Google разработал систему Urania для анализа использования чат-ботов с математическими гарантиями приватности. Фреймворк превосходит существующие методы защиты данных.
Google DeepMind расширяет партнерство с британским Институтом безопасности ИИ, переходя от тестирования моделей к совместным фундаментальным исследованиям в области мониторинга рассуждений ИИ, социальных рисков и экономического воздействия.
Google официально внедряет поддержку Model Context Protocol (MCP) в свои облачные сервисы, предоставляя управляемые endpoint для подключения AI-агентов к Google Maps, BigQuery, Compute Engine и Kubernetes Engine, упрощая разработку и повышая безопасность.
Amazon Nova Act предлагает использовать команды на естественном языке для автоматизации smoke-тестов в CI/CD пайплайнах, заменяя хрупкие CSS-селекторы и ускоряя обратную связь после деплоя.
Стэнфордские учёные использовали GPT-4 для анализа Google Street View и обнаружили, что после стихийных бедствий богатые районы отстраиваются лучше, а бедные превращаются в пустыри, что подтверждает гипотезу «машины восстановления».
Стартап Cognition, создатель ИИ-агента Devin, переходит на системы Cerebras CS-2 для обучения своих моделей, отмечая многократный прирост скорости и упрощение архитектуры по сравнению с кластерами на GPU.
Cursor запустил режим автоматической отладки кода с помощью ИИ. Система анализирует ошибки и предлагает исправления в реальном времени.
Стартап Quilter с помощью ИИ спроектировал компьютер из 843 компонентов за неделю вместо трех месяцев. Система успешно запустила Linux с первой попытки, что открывает путь к автоматизации рутинной инженерной работы.
Runtime-сенсор Hud предоставляет ИИ-агентам детальный контекст выполнения кода в продакшене, сокращая время анализа инцидентов с 3 часов до 10 минут и меняя подход к мониторингу в эпоху AI-разработки.
Отчет OpenAI показывает шестикратный разрыв в использовании ИИ между сотрудниками компаний. Наиболее активные пользователи экономят в разы больше времени и расширяют свои профессиональные границы.