🧩 Компания Anthropic расширяет возможности для корпоративного сектора с помощью плагинов для Cowork ↗
Компания Anthropic все активнее делает ставку на «искусственный интеллект на рабочем месте», выпуская модули, позволяющие командам объединять повторяющиеся рабочие процессы в нечто, более близкое к внутреннему приложению.
Суть не в том, чтобы «задать вопрос чат-боту», а скорее в том, чтобы «передать задачу полуструктурированному помощнику», что звучит скучно, пока не вспомнишь, что именно в скучном, как правило, и заключаются деньги.
Также имеется относительно открытый стартовый набор плагинов — по сути, ненавязчивое приглашение копировать, настраивать и распространять их, — и на практике именно так большинство корпоративного программного обеспечения становится осязаемым.
🧪 Компания Poetiq привлекла 45,8 млн долларов начального финансирования для своей «метасистемы», повышающей квалификацию магистра права ↗
Компания Poetiq привлекла значительные инвестиции на начальном этапе для создания так называемой «метасистемы» для LLM-систем — уровня, призванного улучшить качество выходных данных и одновременно сократить затраты времени выполнения.
Суть в том, что вы предоставляете модели примеры задач, а она помогает сформировать модель, сделав её более похожей на агента, с заложенными в неё итеративной самопроверкой и доработкой. Это как если бы модели дали крошечного внутреннего менеджера проекта… немного придирчивого, но всё же.
Если это сработает, это станет практическим прорывом. Если нет, то он пополнит ряды стартапов, которые «исправили LLM», но оказались… в основном лишь формальными проектами.
💸 Стартапы в сфере искусственного интеллекта, которые венчурные капиталисты тайно финансируют ↗
Baseten позиционируется как лидер в области «слоев вывода» — той неприглядной части, где модели запускаются в продакшене, бюджеты становятся неконтролируемыми, а инженеры начинают считать миллисекунды, словно распределяют воду по карточкам.
В статье утверждается о крупном инвестиционном раунде с высокой оценкой компании и отмечается участие Nvidia, что является одним из тех сигналов, к которым люди относятся как к флюгеру: где появляется Nvidia, там и внимание.
Это также напоминание о том, что золотая лихорадка — это не только создание лучшей модели, но и обеспечение её доступности для постоянного использования.
🧾 Компания OpenAI готовится к IPO в четвертом квартале, сообщает WSJ ↗
По имеющимся данным, OpenAI закладывает основу для графика проведения IPO, а также укрепляет финансовое лидерство — шаги, которые обычно означают, что «мы всерьез намерены выйти на публичный рынок», независимо от того, говорят они об этом вслух или нет.
Скрытый смысл довольно очевиден: передовые технологии в области ИИ обходятся дорого, конкуренция высока, а привлечение огромных капиталов становится проще, когда вы можете продать идею всему рынку, а не только горстке частных инвесторов.
Да, это немного сюрреалистично. Слова «лаборатория ИИ» и «подготовка к IPO» в одном предложении до сих пор воспринимаются как два магнита, притягивающихся друг к другу.
🤝 ServiceNow и Anthropic раскрыли информацию о сделке в сфере искусственного интеллекта ↗
Компания ServiceNow объединяет усилия для интеграции модели Claude в свой стек инструментов управления рабочими процессами, позиционируя ее как вариант по умолчанию в инструментах, которые уже используются для управления ИТ, кадрами, поддержкой — всем тем не самым привлекательным, что помогает компаниям оставаться на плаву.
Главная особенность здесь — распространение: если ИИ интегрирован в рабочий процесс, ему не нужно напоминать пользователям о своем существовании. Он просто… присутствует, тихонько выполняя рутинные задачи.
Подобные сделки также подталкивают вперед идею о «повсюду агентах» — даже если в половине случаев под «агентом» по-прежнему подразумевается «бот, который заполняет формы быстрее, чем вы можете это сделать»
🕵️♂️ Google добавляет функцию «Agentic Vision» в Gemini 3 Flash ↗
Google DeepMind продвигает идею «агентного зрения» для Gemini 3 Flash — модель должна циклически просматривать изображение, действовать (с помощью программных инструментов), а затем снова просматривать его, вместо того чтобы делать вид, что она идеально поняла изображение с первого взгляда.
Это означает такие практические шаги, как увеличение масштаба до мельчайших областей, обрезка или выполнение небольших вычислений в рамках логического процесса. Это почти комично очевидно, но в то же время — в некотором смысле — это настоящий шаг к уменьшению количества «уверенно неправильных ответов» в задачах, связанных с визуальным восприятием.
Если эта модель приживется, то выражение «визуальная модель» перестанет означать «описать фотографию» и начнет означать «проанализировать фотографию», что звучит несколько агрессивно… но, возможно, именно этого и требует точность.
Часто задаваемые вопросы
Что представляют собой плагины Anthropic для совместной работы и как они помогают командам?
Плагины для коворкинга позиционируются как строительные блоки, помогающие командам превращать повторяющиеся задачи в полуструктурированные рабочие процессы. Вместо свободного «чата» здесь используется подход, при котором задача назначается помощнику, следующему определенной схеме. Во многих корпоративных проектах по внедрению ИИ такая структура, как правило, упрощает освоение, поскольку результаты кажутся более предсказуемыми. «Стартовый набор» также предполагает, что копирование и адаптация шаблонов являются частью предполагаемого способа работы.
Как происходит переход корпоративного ИИ от чат-ботов к встроенным рабочим процессам?
Главная идея этих обновлений — переход корпоративного ИИ от автономных чат-ботов к интеграции в повседневные инструменты. Когда ИИ работает в рамках существующего рабочего процесса, пользователям не нужно помнить об открытии отдельного интерфейса. Это обычно обеспечивает устойчивое использование, особенно для рутинной работы в сфере ИТ, управления персоналом и поддержки. Акцент делается на надежность и воспроизводимость, а не на новизну.
Что на практике означает партнерство ServiceNow и Anthropic?
Партнерство позиционируется как интеграция Claude в стек рабочих процессов ServiceNow, что делает его опцией по умолчанию в системах, которые уже используются пользователями. В первую очередь это выглядит как стратегия распространения: ИИ появляется там, где уже находятся заявки, запросы и согласования. Во многих организациях именно там скапливается не слишком привлекательная, но объемная работа. Ценность заключается не столько в эффектных демонстрациях, сколько в незаметном устранении утомительных этапов.
Что должна делать «метасистема» Поэтика для программ магистратуры в области права?
Компания Poetiq предлагает слой, призванный улучшить качество выходных данных и одновременно сократить затраты времени выполнения, за счет формирования моделей с помощью примеров задач и итеративной самопроверки. Представьте это как добавление цикла уточнения, позволяющего системе проверять и корректировать ответы, прежде чем остановиться на окончательной версии. Во многих конвейерах это напоминает поведение агента, но не опирается исключительно на одноразовые ответы. Перспектива прагматична: меньше ошибок и меньше ненужных вычислительных ресурсов.
Почему инвесторов так привлекает «уровень вывода» и такие компании, как Baseten?
«Уровень вывода» — это то, где модели работают в производственной среде, и именно здесь задержка, надежность и стоимость становятся болезненно ощутимыми. В статье Baseten позиционируется как вероятный победитель в этой непривлекательной, но важной части стека. Во многих развертываниях лучшим ограничением является не лучшая модель, а бюджет и время отклика. Участие Nvidia часто рассматривается как сигнал о том, что инфраструктурный аспект имеет значение.
Что такое «агентное зрение» в Gemini 3 Flash и почему это важно?
«Агентное зрение» описывается как цикл, в котором модель сначала осматривает изображение, затем действует с помощью инструментов (например, кода), а затем снова осматривает его. Это позволяет выполнять практические действия, такие как масштабирование, обрезка или выполнение небольших вычислений, вместо того, чтобы делать вид, что первого взгляда было достаточно. Цель состоит в уменьшении количества ошибок при решении визуальных задач за счет более обдуманного подхода к анализу. Если эта модель получит распространение, модели компьютерного зрения начнут вести себя скорее как исследователи, чем как рассказчики.