GPT с миллионным контекстом, провальная Llama 4 и открытие исходного кода AlexNet: главные события апреля в области ИИ

Пока большие модели соревнуются в увеличении контекстных окон, а их создатели — в маркетинговой находчивости, мы продолжаем следить за наиболее важными событиями в мире ИИ. В апреле OpenAI выкатила сразу несколько GPT — от флагманов до микроскопических версий. Anthropic наконец научила Claude гуглить и разослала его в университеты. Midjourney вернулась в строй, а Google устроила парад апдейтов — от визуального поиска до генерации кино.

В нашем традиционном дайджесте — главные новости, свежие исследования и полезные AI-инструменты: от агентов на любой вкус ^[1] и цвет до ИИ-тренера по флирту. Ну что, поехали?

Навигация

Свежие релизы ^[2]

• Обновления от OpenAI ^[2]

• А что у Anthropic? ^[3]

• Google: одна модель хорошо, а дюжина обновлений лучше ^[4]

• Llama 4: гигантские цифры и скромные результаты ^[5]

• Midjourney превращается в ИИ-фигму с запуском V7 ^[6]

• Qwen-3: больше, быстрее, гибриднее ^[7]

• Amazon представляет Nova Act — агента, который реально что-то делает ^[8]

• xAI: память для Grok и зрение для распознавания объектов ^[9]

• Perplexity расширяется: Telegram-бот и голосовой ассистент для iOS ^[10]

Новости от лидеров индустрии ^[11]

• LM Arena: обновление интерфейса, корпоративные планы и борьба с эмоциональными манипуляциями ^[11]

• OpenAI: рост на стероидах и бешеные прогнозы ^[12]

• Anthropic: интерпретируемость и сознание ^[13]

• Google выпускает TPUv7s: чип Ironwood для эпохи инференса ^[14]

Интересные открытия ^[15]

• Прогноз: энергопотребление ИИ увеличится в 4 раза к 2030 году ^[15]

• Tinder запускает ИИ-функцию для оценки навыков флирта ^[16]

• Открытие исходного кода AlexNet: ключевая веха в истории ИИ ^[17]

Новые инструменты ^[18]

• Для разработки ^[18]

• Для дизайна и контента ^[19]

• Для обучения и развлечений ^[20]

Исследования на почитать ^[21]

Заключение ^[22]

Свежие релизы

Обновления от OpenAI

Новое семейство GPT-4.1: ставка на код и длинный контекст

OpenAI выпустила ^[23] тройку новых моделей: GPT-4.1, GPT-4.1 mini и GPT-4.1 nano — и они доступны исключительно через API (на радость разработчикам и к огорчению обычных пользователей ChatGPT). Главная фишка — контекстное окно в миллион токенов для всех трех моделей, что для OpenAI настоящий прорыв. А еще значительный апгрейд в программировании: на бенчмарке SWE-bench флагманская GPT-4.1 набирает внушительные 55%, обгоняя даже специализированную o1 high (41%) и опережая GPT-4o на целых 21,4%.

Цены также порадуют кошельки пользователей — GPT-4.1 обойдется в $2 за миллион входящих и $8 за миллион исходящих токенов, что заметно дешевле предшественников. А уж nano-версия и вовсе стоит копейки: $0,10 и $0,40 соответственно. 

Вместе с новыми моделями компания выпустила обновленный гайд по промпт-инжинирингу, где наконец раскрыла секрет работы с длинным контекстом. Обобщая: если у вас большой объем данных с инструкциями, лучше размещать инструкции и в начале, и в конце промпта. Если же приходится экономить токены — приоритет отдаем началу. Читаем гайд тут ^[24].

Модели для рассуждений o3 и o4-mini: мощь и споры

После долгих месяцев ожидания OpenAI наконец выпустила ^[25] полноценную o3 и более компактную o4-mini. Обе модели отлично справляются со сложными рассуждениями: o3 демонстрирует 88,9% на математическом бенчмарке AIME 2025, а o4-mini удивляет еще более впечатляющим результатом в 92,7%. Более того, обе модели получили мультимодальные способности и специально обучены использованию инструментов вроде поиска и интерпретатора кода. Да и ценник радует — o3 стоит дешевле o1 ($10 и $40 за миллион токенов против $15 и $60), а o4-mini вообще всего $1,1 и $4,4 за миллион токенов.

Троица полезных обновлений: от командной строки до глобальной памяти

OpenAI преподнесла разработчикам настоящий подарок, выпустив в открытый доступ Codex ^[27] (да, вы не ослышались, опенсорс от OpenAI) — агента для командной строки под лицензией Apache 2.0. Теперь ваш терминал превращается в среду программирования на естественном языке буквально одной командой: npm install -g @openai/codex. По умолчанию агент спрашивает разрешения на каждое действие, но для любителей экстрима есть полностью автономный режим. 

Следом пришла хорошая новость для бережливых пользователей — облегченная версия Deep Research на базе o4-mini станет доступна ^[28] даже бесплатным аккаунтам. Ответы в этой версии стали компактнее, но качество обещают сохранить на достойном уровне.

В завершение трилогии обновлений ChatGPT получил глобальную память ^[29]. Раньше система запоминала только избранную информацию из предыдущих бесед, теперь же помнит все переписки полностью. 

Модель может ссылаться на прошлые разговоры и учитывает высказанные предпочтения и интересы пользователя — своего рода RAG на стероидах. Впрочем, доступно это счастье только подписчикам Pro и Plus.

А что у Anthropic?

Research и Google Workspace

Claude наконец-то научился гуглить! После долгих месяцев ожидания Anthropic добавила своему ассистенту функцию Research ^[31] — мощный инструмент для поиска информации в интернете и рабочих документах. В отличие от простого поиска, Claude действует как агент: проводит серию последовательных запросов, выстраивая логические цепочки и исследуя разные аспекты вопроса.

Вместе с Research появилась интеграция с Google Workspace, и теперь Claude может заглядывать в вашу почту, календарь и документы. Конечно, не обошлось без оговорок: Research пока доступен только подписчикам Max, Team и Enterprise в США, Японии и Бразилии. 

Claude for Education: когда ИИ становится преподавателем (а студенты всё равно находят способ списать)

Anthropic представила ^[32] Claude for Education — специализированную версию своего ассистента для высших учебных заведений. Главная фишка — режим Learning, который не выдает готовые ответы, а использует метод сократической беседы, задавая наводящие вопросы и развивая критическое мышление ^[33]. 

Параллельно Anthropic провела ^[34] любопытное исследование, проанализировав 574 740 учебных чатов с помощью автономной системы Clio (никаких утечек личных данных). Результаты не удивили никого, кроме самих исследователей: больше всего ИИ пользуются будущие айтишники (38,6% всех диалогов). Самые популярные запросы? Написание и отладка кода на C++ и Python, а также помощь с понижением плагиата. Что действительно забавно (хоть и не удивительно) — примерно в половине случаев студенты просят не «объясни мне», а «сделай за меня». 

Пилотный запуск стартовал в Северо-Восточном университете, Лондонской школе экономики и колледже Шамплейн. Все студенты и преподаватели этих учреждений получат полный доступ к Claude и Learning Mode. Остальным доступ открыт только с почтовым адресом на домене .edu.

Claude Max: $200 в месяц за неограниченный доступ к мудрости

Вслед за OpenAI с их ChatGPT Pro, Anthropic запустила премиальную подписку Claude Max ^[35] — для тех, кому обычных лимитов катастрофически не хватает. Предлагается два варианта: $100 в месяц с лимитами в 5 раз выше, чем у Pro, и $200 в месяц с лимитами в 20 раз выше. Помимо расширенных квот, подписчики Max получают приоритетный доступ к новым моделям и функциям.

В интервью TechCrunch ^[36] представитель Anthropic не исключил появления еще более дорогих тарифов, уклончиво отметив, что компания «всегда рассматривает различные варианты». Видимо, разработка моделей с повышенными способностями к рассуждениям — удовольствие не из дешевых, и, похоже, со временем это отразится и на пользовательских тарифах.

Google: одна модель хорошо, а дюжина обновлений лучше

Gemini 2.5 Flash: быстрый ризонер с контролем бюджета

Google выпустила Gemini 2.5 Flash ^[37] — первую полностью гибридную модель с ризонингом, которая сама контролирует продолжительность своих «размышлений». Главная фишка — разработчики могут настраивать бюджет ризонинга вручную, выбирая оптимальный баланс между качеством, стоимостью и латентностью.

Модель демонстрирует результаты не хуже Claude 3.7 Sonnet и DeepSeek R1, уступая лишь o4-mini и Grok-3. Зато по соотношению цена/качество конкуренты нервно курят в сторонке: всего $0,15 за миллион входящих и $0,60 за миллион исходящих токенов (с ризонингом — $3,5). Доступна для тестирования в Google AI Studio.

Параллельно Deep Research интегрирован с новейшей Gemini 2.5 Pro — моделью, которая сейчас занимает первые места на LM Arena и бенчмарках по математике ^[39] и кодингу. С такими возможностями поисковые системы скоро могут отправиться на покой.

Veo 2: генератор видео для народа (с подпиской Gemini Advanced)

Google выпустила ^[40] Veo 2 для подписчиков Google One AI Premium (Gemini Advanced) — модель для создания «кинематографически реалистичных» видео. С ее помощью можно генерировать 8-секундные ролики в разрешении 720p в формате 16:9, выбрав Veo 2 из выпадающего меню и введя текстовый промпт.

Процесс создания прост: описываете сцену, которую хотите создать, и Gemini воплощает ваши идеи. В новой версии появились крутые функции редактирования: inpainting (автоматическое удаление ненужных объектов), outpainting (расширение кадра с добавлением сгенерированного содержимого) и кинематографические пресеты, задающие композицию, ракурсы камеры и темп в финальном результате. На мобильных устройствах удобно делиться результатами в TikTok и YouTube Shorts.

Параллельно запущен Whisk Animate — инструмент, позволяющий превращать изображения в 8-секундные анимированные клипы с помощью той же технологии Veo 2. Функция доступна для тех же подписчиков в более чем 60 странах. Обе новинки имеют ежемесячный лимит на количество генераций, но система обещает уведомлять, когда вы к нему приближаетесь. И да, все видео содержат водяные знаки SynthID.

AI Mode и Gemini Live: теперь с глазами

ИИ-поиск на базе Gemini получил ^[41] мультимодальные возможности: теперь можно загрузить фотографию или сделать снимок, задать вопрос и получить подробный ответ со ссылками для углубления. Система объединяет возможности визуального поиска Lens с продвинутой версией Gemini.

В отличие от обычного визуального поиска, AI Mode понимает весь контекст изображения, включая взаимосвязи между объектами и их характеристики. Используя технику «query fan-out», система запускает несколько запросов об изображении в целом и отдельных объектах на нем, обеспечивая более глубокий и контекстуально релевантный ответ.

Функция доступна в приложении Google (Android и iOS) для подписчиков Google One AI Premium и постепенно открывается для аудитории программы Search Labs.

Параллельно Google запустила Gemini Live ^[42] для пользователей Android — функцию, которая позволяет делиться изображением с камеры или экраном смартфона с ассистентом. Gemini анализирует происходящее и отвечает на вопросы в реальном времени. Можно использовать его как навигатор, распознаватель объектов или помощника при чтении статей. 

Firebase Studio: генерируем и анализируем

Google включилась в гонку «вайб-кодинга» с Firebase Studio ^[43] — облачной средой разработки, позволяющей создавать полноценные приложения с помощью естественного языка и изображений. Вместо ручного написания кода пользователи описывают, что хотят получить, и система генерирует рабочий прототип за секунды.

Инструмент поддерживает популярные фреймворки и языки: React, Next.js, Flutter, Python и Java. Все работает в облаке — не нужно переключаться на внешнюю IDE для доработки. Ранние тесты показали, что инструмент может генерировать функциональные веб-сайты просто из текстовых промптов. Собеседования в IT-компании становятся все интереснее и интереснее.

Llama 4: гигантские цифры и скромные результаты

Meta выпустила новое семейство Llama 4 ^[44] — аж в трех размерах: Scout (109B), Maverick (400B) и Behemoth (невероятные 2T параметров, и нет, это не опечатка). Все модели используют архитектуру Mixture-of-Experts, где каждый токен обрабатывается только частью нейронов. Scout может похвастаться контекстом в 10 миллионов токенов (в теории), Maverick довольствуется «всего лишь» миллионом, а Behemoth пока в процессе обучения ^[45].

Под капотом весьма интересные технические решения: early fusion для объединения текста и изображений, MetaCLIP в качестве vision-энкодера и pretrain на впечатляющих 30 триллионах токенов с использованием 32К GPU. Все три модели мультимодальные, поддерживают несколько языков и претендуют на высокие места в рейтингах.

Но не спешите аплодировать. Пользователи массово жалуются на качество моделей, особенно в задачах программирования. Недовольство достигло такого уровня, что многие начали сомневаться в честности рейтинга на LM Arena. Организаторам площадки пришлось опубликовать ^[46] более 2000 реальных баттлов, чтобы доказать легитимность. 

И тут всплыл интересный факт: версия Maverick на арене оказалась специально кастомизированной под оптимизацию человеческих предпочтений, а публичная версия заметно слабее. Еще один сюрприз — тесты на независимых бенчмарках показали, что Scout с заявленным контекстом 10M токенов может работать хуже, чем GPT-4o, DeepSeek R1 и даже Gemma 3 с их скромными 128К. 

Midjourney превращается в ИИ-фигму с запуском V7

Midjourney выпустила ^[47] долгожданную V7, и это не просто очередное обновление — похоже, платформа всерьез решила эволюционировать в полноценный инструмент дизайна. Главное нововведение (помимо традиционных улучшений в качестве, фотореализме и анатомии) — режим набросков. Работает он в 10 раз быстрее обычного, стоит вдвое дешевле и включает голосовой conversational mode: просто наговариваете свои идеи, пока модель в реальном времени создает и уточняет эскиз.

Впервые в Midjourney появилась персонализация по умолчанию — потратьте 5 минут на небольшой опрос, и модель будет гораздо точнее понимать ваши вкусы и предпочтения. Полностью обновился ^[49] и редактор изображений с поддержкой слоев, умным выделением объектов и возможностью импорта нескольких изображений для создания коллажей. 

Пока модель доступна в двух версиях (Turbo и Relax) в режиме альфа-тестирования с обещанием регулярных обновлений в ближайшие недели. Разработчики честно предупреждают, что это «полностью новая модель с уникальными сильными сторонами и, вероятно, несколькими слабостями», поэтому привычные промпты могут работать иначе. 

Qwen-3: больше, быстрее, гибриднее

Alibaba выпустила Qwen-3 ^[50] — новое семейство языковых моделей с открытыми весами на любой вкус (уже на Github ^[51] и Hugging Face ^[52]). В релиз вошли 2 MoE-модели (Qwen3-235B-A22B и Qwen3-30B-A3B) и 6 плотных моделей от 0,6B до 32B параметров. При этом флагманская модель с 235B параметров (из которых активны только 22B) показывает результаты на уровне Gemini 2.5 Pro, Grok-3, o1 и DeepSeek R1.

Все модели — полу-ризонеры с контролируемым режимом мышления. Они мультиязычные (поддерживают 119 языков, включая русский), но не мультимодальные. Зато улучшены агентные способности для поиска в браузере и использования интерпретатора, а также добавлена поддержка MCP.

Обучение проходило в три этапа: сначала на 30 триллионах токенов с контекстом 4K, затем на сложных научных текстах (5T токенов), и наконец на длинных контекстах до 32K. Пост-трейнинг включал файн-тюнинг на CoT и несколько стадий RL. Интересно, что модели до 30B обучали методом дистилляции из больших моделей — экономия, которой стоит поучиться.

Пробуем тут ^[53].

Amazon представляет Nova Act — агента, который реально что-то делает

Amazon показала Nova Act ^[54] — новую ИИ-модель, обученную не болтать, а выполнять конкретные действия в веб-браузерах. Вместо очередного чат-бота, который разговаривает или ищет информацию, Nova Act может подавать заявки на отпуск, блокировать слоты в календаре и даже заказывать обеды — всё через прямое взаимодействие с браузером.

Особый акцент сделан на надежности — компания утверждает, что агентам нужна не способность выдавать впечатляющие демо, а стабильная работа в реальных условиях.

Хотя протестировать самого агента пока нельзя, Amazon открыла доступ к Nova Act SDK через nova.amazon.com ^[56]. Ключевая особенность этой библиотеки — возможность разбивать сложные рабочие процессы на атомарные команды (клик, поиск, ввод пароля) и добавлять к ним уточняющие инструкции, вызывать API или даже использовать прямую автоматизацию браузера через Playwright. 

xAI: память для Grok и зрение для распознавания объектов

xAI добавила ^[57] функцию «памяти» в своего чат-бота Grok, постепенно догоняя конкурентов вроде ChatGPT и Gemini. Теперь Grok помнит детали из прошлых разговоров и может давать более персонализированные рекомендации, основываясь на ваших предпочтениях. Функция доступна в бета-режиме, но не для пользователей из ЕС и Великобритании (кто бы сомневался).

В компании подчеркивают, что «воспоминания прозрачны» — вы можете видеть, что именно Grok о вас знает, и выборочно удалять любую информацию. Отключить функцию полностью можно на странице Data Controls в настройках. 

Параллельно анонсирован ^[58] GrokVision — инструмент, позволяющий наводить камеру телефона на предметы, знаки и документы, чтобы задавать о них вопросы. Похоже, Илон Маск твердо решил догнать конкурентов, пусть и с опозданием в несколько месяцев.

Perplexity расширяется: Telegram-бот и голосовой ассистент для iOS

Perplexity продолжает ^[59] расширять каналы доступа к своему ИИ-ассистенту. СЕО компании объявил о запуске официального бота @askplexbot в Telegram, который можно использовать совершенно бесплатно. Бота можно добавлять в любые чаты и тегать для получения ответов на вопросы — примерно как Grok в X, только без претензий на юмор ^[60] и противоречивые высказывания.

Одновременно анонсирован ^[61] голосовой ассистент для iOS с впечатляющими возможностями: использование браузера, управление некоторыми приложениями, отправка писем, создание бронирований, управление календарем и проигрывание медиа-контента (включая подкасты и YouTube). 

Новости от лидеров индустрии

LM Arena: обновление интерфейса, корпоративные планы и борьба с эмоциональными манипуляциями

LM Arena готовится к серьезным переменам. Во-первых, платформа тестирует обновленный интерфейс, напоминающий ChatGPT: с возможностью просматривать историю диалогов, более интуитивной навигацией по лидербордам и упрощенной системой отправки баг-репортов (пробуем тут ^[62]). 

Во-вторых, разработчики планируют превратить LM Arena из сообщества энтузиастов в полноценную компанию. 

Но самое интересное — появление новой функции Sentiment Control ^[63]. Она выявляет, насколько сильно пользователи поддаются на эмоциональные уловки моделей. Оказывается, люди часто голосуют не за более умные, а за более позитивные и льстивые ответы. После очистки от лести и прочего некоторые модели заметно меняют свои позиции: Claude-3.7-Sonnet и o1 поднимаются в рейтинге, а Grok-3, Gemma-3 и Llama-4-exp опускаются.

Интересно, что анализ показал неожиданную закономерность: очень негативные ответы иногда побеждают негативные (65%) и нейтральные (54%). Это происходит, когда пользователи сами просят модель вести себя агрессивно или саркастично. Нейтральный тон проигрывает практически всем, кроме негативного, а «очень позитивные» ответы доминируют над всеми, выигрывая у негативных в 78% случаев, что подтверждает общую тенденцию: люди предпочитают любую эмоциональность сухим и фактическим ответам.

OpenAI: рост на стероидах и бешеные прогнозы

OpenAI преодолела отметку в 800 миллионов пользователей — это каждый десятый житель планеты. За 2024 год количество еженедельно активных пользователей выросло в 4 раза. Только за неделю после запуска функции генерации изображений ею воспользовались ^[64] 130 миллионов человек (почти население России). Пользователи нагенерировали более 700 миллионов картинок.

Сэм Альтман хвастался, что на пике прироста компания регистрировала миллион новых пользователей в час. Для сравнения: когда ChatGPT запускался два года назад, это был показатель за 5 дней. Оплачиваемых подписок на ChatGPT тоже заметно прибавилось — их число выросло на 30% за квартал (с 15,5 до 20 миллионов). Соответственно, на 30% выросла и ежемесячная выручка: с $333 млн до $415 млн.

Компания, недавно оцененная в $300 млрд после раунда финансирования на $40 млрд во главе с SoftBank, прогнозирует утроение выручки до $12,7 млрд в 2025 году. А к 2026 году OpenAI рассчитывает генерировать $29,4 млрд.

Anthropic: интерпретируемость и сознание 

Дарио Амодеи опубликовал ^[66] эссе о критической важности интерпретируемости моделей. По его мнению, в ближайшие годы ученые обязательно должны решить эту проблему.

«К 2026–2027 годам ИИ достигнет уровня, сопоставимого со страной гениев в дата-центре. Даже небольшое преимущество в 1–2 года может сыграть решающую роль», — предупреждает Амодеи.

Он настаивает, что без понимания внутренних механизмов ИИ мы не сможем предотвратить обманы, саботажи, стремление моделей к власти и любое другое непреднамеренное поведение ^[67].

В дополнение ко всему компания запускает программу ^[68] изучения возможного сознания в моделях. Хотя убедительных доказательств пока нет, в Anthropic не исключают их появления и начинают исследовать «model welfare» — благосостояние моделей.

Программу возглавляет известный ученый Кайл Фиш, который оценивает вероятность того, что Claude или другой ИИ уже обладает сознанием, в 15%. Впрочем, официальная позиция компании гораздо осторожнее.

Google выпускает TPUv7s: чип Ironwood для эпохи инференса

Google представила TPUv7s ^[69] (кодовое название Ironwood) — свой седьмой по счету тензорный процессор и первый, спроектированный специально для инференса. В компании называют его «самым мощным, производительным и энергоэффективным TPU на сегодняшний день».

Характеристики впечатляют: 192 ГБ видеопамяти на чип, пропускная способность памяти ^[70] 7,2 ТБ/с (в 4,5 раза больше, чем у предшественника). Пиковая производительность примерно в 10 раз выше, чем у TPUv5, а энергоэффективность вдвое лучше.

Чип можно масштабировать до 9 216 жидкостно-охлаждаемых устройств. При полной конфигурации такая система выдает 42,5 экзафлопс — в 24 раза больше, чем у крупнейшего в мире суперкомпьютера El Capitan. Именно на этих чипах сейчас работают модели вроде Gemini 2.5 и AlphaFold.

С такими характеристиками Google явно нацелилась на территорию Nvidia. Впрочем, ключевое отличие — TPU доступны только в облаке Google, тогда как чипы Nvidia можно купить и установить в свой дата-центр. Ironwood будет доступен клиентам Google Cloud позднее в этом году.

Интересные открытия

Прогноз: энергопотребление ИИ увеличится в 4 раза к 2030 году

К концу десятилетия ИИ-датацентры будут потреблять почти столько же энергии, сколько сегодня расходует вся Япония. По прогнозам ^[71] Международного энергетического агентства (IEA), глобальное потребление электроэнергии датацентрами увеличится больше чем в два раза к 2030 году, а спрос со стороны специализированных ИИ-объектов и вовсе вырастет четырехкратно.

Для сравнения: один современный датацентр потребляет столько же электричества, сколько 100 000 домохозяйств. А некоторые из строящихся объектов будут требовать в 20 раз больше энергии. В США обработка данных (в основном для ИИ) к 2030 году будет потреблять больше электричества, чем производство стали, цемента, химикатов и всех остальных энергоемких товаров вместе взятых.

Однако опасения, что стремительное развитие ИИ перечеркнет надежды на борьбу с климатическим кризисом, «преувеличены», считают авторы доклада. Использование ИИ для оптимизации энергопотребления и других видов деятельности может компенсировать его собственные аппетиты. Правда, без жесткого регулирования компании, скорее всего, пойдут по пути наименьшего сопротивления, используя самые доступные источники энергии — включая газовые, а то и угольные электростанции.

Tinder запускает ИИ-функцию для оценки навыков флирта

Когда дела на рынке онлайн-знакомств идут настолько плохо, что Tinder представляет ^[73] ИИ-персонажей для флирта, самое время задуматься. Компания анонсировала новую игру на базе технологий OpenAI, позволяющую пользователям взаимодействовать с ИИ-ботом, чтобы практиковать свои навыки заигрывания, проигрывать сценарии знакомств и получать оценки с предложениями по улучшению.

В игре The Game Game пользователям предлагается колода карт, каждая с разным ИИ-персонажем и сценарием. Участникам нужно использовать голос, чтобы пофлиртовать и добиться свидания с ботом. По итогам их оценивают по трехбалльной шкале смайликов-огоньков. Компания уверяет, что это просто развлечение и не более, но все мы помним фильм «Бегущий по лезвию 2049».

Открытие исходного кода AlexNet: ключевая веха в истории ИИ

Компьютерный музей истории (CHM) в сотрудничестве с Google опубликовал ^[74] исходный код AlexNet — нейросети, запустившей в 2012 году современную эру ИИ. Нейронная сеть, созданная Джеффри Хинтоном и его аспирантами Алексом Крижевски и Ильей Суцкевером, произвела революцию в компьютерном зрении ^[75] и до сих пор считается одним из переломных моментов в развитии искусственного интеллекта ^[76].

Переговоры о публикации кода велись пять лет. Хотя в интернете существует множество репозиториев с кодом под названием AlexNet, большинство из них являются воссозданиями на основе знаменитой статьи, а не оригинальным кодом. Теперь же доступна аутентичная версия 2012 года, положившая начало современной эпохе глубокого обучения. Код доступен на GitHub-странице ^[77] музея.

Новые инструменты

Инструменты для разработки

Devin 2.0 ^[78]: Обновленная версия ИИ-программиста теперь позволяет запускать несколько агентов параллельно, имеет встроенный браузер для тестирования и показывает план работы перед выполнением задачи. Вдобавок создает подробную документацию на лету и предлагает специальные режимы для поиска по кодовой базе — всё это за $20 в месяц.

Agent2Agent ^[79]: Протокол от Google для безопасного взаимодействия между ИИ-агентами разных платформ. Теперь ваши цифровые помощники могут общаться напрямую, образуя целые команды в корпоративной среде.

pgledger ^[80]: Полноценная реализация бухгалтерской книги внутри PostgreSQL. Теперь можно вести финансовый учет, не выходя из любимой базы данных.

Versatile OCR Pipeline ^[81]: Мультимодальный OCR-конвейер, оптимизированный для тренировки моделей машинного обучения. Распознает текст, формулы, таблицы и рисунки.

dayplot ^[82]: Простая в использовании Python-библиотека для создания календарных тепловых карт на базе matplotlib. 

Local Deep Research ^[83]: Проводит итеративный анализ с использованием локальных или облачных LLM для создания исследовательских отчетов. Бесшовно интегрируется с PubMed, arXiv и Semantic Scholar.

GitDiagram ^[84]: Превращает любой GitHub-репозиторий в интерактивную диаграмму буквально за секунды. 

Oxy ^[85]: Опенсорсный фреймворк для агентной аналитики, применяющий принципы жизненного цикла разработки ПО к аналитике на базе ИИ. 

plumber2 ^[86]: Полный перезапуск пакета plumber для создания мощных веб-API в R. 

GeoAI ^[87]: Набор инструментов для обработки, анализа и визуализации геопространственных данных с использованием передовых методов машинного обучения. 

WhoDB ^[88]: Легковесный исследователь данных нового поколения для Postgres, MySQL, SQLite, MongoDB, Redis и других баз с чат-интерфейсом. 

SQLite File Format Viewer ^[89]: Инструмент для изучения внутренней структуры файлов баз данных SQLite. 

Pydantic Evals ^[90]: Фреймворк для систематического тестирования и оценки производительности систем на базе LLM. Потому что «вроде работает» уже не считается адекватным методом тестирования ИИ-систем.

PDF craft ^[91]: Конвертирует PDF-файлы в различные другие форматы, специализируясь на обработке сканированных книг. Решает проблему, которая существует уже лет 20, но почему-то до сих пор остается актуальной.

Exponent ^[92]: ИИ-агент для программирования и инженерных задач. Находится в раннем доступе.

Инструменты для дизайна и контента

Kling AI 2.0 ^[93]: Генерация и редактирование видео и изображений, позволяющая создавать визуальный контент с минимальными усилиями. 

AI Infographics ^[94]: Превращает текст в красивую инфографику, которой не стыдно поделиться. 

WordPress.com ^[95] AI site builder ^[96]: ИИ-инструмент для быстрого создания базовых сайтов с автоматически генерируемым контентом и дизайном. Правда, для сложных интернет-магазинов пока не подходит и требует платного хостинга.

Krea AI ^[97]: Редактирование изображений с помощью естественного языка в Krea Chat. 

Инструменты для обучения и развлечений

FluentSubs ^[98]: Альтернатива DuoLingo, использующая новости и вирусные клипы для обучения иностранным языкам.

Ai2 Paper Finder ^[99]: Инструмент на базе LLM для поиска научных статей, имитирующий навыки исследователя. Справляется с нюансированными, сложными запросами без необходимости упрощения ключевых слов — незаменим для глубоких погружений в литературу.

Grimo ^[100]: Инструмент для написания текстов с мультимодальными возможностями ИИ. 

Zycko ^[101]: Позволяет создавать, настраивать и делиться мощными шаблонами промптов буквально за секунды. 

Исследования на почитать

Практические руководства

Практический гайд по разработке агентов от OpenAI ^[102]

О чем: 32-страничное пособие от инженеров продуктовых команд OpenAI с теоретическими основами, шаблонами проектирования и лучшими практиками для создания, развертывания и мониторинга ИИ-агентов. Идеальное чтение для тех, кто устал от агентов, которые делают всё, кроме того, что нужно.

Гайд по вайб-кодингу от Anthropic ^[103]

О чем: Anthropic выпустила 23-страничный гайд по вайб-кодингу — подробное руководство о том, как программировать с помощью ИИ-агентов (особенно Claude Code). Документ включает советы, лучшие практики, примеры, антипримеры и готовые промпты. Особое внимание ^[104] уделяется безопасности данных и мульти-агентным процессам. Полезно для тех, кто ежедневно использует ИИ для разработки.

Искусственный интеллект в общем и целом

Достижения и вызовы в области фундаментальных агентов ^[105]

О чем: Обзор модульной архитектуры интеллектуальных агентов, вдохновленной функциями человеческого мозга ^[106]. Исследователи пытаются сделать ИИ похожим на мозг, при этом до сих пор не до конца понимая, как работает мозг.

Воплощенный ИИ: тенденции и вызовы ^[107]

О чем: Нетехническая работа, кратко характеризующая область воплощенного ИИ, суммирующая достижения и определяющая важные направления для будущих исследований. 

Подход к технической безопасности и защите AGI ^[107]

О чем: Google DeepMind представляет дорожную карту по снижению серьезных рисков от AGI, фокусируясь на технической безопасности и подчеркивая важность надежного обучения и мониторинга. Неплохая попытка успокоить общественность, что они точно не создадут Скайнет.

Проект «Будущее ИИ» ^[108]

О чем: Прогноз от бывшего исследователя OpenAI Дэниела Кокотайло о развитии ИИ до 2027 года с двумя вариантами развития событий. 

Будущее научного письма: ИИ-инструменты, преимущества и этические последствия ^[109]

О чем: Оценка применения ИИ-инструментов (Elicit, Perplexity, Consensus, ChatGPT и Grammarly) для обзора литературы, организации информации и улучшения текстовой ясности в научных работах. Скоро профессора не смогут отличить работы своих студентов от текстов генеративных моделей, и им придется с этим смириться.

Вызовы и возможности для ИИ в аудите ^[110]

О чем: Исследование внедрения ИИ в аудиторских процессах крупных публичных бухгалтерских фирм с акцентом на сложности и перспективы. Аудиторы теперь могут находить ошибки ^[111] в отчетности быстрее, а значит, у финансовых махинаторов остается меньше времени на подготовку оправданий.

Модели и их возможности

Большие языковые модели проходят тест Тьюринга ^[112]

О чем: Недавние исследования показывают, что крупные языковые модели вроде GPT-4.5 и LLaMa-3.1-405B могут пройти тест Тьюринга, когда их просят принять человекоподобную персону, что поднимает важные вопросы об их использовании в социальных и экономических контекстах. 

Доказательство или блеф? Оценка LLM на математической олимпиаде США 2025 ^[113]

О чем: Современные языковые модели испытывают трудности со строгими математическими рассуждениями и генерацией доказательств, достигая менее 5% точности на задачах математической олимпиады США 2025 года. 

Никаких слонов: прорывы в генерации изображений ^[114]

О чем: Недавние достижения Google и OpenAI в мультимодальной генерации изображений позволяют ИИ создавать визуальный контент с большей точностью и креативностью, поднимая важные вопросы о креативном авторстве и будущем визуальных медиа. Художники и дизайнеры продолжают нервно смеяться, говоря, что «всё в порядке».

Liquid: языковые модели как масштабируемые и унифицированные мультимодальные генераторы ^[115]

О чем: Liquid представляет масштабируемую архитектуру только с декодером для мультимодальной генерации, демонстрируя, что большие языковые модели могут эффективно обрабатывать как визуальные, так и языковые задачи с общим словарным пространством. 

FUSION: полная интеграция визуально-языковых представлений ^[116]

О чем: FUSION вводит новую структуру для глубокой интеграции зрения и языка в мультимодальном обучении, используя кодирование зрения с текстовым руководством и контекстно-зависимое выравнивание для улучшения производительности. 

Seaweed-7B: экономичное обучение фундаментальной модели генерации видео ^[117]

О чем: Seaweed-7B опровергает миф о превосходстве гигантов, показывая, как грамотная архитектура и обучение позволяют моделям среднего размера конкурировать в генерации видео.

Планирование и рассуждение

M1: к масштабируемым вычислениям во время тестирования с моделями рассуждения Mamba ^[118]

О чем: M1, гибридная модель рассуждения, достигает производительности, сравнимой с большими трансформерными моделями, при трехкратном ускорении пропускной способности вывода за счет эффективной передачи способностей к рассуждению и оптимизации использования памяти. 

S1-Bench: простой бенчмарк для оценки способности к «мышлению первого типа» ^[119]

О чем: S1-Bench оценивает способности крупных моделей рассуждения к «мышлению первого типа» (быстрому, интуитивному), выявляя их неэффективность и проблемы с точностью на простых задачах, несмотря на продвинутые возможности рассуждения. 

Бенчмарки и оценка

PaperBench: оценка способности ИИ воспроизводить исследования в области ИИ ^[120]

О чем: PaperBench — бенчмарк для оценки способности ИИ-агентов автономно воспроизводить современные исследовательские работы по машинному обучению, с комплексной системой оценки и вспомогательным методом оценки на основе LLM-судей. 

OpenAI открывает исходный код BrowseComp ^[121]

О чем: BrowseComp — новый бенчмарк от OpenAI для оценки способности ИИ-агентов просматривать веб и извлекать сложную информацию, выявляющий существенные пробелы в производительности текущих моделей по сравнению с человеческими возможностями. 

RoboVerse: платформа для обучения роботов ^[122]

О чем: RoboVerse — это масштабируемая платформа для обучения роботов, объединяющая симуляторы, синтетические данные и единые бенчмарки для оценки обобщающей способности моделей.

Архитектура и оптимизация

Семплируй, не ищи: переосмысление выравнивания во время теста ^[123]

О чем: QAlign, новый метод элаймента во время тестирования, улучшает производительность языковой модели путем выборки из оптимального выровненного распределения без необходимости доступа к весам модели. 

Генерация минутного видео с обучением во время тестирования ^[124]

О чем: Слои обучения во время тестирования (TTT), интегрированные в предварительно обученный диффузионный трансформер, позволяют генерировать связные минутные видео со сложным сюжетом. 

OLMoTrace: отслеживание выходных данных языковой модели до обучающих токенов ^[125]

О чем: OLMoTrace — система, отслеживающая выходные данные языковой модели до их обучающих данных с помощью дословного сопоставления и нового параллельного алгоритма.

TransMamba: гибкое переключение между Transformer и Mamba ^[126]

О чем: TransMamba представляет новую структуру, которая гибко переключается между моделями Transformer и Mamba, используя общие параметры, оптимизируя производительность и эффективность для различных длин последовательностей и слоев. 

Масштабирование вычислений во время вывода для сложных задач ^[127]

О чем: Масштабирование вывода улучшает производительность модели на сложных задачах путем выделения большего количества вычислительных ресурсов, но его эффективность варьируется в зависимости от доменов и задач, с уменьшающейся отдачей при увеличении сложности. 

Заключение

На этом наш апрельский дайджест подходит к концу. Как видите, индустрия не собирается останавливаться, а только набирает все новые обороты (и энергетические аппетиты). Во всю складывается ощущение, что наблюдать за индустрией ИИ в 2025 году — это как смотреть фильм о будущем, но без возможности поставить на паузу. 

Оставайтесь с нами, чтобы не пропустить следующие серии этого увлекательного технологического сериала!