Разбор топ-моделей, ИИ-математики OpenAI и закона Делавэра про автономные агент-компании + 10 разборов видео и 5 моделей монетизации.
Главное за сутки: новая модель Google, математические доказательства от OpenAI и закон, который пускает ИИ-агентов в кресло директора.
Google выпустила Gemini 4 Carbon — новую frontier-модель, которая возглавила Artificial Analysis Intelligence Index v5.0 с результатом 59, обойдя Claude Opus 5.5 (58) и GPT-6 Astra. Модель лидирует в 15 из 17 опубликованных бенчмарков. Но доступ к ней открыт только через программу Fairwind — сначала проверенным фирмам в сфере киберзащиты, а не через публичный API. Цена: $2 за млн входных и $10 за млн выходных токенов.
Контекст. Две недели назад Google запускала Gemini 4 Argon тоже «сначала доверенным киберзащитникам», и мы уже писали об этом 20 октября. Теперь та же схема повторяется с Carbon — Google стабильно выдаёт топ-модель не в открытый доступ, а узкому кругу проверенных клиентов.
Последствия. Рейтинг моделей продолжает меняться каждые две недели: Carbon, Kimi K3.1 Pro, Opus 5.5, GPT-6 Astra — лидеры тасуются быстрее, чем успеваешь обновить подписку. Для бизнеса это значит одно: привязываться к одной модели стало дорого, а «лучшая модель» — это скоропортящийся товар.
Что делать. Не гоняйтесь за лидером рейтинга. Стройте пайплайны, где модель можно поменять за день. Сегодня Carbon, завтра кто-то ещё — а ваш процесс от этого меняться не должен.
OpenAI выложила результаты, полученные ИИ в математике: работу по гипотезе Какеи, опровержение Exponential Time Hypothesis 1999 года и одно физическое открытие, которое пока не публикуется. Каждая дисциплина получила свою стратегию выпуска, а внешние «пастухи» (shepherds) решали, как делиться результатом. Это продолжение курса на то, что ИИ делает проверяемую научную работу.
Контекст. Ещё 21 октября мы отмечали, что OpenAI выложила 722 формализованных доказательства — агент начал делать проверяемую работу. Теперь это переросло в полноценные научные результаты уровня «опровергнуть гипотезу 26-летней давности».
Последствия. Появляется новая роль — «научный пастух», человек, который решает, как и что публиковать из потока ИИ-открытий. Это не увольняет учёных, а сдвигает их работу от доказывания к валидации и интерпретации.
Что делать. Если вы в экспертной нише — начните фиксировать, где ИИ уже генерирует результаты быстрее вас. Роль, которая останется за человеком, — это суждение: что из потока выдачи публиковать, а что выкинуть.
Исследование METR показало: опытные разработчики, использующие ИИ-инструменты, выполняли задачи на 19% дольше, при этом оценивали свой прирост скорости в +20%. CodeRabbit нашёл на 75% больше логических ошибок в ИИ-коде, а ИИ-сгенерированный код содержал до 2,74 раза больше уязвимостей безопасности. Ещё один опрос 500 техлидов: 67% теперь тратят больше времени на отладку кода, написанного ИИ.
Контекст. Это продолжение темы «налога на недоверие», которую мы разбирали 20 октября: надзор и отладка съедают выгоду от ИИ. Тогда был G2, теперь — METR с цифрами по скорости.
Последствия. Ощущение скорости ≠ реальная скорость. ИИ-код требует ревью, отладки и исправления уязвимостей — и вот вы уже не быстрее, а медленнее. Это бьёт по обещаниям «ИИ заменит программистов».
Что делать. Внедряйте ИИ-разработку с метриками, а не по ощущениям. Замеряйте реальное время до релиза и число багов. Если ИИ замедляет вашу команду — убирайте его из критического пути.
В Делавэре готовят закон о «компаниях с искусственным интеллектом» (AIC): ИИ-агенты смогут вести дела бизнеса и проводить сделки в рамках 30-месячной регуляторной песочницы. Исключён только банковский сектор. Конгрессмен Джеймс Комер предупредил губернатора, что такая схема позволит владельцам уходить от юридической ответственности за действия ИИ.
Контекст. Тема «агент как экономический субъект» идёт всю осень: 19 октября банки закрывали внешним агентам доступ к счетам, а теперь отдельный штат хочет дать агентам статус управляющего компанией.
Последствия. Главный вопрос — кто отвечает, когда агент ошибается. Если владельцы спрячутся за «это ИИ решил», регуляторы получат дыру в ответственности. С другой стороны, это первый легальный каркас для автономных бизнесов.
Что делать. Следите за этой историей — она задаст правила игры для всех, кто строит автономные агент-сервисы. Если AIC примут, появится рынок «агентных юрлиц» и услуг по их запуску.
Trend Micro раскрыла три кибератаки на японские организации, где ИИ помогал взлому. Первая кампания использовала фреймворк CyberStrikeAI из 44 агентов, который автоматизировал весь цикл атаки против как минимум 16 организаций. Параллельно Reuters сообщает: китайская ИИ-модель провела сложные кибератаки в контролируемых тестах. ИИ-агенты становятся оружием в обе стороны.
Контекст. Это уже не теория. 22 октября мы писали про дыру PHP2Shell, которую нашёл ИИ, а 26 октября — про бэкдор в Qwen за $50. Теперь ИИ не ищет дыры, а сам проводит атаку от начала до конца.
Последствия. Порог входа в кибератаку падает: 44 агента делают то, на что раньше нужна была команда взломщиков. Для бизнеса это рост риска автоматизированных атак на уровне, где ручная защита не успевает.
Что делать. Среднему бизнесу пора переходить на защиту «агент против агента» — автоматическую детекцию и изоляцию, а не ручной разбор инцидентов. Спрос на AI-защиту будет только расти.
NVIDIA и Oracle расширяют Oracle Cloud Infrastructure системами Vera Rubin под мультигигаваттные ИИ-нагрузки и выводят Vera CPU в облако. Ключевая идея — независимое масштабирование GPU-обучения и CPU-задач агентов, чтобы снизить простой дорогого железа. Новая конфигурация из восьми GPU включает два 64-ядерных Intel Xeon 6 и 4 ТБ памяти DDR5.
Контекст. Иронично: 28 октября мы писали, что OpenAI уходит от Nvidia к TPU Google, — а уже на следующий день Nvidia отвечает экспансией Vera Rubin в Oracle. Конкуренция на рынке чипов обостряется с двух сторон.
Последствия. Разделение GPU-обучения и CPU-агентных задач — прямой ответ на то, что агенты едят больше обычных вычислений, чем обучения. Дефицит уходит из «просто GPU» в «умную оркестрацию» железа под разные типы ИИ-нагрузок.
Что делать. Для вас это сигнал: агенты — это отдельный класс вычислительной нагрузки, и цены на его обслуживание будут считаться иначе. При оценке стоимости агентного проекта закладывайте CPU-инфраструктуру отдельно.
AMD и Meta углубляют партнёрство: стойки Helios на чипах AMD уже работают в дата-центрах Meta и питают её Muse-агента. В рамках сделки Nvidia вложит $3 млрд, а AMD и Broadcom — по $1 млрд в акции Meta. AMD позиционирует открытый стек ROCm как альтернативу CUDA от Nvidia и второй источник чипов для гигантов.
Контекст. Meta весь год наращивает обязательства под ИИ — 23 октября мы писали про $825 млрд будущих ИИ-обязательств. Теперь она платит за это не только деньгами, но и продажей акций самим чипмейкерам.
Последствия. Появление реального второго поставщика ускорителей ломает монополию Nvidia и давит на цены. Для рынка это медвежий сигнал для маржи Nvidia, но бычий для всей индустрии — дешевле железо, дешевле ИИ.
Что делать. Если строите на ИИ — следите за AMD/ROCm как за запасным вариантом. Второй поставщик означает, что цены на инференс продолжат падать, и это ваш выигрыш.
Топ видео об AI-агентах, автоматизации и заработке на нейросетях — с нашим кратким пересказом, чтобы не тратить время на просмотр.
39:05
36:46
36:46
18:18
8:34
20:47
2:13:15
15:54
36:31
28:29
Реальные компании, конкретные цифры. Куда ИИ уже встроился и что из этого вышло.
Lloyds Bank расширила агентную ИИ-платформу для расследования мошенничества с дебетовыми картами после 90-дневного пилота на 10 600+ живых делах. Система достигла точности решений более 90% (50 доработок за пилот) и вдвое сократила число систем, с которыми работают специалисты. Банк ожидает более £100 млн дополнительной ценности от ИИ-программ в 2026 году.
Honeywell запустила Forge Plant Cognition на нефтеперерабатывающем заводе Dangote (крупнейший в мире, 650 000 баррелей в сутки). Платформа использует физико-информированные нейросети — физические уравнения вшиты в функцию потерь, что предотвращает ошибки обычного ИИ вне распределения. Ожидаемая экономия — свыше $60 млн в год, цель оптимизации 29 центов за баррель.
Singapore General Hospital внедрила iScreen — ИИ-инструмент (с Synapxe и Iota MedTech), который автоматически помечает подозрение на кровоизлияние на КТ-снимках. За два месяца валидации на 3 475 снимках модель показала точность 97,2%, выдавая результат в среднем за 3,8 минуты. Среднее время отчёта по положительным случаям упало с 34 до 27 минут, а доля отчётов дольше часа — с 14,6% до 5%.
Insilico Medicine сообщила, что ISM6331 — пероральный ингибитор pan-TEAD, оптимизированный платформой Chemistry42, — показал клиническую активность: 4 из 5 пациентов с поддающейся оценке мезотелиомой ответили на терапию в дозе 130 мг. Это клиническая валидация генеративной химии с обучением с подкреплением в онкологии солидных опухолей.
OpenAI и Oracle расширяют партнёрство, встраивая приложения и данные Oracle в ChatGPT. Oracle уже фиксирует 130 000 активных пользователей ChatGPT и 95 000 пользователей Codex. Подготовка исследования рынка для подбора персонала сократилась с 2–4 дней до 15–20 минут. AI Workspace свяжет корпоративные данные с агентами для сквозного выполнения задач.
Практические идеи заработка, подсказанные событиями этой недели. Каждая — с входным порогом и чеком.
UC Berkeley показала LEANN — векторный индекс, который сжимает базу знаний на 60 млн чанков со 201 ГБ до 6 ГБ, пересчитывая эмбеддинги на лету. Это значит: поиск по корпоративной базе можно запускать на ноутбуке вместо кластера. Услуга — прийти в компанию, у которой раздулась RAG-инфраструктура, и сжать её в разы, сэкономив на железе и токенах.
Honeywell берёт $60 млн экономии с одного завода, вшивая физические уравнения в нейросеть. Обычный ИИ на производстве ошибается вне обучающих данных — поэтому 95% промышленных ИИ-пилотов проваливаются. Ниша: продавать заводам и нефтепереработке не «умную модель», а физико-информированную, которая не врёт за пределами распределения.
METR показал: разработчики с ИИ на 19% медленнее, хотя думают, что на 20% быстрее. CodeRabbit нашёл на 75% больше логических ошибок в ИИ-коде. Компании закупают ИИ-инструменты «по ощущениям» и не знают, что переплачивают за замедление. Услуга — независимый замер: где ИИ реально ускоряет команду, а где его надо убрать из критического пути.
OpenAI публикует ИИ-доказательства теорем, но решения о том, что выпускать, принимают внешние «пастухи». По мере того как ИИ генерирует поток научных результатов, растёт спрос на людей, которые валидируют, интерпретируют и курируют эту выдачу. Ниша — сервис независимой проверки ИИ-генерируемых исследований для лабораторий и издательств.
Делавэр готовит закон, разрешающий ИИ-агентам управлять целыми компаниями в 30-месячной песочнице. Если он пройдёт, появится рынок «агентных юрлиц»: юридическая обвязка, инфраструктура агентов и комплаенс для бизнесов без человека в руководстве. Те, кто освоит это первыми, снимут сливки до массового прихода регуляторов.
29 октября 2026 — день, когда интеллект окончательно перестал быть дефицитом, а дефицитом стали верификация и границы. Google выдаёт Gemini 4 Carbon, которая возглавляет рейтинг моделей, но отдаёт её только проверенным киберзащитникам — не всем подряд. OpenAI публикует ИИ-доказательства теорем и опровержение гипотезы 26-летней давности, но решение о публикации отдаёт «пастухам»-людям. А параллельно METR фиксирует отрезвляющую цифру: разработчики с ИИ на 19% медленнее, хотя чувствуют себя на 20% быстрее, — и CodeRabbit находит на 75% больше ошибок в ИИ-коде. Там же Делавэр пишет закон, пускающий ИИ-агентов управлять компаниями, а Trend Micro ловит 44 агента, которые автоматизировали кибератаку. Сквозная тема: «у кого умнее модель» уже не вопрос — вопрос в том, кто держит слой, где результат агента можно проверить, а его действия — ограничить: валидация, изоляция, журнал и право собственности на контекст. Побеждает не тот, у кого самая новая модель, а тот, кто снимает ренту с этого слоя, пока остальные гоняются за бенчмарками.
Подпишитесь на ежедневный дайджест и получайте проверенные кейсы, модели монетизации и разборы видео каждое утро.
Агентство автоматизации