Паша AI AI AI

Cloudflare анонсировала криптовалютный платежный сервис для контентмейкеров Обычно криптовалютные сервисы используются в узких нишах или небольшими фирмами. Анонс компанией Cloudflare платежного сервиса Monetization Gateway переводит использование этой технологии на мировой уровень — по оценкам аналитиков через сервера компании проходит 20% мирового трафика. Cloudflare отмечает, что один запрос пользователя к ИИ-модели запускает веб-краулеры, которые посещают в поисках ответа от сотни до десятков тысяч веб-ресурсов. При этом их владельцы платят за увеличение нагрузки, но не могут заработать ни на контентной рекламе, ни предложить краулеру услуги для «живого пользователя». Компания встала на сторону контентмейкеров и предложила им сервисы для оплаты доступа ИИ-краулерами, а с бигтехов потребовала разделить запросы на поиск информации, обучение и инстанс ИИ-моделей с 15 сентября 2026 года. Платежный сервис хорошо закрывает экосистему сервисов Cloudflare. Он позволит владельцам веб-ресурсов установить плату за доступ не только к контенту, но и за доступ к API, генерации изображений и другим сервисам, а стоимость можно будет устанавливать не помесячно, а за запрос. В качестве примера Cloudflare приводит следующую оценку: от нескольких центов за поисковый запрос до 0,99 долларов в случае успешного решения запроса в техподдержку. Для оплаты будут использовать протокол x402, платежный сервис организуют совместно с криптовалютной биржей Coinbase, оплата будет в стейбкоинах — в качестве примера приводят Open USD и USDC.

Meta* Brain2Qwerty v2: неинвазивное «чтение мыслей» и проблема железа Meta* представила вторую версию Brain2Qwerty — систему, которая неинвазивно декодирует текст напрямую из мозговой активности. В отличие от Neuralink, здесь нет ни хирургии, ни вживленных электродов. Как это работает. Модель анализирует непрерывный поток данных магнитоэнцефалографии (MEG) — без привязки к точным меткам нажатий клавиш, как это нужно было в первой версии. Раньше алгоритму требовалось точно знать, в какую миллисекунду человек намеревался нажать клавишу, теперь он справляется с этим сам, работая напрямую с сырым потоком сигнала. Важная оговорка: система декодирует конкретное осознанное намерение печатать заданный текст в контролируемом эксперименте — это не чтение мыслей в широком смысле, эмоции и свободные размышления она не считывает. Точность. В среднем по девяти участникам система распознаёт 61% слов правильно, у лучшего испытуемого — 78%, при этом больше половины его предложений расшифрованы с одной ошибкой или без них вовсе. Однако если сравнивать с инвазивными системами, у инвазивных систем с вживленными электродами ошибки — единицы процентов: например, интракортикальный нейропротез для печати, опубликованный в Nature Neuroscience в 2026 году, дал 1,6% word error rate (главная метрика для оценки точности распознавания речи) у пациентов с параличом — это уровень, сопоставимый со скоростью печати здорового человека. Neuralink сообщает о точности распознавания символов около 92%, а с подключением языковой модели для сглаживания ошибок эффективный WER опускается ниже 10% — хотя это данные самой компании, а не независимая рецензия. Brain2Qwerty v2 — это серьёзный шаг вперёд именно для неинвазивных технологий, но до инвазивных решений ему пока далеко: разрыв в точности существенный. Ещё одна оговорка: все цифры получены на девяти здоровых волонтёрах в лабораторных условиях по строго заданному сценарию (печать заученных предложений) — это не клинические данные людей с реальными нарушениями речи, для которых технология в теории и создаётся. Проблема железа. Считывание качественного MEG-сигнала пока невозможно сделать портативным. Магнитоэнцефалограф — это тяжёлая медицинская установка стоимостью в миллионы долларов. Она требует криогенного охлаждения жидким гелием и комнаты с идеальной магнитной изоляцией. До тех пор, пока инженеры не сожмут это оборудование до габаритов хотя бы тяжелого VR-шлема, Brain2Qwerty останется впечатляющим лабораторным R&D-проектом без шансов на масштабирование в B2C. *Деятельность компании Meta признана экстремистской и запрещена в России

Искусственный интеллект создает искусственный дефицит В начале года аналитики говорили об охлаждении интереса к ИИ и снижении цен на комплектующие, но по итогам первой половины 2026 года предположения не сбылись. OpenAI, Anthropic и SpaceX вложили пару сотен миллиардов долларов в новые дата-центры для обучения и инференса ИИ-моделей, заключив многолетние контракты с производителями чипов. Какие ресурсы кроме GPU могут оказаться в дефиците? Высокий спрос привел к повышению стоимости оперативной памяти на 700%. Пользователи подают в суд на Samsung, SK hynix и Micron за ценовой сговор — компании контролируют около 90% рынка. Но предложение на розничном рынке продолжает сокращаться — производители переориентировались на продукцию для ИИ-компаний. После видеокарт и памяти дефицитным ресурсом может стать энергия. Некоторые компании предвидели это — Microsoft и Google вложились в АЭС в 2024 году. Но пока они используют энергию с существующих электростанций, что в 2026 году привело к росту цен на 76%. Тогда же сформировался пул из 10 энергетических компаний, которые планируют выйти на IPO для привлечения 11,6 млрд долл. Первыми покупателями акций планируют выступить крупные компании, которые скорее направят эту энергию в ЦОД-ы. Последствия могут быть неожиданными. Из-за кратного роста цен могут стать окупаемыми проекты космических ЦОД-ов. Но если ИИ-компании не выйдут на окупаемость и лишатся дальнейших инвестиций, высвободятся колоссальные объемы полупроводников и энергии, а падение цен на них затронет даже далекие от разработки ИИ индустрии. Разумной стратегией будет не только запасание дефицитных ресурсов, но и разработка ИИ-моделей с фокусом на их энергоэффективность и экономию вычислительных ресурсов.

IPO SpaceX стало тестом на зрелость ИИ-рынка 12 июня SpaceX провела IPO и привлекла рекордные $85,7 млрд. На пике капитализация компании достигла почти $2,9 трлн, выше, чем у Microsoft и Amazon. Через несколько дней SpaceX объявила о покупке ИИ-редактора Cursor за $60 млрд акциями компании. После этой сделки компания собрала ИИ-экосистему: от ЦОДов и связи до моделей и инструментов. Казалось, что рынок начал массово перераспределять стоимость от традиционного бигтеха к новой волне ИИ-компаний. Но последующие торги показали, что это преждевременные выводы: к концу июня акции SpaceX откатились примерно на треть от пиковых значений, а капитализация снизилась до уровня около $2 трлн. Изменения затронули не только SpaceX. В последние недели инвесторы распродают большую часть технологического сектора на фоне опасений относительно перегрева ИИ-рынка, роста долговой нагрузки и будущих процентных ставок. Под давлением оказались и крупнейшие представители бигтеха — Apple (-6,12%), Microsoft (-3,46%), Amazon (-3,10%), Nvidia (-1,64%) и Alphabet (-0,83). На пике стоимости SpaceX использовала свои акции для покупки Cursor. Anthropic и OpenAI тоже готовятся к выходу на биржу и нацелены на капитализацию в $1 трлн. Это может дать им десятки миллиардов на чипы, электроэнергию, ЦОДы и новые инвестиции для расширения своих экосистем.

Sakana Fugu: оркестрация вместо одной большой модели Sakana AI выпустила Fugu — не фронтир-модель, а пул моделей под единым OpenAI-совместимым API. Снаружи это одна модель, внутри — координация десятков агентов. Что внутри: • Fugu Ultra на бенчмарках по кодингу, рассуждению и науке сопоставима с закрытыми фронтир-моделями — за счёт кооперации моделей поменьше, а не масштабирования одной сети. • Пул контролирует пользователь: можно исключать провайдеров в соответствии с требованиями к данным и compliance. • Как японский продукт, Fugu структурно не попадает под US EAR — это особенность юрисдикции, не обход блокировок. • Тариф — по самой дорогой модели в пуле, без суммирования за число агентов.

На пути к суперинтеллекту: новый доклад Google DeepMind о достижении ASI На днях команда Google DeepMind опубликовала отчёт, формирующий новый горизонт планирования: достижение AGI — это не финал, а лишь начало. 4 технологических пути к ASI: 1. Продолжение текущего экстенсивного тренда. Даже если архитектура не совершит прорыва, миллион копий AGI-агентов, запущенных параллельно на высоких скоростях, — это уже совершенно иной уровень производительности. 2. Текущая связка (трансформеры + RLHF) может недотянуть до ASI. Потребуются качественные сдвиги: нейроморфные или аналоговые вычисления, RL-предобучение и внедрение явных моделей мира. 3. ИИ начинает напрямую ускорять собственные исследования и R&D. Насколько этот процесс сможет стать полностью автономным, пока остаётся открытым вопросом. 4. ASI может возникнуть не как единый «монолитный мозг», а как эмерджентное свойство миллионов агентов, организованных в эффективные цифровые корпорации и рынки. Для этого потребуются новые законы масштабирования для многоагентных систем.