💻 OpenAI запускає застосунок Codex, щоб виграти позиції в гонці кодування ШІ ↗
OpenAI випустила настільний додаток Codex, який читається як командний центр для одночасного керування кількома програмістами, а не просто як окремий ланцюжок чату, який ви загубили у своїй шухляді через п'ять хвилин.
Атмосфера така: «керувати невеликим роєм» з паралельними робочими потоками та довготривалими завданнями, що звучить продуктивно… і також ніби вас підвищили до управління крихітними, невтомними стажерами.
Це досить прямий удар по суперниках, які останнім часом просто їли обід від інструментів програмування. Не нокаутуючий удар, але гучніший поштовх, ніж зазвичай.
⚙️ Ексклюзив: Джерела повідомляють, що OpenAI незадоволений деякими чіпами Nvidia та шукає альтернативи ↗
Скарга не на «неможливість навчання великих моделей», а на швидкість логічного висновку, на момент, коли модель має швидко видавати відповіді, знову і знову, у великих масштабах. Nvidia залишається центральною, але точки тиску зміщуються.
Тож компанія шукає альтернативи, включаючи AMD, а також спеціалізованих гравців, таких як Cerebras та Groq — тип обладнання, яке живе заради затримки та вбудованої пам'яті.
Публічно всі все ще поводяться ввічливо (майже тривожно ввічливо), але підтекст зрозумілий: якщо агенти кодування — це нова хитрість, швидкість перестає бути «приємною» і стає головним пріоритетом.
🏗️ Акції Oracle зростають після того, як залучення 50 мільярдів доларів зменшило побоювання щодо фінансування центрів обробки даних ↗
Oracle виклала план залучення величезної кількості грошей за рахунок боргових та акціонерних коштів, спрямованих на фінансування будівництва центру обробки даних, тісно пов'язаного з її найбільшими зобов'язаннями у сфері штучного інтелекту.
Аналітики сформулювали це як «добре, ви, мабуть, зможете за це заплатити», що є кумедним заспокоєнням — ніби вам кажуть, що у вашому літаку, ймовірно, достатньо пального.
Навіть з планом фінансування, не вщухає нервова думка: чи всі ці витрати на інфраструктуру штучного інтелекту призведуть до довготривалих вигод, чи просто до дуже дорогих миготливих вогників.
🌿 Carbon Robotics створила модель штучного інтелекту, яка виявляє та ідентифікує рослини ↗
Компанія Carbon Robotics представила «Велику модель рослини» для живлення своїх лазерних роботів для прополювання, яка, так, все ще звучить як пристрій з мультфільму про лиходія, але, очевидно, вона реальна та практична.
Практична перемога велика: система може розпізнавати нові бур'яни без повільного циклу «позначати, перенавчати, чекати». Фермери можуть вказувати, що знищувати, а що залишити, і робот адаптується без повного перезавантаження.
Це одна з тих історій про штучний інтелект, яка здається непомітно важливішою за яскраві демонстрації — менше поезії, більше постачання їжі.
⚖️ Антропний переходить у юридичні технології ↗
Anthropic просуває плагіни, які інтегрують її модель у реальні робочі процеси, зокрема юридичний плагін, призначений для перевірки документів та аналізу контрактів. Це та робота, яку люди називають «нюансованою»… доки вони не виконають 200 майже ідентичних пунктів поспіль.
Однак це не заміна для юридичних команд одним клацанням миші. Розгортання цього все ще вимагає технічних навичок, і всі будуть одержимі безпекою даних — як і повинно бути.
Трохи пікантний підтекст: постачальники легального програмного забезпечення, побудованого на вузькій автоматизації, можуть раптом відчути себе набагато менш особливими.
🧬 ConcertAI запускає прискорені клінічні випробування, використовуючи агентний штучний інтелект для радикально скороченого терміну їх проведення ↗
ConcertAI розгорнула платформу «прискорених клінічних випробувань», побудовану на основі агентного штучного інтелекту, спрямовану на пришвидшення складних етапів – розробки протоколу, перевірки доцільності, вибору місця проведення, набору учасників, усього цього складного ланцюжка.
Вони заявляють про значне скорочення термінів та внесення змін, використовуючи агентів, які отримують дані з реального світу та запатентованих даних, а також з'єднують їх зі спільними дослідницькими джерелами. Звучить амбітно, і клінічним операціям не завадить трохи магії усунення тертя.
Якщо це працює навіть наполовину, це не стільки «ШІ все лікує», скільки «ШІ змушує машину зупиняти зупинки», що, можливо, є більш правдоподібним видом прогресу.
Найчастіші запитання
Що таке застосунок OpenAI Codex і які його функції?
Додаток OpenAI Codex описується як настільний «командний центр» для координації кількох агентів кодування одночасно. Замість того, щоб знаходитися в одному потоці чату, він підтримує паралельні робочі потоки та триваліші завдання, які ви можете контролювати. Мета полягає в тому, щоб керувати невеликою «групою» агентів, поки ви переглядаєте, керуєте та інтегруєте те, що вони створюють.
Чим відрізняється застосунок OpenAI Codex від звичайного чат-бота для кодування?
Типовий чат-бот для програмування прив’язаний до одного потоку розмови, тоді як застосунок OpenAI Codex побудований на паралельному управлінні кількома агентами. Це зміщує робочий процес з «запитай, зачекай, запитай ще раз» на «делегуй кілька завдань та відстежуй прогрес». На практиці це може здаватися ближчим до контролю проекту, ніж до чистого чату, особливо коли завдання виходять за рамки швидкого циклу запитів та відповідей.
Які види роботи найкраще підходять для керівництва кількома агентами кодування?
У багатьох конвеєрах багатоагентні системи досягають успіху, коли роботу можна розділити на паралельні треки, які все ще потребують людського контролю. Поширеною схемою є призначення окремих агентів для налагодження, написання тестів, оновлення документації або дослідження альтернативних реалізацій, зберігаючи при цьому загальну узгодженість архітектури. Найбільше допомагає, коли завдання чітко визначені, відмінності ретельно перевіряються, а зміни координуються, щоб агенти не стикалися в одних і тих самих областях кодової бази.
Чому швидкість логічного висновку має таке велике значення для агентів кодування?
Агенти кодування можуть генерувати постійний потік невеликих, частих запитів, особливо під час паралельної роботи та взаємодії з інструментами. Затримка та пропускна здатність стають більш «орієнтованими на користувача», ніж у разових демонстраціях моделей. Коли швидкість реагування у великих масштабах стає вузьким місцем, швидкість виведення перетворюється на основне обмеження продукту, а не на другорядну деталь інфраструктури.
Які альтернативи чіпам, окрім Nvidia, розглядаються для штучного інтелекту?
У звітах йдеться, що Nvidia залишається центральною компанією, але зростає інтерес до альтернатив, спрямованих на швидший висновок. Серед згаданих імен є AMD та спеціалізовані гравці, такі як Cerebras та Groq. Акцент робиться не стільки на «чи може воно навчатися», скільки на обслуговуванні з низькою затримкою та високою пропускною здатністю, особливо в міру масштабування агентних робочих процесів.
Чому Oracle залучає до 50 мільярдів доларів і для чого це потрібно?
Oracle представила план залучення значної комбінації боргових та власних коштів для фінансування будівництва центру обробки даних, пов'язаного з основними зобов'язаннями у сфері штучного інтелекту. Цей крок позиціонується як спосіб розвіяти побоювання щодо того, чи зможе компанія фінансувати великі витрати на інфраструктуру. Питання, яке постійно турбує інвесторів, полягає в тому, чи принесуть значні капітальні витрати на штучний інтелект довгострокову віддачу, а не просто збільшаться витрати.
Як модель рослини Carbon Robotics змінює роботів для лазерної прополювання?
Компанія Carbon Robotics представила «Модель великої рослини» для виявлення та ідентифікації рослин, що стане основою для лазерного видалення бур’янів. Головною обіцянкою є швидша адаптація: розпізнавання нових бур’янів без повільного циклу маркування, перенавчання та очікування повного оновлення моделі. Фермери можуть вказувати, що видаляти, а що зберігати, а система розроблена для налаштування без повного скидання налаштувань.
Як інструменти агентного штучного інтелекту проявляються в юридичній роботі та клінічних випробуваннях?
Anthropic описується як компанія, що просуває плагіни, що інтегруються в робочі процеси, включаючи перевірку юридичних документів та аналіз контрактів. Окремо ConcertAI запустила платформу «прискорених клінічних випробувань», спрямовану на пришвидшення розробки протоколів, перевірки доцільності, вибору місць проведення та набору учасників. В обох сферах практичне впровадження зазвичай залежить від безпеки, управління та ретельної перевірки, а не лише від можливостей моделювання.