Сегодняшняя подборка — о масштабных анонсах аппаратной платформы и новых моделей, о том, как крупные облака перестраивают инференс и агенты, и о растущем давлении регуляторов и общества на безопасность и использование ИИ.
Mistral выпустил Mistral Small 4 — 119‑миллиардную модель типа MoE, которую компания позиционирует как универсальную для инструкций, рассуждений и мультимодальных задач; это очередной пример, когда архитектуры со смешанными экспертами пытаются объединить производительность и гибкость Mistral Small 4.
NVIDIA на GTC представила масштабную аппаратную и программную экосистему: от платформы Vera Rubin с семичиповой конфигурацией до Enterprise Agent Platform и решений для приватности агентов — всё направлено на перенос триллионных моделей и автономных агентов в продакшен; детали по платформе и партнёрам собраны в анонсе платформа Vera Rubin, а технические материалы по Dynamo и механизмам инференса — в описании NVIDIA Dynamo 1.0 и обсуждении контроля приватности NemoClaw.
AWS представила подход к «дисагрегированному» инференсу, где отдельно масштабируются компоненты модели и ускорители, и реализовала это через llm‑d — ход, который делает развёртывание больших моделей более гибким и экономичным для корпоративных заказчиков дисагрегированное инференс на AWS. Параллельно AWS и NVIDIA объявили об углублённом сотрудничестве, чтобы ускорить перевод пилотов в продакшен в облаке и на периферии AWS и NVIDIA укрепляют сотрудничество.
На стороне практических паттернов разработки IBM опубликовала руководство по few‑shot prompt‑инжинирингу с LangChain — полезный набор приёмов для быстрого улучшения ответов моделей без дорогостоящего дообучения — few-shot prompting с LangChain, а также разъяснила, почему в реальных системах часто нужны ансамбли моделей и агентные пайплайны когда одной модели мало.
LinkedIn сделал интересный инженерный ход: заменил пять отдельных систем выборки ленты одной LLM‑моделью на масштабе 1.3 миллиарда пользователей — пример того, как LLM начинают играть ключевую роль в высоконагруженных системах рекомендаций LinkedIn заменил пять систем на одну LLM.
Для контента и креативных рабочих процессов Picsart запустил маркетплейс агентов — теперь создатели могут «нанимать» специализированных AI‑ассистентов для генерации и редактирования изображений, что показывает модную трансформацию интерфейсов к агент‑ориентированной модели взаимодействия маркетплейс AI‑ассистентов в Picsart.
Технологии и общество сталкиваются: Министерство финансов США опубликовало руководство по управлению рисками ИИ для финансовых институтов — важный ориентир для банков и платёжных систем по аудиту, контролю и прозрачности моделей руководство по управлению рисками ИИ для финансов.
Крупные игроки и стартапы в аппаратном слое продолжают привлекать капиталы: чип‑стартап Frore получил оценку в $1.64 млрд и стал очередным «юникорном» deep‑tech, что подтверждает приток инвестиций в специализированное железо для ИИ Frore стал юникорном.
На фоне технологических успехов растёт и регуляторное/этическое давление: к компании xAI возникли вопросы по доступу к закрытым сетям Пентагона и серьёзные юридические претензии, связанные с содержимым, сгенерированным её моделью Grok; всё это напоминает, что коммерческое внедрение и безопасность — две стороны одной медали вопросы к xAI и Пентагону юридические претензии к xAI.
Google продолжает экспериментировать с научными приложениями LLM: исследователи протестировали модели на вопросах по сверхпроводимости, что показывает рост интереса к использованию LLM в задачах научного поиска гипотез и интерпретации сложных данных тестирование LLM на задачах сверхпроводимости.
Memories AI анонсирует слой «визуальной памяти» для носимых устройств и роботов — это пример прикладного ИИ, где модели не просто генерируют контент, а сохраняют и индексируют визуальный опыт для последующего использования в реальном времени Memories AI.
Несколько заметок о трендах, которые проходят через эти новости: инфраструктурные анонсы показывают, что производительность и безопасность аппаратуры становятся главным барьером для масштабирования; модели эволюционируют в сторону гибридных и модульных архитектур (MoE, дисагрегированный инференс, агенты); корпоративный сектор переводит эксперименты в продакшен, а регуляторы требуют прозрачности и контроля. Эти три вектора — железо, софт и политика — сейчас определяют траекторию развития ИИ.
