7 сигналов, чтобы понять AI за эту неделю: утечка моделей, движки кода, контроль персонала

Автор: Tara Tan / StrangeVC

Перевод: Deep Tide TechFlow

Глубокий дайджест: В этом выпуске обзор невероятно насыщенный: семь независимых сигналов охватывают ключевые тренды в AI-индустрии.

Самое важное, на что стоит обратить внимание: Anthropic из-за ошибки в настройке CMS случайно раскрыла внутренний кодовый вариант нового модели под названием «Capybara», который стоит уровнем выше Opus.

Полный текст:

За последние несколько месяцев мы, несомненно, уже пересекли какой-то агентский порог. Конструирование, которое пять лет назад занимало четыре–шесть недель, теперь занимает менее пяти минут. Шесть месяцев назад та же задача все еще требовала от одного до двух часов и массу отладки.

Это заметный фазовый переход, с которым, возможно, мы еще полностью не справились. Обрушение дистанции между идеями и готовыми продуктами перепишет всю отрасль. Это ступенчатое изменение в том, как люди используют инструменты для построения, создания и решения проблем.

В связи с этим OpenClaw после приобретения OpenAI заметно стала стабильнее. У нее есть четкая траектория, чтобы стать одним из самых важных open-source проектов в сфере AI.

Переходим к материалам этой недели.

Утечка Claude Mythos от Anthropic раскрывает новый уровень модели

Из-за ошибочной настройки CMS Anthropic неожиданно обнародовала детали еще не выпущенной модели под названием Claude Mythos. В просочившемся черновике описывается новый уровень «Capybara», который находится выше Opus: заявлены крупные прорывы в программировании, рассуждениях и возможностях в области кибербезопасности. Anthropic подтвердила, что тестирует модель с клиентами на раннем доступе, называя ее «ступенчатым изменением» и «самой мощной моделью из всех, что до сих пор удалось построить». (Fortune, The Decoder)

Почему это важно: помимо самой модели есть две вещи, на которые стоит обратить внимание. Во-первых, в просочившемся черновике предупреждается, что ее возможности в кибербезопасности «далеко превосходят любые другие AI-модели», и это в течение одного торгового дня толкнуло динамику акций в сфере кибербезопасности. Во-вторых, добавление четвертого уровня моделей (Capybara находится выше Opus) показывает, что Anthropic формирует ценовое пространство для корпоративных клиентов, а не только пространство для производительности в бенчмарках.

Claude Code становится ключевым двигателем роста Anthropic

Сейчас Claude Code составляет около 4% всех публичных коммитов на GitHub; к концу года ожидается достижение более 20%. Оценка годового (annualized) темпа общей выручки Anthropic — около 14 млрд долларов; годовой темп Claude Code в отдельности — примерно 2,5 млрд долларов. Пользователи этого инструмента уже перешли от разработчиков к не техническим пользователям — они учатся работать с терминальными командами, чтобы строить на его основе проекты. (SemiAnalysis, Uncover Alpha, VentureBeat)

Почему это важно: за счет органического внедрения у разработчиков Claude Code сводит стоимость привлечения клиентов к почти нулю. Расширение роли Cowork за пределы разработчиков резко расширяет адресуемый рынок — далеко за пределы 28 млн профессиональных разработчиков в мире.

Pretext от Cheng Lou: текстовая раскладка без зависимости от CSS

Cheng Lou — один из самых влиятельных UI-инженеров за последнее десятилетие (React, ReasonML, Midjourney). Он выпустил Pretext — алгоритм текстовой разметки на чистом TypeScript, который полностью обходит CSS, DOM-измерения и перерисовку в браузере. В демонстрации, в частности: виртуализированный рендер десятков сотен тысяч текстовых блоков с частотой 120 кадров в секунду, сжатые чат-пузырьки без потери пикселей, адаптивная многоколоночная журнальная раскладка и ASCII-арт с переменной шириной. (X post)

Почему это важно: текстовая раскладка и измерения долгое время были скрытым «узким местом», тормозящим новое поколение UI. CSS создан для статичных документов, а не для того, что сегодня стало мейнстримом — для «потекшей» (fluid), AI-генерируемой, реального времени интерфейсной разработки. Если Pretext удержит обещанный эффект, он устранит одну из последних базовых групп ограничений для AI-нативных интерфейсов — в части внешнего вида и пользовательского опыта.

Arm впервые за 35 лет отгрузила собственный чип

Arm выпустила AGI CPU — 136-ядерный процессор для дата-центров, сделанный по 3-нм техпроцессу TSMC и разработанный совместно с Meta. Это впервые в истории компании, когда она продает готовые чипы, а не лицензирует IP. OpenAI, Cerebras и Cloudflare — первые партнеры; массовые поставки должны начаться до конца года. (Arm Newsroom, EE Times)

Почему это важно: сегодня AI дата-центры в основном опираются на GPU. GPU отвечает за обучение и запуск моделей, а CPU в первую очередь обрабатывает потоки данных и диспетчеризацию. Но агентские рабочие нагрузки устроены иначе. Когда тысячи AI-agent’ов работают одновременно — и каждый согласовывает задачи, вызывает API, управляет памятью и маршрутизирует данные между системами, — вся оркестрация ложится на CPU. Arm утверждает, что это увеличит потребность в CPU для каждой гигава́ттной мощности дата-центра в 4 раза. (HPCwire, Futurum Group)

NVIDIA и Emerald AI превращают дата-центры в активы электросети

NVIDIA и Emerald AI объявили о создании альянса вместе с AES, Constellation, Invenergy, NextEra и Vistra — для формирования «гибких AI-заводов», которые участвуют в балансирующих сервисах энергосети за счет регулирования вычислительной нагрузки. Первый объект Aurora расположен в Манассасе (штат Виргиния) и откроется в первой половине 2026 года. (NVIDIA Newsroom, Axios)

Почему это важно: главная проблема расширения AI-инфраструктуры — не чипы, а сроки подключения к электросети; в большинстве регионов на это требуется 3–5 лет. Дата-центры, которые способны продемонстрировать гибкость электросети, подключаются быстрее и сталкиваются с меньшими регуляторными барьерами. Это переопределяет энергетическую постановку задачи для инвесторов в AI-инфраструктуру: выигрышная логика — не «больше электроэнергии», а «более умная электроэнергия».

Китай ограничивает выезд руководителей Manus AI

Китайские власти ограничили выезд CEO Manus Сяо Хуна и главного научного сотрудника Цзи Ичу — после того, как Meta приобрела эту зарегистрированную в Сингапуре AI-стартап-компанию за 2 млрд долларов. В этом месяце Национальная комиссия по развитию и реформам вызывала двух руководителей в Пекин и ввела ограничения на поездки в период регуляторной проверки. (Reuters, Washington Post)

Почему это важно: это не торговые ограничения, а ограничения на перемещения людей. Китай, похоже, подает сигнал: AI-таланты с «материковым» бэкграундом — это контролируемые активы, независимо от того, где зарегистрирована компания.

Модель на 40 млрд параметров работает локально на iPhone 17 Pro

Открытый проект под названием Flash-MoE демонстрирует работу гибридной модели экспертов с 40 млрд параметров полностью на стороне устройства: используется A19 Pro на iPhone 17 Pro, а веса передаются потоково с SSD на GPU. Модель (Qwen 3.5-397B, квантование 2 бит, 17,0 млрд активных параметров) работает со скоростью 0,6 token в секунду, и при этом остается 5,5GB RAM. (WCCFTech, TweakTown, Hacker News)

Почему это важно: это проверка концепции, а не продукт. Модель на 40 млрд параметров может работать на телефоне с 12GB памяти, потому что в любой момент активна лишь небольшая часть модели (mixture of experts); остальная часть по требованию стримится с встроенного SSD телефона, а не постоянно держится в памяти. Но если применить те же трюки к куда меньшим моделям — например, с 7 млрд или 14 млрд параметров — на следующем поколении мобильных чипов с более быстрой памятью, вы получите по-настоящему пригодное для использования AI, которое полностью локально работает на устройстве, без необходимости в облаке, со скоростью диалога.

AI Agent самостоятельно выполнил целый комплект экспериментов по физике частиц

Исследователи из MIT опубликовали фреймворк под названием JFC (Just Furnish Context), показывающий, что LLM agent’ы, построенные на базе Claude Code, способны автономно выполнять полноценный end-to-end конвейер высокоэнергетического физического анализа: от отбора событий, оценки фона, количественной оценки неопределенности, статистического вывода до написания статьи. Система работает на открытых данных детекторов ALEPH, DELPHI и CMS. (arXiv 2603.20179)

Почему это важно: это один из самых четких примеров того, как agentic AI может автоматизировать end-to-end научные рабочие процессы в области, где методологическая строгость чрезвычайно высока. Прямой инвестиционный вывод указывает на повторный анализ оставшихся датасетов в области физики, геномики и материаловедения — архивные данные за десятилетия до сих пор не были в достаточной степени использованы.