GPT-5.5 Instant, Llama 4
и AI-агенты в каждом офисе

Контекст. OpenAI методично решает главную проблему enterprise-внедрений — скорость. Полгода назад Сэм Альтман прямо сказал: инференс — узкое горлышко. Теперь они его расшили. GPT-5.5 Instant — это не просто «быстрее», это смена юнит-экономики для всех, кто строит real-time AI-продукты.

Связи. Вчера мы писали, что GPT-4.5 уходит на пенсию — и вот почему. Старые модели не тянут новую архитектуру инференса. А 24 июня разбирали Salesforce Agentforce с $800M ARR — их агенты как раз упирались в задержки. Теперь этот потолок снят.

Наша оценка. Радует, что OpenAI наконец перестала гнаться за параметрами и занялась тем, что реально нужно бизнесу. Но есть нюанс: consumption pricing. При 200 мс задержки агенты будут вызываться чаще, и счёт может вырасти незаметно. Для малого бизнеса это риск.

Что делать. Если вы уже на GPT-4.1 через API — протестируйте GPT-5.5 Instant на одном эндпоинте. Разница в скорости видна сразу. Но сначала пересчитайте стоимость по новой формуле — consumption pricing может удивить.

Контекст. Meta продолжает давить на OpenAI с фланга открытых моделей. Llama 4 400B — это прямой ответ на GPT-5.5: «вам не нужен проприетарный API, берите нашу модель и разворачивайте у себя». И 128K контекста — это серьёзно. Для сравнения: Claude 3.5 Sonnet начинал с 200K, но за $20/мес. А тут — бесплатно и с коммерческой лицензией.

Последствия. Рынок файнтюнов взорвётся. Уже сегодня сообщество запустило форки. Через неделю появятся вертикальные версии: Llama-4-legal, Llama-4-med, Llama-4-finance. Для нас это означает, что AI-агенты на русском языке станут дешевле — не нужно платить OpenAI за каждый токен.

Связи. Это прямое продолжение тренда, который мы отмечали 25 июня: открытые модели догоняют проприетарные. И пересекается с сегодняшней новостью про NVIDIA H200 NVL — железо специально под инференс 400B-моделей.

Что делать. Если вы строите AI-продукт — попробуйте Llama 4 до того, как платить OpenAI. Для внутренних задач компании (документооборот, аналитика) открытая модель на своём железе может оказаться выгоднее API в 5-10 раз.

Контекст. Apple заходит на русскоязычный рынок AI — и это важнее, чем кажется. Не потому что Siri станет умнее (она и так отстаёт), а потому что AI-функции теперь работают локально на iPhone 16 Pro. Это значит: обработка текста, суммаризация, генерация изображений — всё на устройстве, без облака.

Последствия. Для российского рынка это первый случай, когда качественный AI работает офлайн на смартфоне. Не нужно подключаться к зарубежным API, не нужно беспокоиться о блокировках. 20+ миллионов пользователей iPhone в России получат AI-инструменты «из коробки».

Наша оценка. Сдержанный оптимизм. Локальный AI — это правильно с точки зрения приватности. Но Apple исторически проигрывает в качестве AI тому же Google. Посмотрим, как Siri на русском справится с контекстным пониманием — пока что это слабое место.

Что делать. Если у вас iPhone 16 Pro — обновитесь и протестируйте русскую Siri. Для бизнеса: локальный AI на устройствах сотрудников открывает новые сценарии автоматизации, которые раньше упирались в облачные API и санкции.

Контекст. Microsoft продолжает встраивать AI-агентов в офисный пакет, которым пользуются 400+ миллионов человек. Copilot Actions в Excel и PowerPoint — это не «ещё одна фича», это смена парадигмы: от «AI помогает» к «AI делает». Агент сам анализирует данные, строит графики, пишет выводы и собирает презентацию.

Последствия. Для рядового сотрудника это означает: рутинные задачи в Excel (сводные таблицы, поиск трендов, оформление) уходят агенту. Человек остаётся для принятия решений. Но есть и обратная сторона: если агент ошибается в анализе, а человек не перепроверил — ответственность всё равно на человеке.

Связи. Это часть большой картины, которую мы обсуждали 26 июня в контексте Agentic Commerce: AI перестаёт быть инструментом и становится сотрудником. И пересекается с сегодняшней новостью про AI Liability Directive — Европа уже думает, кто будет отвечать за ошибки таких агентов.

Что делать. Если ваша компания на Microsoft 365 — включите Copilot Actions в тестовом режиме на одном отделе. Дайте агенту простую задачу: «проанализируй продажи за квартал и сделай презентацию». Сравните результат с тем, что делал человек. Разница в скорости вас удивит.

Контекст. Европарламент принял то, о чём мы предупреждали ещё в мае: регулирование AI переходит от «можно/нельзя» к «кто заплатит». AI Liability Directive — это не абстрактный закон, а конкретные правила: презумпция вины разработчика, обязательное страхование для high-risk AI, право на объяснение решения.

Последствия. Для российского бизнеса это кажется далёким, но на самом деле — нет. Если вы продаёте AI-решения в Европу (или планируете), с января 2027 вам нужно будет страховать каждый AI-продукт. Это добавит 5-15% к стоимости разработки. А право на объяснение означает: ваша модель должна уметь ответить, почему она приняла то или иное решение.

Связи. Это прямое продолжение AI Act, который мы разбирали в дайджесте за 30 мая. Тогда были рамочные правила, теперь — конкретные финансовые последствия. И пересекается с сегодняшней новостью про Microsoft Copilot Actions: кто ответит, если агент в Excel ошибётся в финансовом отчёте?

Что делать. Если вы разрабатываете AI-продукты — уже сейчас закладывайте в архитектуру «объяснимость» (explainability). Это не только требование закона, но и конкурентное преимущество: клиенты будут выбирать тех, кто может объяснить решение AI.

Контекст. NVIDIA продолжает делать железо под конкретные сценарии. H200 NVL с 141 ГБ HBM3e — это не универсальный ускоритель, а специализированное решение для инференса больших моделей. Llama 4 400B на одном узле — это то, о чём полгода назад нельзя было мечтать.

Последствия. Для рынка это означает: инференс больших моделей перестаёт быть привилегией облачных гигантов. Компания среднего размера может купить один узел с H200 NVL и запустить Llama 4 у себя. Без API, без подписок, без утечки данных в облако.

Связи. Это железо — прямой ответ на сегодняшние анонсы: GPT-5.5 Instant от OpenAI и Llama 4 от Meta. NVIDIA видит тренд на открытые модели и делает железо, которое позволяет их запускать. И это пересекается с тем, что мы писали 25 июня про рост AI-финансирования: $42.6 млрд за квартал — и значительная часть уходит на железо.

Что делать. Пока не покупать. H200 NVL — это enterprise-решение с соответствующим ценником. Но если вы планируете разворачивать Llama 4 в production в 2027 — начинайте считать бюджет сейчас. Один узел с H200 NVL обойдётся в $150-200K.

Контекст. AlphaFold 3.5 — это не новость для широкой публики, но для фармы и биотеха это событие года. Предсказание белок-белковых взаимодействий — это святой грааль drug discovery. Раньше на это уходили месяцы лабораторной работы, теперь — часы вычислений.

Последствия. +40% точности по сравнению с AlphaFold 3 означает, что мы стали на 40% ближе к AI-разработанным лекарствам. Первые препараты, созданные с помощью AlphaFold, уже проходят клинические испытания. Версия 3.5 ускорит этот процесс кратно.

Связи. Это продолжение линии DeepMind, которую мы отслеживаем с 24 мая. Тогда AlphaFold 3 только анонсировали, теперь — версия 3.5 с открытым доступом для академических исследователей. И это часть более широкого тренда: AI в науке переходит от «помогает» к «делает открытия».

Наша оценка. Это одна из тех новостей, которые меняют мир незаметно. Не хайп, не стартап, не раунд — а реальный научный прогресс. Через 5 лет мы будем оглядываться на AlphaFold 3.5 как на поворотный момент в фармацевтике.