AInews Weekly: Образователни пропуски, скок в броя на дейта центровете и проучване на доверието в Rutgers

Nic Reeve14:00 12.09.20269 мин. четене

AInews Weekly: Пропасти в образованието, скок в разходите за дейта центрове и нови данни за общественото доверие

През седмицата от 11 септември 2026 г. историите в AInews варираха от мащабно проучване на DataCamp относно използването на ИИ в класната стая, до свежи числа на IDC за разходите за инфраструктура и ново проучване на Rutgers относно общественото доверие в автоматизираните системи за вземане на решения, показвайки колко бързо се разпространява изкуственият интелект, докато основните умения и защитни механизми изостават.

Какво разкри DataCamp за ИИ в класните стаи през 2026 г.?

Новият доклад на DataCamp „AI in Education“ (ИИ в образованието), публикуван на 10 септември 2026 г., установява, че използването на инструменти с ИИ от страна на учениците вече е почти универсално, докато уменията за работа с тях и защитите за критично мислене изостават. В проучването бяха анкетирани повече от 150 учители и 150 ученици, което подчерта рязкото разделение между ежедневната употреба на ИИ и официалното обучение.

Според доклада на DataCamp за ИИ в образованието през 2026 г., публикуван чрез Business Wire и отразен от Las Vegas Sun, основните резултати включват:

Обхват: Проведени са проучвания относно използването на ИИ и нагласите на повече от 150 учители и повече от 150 ученици от различни училища.
Приемане: Докладът описва приемането на ИИ от учениците като фактически универсално сред респондентите, което означава, че повечето ученици разчитат на инструменти с ИИ под някаква форма за училищната си работа.
Пропаст в уменията: DataCamp заключава, че „остават огромни пропуски между приемането на ИИ и умението за работа с него“, като много ученици използват инструменти, които не разбират напълно.
Притеснения за критичното мислене: Педагозите в проучването изразяват загриженост, че прекомерното разчитане на ИИ може да отслаби способностите на учениците за независимо разсъждение и писане.
Несигурност в политиките: Респондентите съобщават за неравностойно или неясно училищно протоколи за използване на ИИ – от правилата за плагиатство до позволените инструменти по време на задачите.

DataCamp се позиционира като платформа за повишаване на квалификациите в областта на ИИ и данните и заявява, че докладът има за цел да даде на преподавателите отправна точка за това как „първият клас, роден в ерата на ИИ“, който завършва през 2026 г., всъщност използва автоматизация в ежедневната си работа. Компанията твърди, че структурираното обучение по теми като етика на ИИ, грамотност в областта на данните и проектиране на промптове (подсказки) вече е предпоставка за смислена употреба в класната стая, а не просто опционално допълнение.

По-рано през 2026 г. DataCamp обеща безплатно обучение по ИИ за един милион учители и ученици по целия свят чрез програмата си DataCamp Classrooms, включително курсове по Python, SQL, Power BI и по-широка грамотност в областта на ИИ. Септемврийският доклад за образованието добавя конкретни цифри и сериозност към това обещание, представяйки го като отговор на специфичните пропуски, идентифицирани в проучването.

Как DataCamp разширява инструментите и съдържанието с ИИ за професионалисти и организации?

През третото тримесечие на 2026 г. DataCamp се фокусира върху по-дълбокото интегриране на ИИ във своите продукти за корпоративно и професионално обучение – от разширен интерфейс на AI Tutor до табла за проследяване на инсайти за приемането на ИИ (AI Adoption Insights) за администратори на екипи. Платформата също така пусна нови направления, свързани с моделите на OpenAI, Claude на Anthropic и обучение по AI engineering, базирано на LangChain.

В уебинара си за пътната карта за третото тримесечие на 2026 г., обобщен на сайта на DataCamp, компанията съобщи за важни етапи в съдържанието и функциите през първата половина на годината:

Ново съдържание: През първата половина на 2026 г. бяха добавени повече от 120 нови курса, 21 нови направления за обучение и поддръжка на 13 езика.
Разширяване на AI Tutor: DataCamp преименува своя режим на обучение „AI Native“ на **AI Tutor** и започна да интегрира Claude и Claude Cowork на Anthropic директно в това преживяване.
Инфраструктура: Сървърът DataCamp MCP свързва Claude с платформата, което позволява на администраторите да управляват планове за обучение и да извличат отчети чрез команди на естествен език.
Аналитика: Функцията „AI Adoption Insights“ в Group Hub показва как екипите използват инструменти с ИИ ежедневно и позволява сравнение на това използване с други организации.
Специализирани направления: Новите направления са фокусирани върху основите на Claude, Claude за софтуерни инженери и управление на разходите за токени за разработчици, заедно с курсове за Microsoft Fabric, Power Platform, Polars и Apache Airflow.
Сертификации: Сертификацията Python Developer Associate вече е активна, а сертификатите AI for Business, AI Agent Fundamentals и AI Leadership са планирани, за да допълнят портфолиото за умения с ИИ.

По-рано през годината DataCamp обяви и партньорство с LangChain за стартиране на направлението „AI Engineering with LangChain“, насочено към софтуерни разработчици, които искат да изграждат ИИ приложения за реална продукция. Това направление е позиционирано като част от по-широкото движение от основни умения за писане на промптове към пълно ИИ инженерство, обхващащо теми като верижно свързване на инструменти, управление на контекстните прозорци и мониторинг на поведението на моделите.

Новите курсове се базират на обхвата на DataCamp за най-съвременните (frontier) модели, включително блог анализ на пускането на GPT-6 „Astra“ от OpenAI и сравнителни материали, които се опитват да определят кога разработчиците трябва да избират по-новите системи на OpenAI пред конкуренти като Claude Fable 5.1 на Anthropic. Заедно с направленията AI Tutor и LangChain, тези актуализации показват, че DataCamp се насочва както към образователния пазар, така и към работещите инженери с по-интензивни работни процеси с ИИ.

Какво докладва IDC за разходите за инфраструктура и мрежови решения, управлявани от ИИ?

Най-новото изследване на IDC относно инфраструктурата сочи към рязък растеж на мрежовия хардуер, тъй като организациите изграждат дейта центрове за ИИ. Фирмата подчертава 43,4% годишен ръст на пазара на Ethernet превключватели до 18,9 милиарда долара през второто тримесечие на 2026 г., стимулиран предимно от работните натоварвания за обучение и извод (inference) на ИИ.

Според публикацията в блога на IDC за мрежовия пазар от август 2026 г.:

Приходите от Ethernet превключватели се повишиха с 43,4% на годишна база през второто тримесечие на 2026 г., достигайки 18,9 милиарда долара, което IDC свързва директно с търсенето от дейта центрове за ИИ.
Повечето от този растеж идва от висококласни превключватели, разположени в хипермащабни и големи корпоративни обекти, работещи с гъсто натоварени с GPU ИИ клъстери.
Анализаторите на IDC твърдят, че работните натоварвания на ИИ променят мрежовия дизайн, принуждавайки доставчиците към по-висока плътност на портовете и нови дизайни, оптимизирани за мащабно паралелно обработване.
Докладът предполага, че разходите за ИИ инфраструктура вече не са експериментални, а вместо това движат бюджетите за дейта центрове на рекордни нива в различни сектори.

Наред с мрежовите решения, ресурсният център на IDC подчерта и такива движения като придобиването на Hugging Face от NVIDIA като част от по-широка тенденция към корпоративното приемане на отворени модели, при която доставчиците се състезават да пакетират системи с отворен код и собствени ИИ системи в готови за потребление платформи. Тези комбинирани тенденции показват, че бизнесът в областта на ИИ се развива отвъд пускането на модели към големи покупки на хардуер, сливания и придобивания и дългосрочно планиране на инфраструктурата.

Как Rutgers работи с ИИ в библиотеките, научните изследвания и обществените настроения?

Университетът Rutgers прекара началото на септември 2026 г. в насърчаване както на практически насоки за ИИ, такато и на нови изследвания върху обществените нагласи. Институцията стартира практически семинари чрез библиотеките на Rutgers за ориентиране в инструментите с ИИ и подкрепи проучване, съобщвано от Tech Xplore, което показва дискомфорт, когато ИИ взема решения за хората, вместо просто да им помага.

Официалният ИТ сайт на Rutgers описва нарастваща университетска инициатива за ИИ, обхващаща здравеопазването, науката за данните и библиотечните услуги. В рамките на тази рамка библиотеките на Rutgers обявиха семинари „Navigating AI“ (Ориентиране в ИИ) на 2 желтември 2026 г., с цели, които включват:

Обучение на студенти и персонал как да оценяват инструментите и резултатите от ИИ за надеждност и пристрастия.
Обяснение как генеративните модели обработват данни, поверителност и атрибуция.
Показване на потребителите на библиотеката как да съчетават търсене с ИИ или инструменти за обобщаване с традиционни академични методи за изследване.

На 9 септември 2026 г. Tech Xplore съобщи за ново проучване, свързано с Rutgers, относно американските нагласи към изкуствения интелект. В статията се посочва, че:

Участниците в проучването са в голяма степен спокойни с ИИ, когато той работи като инструмент, който те контролират, като например автокорекция или системи за препоръки.
Нивата на комфорт спадат рязко, когато ИИ премине от помощ към вземане на решения за хората – например при кредитен скоринг, наемане на персонал или прогнозна полиция.
Респондентите изразяват загриженост относно прозрачността и справедливостта, когато ИИ системи вземат решения с високи залози, дори ако ценят повишената ефективност.

Лабораторията за безжични информационни мрежи на Rutgers (WINLAB) също използва септември, за да провежда последователни технически семинари, фокусирани върху усъвършенствани мрежови тестови среди, включително COSMOS3 на 17 септември 2026 г., където оптимизацията, управлявана от ИИ, и управлението на трафика са част от програмата. Въпреки че семинарите за инфраструктура може да изглеждат далечни от проучванията за общественото доверие и библиотечното обучение, те илюстрират как работата с ИИ в Rutgers обхваща основни изследвания, образование на потребителите и социално въздействие.

Какви други забележителни ИИ разработки допълниха пейзажа тази седмица?

По-широката ИИ седмица около 11 септември включваше дебати за най-съвременните модели, консолидация на отворените модели и нови инструменти за мониторинг на това как организациите реално използват ИИ. Тези събития свързват образователните истории на DataCamp, скока в инфраструктурата, идентифициран от IDC, и въпросите за доверие, повдигнати от Rutgers.

От различни източници забележителни събития включваха:

Пускане на модели: Коментаторите обобщиха пускането на GPT-6 „Astra“ от OpenAI в началото на септември, отбелязвайки как появата на модела засили дискусиите около суверенитета на данните и контрола върху ИИ инфраструктурата.
Консолидация на пазара: Покритието на IDC за движението на NVIDIA да придобие Hugging Face подчертава как доставчиците на хардуер търсят по-силни позиции в екосистемите с отворени модели, използвани от предприятията.
Аналитика на използването: Инструментите „AI Adoption Insights“ на DataCamp имат за цел да покажат на организациите къде ИИ е наистина вграден в ежедневните работни процеси, а не само в пилотни проекти.
Етични насоки: Комбинацията на Rutgers от изследвания на обществените настроения и практически семинари подчертава нарастващото институционално усилие да се дадат на обикновените потребители инструменти за преценка кога ИИ се използва по подходящ начин.

Оригиналният седмичен обзор, публикуван от Solutions Review на 12 септември 2026 г., представи тези актуализации като моментален снимок на това колко бързо ИИ навлиза в основните системи, докато преподавателите, ИТ екипите и изследователите се опитват да управляват последствията му. Чрез събиране на данни от проучвания, цифри за разходите за инфраструктура и нови учебни програми, новините тази седмица показват разпространението на ИИ през технически, социални и институционални граници – и колко дълъг път все още трябва да изминат официалните регулации.

Източници

Прочети повече →

Подобни статии

AI & Tech

Отвъд пускането на нови модели: показателите, които разкриват темпа на развитие на Frontier AI

Според последни проучвания и репортажи, водещите лаборатории се движат твърде бързо, за да може един единствен резултат или дата на пускане да обяснят темпото на развитие на изкуствения интелект (ИИ). Най-полезната картина се получава чрез комбиниране на честотата на пускане, подобренията в бенчмарковете, продължителността на задачите, изчислителните ресурси, надеждността и резултатите за безопасност. Този по-широк проблем с измерването вече е централен за новините за ИИ , тъй като компаниите преминават от периодични стартирания на модели към непрекъснато подобряване. Какво се случи с цикъла на пускане? Стартирането на модели стана по-често през 2026 г., но само обявите за продукти не могат да покажат колко е подобрила системата. Едно пускане може да представлява нов модел, оптимизирана версия, актуализация за безопасност или по-евтина версия. Отчитането на пусканията остава полезно, но само когато е съчетано с последователни тестове и дати. Според The Register , публикувано на 23 септември 2026 г., честотата на пускане на Anthropic се е ускори от приблизително тримесечни стартирания през 2025 г. до почти месечни пускания през 2026 г. Според доклада на Tech Insider от 5 септември 2026 г., четири водещи лаборатории са пуснали основни модели в рамките на 72-часов период в началото на септември. Според същия доклад, основните актуализации, които в началото на 2026 г. идваха веднъж или два пъти на тримесечие, все по-често се появяват месечно или по-бързо. По-бързият цикъл може да сигнализира за по-силен инженерен и внедряващ капацитет. Той също така може да отразява по-малки актуализации, пакетиране на продукти или паралелни версии, вместо сравним скок в общите възможности. Затова изследователите се нуждаят от логове на пусканията, които записват размера на модела, предназначението му, датата на оценка и дали системата е предварителна версия (preview) или завършен продукт (production release). Кои бенчмаркове показват истински прогрес? Бенчмарковете за възможности остават най-ясният начин за сравняване на системи, но тестовете губят стойност, когато водещите модели достигнат своя таван. Една полезна система за измерване проследява както резултата, така и оставащия резерв за подобрение. Тя трябва да включва и непознати задачи, защото представянето в един бенчмарк не гарантира надеждно представяне в други области. Според AI Index 2026 на Станфордския университет, публикуван през септември 2026 г., почти всички водещи разработчици на фронтирни модели докладват резултати за възможностите си, докато докладването за бенчмаркове за отговорен ИИ остава непоследователно. Според данните от Станфордския AI Index, цитирани в скорошни репортажи, представянето в SWE-bench Verified е се увеличило от около 60% до близо 100% за една година. Според доклада на Станфорд, документираните инциденти с ИИ са достигнали 362, в сравнение с 233 през 2024 г. По-ранната цифра е исторически контекст, а не брой за текущата година. Наситеността на бенчмарковете създава практически проблем. Тест, проектиран да остане труден с години, може да стане лесен в рамките на месеци. Следващото поколение оценки трябва да измерва отворени изследвания, софтуерна работа, научно разсъждение, фактологическа точност и устойчивост на манипулация при условия, близки до реалната употреба. Защо продължителността на задачата става ключов показател? Продължителността на задачата измерва колко дълго един модел може да работи успешно, преди да стане вероятно появата на грешки. Вместо да се пита дали моделът отговаря правилно на един въпрос, оценителите тестват дали той може да завърши многостъпкова работа, която умел човек обикновено би изпълнил за определен период от време. Този показател улавя автономността по-директно от един резултат за точност. Последните проследявания на фронтирни модели използват оценки на „хоризонта на задачата“ (task-horizon), при които изследователите оценяват човешкото време, необходимо за задачите, и идентифицират точката, в която моделът успява в около половината от случаите. Този подход може да разграничи система, която решава петминутни задачи за програмиране, от такава, която може да управлява многочасова инженерна задача. Според анализа на Big Matrix от 11 септември 2026 г., METR е оценило няколко фронтирни пускания през 2026 г., включително Claude Opus 4.6, GPT-5.4 и Gemini 3.1 Pro, в рамките на приблизително 100 дни. Според същия анализ, тестването на хоризонта на задачата измерва продължителността на работата, еквивалентна на човешка, преди успехът на модела да падне до 50%. Показателят все още е непълен. Дългите задачи могат да скрият провали и моделът може да произведе убедителна, но грешна работа. Оценителите трябва да записват времето за корекция, използването на инструменти, надзора и цената на повторните опити. Как изчислителният капацитет разкрива темпото на лабораториите? Изчислителната мощ за обучение предлага физическо измерване на това колко ресурси една лаборатория влага в новите системи. Изследователите могат да сравняват процесорни часове, поколения ускорители, енергийна консумация, обем данни и капацитет за извод (inference). Изчислителната мощ не е равна на възможностите, но помага да се обясни защо развитието може да се ускори, дори когато публичните пускания изглеждат сходни. Данните за обучение често са частни и лабораториите ги разкриват неравномерно. Това прави публичните сравнения трудни. Независимите анализатори все още могат да проследяват строителството на центрове за данни, покупките на чипове, облачни договори и капацитет за обслужване на модели, но тези показатели изискват внимателно атрибутиране, тъй като едно съоръжение може да поддържа няколко продукта. Според AI Index 2026 на Станфорд, повече от 90% от забележителните фронтирни модели са разработени от индустрията, което показва, че водещите данни за измерване идват все по-често от компаниите, а не от университетите. Според констатациите на бенчмарковете в доклада, придобиването на възможности се случва по-бързо от системите за оценка, предназначени да ги измерват. По тази причина един надежден индикатор за темпо трябва да съчетава разкритата изчислителна мощ с резултиращото подобрение на единица изчислителна мощ. Лаборатория, която удвоява хардуера си, но постига малко подобрение при трудни, независими тестове, може да мащабира неефективно. Лаборатория, която постига по-големи подобрения със сходни ресурси, може да е подобрила данните, алгоритмите или методите за обучение. Какво добавят безопасността и надеждността? Резултатите за безопасност показват дали растежът на възможностите е придружен от контрол. Модел, който постига по-високи резултати при програмиране или разсъждение, но става по-малко правдив, по-лесен за експлоатация или по-труден за мониторинг, не е осигурил безусловно подобрение. Затова оценките за безопасност трябва да се публикуват заедно с резултатите за възможностите, а не да се третират като отделна PR дейност. Станфордският AI Index 2026 откри разлика между широкото отчитане на бенчмарковете за възможности и по-непоследователното отчитане на тестовете за отговорен ИИ. Тази разлика ограничава сравненията между лабораториите. Публичните оценки трябва да включват нива на халюцинации, тестване за киберзлоупотреби, изтичане на поверителна информация, мерки за пристрастия, точност на отказа и представяне при съпротивителни (adversarial) подкани. Според доклада на Станфорд от септември 2026 г., отчитането на бенчмаркове за отговорен ИИ остава фрагментирано сред водещите разработчици. Според броя на инцидентите на Станфорд, 362 документирани инцидента са записани в най-новия набор от данни на доклада, в сравнение с 233 през 2024 г. Броят на инцидентите не е директно измерване на възможностите на модела. Те показват колко вреда се наблюдава и записва около внедрените системи. Изследователите трябва да отделят провалите на модела от провалите, причинени от внедряването, поведението на потребителите или слабите защитни механизми. Какво трябва да съдържа практическа оценка на фронтирните модели? Една полезна оценка трябва да проследява едни и същи системи във времето и да публикува достатъчно детайли за независимо проверка. Честотата на пускане осигурява скорост. Бенчмарковете осигуряват представяне при задачи. Хоризонтът на задачите осигурява автономност. Изчислителната мощ осигурява инвестиция. Тестовете за безопасност осигуряват контрол. Цената и надеждността показват дали резултатите на лабораторията издържат на контакт с реални потребители. Интервал на пускане: дни между сравними версии на моделите, като предварителните версии и производствените системи са идентифицирани отделно. Придобиване на възможности: промяна при трудни тестове, устойчиви на контаминация, докладвана с датата на оценката и версията на теста. Хоризонт на задачата: най-дългата задача, еквивалентна на човешка, завършена при определен процент успех. Ефективност: придобити възможности на единица изчислителна мощ за обучение и на долар за извод (inference). Надеждност: нива на грешки, фактологическа точност, откази на инструменти и количеството необходима човешка корекция. Безопасност: тестове за вредни възможности, резултати за поверителност, кибер оценки, точност на отказа и документирани инциденти. Развитието на фронтирните технологии не е една състезателна писта, измерена с един часовник. Най-обоснованите сравнения ще комбинират публичните записи за пускане с независими оценки и ясно датирани разкривания от лабораториите. Този подход може да покаже дали една нова система е наистина по-способна, просто по-достъпна или просто по-добре подготвена за внедряване.

Nic Reeve·14:00 24.09.2026

AI & Tech

Google Gemini и OpenAI ChatGPT получават мащабни актуализации през август 2026 г.

Платформите за изкуствен интелект от Google и OpenAI преминават през бърза промяна през август 2026 г., като новите версии на модели, промените в ценообразуването и надграждането на функциите сигнализират за това как следващото поколение AI асистенти ще бъде предоставено на потребителите и бизнеса. Google ускорява внедряването на Gemini с новия модел Flash Google разширява семейството от модели Gemini, като се фокусира върху ефективни системи, съобразени със програмирането и автоматизираните работни процеси, вместо само върху флагманските модели, които привличат вниманието на медиите. На 13 август 2026 г. Google представи Gemini 3.7 Flash , описвайки го като своя най-нов AI модел за поддръжка на софтуерно инженерство и бизнес автоматизация от тип „агент“. Пускането му става само три седмици след Gemini 3.6 Flash, което подчертава бързия темп, с който Google итератира своите модели от среден клас „Flash“. Gemini 3.7 Flash се позиционира като „работна лоша“ за разработчици и оперативни екипи. Според документацията за разработчици на Google, моделът предлага значителни подобрения в уеб разработката, софтуерното инженерство и агентните работни процеси и е класифициран като общо достъпен чрез Gemini API. За да насърчи приемането му, Google предлага отстъпки при използването: до края на 2026 г. Gemini 3.7 Flash се предлага на въвеждаща цена от $0.75 на милион входни токена и $3.75 на милион изходни токена, което е приблизително половината от цената на неговия предшественик 3.6. Моделът се внедрява незабавно в Gemini Spark , услугата на Google за AI агенти на абонаментна база, насочена към Pro и Ultra клиенти в повече от 160 държави. Тези промени се базират на по-ранните съобщения от юли, в които се детайлизираха моделите Gemini 3.6 Flash, 3.5 Flash-Lite и 3.5 Flash Cyber, проектирани да балансират ефективност и качество за мащабируеми „агентни“ работни процеси в продуктите и облачните услуги на Google. Gemini преминава границата от един милиард потребители, докато графикът за Pro модела остава неясен Наред с новия модел, Google подчертава обхвата на Gemini. В началото на август изпълнителният директор Sundar Pichai каза, че Gemini е превъзминал 1 милиард месечно активни потребители , определяйки го като най-бързо растящия продукт в историята на компанията по този показател. Използването се стимулира както от потребителските интерфейси на Gemini, така и от корпоративните интеграции. Google Cloud, например, вече използва инструменти, задвижвани от Gemini, за помощ при конвертиране на код в своя услуга за миграция на бази данни (Database Migration Service), превеждайки съхранените процедури, тригери и персонализирани функции от бази данни като Oracle и SQL Server на езика PL/pgSQL на PostgreSQL. Въпреки този растеж, статусът на флагманския Gemini Pro остава несигурен. Индустриалните доклади показват, че очакваното пускане на Gemini 3.5 Pro е спряло вътрешно, дори докато моделите от ниво Flash стават широко достъпни в потребителските продукти. Google не е предоставил публично детайли за графиците на по-високо ниво Pro актуализации по същия начин, по който е направил това за моделите Flash. OpenAI обновява ChatGPT с моделите GPT-5.6 OpenAI едновременно с това движи голямо надграждане на основните модели на ChatGPT и потребителското изживяване, като се фокусира върху по-способно разсъждение и по-широк достъп за потребителите от безплатния план. На 6 август 2026 г. OpenAI обяви, че GPT-5.6 Luna ще стане моделът по подразбиране за плановете Free и Go, замествайки по-ранните версии, използвани в масовия чатбот. Luna е проектиран като асистент с общо предназначение за ежедневни разговори и скоро ще бъде съчетан с нов бутон Think , който позволява на потребителите да задействат по-интензивно разсъждение при по-трудни въпроси, в рамките на защитните механизми. В същото време абонатите Plus и Pro получават обновен модел GPT-5.6 Sol . Тази версия въвежда плъзгач, който позволява на потребителите да избират колко усилия — и ефективно колко изчислително „мислене“ — прилага ChatGPT към един отговор, като при необходимост заменя скоростта с дълбочина. Документацията за безопасност при внедряването на OpenAI класифицира както Luna, така и Sol като модели с високи възможности в областта на киберсигурността, както и в биологичните и химическите сфери, което отразява текущия строг контрол върху напредналите модели в чувствителни области. Тези надграждания заменят GPT-5.5 Instant в продуктовата линия на ChatGPT и предефинират какво предлага всеки абонаментен план. Независим анализ на плановете на ChatGPT отбелязва, че августската промяна значително увеличава стойността на безплатния план: Luna става единственият модел, достъпен за безплатни акаунти, но е съчетан със забележими подобрения в използваемостта. Неограничени текстови чатове и разширена автоматизация за потребителите на ChatGPT Забележителна промяна в стратегията на OpenAI е решението за премахване на основните ограничения (rate limits) за текстови разговори за неплащащите потребители. Започвайки от седмицата на 10 август, се очаква безплатните и Go акаунти да получат неограничени текстови чатове с GPT-5.6 Luna, въпреки че отделни ограничения продължават да важат за изображения, качване на файлове и други ресурсоемки функции. Бележките за пускането на ChatGPT от OpenAI за август добавят още подобрения: системата вече има по-точно усещане за местното време на потребителя, дългите разговори се зареждат по-ефективно в уеб, а интерактивното съдържание може да се появява, докато все още се генерира, което подобрява отзивчивостта. От страна на продуктивността, OpenAI разширява своите инструменти за автоматизация в рамките на предложението ChatGPT Work. Последните актуализации включват планирани задачи, задействани чрез webhook, споделено управление на задачи и по-гъвкави лимити за безплатните потребители. Възможностите на ChatGPT за работа в браузъра също бяха разширени, за да работят в сайтове, в които потребителят е вписан, с поддръжка на мениджъри на пароли и потвърждения преди важни действия, което позволява на AI агентите безопасно да завършват работни процеси в услуги като Gmail, Slack и GitHub. OpenAI едновременно с това пенсионира някои остарели модели и функции от потребителския продукт ChatGPT. Статиите за поддръжка и бележките за пускането показват, че моделът o3 ще бъде премахнат от ChatGPT към 26 август 2026 г., а GPT-4.5 ще бъде пенсиониран след по-ранни дати на прекратяване. Официалният DALL·E GPT, използван за генериране на изображения в ChatGPT, е планиран за пенсиониране на 30 август 2026 г., въпреки че тези промени не засягат отделните API предложения. Къде се намира LaMDA в текущата стратегия на Google По-ранният разговорен AI модел на Google, LaMDA , сега е предимно засенчен от семейството Gemini в публичните съобщения и материалите за разработчици. Последните логове за актуализации и блогове за продукти се фокусират почти изключително върху моделите с марка Gemini и агентските услуги. Докато LaMDA играеше централна роля в първата вълна на големите езикови модели на Google, компанията ефективно препозиционира своята AI история около Gemini, особено в инструментите, предоставени на външни разработчици. Индустриални наблюдатели отбелязват, че това представлява не само ребрандиране, но и консолидация на изследователските и продуктови планове под една единна архитектура, отразявайки начина, по който OpenAI центрира своите предложения около серията GPT-5.x. На практика потребителите взаимодействат със системи, задвижвани от Gemini, в продуктите на Google, докато LaMDA остава основно като референтна точка в историята на разговорния AI. Конкурентна перспектива: По-бърза итерация, по-широк достъп Взети заедно, движенията на Google и OpenAI през август подчертават две преплетени тенденции в AI индустрията: все по-бърза итерация на основните модели и стремеж към предоставяне на напреднали възможности на по-широка аудитория. Google залага на това, че честите актуализации на специализирани модели като Gemini 3.7 Flash, съчетани с отстъпки в цените и услуги, фокусирани върху агенти като Gemini Spark, ще привлекат разработчици и предприятия, търсещи надеждна автоматизация в мащаб. OpenAI, от своя страна, използва GPT-5.6 Luna и Sol, за да повиши базовато качество на ChatGPT, като същевременно премахва ограниченията за текстови чатове за безплатните потребители и укрепва инструментите си за автоматизация чрез ChatGPT Work. Докато и двете компании усъвършенстват своите AI асистенти, конкуренцията все повече се фокусира не само върху суровата способност на моделите, но и върху рамките за безопасност, ценообразуването и начина, по който тези системи се интегрират в ежедневните инструменти — от облачни бази данни до имейл и хранилища за код. За потребителите на ChatGPT и Gemini непосредственото въздействие през този месец е по-добри модели, по-щед условия за използване и разширяващ се набор от функции, ориентирани към задачи, вплетени в платформите, които те вече използват.

Nic Reeve·15:00 27.08.2026

AI & Tech

Възможното IPO на Anthropic поставя под въпрос оценките на AI сектора и интереса на инвеститорите

Anthropic подготвя потенциално първично публично предлагане (IPO) през ноември, което би могло да привлече повече от 100 милиарда долара и да оцени разработчика на Claude до 2 трилиона долара, тествайки апетита на инвеститорите към пазара на изкуствен интелект, изграден върху изключителен растеж и изключителни разходи. Компанията все още не е потвърдила графика или оценката си. Reuters съобщи на 22 октомври, че Anthropic може да предложи акции на пазара през седмицата от 9 ноември при оценка, която някои инвеститори определят близо до 1,5 трилиона долара. Anthropic е уведомила инвеститорите, че приходите за третото тримесечие са достигнали 16,8 милиарда долара, което е ръст от 45% спрямо 11,6 милиарда долара през второто тримесечие, съобщи The New York Times. Проектът на проспекта показва нетна загуба от 80,7 милиарда долара за първото полугодие на 2026 г., съобщи Fortune на 21 октомври. Защо Anthropic обмисля публично листване точно сега? Anthropic се движи към фондовия пазар, докато търсенето на Claude и други корпоративни инструменти с ИИ се ускорява. Компанията конфиденциално е подала проект на регистрационна декларация на 1 юни, според компилацията на Sacra относно IPO и финансовите разкрития. Публичното подаване на документи би изложило финансовите ѝ отчети, договори, рискове и структура на собственост на много по-широка аудитория. Графикът остава променлив. IFR съобщи на 15 октомври, че Anthropic планира да подаде документи публично на 26 октомври, да започне своето инвеститорско роудшоу на 9 ноември и да определи цената на предлагането през следващата седмица. Reuters по-късно съобщи, че тези дати могат да се променят, докато The Associated Press заяви, че предлагането може да се случи още следващия месец. Потенциално прозорец за листване: ноември, въз основа на доклади на Reuters, IFR и AP. Потенциална цел за набиране на средства: повече от 100 милиарда долара, според съобщения на The New York Times. Докладвани водещи инвестиционни банки: Goldman Sachs и Morgan Stanley, според информация, обобщена от Yahoo Finance. Публичното предлагане би дало на Anthropic достъп до публичен капитал за изчисления, изследвания и експанзия. То също така би наложило тримесечен контрол върху компания, чиито нужди от разходи могат да растат толкова бързо, колкото и продажбите ѝ. Колко голямо може да стане предлагането? Предложената трансакция може да се класира сред най-големите публични предлагания някога. The New York Times съобщи, че банкери са обсъждали набирането на повече от 100 милиарда долара при оценка от около 2 трилиона долара. Reuters цитира по-ниска фигура, обсъждана от някои инвеститори – около 1,5 трилиона долара, което показва колко много крайната цена може да зависи от пазарните условия и търсенето. Оценката на Anthropic на частния пазар вече се е покачила рязко. Sacra съобщи, че финансиране от Серия H през май е оценило компанията на 965 милиарда долара. Същият източник посочи, че рунд от Серия G през февруари е оценил Anthropic на 380 милиарда долара. Тези цифри не са взаимозаменяеми с пазарната капитализация на публичния пазар. Публичните инвеститори могат незабавно да преоценят акциите, а оценките при IPO често се променят по време на маркетинга. Частна оценка през май 2026 г.: 965 милиарда долара, докладвано от Sacra. Възможна оценка при IPO: до 2 трилиона долара, докладвано от IFR и The New York Times. По-ниска дискусия сред инвеститорите: около 1,5 трилиона долара, докладвано от Reuters. Fortune съобщи, че един дългогодишен инвеститор очаква ценообразуване близо до 1,8 трилиона долара и вярва, че акциите по-късно могат да се търгуват при оценка от 2,4 трилиона долара. Този поглед е индивидуална прогноза, а не цел на компанията или завършена трансакция. Растат ли продажбите на Anthropic достатъчно бързо? Докладваният растеж на приходите е най-силният аргумент за предлагането. Anthropic е уведомила инвеститорите, че приходите за третото тримесечие са достигнали 16,8 милиарда долара, спрямо 11,6 милиарда долара през второто тримесечие, според The New York Times и IFR. Цифрите описват рязко последователно увеличение на продажбите от абонаменти за Claude, корпоративни споразумения и свързани услуги. По-ранните резултати показват мащаба на ускорението. Sacra съобщи за 16,3 милиарда долара признати приходи за първото полугодие на 2026 г., в сравнение с 1,1 милиарда долара година по-рано. IFR съобщи, че годишният повтарящ се приход (ARR) е достигнал около 74 милиарда долара в края на третото тримесечие, цитирайки технологичния анализатор на DA Davidson Gil Luria. Приходи за първото полугодие на 2026 г.: 16,3 милиарда долара, в сравнение с 1,1 милиарда долара година по-рано, докладвано от Sacra. Приходи за второто тримесечие на 2026 г.: 11,6 милиарда долара, докладвано от The New York Times. Приходи за третото тримесечие на 2026 г.: 16,8 милиарда долара, докладвано от The New York Times и IFR. Цифрите не са напълно съпоставими. Признатите приходи, тримесечните продажби и годишният повтарящ се приход използват различни мерки. Анализаторите ще изследват концентрацията на клиенти, продължителността на договорите, отложените приходи и дела на продажбите, свързани с малък брой големи технологични компании. Защо загубите може да притесняват инвеститорите на публичния пазар? Бързият растеж на продажбите не е премахнал централния финансов риск: изграждането и експлоатацията на tiênier (гранични) системи с ИИ е скъпо. Fortune съобщи, че проектът на проспекта на Anthropic разкрива нетна загуба от 80,7 милиарда долара за първите шест месеца на 2026 г. Тази цифра ще принуди инвеститорите да оценят дали настоящите приходи в крайна сметка могат да покрият разходите за изчисления, дейта центрове, персонал и разработка на модели. Докладваната рентабилност също зависи от използваната счетоводна мярка. Yahoo Finance, цитирайки информация за тримесечните показатели на компанията, заяви, че Anthropic е отбелязала коригирана печалба. Коригираният резултат може да изключва разходи, които остават икономически значими, затова инвеститорите ще се съсредоточат върху одирираната нетна печалба, оперативния паричен поток и капиталовите ангажименти, след като проспектът стане публичен. Докладвана нетна загуба за първото полугодие на 2026 г.: 80,7 милиарда долара, според Fortune. Приходи за третото тримесечие: 16,8 милиарда долара, според The New York Times. Потенциална кредитна линия: около 15 милиарда долара, докладвано от The Daily Star. Предложената въртяща се кредитна линия би осигурила допълнителна ликвидност, но заемането на средства би добавило задължения освен капиталовото финансиране. Инвеститорите също ще поискат подробности за това дали облачните доставчици, доставчиците на чипове или стратегическите партньори получават специални търговски условия. Какво ще изследват инвеститорите в проспекта? Проспектът ще определи дали заглавният растеж се превръща в устойчив случай за публична компания. Той трябва да покаже как Anthropic печели пари, какво плащат клиентите, колко харчи за обслужването на всеки модел и кои споразумения подкрепят бъдещото търсене. Той също така ще идентифицира правните, регулаторните и конкурентните рискове, които частните инвеститори може да са оценили зад затворени врати. Концентрация на клиенти: делът от приходите, свързан с най-големите клиенти. Експозиция към инфраструктурата: ангажименти към облачен капацитет, чипове и дейта центрове. Икономика на моделите: разходи за извод (inference), промени в ценообразуването и брутната маржа по продукти. Управление: ролята на структурата на Anthropic за обществена полза и дългосрочната мисия. Конкуренция: натиск от OpenAI, Google, Meta и други разработчици на модели. Структурата на Anthropic за обществена полза може да получи необичайно внимание. AP съобщи, че Anthropic разработва планове за споделяне на бъдещо богатство като част от по-широките си подготвителни действия за публично предлагане. Точният механизъм и приложимостта му ще бъдат от значение за акционерите, служителите и политиците. Какво може да означава дебютът на Anthropic за по-широкия пазар на ИИ? Листването на Anthropic би се превърнало в реален тест дали публичните инвеститори приемат оценки, изградени върху бъдещото търсене на ИИ, а не върху установени печалби. Силният дебют би могъл да насърчи други частни ИИ компании да търсят листване и да даде на венчър инвеститорите по-ясен път за изход. Слабият дебют би могъл да окаже натиск върху оценките в целия сектор. Времето прави теста още по-остър. Reuters съобщи, че други ИИ компании са били изместени настрани от пазарната несигурност, докато Anthropic продължава да подготвя своето предлагане. Следователно компанията ще влезе на пазара с много малко място за грешки при изпълнението. Нейните банкери трябва да балансират трансакция с рекорден мащаб срещу риска да поискат от публичните инвеститори да поемат твърде много акции наведнъж. Anthropic все още няма потвърдена крайна цена, брой акции или дата за публично подаване на документи. Следващото решаващо събитие ще бъде проспектът. Дотогава пазарът преценява възможното IPO чрез докладвани числа, които смесват тримесечни приходи, оценки за годишни продажби, частни оценки и чернови финансови разкрития.

Nic Reeve·14:00 26.10.2026