Отбираем самое важное из мира ИИ: запуски, технологии и их влияние на бизнес — без воды и рекламы.
8
Новости за неделю
20 мар
Дата публикации
~35 мин
Общее время чтения
ИИ
Тематика
Тема:
🌍
Anthropic · 80 508 чел. · 159 стран · 70 языков
Исследования🏆 Крупнейшее
Anthropic Blog
Anthropic спросила 80 508 пользователей Claude, чего они хотят от ИИ — крупнейшее качественное исследование в истории
Кратко: Anthropic провела недельный опрос 80 508 пользователей Claude.ai из 159 стран на 70 языках с помощью Anthropic Interviewer. Результат: 9 кластеров желаний (лидер — профессиональное превосходство 18,8%), 81% уже получили реальный результат, 13 категорий страхов (топ — ненадёжность 26,7% и угроза рабочим местам 22,3%). Это крупнейшее качественное ИИ-исследование в истории.
Anthropic сделала то, чего раньше никто не делал в таком масштабе: взяла 80 508 живых интервью у пользователей Claude по всему миру. Не опросник с галочками, а полноценный разговор — с уточняющими вопросами, переходами от поверхностных запросов к глубинным ценностям, с анализом противоречий внутри одного человека. Инструментом стал Anthropic Interviewer — специальная версия Claude, настроенная для глубинных бесед. Это крупнейшее качественное исследование с использованием ИИ в истории.
80 508
участников
159
стран
70
языков
81%
уже получили результат
Чего люди хотят от ИИ: 9 кластеров
Когда Anthropic спросила «Если бы вы могли взмахнуть волшебной палочкой — что бы ИИ сделал для вас?», ответы распались на девять чётких групп. Треть всех желаний сводится к одному: освободить пространство для жизни — больше времени, денег, ментального ресурса.
💼
Профессиональное превосходство 18,8%
Освободить от рутины для стратегических задач
🌱
Личная трансформация 13,7%
Рост, здоровье, ментальное благополучие
🗂️
Управление жизнью 13,5%
Организация, планирование, административные задачи
⏰
Свобода времени 11,1%
Больше времени на семью и жизнь вне работы
💰
Финансовая независимость 9,7%
Использовать ИИ как путь к финансовой свободе
🌐
Социальные преобразования 9,4%
Медицина, образование, решение глобальных проблем
🚀
Предпринимательство 8,7%
ИИ как способ запустить бизнес без капитала и найма
📚
Обучение и рост 8,4%
Персональный наставник без осуждения, 24/7
🎨
Творческое самовыражение 5,6%
Создавать, писать, строить что-то новое
5 ключевых напряжений: свет и тень
Самая неожиданная находка исследования: то, чего люди хотят от ИИ, и то, чего они боятся — это одно и то же. Одни и те же возможности порождают и выгоды, и риски. Anthropic назвала это «светом и тенью» — и нашла пять системных напряжений, которые проявляются снова и снова внутри одного человека.
☀️ Свет
Обучение с ИИ
33% отметили реальную пользу
🌑 Тень
Когнитивная атрофия
17% уже замечают деградацию мышления. Учителя — в 2,5 раза чаще среднего.
☀️ Свет
ИИ как помощь в решениях
22% видели реальную пользу
🌑 Тень
Ненадёжность и галлюцинации
37% столкнулись с ошибками ИИ — единственное напряжение, где тень перевешивает свет.
☀️ Свет
Экономия времени
50% — самый популярный реальный результат
🌑 Тень
Иллюзорная продуктивность
18% отмечают: планка ожиданий растёт вместе со скоростью. «Беговая дорожка» ускоряется.
☀️ Свет
Эмоциональная поддержка
16% уже получали её от ИИ
🌑 Тень
Эмоциональная зависимость
12% опасаются зависимости. Самое переплетённое напряжение: получившие поддержку в 3× чаще боятся зависимости.
☀️ Свет
Экономические возможности
28% почувствовали реальные экономические выгоды
🌑 Тень
Экономическое вытеснение
18% уже переживают его. Фрилансеры — в двойственном положении: пользуются и боятся одновременно.
Региональные различия
67% участников выразили позитивное отношение к ИИ — но картина по регионам разительно отличается. Развивающиеся страны видят в ИИ лифт: предпринимательство без капитала, образование без учителей, доступ к экспертизе без денег. Богатые страны — всё больше инструмент управления уже перегруженной жизнью.
🌍 Африка / Юж. Азия
Топ-запрос: предпринимательство и обучение. ИИ — способ обойти нехватку учителей, высокие барьеры для стартапов, отсутствие инфраструктуры. «Получить финансирование из Африки почти невозможно — ИИ моя единственная возможность занять место на рынке».
🌏 Восточная Азия
Наибольший акцент на личной трансформации (19%) и финансовой независимости (15%). Корейские участники связывали финансовые цели с семейными обязательствами — обеспечение родителей, а не личное потребление. Уникальные страхи: когнитивная атрофия и потеря смысла выше среднего.
🌎 Северная Америка
Топ-запрос: управление жизнью (17,7%). Люди описывают «когнитивный дефицит, а не нехватку времени»: ИИ нужен, чтобы управлять атомизированной, перегруженной жизнью. Наибольшие опасения по поводу регулирования ИИ — 18%.
🌍 Западная Европа
Главный уникальный страх — слежка и приватность (17%). Наряду с Северной Америкой — самый высокий уровень опасений по поводу регулирования. Более осторожный сентимент в целом, хотя по-прежнему большинство позитивны.
Главный вывод Anthropic
Нет лагеря «оптимистов ИИ» и лагеря «скептиков». Есть люди, организованные вокруг своих ценностей — финансовая безопасность, обучение, человеческие связи — которые наблюдают за развитием ИИ и одновременно управляют и надеждой, и страхом. Польза реальна. Вопрос для всех нас — как получить выгоды, не понеся чрезмерных потерь.
ИИ и рынок труда США: мы оценили угрозу автоматизации для 342 профессий и построили интерактивную карту
Кратко: Мы собрали данные по 342 профессиям из Бюро трудовой статистики США — занятость, зарплата, образование, прогнозы роста. Каждую профессию оценили по шкале AI-угрозы от 0 до 10 с помощью языковой модели и создали интерактивную treemap-визуализацию. Ниже — полная карта и наши выводы.
Как мы это делали: методология
Мы взяли официальный справочник профессий Бюро трудовой статистики США (BLS Occupational Outlook Handbook) и спарсили данные по 342 специальностям, охватывающим всю экономику страны: от управленцев и инженеров до строителей и работников сферы обслуживания. По каждой профессии у нас есть: должностные обязанности, условия труда, требования к образованию, медианная зарплата и прогноз роста занятости.
Для оценки AI-угрозы мы использовали языковую модель (LLM), которая присваивала каждой профессии балл от 0 до 10. Метрика учитывает сразу два вектора: прямую автоматизацию (ИИ выполняет работу вместо человека) и косвенное вытеснение (ИИ делает оставшихся сотрудников настолько продуктивными, что их нужно меньше). Ключевой сигнал — цифровой характер рабочего продукта: если работу можно выполнить целиком из домашнего офиса за компьютером, экспозиция ИИ изначально высока. И напротив — профессии, требующие физического присутствия, ручного мастерства или взаимодействия с людьми в реальном времени, имеют естественный барьер.
342
профессии из всех секторов экономики США
0–10
шкала AI Exposure: от безопасной до критической угрозы
LLM
скоринг каждой профессии с обоснованием
BLS
официальные данные Бюро трудовой статистики США
Как читать визуализацию
Основная визуализация — интерактивная treemap-карта, где каждый прямоугольник — это профессия. Площадь пропорциональна числу занятых: чем крупнее блок, тем больше людей работает в этой специальности. Цвет показывает уровень AI-угрозы — от зелёного (низкий риск) до красного (высокий риск). Профессии сгруппированы по отраслевым категориям BLS. Наведите на любой блок — увидите зарплату, численность, прогноз роста, балл и объяснение от LLM.
📊 ИНТЕРАКТИВНАЯ КАРТА: AI EXPOSURE · 342 ПРОФЕССИИ
Площадь = занятость · Цвет = угроза ИИ · Наведите для деталей
Всего занятых
—
Средний балл угрозы
—
взвешенный, шкала 0–10
Зарплаты в зоне риска (7+)
—
годовой фонд оплаты труда
Что мы увидели: ключевые выводы
🔴
Офисные профессии под максимальной угрозой
Финансовые аналитики, бухгалтеры, специалисты по вводу данных, андеррайтеры — всё, что делается за компьютером с документами и числами, получило оценки 8–10. Именно здесь сосредоточены самые высокие риски в ближайшие 5 лет. Суммарный годовой фонд оплаты труда профессий с баллом 7+ — триллионы долларов.
🟢
Физический труд и живой контакт — естественная защита
Медсёстры, строители, пожарные, личные уходчики — профессии, требующие присутствия тела и человеческой связи, набрали 1–4 балла. Это не значит, что ИИ их не коснётся совсем — вспомогательные задачи автоматизируются, — но сам человек в такой работе незаменим.
⚡
Программисты в зоне высокого риска — несмотря на рост рынка
Разработчики ПО, веб-разработчики и дата-сайентисты получили 9 баллов из 10. Генерация кода — «убийственное приложение» ИИ. Прогноз занятости по этим специальностям всё ещё положительный, но роль смещается: архитектура, ревью, продуктовое мышление вместо написания строк кода.
🎯
Парадокс здравоохранения: высокие зарплаты, низкий риск
Хирурги, терапевты, медсёстры — высокооплачиваемые специальности с минимальной угрозой (2–5 баллов). Диагностика — да, AI-ассистируется. Но операция, уход, эмоциональная поддержка пациента — нет. Это одна из немногих зон, где рост занятости BLS сочетается с низкой AI-угрозой.
📌 Что это значит на практике
→ Если ваша команда в основном работает с данными и документами за компьютером — у большинства её ролей балл 7–9. Это не значит «увольнять», но значит «думать о переосмыслении» уже сейчас.
→ Профессии с высоким физическим и человеческим компонентом остаются защищёнными, но теряют административный слой — то, что раньше было бэк-офисом вокруг них, автоматизируется первым.
→ Хотите узнать AI-угрозу конкретной должности в вашей компании? Наведите на нужную профессию в карте выше — LLM даст обоснование прямо в тултипе.
Данные: U.S. Bureau of Labor Statistics, Occupational Outlook Handbook. Скоринг: LLM (Gemini Flash), шкала AI Exposure 0–10. Визуализация: D3.js treemap. Дата исследования: март 2026.
7 барьеров ИИ-трансформации: почему компании «богаты пилотами, но бедны трансформацией» — исследование Harvard и Microsoft
Кратко: Гарвардская школа бизнеса совместно с Microsoft провела закрытую встречу с руководителями 12 крупнейших мировых компаний. Главный вывод: искусственный интеллект в компаниях уже есть — но он не меняет саму компанию. Исследователи выявили 7 конкретных причин, почему так происходит, и описали модель «компании будущего» — организации, которая по-настоящему перестроена вокруг ИИ.
Большинство крупных компаний уже вложились в искусственный интеллект: раздали сотрудникам доступ к умным помощникам, запустили десятки тестовых проектов. Многие из них работают — помогают быстрее отвечать на письма, готовить отчёты, разбираться в данных. Но вот в чём проблема: всё это так и остаётся набором удобных инструментов. Ни одной компании пока не удалось перестроить свою работу вокруг ИИ так, чтобы это изменило саму суть бизнеса.
Чтобы разобраться, почему так происходит, Гарвардская школа бизнеса и Microsoft создали совместный исследовательский проект «Инициатива компаний-первопроходцев»¹ и провели закрытую встречу в Гарварде. За стол сели топ-менеджеры из двенадцати крупнейших мировых организаций — представители здравоохранения, банков и промышленных предприятий. У большинства из них уже сотни работающих ИИ-проектов и практически все сотрудники пользуются умными помощниками вроде Microsoft Copilot или ChatGPT. Тем не менее эти инструменты работают как отдельные «острова» — и никак не складываются в единую систему, которая меняла бы компанию.
7 причин, почему ИИ не меняет компанию
🧪
1. Слишком много тестов, слишком мало результата
Компании запускают один тестовый проект, потом ещё один, потом ещё — и в итоге получают сотни отдельных экспериментов, которые существуют сами по себе. Один крупный банк насчитал у себя более 250 таких проектов². Производитель продуктов питания запустил тесты в 185 странах. Торговая сеть автоматизировала 18 000 финансовых операций. Но ни один из этих проектов не превратился в то, как компания работает каждый день. Причина простая: никто не прописал, как перейти от «попробовали — получилось» к «так теперь работает вся компания».
📊
2. Люди работают быстрее, но компания богаче не становится
Сотрудники с ИИ-помощниками явно успевают больше. Одна платёжная компания сообщила, что более 99% сотрудников каждый день пользуются умными помощниками. На крупном заводе тысячи инженеров стали работать заметно продуктивнее. Но когда финансисты пытались найти этот прирост в отчётах — не получалось. Оказалось, что высвободившееся время просто уходило на лишние совещания и переписку, а не на что-то по-настоящему важное. Сэкономленное время никто не направил туда, где оно создаёт реальную ценность для компании.
🏗️
3. ИИ обнажает то, что давно сломано
Когда компания пытается внедрить ИИ в свои процессы, он нередко первым делом показывает: сами процессы — беспорядок. В одной крупной страховой компании в сфере здравоохранения ИИ находил противоречия в рабочих процессах быстрее, чем сотрудники успевали их исправлять. В международной консалтинговой компании обнаружилось, что один и тот же рабочий процесс выполнялся десятками разных способов — в зависимости от страны. Прежде чем ИИ заработает нормально, нужно навести порядок в самих процессах. А это требует людей, которые понимают и как устроен бизнес, и как работают технологии.
🧠
4. «Я ценен, потому что знаю то, чего не знают другие»
В каждой компании есть люди, которые держат в голове то, как всё на самом деле работает: неписаные правила, нюансы, которые нигде не записаны. Это ценнейшее знание — и именно оно чаще всего мешает внедрению ИИ. Не потому что люди злые, а потому что это знание — их главный актив и источник авторитета. ИИ требует это знание «вытащить» из голов и передать системе. Для многих опытных сотрудников это ощущается как угроза: «если я всё расскажу — зачем я нужен?». Это не проблема переобучения — это проблема самоощущения. Пока руководство не объяснит, что передача знаний — это вклад, а не замена, проекты будут буксовать.
⚖️
5. Кто отвечает, когда ИИ принимает решения сам?
Раньше ИИ помогал — подсказывал, предлагал варианты. Теперь ИИ-системы³ начинают действовать самостоятельно: обновлять данные, отправлять запросы, координировать работу между разными программами. И сразу возникает вопрос: кто отвечает, если что-то пошло не так? Один крупный банк столкнулся с тем, что привычная схема «человек проверяет — человек одобряет» просто перестала работать, когда несколько ИИ-систем начали взаимодействовать между собой. Один крупный финансовый институт уже управляет более чем сотней таких самостоятельных систем и готовится к тому, что их будут десятки тысяч. Нужны совершенно новые правила: кто может запустить такую систему, что ей разрешено делать, кто несёт ответственность за её действия.
🔧
6. Зоопарк платформ: всё со всем не дружит
Большинство крупных компаний используют сразу несколько облачных платформ⁴ и десятки разных корпоративных программ. Заставить ИИ-системы нормально работать в такой мешанине — настоящий вызов. Один производитель одежды потратил несколько месяцев только на то, чтобы его ИИ-системы на платформах SAP, Microsoft и Google начали «разговаривать» между собой. Вдобавок технологии обновляются так быстро, что пока команда внедряет одно решение — уже появляется новое, и возникает соблазн всё бросить и начать сначала.
💸
7. «ИИ — это способ сократить расходы» — и это ловушка
Многие компании изначально продавали ИИ внутри себя как инструмент экономии: меньше людей, меньше затрат. Это решение выстрелило им в ногу. Менеджеры среднего звена восприняли ИИ как угрозу своим командам и начали тормозить любые инициативы. Амбиции руководства сузились до «урезать бюджет», хотя настоящий потенциал ИИ — в создании новых возможностей. Один аналитический директор предупредил: если всё время думать только об экономии, компания рискует потерять именно то, что отличает её от конкурентов — способность людей думать, рассуждать и убеждать.
Как выглядит «компания будущего»: 7 шагов
Компании, которые двигаются быстрее остальных, идут схожим путём. Это не набор советов «на выбор» — это семь взаимосвязанных шагов, каждый из которых отвечает на одну из семи причин выше. Работает только вместе.
① Строить заново, а не надстраивать
Не пытайтесь прикрутить ИИ к тому, что уже есть. Задайте себе вопрос: «Если бы мы строили этот процесс сегодня с нуля — как бы он выглядел?» И стройте именно так, с ИИ как полноценным участником с самого начала.
② Превратить знания людей в актив компании
Систематически «извлекайте» знания из голов опытных сотрудников. Подайте это не как угрозу, а как возможность: «Вы создаёте своё наследие в компании — и освобождаетесь от рутины, чтобы заниматься действительно сложными задачами».
③ Управлять ИИ-системами как сотрудниками
Создайте единую «панель управления»⁵ для всех самостоятельных ИИ-систем — с показателями их работы, правами доступа и ответственными. Относитесь к ним как к цифровым сотрудникам, а не просто к программам.
④ Переосмыслить роли, а не сокращать людей
По мере того как ИИ берёт на себя исполнение рутинных задач, люди переходят к другому: они проектируют процессы, проверяют результаты ИИ, принимают нестандартные решения. Появляются новые должности: «архитектор ИИ-процессов», «хранитель знаний», «координатор ИИ-систем».
⑤ Целенаправленно перераспределять освободившееся время
Если ИИ сэкономил сотруднику два часа в день — это не должно уходить на лишние совещания. Руководство должно явно решить: это время теперь идёт на такие-то задачи. Иначе эффект растворится.
⑥ Внедрять все семь шагов вместе
Можно начать с самой острой боли — например, с наведения порядка в процессах или с новых правил для ИИ-систем. Но в конечном счёте нужны все семь. По отдельности они не работают.
⑦ Думать о новой ценности, а не только об экономии
Самые большие выгоды придут не от сокращения затрат, а от создания чего-то нового — новых услуг, новых возможностей для клиентов, нового способа работы. Рутину всё больше берёт на себя ИИ. Дефицит теперь — это смелость переосмыслить саму компанию.
Главный вывод исследователей: искусственный интеллект в компании уже есть. Технология не является проблемой. Настоящие препятствия — это то, как устроена работа, кто за что отвечает и как люди понимают свою роль в компании. Картина «компании будущего» становится всё чётче. Но то, чего по-прежнему не хватает — это готовности руководства переосмыслить компанию целиком, а не просто добавить к ней ещё один инструмент.
📌 Что это значит для вашего бизнеса
→ Если у вас уже запущено 10 и более ИИ-проектов, но вы не видите их результата в финансовых показателях — скорее всего, вы попали во вторую ловушку: люди работают быстрее, но это время никуда не направлено.
→ Если опытные сотрудники сопротивляются ИИ — это не значит, что их нужно переучивать. Это значит, что никто не объяснил им, как изменится их роль и почему это хорошо лично для них.
→ Если вы продаёте ИИ внутри компании как способ сократить расходы — вы заранее ограничиваете его потенциал и провоцируете сопротивление менеджмента.
→ Настоящая трансформация начинается с вопроса: «Если бы мы строили этот процесс сегодня с нуля — как бы он выглядел?» — а не с попытки автоматизировать то, что уже работает (или не работает).
📖 Пояснения к терминам
«Инициатива компаний-первопроходцев» («Frontier Firm Initiative») — совместная исследовательская программа Гарвардской школы бизнеса и Microsoft. Изучает, как передовые компании перестраивают свою работу вокруг ИИ.
ИИ-«пилот» («пилотный проект») — пробный, тестовый запуск ИИ-инструмента в рамках одного отдела или задачи. Используется для проверки идеи перед массовым внедрением.
«Агентные» ИИ-системы («AI agents») — программы на базе искусственного интеллекта, которые не просто отвечают на вопросы, а самостоятельно выполняют задачи: ищут информацию, принимают решения, запускают другие программы — без участия человека на каждом шагу.
Облачные платформы («гиперскейлеры») — крупнейшие поставщики облачной инфраструктуры: Microsoft Azure, Amazon Web Services, Google Cloud. Большинство корпоративных ИИ-инструментов работает на одной или нескольких из них.
«Панель управления» («agentic control plane») — единый интерфейс для наблюдения за всеми самостоятельными ИИ-системами компании: что они делают, какие у них права, насколько точно они работают. Аналог системы учёта и контроля персонала — только для цифровых «сотрудников».
Источник: Исследование Frontier Firm Initiative, Гарвардская школа бизнеса × Microsoft. Опубликовано в Harvard Business Review, март 2026. Участники встречи: руководители 12 крупнейших мировых организаций из здравоохранения, банковского сектора и промышленности.
Gemini Embedding 2: первая нативно мультимодальная эмбеддинг-модель Google объединяет текст, видео, аудио и изображения в одном векторном пространстве
Кратко: Gemini Embedding 2 — первая полностью мультимодальная эмбеддинг-модель Google на архитектуре Gemini. Поддерживает текст (до 8192 токенов), изображения (PNG/JPEG), видео (до 120 сек, MP4/MOV), аудио и PDF (до 6 стр.) в едином векторном пространстве. Поддержка 100+ языков. Гибкие размерности 768 / 1536 / 3072 через Matryoshka Representation Learning. Доступна в Public Preview через Gemini API и Vertex AI прямо сейчас.
Google DeepMind представила Gemini Embedding 2 — первую нативно мультимодальную эмбеддинг-модель, построенную на архитектуре Gemini. В отличие от предыдущих моделей, работавших только с текстом, Gemini Embedding 2 отображает текст, изображения, видео, аудио и документы в единое непрерывное векторное пространство — что принципиально упрощает мультимодальный RAG и семантический поиск по разнородным данным.
📝
Текст
до 8192 токенов
🖼️
Изображения
до 6 шт., PNG/JPEG
🎬
Видео
до 120 сек, MP4/MOV
🎵
Аудио
нативно, без транскрипции
📄
Документы
PDF до 6 страниц
Interleaved-ввод. Ключевое отличие от конкурентов — модель понимает смешанный ввод: можно передать изображение и текст в одном запросе, и Gemini Embedding 2 уловит сложные связи между ними. Это открывает новый класс задач: поиск по слайдам с аннотациями, сопоставление видеозаписей с транскриптами, кросс-модальная классификация.
Matryoshka Representation Learning (MRL). Как и предыдущие текстовые модели Google, Gemini Embedding 2 поддерживает технику «вложенных» эмбеддингов: размерность вектора можно динамически уменьшить с дефолтных 3072 до 1536 или 768. Это позволяет разработчикам гибко балансировать между качеством поиска и затратами на хранение.
Производительность. По данным Google, Gemini Embedding 2 устанавливает новый State-of-the-Art для мультимодальных эмбеддингов: превосходит конкурентов в задачах текста, изображений и видео, а также первой среди эмбеддинг-моделей демонстрирует сильные возможности обработки речи. Поддержка более 100 языков делает её пригодной для глобальных мультиязычных пайплайнов.
Доступность. Модель уже доступна в Public Preview через Gemini API и Vertex AI. Ранние партнёры используют её для мультимодального RAG в корпоративных базах знаний, поиска по видеотекам и интеллектуального управления контентом. Демо семантического поиска доступно на сайте Google.
OpenAI выпустила GPT-5.4: первая универсальная модель с управлением компьютером, 1M токенов и рекордами на 20+ бенчмарках
Кратко: GPT-5.4 — флагман OpenAI на 5 марта 2026 года. Первая универсальная модель с нативным computer use. Поддержка 1M токенов контекста. Превосходит GPT-5.2 по всем ключевым бенчмаркам. Доступна в ChatGPT Plus/Team/Pro как GPT-5.4 Thinking, в API как gpt-5.4, а в Codex — сразу с момента релиза.
5 марта 2026 года OpenAI представила GPT-5.4 — новую флагманскую модель для профессиональной работы. Это первая универсальная модель компании с нативными возможностями управления компьютером (computer use): GPT-5.4 умеет работать с браузерами через Playwright и управлять мышью и клавиатурой по скриншотам. Контекстное окно расширено до 1 миллиона токенов — вчетверо больше, чем у предшественника.
83%
GDPval профработа
75%
OSWorld computer use
82.7%
BrowseComp веб-поиск
−33%
Меньше галлюцинаций
Профессиональная работа. На бенчмарке GDPval, проверяющем работу агентов по 44 профессиям, GPT-5.4 превзошла или сравнялась с реальными специалистами в 83% случаев — против 70.9% у GPT-5.2. Модель выдаёт более качественные таблицы, презентации и юридические документы: на внутреннем тесте инвестиционно-банковских задач она набрала 87.3% против 68.4% у предшественника. Человеческие оценщики предпочли слайды GPT-5.4 в 68% сравнений.
Управление компьютером. На OSWorld-Verified GPT-5.4 получила 75% успешных сессий — выше человеческого уровня (72.4%) и GPT-5.2 (47.3%). На браузерном бенчмарке Online-Mind2Web точность составила 92.8%. Разработчики могут настраивать риск-профиль агента через пользовательские политики подтверждений.
Программирование. GPT-5.4 вобрала лучшие кодинг-возможности GPT-5.3-Codex и при этом работает быстрее. На SWE-Bench Pro она набирает 57.7% против 56.8% у кодинг-специализированной модели-предшественника. В Codex включён режим /fast с ускорением генерации токенов до 1.5x.
Tool Search. Новая функция позволяет агентам не загружать все определения инструментов сразу, а запрашивать их по мере необходимости. Это сокращает расход токенов на 47% при работе с большими экосистемами MCP-серверов, не теряя в точности.
Безопасность. OpenAI классифицировала GPT-5.4 как High cyber capability по своей Preparedness Framework. Модель получила расширенный стек кибербезопасности, включая асинхронную блокировку высокорисковых запросов для клиентов Zero Data Retention. По новому open-source тесту CoT controllability выяснилось, что модель плохо умеет скрывать своё цепочечное рассуждение — что расценивается как положительное свойство для безопасности.
Perplexity запустила Computer — мультиагентную AI-систему, которая управляет 19 моделями
Perplexity представила Computer — облачную агентную платформу, которая принимает единственный запрос, разбивает его на подзадачи и распределяет их по специализированным AI-моделям. Система использует Claude Opus 4.6 для глубокого анализа, Gemini — для исследований, Nano Banana — для генерации изображений, а Veo 3.1 — для видео. Продукт позиционируется как «цифровая команда»: каждый исполнитель получает задачу, соответствующую его сильным сторонам. Computer доступен только подписчикам Perplexity Max ($200/мес), работает в облаке без доступа к устройству пользователя — что снижает риски по сравнению с открытыми агентами вроде OpenClaw. CEO Арвинд Шринивас сравнил подход с iPhone: «Даже ваша мама сможет делегировать задачи», — заявил он.
Burger King внедрил AI-ассистента Patty: следит за запасами и анализирует вежливость сотрудников
Сеть Burger King тестирует голосового AI-ассистента Patty в 500 ресторанах США в рамках платформы BK Assistant. Работая через наушники персонала, Patty отслеживает запасы в реальном времени, помогает с рецептами и предупреждает менеджеров о неисправностях оборудования. Неожиданная функция — анализ «гостеприимства»: система фиксирует использование ключевых фраз «пожалуйста», «спасибо», «добро пожаловать в Burger King» — и формирует агрегированные отчёты для менеджеров. Компания называет это коучинговым инструментом, а не слежкой. Полный запуск по всем 7 000 ресторанам в США запланирован на конец 2026 года. Patty работает на базовой модели OpenAI поверх собственной архитектуры Burger King.
#BurgerKing#AI-ритейл#OpenAI#FastFood
🍌
Image AI
Изображения
Google Blog📈 Тренд
Google Nano Banana 2: быстрая генерация изображений в качестве Pro, поддержка 4K в 141 стране
Google DeepMind представила Nano Banana 2 (технически — Gemini 3.1 Flash Image): новая модель сочетает скорость Flash с качеством Pro. Поддерживает разрешение от 512px до 4K, сохраняет облик до 5 персонажей и 14 объектов в одном сценарии. Точнее следует сложным инструкциям. Становится моделью по умолчанию в Gemini App, Google Search и Ads в 141 стране. Все изображения маркируются водяным знаком SynthID и совместимы со стандартом C2PA. Для разработчиков доступна через Gemini API, Vertex API и AI Studio.
#Google#NanoBanana2#Gemini#SynthID
🔍
Search AI
Агенты
xAI Blog
xAI обновила Grok: теперь модель агрессивно специализируется на быстрых задачах реального времени
xAI представила обновление Grok с акцентом на высокоскоростную обработку запросов реального времени, включая мгновенный поиск и анализ новостных потоков. Именно эта версия Grok используется в качестве быстрого агента в Perplexity Computer.
#xAI#Grok#RealTime
👥
HR AI
Бизнес
Bloomberg
ИИ-инструменты для рекрутинга: как Forbes 500 сокращают время найма с 45 до 7 дней
Крупнейшие компании из списка Forbes 500 рапортуют о сокращении цикла найма в среднем с 45 до 7 дней благодаря AI-скринингу, автоматическим интервью и интеллектуальному ранжированию кандидатов.
#HR#Recruiting#Автоматизация
🎬
Video AI
Изображения
OpenAI Blog
Sora 2: OpenAI обновила видеогенератор — до 4K, 120 секунд и точный контроль камеры
OpenAI представила вторую версию Sora с поддержкой генерации видео в разрешении 4K длительностью до двух минут. Ключевое улучшение — точное управление углом и движением камеры через текстовые описания.
#Sora#VideoAI#OpenAI
Показаны свежие новости · Нажмите, чтобы увидеть более ранние материалы