🧩 Anthropic покращує корпоративні пропозиції за допомогою плагінів Cowork ↗
Anthropic більше схиляється до «штучного інтелекту на робочому місці», розгортаючи структурні блоки у стилі плагінів, які дозволяють командам упаковувати повторювані робочі процеси у щось ближче до внутрішнього додатку.
Атмосфера не стільки «запитайте чат-бота», скільки «передайте завдання напівструктурованому помічнику», що звучить нудно, поки ви не згадаєте, що саме в нуді зазвичай ховаються гроші.
Також існує більш-менш відкритий стартовий набір плагінів — по суті, тихе запрошення до копіювання, налаштування та доставки — і на практиці саме так більшість корпоративного програмного забезпечення стає відчутним.
🧪 Poetiq отримує початкове фінансування у розмірі 45,8 мільйона доларів для своєї «метасистеми», що вдосконалює LLM ↗
Poetiq залучив значний початковий раунд для створення того, що вони називають «метасистемою» для LLM – шару, призначеного для покращення якості результату, а також скорочення витрат на виконання.
Суть полягає в тому, що ви надаєте йому приклади завдань, і це допомагає сформувати модель у щось більш схоже на агента, з ітеративною самоперевіркою та вдосконаленням. Щось на кшталт того, якби моделі дали крихітного внутрішнього менеджера проектів… трохи примхливого, але все ж.
Якщо це спрацює, це буде практичним відкриттям. Якщо ні, то він приєднається до купи стартапів типу «ми виправили LLM», які виявилися… здебільшого вайбами.
💸 Венчурні капіталісти таємно фінансують стартапи зі штучним інтелектом ↗
Басетена називають переможцем у «шарі логічного висновку» – тій непримітній частині, де моделі запускаються у виробництві, бюджети стають дивними, а інженери починають рахувати мілісекунди, ніби вони нормують воду.
У статті стверджується про великий раунд із великою оцінкою та зазначається участь Nvidia, що є одним із тих сигналів, які люди сприймають як флюгер: де з'являється Nvidia, туди й увага.
Це також нагадування про те, що золота лихоманка полягає не лише у створенні найкращої моделі, а й у тому, щоб зробити модель достатньо доступною, щоб її постійно використовувати.
🧾 OpenAI готується до IPO у четвертому кварталі, повідомляє WSJ ↗
Повідомляється, що OpenAI закладає основу для графіка IPO, а також формує фінансове лідерство – такі кроки зазвичай означають, що «ми серйозно ставимося до життя на публічному ринку», незалежно від того, говорять вони про це вголос чи ні.
Підтекст досить прямолінійний: передовий штучний інтелект дорогий, конкуренція жорстка, а залучення величезних капіталовкладень стає легшим, коли можна продати історію всьому ринку, а не лише жменьці приватних спонсорів.
І так, це трохи сюрреалістично. «Лабораторія штучного інтелекту» та «підготовка до IPO» в одному реченні досі здаються двома магнітами, що клацають один об одного.
🤝 ServiceNow та Anthropic розкривають угоду щодо штучного інтелекту ↗
ServiceNow співпрацює з метою вбудувати Claude у свій робочий процес, позиціонуючи модель як опцію за замовчуванням в інструментах, які люди вже використовують для управління ІТ, HR, підтримкою – усіма цими непривабливими речами, які тримають компанії на плаву.
Справжня історія тут полягає в розподілі: якщо штучний інтелект знаходиться всередині робочого процесу, йому не потрібно благати користувачів пам’ятати про його існування. Він просто… там, непомітно відкусуючи шматочки від нудних завдань.
Такі угоди також просувають наратив про «агентів скрізь» – навіть якщо в половині випадків «агент» все ще означає «бота, який заповнює форми швидше, ніж ви»
🕵️♂️ Google додає «агентське бачення» до Gemini 3 Flash ↗
Google DeepMind просуває ідею «Агентського бачення» для Gemini 3 Flash – дозволяє моделі циклічно переглядати, діяти (за допомогою інструментів коду), а потім переглядати знову, замість того, щоб вдавати, що вона ідеально зрозуміла зображення з першого погляду.
Це означає практичні кроки, такі як масштабування крихітних областей, обрізання або виконання невеликих обчислень як частини процесу міркування. Це майже комічно очевидно, але також – непомітно – справжній крок до зменшення кількості «впевнених неправильних відповідей» на візуальні завдання.
Якщо ця закономірність приживеться, «модель зору» перестане означати «описати фотографію» і почне означати «дослідити фотографію», що звучить дещо агресивно… але, можливо, саме цього й потребує точність.
Найчастіші запитання
Що таке плагіни Anthropic для коворкінгу та як вони допомагають командам?
Плагіни для коворкінгу оформлені як структурні блоки, схожі на плагіни, які допомагають командам перетворювати повторювані завдання на напівструктуровані робочі процеси. Замість вільного «чату», ця ідея ближче до призначення завдання помічнику, який дотримується послідовного шаблону. У багатьох впровадженнях штучного інтелекту на підприємствах така структура, як правило, полегшує впровадження, оскільки результати здаються більш передбачуваними. «Стартовий набір» також передбачає, що копіювання та налаштування шаблонів є частиною запланованого способу роботи.
Як корпоративний штучний інтелект переходить від чат-ботів до вбудованих робочих процесів?
Головною лінією цих оновлень є відхід корпоративного штучного інтелекту від окремого чат-бота до чогось, що інтегровано в повсякденні інструменти. Коли штучний інтелект працює в рамках існуючого робочого процесу, користувачам не потрібно пам’ятати про відкриття окремого інтерфейсу. Зазвичай це забезпечує стабільне використання, особливо для рутинної роботи в сфері ІТ, кадрів та підтримки. Акцент робиться на надійності та повторюваності, а не на новизні.
Що означає партнерство ServiceNow та Anthropic на практиці?
Партнерство представлено як інтеграцію Claude у стек робочих процесів ServiceNow, що робить його опцією за замовчуванням у системах, які люди вже використовують. Це передусім читається як розподільчий підхід: ШІ з'являється там, де вже є заявки, запити та схвалення. У багатьох організаціях саме там накопичується неприваблива, але великооб'ємна робота. Цінність полягає не стільки в яскравих демонстраціях, скільки в непомітному видаленні нудних кроків.
Що має робити «метасистема» Poetiq для LLM?
Poetiq пропонує шар, призначений для покращення якості виводу, а також для скорочення витрат на виконання, шляхом формування моделей з прикладами завдань та ітеративною самоперевіркою. Уявіть собі це як додавання циклу уточнення, щоб система могла перевіряти та коригувати відповіді, перш ніж зупинитися на остаточній версії. У багатьох конвеєрах це нагадує агентоподібну поведінку, не покладаючись виключно на одноразові відповіді. Обіцянка прагматична: менше помилок і менше втрачених обчислювальних ресурсів.
Чому інвестори так захоплені «рівнем логічного висновку» та такими компаніями, як Baseten?
«Шар логічного висновку» — це місце, де моделі працюють у продакшені, і саме тут затримка, надійність та вартість стають болісно відчутними. У статті Baseten позиціонується як ймовірний переможець у цій не дуже привабливій, але важливій частині стеку. У багатьох розгортаннях найкраща модель не є головним обмеженням — це бюджет та час відгуку. Участь Nvidia часто сприймається як сигнал про те, що інфраструктурний аспект має вагу.
Що таке «агентське бачення» у Gemini 3 Flash і чому це важливо?
«Агентське бачення» описується як циклічний перегляд моделі, дії за допомогою інструментів (таких як код), а потім повторний перегляд. Це дозволяє виконувати практичні дії, такі як масштабування, обрізання або виконання невеликих обчислень, замість того, щоб вдавати, що першого погляду було достатньо. Мета полягає в тому, щоб зменшити кількість впевнених помилок у візуальних завданнях, роблячи перевірку більш обдуманою. Якщо ця схема поширюється, моделі зору починають поводитися більше як дослідники, ніж як оповідачі.