OpenAI предложила Вашингтону долю в себе

Financial Times со ссылкой на источники, знакомые с ходом переговоров, сообщает: OpenAI больше года обсуждает с администрацией США схему, по которой государство получит 5% акций компании — около $42,6 млрд по текущей оценке в $852 млрд (мартовский раунд финансирования). Официально ни OpenAI, ни Белый дом предложение не подтвердили — переговоры находятся «на концептуальной стадии» и, по данным FT, потребуют одобрения Конгресса.

Не Трампу лично, а фонду для всех американцев

Важная деталь, которую легко упустить в заголовках: доля пойдёт не президенту лично, а государству как институту — через специальный фонд по образцу Alaska Permanent Fund, суверенного фонда штата Аляска, который с 1976 года платит ежегодные дивиденды каждому жителю штата за счёт нефтяных доходов. Сэм Альтман, по данным FT, предлагает распространить схему на всю ИИ-индустрию: по 5% акций в фонд должны отдать все ведущие американские разработчики моделей — Anthropic, Google, Meta и другие. Идея подаётся как способ «поделиться с обществом выгодами от ИИ» и заранее купировать недовольство тем, что автоматизация вытесняет рабочие места, а прибыль достаётся горстке компаний. Для сравнения, сенатор Берни Сандерс продвигает куда более радикальную версию — с долей государства около 50%.

Почему момент выглядит подозрительно

OpenAI — самый агрессивный игрок в гонке ИИ-инфраструктуры, и цена этой гонки колоссальна. Компания подписала контракты на облачные мощности на сотни миллиардов долларов: $250 млрд с Microsoft, около $300 млрд с Oracle (сделка стартует в 2027-м), плюс соглашения с Amazon и Nvidia. Причём часть денег Nvidia — обязательство вложить в OpenAI до $100 млрд — по признанию собственного финансового директора компании Сары Фрайар, фактически вернётся самой Nvidia в виде оплаты за чипы: классическая циркулярная схема финансирования, которую всё чаще критикуют аналитики рынка.

При этом выручка OpenAI за 2025 год составила около $13,1 млрд, а прогнозируемые убытки на 2026-й оцениваются от $14 до $27 млрд — в зависимости от условий пересмотренной сделки с Microsoft. Совокупный отрицательный денежный поток компании к 2029 году может достичь $112 млрд, а суммарные траты на вычислительную инфраструктуру к 2030-му — $600 млрд. По некоторым подсчётам, на каждый заработанный доллар подписочной выручки OpenAI тратит около $1,69 на инференс — то есть буквально теряет деньги на каждом обслуженном пользователе.

Отчаяние или дальновидность?

На этом фоне предложение «поделиться» долей с государством можно прочитать двояко. Первая версия — действительно попытка снять социальное напряжение вокруг ИИ заранее, пока индустрия ещё может себе это позволить. Вторая, куда более циничная — расчётливый ход на случай, если инвесторские деньги закончатся раньше, чем компания выйдет на прибыль: если государство уже владеет долей в OpenAI, а миллионы американцев и целые отрасли экономики зависят от её сервисов, дать компании обанкротиться политически станет почти невозможно. Иными словами — подстраховка через статус «слишком большая, чтобы упасть», оплаченная не деньгами, а долей в бизнесе, у которого пока нет устойчивой модели монетизации.

Как бы ни развивалась история, она — симптом более широкого сдвига: крупнейшие ИИ-компании больше не просто продают подписки, а всё активнее встраиваются в государственную политику и инфраструктуру — от оборонных контрактов до предложений войти в капитал напрямую.

Источник: CNBC

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

Компания, которую вы знаете по доставке еды, тихо обучила один из крупнейших ИИ-релизов месяца — и сделала это вообще без чипов Nvidia.

Meituan — китайский гигант доставки еды и локальных услуг, местный аналог смеси Uber Eats и Groupon — 30 июня 2026 года открыл модель LongCat-2.0: 1,6 триллиона параметров, разреженная архитектура mixture-of-experts, контекстное окно в миллион токенов. Формально это просто ещё один большой открытый релиз. Фактически — прямая демонстрация того, что экспортные ограничения США на поставку чипов Nvidia в Китай не остановили гонку, а просто пересобрали её вокруг другого железа.

50 000 чипов и без Nvidia

LongCat-2.0 обучили на кластере из более чем 50 000 китайских ASIC-ускорителей — специализированных чипов собственной разработки, не Nvidia — на массиве свыше 35 триллионов токенов. Meituan прямо заявляет: «LongCat-2.0 показала, что мы теперь способны обучать масштабные модели на отечественных вычислительных кластерах». Производитель самих чипов компания не называет, что ожидаемо: с 2022 года США последовательно ограничивают экспорт передовых Nvidia GPU в Китай, и подробности о том, чьи именно ASIC используются, — чувствительная тема.

Для контекста: по оценкам, на которые ссылается издание, в 2025 году Nvidia и Huawei делили китайский рынок AI-чипов примерно поровну — около 40% на каждого. То есть LongCat-2.0 — это не гипотетический сценарий «а вдруг Китай справится сам», а уже свершившийся факт: справились, на измеримом масштабе в 1,6 триллиона параметров.

Обходит GPT-5.5 в коде, но не везде

По бенчмаркам компания заявляет заметное превосходство в задачах, завязанных на код и следование инструкциям: SWE-bench Pro — 59,5, мультиязычный SWE-bench — 77,3, IFEval — 90,0. Это позволяет обходить Gemini 3.1 Pro и GPT-5.5 на профильных код-бенчмарках. При этом в чистом рассуждении модель пока не лидер: на GPQA-diamond (88,9) и IMO-AnswerBench (81,8) результаты сильные, но не рекордные — Meituan прямо позиционирует LongCat-2.0 как «мозг» для ИИ-агентов и коддинг-харнессов, а не как универсального чемпиона по всем типам задач.

Модель заявлена как открытая, но на момент публикации ещё не появилась на HuggingFace, из-за чего независимая проверка заявленных цифр пока невозможна — этот нюанс стоит держать в уме, читая бенчмарки выше.

Почему это не разовый эксперимент

У Meituan за плечами не случайный побочный проект: команда занялась ИИ-разработкой с 2023 года, ещё до этого купив стартап Light Year Beyond за $281 млн, а первую версию LongCat выпустила в конце 2025-го. LongCat-2.0 — не дебют, а второе поколение целенаправленной программы. И то, что модель такого масштаба выкатывает не OpenAI китайского розлива, а сервис доставки еды, — само по себе сигнал: возможность обучать модели уровня фронтира на домашнем железе в Китае перестала быть привилегией горстки специализированных лабораторий.

🔗 Источник: The Decoder

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

Anthropic выкатила сразу две премьеры за один день — и обе метят в слабые места конкурентов.

30 июня 2026 года компания одновременно представила новую модель Claude Sonnet 5 и совершенно новый продукт — Claude Science. На первый взгляд это два разных события: апдейт прайс-листа и нишевый инструмент для учёных. Но если присмотреться, это согласованный удар по двум фронтам сразу — массовому рынку агентов и узкой, но стратегически важной научной нише.

Sonnet 5: дешёвый агент почти на уровне флагмана

Главная цифра релиза — Sonnet 5 почти догнал старшую модель Opus 4.8 по «знаниевой работе» (бенчмарк GDPval-AA v2: 1618 очков против 1615 у Opus — Sonnet формально даже немного впереди). В агентном кодинге (SWE-bench Pro) модель выросла с 58,1% до 63,2%, в работе с терминалом (Terminal-Bench 2.1) — с 67% до 80,4%, в компьютерном управлении (OSWorld-Verified) — с 78,5% до 81,2%.

При этом цена принципиально другая: $2 за миллион входных токенов и $10 за миллион выходных — против куда более дорогого Opus, GPT-5.5 и Gemini 3.1 Pro (хотя Gemini 3.5 Flash всё ещё дешевле). Льготная цена продержится до 1 сентября 2026 года, после чего вырастет до $3/$15. Модель уже стала моделью по умолчанию для бесплатных и Pro-аккаунтов, доступна по API как claude-sonnet-5 и встроена в Claude Code. Контекстное окно — 1 миллион токенов, дата среза обучающих данных — январь 2026 года.

Anthropic называет Sonnet 5 «самой агентной моделью линейки Sonnet за всю историю»: она умеет самостоятельно планировать многошаговые задачи, пользоваться браузером и терминалом и доводить работу до конца без остановок на полпути — то, что ещё несколько месяцев назад требовало куда более крупных и дорогих моделей. По умолчанию включены киберзащитные ограничения на уровне Opus 4.7/4.8 — впрочем, по способности к разработке эксплойтов модель заметно уступает старшим Opus и Mythos 5.

Claude Science: рабочий стол, а не новая модель

Второй продукт дня устроен принципиально иначе. Anthropic прямо подчёркивает: Claude Science — «не новая модель и не более способная модель для биологии». Это надстройка поверх существующих моделей Claude (включая Opus 4.8), организованная как многоагентная система: главный ассистент выступает менеджером проекта и порождает специализированных под-ассистентов под конкретные задачи.

Инструмент подключается к 60+ научным базам данных и несёт готовые наборы инструментов для геномики, структуры белков и химии — в партнёрстве с инструментарием BioNeMo от NVIDIA (включая модели Evo 2, Boltz-2 и OpenFold3). Отдельный агент проверяет цитаты и расчёты перед публикацией, а результаты можно сохранять как переиспользуемые «скиллы» для будущих проектов. Систему можно развернуть локально — на Mac/Linux, через SSH или в связке с HPC-кластером лаборатории, с масштабированием от одной видеокарты до сотен.

Среди первых пользователей — нейробиолог Жером Лекок из Allen Institute, построивший на базе Claude Science многоагентный конвейер для рецензирования вычислительных результатов; группа Стивена Фрэнсиса из UCSF Brain Tumor Center, применившая систему для герминативного анализа при глиоме; и фармкомпания Novo Nordisk. Доступ — бета для подписчиков Pro, Max, Team и Enterprise; Anthropic поддержит до 50 исследовательских проектов кредитами на $30 000 каждый (приём заявок закрылся 15 июля, проекты пройдут с сентября по декабрь 2026 года).

Почему это не просто два анонса в один день

Контекст важнее самого факта релиза. У OpenAI в апреле 2026 года вышел GPT-Rosalind — узкоспециализированная дообученная модель с закрытым доступом только для отдельных корпоративных клиентов. У Google DeepMind — Gemini for Science, который опирается на собственные проприетарные модели вроде AlphaFold и AlphaGenome и объединяет 30+ биологических баз данных. Обе стратегии — это закрытые экосистемы, построенные вокруг собственных моделей и ограниченного доступа.

Anthropic выбирает третий путь: широкий доступ по обычной подписке вместо корпоративных контрактов, и инструмент поверх универсальной модели вместо специализированного дообучения. В один и тот же день компания показывает, что способна одновременно удешевлять флагманские возможности для массового рынка агентов — и открывать совершенно новый рынок для научных лабораторий. Для отрасли, где раньше единственной метрикой прогресса были бенчмарки, это сигнал смены стратегии: не только «модель умнее», но и «модель полезнее в конкретном месте».

🔗 Источник: The Decoder

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

OpenAI годами строила свою башню сверху вниз: сначала модели, потом продукты вроде ChatGPT и Codex, потом — собственные дата-центры. На этой неделе компания наконец добралась до фундамента. Вместе с Broadcom она представила Jalapeño — свой первый в истории чип, который в OpenAI гордо называют «Intelligence Processor».

Что такое Jalapeño и почему это не «ещё одна видеокарта»

Это ASIC — заказная микросхема, заточенная под одну-единственную задачу: инференс, то есть запуск уже обученной модели в ответ на ваш запрос. Не обучение, а именно «отдача». Универсальные GPU от Nvidia умеют всё понемногу; Jalapeño умеет одно, но идеально — архитектура минимизирует лишнее перекладывание данных туда-сюда и балансирует вычисления, память и сеть так, чтобы выжимать из железа почти теоретический максимум производительности.

Главная цифра: минус 50% к стоимости

В интервью гендиректор Broadcom Хок Тан назвал конкретику: новый ускоритель показывает экономию около 50% по сравнению с обычными ИИ-видеокартами. Для OpenAI, которая сжигает миллиарды на вычислениях и, по слухам, уже обдумывает повышение цен, это бьёт точно в больное место — стоимость инференса. Сама компания заявляет «существенно лучшую» энергоэффективность (производительность на ватт), чем у нынешнего топового железа, но честно оговаривается: цифры предварительные, полноценный технический отчёт выйдет позже.

Девять месяцев вместо нескольких лет

Отдельная сенсация — скорость. Путь от первых схем до готового к производству кристалла занял девять месяцев: OpenAI называет это самым быстрым циклом создания высокопроизводительного ASIC в истории отрасли (партнёрство с Broadcom официально объявили лишь в октябре 2025-го). Любопытная деталь: часть проектирования и оптимизации ускоряли собственные модели OpenAI — то есть ИИ помогал проектировать железо для ИИ.

Зачем это OpenAI: выйти из-под Nvidia

Подтекст очевиден: меньше зависимости от Nvidia, чьи GPU остаются дефицитным и дорогим ресурсом. Тем же путём уже прошли Google (чипы TPU) и Amazon (Trainium и Inferentia). При этом тяжёлое обучение моделей, скорее всего, по-прежнему останется на железе Nvidia — Jalapeño метит именно в инференс, самую массовую и денежную часть нагрузки, где даже небольшая экономия на масштабе превращается в огромные суммы.

Когда и в каких масштабах

Первое развёртывание — в конце 2026 года, сразу в гигаваттных дата-центрах (это энергопотребление уровня небольшого города). Кремний производит Broadcom, добавляя свою сетевую технологию Tomahawk; сборкой плат, стоек и систем занимается Celestica. По данным источников, до 40% первой партии чипов уже законтрактовала Microsoft — главный облачный партнёр и инвестор OpenAI. Первый пробный прогон тоже состоялся: на Jalapeño запускали модель GPT-5.3-Codex-Spark.

🔗 Источник: Ars Technica

🎯 НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

MSI на выставке Computex показала сразу несколько технологий, которые могут появиться в будущих видеокартах NVIDIA следующего поколения. Главный акцент компания сделала на охлаждении, защите питания и повышении надёжности топовых GPU.

Первая разработка — новая система охлаждения с металлическими сверхтонкими 7-лопастными вентиляторами. Толщина лопастей составляет около 0,8 мм, а более жёсткая конструкция должна предотвращать деформацию на высоких оборотах. За счёт этого вентиляторы могут эффективнее прогонять воздух через радиатор и снижать сопротивление воздушного потока.

Также MSI использует тепловые трубки со спиральными канавками, которые увеличивают площадь теплообмена. Ещё интереснее выглядят термопрокладки из алмазного композита и новое многослойное основание кулера, где медно-алмазный композитный слой находится между двумя слоями меди. Такая конструкция должна улучшить передачу тепла от GPU к радиатору.

На Computex MSI показала прототип GeForce RTX 5090 32G GAMING TRIO с новой системой охлаждения. Серийно подобные решения могут появиться уже в следующем поколении видеокарт NVIDIA.

Вторая важная технология — новая защитная система питания, похожая на Safeguard из блоков питания MSI. Она должна повысить безопасность видеокарт флагманского уровня при работе с мощными источниками питания.

Третья новинка — серверные многоразовые предохранители eFuse. Они способны быстро реагировать на короткое замыкание примерно за 200 наносекунд и восстанавливаться после срабатывания. Прототип MSI GeForce RTX 5090 32G SUPRIM Safeguard уже показали на выставке, но массово такую защиту планируют применять в будущих топовых видеокартах.

Главный вывод: видеокарты становятся не только мощнее, но и сложнее. Теперь производители борются не только за FPS, но и за охлаждение, безопасность питания и долгую стабильную работу.

Проблему смогли решить, применив модульное латентное нейросетевое ядро с multi-head токенизатором и прогрессивной генерацией (от траектории корня к позе), достигающей 15 000 FPS при задержке 2 мс. Его совместили с интерфейсом "умных примитивов" Smart Primitives (передвижение, взаимодействие с объектами), который преобразует команды пользователя в целевые ключевые кадры для ядра без файнтюнинга или тегов (zero-shot).

В результате получено качество уровня SOTA на датасетах до 350k клипов, подготовлено демо в UE5 с разнообразным передвижением, акробатикой и взаимодействием с объектами, а также осуществлено развёртывание на роботе Unitree G1 для полнотельного управления.