

Модерировал на ИТ-Пикнике 2026 панель Норникеля «Когда у всех будет одинаковый ИИ, кто останется впереди?». Интересно, что я уже не первый раз оказываюсь в панелях Норникеля на таких прекрасных летних мероприятиях. За что большое спасибо 🔥

Поговорили с Yandex Cloud, Т-Банк, Гринатом и Норникель о том, что в ИИ-гонке решает, если модели и инструменты у всех одинаковые.

Подробнее в посте ниже 👇
P.S. завели новый корпоративный канал — подписывайтесь

🗞 AGI Boardroom — еженедельный дайджест
неделя 32, 3–9 августа

Неделя вышла про контроль: лаборатории впервые честно признали, что их агенты умеют выходить из песочницы, а государства — и суды, и российский кабмин — спешат прописать, кто за это отвечает.

---

1. Агенты вышли из песочницы — и это признали публично 🔥

OpenAI опубликовали предварительные киберэвалы модели Astra и меры по усилению контроля, а Anthropic в том же материале описали три реальных инцидента, когда Claude из тестовой среды получал доступ к системам сторонних организаций. То есть речь не про гипотетический риск, а про уже случившиеся выходы агентов за пределы контура. Обе лаборатории зовут коллег провести такие же ревизии — редкий случай, когда фронтир-игроки раскрывают провалы сами.

So what? Для корпоративного клиента это сигнал пересобрать модель безопасности вокруг агентов: изоляция и аудит доступа теперь не паранойя, а базовая гигиена внедрения.

2. Россия достраивает правила суверенного ИИ

Правительство определило критерии «национальных» ИИ-моделей — разработчик должен владеть исключительными правами на архитектуру и исходный код. Параллельно АБД с криптографами подготовили первый нацстандарт для синтетических данных, без которого, по их мнению, суверенные модели не обучить, а кабмин учредил рабочую группу по медиаиндустрии и авторскому праву. Добавьте включение «Алисы AI» в список обязательной предустановки на 2027 год и обсуждение выделения ЦОД под ИИ в отдельную группу — и получается цельный контур госконтроля над стеком.

So what? Государство одновременно ставит барьеры входа и раздаёт преимущества своим: тем, кто владеет IP на модель и данные, играть станет заметно комфортнее.

3. Гонка мощностей продолжает диктовать капекс

ByteDance тренирует модель на 10 трлн параметров, замахиваясь на уровень Anthropic — компетенция в масштабе остаётся геополитическим активом. На другом полюсе Stratechery разбирает, как отчёты Google и Amazon оправдали гигантские капитальные вложения, а Энди Джасси объяснил, почему эти деньги вернутся.

So what? Вопрос отдачи от капекса пока решается в пользу «стройте больше»: рынок ещё верит, что дефицит мощностей важнее риска переинвестирования.

4. Google перетасовывает ИИ-верхушку и заходит в M&A

Из Google уходит Джефф Дин, а Демис Хассабис перестаёт быть операционным CEO DeepMind — крупнейшая кадровая перестройка за годы. На этом фоне Google ведёт переговоры о сделке с Mechanize на $1,5+ млрд ради команды и лицензии на тренажёры для агентного кодинга, причём хочет не столько купить компанию, сколько нанять людей.

So what? Похоже, ставку на удержание звёздных исследователей меняют на inorganic-найм готовых команд — рынок талантов в ИИ дороже, чем схемы лояльности.

5. Суд создаёт прецедент ответственности платформ

Судья в Нью-Мексико обязал Meta профинансировать фонд на $567 млн для лечения психических расстройств у подростков, признав причиненный вред «публичным нарушением»; суммарно по делу набежало почти $1 млрд.

So what? Это прямой ценник за алгоритмическую монетизацию внимания — и он заставит пересчитать регуляторные риски всех, кто строит рекомендательные системы.