Пока большие модели соревнуются в увеличении контекстных окон, а их создатели — в маркетинговой находчивости, мы продолжаем следить за наиболее важными событиями в мире ИИ. В апреле OpenAI выкатила сразу несколько GPT — от флагманов до микроскопических версий. Anthropic наконец научила Claude гуглить и разослала его в университеты. Midjourney вернулась в строй, а Google устроила парад апдейтов — от визуального поиска до генерации кино.
В нашем традиционном дайджесте — главные новости, свежие исследования и полезные AI-инструменты: от агентов на любой вкус и цвет до ИИ-тренера по флирту. Ну что, поехали?
Навигация
Свежие релизы
Обновления от OpenAI
Новое семейство GPT-4.1: ставка на код и длинный контекст
OpenAI выпустила тройку новых моделей: GPT-4.1, GPT-4.1 mini и GPT-4.1 nano — и они доступны исключительно через API (на радость разработчикам и к огорчению обычных пользователей ChatGPT). Главная фишка — контекстное окно в миллион токенов для всех трех моделей, что для OpenAI настоящий прорыв. А еще значительный апгрейд в программировании: на бенчмарке SWE-bench флагманская GPT-4.1 набирает внушительные 55%, обгоняя даже специализированную o1 high (41%) и опережая GPT-4o на целых 21,4%.
Цены также порадуют кошельки пользователей — GPT-4.1 обойдется в $2 за миллион входящих и $8 за миллион исходящих токенов, что заметно дешевле предшественников. А уж nano-версия и вовсе стоит копейки: $0,10 и $0,40 соответственно.
Вместе с новыми моделями компания выпустила обновленный гайд по промпт-инжинирингу, где наконец раскрыла секрет работы с длинным контекстом. Обобщая: если у вас большой объем данных с инструкциями, лучше размещать инструкции и в начале, и в конце промпта. Если же приходится экономить токены — приоритет отдаем началу. Читаем гайд тут.
Модели для рассуждений o3 и o4-mini: мощь и споры
После долгих месяцев ожидания OpenAI наконец выпустила полноценную o3 и более компактную o4-mini. Обе модели отлично справляются со сложными рассуждениями: o3 демонстрирует 88,9% на математическом бенчмарке AIME 2025, а o4-mini удивляет еще более впечатляющим результатом в 92,7%. Более того, обе модели получили мультимодальные способности и специально обучены использованию инструментов вроде поиска и интерпретатора кода. Да и ценник радует — o3 стоит дешевле o1 ($10 и $40 за миллион токенов против $15 и $60), а o4-mini вообще всего $1,1 и $4,4 за миллион токенов.
Но не обошлось без драмы. В соцсетях пользователи почуяли неладное и устроили настоящий бунт, обнаружив, что реальные метрики o3 не дотягивают до обещанных в декабрьском анонсе. Тогда OpenAI хвастались 25% на FrontierMath и 88% на ARC AGI. По факту модель выдает скромные 10% и 35–40% соответственно.
OpenAI пришлось оправдываться. По их версии, декабрьские результаты относились к еще не выпущенной o3-pro, за прошедшие месяцы изменились сами бенчмарки (привет селективной отчетности!), а публичная версия o3 намеренно оптимизирована для реальных сценариев использования в ущерб метрикам. История наглядно показывает, что бенчмарки — это скорее инструмент маркетинга, чем объективной оценки.
Троица полезных обновлений: от командной строки до глобальной памяти
OpenAI преподнесла разработчикам настоящий подарок, выпустив в открытый доступ Codex (да, вы не ослышались, опенсорс от OpenAI) — агента для командной строки под лицензией Apache 2.0. Теперь ваш терминал превращается в среду программирования на естественном языке буквально одной командой: npm install -g @openai/codex. По умолчанию агент спрашивает разрешения на каждое действие, но для любителей экстрима есть полностью автономный режим.
Следом пришла хорошая новость для бережливых пользователей — облегченная версия Deep Research на базе o4-mini станет доступна даже бесплатным аккаунтам. Ответы в этой версии стали компактнее, но качество обещают сохранить на достойном уровне.
В завершение трилогии обновлений ChatGPT получил глобальную память. Раньше система запоминала только избранную информацию из предыдущих бесед, теперь же помнит все переписки полностью.
Модель может ссылаться на прошлые разговоры и учитывает высказанные предпочтения и интересы пользователя — своего рода RAG на стероидах. Впрочем, доступно это счастье только подписчикам Pro и Plus.
А что у Anthropic?
Research и Google Workspace
Claude наконец-то научился гуглить! После долгих месяцев ожидания Anthropic добавила своему ассистенту функцию Research — мощный инструмент для поиска информации в интернете и рабочих документах. В отличие от простого поиска, Claude действует как агент: проводит серию последовательных запросов, выстраивая логические цепочки и исследуя разные аспекты вопроса.
Вместе с Research появилась интеграция с Google Workspace, и теперь Claude может заглядывать в вашу почту, календарь и документы. Конечно, не обошлось без оговорок: Research пока доступен только подписчикам Max, Team и Enterprise в США, Японии и Бразилии.
Claude for Education: когда ИИ становится преподавателем (а студенты всё равно находят способ списать)
Anthropic представила Claude for Education — специализированную версию своего ассистента для высших учебных заведений. Главная фишка — режим Learning, который не выдает готовые ответы, а использует метод сократической беседы, задавая наводящие вопросы и развивая критическое мышление.
Параллельно Anthropic провела любопытное исследование, проанализировав 574 740 учебных чатов с помощью автономной системы Clio (никаких утечек личных данных). Результаты не удивили никого, кроме самих исследователей: больше всего ИИ пользуются будущие айтишники (38,6% всех диалогов). Самые популярные запросы? Написание и отладка кода на C++ и Python, а также помощь с понижением плагиата. Что действительно забавно (хоть и не удивительно) — примерно в половине случаев студенты просят не «объясни мне», а «сделай за меня».
Пилотный запуск стартовал в Северо-Восточном университете, Лондонской школе экономики и колледже Шамплейн. Все студенты и преподаватели этих учреждений получат полный доступ к Claude и Learning Mode. Остальным доступ открыт только с почтовым адресом на домене .edu.
Claude Max: $200 в месяц за неограниченный доступ к мудрости
Вслед за OpenAI с их ChatGPT Pro, Anthropic запустила премиальную подписку Claude Max — для тех, кому обычных лимитов катастрофически не хватает. Предлагается два варианта: $100 в месяц с лимитами в 5 раз выше, чем у Pro, и $200 в месяц с лимитами в 20 раз выше. Помимо расширенных квот, подписчики Max получают приоритетный доступ к новым моделям и функциям.
В интервью TechCrunch представитель Anthropic не исключил появления еще более дорогих тарифов, уклончиво отметив, что компания «всегда рассматривает различные варианты». Видимо, разработка моделей с повышенными способностями к рассуждениям — удовольствие не из дешевых, и, похоже, со временем это отразится и на пользовательских тарифах.
Google: одна модель хорошо, а дюжина обновлений лучше
Gemini 2.5 Flash: быстрый ризонер с контролем бюджета
Google выпустила Gemini 2.5 Flash — первую полностью гибридную модель с ризонингом, которая сама контролирует продолжительность своих «размышлений». Главная фишка — разработчики могут настраивать бюджет ризонинга вручную, выбирая оптимальный баланс между качеством, стоимостью и латентностью.
Модель демонстрирует результаты не хуже Claude 3.7 Sonnet и DeepSeek R1, уступая лишь o4-mini и Grok-3. Зато по соотношению цена/качество конкуренты нервно курят в сторонке: всего $0,15 за миллион входящих и $0,60 за миллион исходящих токенов (с ризонингом — $3,5). Доступна для тестирования в Google AI Studio.
Параллельно Deep Research интегрирован с новейшей Gemini 2.5 Pro — моделью, которая сейчас занимает первые места на LM Arena и бенчмарках по математике и кодингу. С такими возможностями поисковые системы скоро могут отправиться на покой.
Veo 2: генератор видео для народа (с подпиской Gemini Advanced)
Google выпустила Veo 2 для подписчиков Google One AI Premium (Gemini Advanced) — модель для создания «кинематографически реалистичных» видео. С ее помощью можно генерировать 8-секундные ролики в разрешении 720p в формате 16:9, выбрав Veo 2 из выпадающего меню и введя текстовый промпт.
Процесс создания прост: описываете сцену, которую хотите создать, и Gemini воплощает ваши идеи. В новой версии появились крутые функции редактирования: inpainting (автоматическое удаление ненужных объектов), outpainting (расширение кадра с добавлением сгенерированного содержимого) и кинематографические пресеты, задающие композицию, ракурсы камеры и темп в финальном результате. На мобильных устройствах удобно делиться результатами в TikTok и YouTube Shorts.
Параллельно запущен Whisk Animate — инструмент, позволяющий превращать изображения в 8-секундные анимированные клипы с помощью той же технологии Veo 2. Функция доступна для тех же подписчиков в более чем 60 странах. Обе новинки имеют ежемесячный лимит на количество генераций, но система обещает уведомлять, когда вы к нему приближаетесь. И да, все видео содержат водяные знаки SynthID.
AI Mode и Gemini Live: теперь с глазами
ИИ-поиск на базе Gemini получил мультимодальные возможности: теперь можно загрузить фотографию или сделать снимок, задать вопрос и получить подробный ответ со ссылками для углубления. Система объединяет возможности визуального поиска Lens с продвинутой версией Gemini.
В отличие от обычного визуального поиска, AI Mode понимает весь контекст изображения, включая взаимосвязи между объектами и их характеристики. Используя технику «query fan-out», система запускает несколько запросов об изображении в целом и отдельных объектах на нем, обеспечивая более глубокий и контекстуально релевантный ответ.
Функция доступна в приложении Google (Android и iOS) для подписчиков Google One AI Premium и постепенно открывается для аудитории программы Search Labs.
Параллельно Google запустила Gemini Live для пользователей Android — функцию, которая позволяет делиться изображением с камеры или экраном смартфона с ассистентом. Gemini анализирует происходящее и отвечает на вопросы в реальном времени. Можно использовать его как навигатор, распознаватель объектов или помощника при чтении статей.
Firebase Studio: генерируем и анализируем
Google включилась в гонку «вайб-кодинга» с Firebase Studio — облачной средой разработки, позволяющей создавать полноценные приложения с помощью естественного языка и изображений. Вместо ручного написания кода пользователи описывают, что хотят получить, и система генерирует рабочий прототип за секунды.
Инструмент поддерживает популярные фреймворки и языки: React, Next.js, Flutter, Python и Java. Все работает в облаке — не нужно переключаться на внешнюю IDE для доработки. Ранние тесты показали, что инструмент может генерировать функциональные веб-сайты просто из текстовых промптов. Собеседования в IT-компании становятся все интереснее и интереснее.
Llama 4: гигантские цифры и скромные результаты
Meta выпустила новое семейство Llama 4 — аж в трех размерах: Scout (109B), Maverick (400B) и Behemoth (невероятные 2T параметров, и нет, это не опечатка). Все модели используют архитектуру Mixture-of-Experts, где каждый токен обрабатывается только частью нейронов. Scout может похвастаться контекстом в 10 миллионов токенов (в теории), Maverick довольствуется «всего лишь» миллионом, а Behemoth пока в процессе обучения.
Под капотом весьма интересные технические решения: early fusion для объединения текста и изображений, MetaCLIP в качестве vision-энкодера и pretrain на впечатляющих 30 триллионах токенов с использованием 32К GPU. Все три модели мультимодальные, поддерживают несколько языков и претендуют на высокие места в рейтингах.
Но не спешите аплодировать. Пользователи массово жалуются на качество моделей, особенно в задачах программирования. Недовольство достигло такого уровня, что многие начали сомневаться в честности рейтинга на LM Arena. Организаторам площадки пришлось опубликовать более 2000 реальных баттлов, чтобы доказать легитимность.
И тут всплыл интересный факт: версия Maverick на арене оказалась специально кастомизированной под оптимизацию человеческих предпочтений, а публичная версия заметно слабее. Еще один сюрприз — тесты на независимых бенчмарках показали, что Scout с заявленным контекстом 10M токенов может работать хуже, чем GPT-4o, DeepSeek R1 и даже Gemma 3 с их скромными 128К.
Midjourney превращается в ИИ-фигму с запуском V7
Midjourney выпустила долгожданную V7, и это не просто очередное обновление — похоже, платформа всерьез решила эволюционировать в полноценный инструмент дизайна. Главное нововведение (помимо традиционных улучшений в качестве, фотореализме и анатомии) — режим набросков. Работает он в 10 раз быстрее обычного, стоит вдвое дешевле и включает голосовой conversational mode: просто наговариваете свои идеи, пока модель в реальном времени создает и уточняет эскиз.
Впервые в Midjourney появилась персонализация по умолчанию — потратьте 5 минут на небольшой опрос, и модель будет гораздо точнее понимать ваши вкусы и предпочтения. Полностью обновился и редактор изображений с поддержкой слоев, умным выделением объектов и возможностью импорта нескольких изображений для создания коллажей.
Пока модель доступна в двух версиях (Turbo и Relax) в режиме альфа-тестирования с обещанием регулярных обновлений в ближайшие недели. Разработчики честно предупреждают, что это «полностью новая модель с уникальными сильными сторонами и, вероятно, несколькими слабостями», поэтому привычные промпты могут работать иначе.
Qwen-3: больше, быстрее, гибриднее
Alibaba выпустила Qwen-3 — новое семейство языковых моделей с открытыми весами на любой вкус (уже на Github и Hugging Face). В релиз вошли 2 MoE-модели (Qwen3-235B-A22B и Qwen3-30B-A3B) и 6 плотных моделей от 0,6B до 32B параметров. При этом флагманская модель с 235B параметров (из которых активны только 22B) показывает результаты на уровне Gemini 2.5 Pro, Grok-3, o1 и DeepSeek R1.
Все модели — полу-ризонеры с контролируемым режимом мышления. Они мультиязычные (поддерживают 119 языков, включая русский), но не мультимодальные. Зато улучшены агентные способности для поиска в браузере и использования интерпретатора, а также добавлена поддержка MCP.
Обучение проходило в три этапа: сначала на 30 триллионах токенов с контекстом 4K, затем на сложных научных текстах (5T токенов), и наконец на длинных контекстах до 32K. Пост-трейнинг включал файн-тюнинг на CoT и несколько стадий RL. Интересно, что модели до 30B обучали методом дистилляции из больших моделей — экономия, которой стоит поучиться.
Пробуем тут.
Amazon представляет Nova Act — агента, который реально что-то делает
Amazon показала Nova Act — новую ИИ-модель, обученную не болтать, а выполнять конкретные действия в веб-браузерах. Вместо очередного чат-бота, который разговаривает или ищет информацию, Nova Act может подавать заявки на отпуск, блокировать слоты в календаре и даже заказывать обеды — всё через прямое взаимодействие с браузером.
Особый акцент сделан на надежности — компания утверждает, что агентам нужна не способность выдавать впечатляющие демо, а стабильная работа в реальных условиях.
Хотя протестировать самого агента пока нельзя, Amazon открыла доступ к Nova Act SDK через nova.amazon.com. Ключевая особенность этой библиотеки — возможность разбивать сложные рабочие процессы на атомарные команды (клик, поиск, ввод пароля) и добавлять к ним уточняющие инструкции, вызывать API или даже использовать прямую автоматизацию браузера через Playwright.
xAI: память для Grok и зрение для распознавания объектов
xAI добавила функцию «памяти» в своего чат-бота Grok, постепенно догоняя конкурентов вроде ChatGPT и Gemini. Теперь Grok помнит детали из прошлых разговоров и может давать более персонализированные рекомендации, основываясь на ваших предпочтениях. Функция доступна в бета-режиме, но не для пользователей из ЕС и Великобритании (кто бы сомневался).
В компании подчеркивают, что «воспоминания прозрачны» — вы можете видеть, что именно Grok о вас знает, и выборочно удалять любую информацию. Отключить функцию полностью можно на странице Data Controls в настройках.
Параллельно анонсирован GrokVision — инструмент, позволяющий наводить камеру телефона на предметы, знаки и документы, чтобы задавать о них вопросы. Похоже, Илон Маск твердо решил догнать конкурентов, пусть и с опозданием в несколько месяцев.
Perplexity расширяется: Telegram-бот и голосовой ассистент для iOS
Perplexity продолжает расширять каналы доступа к своему ИИ-ассистенту. СЕО компании объявил о запуске официального бота @askplexbot в Telegram, который можно использовать совершенно бесплатно. Бота можно добавлять в любые чаты и тегать для получения ответов на вопросы — примерно как Grok в X, только без претензий на юмор и противоречивые высказывания.
Одновременно анонсирован голосовой ассистент для iOS с впечатляющими возможностями: использование браузера, управление некоторыми приложениями, отправка писем, создание бронирований, управление календарем и проигрывание медиа-контента (включая подкасты и YouTube).
Новости от лидеров индустрии
LM Arena: обновление интерфейса, корпоративные планы и борьба с эмоциональными манипуляциями
LM Arena готовится к серьезным переменам. Во-первых, платформа тестирует обновленный интерфейс, напоминающий ChatGPT: с возможностью просматривать историю диалогов, более интуитивной навигацией по лидербордам и упрощенной системой отправки баг-репортов (пробуем тут).
Во-вторых, разработчики планируют превратить LM Arena из сообщества энтузиастов в полноценную компанию.
Но самое интересное — появление новой функции Sentiment Control. Она выявляет, насколько сильно пользователи поддаются на эмоциональные уловки моделей. Оказывается, люди часто голосуют не за более умные, а за более позитивные и льстивые ответы. После очистки от лести и прочего некоторые модели заметно меняют свои позиции: Claude-3.7-Sonnet и o1 поднимаются в рейтинге, а Grok-3, Gemma-3 и Llama-4-exp опускаются.
Интересно, что анализ показал неожиданную закономерность: очень негативные ответы иногда побеждают негативные (65%) и нейтральные (54%). Это происходит, когда пользователи сами просят модель вести себя агрессивно или саркастично. Нейтральный тон проигрывает практически всем, кроме негативного, а «очень позитивные» ответы доминируют над всеми, выигрывая у негативных в 78% случаев, что подтверждает общую тенденцию: люди предпочитают любую эмоциональность сухим и фактическим ответам.
OpenAI: рост на стероидах и бешеные прогнозы
OpenAI преодолела отметку в 800 миллионов пользователей — это каждый десятый житель планеты. За 2024 год количество еженедельно активных пользователей выросло в 4 раза. Только за неделю после запуска функции генерации изображений ею воспользовались 130 миллионов человек (почти население России). Пользователи нагенерировали более 700 миллионов картинок.
Сэм Альтман хвастался, что на пике прироста компания регистрировала миллион новых пользователей в час. Для сравнения: когда ChatGPT запускался два года назад, это был показатель за 5 дней. Оплачиваемых подписок на ChatGPT тоже заметно прибавилось — их число выросло на 30% за квартал (с 15,5 до 20 миллионов). Соответственно, на 30% выросла и ежемесячная выручка: с $333 млн до $415 млн.
Компания, недавно оцененная в $300 млрд после раунда финансирования на $40 млрд во главе с SoftBank, прогнозирует утроение выручки до $12,7 млрд в 2025 году. А к 2026 году OpenAI рассчитывает генерировать $29,4 млрд.
Anthropic: интерпретируемость и сознание
Дарио Амодеи опубликовал эссе о критической важности интерпретируемости моделей. По его мнению, в ближайшие годы ученые обязательно должны решить эту проблему.
«К 2026–2027 годам ИИ достигнет уровня, сопоставимого со страной гениев в дата-центре. Даже небольшое преимущество в 1–2 года может сыграть решающую роль», — предупреждает Амодеи.
Он настаивает, что без понимания внутренних механизмов ИИ мы не сможем предотвратить обманы, саботажи, стремление моделей к власти и любое другое непреднамеренное поведение.
В дополнение ко всему компания запускает программу изучения возможного сознания в моделях. Хотя убедительных доказательств пока нет, в Anthropic не исключают их появления и начинают исследовать «model welfare» — благосостояние моделей.
Программу возглавляет известный ученый Кайл Фиш, который оценивает вероятность того, что Claude или другой ИИ уже обладает сознанием, в 15%. Впрочем, официальная позиция компании гораздо осторожнее.
Google выпускает TPUv7s: чип Ironwood для эпохи инференса
Google представила TPUv7s (кодовое название Ironwood) — свой седьмой по счету тензорный процессор и первый, спроектированный специально для инференса. В компании называют его «самым мощным, производительным и энергоэффективным TPU на сегодняшний день».
Характеристики впечатляют: 192 ГБ видеопамяти на чип, пропускная способность памяти 7,2 ТБ/с (в 4,5 раза больше, чем у предшественника). Пиковая производительность примерно в 10 раз выше, чем у TPUv5, а энергоэффективность вдвое лучше.
Чип можно масштабировать до 9 216 жидкостно-охлаждаемых устройств. При полной конфигурации такая система выдает 42,5 экзафлопс — в 24 раза больше, чем у крупнейшего в мире суперкомпьютера El Capitan. Именно на этих чипах сейчас работают модели вроде Gemini 2.5 и AlphaFold.
С такими характеристиками Google явно нацелилась на территорию Nvidia. Впрочем, ключевое отличие — TPU доступны только в облаке Google, тогда как чипы Nvidia можно купить и установить в свой дата-центр. Ironwood будет доступен клиентам Google Cloud позднее в этом году.
Интересные открытия
Прогноз: энергопотребление ИИ увеличится в 4 раза к 2030 году
К концу десятилетия ИИ-датацентры будут потреблять почти столько же энергии, сколько сегодня расходует вся Япония. По прогнозам Международного энергетического агентства (IEA), глобальное потребление электроэнергии датацентрами увеличится больше чем в два раза к 2030 году, а спрос со стороны специализированных ИИ-объектов и вовсе вырастет четырехкратно.
Для сравнения: один современный датацентр потребляет столько же электричества, сколько 100 000 домохозяйств. А некоторые из строящихся объектов будут требовать в 20 раз больше энергии. В США обработка данных (в основном для ИИ) к 2030 году будет потреблять больше электричества, чем производство стали, цемента, химикатов и всех остальных энергоемких товаров вместе взятых.
Однако опасения, что стремительное развитие ИИ перечеркнет надежды на борьбу с климатическим кризисом, «преувеличены», считают авторы доклада. Использование ИИ для оптимизации энергопотребления и других видов деятельности может компенсировать его собственные аппетиты. Правда, без жесткого регулирования компании, скорее всего, пойдут по пути наименьшего сопротивления, используя самые доступные источники энергии — включая газовые, а то и угольные электростанции.
Tinder запускает ИИ-функцию для оценки навыков флирта
Когда дела на рынке онлайн-знакомств идут настолько плохо, что Tinder представляет ИИ-персонажей для флирта, самое время задуматься. Компания анонсировала новую игру на базе технологий OpenAI, позволяющую пользователям взаимодействовать с ИИ-ботом, чтобы практиковать свои навыки заигрывания, проигрывать сценарии знакомств и получать оценки с предложениями по улучшению.
В игре The Game Game пользователям предлагается колода карт, каждая с разным ИИ-персонажем и сценарием. Участникам нужно использовать голос, чтобы пофлиртовать и добиться свидания с ботом. По итогам их оценивают по трехбалльной шкале смайликов-огоньков. Компания уверяет, что это просто развлечение и не более, но все мы помним фильм «Бегущий по лезвию 2049».
Открытие исходного кода AlexNet: ключевая веха в истории ИИ
Компьютерный музей истории (CHM) в сотрудничестве с Google опубликовал исходный код AlexNet — нейросети, запустившей в 2012 году современную эру ИИ. Нейронная сеть, созданная Джеффри Хинтоном и его аспирантами Алексом Крижевски и Ильей Суцкевером, произвела революцию в компьютерном зрении и до сих пор считается одним из переломных моментов в развитии искусственного интеллекта.
Переговоры о публикации кода велись пять лет. Хотя в интернете существует множество репозиториев с кодом под названием AlexNet, большинство из них являются воссозданиями на основе знаменитой статьи, а не оригинальным кодом. Теперь же доступна аутентичная версия 2012 года, положившая начало современной эпохе глубокого обучения. Код доступен на GitHub-странице музея.
Новые инструменты
Инструменты для разработки
Devin 2.0: Обновленная версия ИИ-программиста теперь позволяет запускать несколько агентов параллельно, имеет встроенный браузер для тестирования и показывает план работы перед выполнением задачи. Вдобавок создает подробную документацию на лету и предлагает специальные режимы для поиска по кодовой базе — всё это за $20 в месяц.
Agent2Agent: Протокол от Google для безопасного взаимодействия между ИИ-агентами разных платформ. Теперь ваши цифровые помощники могут общаться напрямую, образуя целые команды в корпоративной среде.
pgledger: Полноценная реализация бухгалтерской книги внутри PostgreSQL. Теперь можно вести финансовый учет, не выходя из любимой базы данных.
Versatile OCR Pipeline: Мультимодальный OCR-конвейер, оптимизированный для тренировки моделей машинного обучения. Распознает текст, формулы, таблицы и рисунки.
dayplot: Простая в использовании Python-библиотека для создания календарных тепловых карт на базе matplotlib.
Local Deep Research: Проводит итеративный анализ с использованием локальных или облачных LLM для создания исследовательских отчетов. Бесшовно интегрируется с PubMed, arXiv и Semantic Scholar.
GitDiagram: Превращает любой GitHub-репозиторий в интерактивную диаграмму буквально за секунды.
Oxy: Опенсорсный фреймворк для агентной аналитики, применяющий принципы жизненного цикла разработки ПО к аналитике на базе ИИ.
plumber2: Полный перезапуск пакета plumber для создания мощных веб-API в R.
GeoAI: Набор инструментов для обработки, анализа и визуализации геопространственных данных с использованием передовых методов машинного обучения.
WhoDB: Легковесный исследователь данных нового поколения для Postgres, MySQL, SQLite, MongoDB, Redis и других баз с чат-интерфейсом.
SQLite File Format Viewer: Инструмент для изучения внутренней структуры файлов баз данных SQLite.
Pydantic Evals: Фреймворк для систематического тестирования и оценки производительности систем на базе LLM. Потому что «вроде работает» уже не считается адекватным методом тестирования ИИ-систем.
PDF craft: Конвертирует PDF-файлы в различные другие форматы, специализируясь на обработке сканированных книг. Решает проблему, которая существует уже лет 20, но почему-то до сих пор остается актуальной.
Exponent: ИИ-агент для программирования и инженерных задач. Находится в раннем доступе.
Инструменты для дизайна и контента
Kling AI 2.0: Генерация и редактирование видео и изображений, позволяющая создавать визуальный контент с минимальными усилиями.
AI Infographics: Превращает текст в красивую инфографику, которой не стыдно поделиться.
WordPress.com AI site builder: ИИ-инструмент для быстрого создания базовых сайтов с автоматически генерируемым контентом и дизайном. Правда, для сложных интернет-магазинов пока не подходит и требует платного хостинга.
Krea AI: Редактирование изображений с помощью естественного языка в Krea Chat.
Инструменты для обучения и развлечений
FluentSubs: Альтернатива DuoLingo, использующая новости и вирусные клипы для обучения иностранным языкам.
Ai2 Paper Finder: Инструмент на базе LLM для поиска научных статей, имитирующий навыки исследователя. Справляется с нюансированными, сложными запросами без необходимости упрощения ключевых слов — незаменим для глубоких погружений в литературу.
Grimo: Инструмент для написания текстов с мультимодальными возможностями ИИ.
Zycko: Позволяет создавать, настраивать и делиться мощными шаблонами промптов буквально за секунды.
Исследования на почитать
Практические руководства
Практический гайд по разработке агентов от OpenAI
О чем: 32-страничное пособие от инженеров продуктовых команд OpenAI с теоретическими основами, шаблонами проектирования и лучшими практиками для создания, развертывания и мониторинга ИИ-агентов. Идеальное чтение для тех, кто устал от агентов, которые делают всё, кроме того, что нужно.
Гайд по вайб-кодингу от Anthropic
О чем: Anthropic выпустила 23-страничный гайд по вайб-кодингу — подробное руководство о том, как программировать с помощью ИИ-агентов (особенно Claude Code). Документ включает советы, лучшие практики, примеры, антипримеры и готовые промпты. Особое внимание уделяется безопасности данных и мульти-агентным процессам. Полезно для тех, кто ежедневно использует ИИ для разработки.
Искусственный интеллект в общем и целом
Достижения и вызовы в области фундаментальных агентов
О чем: Обзор модульной архитектуры интеллектуальных агентов, вдохновленной функциями человеческого мозга. Исследователи пытаются сделать ИИ похожим на мозг, при этом до сих пор не до конца понимая, как работает мозг.
Воплощенный ИИ: тенденции и вызовы
О чем: Нетехническая работа, кратко характеризующая область воплощенного ИИ, суммирующая достижения и определяющая важные направления для будущих исследований.
Подход к технической безопасности и защите AGI
О чем: Google DeepMind представляет дорожную карту по снижению серьезных рисков от AGI, фокусируясь на технической безопасности и подчеркивая важность надежного обучения и мониторинга. Неплохая попытка успокоить общественность, что они точно не создадут Скайнет.
О чем: Прогноз от бывшего исследователя OpenAI Дэниела Кокотайло о развитии ИИ до 2027 года с двумя вариантами развития событий.
Будущее научного письма: ИИ-инструменты, преимущества и этические последствия
О чем: Оценка применения ИИ-инструментов (Elicit, Perplexity, Consensus, ChatGPT и Grammarly) для обзора литературы, организации информации и улучшения текстовой ясности в научных работах. Скоро профессора не смогут отличить работы своих студентов от текстов генеративных моделей, и им придется с этим смириться.
Вызовы и возможности для ИИ в аудите
О чем: Исследование внедрения ИИ в аудиторских процессах крупных публичных бухгалтерских фирм с акцентом на сложности и перспективы. Аудиторы теперь могут находить ошибки в отчетности быстрее, а значит, у финансовых махинаторов остается меньше времени на подготовку оправданий.
Модели и их возможности
Большие языковые модели проходят тест Тьюринга
О чем: Недавние исследования показывают, что крупные языковые модели вроде GPT-4.5 и LLaMa-3.1-405B могут пройти тест Тьюринга, когда их просят принять человекоподобную персону, что поднимает важные вопросы об их использовании в социальных и экономических контекстах.
Доказательство или блеф? Оценка LLM на математической олимпиаде США 2025
О чем: Современные языковые модели испытывают трудности со строгими математическими рассуждениями и генерацией доказательств, достигая менее 5% точности на задачах математической олимпиады США 2025 года.
Никаких слонов: прорывы в генерации изображений
О чем: Недавние достижения Google и OpenAI в мультимодальной генерации изображений позволяют ИИ создавать визуальный контент с большей точностью и креативностью, поднимая важные вопросы о креативном авторстве и будущем визуальных медиа. Художники и дизайнеры продолжают нервно смеяться, говоря, что «всё в порядке».
Liquid: языковые модели как масштабируемые и унифицированные мультимодальные генераторы
О чем: Liquid представляет масштабируемую архитектуру только с декодером для мультимодальной генерации, демонстрируя, что большие языковые модели могут эффективно обрабатывать как визуальные, так и языковые задачи с общим словарным пространством.
FUSION: полная интеграция визуально-языковых представлений
О чем: FUSION вводит новую структуру для глубокой интеграции зрения и языка в мультимодальном обучении, используя кодирование зрения с текстовым руководством и контекстно-зависимое выравнивание для улучшения производительности.
Seaweed-7B: экономичное обучение фундаментальной модели генерации видео
О чем: Seaweed-7B опровергает миф о превосходстве гигантов, показывая, как грамотная архитектура и обучение позволяют моделям среднего размера конкурировать в генерации видео.
Планирование и рассуждение
M1: к масштабируемым вычислениям во время тестирования с моделями рассуждения Mamba
О чем: M1, гибридная модель рассуждения, достигает производительности, сравнимой с большими трансформерными моделями, при трехкратном ускорении пропускной способности вывода за счет эффективной передачи способностей к рассуждению и оптимизации использования памяти.
S1-Bench: простой бенчмарк для оценки способности к «мышлению первого типа»
О чем: S1-Bench оценивает способности крупных моделей рассуждения к «мышлению первого типа» (быстрому, интуитивному), выявляя их неэффективность и проблемы с точностью на простых задачах, несмотря на продвинутые возможности рассуждения.
Бенчмарки и оценка
PaperBench: оценка способности ИИ воспроизводить исследования в области ИИ
О чем: PaperBench — бенчмарк для оценки способности ИИ-агентов автономно воспроизводить современные исследовательские работы по машинному обучению, с комплексной системой оценки и вспомогательным методом оценки на основе LLM-судей.
OpenAI открывает исходный код BrowseComp
О чем: BrowseComp — новый бенчмарк от OpenAI для оценки способности ИИ-агентов просматривать веб и извлекать сложную информацию, выявляющий существенные пробелы в производительности текущих моделей по сравнению с человеческими возможностями.
RoboVerse: платформа для обучения роботов
О чем: RoboVerse — это масштабируемая платформа для обучения роботов, объединяющая симуляторы, синтетические данные и единые бенчмарки для оценки обобщающей способности моделей.
Архитектура и оптимизация
Семплируй, не ищи: переосмысление выравнивания во время теста
О чем: QAlign, новый метод элаймента во время тестирования, улучшает производительность языковой модели путем выборки из оптимального выровненного распределения без необходимости доступа к весам модели.
Генерация минутного видео с обучением во время тестирования
О чем: Слои обучения во время тестирования (TTT), интегрированные в предварительно обученный диффузионный трансформер, позволяют генерировать связные минутные видео со сложным сюжетом.
OLMoTrace: отслеживание выходных данных языковой модели до обучающих токенов
О чем: OLMoTrace — система, отслеживающая выходные данные языковой модели до их обучающих данных с помощью дословного сопоставления и нового параллельного алгоритма.
TransMamba: гибкое переключение между Transformer и Mamba
О чем: TransMamba представляет новую структуру, которая гибко переключается между моделями Transformer и Mamba, используя общие параметры, оптимизируя производительность и эффективность для различных длин последовательностей и слоев.
Масштабирование вычислений во время вывода для сложных задач
О чем: Масштабирование вывода улучшает производительность модели на сложных задачах путем выделения большего количества вычислительных ресурсов, но его эффективность варьируется в зависимости от доменов и задач, с уменьшающейся отдачей при увеличении сложности.
Заключение
На этом наш апрельский дайджест подходит к концу. Как видите, индустрия не собирается останавливаться, а только набирает все новые обороты (и энергетические аппетиты). Во всю складывается ощущение, что наблюдать за индустрией ИИ в 2025 году — это как смотреть фильм о будущем, но без возможности поставить на паузу.
Оставайтесь с нами, чтобы не пропустить следующие серии этого увлекательного технологического сериала!
