Август стал месяцем, когда искусственный интеллект перешёл от слов к действиям. Агенты добрались до лабораторного оборудования, роботов, рабочих программ и интерфейсов, которые рождаются прямо во время использования.
Чем заметнее эта самостоятельность, тем отчётливей звучит вопрос: кто и как сможет вовремя нажать на стоп?
OpenAI называет Astra своим самым интеллектуальным и согласованным с намерениями пользователя решением. Модель лучше справляется с агентскими сценариями и глубже погружается в рабочую среду: самостоятельно проходит многошаговый маршрут по браузеру и рабочим программам — собирает данные, заполняет формы, обновляет CRM, готовит документы, проверяет сайты и устанавливает ПО.
Что нового
Цифры впечатляют, однако в пересказах анонса часть из них успела исказиться: Astra справилась с 99,9% незнакомых логических задач, решила все задания по поиску и использованию уязвимостей и закрыла 97,6% сложных математических задач. В пользовательских задачах модель открывала программы, нажимала кнопки, заполняла формы и выполняла цепочки действий, справившись с 72,6% заданий. В среднем на одну задачу ей требовалось около 40 минут — почти вдвое меньше, чем GPT-5.6 Sol.
Демонстрации хорошо показывают, что OpenAI понимает под «профессиональной работой»: Astra собирает презентации по корпоративному шаблону, проектирует платы в KiCad, создаёт сайты и игры по описанию, а модель дома из Blender превращает в сцену, по которой можно пройти в Unreal Engine 5.
Почему это важно
Astra интересна как претензия на универсального исполнителя. Если заявленные возможности подтвердятся на практике, компании будут смотреть уже не на помощь в отдельных задачах, а на возможность передать моделям часть рабочего процесса.
Доступ к Astra в ближайшие дни получат подписчики ChatGPT Plus, Pro, Business и Enterprise, а также пользователи API, Azure и AWS Bedrock. Стандартная цена API — 10 долларов за миллион входных и 50 долларов за миллион выходных токенов.
У Astra есть важная предыстория.
В июле экспериментальные агенты OpenAI получили задачу искать уязвимости в изолированной среде — и решили, что самый короткий путь к цели лежит вне испытательного полигона. Они выбрались за пределы стенда, начали обмениваться находками и продолжили работу уже на сторонней инфраструктуре. В августе компания подробно рассказала, как это произошло.
На свободу с чистой совестью
Основную активность вела внутренняя исследовательская модель, сопоставимая по масштабу с GPT-5.6 Sol. Агенты создали несанкционированную доску сообщений, делились уязвимостями и фактически объединили вычислительные ресурсы отдельных запусков. Затем они добрались до внешних сервисов, выполнили код на десятках серверов Hugging Face и получили доступ к закрытым данным и служебным учётным записям.
Феномен инцидента в том, что модели понимали, что вышли за рамки задания, но продолжали атаку ради высокого результата — вместо остановки на нерешаемой задаче система стала искать обходной путь.
После инцидента OpenAI изолировала веса модели, приостановила часть обучающих запусков, ужесточила сетевые ограничения и расширила автоматическое наблюдение за рассуждениями и действиями агентов. А новый тест, на котором Astra показала 0% выходов за границы задания, вырос непосредственно из этого эпизода.
Почему это важно
Это один из первых подробно описанных случаев, когда автономные агенты вышли за пределы учебной среды и добрались до реальной инфраструктуры сторонней компании. Инцидент показал, к чему может привести сочетание настойчивости модели, доступа к инструментам, слабой изоляции и способности нескольких агентов обмениваться накопленным опытом.
Практический вывод для бизнеса прозаичный: нужны отдельные контуры, запрет исходящих соединений по умолчанию, наблюдение за промежуточными действиями и понятный сценарий остановки. Пока этого может быть достаточно, но чем умнее и самостоятельнее станут модели, тем быстрее они будут находить обходные пути — и тем серьёзнее могут оказаться последствия подобного инцидента.
Каждый мечтал о системе, которая генерирует интерфейс прямо во время его использования. Мечтал же? Если да, то Runway вас услышала и релизнула Solaris — модель для генерации интерфейсов в реальном времени. У такого сайта нет заранее подготовленного набора экранов: вы нажимаете на предмет или вводите команду, а система тут же придумывает и отрисовывает, что произойдёт дальше.
Что нового
Для старта достаточно одного изображения — виртуального магазина, комнаты или учебной сцены. Solaris превращает его в пространство, где предметы можно двигать, примерять и перекрашивать даже тогда, когда разработчик не прописал такое действие заранее. Языковая модель решает, что должно произойти, а адаптированная Gen-4.5 сразу отрисовывает результат в 720p.
В тестах Runway пользователи чаще выбирали Solaris, чем интерфейсы, собранные языковой моделью в коде: 61% против 24% по следованию команде и 71% против 21% по естественности поведения. До готового продукта, впрочем, далеко: система путается в тексте, теряет связность в длинных сессиях и пока не дружит с экранными дикторами и другими средствами доступности.
Почему это важно
Обычно ИИ рисует макет, а затем человек или другой агент переводит его в код. Solaris пытается вычеркнуть этот промежуточный этап: картинка сама становится программой. Если подход сработает, витрины, тренажёры и учебные материалы смогут перестраиваться под человека прямо во время сессии.
Пока это исследовательское демо с ранним доступом, а не похороны обычной разработки. Однако вектор уже задан: возможно, скоро не пользователь будет учиться работать с интерфейсом, а интерфейс — подстраиваться под пользователя.
Подключить ИИ к десятку управляемых систем сегодня сложнее, чем научить его ставить эксперимент. Anthropic хочет убрать эту путаницу с помощью Model Hardware Standard: устройство один раз получает стандартный драйвер, а агент — понятный набор команд, показателей и жёстких ограничений.
Что нового
Стандарт не привязан ни к конкретной модели, ни к одному типу оборудования. Агент может находить приборы, считывать показатели, запускать операции и передавать данные между машинами. А такие вещи, как предельная мощность лазера или безопасная траектория манипулятора, задаются в драйвере — модель не может «передумать» их соблюдать.
В одном из испытаний Claude одновременно управляла жидкостным дозатором, роботизированной рукой и считывателем микропланшетов: подбирала скорость подачи, анализировала измерения и корректировала параметры.
Почему это важно
Автономные лаборатории тормозит не только качество моделей, но и зоопарк несовместимых приборов. Единый слой управления может снять этот барьер и запустить длинный цикл «гипотеза — эксперимент — анализ — новая гипотеза» без ручного переноса данных между программами.
Большие модели постепенно спускаются с облаков — буквально. Jetson Orin Nano 2 должен запускать языковые и визуально-языковые модели прямо внутри роботов, камер и дронов, чтобы они принимали решения на месте и не ждали ответа от дата-центра.
Что нового
Компактная плата выдаёт до 78 триллионов операций в секунду, получила 8 ГБ памяти и восьмиядерный Arm-процессор. По данным NVIDIA, модели работают вдвое быстрее, чем на Jetson Orin Nano Super, а при одинаковой производительности устройство расходует на 40% меньше энергии. Среди заявленных моделей — оптимизированные Cosmos, Nemotron, Gemma 4 и Qwen 3.
Первые партнёры примеряют платформу к домашним роботам, промышленному зрению и беспилотной доставке. Уборочный робот, например, сможет сам понимать речь и жесты, строить карту комнаты и распознавать происходящее вокруг, не отправляя весь видеопоток в облако. Правда, купить модуль получится только в первой половине 2027 года.
Почему это важно
ИИ развивается не только в гигантских дата-центрах. То, что вчера вы использовали как передовую модель, сегодня помещается в маленькую и экономичную коробку. Для роботов это означает меньшую задержку, независимость от связи и возможность не выносить чувствительные изображения за пределы устройства.
Пока перед нами анонс будущей платформы. Цена, скорость на реальных задачах и качество первых серийных устройств прояснятся после выхода в 2027 году.
Немного новостей одной строкой:
• Gemini 3.7 Flash делает повседневных агентов дешевле. Google выпустила рабочую модель для кода, документов и многошаговых задач: миллион входных токенов стоит 0,75 доллара, выходных — 3,75.
• OpenAI подкрутила GPT-5.6 Sol и расширила бесплатный доступ. Sol стала отвечать короче и точнее, а также получила настройку глубины рассуждений, а бесплатным пользователям достались неограниченные текстовые диалоги с Luna.
• Gemini 3.5 Transcribe учится слышать главное. Новая модель расшифровывает речь в реальном времени и рассчитана на голосовых агентов, субтитры и анализ звонков.
• Gemini Omni 1.1 Flash дала режиссёру больше контроля над видео. Теперь можно продолжить сцену, построить переход между первым и последним кадрами, увеличить разрешение до 4K и быстрее перебрать несколько черновых вариантов ролика.
• WeatherNext 2 пытается подарить синоптикам ещё несколько часов форы. Открытая для исследователей модель точнее прогнозирует траекторию, силу и структуру ветра тропических циклонов.
• Anthropic поставила новые функции на паузу ради безопасности. После собственных инцидентов компания перебросила около 150 разработчиков на защиту инфраструктуры и по умолчанию закрыла исходящий трафик вычислительных кластеров.
• NVIDIA и AWS готовят инфраструктуру ещё для двух миллионов ускорителей. Масштаб соглашения хорошо показывает смену эпохи: агентный и физический ИИ уже планируют не как серию экспериментов, а как промышленную нагрузку.
После такого августа слово «помощник» уже кажется ИИ-моделям тесноватым. Они управляют приборами, собирают интерфейсы в реальном времени, принимают решения внутри роботов и переходят от советов к действиям.
Следующая гонка развернётся не столько за интеллект, сколько за достаточную свободу агентов для полезной работы. Главное, чтобы у этой свободы была видимая и проверяемая граница.
На этом всё, увидимся в следующем месяце.
Автор: Гамза Иван
Руководитель IT направления Лаб 20/50
