ИИ

Alibaba представила флагманскую модель Qwen3.8-Max — MoEi-модель на 2,4 трлн параметров (активируется около 95 млрд при каждом запросе), контекст — 1 млн токенов. Модель уже доступна в Qwen Chat и по API, а через неделю компания впервые откроет веса модели класса Max — вместе с более компактной Qwen3.8-27B. Это первый случай, когда Alibaba открывает веса модели уровня Max (по данным vc.ru).

Главный акцент — автономная агентная работа и мультимодальность: модель по заявлению компании способна вести длинные проекты почти без вмешательства человека (планирование, код, запуск инструментов, анализ обратной связи), а также нативно работать с изображениями внутри цикла «планирование — выполнение — проверка». По ряду бенчмарков она обгоняет GPT-5.6 Sol и Claude Fable 5, но в чистом программировании (DeepSWE, FrontierSWE) уступает Kimi K3, Fable 5 и GPT-5.6 Sol.

Полный разбор →

Китайская компания Moonshot AI выпустила Kimi K3 — MoEi-модель с 2,8 трлн общих и 104 млрд активных параметров, открытыми и бесплатно скачиваемыми весами, native vision и контекстом в 1M токенов. По заявлению авторов, это первая открытая модель 3T-класса, и по многим тестам она приблизилась к топовым закрытым американским моделям, вызвав ажиотаж в индустрии — вплоть до реакции Илона Маска, который назвал релиз «впечатляющим» и сообщил, что xAI готовит ответ на 2 трлн параметров.

Однако «бесплатность» весов не означает дешевизну использования: по официальным рекомендациям Moonshot AI для развёртывания К3 нужна конфигурация «суперузла» из 64+ ускорительных карт, с первоначальными инвестициями порядка 20 млн юаней (~$3 млн), не считая затрат на электроэнергию — что резко ограничивает круг тех, кто реально может запустить модель у себя.

Полный разбор →

Сбер выложил в открытый доступ под лицензией MIT семейство моделей Kandinsky WM 1.0i — генератор обучающих видеороликов для роботов и беспилотных автомобилей. Технологию уже применяет собственный Центр робототехники Сбера и институт AIRI в своём дорожном симуляторе.

Это не полноценная нейросеть-симулятор реальности, как модели от Google и Nvidia, а инструмент для синтеза физически достоверных обучающих данных — решение критической проблемы: снимать вживую редкие и опасные сценарии (ДТП, экстремальную погоду, отказы оборудования) дорого и небезопасно.

Полный разбор →

Андрей Карпати (по данным vc.ru — «выходец из OpenAI») предложил новый способ оценивать возможности ИИ-моделей: не рисование пеликана на велосипеде в SVG, а генерацию целых интерактивных 3D-миров по литературным сюжетам. Он дал модели Opus 5i первый абзац «Властелина колец» с бюджетом в 1 млн токенов и попросил создать трёхмерную визуализацию на three.jsi.

За два часа Opus 5 написал 5500 строк кода, процедурно отрендеривших сюжет; звук для сцены сгенерировали через ElevenLabsi. Карпати считает, что старые тесты на пространственное мышление устарели — современные мультимодальные модели легко с ними справляются, а вот с генерацией целых миров по книгам и фильмам они пока справляются плохо.

ВыводГенерация сцены обошлась примерно в 10 долларов, по данным Machinelearning.

Полный разбор →

Автор разбираемой статьи выдвигает тезис, что Google «не проиграл» гонку ИИ, а сознательно вышел из неё, выбрав другую стратегию. По его наблюдениям, OpenAI и Anthropic вышли на петлю самоулучшения (RSIi), делая ставку на грубую силу вычислений и масштабирование — по «горькому уроку» Ричарда Саттона. Те, кто первым построит топовые модели уровня 2025-2026 годов, получат «скорость убегания» (escape velocityi) и оторвутся от конкурентов настолько, что догнать их станет практически невозможно.

Google, по мнению автора, стоит в стороне от этой PR-гонки RSI и делает экзистенциальный выбор «всё или ничего» в пользу иной теории развития ИИ — world models и альтернативных архитектур вместо чистого масштабирования трансформеров.

Полный разбор →