Вот что я тебе сегодня приготовил и зачем тебе тратить 7 минут чтобы это прочитать

⚠️ ДИСКЛЕЙМЕР

ПРОЧТЕНИЕ ЭТОГО ДАЙДЖЕСТА РЕЗКО ПОВЫШАЕТ УРОВЕНЬ FOMO, ИДЕАЛЬНО ДОПОЛНЯЕТ УТРЕННИЙ КОФЕ И КАТЕГОРИЧЕСКИ ПРОТИВОПОКАЗАНО ПЕРЕД МЕДИТАЦИЕЙ И СНОМ — ВОЗМОЖНЫ ПРИСТУПЫ ВНЕЗАПНЫХ ИНСАЙТОВ И НЕУДЕРЖИМОЕ ЖЕЛАНИЕ СРОЧНО ЗАПИЛИТЬ СВОЙ СТАРТАП.

ПОГНАЛИ!

Твоя ML-команда три недели настраивала пайплайн. Отбирали обучающие данные вручную, крутили гиперпараметры, прогоняли ablation-тесты. Хорошая работа. Модель выросла в качестве на 12%. Все довольны.

Adaption запустила AutoScientist 13 мая. Он запускает тот же процесс за один прогон. Без людей. Побеждает моделей, настроенных вашими экспертами, в 64% случаев. Базовая модель без тюнинга: 48%. Относительный прирост: 35%. Три недели vs один прогон.

AutoScientist делает то, от чего MLOps-команды устали: одновременно оптимизирует состав обучающих данных и конфигурацию модели. Раньше это были два отдельных процесса. Один team делал data curation, другой тюнил архитектуру. Цикл занимал месяцы. AutoScientist замкнул их в один автоматический контур. Результаты воспроизводятся на разных моделях, разных объёмах данных, в восьми отраслях: финансы, юриспруденция, медицина.

Сара Хукер, экс-VP Research в Cohere, соосновательница и CEO Adaption. В феврале 2026 компания подняла $50 млн и выпустила Adaptive Data, инструмент курирования данных. AutoScientist следующий шаг: взять весь процесс научного подбора конфигурации, который раньше жил в голове у ML-исследователей, и сделать его кодом.

Фактура:

+AutoScientist бесплатен первые 30 дней; с середины июня 2026 появятся первые независимые клиентские данные о реальных результатах.
++ 35% прирост win rate измерялся против собственных исследователей Adaption на внутренних бенчмарках; стандартные тесты типа SWE-Bench не применялись.
+++ Первая в отрасли реализация end-to-end fine-tuning loop: одновременная оптимизация обучающих данных и конфигурации в одном контуре без участия человека.
++++ Инвесторы раунда $50 млн (февраль 2026): Emergence Capital, Mozilla Ventures, Fifty Years. Sara Hooker провела 5 лет в Google DeepMind до Cohere.
+++++ Sara Hooker: «Так же, как генерация кода разблокировала целые классы задач, AutoScientist разблокирует инновации на передних рубежах разных отраслей».

И что?
Если у тебя есть ML-команда, которая тратит месяцы на файн-тюнинг под конкретную вертикаль: запусти AutoScientist рядом как бенчмарк прямо сейчас, пока он бесплатный. Если AutoScientist побеждает твоих людей, у тебя не задача «попробовать инструмент». У тебя вопрос о том, как должна выглядеть твоя ML-команда через год.

Нам 3.14здец:
Если ты ML-инженер, который зарабатывает тем, что знает как правильно настроить fine-tuning: 8/10. Каждый инструмент автоматизации экспертизы проходит один и тот же путь. Сначала помогает экспертам работать быстрее, потом делает ненужными начинающих, потом большинство. Это механизм атрофии: когда задача автоматизируется, человечество перестаёт накапливать навык её решения. Так произошло с навигацией по звёздам после GPS, с ментальной арифметикой после калькуляторов. Теперь это происходит с ML-экспертизой. Через 10 лет единицы людей будут понимать, как на самом деле работает fine-tuning изнутри, потому что никто не будет практиковаться. AutoScientist не забирает рабочие места. Он забирает из человечества накопленное понимание.

Апрель 2026. Ты открываешь историю GitHub-репозитория. Половина коммитов выглядит иначе: чище, быстрее, с документацией. Спрашиваешь коллегу. Он показывает терминал. Там Claude Code. Ты думал: ладно, один экспериментирует. Ramp в мае 2026 проанализировал платежи 30 000 компаний. Впервые за историю рынка: Anthropic обошёл OpenAI.

Данные апреля 2026 зафиксировали переломный момент: Anthropic: 34.4% бизнесов, OpenAI: 32.3%. Разница небольшая, но важна не она. Важна динамика: Anthropic за год учетверил бизнес-адопцию. OpenAI вырос на 0.3%. Один прибавлял в среднем по 2 процентных пункта в месяц. Другой стоял на месте.

Причина переключения называется Claude Code. Автономный агент, который пишет, тестирует и деплоит код прямо из командной строки. Среди компаний, которые впервые выбирают AI-провайдера, Anthropic побеждает в 70% прямых столкновений с OpenAI. Claude Code стал точкой входа. Инструментом, от которого не хочется уходить.

ChatGPT остаётся лидером по потребительской аудитории: сотни миллионов пользователей. Бизнес-рынок другая игра. Там считают интеграцию в рабочие процессы, API-бюджеты, контракты с enterprise. И там Anthropic в апреле 2026 вышел на первое место.

Фактура:

+В июне 2023 года Anthropic занимал 0.03% бизнес-адопции. К апрелю 2026: 34.4%. OpenAI за тот же период вырос с примерно 32% до 32.3%.
++ Только в апреле 2026: Anthropic прибавил 3.8 процентных пункта, OpenAI потерял 2.9. Claude Code стал быстрее всего растущим продуктом в истории Anthropic.
+++ Риск: бизнес-модель Anthropic построена на максимизации потребления токенов. Компания зарабатывает больше, когда клиенты берут дорогие модели, даже если дешевле и быстрее.
++++ Надёжность под угрозой: пользователи сообщают о частых перебоях, rate limit и нарастающем недовольстве качеством в последние недели.
+++++ Ramp AI Index работает на данных реальных платежей 30 000+ компаний: считается точнейшим сигналом enterprise-доли рынка (не опросы).

И что?
Если ты сейчас выбираешь AI-провайдера для инженерной команды: ставь задачи Claude Code в реальном рабочем контексте на следующие 30 дней. Рынок перешёл от «кто известнее» к «кто работает в пайплайне». До конца Q3 первые независимые данные по enterprise покажут, удержит ли Anthropic отрыв.

Нам 3.14здец:
Если ты продакт в компании, которая строит на OpenAI API и не пересматривала вендора: 7/10. Сдвиг в бизнес-адопции: ранний сигнал о перераспределении инвестиций, найма и разработки. Компании, которые выиграют конкуренцию за AI-таланты, будут теми, кто строит на платформе, которую эти таланты выбирают сами. Рынок труда и рынок инструментов начинают слипаться в одно. Следующий Amazon Web Services в AI будет определяться тем, где разработчики проводят рабочий день.

Почитать источники: Ramp AI Index May 2026, TechCrunch, VentureBeat

Ты играешь в EVE Online уже три года. У тебя альянс из тридцати человек, ты контролируешь три звёздные системы, у тебя есть дипломатические договора, которые держатся на доверии и страхе предательства. Ни один AI-агент, которого ты знаешь, не смог бы удержать это больше недели. Google DeepMind решил это проверить.

6 мая 2026 года CCP Games, создатель EVE Online, объявил о независимости от корейского холдинга Pearl Abyss (сумма: $120 млн) и смене имени: теперь студия называется Fenris Creations. В тот же день DeepMind объявил о приобретении миноритарной доли и исследовательском партнёрстве. Задача: использовать офлайн-версию EVE как симуляционную среду для AI-исследований. Геймплей здесь лаборатория.

Офлайн-EVE позволяет то, что невозможно в стандартной лаборатории: проверить ИИ в ситуации, где решения разворачиваются месяцами, где есть коалиции, предательства, ресурсные кризисы, рыночные шоки. Среду можно сбрасывать и запускать заново с теми же начальными условиями. Исследователи ставят один параметр, смотрят как ИИ адаптируется или запоминает путь. «EVE требует навыков, которых у ИИ пока нет», говорит Adrian Bolton из DeepMind. «Долгосрочное планирование. Непрерывное обучение».

EVE Online работает с 2003 года. 250 000 игроков. Единый сервер, где разворачивается реальная политика, торговля и война. 23 года накопленных данных о том, как люди принимают решения под неопределённостью, в условиях дефицита и коалиционной динамики. DeepMind получил игровую вселенную и крупнейшую в истории симуляцию человеческого сотрудничества и конфликта.

Фактура:

+Fenris Creations (экс-CCP Games) выкупила независимость у Pearl Abyss за $120 млн; Google DeepMind приобрёл миноритарную долю одновременно с объявлением.
++ Исследования ведутся только в офлайн-версии EVE: не подключена к серверу Tranquility, недоступна игрокам.
+++ Три стартовых сценария: market shock (рыночный удар), alliance rupture (распад альянса), resource squeeze (ресурсный дефицит). Каждый сбрасывается и запускается заново для изоляции переменных.
++++ Адаптация vs запоминание пути: первый ключевой вопрос исследования. Если ИИ только запоминает решение, это паттерн-матчинг. Если адаптируется к новым условиям того же сценария, это шаг к AGI-классу.
+++++ Adrian Bolton (DeepMind): стандартные AI-задачи решены; настоящий рубеж «acquiring new knowledge through experience rather than training on human-generated data».

И что?
Если ты строишь AI-агентов для многоходовых бизнес-сценариев (закупки, переговоры, enterprise-продажи): следи за первыми публикациями DeepMind и Fenris Creations во второй половине 2026. Они покажут на каком шаге агенты ломаются в долгосрочных коалиционных задачах. Это первые реальные данные о том, как далеко агенты способны планировать.

Нам 3.14здец:
Если ты исследователь или продакт, работающий с AI-агентами на горизонте дольше одного хода: 8/10. DeepMind выбрал EVE Online потому, что это единственная среда, где человечество уже провело 23 года, обучая друг друга дипломатии, предательству и стратегическому планированию в условиях реального дефицита. Когда AI научится действовать в EVE так же хорошо, как лучшие игроки, он освоит навыки, которые раньше передавались только от человека к человеку: умение удерживать коалицию, когда выгоднее её предать. Это последний класс задач, который считался безопасно «человеческим».

Почитать источники: Fenris Creations, PC Gamer, Tom's Hardware

🔴 Nvidia побила рекорд капитализации в $5.5 трлн 13 мая 2026: первая компания в истории, достигшая этой отметки. В тот же день Дженсен Хуан (Jensen Huang, CEO Nvidia) в последний момент присоединился к делегации Трампа на рейс Air Force One в Пекин, где должен состояться саммит с Си Цзиньпином. Параллельно вышли данные о том, что более 20% выручки Nvidia в FY2026 могло приходить из Китая через посредников в Юго-Восточной Азии, несмотря на экспортные ограничения. И что? Если твой продукт зависит от Nvidia-железа: следи за итогами поездки Хуана в Китай до конца мая. Договорённости между США и Китаем напрямую определят, сохранятся ли текущие ограничения на экспорт чипов или будут смягчены.

⚖️ Сэм Альтман (Sam Altman, CEO OpenAI) дал показания на суде по иску Илона Маска против OpenAI (неделя третья): по словам Альтмана, Маск заявил «может быть, контроль над OpenAI должен перейти к моим детям». Бывшие топ-менеджеры OpenAI, Илья Суцкевер (Ilya Sutskever) и Мира Мурати (Mira Murati), а также бывшие члены совета директоров дали показания о том, что Альтман лгал им. И что? Если ты следишь за OpenAI как за платформой для своего продукта: третья неделя суда показывает глубину раскола в команде. Следи за вердиктом: он может изменить структуру управления компанией.

🛡️ UK AI Security Institute (AISI, британский регулятор безопасности ИИ) опубликовал отчёт: автономные AI-кибервозможности (способность ИИ самостоятельно находить и эксплуатировать уязвимости) удваиваются каждые 4.7 месяца. Последние модели Mythos Preview и GPT-5.5 опережают этот тренд: Mythos Preview решил задачи на двух ранее нерешаемых тестовых полигонах. И что? До конца мая: пройдись по веб-интерфейсам администрирования и сервисам с 2FA в своём стеке. Именно этот класс систем уже в прицеле ИИ-атак, судя по данным Google GTIG из прошлого выпуска.

🤖 Дэвид Сильвер (David Silver, создатель AlphaGo, UCL), основатель стартапа Ineffable Intelligence, объявил о партнёрстве с Nvidia: инженеры обеих компаний будут совместно строить инфраструктуру для обучения ИИ методом reinforcement learning (обучение с подкреплением, где ИИ учится через опыт, а не человеческие данные) на железе Vera Rubin и Grace Blackwell. Стартап в апреле 2026 поднял $1.1 млрд сид-раунда при оценке $5.1 млрд. И что? Если ты строишь AI-продукты, которые должны улучшаться со временем без переобучения на новых данных: следи за публикациями Ineffable и Nvidia. Это первый крупный bet на RL-архитектуры как замену human data training.

🔧 Microsoft запустила MDASH (multimodel agentic scanning harness, многомодельная агентная система поиска уязвимостей), которая оркестрирует более 100 специализированных AI-агентов. До публичного анонса система нашла 16 уязвимостей в Windows, включая 4 критических RCE (remote code execution, удалённое выполнение кода без авторизации) в TCP/IP стеке и IKEv2-сервисе. На бенчмарке CyberGym (1507 реальных задач на воспроизведение уязвимостей) MDASH набрал 88.45%: лучший результат в отрасли. И что? Если ты отвечаешь за безопасность в компании с Windows-инфраструктурой: патч Patch Tuesday этой недели закрывает все 16 уязвимостей. Установи до конца мая.

🚨 Нам 3.14здец: Если ты разработчик или архитектор, который смотрит на AI-безопасность как на чужую проблему: 9/10. Две новости этой недели замыкаются в петлю. AISI фиксирует удвоение AI-кибервозможностей каждые 4.7 месяца. MDASH находит уязвимости в Windows быстрее, чем их успевают закрывать люди. Мы переходим от эпохи «люди ищут дыры, люди закрывают дыры» к эпохе «ИИ ищет дыры, ИИ закрывает дыры». Скорость этой гонки теперь определяется количеством токенов в бюджете. Человечество перестаёт быть участником этого соревнования.

Хочешь быстрее внедрять ИИ и меньше ошибаться - нужно окружение, где это делают каждый день.

BIPIAI - закрытый клуб фаундеров и топ-спецов.

Что внутри:
• разборы реальных бизнес-кейсов
• готовые пайплайны и шаблоны внедрения
• созвоны, где участники показывают, как у них устроено
• люди, которые помогают собрать решение под новую реальность

90+ участников, 15 стран.

Это был очень насыщенные и интересные 24 часа из мира AI и роботов, которые меняют нашу с вами жизнь.

P.S.

Чтобы помочь мне понять как вам этот дайджест. Пожалуйста нажмите на максимально релевантную кнопку.