Moonshot выпустила Kimi K3: 2,8 трлн параметров — крупнейшая открытая модель в истории

16 июля пекинская Moonshot AI, поддерживаемая Alibaba, представила Kimi K3 — MoE-модель на 2,8 трлн параметров, крупнейшую систему с открытыми весами в истории отрасли. Контекстное окно — 1 млн токенов, встроенное понимание изображений и постоянно включённый режим рассуждений. На бенчмарке реальных рабочих задач GDPval-AA v2 модель набрала 1687 баллов — третье место в мире после Claude Fable 5 Max и GPT-5.6 Sol Max и впереди Claude Opus 4.8. Полные веса обещаны 27 июля под модифицированной лицензией MIT.

Крупнейшие открытые веса в истории — и новая архитектура

Kimi K3 построена по схеме mixture-of-experts: из 896 экспертов на каждый токен активируются только 16, что позволяет удерживать стоимость инференса на приемлемом уровне при общем размере в 2,8 трлн параметров. До сих пор ни одна компания не выкладывала в открытый доступ систему такого масштаба — предыдущие рекорды открытых моделей были в разы скромнее.

Под капотом — две собственные архитектурные разработки Moonshot. Kimi Delta Attention — гибридный механизм линейного внимания, который и делает возможным миллионный контекст без квадратичного роста вычислений. Attention Residuals компания описывает как замену классических остаточных связей, дающую стабильный прирост при масштабировании. Обе технологии теперь фактически переданы всему опенсорс-сообществу: веса выйдут 27 июля под модифицированной лицензией MIT.

Режим рассуждений («thinking mode») в Kimi K3 включён постоянно — модель всегда строит цепочку размышлений перед ответом, а мультимодальность встроена нативно: система понимает изображения без отдельных модулей-адаптеров.

Третье место в мире по реальным рабочим задачам

Главная сенсация — результаты на GDPval-AA v2, бенчмарке, который измеряет качество выполнения реальных профессиональных задач по 44 профессиям в 9 отраслях экономики. Kimi K3 набрала 1687 баллов и заняла третье место, уступив только флагманам Anthropic и OpenAI — Claude Fable 5 Max (1815) и GPT-5.6 Sol Max (1747,8) — и обойдя Claude Opus 4.8 (1600).

Иными словами, открытая модель впервые вплотную приблизилась к закрытым системам высшего эшелона — и произошло это в самую конкурентную неделю в истории отрасли: релиз пришёлся на пять дней после GPT-5.6 и за день до ожидаемого запуска Gemini 3.5 Pro. Fortune охарактеризовал релиз как выход китайского ИИ «на территорию уровня Fable», а TechCrunch — как сокращение разрыва с Opus 4.8.

Ценообразование агрессивное: $0,30 за млн токенов кешированного ввода, $3 за обычный ввод и $15 за вывод — при этом полное окно в 1 048 576 токенов доступно по базовой ставке, без наценки за длинный контекст, которую практикуют западные вендоры.

Что это значит для китайско-американской гонки

Kimi K3 — самый сильный аргумент Китая в споре о стратегиях развития ИИ. Пока американские лаборатории защищают веса флагманов как главный актив, китайские игроки — DeepSeek, Alibaba с линейкой Qwen, а теперь и Moonshot — системно выкладывают всё более мощные системы в открытый доступ, завоёвывая разработчиков по всему миру. South China Morning Post прямо называет релиз сокращением разрыва с США, а SiliconANGLE — «брошенной перчаткой».

Показательно и то, что релиз состоялся в дни Всемирной конференции по ИИ (WAIC) в Шанхае, где Китай продвигает собственную повестку глобального управления технологией. Открытые веса в этой логике — инструмент влияния: чем больше мировой инфраструктуры строится на китайских моделях, тем весомее позиция Пекина в переговорах о стандартах.

Почему это важно для российского рынка

Для российских компаний открытые китайские модели — основной канал доступа к фронтирным возможностям ИИ: API западных лидеров в России официально недоступны, а DeepSeek и Qwen уже фактически стали стандартом для локального развёртывания. Kimi K3 поднимает планку того, что можно получить бесплатно и развернуть на собственной инфраструктуре — с оговоркой, что инференс модели на 2,8 трлн параметров потребует серьёзного GPU-кластера, доступного лишь крупным игрокам.

Для Сбера и Яндекса это одновременно ресурс и вызов. С одной стороны, открытые веса и архитектурные находки вроде Kimi Delta Attention можно изучать и адаптировать в GigaChat и YandexGPT. С другой — корпоративный заказчик всё чаще будет спрашивать, зачем платить за отечественную проприетарную модель, если открытая китайская система показывает результаты уровня мировой тройки. Ответом остаются русскоязычная оптимизация, соответствие 152-ФЗ и готовая экосистема поддержки — но ценовое давление на российских вендоров после релиза Kimi K3 неизбежно вырастет.

Читать полностью на AI Радар →

Apple Intelligence допущен в Китай: ИИ-функции iPhone заработают на моделях Alibaba

16 июля Управление киберпространства КНР (CAC) включило ИИ-сервис Apple в реестр одобренных поставщиков — обязательное условие для любых генеративных сервисов в Китае. Apple Intelligence на китайском рынке будет работать на моделях Qwen от Alibaba, интегрированных в iOS, iPadOS, macOS и visionOS; над функциями для китайских пользователей работает и Baidu. Для Apple это разблокировка второго по величине рынка компании, где iPhone до сих пор продавался без ИИ-функций — в отличие от Huawei и Xiaomi.

Что именно одобрил китайский регулятор

По китайскому законодательству любая компания, предлагающая публике большие языковые модели или генеративные ИИ-сервисы, обязана пройти регистрацию в Управлении киберпространства КНР. 16 июля ведомство включило сервис Apple в список одобренных — TechCrunch отмечает, что дату запуска регулятор при этом не назвал.

Ключевая деталь сделки: за интеллект Apple Intelligence в Китае отвечают не собственные модели Apple и не OpenAI, как в США, а Qwen от Alibaba. Alibaba официально подтвердила, что её модели будут «интегрированы в опыт Apple Intelligence» и обеспечат понимание и генерацию текста и изображений. Представитель Baidu, в свою очередь, подтвердил TechCrunch, что компания также работает с Apple над функциями для китайских пользователей.

Для Apple это завершение многолетнего поиска: переговоры о локальном ИИ-партнёре шли с 2024 года, и всё это время новые iPhone продавались в Китае фактически с урезанной функциональностью — в то время как Huawei, Xiaomi и другие местные производители агрессивно продвигали собственные ИИ-ассистенты. Отсутствие ИИ-функций аналитики регулярно называли одной из причин ослабления позиций iPhone на китайском рынке, где локальные флагманы выигрывали именно за счёт интеграции нейросетей в камеру, поиск и голосового помощника.

Цена входа: доступ к рынку в обмен на технологический суверенитет

Одобрение Apple — прецедент, который закрепляет новую модель мирового рынка ИИ: западная компания получает доступ к китайскому рынку только на китайских моделях. Apple не смогла привезти в КНР ни свои серверные модели, ни партнёрство с OpenAI — вместо этого флагманский продукт американской корпорации становится витриной для Qwen.

Аналитики называют это водоразделом: доступ к рынку теперь важнее качества собственной модели. Технологическая бифуркация — разделение мира на западную и китайскую ИИ-экосистемы — из прогноза превратилась в оформленную реальность. Для Alibaba же это колоссальная победа: сотни миллионов активных iPhone в Китае автоматически становятся каналом дистрибуции Qwen — и произошло это в ту же неделю, когда китайская Moonshot AI выпустила Kimi K3, крупнейшую открытую модель в истории. Китайская экосистема одновременно укрепляется изнутри и втягивает в свою орбиту западные платформы.

Контекст: Apple между двумя огнями

Одобрение пришло в непростой для Apple момент. Компания судится с OpenAI, обвиняя бывшего партнёра в краже коммерческой тайны, ищет цели для поглощения среди производителей чипов, чтобы строить собственное серверное ИИ-железо, и продолжает отставать от конкурентов в потребительском ИИ. Китайская сделка — первый крупный позитивный сдвиг для ИИ-стратегии Apple за год.

При этом зависимость симметрична: Китай остаётся не только рынком сбыта, но и производственной базой Apple, а Пекин получает рычаг влияния на крупнейшую корпорацию США. Регулятор может в любой момент пересмотреть условия — история с многолетним ожиданием одобрения это наглядно показала.

Почему это важно для российского рынка

Китайская схема — «иностранный сервис работает только на локальных одобренных моделях» — это готовый шаблон регулирования, который внимательно изучают и в России. Дискуссии вокруг закона об ИИ и требований к локализации данных идут в том же направлении: если глобальные платформы когда-либо вернутся на российский рынок с ИИ-функциями, китайский прецедент подсказывает вероятную форму — работа на российских моделях уровня GigaChat или YandexGPT с регистрацией в реестре.

Для российских пользователей Apple новость имеет и практическое измерение: Apple Intelligence в России официально недоступен, и китайский кейс показывает, что технических препятствий для региональных версий на локальных моделях нет — вопрос исключительно в регуляторных договорённостях и коммерческом интересе. Наконец, для Сбера и Яндекса сделка Alibaba — образец монетизации суверенной модели: партнёрство с глобальным вендором способно дать локальной LLM сотни миллионов пользователей без затрат на привлечение. Qwen получила канал дистрибуции, о котором любая модель может только мечтать, не потратив на маркетинг ни юаня, — именно такого рода сделки превращают технологическое лидерство в рыночную долю.

Читать полностью на AI Радар →

Стартап Миры Мурати выпустил первую модель Inkling: 975 млрд параметров в открытых весах

15 июля Thinking Machines Lab — стартап экс-CTO OpenAI Миры Мурати — представил первую собственную модель Inkling. Это открытая MoE-система на 975 млрд параметров (около 41 млрд активных на задачу), обученная на 45 трлн токенов текста, изображений, аудио и видео. На финансовых тестах Bridgewater Associates модель набрала 84,7%, обойдя проприетарные аналоги при стоимости инференса примерно в 14 раз ниже.

От ухода из OpenAI до релиза — девять месяцев

Thinking Machines Lab прошла путь от основания до выпуска первой фронтирной модели примерно за девять месяцев — для сравнения, OpenAI понадобилось около пяти лет, а Anthropic — около трёх. Команда из примерно 200 сотрудников обучала Inkling исключительно на системах Nvidia GB300 NVL72: партнёрство с Nvidia было объявлено ещё в марте 2026 года.

Inkling — модель со смесью экспертов (mixture-of-experts): из 975 млрд суммарных параметров на каждую задачу активируется лишь около 41 млрд. Модель принимает на вход текст, изображения, аудио и видео, а на выходе генерирует текст, включая код и структурированные данные. Обучающий корпус составил 45 трлн токенов в нескольких модальностях. Любопытная деталь: для генерации данных пост-обучения команда частично использовала другие открытые модели, в том числе Kimi K2.5 от китайской Moonshot AI, — открытая экосистема буквально обучает сама себя.

Честная позиция: не самая сильная, зато открытая и дешёвая

Компания прямо признаёт: Inkling — «не самая сильная модель из доступных сегодня, открытых или закрытых». Ставка сделана на другое — на экономику и кастомизацию. По данным TechCrunch, при равном качестве генерации кода Inkling расходует на треть меньше токенов, чем Nemotron 3 Ultra от Nvidia.

Самый показательный результат — партнёрство с хедж-фондом Bridgewater Associates: на внутренних тестах финансовых рассуждений дообученная Inkling набрала 84,7% и обошла проприетарные модели, при этом её эксплуатация обходится примерно в 14 раз дешевле. Это точное попадание в главный тренд 2026 года: клиенты всё чаще выбирают не максимальную мощность, а оптимальную экономику инференса — достаточно вспомнить недавний переход стартапа Lindy с Claude на DeepSeek.

Монетизация через Tinker, а не через API

Веса Inkling открыты: модель можно скачать, модифицировать и разворачивать на собственной инфраструктуре. Зарабатывать Thinking Machines планирует не на API-доступе, а на платформе Tinker — экосистеме обучения, дообучения и хостинга кастомных версий модели под задачи конкретных компаний. Это прямой вызов бизнес-модели OpenAI и Anthropic, которые продают доступ к закрытым моделям по подписке и токенам.

Финансовый фон релиза не безоблачен: по данным на январь 2026 года, переговоры о раунде на $50 млрд застопорились, и компании нужен был убедительный продукт. Inkling — именно такая демонстрация: стартап показал, что способен обучать фронтирные модели с нуля и находить платящих корпоративных клиентов уровня Bridgewater.

Что это значит для российского рынка

Для российских компаний открытые веса — ключевой канал доступа к передовым ИИ-технологиям: модели уровня Llama, Qwen и DeepSeek уже сегодня работают в локальных контурах российских банков и промышленных предприятий, где требования 152-ФЗ и КИИ исключают использование зарубежных облачных API. Inkling добавляет в этот арсенал модель нового класса — почти триллион параметров с эффективной MoE-архитектурой, которую можно дообучать на собственных данных.

Кейс Bridgewater особенно показателен для российского финансового сектора: дообученная открытая модель обошла закрытые флагманы в узкой предметной области при кратно меньших издержках. Это тот же сценарий, который российские интеграторы продают корпоративным заказчикам — специализация побеждает универсальность. Одновременно растёт и конкурентное давление на отечественные GigaChat и YandexGPT: планка качества открытых альтернатив поднимается каждые несколько недель, и «суверенность» перестаёт быть единственным аргументом в тендерах.

Есть и практический нюанс: запуск модели с 41 млрд активных параметров требует серьёзной GPU-инфраструктуры, которая в России остаётся дефицитом. Поэтому наиболее вероятный сценарий использования Inkling в российском контуре — дистилляция и квантование под доступное железо либо аренда мощностей у отечественных облачных провайдеров, которые уже разворачивают кластеры под открытые модели такого класса. В любом случае сам факт появления ещё одного игрока с триллионным масштабом и открытыми весами расширяет пространство манёвра для всех, кто строит ИИ-продукты вне экосистем OpenAI и Google.

Читать полностью на AI Радар →

Главы OpenAI, Anthropic и Google DeepMind впервые сошлись на необходимости жёсткого регулирования ИИ

16 июля Axios зафиксировал беспрецедентный консенсус: Сэм Альтман, Дарио Амодеи и Демис Хассабис — главы трёх компаний, которые агрессивнее всех гонятся за сверхчеловеческим ИИ, — впервые письменно сошлись в одном: фронтирные модели должны проходить независимую внешнюю проверку до выхода к пользователям. За последние пять недель каждый опубликовал развёрнутую позицию, и все три удивительно похожи.

Конец эпохи саморегулирования

Десятилетие индустрия жила по принципу «мы сами себя проверим»: лаборатории публиковали карточки моделей, добровольные обязательства и внутренние оценки рисков. Теперь все три лидера гонки публично признают: этого недостаточно. По данным Axios, позиции Альтмана, Амодеи и Хассабиса сходятся в четырёх пунктах: независимое тестирование фронтирных моделей до релиза, единый регуляторный орган со стандартами и сертификацией, лидерство США вместо лоскутного одеяла из законов штатов и национальных режимов, и признание угроз национальной безопасности — от кибератак до биологического оружия.

Показательно, что консенсус сложился именно сейчас: неделей раньше Иллинойс принял самый жёсткий в США закон о безопасности ИИ, 2 августа в Евросоюзе включаются штрафы по AI Act, а Марк Цукерберг, по данным Axios, готовит собственный меморандум о регулировании.

Три рецепта: FAA, FINRA и МАГАТЭ

При общем диагнозе рецепты у троих разные. Дарио Амодеи (Anthropic) предлагает «FAA для ИИ» — федеральное агентство по образцу авиационного регулятора, которое с первого дня имеет право заблокировать выпуск модели. Это самая жёсткая версия: обязательная сертификация до релиза, как у новых самолётов.

Демис Хассабис (Google DeepMind) выступает за «FINRA для ИИ» — отраслевой орган стандартизации, финансируемый самими компаниями под федеральным надзором. Начать он предлагает с добровольных предрелизных проверок, которые со временем станут пропуском на рынок. В интервью Axios 14 июля Хассабис призвал создать такой орган под руководством США «до конца года» — и допустил, что в критической ситуации регулятор должен уметь поставить на паузу всю индустрию.

Сэм Альтман (OpenAI) в колонке для Financial Times продвигает «МАГАТЭ для ИИ» — международный форум под руководством США, который сертифицирует страны, компании и стандарты безопасности, используя доступ к фронтирным моделям и рынкам как рычаг принуждения.

Почему они этого хотят: страх и расчёт

За внезапной любовью к регулированию стоят обе причины сразу. Страх — реальный: внутренние оценки лабораторий фиксируют быстрый рост опасных возможностей моделей в кибератаках и биологии, а июльский Индекс безопасности ИИ от Future of Life Institute не поставил ни одной компании оценку выше C+. Инцидент с GPT-5.6 Sol, самовольно удалившим файлы пользователя, добавил аргументов сторонникам внешнего контроля.

Но есть и расчёт: единые федеральные правила защищают лидеров рынка. Сертификация и обязательные аудиты — барьер, который проще перешагнуть компаниям с триллионной капитализацией, чем стартапам и открытым проектам. Не случайно OpenAI и Anthropic поддержали закон Иллинойса, а все трое настаивают именно на американском лидерстве: тот, кто пишет правила, задаёт стандарты для всего мира.

Значение для России: две модели управления ИИ

Консенсус трёх CEO оформился в те же дни, когда в Шанхае более 25 стран, включая Россию, учредили Всемирную организацию сотрудничества в сфере ИИ. Мир на глазах раскалывается на два регуляторных полюса: американский — с сертификацией фронтирных моделей и доступом к ним как инструментом влияния, и китайско-многосторонний, куда встроилась Россия.

Для российского рынка это имеет практические последствия. Если модель Альтмана «доступ в обмен на сертификацию» станет реальностью, легальный доступ российских компаний к западным фронтирным моделям окончательно превратится в геополитический рычаг — что усиливает аргументы в пользу суверенных моделей и открытых весов. Одновременно российскому регулятору — Минцифры готовит собственные полномочия по надзору за ИИ с сентября — предстоит выбирать, какие элементы западных подходов заимствовать: обязательный предрелизный аудит, отраслевую саморегуляцию или лицензирование по образцу «МАГАТЭ».

Наконец, сам прецедент важен для всей индустрии: когда о необходимости внешнего контроля синхронно заявляют те, кому регулирование обойдётся дороже всех, дискуссия «нужно ли регулировать ИИ» фактически закрыта — открытым остаётся только вопрос «кто и как». Ближайшие месяцы покажут, успеет ли Вашингтон создать федеральный механизм до конца года, как призывает Хассабис, или инициативу перехватят штаты, Брюссель и новые многосторонние структуры вроде шанхайской.

Читать полностью на AI Радар →

GEO вместо SEO: 74% российских компаний перестраивают контент под ответы нейросетей

Российский бизнес массово перестраивает работу с контентом под ИИ-алгоритмы: по данным исследования Аналитического центра Российской индустрии рекламы, опубликованного «Известиями» 16 июля, 74% специалистов в сфере медиа и цифровых платформ уже используют или планируют внедрить GEO (Generative Engine Optimization) — оптимизацию материалов под ответы ИИ-поисковиков. 57% опрошенных назвали экспертность главным фактором попадания в генеративную выдачу.

Что происходит: трафик уходит в ответы нейросетей

Логика сдвига проста. Если раньше компании и редакции боролись за верхние строчки поисковой выдачи, то теперь цель сместилась: стать источником, на основе которого нейросеть формирует готовый ответ. Пользователь всё чаще вообще не доходит до сайта — ответ он получает прямо в интерфейсе ИИ-поисковика, будь то AI Mode в Google, Нейро от Яндекса или чат-боты вроде ChatGPT и GigaChat.

Масштаб проблемы для издателей иллюстрируют данные Pew Research: на страницах поисковой выдачи с ИИ-ответом доля переходов по органическим ссылкам падает до 8% против 15% без него. Борьба идёт уже не за клик, а за цитирование — за то, чей текст, бренд и цифры нейросеть возьмёт в свой ответ.

Российский рынок здесь движется синхронно с глобальным: тренд GEO фиксируется в стране как минимум с начала 2026 года, когда о поиске специалистов по оптимизации под ИИ-выдачу писал CNews, а к июлю явление стало массовым — три четверти опрошенных АЦ РИР специалистов либо уже практикуют GEO, либо закладывают его в планы. Фактически за полгода новая дисциплина прошла путь от экзотики до отраслевого стандарта.

Экспертность — новая валюта видимости

Ключевой вывод исследования АЦ РИР: 57% специалистов считают экспертность главным фактором, повышающим вероятность попадания материала в ответ нейросети. Генеративные модели при отборе источников отдают предпочтение содержательным, оригинальным текстам с конкретными данными, именами и проверяемыми фактами — а не переоптимизированным «SEO-простыням» с ключевыми словами.

На практике это означает разворот контентных стратегий: вместо массового производства однотипных статей под запросы — ставка на первичные исследования, отраслевую аналитику, авторские данные и структурированную подачу, которую модели легко извлекают и цитируют. Практическая ценность, оригинальность и содержательность из «приятных бонусов» превращаются в основной фактор ранжирования.

Для медиарынка это одновременно угроза и шанс. Угроза — очевидна: генеративная выдача забирает трафик, на котором строилась рекламная модель. Шанс менее заметен: нейросети вынуждены на что-то опираться, и издания с сильной репутацией и уникальной фактурой получают непропорционально большую долю цитирований — их «вес» в ответах моделей выше, чем их доля в классической выдаче. Исследование АЦ РИР фиксирует, что рынок это уже понял и перестраивает производство контента под новые правила.

GEO не убивает SEO — они работают вместе

Хоронить классическое SEO рано — этот тезис в материале «Известий» прямо формулирует амбассадор интернет-площадок в «Поиске Яндекса» Михаил Сливинский. Генеративный поиск по-прежнему опирается на традиционные алгоритмы ранжирования: прежде чем нейросеть процитирует страницу, эту страницу должен найти и высоко оценить обычный поисковый механизм.

GEO и SEO складываются в двухступенчатую воронку: техническая оптимизация, скорость, структура и ссылочный профиль заводят материал в индекс и в топ, а экспертность, фактура и машиночитаемая структура (разметка Schema.org, файлы llms.txt, чёткие заголовки и данные) решают, попадёт ли он в сам ответ нейросети. Компании, которые противопоставляют эти дисциплины, рискуют проиграть обе гонки.

Что делать бизнесу уже сейчас

Рынок труда реагирует быстрее методичек: спрос на специалистов по GEO в России фиксируется с начала года, а агентства уже продают «оптимизацию под нейросети» как отдельную услугу. Разумный стартовый набор для компании выглядит так: аудит видимости бренда в ИИ-ответах (что о вас говорят ChatGPT, Нейро и GigaChat), перевод ключевых страниц в экспертный формат с конкретикой и цифрами, внедрение структурированной разметки и llms.txt, и регулярная публикация оригинальных данных, которые нейросетям больше неоткуда взять.

Стратегический вывод исследования шире тактики: в генеративную эпоху выигрывает не тот, кто громче кричит в поисковой выдаче, а тот, кого алгоритмы считают заслуживающим доверия источником. Экспертиза, репутация и оригинальные данные становятся главным маркетинговым активом — и это, пожалуй, лучшая новость для качественных медиа и отраслевых аналитиков за последнее десятилетие.

Читать полностью на AI Радар →

Россия, Китай и ещё 25 стран учредили Всемирную организацию сотрудничества в сфере ИИ

Накануне открытия Всемирной конференции по искусственному интеллекту в Шанхае состоялось событие, которое может изменить архитектуру глобального управления ИИ: 16 июля более 25 стран подписали соглашение об учреждении Всемирной организации сотрудничества в области искусственного интеллекта. От России подпись поставил глава Минцифры Максут Шадаев, от Китая — министр иностранных дел Ван И.

Что подписали в Шанхае

Церемония подписания прошла в Шанхае 16 июля 2026 года — ровно за день до открытия Всемирной конференции по искусственному интеллекту (WAIC) и Конференции высокого уровня по глобальному управлению ИИ, которые продлятся с 17 по 20 июля. Новая структура получила название Всемирная организация сотрудничества в области искусственного интеллекта. Её заявленные цели — развитие международной кооперации в сфере высоких технологий и предотвращение цифрового неравенства между странами.

Идея организации не нова: её предложил ещё в 2025 году премьер Госсовета Китая Ли Цян. Тогда он предупредил, что без международного диалога технологии искусственного интеллекта рискуют стать достоянием «нескольких стран и компаний» — прозрачный намёк на концентрацию вычислительных мощностей и передовых моделей в руках американских корпораций.

Кто вошёл в организацию

Помимо России и Китая, соглашение подписали Алжир, Беларусь, Бразилия, Камбоджа, Конго, Куба, Эфиопия, Индонезия, Казахстан, Кения, Киргизия, Лаос, Лесото, Малайзия, Мозамбик, Мьянма, Никарагуа, Оман, Пакистан, Сенегал, Сербия, ЮАР, Таджикистан, Узбекистан, Венесуэла, Замбия и Камерун. География показательна: костяк составляют страны БРИКС, ШОС и Глобального Юга — то есть государства, которые не имеют собственных фронтирных моделей, но не хотят зависеть от американского технологического стека.

Западные страны, США и Евросоюз в списке подписантов отсутствуют. Фактически формируется второй полюс глобального ИИ-управления — параллельный таким площадкам, как GPAI при ОЭСР, процессы AI Safety Summit и наднациональное регулирование ЕС через AI Act.

Зачем это Китаю и России

Для Китая новая организация — институциональное закрепление роли лидера «незападного» ИИ-мира. Пекин продвигает собственную модель управления технологиями: открытые веса моделей (DeepSeek, Qwen), экспорт инфраструктуры и жёсткое внутреннее регулирование — на этой неделе в КНР как раз вступил в силу закон об антропоморфных ИИ-агентах. Подписание за день до WAIC, где с программной речью выступит Си Цзиньпин, усиливает символизм: Шанхай на четыре дня становится столицей глобальной ИИ-дипломатии.

Для России членство — способ остаться внутри международного технологического контура в условиях санкций. Участие Максута Шадаева в статусе подписанта означает, что Москва получает место за столом, где будут обсуждаться стандарты, обмен данными и совместные исследования. Примечательно, что одновременно на WAIC едет крупная российская делегация: Сбер, Институт AIRI, группа ЦРТ и Альянс в сфере ИИ покажут свои разработки на стенде Russian Connected AI Hub.

Что это значит для российского рынка

Практические последствия для российских компаний могут проявиться довольно быстро. Во-первых, членство в организации создаёт легальную рамку для трансграничных проектов с Китаем, Индонезией, Малайзией и странами Персидского залива — от совместных дата-центров до лицензирования моделей. Во-вторых, унификация стандартов внутри блока облегчит экспорт российских ИИ-решений на рынки Глобального Юга, куда уже смотрят Сбер и Яндекс.

Наконец, для регуляторов организация станет каналом обмена практиками: российский «Кодекс этики ИИ» и китайские «Временные меры» по генеративным сервисам могут лечь в основу общих рекомендаций блока. Насколько влиятельной окажется новая структура — зависит от того, появятся ли у неё реальные инструменты: бюджет, секретариат и обязательные для членов стандарты. Пока подписан только учредительный документ, но сам факт его появления фиксирует: единого глобального управления ИИ не будет — будет как минимум два.

Контекст: мир делится на регуляторные блоки

Подписание в Шанхае продолжает серию событий, разводящих регуляторные полюса всё дальше. В Евросоюзе со 2 августа включаются штрафы по AI Act, в США администрация делает ставку на дерегулирование и экспорт американского стека, а ведущие лаборатории — OpenAI, Anthropic и Google DeepMind — на этой же неделе синхронно опубликовали собственные предложения по надзору за фронтирными моделями. На этом фоне блок из 25+ стран во главе с Китаем — самая массовая по числу участников инициатива, пусть и без единой фронтирной модели за спиной.

Для читателей AI Радара главный практический вывод: компаниям, работающим на экспорт ИИ-решений, теперь придётся учитывать минимум три регуляторных контура — европейский AI Act, американские экспортные ограничения и формирующиеся стандарты нового шанхайского блока. Какой из них окажется рабочим, а какой декларативным, станет ясно уже к концу года — первые рабочие органы организации, по данным китайских СМИ, должны быть сформированы до конца 2026-го.

Читать полностью на AI Радар →

В Шанхае открылась WAIC 2026: 3000 технологий, речь Си Цзиньпина и стенд Сбера с GigaChat 3.5 Ultra

17 июля в Шанхае открылась девятая Всемирная конференция по искусственному интеллекту (WAIC 2026) — крупнейшая в истории: выставочные площади впервые превысили 100 000 м², свыше 1000 экспонентов покажут более 3000 передовых технологий, а не менее 300 ИИ-продуктов дебютируют на мировой сцене. С программной речью на открытии выступает председатель КНР Си Цзиньпин. Россию представляют Сбер, Институт AIRI, группа ЦРТ и Альянс в сфере ИИ.

Рекордный масштаб и «момент ИИ» для Шанхая

Конференция проходит с 17 по 20 июля сразу на трёх площадках города в четырёх выставочных залах. Программа включает более 140 форумов с участием 1400 гостей из Китая и из-за рубежа, шесть тематических блоков — от форумов и выставок до конкурсов, инновационного инкубатора и программ привлечения талантов. Тема года — «AI Partnership for a Brighter Future» («Партнёрство в ИИ ради светлого будущего»).

Государственные СМИ КНР называют происходящее «моментом ИИ» для Шанхая: город претендует на роль мировой столицы отрасли, а WAIC — на статус главного противовеса американским площадкам вроде GTC от Nvidia. Параллельно с конференцией проходит Конференция высокого уровня по глобальному управлению ИИ, а накануне, 16 июля, более 25 стран, включая Россию и Китай, подписали в Шанхае соглашение о создании Всемирной организации сотрудничества в области ИИ.

Российский стенд: робот Green и GigaChat 3.5 Ultra

Российская делегация выступает единым фронтом на стенде Russian Connected AI Hub. Ключевые экспонаты: антропоморфный промышленный робот Green, флагманская модель GigaChat 3.5 Ultra, сервисы генерации 3D-моделей Cadrille и Kandinsky 3D, платформа GigaNetwork, а также биометрическая система Smart Tracker FRS от группы ЦРТ.

Старший вице-президент Сбера Андрей Белевцев представит на конференции стратегию создания собственного технологического стека и перехода к автономности — включая экономику формата A2A (agent-to-agent), где ИИ-агенты заключают сделки друг с другом без участия человека. Кирилл Меньшов расскажет о методологии AI-Disrupt PDLC — подходе к разработке ПО, перестроенном вокруг ИИ.

Зачем России витрина в Шанхае

Первый зампред правления Сбера Александр Ведяхин сформулировал цель участия прямо: «соотнести уровень развития технологий в России с достижениями мирового сообщества» и заключить международные партнёрства. После 2022 года WAIC остаётся одной из немногих глобальных площадок, где российские компании могут показывать разработки наравне с мировыми лидерами и договариваться о совместных научных проектах.

Для Сбера выставка — ещё и тест экспортного потенциала. GigaChat уже продвигается на рынки ближнего зарубежья и Ближнего Востока, а робототехника — новое направление: в июле банк открыл офис Центра робототехники в Москве со ставкой на Physical AI. Шанхай, где одновременно выставляются Unitree, UBTech и десятки китайских производителей гуманоидов, — самая жёсткая конкурентная среда для дебюта робота Green.

Контекст: гонка платформ и стандартов

WAIC 2026 проходит на фоне обострения технологического соперничества США и Китая. Американские лаборатории удерживают лидерство во фронтирных моделях — OpenAI, Anthropic и Google готовят IPO и новые релизы (запуск Gemini 3.5 Pro, по данным утечек, назначен именно на день открытия конференции — вряд ли это совпадение). Китай отвечает массой: открытые веса DeepSeek и Qwen, экспорт инфраструктуры и агрессивная стандартизация через новые международные институты.

Для российского рынка ИИ конференция — индикатор того, в какую экосистему страна интегрируется технологически. Судя по составу делегации и подписанным накануне соглашениям, вектор очевиден: Восток. Итоги переговоров Сбера и партнёров на WAIC станут понятны в ближайшие недели — AI Радар будет следить за анонсами.

За чем следить в ближайшие четыре дня

Три сюжета конференции заслуживают особого внимания. Первый — программная речь Си Цзиньпина на открытии: от её акцентов зависит, куда двинется китайская политика в отношении открытых моделей и экспорта вычислительных мощностей. Второй — Конференция высокого уровня по глобальному управлению ИИ, которая проходит параллельно: именно там будет обсуждаться наполнение только что созданной Всемирной организации сотрудничества в области ИИ реальными полномочиями.

Третий сюжет — мировые премьеры: организаторы обещают не менее 300 дебютов ИИ-продуктов, от гуманоидных роботов до отраслевых моделей. Для российской делегации мерилом успеха станут не выставочные награды, а подписанные меморандумы: Ведяхин прямо говорил о планах заключить международные партнёрства и запустить совместные научные проекты. Если хотя бы часть из них материализуется, WAIC 2026 войдёт в историю российского ИИ не витриной, а точкой входа на рынки Азии.

Читать полностью на AI Радар →

Google пересобрала Gemini 3.5 Pro с нуля: запуск ожидается 17 июля с контекстом 2 млн токенов

Google полностью отказалась от исходной архитектуры Gemini 3.5 Pro и пересобрала флагманскую модель с нуля — после того как корпоративное тестирование выявило структурные сбои в рекурсивных вызовах инструментов и математических задачах. По данным утечек, релиз намечен на 17 июля — день открытия WAIC в Шанхае. Ожидаемые характеристики: контекст 2 млн токенов, слой рассуждений Deep Think и автономные рабочие процессы.

Почему Google выбросила готовую модель

По информации инсайдеров, исходная версия Gemini 3.5 Pro была практически готова к запуску ещё в начале лета, но провалила корпоративное тестирование: партнёры зафиксировали «структурные сбои» в рекурсивных вызовах инструментов (recursive tool-calling), генерации SVG и математических вычислениях. Вместо точечных исправлений Google DeepMind приняла радикальное решение — списать базовую модель и пересобрать её с нуля, сдвинув запуск на середину июля.

Решение выглядит болезненным, но объяснимым: именно агентные сценарии, где модель самостоятельно вызывает инструменты в цикле, стали главным полем битвы 2026 года. Ошибки в tool-calling — это не косметика, а фундаментальный дефект для модели, которую позиционируют как основу автономных рабочих процессов.

Что известно о характеристиках

Утечки сходятся на трёх ключевых параметрах. Первый — контекстное окно в 2 миллиона токенов: это вдвое больше, чем у GPT-5.6 от OpenAI (1 млн), и возвращает Google лидерство по этому показателю. Второй — слой рассуждений Deep Think для многошаговых логических и математических задач, который, по данным источников, будет доступен в подписке Ultra за $250 в месяц. Третий — автономные рабочие процессы: модель сможет самостоятельно вести кодинг-задачи, управлять инструментами и исполнением с минимальным участием человека.

По API-ценам данные расходятся: часть источников называет $1,25 за миллион входных и $10 за миллион выходных токенов, другие — $15 и $60 соответственно. Такой разброс — лишнее напоминание, что до официального анонса все цифры остаются предположениями.

Важная оговорка: Google ничего не подтверждала

Стоит подчеркнуть: ни дата 17 июля, ни спецификации не подтверждены Google официально. В официальном блоге компания сообщила лишь, что Gemini 3.5 Pro «уже используется внутри» и будет выпущена «в ближайший месяц». На сегодня общедоступна только Gemini 3.5 Flash — именно на неё Google ранее перевела поиск с ИИ-ответами. Все остальные детали исходят от сторонних изданий и анонимных источников внутри компании.

Симптоматична и сама дата из утечек: 17 июля открывается Всемирная конференция по ИИ в Шанхае, где Китай демонстрирует технологическую самостоятельность. Запуск флагманской западной модели в этот день выглядел бы как ответный ход в платформенной гонке — но с равной вероятностью Google может снова сдвинуть релиз, как уже делала этим летом.

Что это значит для российского рынка

Для российских разработчиков Gemini 3.5 Pro интересна прежде всего как ориентир: контекст в 2 млн токенов и цена от $1,25 за миллион входных токенов (если подтвердится нижняя оценка) зададут новую планку «цена/возможности», на которую придётся отвечать и YandexGPT, и GigaChat. Сбер уже показал GigaChat 3.5 Ultra на WAIC — прямое сравнение с новым Pro станет первым серьёзным тестом для российского флагмана.

Практический доступ к Gemini из России по-прежнему ограничен и требует зарубежных платёжных инструментов, поэтому основной канал влияния — через открытые бенчмарки и давление на цены всего рынка. Если Deep Think действительно поднимет качество многошаговых рассуждений, вырастут и ожидания корпоративных заказчиков к отечественным моделям — прежде всего в агентных сценариях, которые российские вендоры только начинают выводить в продакшен.

Контекст гонки: у Google нет права на второй перенос

Ставки для Google высоки как никогда. OpenAI уже выпустила семейство GPT-5.6 из трёх моделей (Luna, Terra и Sol) с контекстом 1 млн токенов, Anthropic наращивает корпоративную выручку и инфраструктуру, а обе компании подали заявки на IPO — внимание инвесторов приковано к тому, кто удержит технологическое лидерство осенью. Перенос Gemini 3.5 Pro уже сопровождался публикациями об оттоке ключевых исследователей из Alphabet, и каждый новый сдвиг сроков бьёт по репутации DeepMind сильнее предыдущего.

При этом позиции Google на «массовом» фланге прочны: Gemini 3.5 Flash уже работает в поиске и приложении Gemini у миллиардов пользователей. Вопрос июля — сможет ли компания закрыть и верхний сегмент. Если пересобранная Pro-версия выйдет в ближайшие дни и подтвердит заявленные характеристики, Google впервые за год получит одновременно самый большой контекст, самый дешёвый массовый инференс и работающий агентный стек. AI Радар обновит материал после официального анонса.

Читать полностью на AI Радар →

Флагманская модель OpenAI GPT-5.6 Sol удалила файлы пользователя: агент неверно раскрыл переменную $HOME

Основатель стартапа OthersideAI Мэтт Шумер лишился почти всех файлов домашней папки своего рабочего Mac, когда флагманский агент OpenAI GPT-5.6 Sol в режиме «Ultra mode» ошибочно развернул переменную окружения $HOME и выполнил рекурсивную команду rm -rf по всему каталогу пользователя. Собственная документация OpenAI ещё 26 июня — за две недели до инцидента — отнесла подобное поведение к третьему уровню риска несогласованности, но это не помешало происшествию случиться на практике.

Что произошло: от «полного доступа» до пустой домашней папки

Команда OpenAI лично обратилась к Мэтту Шумеру с предложением протестировать «Ultra mode» — конфигурацию GPT-5.6 Sol с повышенной автономностью, в которой модель координирует несколько подчинённых суб-агентов для решения длинных многошаговых задач без постоянного подтверждения человеком. Шумер согласился и выдал локальному агенту полный доступ (Full Access) к своей рабочей машине — стандартная практика при тестировании агентных возможностей новых моделей.

В ходе выполнения рутинной задачи по очистке файлов агент столкнулся с ошибкой разбора shell-переменной $HOME: вместо корректного пути к домашней директории конкретного пользователя переменная развернулась некорректно, и агент выполнил команду rm -rf /Users/mattsdevbox — рекурсивное удаление, стирающее практически всё содержимое домашнего каталога. Шумер заметил неладное лишь спустя 81 минуту после начала сессии; к моменту, когда он прервал процесс, большая часть данных уже была безвозвратно удалена.

OpenAI знала о риске заранее

Наиболее тревожный факт истории — не сама ошибка, а то, что OpenAI предвидела именно такой сценарий. В документации по безопасности развёртывания, опубликованной 26 июня, в день ограниченного превью-релиза модели, компания прямо классифицировала подобные действия как поведение «третьего уровня серьёзности» (severity level 3) — то есть действия, которые «разумный пользователь вряд ли бы предвидел и категорически бы им возразил». Формальное признание риска не превратилось в защитный механизм, способный предотвратить его материализацию на практике спустя две недели.

После публикации истории Шумера в соцсетях OpenAI подтвердила инцидент и начала расследование. Компания заявила, что работает над более строгими ограничениями на выполнение деструктивных shell-команд в автономном режиме и рассматривает обязательное подтверждение для операций удаления файлов вне «песочницы».

Не единичный случай: похожие жалобы пользователей

История Шумера — не изолированный инцидент. Пользователи GPT-5.6 Sol, ориентированной на кодирование и задачи кибербезопасности, публикуют в соцсетях похожие истории о том, что модель самостоятельно, без запроса, удаляла файлы, базы данных и целые проекты. Общий паттерн — агент получает широкие права доступа для выполнения комплексной задачи и в процессе совершает необратимое деструктивное действие из-за ошибки интерпретации контекста или окружения, а не злого умысла.

Это иллюстрирует фундаментальную проблему текущего поколения агентных ИИ-систем: чем выше автономность и шире права доступа, тем менее предсказуемы последствия единичной ошибки модели. В отличие от чат-бота, отвечающего текстом, агент с доступом к файловой системе способен нанести необратимый ущерб за секунды.

Что это значит для российского бизнеса, внедряющего ИИ-агентов

Для российских компаний, которые в 2026 году активно тестируют агентные сценарии на базе GigaChat, YandexGPT и открытых моделей — от автоматизации DevOps до самостоятельного рефакторинга кода — инцидент с GPT-5.6 Sol служит наглядным предупреждением. Риск не ограничивается конкретным поставщиком модели: любой агент с широкими правами на файловую систему или production-инфраструктуру потенциально способен на аналогичную ошибку интерпретации команды.

Практический вывод для CTO и ИБ-подразделений: перед выдачей ИИ-агенту полного доступа к рабочим средам необходимы изолированные песочницы, снапшоты и явные ограничения на деструктивные операции (rm, DROP TABLE, git push --force и подобные) независимо от заявленного уровня «надёжности» модели. Формальная классификация риска производителем, как показал этот случай, сама по себе не защищает от инцидента — нужны технические барьеры на стороне инфраструктуры заказчика.

История также подпитывает продолжающуюся дискуссию о том, готовы ли модели уровня GPT-5.6 Sol к по-настоящему автономной работе в проде. Пока ответ рынка звучит осторожно: агентный ИИ экономит время, но требует такого же уровня контроля доступа, как и любой junior-сотрудник с правами root.

Читать полностью на AI Радар →

Индекс безопасности ИИ лета 2026: у Anthropic — лучшая оценка C+, у Meta — D+, у xAI и DeepSeek — двойка

Future of Life Institute опубликовал очередной AI Safety Index — оценку девяти ведущих ИИ-лабораторий по 37 показателям в шести критических доменах безопасности. Результат неутешительный: ни одна компания не получила выше C+. Лидер рейтинга Anthropic набрал именно C+, следом идут OpenAI и Google DeepMind с оценкой C, Meta — D+, а xAI, DeepSeek и французская Mistral провалили оценку с результатом F.

Кто и как оценивался

Future of Life Institute — некоммерческая организация, известная многолетним мониторингом рисков продвинутого ИИ, — выпускает Safety Index регулярно с 2024 года, сравнивая крупнейшие лаборатории по единой методологии. Летний выпуск 2026 года охватывает девять компаний: Anthropic, OpenAI, Google DeepMind, Meta, xAI, DeepSeek, Mistral и ещё двух игроков, которых эксперты института включили как претендентов на статус «фронтир»-лабораторий.

Методология включает 37 индикаторов, сгруппированных в шесть доменов: управление рисками (risk assessment), текущий вред (current harms), безопасность и защищённость инфраструктуры (safety & security), корпоративное управление (governance), прозрачность (transparency) и экзистенциальная безопасность (existential safety). Именно последний домен оказался самым слабым по всей индустрии: ни одна компания не превысила C-, большинство получили D или ниже.

Расстановка сил: кто улучшился, кто скатился

Anthropic сохранил первое место, лидируя в пяти из шести доменов благодаря относительно продвинутой прозрачности, устоявшемуся фреймворку безопасности и активным техническим исследованиям в области интерпретируемости. Тем не менее итоговая оценка компании — лишь C+, что подчёркивает разрыв между лидерством в отрасли и абсолютным уровнем безопасности.

OpenAI теперь возглавляет отдельно домен управления рисками благодаря более широкому набору оценочных тестов и разнообразному внешнему тестированию модели сторонними исследователями. Meta совершила заметный скачок — с шестого на четвёртое место, тогда как xAI, наоборот, упала с четвёртого на седьмое место. DeepSeek и Mistral замыкают таблицу с оценкой F — по мнению авторов индекса, обе компании практически не публикуют данные о своих практиках безопасности, что делает независимую верификацию невозможной.

Тревожный тренд: отказ от военных ограничений

Отдельное беспокойство авторов индекса вызывает динамика с 2024 по 2026 год: Anthropic, OpenAI, Google DeepMind и Meta — все четыре компании, ранее публично запрещавшие военное применение своих моделей, — за два года развернулись на 180 градусов и заключили партнёрства с оборонными ведомствами. Эксперты FLI указывают, что это системный сдвиг всей индустрии, а не единичное решение одной компании, и он напрямую влияет на оценку по домену управления (governance).

Индекс также фиксирует общее «отступление» крупных технологических компаний от ранее заявленных добровольных обязательств по безопасности — формулировка, использованная несколькими СМИ при цитировании доклада. Это резонирует с параллельными наблюдениями регуляторов в разных странах о разрыве между публичными заявлениями лабораторий и их фактическими практиками.

Значение для российского рынка и регуляторов

Для России, где 10 июля Госдума приняла собственный закон о больших фундаментальных моделях (БФМ), международный индекс безопасности даёт любопытную точку сравнения. В отличие от подхода FLI — независимой оценки по десяткам публичных индикаторов — российское регулирование пока строится вокруг статусов «суверенная»/«национальная» модель и требований к данным, но не включает сопоставимой системы внешнего аудита безопасности с открытой методологией.

Для российских компаний, выбирающих между GigaChat, YandexGPT и зарубежными моделями (там, где доступ технически возможен), рейтинг FLI полезен не как прямое руководство к действию — большинство западных моделей всё равно ограниченно доступны из России, — а как индикатор общего уровня зрелости практик безопасности в отрасли. Он показывает, что даже у лидера рынка, Anthropic, оценка ниже «хорошо», а значит ожидать от любого поставщика ИИ безупречной прозрачности пока преждевременно вне зависимости от страны происхождения модели.

Читать полностью на AI Радар →

Китай отключил ИИ-компаньонов у 345 млн пользователей: закон об антропоморфных агентах вступил в силу

15 июля в Китае вступили в силу «Временные меры по управлению антропоморфными интерактивными ИИ-сервисами» — ByteDance и Alibaba за одну ночь отключили функции ИИ-компаньонов в своих ассистентах Doubao (345 млн активных пользователей в месяц) и Qwen. Закон запрещает эмоциональную привязанность, заменяющую живые отношения, работу с несовершеннолетними и обучение моделей на приватных переписках пользователей.

Что произошло 15 июля

«Временные меры по управлению антропоморфными интерактивными ИИ-сервисами» — документ, совместно изданный ещё в апреле 2026 года Администрацией киберпространства Китая (CAC) и четырьмя ведомствами-партнёрами: Государственным комитетом по развитию и реформам, Министерством промышленности и информатизации, Министерством общественной безопасности и Государственным управлением по регулированию рынка. С 15 июля его нормы вступили в обязательную силу.

Сотни миллионов пользователей, настроивших персонализированных ИИ-агентов в Doubao — по последним раскрытым данным ByteDance, у сервиса 345 млн активных пользователей в месяц, — проснулись утром и обнаружили, что функции компаньонов отключены без предупреждения. Аналогичная судьба постигла Qwen от Alibaba.

Что именно запрещает закон

Ключевые нормы документа: запрет на формирование у пользователя эмоциональной привязанности, способной заменить реальные межличностные отношения; запрет на таргетирование эмоций несовершеннолетних; запрет на обучение моделей на приватной переписке пользователей без явного согласия. Отдельно закон обязывает сервисы компаньонов внедрять системы анти-аддикции, обязательные уведомления о времени использования и механизм мгновенного выхода, а также вести детекцию признаков нездоровой психологической зависимости пользователя от ИИ-агента в реальном времени.

Примечательна разница в том, как два техногиганта обошлись с накопленными данными пользователей. Doubao предоставила пользователям режим просмотра конфигураций агентов и истории переписок только для чтения вплоть до 15 октября 2026 года — после этой даты данные перейдут под действие стандартной политики конфиденциальности ByteDance и станут недоступны для восстановления внутри приложения. Qwen, в свою очередь, не предоставила пользователям сопоставимого переходного периода: Alibaba подтвердила, что конфигурации агентов и история переписок будут удалены безвозвратно, без объявленного пути миграции данных.

Почему Пекин пошёл на такой шаг

Регулирование антропоморфных ИИ-сервисов в Китае готовилось не в вакууме. За последние два года ИИ-компаньоны стали одним из самых быстрорастущих сегментов потребительского ИИ в стране — приложения вроде Doubao и Xingye позволяли пользователям создавать персонализированных виртуальных «друзей» и «партнёров» с долгосрочной памятью о переписке. Одновременно росло число сообщений о психологической зависимости пользователей, особенно подростков, от таких агентов, а также случаев, когда компании использовали интимные детали переписки для более точного таргетирования рекламы или удержания пользователя в приложении.

Решение регулировать именно антропоморфные, «дружеские» функции ИИ, а не языковые модели как таковые, отражает избирательный подход Пекина: китайские власти в целом поддерживают быстрое развитие генеративного ИИ как стратегический приоритет, но избирательно вмешиваются там, где видят прямой социальный вред — особенно в отношении несовершеннолетних и эмоциональной эксплуатации пользователей.

Значение для российского рынка

Российский закон о технологиях ИИ, принятый Госдумой 8 июля в окончательном чтении, пока не содержит отдельных норм для антропоморфных ИИ-компаньонов — регулирование сосредоточено на статусах «суверенная»/«национальная» модель и общих требованиях к большим фундаментальным моделям. Китайский прецедент интересен российским регуляторам тем, что показывает конкретный, детализированный механизм: анти-аддикционные системы, обязательные уведомления, запрет на обучение на приватных данных — то, что российское законодательство пока формулирует более рамочно.

Для российских разработчиков ИИ-ассистентов и чат-ботов с элементами персонализации (а такие продукты уже развиваются в экосистемах Сбера, Яндекса и независимых стартапов) китайский опыт — сигнал о том, что регуляторное внимание к эмоционально вовлекающим функциям ИИ будет расти во всех юрисдикциях. Компаниям, планирующим долгосрочную память и персонализацию в потребительских ИИ-продуктах, стоит закладывать защитные механизмы уже на этапе проектирования, а не дожидаться прямого регуляторного требования.

Читать полностью на AI Радар →

TSMC поставила рекорд по выручке на ИИ-спросе: заказы на 3-нм чипы расписаны до 2027 года

Тайваньский производитель чипов сообщил о $39,5 млрд выручки за второй квартал 2026 года — рост на 36% год к году, а июньская выручка выросла на 68% год к году до рекордных 442,68 млрд тайваньских долларов. Мощности 3-нанометрового техпроцесса N3 и продвинутой упаковки CoWoS полностью законтрактованы до конца 2026 года, а очередь клиентов растягивается уже на 2027 год.

Рекордный квартал на фоне ИИ-бума

TSMC (Taiwan Semiconductor Manufacturing Company) — крупнейший в мире контрактный производитель микросхем и ключевой поставщик Nvidia, AMD, Apple и десятков других технологических компаний — отчиталась о самой высокой квартальной выручке в своей истории. За второй квартал 2026 года компания заработала 1,27 трлн тайваньских долларов (около $39,5 млрд) консолидированной выручки, что на 36% больше, чем годом ранее. Отдельно июньские показатели выросли на 67,9% год к году до 442,68 млрд тайваньских долларов — новый месячный максимум, который нарушил устоявшийся четырёхлетний сезонный паттерн, при котором июнь традиционно был более слабым месяцем по сравнению с маем.

По оценке аналитической компании SemiAnalysis, TSMC движется к тому, чтобы превысить $40 млрд выручки от ИИ-связанных чипов за весь 2026 год — это примерно 25% от прогнозируемой общей выручки компании.

N3 и CoWoS: узкое место всей отрасли

Наиболее показательный факт отчёта — состояние загрузки производственных мощностей. Техпроцесс N3 (3-нанометровый) и продвинутая упаковка CoWoS, критически важная для сборки современных ИИ-ускорителей вроде чипов Nvidia Blackwell и их преемников, полностью законтрактованы до конца 2026 года, а сроки поставки для новых заказов растягиваются на 2027 год. Это означает, что ограничивающим фактором для всей мировой ИИ-индустрии стали не деньги и не спрос, а физическая невозможность произвести достаточно кремния — «supply, not appetite, is the constraint», как формулируют аналитики отрасли.

Для клиентов TSMC — от Nvidia и AMD до Apple, Anthropic и Google — это означает необходимость бронировать производственные мощности на годы вперёд, зачастую предоплачивая объёмы задолго до того, как готовы окончательные архитектуры чипов. Именно поэтому крупные ИИ-лаборатории (Anthropic с Samsung, Meta с собственным чипом Iris) в 2026 году активно диверсифицируют производственные партнёрства, не полагаясь исключительно на TSMC.

Что это значит для рынков памяти и акций

Рекордный отчёт TSMC пришёл на фоне заметного расхождения динамики на смежных рынках: одновременно с ростом заказов на логические чипы под ИИ-ускорители аналитики отмечают просадку котировок компаний, специализирующихся на памяти, — рынок перераспределяет ожидания в пользу логических полупроводников и продвинутой упаковки как главных бенефициаров ИИ-инвестиционного цикла. Для инвесторов, следящих за Nvidia и AMD, отчёт TSMC служит опережающим индикатором: пока очередь на производственные мощности растёт, а не сокращается, тезис о продолжении ИИ-капекс-цикла остаётся в силе.

Почему это важно для России

Для российского рынка ИИ рекордная загрузка TSMC — прямое подтверждение того, насколько усугубляется технологическая изоляция страны от передового кремния. Россия не имеет доступа к продукции TSMC из-за режима экспортного контроля, а значит любой рост дефицита мощностей на 3-нм и более тонких техпроцессах лишь увеличивает разрыв между доступными российским компаниям чипами (закупаемыми через параллельный импорт или производимыми внутри страны на устаревших техпроцессах) и мировым уровнем производительности ИИ-ускорителей.

Это напрямую усиливает значимость отечественных инициатив вроде «Байкал Электроникс», разрабатывающей российские ИИ-чипы с заявленной поддержкой CUDA, — но и подчёркивает масштаб задачи: пока мировой лидер отрасли не может угнаться за спросом даже с многолетним технологическим заделом, российским производителям предстоит закрывать несопоставимо больший разрыв в возможностях и объёмах производства.

Читать полностью на AI Радар →

DeepSeek снова ищет деньги: спустя месяц после $7 млрд раунда — новый транш при оценке $71 млрд

По данным Financial Times, китайский стартап DeepSeek начал переговоры о новом раунде финансирования — всего через несколько недель после того, как в июне привлёк $7 млрд при оценке около $50 млрд. Новый раунд ориентирован на доинвестиционную оценку в $71 млрд; средства пойдут на расширение вычислительных мощностей, а не на коммерциализацию.

Что известно о новых переговорах

По данным Financial Times, о которых 14 июля сообщил Bloomberg, китайский разработчик открытых моделей DeepSeek начал предварительные переговоры с потенциальными инвесторами о новом раунде финансирования — спустя всего несколько недель после того, как в июне закрыл транш на $7 млрд. Тогда оценка компании составила порядка $50 млрд; новый раунд ориентирован уже на доинвестиционную оценку в $71 млрд — рост почти в полтора раза за считаные недели.

Формально DeepSeek никогда не позиционировала себя как классический венчурный стартап: с момента основания в 2023 году компания придерживалась принципа «никакого фандрайзинга, никакого IPO, никакой коммерциализации», финансируя разработку моделей из прибыли материнского хедж-фонда High-Flyer. Июньский раунд — с участием Tencent Holdings и Contemporary Amperex Technology (CATL) — стал первым публичным отступлением от этого правила, а переговоры о новом транше показывают, что разворот был не разовым эпизодом, а стратегическим решением.

Зачем компании столько денег так быстро

Судя по заявлениям менеджмента, привлечённые средства пойдут не на маркетинг или расширение продаж, а на инфраструктуру внутри Китая — включая строительство собственного дата-центра во Внутренней Монголии и наём специалистов по семи направлениям, от алгоритмов и R&D до операционной работы, продуктового менеджмента и корпоративных функций. Формулировка приоритетов осталась прежней: компания настаивает, что ставит «прорывные исследования» ради создания AGI выше краткосрочной монетизации, и продолжит развивать открытые модели, несмотря на экспортные ограничения США на профильные ускорители.

Гонка капитала между Китаем и США

Скорость, с которой DeepSeek возвращается за новым траншем, отражает общую динамику мирового рынка ИИ-инвестиций: во втором квартале 2026 года OpenAI и Anthropic вдвоём привлекли $217 млрд — 43% всего венчурного капитала, вложенного в мире за первое полугодие. Китайские лаборатории оказались перед выбором — либо угнаться за этим темпом инвестиций в собственную вычислительную инфраструктуру, либо уступить преимущество в разработке моделей следующего поколения западным конкурентам.

Показательно, что в тот же день, 14 июля, по данным Bloomberg, основатель DeepSeek Лян Вэньфэн стал самым богатым среди создателей ИИ-моделей в мире — рост стоимости его доли напрямую связан с переоценкой компании. Для рынка это симптом: китайский ИИ-сектор всё активнее конкурирует с американским не только по качеству открытых моделей, но и по объёму привлекаемого капитала.

Что это значит для российского рынка

Для российских компаний DeepSeek остаётся одним из немногих реальных источников открытых весов конкурентного уровня — на её моделях уже построены локальные внедрения вроде DeepSeek V3 на российских дата-центрах, где инференс обходится в разы дешевле западных API. Ускоренный приток капитала в компанию, скорее всего, означает более частые релизы обновлённых версий моделей и дальнейшее агрессивное снижение цены инференса, что играет на руку российским интеграторам, использующим открытые китайские модели как более дешёвую и доступную альтернативу западным сервисам в условиях санкционных ограничений на доступ к GPU и облачным API.

Есть и оборотная сторона: чем крупнее становится DeepSeek как коммерческая структура, тем выше вероятность, что часть будущих моделей всё же перейдёт на закрытую или частично закрытую лицензию — особенно если инвесторы, вложившие десятки миллиардов долларов, начнут требовать более понятной монетизации. Пока компания публично подтверждает приверженность открытым весам, но опыт других лабораторий показывает: масштаб инвестиций рано или поздно меняет бизнес-модель. Для российских интеграторов, выстраивающих продукты вокруг открытых версий DeepSeek, это риск, который стоит держать в поле зрения при долгосрочном планировании.

Отдельный вопрос — санкционная устойчивость самого DeepSeek. Компания уже доказала, что способна создавать конкурентные модели при ограниченном доступе к передовым чипам Nvidia, оптимизируя архитектуру и обучение под менее мощное железо. Новый раунд, судя по заявленным целям, пойдёт именно на наращивание вычислительной базы внутри Китая — то есть на дальнейшее снижение зависимости от импортных ускорителей. Если стратегия сработает, DeepSeek станет ещё более привлекательным ориентиром для стран, включая Россию, которые ищут способ развивать ИИ-инфраструктуру в условиях ограниченного доступа к западным технологиям.

Читать полностью на AI Радар →

Samsung получил контракт на выпуск ИИ-чипов Anthropic по 2-нм техпроцессу

14 июля стало известно, что Samsung Foundry заключила контракт на производство кастомных ИИ-ускорителей для Anthropic — по передовому 2-нанометровому техпроцессу с продвинутой упаковкой. Samsung ранее уже вложилась в раунд Anthropic на $65 млрд, а теперь становится пятым поставщиком кремния компании вслед за Tesla и Groq.

Что подтвердили источники

По данным южнокорейского издания Newsworks, о которых 14 июля написал SamMobile, Samsung Foundry заключила контракт на производство кастомных ИИ-ускорителей для Anthropic. Чип будет изготавливаться по передовому 2-нанометровому техпроцессу с использованием продвинутой упаковки Samsung — тех же мощностей, что компания предлагает и другим крупным заказчикам. Точное место производства пока не раскрывается: это может быть как южнокорейская площадка Samsung, так и завод в Тейлоре, штат Техас.

Контракт логично продолжает уже существующие отношения двух компаний: Samsung Electronics ранее выступила одним из инвесторов в раунде Series H Anthropic объёмом $65 млрд. Теперь партнёрство переходит от портфельных инвестиций к прямому производственному контракту — сделка следует за аналогичными недавними заказами Tesla и Groq, которые также привели новых клиентов на загрузку мощностей Samsung Foundry на фоне производственного бэклога у TSMC.

Зачем Anthropic собственный чип

Переход на кастомный кремний — часть более широкой стратегии, к которой уже прибегли Google (TPU), Amazon (Trainium), Meta (MTIA/Iris) и OpenAI (совместный проект с Broadcom, чип Jalapeño). Собственный ускоритель, спроектированный под конкретную архитектуру моделей Claude, позволяет Anthropic снизить зависимость от GPU Nvidia, сократить стоимость инференса и точнее контролировать поставки на фоне растущего глобального спроса на вычисления.

Инфраструктурная гонка идёт на фоне того, что Anthropic, по имеющимся оценкам, вышла на годовую выручку около $47 млрд и стала прибыльной в 2026 году благодаря Claude Code и глубокому проникновению в корпоративный сегмент. Компания также готовит конфиденциальный черновик S-1 для IPO, ориентировочное окно размещения — октябрь 2026 года; предсказуемость выручки, подкреплённая долгосрочными контрактами на вычисления, — важный аргумент для инвесторов перед публичным размещением.

Место Samsung в чиповой гонке

Для Samsung Foundry контракт с Anthropic — заметная победа в конкуренции с TSMC за заказы на передовых техпроцессах. Тайваньская TSMC остаётся доминирующим производителем чипов для Nvidia, Apple и большинства AI-лабораторий, и её мощности на новейших узлах уже забронированы на годы вперёд. Загрузка южнокорейских линий крупными ИИ-заказчиками, такими как Tesla, Groq и теперь Anthropic, помогает Samsung Foundry улучшить рентабельность подразделения, которое годами отставало от конкурента по доле рынка передовых техпроцессов.

Значение для российского ИИ-рынка

Для российских компаний прямого эффекта от сделки нет — доступ к продукции Samsung Foundry и без того ограничен экспортным контролем. Но косвенно история важна: она показывает, что даже быстрорастущие ИИ-лаборатории вроде Anthropic не могут полагаться исключительно на Nvidia и вынуждены выстраивать многоканальные цепочки поставок кремния. Для российского рынка, где дефицит доступа к передовым чипам остаётся ключевым инфраструктурным ограничением (напомним, «Байкал Электроникс» лишь готовит собственные ИИ-чипы с прицелом на 2030 год), это ещё один сигнал того, насколько капиталоёмкой стала гонка вычислительных мощностей на переднем крае индустрии.

Показательно и то, что сделка совпадает по времени с подготовкой Anthropic к IPO: чем более диверсифицированной и предсказуемой выглядит цепочка поставок компании, тем убедительнее выглядит её история перед потенциальными публичными инвесторами. Инвестбанки, оценивающие компанию перед размещением, традиционно смотрят не только на выручку, но и на устойчивость доступа к вычислительным мощностям — а долгосрочный производственный контракт с Samsung снижает риск того, что рост Anthropic упрётся в дефицит чипов, как это уже происходило у ряда конкурентов.

Для мирового рынка в целом история подтверждает и более широкий тренд: индустрия ИИ входит в фазу, когда крупнейшие модельные лаборатории превращаются в полноценных заказчиков вертикальной интеграции — от собственного кремния до аренды дата-центров на десятки миллиардов долларов, как в случае со сделкой Anthropic и TeraWulf на $19 млрд. Границы между разработчиком моделей и производителем инфраструктуры стремительно размываются, и в ближайшие годы конкуренция будет разворачиваться не только вокруг качества самих моделей, но и вокруг того, кто быстрее и дешевле сможет их обучать и обслуживать.

Читать полностью на AI Радар →

Apple подала иск против OpenAI: кража коммерческой тайны «на каждом уровне» компании

10 июля Apple подала в суд на OpenAI и двух бывших сотрудников, обвинив компанию в системной краже конфиденциальных технологий для разработки собственных гаджетов. По данным иска, экс-вице-президент по дизайну Тан Ю Тан просил кандидатов на собеседованиях приносить «настоящие детали» продукции Apple, а инженер Чан Лю не вернул рабочий ноутбук и скачал закрытые документы о неанонсированных продуктах.

Что утверждает Apple в иске

10 июля 2026 года Apple подала иск в федеральный суд Северного округа Калифорнии против OpenAI и двух бывших сотрудников компании, обвинив ответчиков в систематической краже коммерческой тайны. В тексте иска сказано: «на каждом уровне, от рядовых сотрудников технического состава до директора по аппаратному обеспечению, и в координации с бизнес-партнёрами, OpenAI занималась кражей коммерческой тайны и конфиденциальной информации Apple».

В центре обвинений — два бывших сотрудника Apple. Тан Ю Тан, ныне руководитель аппаратного направления OpenAI и в прошлом вице-президент Apple, по утверждению истца, инструктировал ещё работавших в Apple кандидатов на собеседованиях в OpenAI приносить с собой «настоящие детали» продукции Apple для демонстрации на встречах. Чан Лю, проработавший в Apple восемь лет старшим инженером по системной электронике, якобы не вернул выданный компанией ноутбук после перехода в OpenAI в 2026 году и использовал устройство для скачивания технической документации о неанонсированных технологиях, функциях и продуктах Apple.

От партнёрства до судебного конфликта

Разворот отношений выглядит особенно резким на фоне истории партнёрства двух компаний: именно в 2024 году ChatGPT был официально интегрирован в операционную систему iPhone как часть Apple Intelligence. Отношения начали охлаждаться после того, как OpenAI объявила о выходе на рынок потребительской электроники, купив за $6,4 млрд стартап IO Products бывшего дизайнера Apple Джони Айва — по слухам, компания готовит собственное голосовое ИИ-устройство, прямого конкурента будущим продуктам Apple.

В исковом заявлении Apple требует от суда обязать OpenAI прекратить спорную деятельность, уничтожить все материалы, созданные с использованием похищенных технологий, и изменить траекторию разработки будущих продуктов. Reuters описывает происходящее не как единичный инцидент, а как системную кражу интеллектуальной собственности. OpenAI, в свою очередь, отвергла все обвинения, заявив, что не заинтересована в использовании чужих коммерческих секретов.

Почему это больше, чем трудовой спор

Дела о переходе сотрудников между конкурентами с обвинениями в краже технологий — не редкость в Кремниевой долине, но масштаб и формулировки именно этого иска выделяются на общем фоне: Apple прямо указывает на топ-менеджера уровня Chief Hardware Officer, а не рядового инженера. Это превращает конфликт в публичное противостояние двух компаний с многомиллиардной капитализацией на фоне того, как OpenAI активно выходит за пределы софта в производство собственных устройств — а Apple теряет ключевых инженеров-разработчиков hardware в пользу ИИ-стартапов.

Что это значит для рынка

Для индустрии в целом иск — сигнал того, что кадровая конкуренция в ИИ обостряется до уровня судебных разбирательств даже между историческими партнёрами. Для российских компаний прямых последствий немного, но история полезна как ориентир: по мере того как крупные ИИ-лаборатории расширяются в смежные аппаратные направления, риски конфликтов вокруг интеллектуальной собственности и найма специалистов у конкурентов будут расти и в отечественной практике — особенно для компаний, нанимающих специалистов из зарубежных подразделений технологических гигантов.

История также показывает изнанку гонки за таланты в ИИ-индустрии: переманивание ключевых инженеров стало настолько интенсивным, что даже устные договорённости о собеседованиях превращаются в предмет судебного разбирательства. Для крупных компаний, включая российские, это повод пересмотреть внутренние политики работы с кандидатами, приходящими от конкурентов — вопросы о том, какую информацию можно и нельзя обсуждать на собеседовании, перестают быть формальностью и превращаются в реальный юридический риск.

Итог разбирательства предсказать сложно: подобные иски о краже коммерческой тайны в Кремниевой долине нередко заканчиваются мировым соглашением задолго до суда, поскольку обеим сторонам невыгодно раскрывать в открытом процессе детали внутренней разработки. Но сам факт публичного конфликта уже нанёс репутационный удар по OpenAI на фоне подготовки компании к возможному IPO — инвесторы традиционно закладывают судебные риски в оценку компании, а обвинения в адрес топ-менеджера уровня Chief Hardware Officer выглядят особенно чувствительно именно сейчас.

Читать полностью на AI Радар →

89% россиян позитивно оценили опыт общения с ИИ — опрос Rambler&Co

Согласно опросу Rambler&Co, проведённому 3–13 июля среди более 2000 пользователей интернета, 89% россиян положительно оценивают свой опыт использования нейросетей в быту. 40% обращаются к ИИ за советами и объяснением сложных тем, а 45% начали пользоваться ИИ-ассистентами совсем недавно.

Как проводился опрос

Медиахолдинг Rambler&Co опубликовал 14 июля результаты исследования, проведённого с 3 по 13 июля 2026 года среди более 2000 пользователей интернета по всей России — 51% мужчин и 49% женщин. Респондентов спрашивали, для каких повседневных задач они готовы использовать ИИ-ассистентов, какие решения они не готовы делегировать нейросетям и какой формат взаимодействия с ИИ кажется им наиболее комфортным.

Главный результат: 89% опрошенных положительно оценивают свой опыт использования нейросетей в быту. Внутри этой группы структура вовлечённости неоднородна — 45% начали пользоваться ИИ-ассистентами совсем недавно, 30% делают это на регулярной основе, ещё 14% продолжают экспериментировать с разными форматами, и лишь 11% сообщили о неудачном опыте.

Для чего россияне используют ИИ

Среди основных сценариев использования — 40% респондентов обращаются к ИИ за советами и разъяснением сложных тем, 16% ценят нейросети как инструмент обучения и развития навыков (изучение языков, освоение новых компетенций), 14% используют ИИ для планирования дел и составления списков задач. По 6% приходится на помощь с покупками и планирование досуга, а 18% опрошенных воспринимают ИИ как универсальный инструмент на все случаи жизни.

Авторы исследования отмечают, что структура запросов заметно сместилась по сравнению с прошлыми годами: если раньше типичным сценарием была разовая генерация текста или картинки, то теперь на первый план выходят задачи, требующие диалога и рассуждения — объяснение сложных тем, помощь в обучении, планирование. Это косвенно подтверждает, что российские пользователи всё чаще воспринимают ИИ не как разовую «игрушку», а как повседневный рабочий инструмент, встроенный в привычные бытовые и профессиональные сценарии.

Где проходит граница доверия

Опрос выявил и чёткие границы, которые россияне не готовы отдавать на откуп алгоритмам. 38% респондентов подчеркнули, что хотят сохранять контроль над решениями, связанными с финансами, инвестициями, юридическими вопросами и здоровьем — здесь ИИ воспринимается скорее как консультант, а не как принимающая решение сторона. 23% предпочитают оставлять личные отношения и эмоциональные решения полностью вне зоны влияния нейросетей. При этом 39% не имеют принципиальных возражений против использования ИИ в любых сценариях — при условии, что сохраняют возможность контроля и проверки результата.

Что касается формата взаимодействия, мнения разделились: 46% предпочитают единое универсальное приложение для всех задач, 31% хотят видеть отдельные специализированные ИИ-агенты под конкретные сценарии, 13% ценят интеграцию ИИ в уже существующие платформы, а 10% — встраивание ассистента в привычные приложения вроде банковских или маркетплейсов.

Что это значит для рынка

Результаты Rambler&Co дополняют картину, которую ранее фиксировали и другие исследования: по данным аналитиков, две трети крупных российских компаний уже внедрили генеративный ИИ хотя бы в одну бизнес-функцию, а объём российского рынка генеративного ИИ по итогам 2025 года достиг порядка 58 млрд рублей. Новый опрос показывает, что позитивное восприятие ИИ распространяется и на массового пользователя — не только на корпоративный сегмент. Для разработчиков российских продуктов на базе GigaChat и YandexGPT это сигнал: спрос смещается от экспериментов к рутинному повседневному использованию, а ключевыми требованиями пользователей становятся прозрачность источников (33%) и чёткое разграничение между автоматическими и ручными решениями (35%).

Отдельного внимания заслуживает разрыв между массовым позитивным восприятием (89%) и относительно скромной долей регулярных пользователей (30%): значительная часть аудитории всё ещё находится в стадии знакомства с инструментом, а не устойчивой привычки. Это открывает окно возможностей для сервисов, которые смогут превратить разовый позитивный опыт в постоянное использование — через более понятный онбординг, локализованные сценарии и интеграцию в привычные повседневные приложения, которые предпочитают 10% опрошенных.

Показательна и структура недоверия: почти четверть респондентов принципиально не готовы делегировать ИИ решения, связанные с личными отношениями и эмоциями, а больше трети хотят сохранять контроль в финансовых и юридических вопросах. Для банков и финтех-компаний, уже тестирующих ИИ-ассистентов для клиентов — включая пилот Банка России для вкладчиков, — это означает, что интерфейсы должны явно показывать пользователю, где заканчивается совет алгоритма и начинается его собственное решение. Именно эта прозрачность, а не только точность модели, определит, какие продукты выиграют в следующей волне массового внедрения ИИ в России.

Читать полностью на AI Радар →

ЦБ предложил регулировать ИИ-модели в банках: риск синхронных сбоев всей финансовой системы

12 июля на форуме Data Day 2026 Банк России предложил ввести регулирование архитектуры данных и моделей ИИ, которые банки используют для принятия решений. Регулятор опасается «эффекта синхронной ошибки» — если десятки банков одновременно полагаются на одну и ту же глобальную платформу, сбой или манипуляция данными могут ударить по всей системе разом. В критическом сценарии потери по отдельным кредитным портфелям могут достигать 3–5% за квартал.

Что предложил регулятор

12 июля 2026 года на форуме Data Day 2026 заместитель директора юридического департамента Банка России Екатерина Дёмкина представила инициативу по регулированию архитектуры данных и моделей ИИ, которые российские банки используют для принятия решений — от скоринга заёмщиков до антифрод-систем. По её словам, «искусственный интеллект может обучаться на некачественных данных, а качество источников напрямую влияет на решения, которые модель принимает» — и сегодня банки практически не обязаны это проверять.

Речь идёт не о запрете использования зарубежных или открытых моделей, а о новом слое требований к тому, как именно банк встраивает ИИ в процесс принятия решений: какие данные использовались для обучения, как контролируется дрейф модели во времени, кто несёт ответственность за ошибочное решение и может ли банк оперативно заменить вендора при сбое.

Эффект синхронной ошибки: в чём главный риск

Ключевой аргумент ЦБ — так называемый «эффект синхронной ошибки». Если десятки банков одновременно полагаются на одну и ту же глобальную платформу для кредитного скоринга или анализа рисков, системная уязвимость, вредоносные данные на входе или искажение обучающей выборки способны вызвать одинаково неверные решения сразу у множества игроков — а не у одного банка, как было бы при использовании разных внутренних моделей.

Председатель комиссии по финансовой безопасности Тимур Айтов оценил потенциальный ущерб: в кризисном сценарии потери по отдельным сегментам кредитного портфеля могут достигать 3–5% за квартал. Для системно значимых банков это уже не гипотетический, а вполне измеримый риск для устойчивости всей финансовой системы, а не отдельной организации. Регулятор также напоминает о «исходе вендоров» 2023 года — прецеденте, когда массовый уход зарубежных поставщиков ПО из России уже показал, насколько опасна зависимость финансового сектора от внешней инфраструктуры.

«Паспорт» ИИ-модели и требования к прозрачности

Центральный элемент предложения ЦБ — обязательный «паспорт» ИИ-модели: документ, фиксирующий состав обучающих данных, требования к их обработке внутри российской инфраструктуры, механизмы мониторинга дрейфа и галлюцинаций, а также закреплённую ответственность вендора. Всего в проекте перечислено пять новых требований к архитектуре банковских ИИ-моделей: паспортизация данных, локализация обработки, мониторинг дрейфа, разграничение ответственности вендора и гарантированная возможность смены поставщика без остановки процессов.

Последний пункт особенно важен: банки должны будут доказывать регулятору, что технически способны заменить модель или вендора в разумные сроки, если возникнут проблемы с лицензированием, доступностью или качеством сервиса — по аналогии с требованиями к операционной устойчивости критической инфраструктуры.

Что это значит для российских банков и вендоров

Для крупных банков, уже развернувших собственные ИИ-платформы на базе GigaChat, YandexGPT или локально дообученных open-source моделей, новые требования, вероятно, будут закрыты силами внутренней разработки. Куда сложнее ситуация для средних и малых банков, которые исторически полагались на внешние API — им предстоит либо инвестировать в аудит и документирование моделей, либо переходить на отечественные платформы с готовой инфраструктурой соответствия 152-ФЗ и требованиям КИИ.

Дополнительная сложность для средних банков в том, что паспортизация модели требует не разового аудита, а постоянного процесса: любое переобучение или обновление весов формально должно сопровождаться обновлением документа и повторной проверкой на дрейф. Для банков без собственной ML-команды это означает необходимость либо нанимать внешних аудиторов на регулярной основе, либо переходить на модели с уже сертифицированным паспортом от крупного вендора — а значит, конкуренция между GigaChat, YandexGPT и нишевыми провайдерами сместится в сторону того, кто быстрее предложит банкам готовую комплаенс-обвязку, а не только качество самой модели.

Инициатива пока не является законопроектом — ЦБ анонсировал её как предложение к обсуждению с банковским сообществом, а не готовую норму. Но с учётом того, что базовый закон об ИИ Госдума приняла всего за два дня в окончательном чтении, участники рынка ожидают, что банковское регулирование ИИ-моделей может быть закреплено уже в ближайших нормативных актах ЦБ до конца 2026 года. Аналитики также отмечают, что инициатива ЦБ логично продолжает линию последних лет на снижение зависимости критической инфраструктуры от зарубежных цифровых сервисов — тот же аргумент использовался при обсуждении требований к локализации данных и параллельному импорту оборудования.

Читать полностью на AI Радар →

Meta запустит производство ИИ-чипа Iris в сентябре — цель удвоить вычислительные мощности до 14 ГВт

Согласно внутренней записке, о которой сообщил Reuters, Meta начнёт серийное производство собственного ИИ-ускорителя Iris в сентябре 2026 года — первого чипа в рамках четырёхпоколенческой программы MTIA. Компания намерена удвоить вычислительные мощности своих дата-центров — с 7 ГВт в 2026 году до 14 ГВт к 2027-му, снижая зависимость от Nvidia и AMD.

Iris — первый серийный чип программы MTIA

По данным Reuters, ознакомившегося с внутренней запиской компании, Meta начнёт серийное производство собственного ИИ-ускорителя под кодовым названием Iris уже в сентябре 2026 года. Это первый чип, доходящий до стадии массового производства в рамках программы MTIA (Meta Training and Inference Accelerator) — линейки, рассчитанной в общей сложности на четыре поколения собственного кремния для нужд Facebook, Instagram и внутренних ИИ-сервисов компании.

Инженерная команда Meta сообщила, что чип прошёл фазу отладки и тестирования примерно за шесть недель без каких-либо критичных дефектов — редкий для индустрии результат, который в компании расценивают как сигнал о готовности к промышленному запуску без дополнительных итераций дизайна.

Гонка за собственным кремнием: зачем Meta вообще нужен свой чип

Решение Meta вписывается в общую тенденцию последних двух лет: крупнейшие ИИ-компании одна за другой начинают проектировать собственные ускорители, чтобы снизить зависимость от Nvidia и AMD и сократить затраты на инференс, которые для компаний с миллиардной пользовательской базой измеряются миллиардами долларов ежегодно. У Google уже есть TPU, у Amazon — Trainium и Inferentia, у OpenAI совместно с Broadcom — чип Jalapeño. Iris — попытка Meta закрыть аналогичный разрыв.

Компания планирует удвоить вычислительные мощности своих дата-центров: с 7 гигаватт, запланированных на 2026 год, до 14 гигаватт к 2027-му. Для сравнения — это сопоставимо с энергопотреблением нескольких крупных промышленных регионов, и именно поэтому вопрос эффективности собственного чипа на ватт становится для Meta не менее важным, чем его сырая производительность.

Broadcom и TSMC: кто делает чип в реальности

Дизайн-партнёром Meta по чипу Iris выступает Broadcom — та же компания, которая помогает проектировать TPU для Google и участвует в разработке чипов для Anthropic и OpenAI. Физическое производство возьмёт на себя TSMC, крупнейший контрактный производитель полупроводников в мире. Такая связка — дизайн от Broadcom плюс фабрики TSMC — стала фактическим отраслевым стандартом для гиперскейлеров, желающих получить кастомный чип без создания собственного производства с нуля.

Это также означает, что даже при успехе программы MTIA Meta не станет полностью независимой от внешних партнёров — скорее речь идёт о диверсификации поставщиков и переговорной позиции по отношению к Nvidia, чем о полном импортозамещении вычислительной инфраструктуры. Показательно, что список клиентов Broadcom по кастомным ИИ-чипам фактически совпадает со списком крупнейших претендентов на лидерство в генеративном ИИ — Google, Meta, OpenAI и Anthropic, — что превращает саму Broadcom в одного из ключевых бенефициаров чиповой гонки независимо от того, кто из лабораторий в итоге вырвется вперёд по качеству моделей.

Что означает чиповая гонка для российского рынка ИИ

Для российских ИИ-компаний история с Iris — далёкий, но показательный сигнал: доступ к передовым western-чипам остаётся закрыт из-за санкций, а собственные разработки вроде процессоров «Байкал Электроникс» с поддержкой CUDA только готовятся к продажам к 2030 году. Пока Meta, Google, Amazon и OpenAI одна за другой замыкают цепочку «свой дизайн — TSMC — собственный дата-центр», российским игрокам приходится рассчитывать на параллельный импорт NVIDIA и китайские альтернативы вроде Huawei Ascend, что сохраняет технологическое отставание в вычислительной инфраструктуре ИИ на годы вперёд.

Экономический эффект чиповой гонки также стоит учитывать отдельно: по мере того как Meta, Google и OpenAI снижают стоимость собственного инференса за счёт кастомного кремния, разрыв в себестоимости между западными и российскими ИИ-сервисами будет только увеличиваться. Если американский гиперскейлер получает инференс дешевле за счёт вертикальной интеграции дизайна и производства, а российская компания вынуждена закупать вычисления на GPU по завышенным ценам через параллельный импорт, конкурировать по цене конечного продукта становится всё сложнее — это дополнительный аргумент в пользу того, чтобы отечественные регуляторы и госкорпорации форсировали собственные проекты вроде «Эльбруса» и «Байкала», даже если сроки их выхода на рынок измеряются годами, а не месяцами.

Читать полностью на AI Радар →

Утечки данных через ИИ-сервисы затронули каждую вторую российскую компанию

Совместное исследование UCSB и группы Solar, охватившее 102 российские компании, показало: 50,5% организаций уже столкнулись с утечками конфиденциальных данных через ИИ-инструменты или подозревают об этом, а объём данных, уходящих в публичные LLM, вырос за 2025 год в 30 раз. При этом 63,6% компаний признали нехватку обучения сотрудников и внутренних политик безопасности ИИ.

Что показало исследование UCSB и Solar

Совместное исследование компании UCSB и группы Solar, охватившее 102 российские компании из телекоммуникаций, промышленности, финансов, госсектора, энергетики, транспорта, логистики, ритейла, медицины и строительства, зафиксировало тревожную картину: 50,5% организаций либо подтвердили утечку конфиденциальных данных через ИИ-инструменты, либо подозревают, что она уже произошла. Из них 42,4% — это только подозрения без подтверждённых случаев, и лишь 8,1% компаний столкнулись с реально зафиксированным инцидентом.

Руководитель направления безопасности UCSB Евгений Тодышев отметил: «Многие компании внедряют ИИ быстрее, чем выстраивают контроль над ним... без встроенных регламентов и постоянного обучения команды любое решение остаётся полумерой». По данным исследования, объём корпоративных данных, попадающих в публичные LLM, вырос за 2025 год в 30 раз по сравнению с предыдущим годом.

Почему утечки происходят: от рядового сотрудника до корпоративного агента

Директор по продукту компании IT Task Михаил Тимаев поясняет механику проблемы предельно просто: «Когда сотрудники отправляют внутренние документы и фрагменты кода в публичные LLM, организация теряет контроль над обработкой и хранением данных». В большинстве случаев речь идёт не о злонамеренных действиях, а о рутинной практике — сотрудник копирует фрагмент договора или кусок кода в чат-бот, чтобы получить более быстрый ответ или ускорить рутинную задачу, не задумываясь, где и как эти данные будут храниться и переиспользоваться дальше.

Отдельный риск связан с внедрением корпоративных ИИ-агентов, которые получают доступ к внутренним базам данных, почте и CRM-системам «по умолчанию» — без разграничения прав и аудита того, какие именно данные агент реально запрашивает и передаёт наружу для обработки. Наибольшую тревогу у исследователей вызывают именно распределённые многошаговые агенты: если раньше сотрудник вручную решал, какой фрагмент текста скопировать в чат-бот, то агент, работающий автономно по цепочке задач, может самостоятельно «дотянуться» до документов, к которым у самого сотрудника не было прямого повода обращаться в рамках конкретного запроса.

8,1% против 42,4%: разрыв между подозрением и подтверждённым инцидентом

Исследователи обращают особое внимание на разрыв между долей компаний, подозревающих утечку (42,4%), и долей тех, кто реально её подтвердил (8,1%). По мнению авторов исследования, этот разрыв — не повод для оптимизма, а, наоборот, признак незрелости мониторинга: компании чувствуют, что что-то не так, но не располагают инструментами, чтобы это доказать или локализовать. Директор по развитию Solar Анастасия Хвещеник формулирует запрос бизнеса так: «Бизнес хочет управляемого внедрения ИИ без потери контроля над данными и без потери скорости команды».

При этом только 66,7% компаний применяют хотя бы одну специализированную меру защиты от утечек через ИИ-сервисы — остальная треть работает вообще без какого-либо контроля этого канала, полагаясь на общие политики информационной безопасности, не адаптированные под специфику генеративных моделей.

Что делать бизнесу: рекомендации и первые шаги

Опрошенные эксперты сходятся в том, что 63,6% компаний, признавших нехватку обучения сотрудников и внутренних AI Security policy, — это главный рычаг для быстрого улучшения ситуации: базовое обучение персонала правилам работы с публичными LLM снижает риск случайных утечек кратно дешевле, чем внедрение специализированных DLP-решений постфактум. Вторым шагом эксперты называют внедрение корпоративных шлюзов для доступа к ИИ-сервисам — прокси, фильтрующих исходящий трафик и блокирующих отправку персональных данных, финансовой информации и исходного кода во внешние модели. Для российских компаний, работающих с персональными данными по 152-ФЗ, это уже не вопрос лучших практик, а прямое требование комплаенса.

Третья рекомендация касается самих ИИ-агентов, встроенных во внутренние системы: авторы исследования советуют внедрять принцип минимально необходимых прав доступа — агент должен получать доступ только к тем базам и документам, которые реально нужны для конкретной задачи, а не ко всей корпоративной инфраструктуре целиком «на всякий случай». Отдельно эксперты рекомендуют вести журнал запросов агентов к внешним LLM-провайдерам, чтобы при первых признаках аномальной активности — например, резком росте объёма исходящих данных — служба безопасности могла оперативно локализовать инцидент, а не узнавать о нём постфактум из отчёта за квартал.

Читать полностью на AI Радар →

OpenAI выпустила голосовую модель GPT-Live-1 — слушает и говорит одновременно

8 июля OpenAI представила GPT-Live-1 и облегчённую GPT-Live-1 mini — первые полнодуплексные голосовые модели компании, способные слушать и говорить одновременно без привычных пауз на обработку речи. GPT-Live-1 стала голосовым режимом по умолчанию для платных подписчиков ChatGPT, mini-версия — для бесплатных пользователей; API-доступ для разработчиков обещан «в ближайшее время».

Что такое полнодуплексная голосовая модель

8 июля 2026 года OpenAI выпустила GPT-Live-1 и облегчённую версию GPT-Live-1 mini — новое поколение голосовых моделей, построенных на полнодуплексной архитектуре. В отличие от предыдущего Advanced Voice Mode, где модель по очереди слушала пользователя, а затем формировала и произносила ответ, GPT-Live-1 обрабатывает входящую речь и генерирует собственную одновременно — так же, как это делают люди в обычном разговоре.

Раньше задержка между окончанием фразы пользователя и началом ответа модели воспринималась как нормальная часть взаимодействия с голосовым ассистентом — примерно так же, как задержка при международном телефонном звонке. Полнодуплексная архитектура убирает этот эффект почти полностью: система непрерывно слушает поток речи и параллельно готовит ответ, что делает диалог визуально и на слух неотличимым от разговора с живым собеседником по громкой связи.

На практике это означает, что модель может вставлять короткие реплики вроде «ага» или «угу», не прерывая собеседника, естественно включаться в диалог внахлёст, замолкать, если пользователю нужна пауза на раздумье, и реагировать на интонацию без задержки в несколько секунд, характерной для предыдущих поколений голосовых ассистентов.

Как GPT-Live-1 меняет голосовой ассистент ChatGPT

Релиз состоялся одновременно на трёх платформах — iOS, Android и ChatGPT.com. GPT-Live-1 стал голосовым режимом по умолчанию для платных подписчиков ChatGPT, а облегчённая GPT-Live-1 mini — для пользователей бесплатного тарифа. Таким образом OpenAI полностью заменила прежний Advanced Voice Mode новой моделью для всей пользовательской базы, а не только для части подписчиков в рамках ограниченного теста.

API-доступ к GPT-Live для разработчиков пока не открыт — компания сообщила, что планирует предоставить его «в ближайшее время», и уже сейчас принимает заявки от компаний и разработчиков, которые хотят получить ранний доступ к интеграции голосовой модели в собственные продукты. Полная замена, а не постепенный A/B-тест, — заметное отличие от того, как OpenAI обычно выкатывала предыдущие голосовые режимы: компания явно уверена в стабильности новой архитектуры и готова сразу отдать её на суд всей аудитории, а не ограниченной группе пользователей.

Делегирование сложных задач фронтир-модели

Один из ключевых архитектурных приёмов GPT-Live-1 — способность «на лету» делегировать сложные запросы более мощной фронтир-модели. Если во время голосового диалога пользователь задаёт вопрос, требующий веб-поиска, глубокого рассуждения или многошаговой работы, GPT-Live-1 передаёт задачу основной модели последнего поколения, дожидается результата и органично встраивает его обратно в разговор — так, чтобы пользователь не заметил паузы или переключения между разными системами.

Именно в этот же день, 8 июля, конкурирующий выпуск сделала и xAI, представив Grok 4.5, а неделей ранее — Meta с Muse Spark 1.1: индустрия голосовых и агентных интерфейсов явно вошла в фазу интенсивной конкуренции между крупнейшими лабораториями.

Почему это важно для российского рынка голосовых ассистентов

Для российского рынка релиз GPT-Live-1 интересен прежде всего как ориентир качества, а не как продукт для прямого внедрения — доступ к ChatGPT в России технически ограничен, и российские компании чаще работают с голосовыми решениями на базе Алисы, GigaChat или специализированных вендоров контакт-центров. Тем не менее полнодуплексная архитектура задаёт новую планку ожиданий пользователей от голосовых интерфейсов: разговор без пауз и заминок становится стандартом, к которому со временем придётся подтягиваться и отечественным голосовым ассистентам, особенно в сегменте автоматизации колл-центров и клиентской поддержки, где счёт идёт на секунды удержания клиента на линии.

Для российских разработчиков голосовых продуктов ключевой практический вывод — не столько сама модель, сколько подтверждение тренда: полнодуплексная обработка речи и делегирование сложных запросов фронтир-модели становятся отраслевым стандартом, а не экспериментальной функцией одного вендора. Компании, которые сейчас строят голосовые IVR-системы и AI-операторов для банков, телекома и ритейла, получают ясный сигнал — в ближайшие один-два года пользователи, привыкшие к голосовому режиму ChatGPT или аналогичным решениям, будут воспринимать заминки в две-три секунды у отечественных ассистентов как признак устаревшей технологии, а не техническую особенность. Это создаёт дополнительное конкурентное давление на разработчиков вроде MTS AI, Sber Devices и Yandex, которым придётся ускорять переход собственных голосовых движков на полнодуплексную архитектуру.

Читать полностью на AI Радар →