Data Secrets

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.

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/

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/

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.

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

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

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?

Итак, Google I/O. Основные релизы:

1️⃣ Gemini 3.5 Flash. По бенчмаркам обходит Gemini 3.1 Pro в кодинге, агентных задачах и на мультимодальности, при этом выдает скорость чуть меньше 300 токенов в секунду: это заметно быстрее GPT-5.4 mini и Claude Haiku, и примерно в 4 раза быстрее Opus, Sonnet и GPT-5.5. На презентации также показывали версию, выдающую почти 1500 токенов в секунду. Цена тоже намного доступнее Pro версий, GPT и Opus.

Gemini 3.5 Pro пообещали выпустить в следующем месяце. Gemini 3.5 Flash уже можно попробовать в Antigravity.

2️⃣ Gemini Omni. Как написали Google, это "первый шаг на пути к моделям, которые могут генерировать что угодно из чего угодно". В текущей версии Omni ограничена генерацией видео. На входе может быть текст, изображения, видео и голос, на выходе вы получаете видео. Качество генераций – конкурентоспособное, физика не страдает, фотореалистичность на уровне. Попробовать можно в приложении Gemini.

3️⃣ Antigravity 2.0. Добавили: всякие возможности для оркестрации параллельных агентов и субагентов, фоновые задачи, нативную поддержку голосовых команд. Выпустили Antigravity CLI (на замену Gemini CLI) и Antigravity SDK для создания кастомных агентов. На презентации показали, как система собрала рабочую операционку, на которой можно запустить Doom. На это понадобилось менее 12 часов, 96 агентов и менее 1 тысячи долларов.

4️⃣ Ну и по мелочи:
– полностью обновили интерфейс Gemini App, теперь ответы больше похоже на интерактивные страницы;
– для подписчиков AI Plus, Pro и Ultra добавили Daily Brief: персонализированный дайджест дня на основе Gmail, Календаря и задач;
– для Ultra теперь предлагают Gemini Spark: личного агента, который работает постоянно даже при выключенном ноутбуке и выполняет за вас задачи. Пока что интеграции только с инструментами Google, но обещают скоро добавить и другие;
– подписка Google AI Ultra теперь стартует от $100/месяц (раньше было от $250), а тариф за $250 подешевел до $200 без урезания возможностей и лимитов;
– анонсировали умные очки и новые ноутбуки Googlebooks.

Андрей Карпаты теперь работает в Anthropic

Личное обновление: я присоединился к Anthropic. Думаю, следующие несколько лет на фронтире LLM будут особенно формирующими. Я очень рад присоединиться к команде и вернуться к R&D. Я по‑прежнему очень увлечен образованием и планирую в свое время снова заняться этой деятельностью.

Вот это настоящий удар по конкурентам, а не эти ваши модельки

Бизнесмен Потанин на ЦИПР точно сформулировал, как на самом деле устроен промышленный ИИ: не как автономная система, а как инструмент, который усиливает человека.

Он отдельно подчеркнул, что оператор остается в центре процесса и вмешивается при выходе за критические параметры. То есть речь не про «замену людей», а про ускорение принятия решений и снижение ошибок там, где цена ошибки — миллиарды.

И, пожалуй, самая важная мысль: ИИ начинает работать не тогда, когда он самый умный, а тогда, когда он встроен в конкретный процесс и дает измеримый результат. В случае «Норникеля» это уже десятки миллиардов потенциального эффекта. По ссылке - конкретнее

Отец вайбкодер – счастье в семье

Composer 2.5 от Cursor: качество Opus 4.7 и GPT-5.5 в 10 раз дешевле

Cursor удивили. Они выпустили очередного Composer, но если предыдущие версии были довольно слабые, то сейчас это уже можно назвать полноценным фронтиром.

cursor.com/blog/composer-2-5

Бенчмарки:
– SWE-Bench Multilingual: 79.8% (Opus 4.7: 80.5%, GPT-5.5: 77.8%).
– Terminal-Bench 2.0: 69.3% (Opus 4.7: 69.4%, GPT-5.5: 82.7%).
– CursorBench v3.1: 63.2% (Opus 4.7 max: 64.8%, GPT-5.5 default: 59.2%)

При этом стоит модель всего $0.50 за млн input / $2.50 за млн output. Это в 10 раз дешевле опуса. Fast-тариф стоит чуть дороже ($3.00 input / $15.00 output), но все равно дешевле Opus, примерно как Claude Sonnet 4.6. Единственное: публичного API нет, только внутри Cursor, CLI и веб.

Что касается внутрянки:
– Модель основана на Kimi K2.5 от Moonshot AI (как и Composer 2)
– Но базовые веса составили лишь 15% от потраченного компьюта, все остальное – кастомный RL и дообучение
– Из интересных приемов использовали Targeted RL with textual feedback. В классическом RL модель получает одну награду за весь ответ целиком, и непонятно, где именно она ошиблась. Cursor же делают так: когда модель делает локальную ошибку (например, вызывает несуществующий инструмент), прямо в это место вставляется подсказка, и веса как бы подталкиваются в сторону того, как модель повела бы себя с этой подсказкой.

Кстати, одновременно Cursor анонсировали следующую модель, которую они тренируют с нуля, используя в 10 раз больше компьюта, чем на Composer 2.5, на кластере Colossus 2 совместно с xAI. Конец 2026 года в AI-кодинге будет очень интересным.

Google готовится релизнуть крутейшую видео модель

Сегодня у них пройдет ежегодная Google I/O, и они во всю раздают спойлеры. Судя по всему, нас ждет сильная омни модель – возможно, SOTA в генерации видео.

Например, вот такие видео выложили в преддверии мероприятия CEO Google Сундар Пичаи и главный источник сливов по Gemini Логан Килпэтрик.

Ждем

Внутри Google сформировали специальный внутренний «комитет по компьюту»

Он распределяет доступ к кластерам TPU/GPU среди подразделений и проектов компании и решает, кто получает приоритет, а кто ждет в очереди.

То есть в условиях дефицита ресурсов даже сотрудникам Google приходится буквально конкурировать за железо и шлифовать продажные презентации для внутреннего комитета, чтобы получить квоту на вычисления.

Если квоту не дали, то ты со своим проектом либо останешься ждать в очереди, либо можешь пойти и слезно просить занять компьют у другой команды.

На фоне этого из Google начали уходить исследователи. В основном они перебираются в маленькие стартапы.

Илон Маск проиграл дело против OpenAI

Жюри из девяти присяжных в федеральном суде Северной Калифорнии вынесло единогласный вердикт: все три основных требования иска Илона Маска против Сэма Альтмана и Грега Брокмана (нарушение благотворительного траста, содействие в таком нарушении и необоснованное обогащение) оказались отвергнуты из-за пропущенного срока исковой давности.

То есть, фактически, Альтмана и Брокмана не признали невиновными, но Маск все равно остается ни с чем. Ни компенсации, ни реструктуризации OpenAI, которой он добивался, уже не будет.

Судья согласилась с вердиктом присяжных и формально отменила все иски.

Строительство ЦОДов должно занимать не 2 года, а 9 месяцев

Только так можно обеспечить конкурентоспособность технологий. С таким заявлением на конференции “ЦИПР-2026” выступил вице-президент и технический директор Т-Банка Олег Щербаков. Он отметил, что технологии сейчас развиваются гораздо быстрее, чем инфраструктура, если не сокращать эту дельту, то к окончанию строительства инфраструктура уже устареет.

Чтобы ускорить строительство нужна прозрачная и понятная регулируемая цепочка, зеленый коридор для строительства, как, например, в Китае. Т-Банк, планирует построить ЦОДы за полтора года. 80% мощностей новых объектов, которые введут в 2027 году, уйдут под данные и инференс — самые растущие нагрузки.

xAI просила сотрудников продать личные налоговые декларации как обучающие данные для Grok

За каждую декларацию обещали 420 долларов. Это было всего пару месяцев назад, как раз в сезон подачи налогов в США перед дедлайном 15 апреля.

Но самое смешное – даже не сама попытка компании достать данные таким способом. Самое смешное – что сотрудникам по сей день так и не заплатили и платить, кажется, не собираются.

www.bloomberg.com/news/articles/2026-05-18/musk-s-xai-promised-staff-420-for-their-tax-returns-hasn-t-paid