Обзор рынка искусственного интеллекта
Компания OpenAI представила GPT-5 – новую флагманскую модель искусственного интеллекта, которая ляжет в основу следующего поколения ChatGPT. Это первая унифицированная модель искусственного интеллекта от OpenAI, которая сочетает в себе аналитические способности моделей omni-серии с быстрыми ответами моделей серии GPT. Выход модели означает масштабные амбиции OpenAI по разработке систем искусственного интеллекта, которые больше похожи на агентов, чем на чат-ботов.
Если GPT-4 давал возможность чат-ботам с искусственным интеллектом давать разумные ответы на самые разные вопросы, то GPT-5 позволяет ChatGPT выполнять широкий спектр задач от имени пользователей, например генерировать программные приложения, управлять календарем пользователя или создавать исследовательские задания.
С помощью GPT-5 компания OpenAI также стремится упростить использование ChatGPT. Вместо того чтобы предлагать пользователям выбрать правильные настройки, GPT-5 оснащён маршрутизатором, который в режиме реального времени решает, как дать лучший ответ.
OpenAI утверждает, что GPT-5 является самой современной моделью в нескольких областях и немного превосходит ведущие модели ИИ от Anthropic, Google DeepMind и xAI по ключевым показателям.
В компании заявили, что GPT-5 обеспечивает высокую производительность при написании кода. По словам Альтмана, эта модель особенно хорошо справляется с созданием целых программных приложений по запросу, что получило название «вибрационное кодирование». На SWE-bench Verified, тесте реальных задач по программированию, GPT-5 с первой попытки набрал 74,9 %. Кроме того, OpenAI утверждает, что GPT-5 лучше других моделей ИИ справляется с более сложными для измерения субъективными областями, такими как креативный дизайн и писательство.
GPT-5 также более точен, чем предыдущие модели OpenAI, и, по словам компании, гораздо меньше подвержен «галлюцинациям» — склонности моделей ИИ выдумывать информацию — по сравнению с моделями серии o. OpenAI также заявляет, что GPT-5 безопаснее предыдущих моделей.
Новый агент ChatGPT от OpenAI может управлять целым компьютером и выполнять задачи за пользователя. OpenAI развивает ИИ-агентов, которые выполняют сложные многоэтапные задачи от имени пользователя. Компания представила ChatGPT Agent – инструмент, который может выполнять работу от вашего имени с помощью собственного «виртуального компьютера».
В OpenAI заявили, что новый инструмент может осуществлять просмотр календаря пользователя для информирования о предстоящих встречах с клиентами, планирование и покупку ингредиентов для приготовления пищи, а также создание презентации на основе анализа конкурирующих компаний.
Модель, лежащая в основе ChatGPT Agent, была обучена решению сложных задач, которые требуют использования нескольких инструментов, таких как текстовый браузер, визуальный браузер и терминал, куда пользователи могут импортировать свои собственные данные, с помощью обучения с подкреплением.
OpenAI выпускает новую учебную функцию ChatGPT. В отличие от традиционных ответов ChatGPT, Study Together предлагает пошаговое руководство по изучению любого материала. Помимо этого, он поможет подготовиться к тестам и проверить знания. С помощью функции «Изучение вместе» есть возможность получить помощь с домашним заданием или разобраться в сложных задачах.
О запуске похожей функции объявил Google – Guided Learning работает как ИИ-репетитор, помогая пользователям глубже понять материал. Запуск обоих инструментов происходит на фоне опасений, что чат-боты с искусственным интеллектом препятствуют процессу обучения, поскольку выдают прямые ответы. Благодаря функции «Управляемое обучение» Gemini будет шаг за шагом разбирать задачи и адаптировать объяснения под потребности пользователей. Функция использует изображения, диаграммы, видео и интерактивные тесты, чтобы помочь пользователям закрепить и проверить знания, а не просто дать ответ.
В планах обучить Gemini автоматически добавлять изображения, схемы и видео с YouTube прямо в ответы, чтобы помочь пользователям лучше понять сложные темы.
В NotebookLM от Google появилась новая функция «Обзор видео», которая использует искусственный интеллект для создания слайд-шоу с закадровым текстом. Ее можно рассматривать как визуальную альтернативу аудиообзорам, где ИИ-хост создает новые визуальные элементы, чтобы проиллюстрировать тезисы, а также использует изображения, диаграммы, цитаты и цифры из документов. Это делает его инструментом для объяснения данных, демонстрации процессов и придания абстрактным понятиям более осязаемой формы.
Google DeepMind выпускает новую версию своей «мировой»1Мировые модели – это разновидность систем ИИ, которые могут имитировать окружающую среду в образовательных, развлекательных целях или для обучения роботов или агентов искусственного интеллекта. 2С помощью мировых моделей пользователь задаёт запрос, и они генерируют пространство, в котором он может перемещаться, как в видеоигре модели искусственного интеллекта под названием Genie 3, способную генерировать трёхмерные среды, с которыми пользователи и агенты ИИ могут взаимодействовать в режиме реального времени.
Компания также обещает, что пользователи смогут взаимодействовать с мирами гораздо дольше, чем раньше, и что модель будет запоминать, где находятся объекты, когда человек отводит от них взгляд. Google прилагает много усилий в данной области. Компания продемонстрировала Genie 2 в декабре, который может создавать интерактивные миры на основе изображения, и сейчас она создаёт команду по моделированию миров под руководством бывшего соруководителя инструмента для создания видео Sora от OpenAI.
Google Chrome добавляет сводки по магазинам на основе искусственного интеллекта, чтобы помочь покупателям в США. Google анонсировала обновление своего браузера Chrome, которое позволит американским покупателям получать отзывы о магазинах, чтобы помочь им определить лучшие места для покупок. Эта функция, доступная по нажатию на значок слева от веб-адреса в браузере, будет отображать всплывающее окно с информацией о репутации магазина по таким параметрам, как качество продукции, покупки, цены, обслуживание клиентов и возвраты.
Google заявляет, что цель сводок – обеспечить более безопасный и эффективный процесс покупок. Эта функция также поможет Google конкурировать с другими функциями искусственного интеллекта, внедрёнными розничным гигантом Amazon, который использует новую технологию для обобщения рейтингов и обзоров товаров, помощи покупателям в поиске подходящей одежды, получения рекомендаций и сравнений товаров и многого другого. Изменения происходят в то время, когда Google впервые за много лет сталкивается с потенциальной конкурентной угрозой доминированию Chrome на мировом рынке браузеров.
Google объявил о нескольких новых функциях, которые позволят пользователям творчески подходить к сохранению воспоминаний в фотографиях в Google Photos, в том числе о возможности превращать фотографии в видео и «переделывать» фотографии в различных стилях, таких как аниме, комиксы, скетчи или 3D-анимация. Приложение также централизует доступ к своим творческим инструментам, включая инструменты на базе искусственного интеллекта, и традиционные инструменты, на новой вкладке «Создать» в приложении «Фото».
Две новые функции будут доступны на этой вкладке наряду с другими инструментами, позволяющими создавать коллажи, выделять фрагменты видео и другие вещи. Благодаря функции преобразования фотографий в видео, аналогичной предложению, уже доступному в Gemini, пользователи смогут создавать короткие видеоролики из своих фотографий с помощью модели Veo 2 от Google. Обе функции будут включать в свои результаты невидимый цифровой водяной знак SynthID, который будет указывать на то, что они созданы искусственным интеллектом.
Microsoft добавляет GPT-5 в Copilot с новым интеллектуальным режимом. Он позволяет ИИ-помощнику переключаться между моделями, чтобы пользователи могли использовать более глубокие рассуждения или быстро реагировать в зависимости от задачи.
Microsoft представила Project Ire – прототип автономного ИИ-агента, который может анализировать файлы программного обеспечения, чтобы определить, не скрывают ли они вредоносное ПО. По данным Microsoft, Project Ire может самостоятельно проводить реверс-инжиниринг и классифицировать программное обеспечение без какого-либо предварительного контекста, автоматизируя и масштабируя этот сложный процесс. Project Ire использует декомпиляторы и другие инструменты для сбора данных, которые позволяют определить, является ли файл безопасным или вредоносным, а также предоставляют отслеживаемую цепочку доказательств. Цель проекта Ire – уменьшить количество ошибок и снизить утомляемость аналитиков, ускорить реагирование на угрозы и усилить защиту от развивающихся атак, сообщила Microsoft. В ходе тестов, проведённых технологическим гигантом на наборе данных драйверов Windows, включавшем как вредоносное, так и безопасное программное обеспечение, Project Ire правильно определил 90 % файлов.
Microsoft выпускает обновление для Copilot Vision, которое позволяет инструменту искусственного интеллекта видеть всё, что происходит на экране. Ранее он мог одновременно просматривать два приложения и устанавливать связи между ними. В отличие от Recall, который может автоматически делать регулярные снимки того, что отображается на экране компьютера, использование Copilot Vision напоминает демонстрацию экрана во время видеозвонка: пользователь может активировать эту функцию, нажав на значок очков в приложении Copilot и выбрав рабочий стол, который пользователь хочет показать.
Tesla начала внедрять в свои автомобили Grok – диалогового ИИ-помощника, разработанного компанией xAI. Он даст возможность водителям общаться с ИИ-помощником в дороге без помощи рук. Все новые автомобили, выпущенные позже июля 2025 года, будут оснащены Grok AI. Владельцы более старых автомобилей могут получить доступ к функции через беспроводное обновление, если их автомобиль соответствует нескольким требованиям к аппаратному и программному обеспечению. Grok предназначен для того, чтобы отвечать на вопросы и вести диалог на естественном языке.
YouTube начинает внедрять GenAI в свой центр создания коротких видео с помощью новых функций, таких как преобразование фотографий в видео и арсенал видеоэффектов на основе искусственного интеллекта, созданных с помощью второй по качеству модели генерации компании. Новые функции будут доступны в центре создания контента Shorts, где пользователи смогут создавать новый контент на основе фотографий, существующих видео или даже рисунков.
Alibaba представляет Qwen-Image – мощную модель искусственного интеллекта с открытым исходным кодом, которая справляется с отображением сложного текста на изображениях, составляя конкуренцию проприетарным решениям таких компаний, как Google и OpenAI. Qwen-Image, доступный по всему миру на таких платформах, как Hugging Face, демонстрирует передовые возможности по созданию сложного текста, в том числе многострочных китайских иероглифов, непосредственно на высококачественных изображениях. Модель, выпущенная под разрешительной лицензией Apache 2.0, бросает прямой вызов проприетарным западным системам от Google и OpenAI. Qwen-Image – это базовая модель с 20 миллиардами параметров, построенная на основе архитектуры мультимодального диффузионного трансформера (Multimodal Diffusion Transformer, MMDiT). Для интерпретации сложных пользовательских запросов она использует замороженную модель Qwen2.5-VL для обработки языка и изображений в качестве кодировщика условий. Такой подход позволяет использовать модель, которая уже умеет сопоставлять языковые и визуальные данные.
Runway представляет новую модель Aleph, которая может удалять предметы и людей из сцен, генерировать новые ракурсы, менять объекты в сценах. Aleph основан на исследованиях Runway в области общих моделей мира и имитационных моделей. Он предоставляет пользователям инструмент на основе диалогового ИИ, который может мгновенно вносить сложные изменения в видеоматериалы, как созданные, так и существующие. В отличие от предыдущих моделей, которые в основном генерировали видео из текста, Aleph делает упор на «гибкое редактирование». Он может добавлять или удалять объекты, корректировать действия, менять освещение и сохранять непрерывность между кадрами. Компания утверждает, что возможности локального и глобального редактирования Aleph обеспечивают согласованность сцен, персонажей и окружения, поэтому создателям не нужно исправлять ошибки в каждом кадре.
В московском аэропорту Внуково и екатеринбургском аэропорту Кольцово заработали пункты автоматического паспортного контроля, оснащенные технологиями искусственного интеллекта Smart Engines. Системы решают одновременно две задачи: с одной стороны, позволяют пассажирам международных рейсов оперативно, бесконтактно и с комфортом проходить паспортный контроль, а с другой – усиливают безопасность. ИИ не только мгновенно распознает данные паспорта, но и выявляет попытки предъявления поддельных или недействительных документов. Аэропорт Внуково перенял успешный опыт аэропорта Шереметьево, где модули автоматизированной системы паспортного контроля (АСПК) «Сапсан» с ИИ Smart Engines работают с 2021 г. После установки таких модулей совокупная пропускная способность на границе выросла в 6 раз.
VK выложила в открытый доступ модель RuModernBERT для обработки естественного русского языка. Она понимает длинные тексты целиком, без разбиения на фрагменты и работает локально, без внешних API, что снижает нагрузку на инфраструктуру. Инженеры могут использовать ее для задач в области обработки текста, в том числе для извлечения информации, анализа тональности, поиска и ранжирования в приложениях и сервисах. Модель может понять сложный или длинный запрос пользователя, например, в поисковой строке и найдет наиболее релевантную информацию, видео, товары или документы. RuModernBERT была обучена на 2 триллионах токенов данных на русском, английском языках и коде с максимальной длиной контекста до 8,192 токенов. Для всех этапов обучения были использованы разные источники данных, в том числе книги, статьи, посты и комментарии в социальных сетях, что позволяет адаптировать ее для работы с современным текстом и учитывать разговорную речь.
- 1Мировые модели – это разновидность систем ИИ, которые могут имитировать окружающую среду в образовательных, развлекательных целях или для обучения роботов или агентов искусственного интеллекта
- 2С помощью мировых моделей пользователь задаёт запрос, и они генерируют пространство, в котором он может перемещаться, как в видеоигре
