🔥 AI дайджест

Крупнейшая встряска в Google за годы: главный учёный Jeff Dean (27 лет в компании), сооснователь BigTable и MapReduce Санжай Гемават, Ориол Виньялс и Куок Ле покидают Google, чтобы запустить стартап Discovery Loop — public benefit corporation, которая будет использовать AI для научных открытий: от разработки лекарств до проектирования чипов. Параллельно CEO Google DeepMind Демис Хассабис (Нобелевский лауреат 2024 за AlphaFold) слагает с себя операционный пост и становится председателем DeepMind и главным учёным Alphabet — он сфокусируется на стратегии AGI и научных применениях AI, больше времени уделяя Isomorphic Labs (AI-разработка лекарств). Операционку DeepMind и разработку Gemini возглавит Корай Кавукчуоглу (экс-CTO DeepMind, главный AI-архитектор Alphabet) — в роли SVP, напрямую под Sundar Pichai. Хассабис в письме сотрудникам заявил, что AGI близок и следующие шаги критичны для человечества. Акции Alphabet после новостей упали примерно на 5%.

AMD объявила (после закрытия торгов 6 августа) о покупке торонтского стартапа Taalas (основан в 2023). Подход радикально отличается от GPU: веса моделей не хранятся в HBM, а буквально вытравливаются в кремний — это model-specific integrated circuit (MSIC). Первый тестовый чип HC1 (TSMC 6nm) обслуживал Llama 3.1 8B со скоростью 16 960 токенов/с — на момент анонса это в 48 раз быстрее GPU Nvidia и в 8,5 раза быстрее ускорителей Cerebras. Второе поколение HC2 (ожидается этим летом) нацелено на 20 млрд параметров на чип: для триллионной модели хватило бы ~50 ускорителей с pipeline-параллелизмом. AMD планирует интегрировать технологию с GPU Instinct в системные решения. Сумма сделки не раскрыта. Контекст — тот же, что у лицензионной сделки Nvidia с Groq на $20 млрд: «премиальный» быстрый inference для AI-агентов.

Бельгийский разработчик Алекс Ваутерс собрал браузерную игру-симулятор: игрок на 60 секунд становится «человеком в контуре» AI-кодинг-агента (вроде Claude Code) и должен одобрять или отклонять запросы на команды — среди них замаскированы опасные. Данные более чем 40 000 раундов и 409 000 одобренных/отклонённых команд показали: в среднем игроки пропускали примерно 1 из 3 вредоносных запросов. Чаще всего проскакивали scope violations — просьбы прочитать ~/.aws/credentials или Kubernetes-конфиги, что ведёт к эксфильтрации секретов. Причина — «approval fatigue»: поток однотипных подтверждений притупляет внимание, и в реальной работе разработчики одобряют ~93% запросов на разрешения. Вывод автора: ручное подтверждение каждой команды — не решение; нужны умные политики и автоматическая проверка контекста.

Prime Intellect (авторы open-source обучения моделей) представили Prime Agent — открытый харнесс нового типа, который «сам себя достраивает». Две ключевые абстракции: Recursive Language Model (RLM) — контекст как переменная, а вызов сабагентов — как функции внутри persistent REPL (IPython-ядро как единственный инструмент); и Continual Harness — агент может создавать, читать, обновлять и удалять (CRUD) собственное состояние: промпты, скиллы, память, сабагентов. Плюс agent-to-agent коммуникация: Prime Agent умеет спавнить постоянных сабагентов, переписываться с ними позже в траектории и связываться с другими сессиями Prime Agent. Архитектура с фоновым демоном: сессии живут в recoverable worker-процессах, краш не теряет состояние (восстановление из JSONL + снапшота ядра). Позиционируется как кодинг-ассистент и рантайм для долгих автономных эвалюаций. Полностью open-source, установка одной командой.