Хроника

Требования к самостоятельным системам высокого риска — найм, биометрия, правосудие и границы — начинают действовать не позднее этой даты.

Для систем, выпущенных до 2 августа 2026 года, заканчивается ограниченная отсрочка по машинной маркировке и обнаружению синтетического контента.

С 2 августа 2026 года применяется следующая группа правил, но отдельные требования к системам высокого риска имеют собственный переходный график.

Moonshot AI выложила веса Kimi K3 и инструкции запуска для Transformers, vLLM и SGLang. Это релиз для крупной инфраструктуры, а не локальная модель для обычного ПК.

Флагман с упором на агентные задачи в коде, биологии и кибербезопасности.

Ансамбль агентов закрыл все шесть задач Международной олимпиады по математике 2026 года формальными доказательствами на Lean 4.

ChatGPT Work выполняет более продолжительные задачи с файлами, приложениями и готовыми результатами.

Anthropic обновила массовую модель для кода, агентных процессов и повседневной интеллектуальной работы.

Anthropic выпустила модель для длительных задач в коде и интеллектуальной работе, рассчитанных уже не на один ответ, а на многочасовой или многодневный агентный процесс.

Правительство ввело добровольный режим раннего защищённого доступа к мощным моделям и отдельные проверки их кибервозможностей.

Одна двадцатая вычислений на токен, prefill вдевятеро и декодирование в пятнадцать раз быстрее на миллионном контексте.

Мировое потребление дата-центров вырастет с 447 ТВт·ч в 2025-м до 565 ТВт·ч в 2026-м — плюс 26% за год.

Открытая омнимодель физического ИИ объединила зрение, симуляцию мира и генерацию действий в одной архитектуре.

NVIDIA объединила физическое рассуждение, генерацию мира и траекторий действий в одной открытой системе.

METR фиксирует рост горизонта программных задач, которые фронтир-агенты выполняют с заданной надёжностью; оценки для задач длиннее 16 часов пока остаются неточными.

На Google I/O 2026 показали модель, создающую видео из любого входа.

Все крупные гиперскейлеры подписали атомные контракты: 13 проектов почти на десять гигаватт.

Figure сообщила о выпуске более 350 роботов третьего поколения и росте темпа производства до одного в час.

Отдельное приложение свернули, API объявлен к отключению 24 сентября 2026 — генерация видео уходит внутрь универсальных моделей.

Протокол общения агентов между собой дошёл до стабильной версии с подписанными карточками агентов.

Meta сообщила, что новый ускоритель уже работает в производстве и стал первым из четырёх поколений собственного кремния, разворачиваемых за два года.

К GTC 2026 платформа выросла до семи чипов в производстве; поставки у партнёров — во второй половине года.

Играбельные генерируемые миры открыли для части подписчиков Google AI Ultra в США.

Единая нейросеть управляет всем телом гуманоида по изображению, включая ходьбу, равновесие и манипуляцию.

Шесть новых чипов как единый ИИ-суперкомпьютер: процессор Vera, ускоритель Rubin, NVLink 6, ConnectX-9, BlueField-4, Spectrum-6.

Проверки на биориски и кибероперации стали штатной частью выпуска фронтир-модели, а не жестом доброй воли.

В выборке AI Futures обновлённые в начале 2026 года оценки сместились к более ранним срокам, но это не общий научный консенсус.

Опросы исследователей дают 50% вероятности около 2047 года; профессиональные прогнозисты — основную массу на 2027–2033.

Стэнфордские исследователи настаивают: в 2026-м AGI не будет, и требуют измерений вместо проповеди.

Системы планируют и тестируют цельные изменения, а не дописывают строки.

Разбор упавших сборок, правка тестов и обновление зависимостей ушли в автоматический контур.

Google, Amazon и Microsoft вывели собственные ускорители в облачные и производственные системы, расширяя выбор помимо GPU NVIDIA.

Anthropic передала протокол подключения инструментов в Agentic AI Foundation; к тому моменту SDK загружали более 97 млн раз в месяц.

AlphaProof взял серебро IMO 2024, Aristotle — золотой уровень 2025 года. Все системы, решавшие задачи формально, работали через Lean.

AgentKit оформил агентные приложения как отдельный инженерный слой с версиями, оценками и трассировкой.

Интерактивные миры в реальном времени с устойчивостью сцены на несколько минут.

Google открыла протокол, позволяющий агентам разных поставщиков обмениваться задачами и результатами.

Google вывела рассуждение в основную линейку Gemini и связала его с длинным контекстом и мультимодальным входом.

Responses API и Agents SDK объединили рассуждение, инструменты, оркестрацию и наблюдаемость.

METR предложила измерять агентов длительностью человеческой задачи, которую они завершают с заданной надёжностью.

Кодовые системы читают проект целиком.

Сильное рассуждение при радикально меньшей цене обучения.

Плотная линейка открытых моделей под любое железо.

Anthropic открыла стандарт, через который модели подключаются к данным и рабочим инструментам.

Microsoft законтрактовала 835 МВт на 20 лет; Constellation планирует вернуть энергоблок в сеть в 2028 году.

Дополнительное вычисление во время ответа стало отдельным способом повышать качество на сложных задачах.

Одна модель начала работать с текстом, изображением и звуком в реальном времени.

Семейство Anthropic закрепило полноценную конкуренцию нескольких frontier-лабораторий в рассуждении, коде и анализе изображений.

o1 показал, что дополнительное вычисление во время ответа заметно улучшает решение сложных задач.

Миллион токенов в проде — впервые в модель целиком помещалась книга или час видео.

Отраслевая мера: доля реальных задач из открытых репозиториев, закрытых без участия человека.

Модель стала предсказывать совместные структуры белков, ДНК, РНК, малых молекул и ионов — важный шаг от формы белка к механизму взаимодействия.

Дата-центры потребляли около 1,5% мирового электричества; IEA ожидает более чем двукратный рост спроса к 2030 году.

Первая открытая модель, сопоставимая по масштабу с закрытым фронтиром.

Разреженная смесь экспертов с открытыми весами: на каждый токен работает только часть параметров.

Google представила семейство моделей, изначально рассчитанное на совместную работу с текстом, изображениями, звуком и видео.

Зрение как штатная часть большой модели.

Одна модель научилась выделять произвольные объекты по точке, рамке или текстовой подсказке без обучения под каждый класс.

Результаты человеческого уровня на профессиональных экзаменах вывели ИИ из категории игрушек.

GNoME предложила 2,2 млн новых кристаллических структур, из них 380 тысяч — потенциально стабильные. Это вычислительный список кандидатов, а не готовые материалы.

Роботизированная A-Lab самостоятельно планировала синтез, ставила опыты и корректировала рецепты; она получила 36 из 57 заданных соединений.

Обучение по своду принципов вместо ручной разметки каждого ответа.

Диалоговый интерфейс сделал следование инструкциям массовым способом работы с языковой моделью.

Распознавание речи дошло до уровня, при котором звук стал обычным входом, а не отдельной задачей.

Часть навыков появляется скачком после порога масштаба, а не растёт плавно.

Данные важнее размера: пересборка всех бюджетов обучения.

Выравнивание по инструкциям — модель начала слушаться.

Просьба «рассуждай пошагово» подняла точность — первый намёк на то, что думать во время ответа выгодно.

AlphaFold DB опубликовала предсказания почти для всех известных науке каталогизированных белков. Это ускоряет поиск, но не заменяет экспериментальную проверку.

Предсказание трёхмерной структуры белка по аминокислотной последовательности приблизилось к экспериментальной точности для большого класса задач.

Разреженные модели: больше параметров без пропорционального роста вычислений.

Общее пространство для текста и изображений — фундамент, на котором выросла вся генерация картинок.

Та же архитектура заработала на изображениях — трансформер оказался универсальным.

Обучение в контексте: модель решает задачу по паре примеров.

Обходной путь, которым индустрия жила, пока контекст был коротким. Сейчас — дополнение, а не костыль.

Качество связали степенными законами с размером модели, объёмом данных и вычислениями.

Перевод, классификация и ответы на вопросы свели к одному формату: «текст на входе — текст на выходе».

Генерация связного текста перестала быть игрушкой.

Предобучение на языке стало стандартом индустрии.

Предобучение трансформера на большом корпусе, а затем настройка под задачу стало повторяемым рецептом переноса знаний.

Transformer заменил рекуррентную обработку вниманием и лучше масштабировался на параллельных вычислениях.

Победа над Ли Седолем: поиск плюс обучение с подкреплением.

Остаточные связи сделали возможными сети в сотни слоёв.

Одна сеть стала кодировать последовательность, а другая — порождать новую: общий шаблон для перевода и генерации.

GAN: машина впервые начала убедительно порождать, а не только распознавать.

Смысл слов превратился в геометрию: похожие слова оказались рядом в обученном векторном пространстве.

Резкое улучшение распознавания ImageNet показало силу глубоких сетей, обученных на GPU.

14 миллионов размеченных изображений — топливо, без которого AlexNet был бы невозможен.

Свёрточная сеть научилась распознавать рукописные цифры в реальной банковской системе.

Многослойные сети получили практический способ распределять ошибку по слоям и обучать внутренние представления.

Розенблатт показал систему, которая меняла веса по примерам и училась различать простые классы.

Маккаллок и Питтс описали простую математическую модель нейрона и показали, как сеть таких элементов может выполнять логические операции.