Gemini 3.6 Flash стала новым движком по умолчанию в Antigravity

Nic Reeve11:58 29.08.20267 мин чтения

21 июля 2026 года компания Google внедрила Gemini 3.6 Flash во весь свой стек инструментов для разработчиков, причем сообщество AInews обнаружило новую модель в IDE Antigravity за несколько дней до того, как компания официально задокументировала изменения. Этот запуск сделал 3.6 Flash движком по умолчанию для агентных инструментов кодинга от Google.

Что именно представляет собой Gemini 3.6 Flash и когда она появилась?

Gemini 3.6 Flash — это новейший уровень «быстрых и дешевых» больших языковых моделей от Google, выпущенный 21 июля 2026 года в качестве общедоступного обновления для Gemini 3.5 Flash. Модель ориентирована на сокращение расходов на токены и уменьшение задержек при одновременном улучшении навыков программирования, интеллектуальной работы и мультимодальных задач. В тот же день она была запущена в Antigravity, Gemini API и связанных с ними продуктах для разработчиков.

Ключевые факты о релизе, собранные из документации Google и независимых технических блогов, позволяют составить четкую хронологию:

Дата выпуска: согласно каталогу моделей Gemini Enterprise, Gemini 3.6 Flash стала общедоступной 21 июля 2026 года.
Охват: в блоге для разработчиков сообщается, что в тот же день модель стала доступна в приложении Gemini, Google Antigravity, AI Studio и Android Studio.
Период актуальности знаний: тот же блог отмечает, что дата отсечения знаний была перенесена с января 2025 года на март 2026 года — скачок на 14 месяцев, что обеспечивает модель более свежими техническими и продуктовыми данными.
Длина контекста: тот же источник указывает окно контекста объемом более 1 миллиона токенов, с максимальным выводом около 65 536 токенов.

Собственный журнал изменений API Google описывает 3.6 Flash как «рабочую лошадку», настроенную на более эффективное рассуждение и вызовы инструментов, ориентированную на длительные процессы кодинга и работу агентов, а не на короткие чат-запросы.

Как Gemini 3.6 Flash впервые появилась в Antigravity?

Gemini 3.6 Flash появилась в Antigravity еще до того, как большинство пользователей увидели официальную документацию: тестировщики заметили новый идентификатор модели в интерфейсе и поделились скриншотами в социальных сетях. Эти ранние находки спровоцировали несколько дней неформального тестирования, пока Google дорабатывала бэкенд и финализировала публичные примечания к выпуску.

Доказательства такого поэтапного появления поступают из нескольких независимых источников:

Блог, специализирующийся на утечках, сообщает, что идентификатор модели «gemini-3.6-flash-tiered» появился в Antigravity рано утром 21 июля 2026 года; его заметил тестировщик, работавший в предрелизной среде.
Разработчик на платформе X (ранее Twitter) написал, что «Gemini 3.6 Flash, ID "gemini-3.6-flash-tiered", появилась в Antigravity несколько минут назад», подтвердив, что модель была доступна в инструменте еще до того, как Google объявила цены и возможности.
В другой технической статье описывается, что Google Antigravity 2.0 получила Gemini 3.6 Flash в рамках более широкого обновления, при этом отмечается, что развертывание проходило поэтапно: некоторые учетные записи получили доступ к новой модели немедленно, другие — с задержкой, связанной с регионом и конфигурацией аккаунта.

Позднее официальное руководство Google уточнило, что Gemini 3.6 Flash является движком для агента по умолчанию в Antigravity в рамках «Gemini Managed Agents», хотя разработчики могут переопределить настройки модели через API.

Что Google изменила «под капотом» по сравнению с Gemini 3.5 Flash?

Gemini 3.6 Flash в основном ориентирована на решение жалоб разработчиков относительно многословности, использования токенов и медленных рабочих процессов в 3.5 Flash. Документация Google и независимые тесты демонстрируют меньшее потребление токенов, обновленные цены и более агрессивный режим рассуждения, нацеленный на сложные задачи программирования.

При сравнении изменения выглядят следующим образом:

Эффективность токенов: в блоге Google об Antigravity сообщается, что 3.6 Flash потребляет на 17% меньше выходных токенов, чем 3.5 Flash, согласно индексу Artificial Analysis — синтетическому бенчмарку, разработанному для имитации реальных рабочих процессов кодинга.
Ценообразование: издание Ars Technica в своем обзоре отмечает, что цена API составляет $1,50 за 1 миллион входных токенов и $7,50 за 1 миллион выходных токенов, что ниже, чем $9 за миллион выходных токенов в версии 3.5 Flash.
Рассуждение: в техническом руководстве поясняется, что «режим размышления» включен по умолчанию и ему можно выделить неограниченный бюджет, что позволяет модели выполнять больше внутренних шагов рассуждения для сложных задач, не заставляя разработчиков управлять этой сложностью вручную.
Варианты: в том же руководстве описывается вариант «3.6 Flash Low», предназначенный для узкоспециализированных правок, генерации тестов и изменений в отдельных файлах, в то время как полная версия 3.6 Flash зарезервирована для более тяжелых агентных рабочих процессов.

Журнал изменений Google подчеркивает, что эти оптимизации нацелены на сквозные рабочие процессы, а не только на одиночные ответы, за счет сокращения вызовов инструментов и циклов итераций внутри агентов, построенных на основе модели.

Как Gemini 3.6 Flash ведет себя в Antigravity для разработчиков прямо сейчас?

Внутри Antigravity 2.0 модель Gemini 3.6 Flash находится в центре IDE, ориентированной на агентов. Она обеспечивает миграцию кода, рефакторинг и многопользовательское моделирование, предоставляя при этом параметры конфигурации для переключения моделей или ограничения бюджета рассуждений агента в целях безопасности и контроля затрат.

Судя по примерам Google и сторонним обзорам, текущее поведение Antigravity включает:

Миграция кода: блог Google Antigravity показывает, как 3.6 Flash справляется с модернизацией устаревшего ПО, перенося старый код на новые фреймворки с меньшими задержками и более высоким качеством по сравнению с 3.5 Flash.
Интерактивные холсты: в анализе на китайском языке описываются демонстрации Antigravity, где 3.6 Flash создает интерактивные холсты и управляет рабочими процессами SDK, координируя несколько инструментов и файлов прямо из IDE.
Многопользовательское моделирование: тот же источник сообщает, что Google использует Antigravity и 3.6 Flash для моделирования работы нескольких пользователей в автономном редакторе Markdown, что требует координации длинного контекста.
Настройки агента по умолчанию: в публикации Google AI Studio говорится, что Gemini 3.6 Flash теперь является движком по умолчанию для агента Antigravity в составе Gemini Managed Agents, со специальной строкой версии агента, связанной с конфигурацией предварительного просмотра.

Разработчики, желающие остаться на старых моделях, по-прежнему могут изменить настройки в селекторе моделей Antigravity, однако некоторые публикации в сообществе описывают запуск 3.6 Flash как «принудительное обновление для тех, кто не хочет менять привычки», что отражает недовольство сменой настроек по умолчанию.

Как ранние пользователи реагируют на Gemini 3.6 Flash в Antigravity?

Отзывы пользователей Antigravity крайне неоднозначны. Многие приветствуют более быстрый бэкенд и более низкие счета за токены. Другие жалуются, что пользовательский опыт стал хуже, а модель иногда кажется менее точной, чем 3.5 Flash, несмотря на архитектурные улучшения.

Публичные реакции, собранные на форумах и в блогах, демонстрируют разброс мнений:

Статья на сайте, посвященном ИИ, называет Gemini 3.6 Flash «невероятно быстрым зверем на бэкенде», но «катастрофой на фронтенде», ссылаясь на запутанные изменения в UI и труднодоступные параметры конфигурации в обновленном интерфейсе Antigravity.
В ветке форума разработчиков Google конца июля 2026 года один пользователь предупреждает: «Не используйте 3.6 Flash, она быстрее, но глупее и бестолковее, чем 3.5 Flash», жалуясь на то, что предложения кода стали более поверхностными, несмотря на улучшение задержки.
В той же дискуссии на форуме отмечаются периодические ошибки, при которых Antigravity не может выполнить задачи при выбранной 3.6 Flash, что побуждает некоторых пользователей откатываться к предыдущим версиям, пока Google исправляет проблемы.
Напротив, многие разработчики на X отмечают более плавный рефакторинг нескольких файлов и меньшее количество вызовов инструментов, а одна демонстрация с официального аккаунта Antigravity показывает, как 3.6 Flash модернизирует устаревший код быстрее, чем 3.5 Flash.

Разрыв между показателями бэкенда и пользовательским опытом стал основной темой ранних публикаций. Документация Google фокусируется на цифрах токенов и задержек, в то время как тестировщики из сообщества концентрируются на том, как эти изменения ощущаются в повседневных рабочих процессах в IDE.

Что ждет Gemini 3.6 Flash и пользователей Antigravity в будущем?

Gemini 3.6 Flash теперь является общедоступной моделью без объявленной даты прекращения поддержки, и Google рассматривает ее как стандартный движок для агентного кодинга в ближайшем будущем. Разработчики могут ожидать постепенных обновлений Antigravity и Gemini API, а не еще одной немедленной замены модели.

Сигналы от Google и публикации в экосистеме указывают на несколько ближайших событий:

Горизонт поддержки: на странице прекращения поддержки Google модель Gemini 3.6 Flash указана с датой запуска 21 июля 2026 года, при этом отмечено, что дата завершения не установлена, что подразумевает многолетнюю поддержку.
Стабильность развертывания: пояснение о региональном развертывании из стороннего блога говорит пользователям, что отсутствие пунктов 3.6 Flash в меню моделей Antigravity, скорее всего, связано с поэтапной доступностью, а не с отменой.
Руководство по оценке: то же руководство настоятельно рекомендует командам проводить параллельное сравнение, переводя некритичные проекты на 3.6 Flash и сопоставляя результаты с существующими значениями по умолчанию в течение как минимум недели реальной работы.
Корпоративная интеграция: Google заявляет, что предприятия могут получить доступ к 3.6 Flash через платформу Gemini Enterprise Agent Platform и приложение Gemini Enterprise, расширяя рабочие процессы в стиле Antigravity до корпоративной среды.

На данный момент Antigravity остается основной площадкой Google для тестирования агентного кодинга, а Gemini 3.6 Flash — моделью, находящейся под пристальным вниманием. Разработчикам рекомендуется оценивать реальные затраты на рабочие процессы и качество вывода, а не только заголовки бенчмарков, прежде чем полностью переходить на новую настройку по умолчанию.

Источники

Читать далее →

Похожие материалы

AI & Tech

Совместный проект Motional и MIT поможет роботакси принимать более точные решения на дорогах

Проект Motional и MIT CW-Net привлекает внимание к повышению прозрачности принятия решений роботакси 2 сентября 2026 года исследователи из MIT и компании по разработке автономных транспортных средств Motional представили новую систему под названием Concept-Wrapper Network (CW-Net). Она позволяет беспилотному автомобилю объяснять свои решения в режиме реального времени — прорыв, который быстро привлек внимание мировых новостных ресурсов в сфере ИИ. Как CW-Net помогает людям понимать решения беспилотных автомобилей? CW-Net преобразует непрозрачный процесс планирования роботакси в краткие и понятные концепции, такие как «приближение к остановившемуся транспортному средству» или «рядом с велосипедистом». Затем система принуждает алгоритм планирования автомобиля использовать эти концепции при выборе следующего маневра, благодаря чему пояснение в точности соответствует реальной причине действия. Эта работа, описанная в статье, опубликованной в журнале Nature 2 сентября 2026 года, затрагивает одну из главных проблем беспилотного вождения: модели глубокого обучения типа «черный ящик», которые работают эффективно, но дают пассажирам, страховочным водителям и регуляторам мало информации о том, почему автомобиль ускорился, затормозил или совершил маневр. Согласно MIT News, CW-Net — это «классификатор концепций», встроенный в сеть планирования движения беспилотного автомобиля, где он сопоставляет необработанные данные датчиков с высокоуровневыми концепциями, на которые уже опирается модель. Затем система заставляет финальный этап планировщика принимать решения о траектории, используя эти концепции, что позволяет сохранить эффективность вождения, делая при этом логику действий прозрачной. Как поясняют в Motional, пояснения отображаются рядом с запланированным маршрутом в режиме реального времени, предоставляя страховочным водителям и пассажирам текущий комментарий о том, что, по мнению автомобиля, происходит вокруг. В новостных отчетах отмечается, что метки концепций CW-Net включают повседневные дорожные ситуации, такие как «уступление дороги пешеходу», «ожидание на красный свет» и «экстренное торможение», вместо абстрактных математических признаков. Эта разработка выросла из более широкого исследовательского направления MIT по моделям «концептуального узкого места» (concept bottleneck), где системы ИИ вынуждены мыслить понятными человеку категориями перед выдачей результата. Исследование MIT, проведенное в марте 2026 года, заложило основу для подхода CW-Net, продемонстрировав, что извлечение концепций из существующих моделей может повысить как точность, так и ясность объяснений. Какие тесты провели MIT и Motional для новой системы объяснимого ИИ? Команда CW-Net обучила систему на огромном наборе данных реальных дорожных ситуаций, а затем развернула ее на роботакси Motional — сначала на закрытых полигонах, а затем в симуляциях, имитирующих условия Лас-Вегаса, чтобы проверить, могут ли люди более точно предсказывать поведение автомобиля и выявлять ошибки. В отчетах об экспериментах описывается кампания по контролируемой оценке, призванная ответить на прямой вопрос: делает ли раскрытие логики автомобиля через концепции работу операторов более безопасной и эффективной? Согласно одному из отраслевых обзоров, CW-Net была обучена на примерно 130 миллионах размеченных дорожных сцен, каждая из которых была снабжена концепциями, описывающими ситуацию, прежде чем ее интегрировали в планировщики Motional. MIT News сообщает, что CW-Net была установлена на реальном беспилотном тестовом автомобиле, где страховочный водитель следил одновременно за траекторией движения и лентой пояснений в реальном времени. В одном из инцидентов на закрытом полигоне, упомянутом в нескольких отчетах, CW-Net показала, что автомобиль остановился из-за «экстренного торможения», а не из-за «обнаружения велосипедиста», что помогло водителю осознать, как могло произойти опасное сближение. Симуляции в Лас-Вегасе с участием обычных пользователей показали схожие результаты: участники, видевшие пояснения CW-Net, лучше предсказывали моменты, когда автомобиль мог допустить ошибку или повести себя неожиданно. Эти эксперименты опираются на более ранние академические работы. Согласно версии статьи с открытым доступом от марта 2023 года, исходная концепция CW-Net уже показывала, что объяснения на основе концепций улучшают ментальные модели страховочных водителей, приводя ожидания человека в соответствие с внутренним процессом принятия решений автомобилем. Почему объяснимый ИИ важен для планов Motional по внедрению роботакси? Motional обязалась убрать страховочных операторов из своих коммерческих роботакси к концу 2026 года, поэтому прозрачное и предсказуемое поведение ИИ становится критически важным для регуляторов, партнеров и пассажиров, которые должны доверять полностью беспилотному сервису в таких городах, как Лас-Вегас. Компания, созданная как совместное предприятие Hyundai Motor Group и Aptiv, годами эксплуатировала тестовые парки. Сейчас она стремится перейти от контролируемых пилотных проектов к коммерческим беспилотным поездкам в то время, когда общественное внимание к безопасности автономного транспорта растет. В технологических новостях в январе 2026 года сообщалось, что Motional планирует запустить полноценные беспилотные сервисы к концу года, исключив резервных водителей после получения разрешений от регуляторов. В собственных коммуникациях Motional описывает CW-Net как способ «открыть мозг беспилотного автомобиля», давая возможность пассажирам и регуляторам видеть, почему автомобиль реагирует на опасности или сложные дорожные ситуации. По данным профильных изданий, сотрудничество с MIT позволяет инженерам Motional быстрее проводить отладку в случае сбоев, так как они видят, на какую концепцию опирался планировщик при принятии неудачного решения. Общие технологические отчеты подчеркивают, что более ясные пояснения могут также упростить решение вопросов ответственности после инцидентов, документируя, что именно система обнаружила и как она интерпретировала сцену. Для городских транспортных агентств, рассматривающих партнерство с операторами роботакси, такая интерпретируемость может быть так же важна, как и сухие показатели безопасности. Это дает им инструмент для проверки поведения системы, вместо того чтобы воспринимать стек ИИ как непостижимый «черный ящик». Чем CW-Net отличается от предыдущих методов объяснимого ИИ? CW-Net не просто добавляет отдельный модуль пояснений поверх планировщика. Она перестраивает сам планировщик таким образом, чтобы его внутренняя логика выражалась в концепциях, которые напрямую используются системой объяснений. Исследователи утверждают, что это обеспечивает причинно-следственную верность пояснений, а не их декоративный характер. Объяснимый ИИ часто полагался на инструменты постобработки (post-hoc), которые выделяют части изображения или входных данных датчиков постфактум, что оставляет риск того, что визуализация лишь косвенно коррелирует с решением, а не является его истинной причиной. Работа MIT и Motional пытается усилить эту связь. Компьютерные специалисты MIT исследовали модели с «концептуальным узким местом», которые заставляют системы ИИ делать прогнозы, используя явные концепции, описываемые затем естественным языком с помощью большой мультимодальной модели. Согласно исследованию MIT от марта 2026 года, этот подход требует специализированного автокодировщика для извлечения наиболее релевантных признаков из предобученной модели и превращения их в компактный набор концепций. Затем эти концепции помечаются и описываются с помощью мультимодальной языковой модели, обученной распознавать присутствие каждого концепта в сцене. CW-Net применяет этот набор идей к планированию движения автономных транспортных средств, переводя плотные потоки данных датчиков в помеченные дорожные концепции, общие как для планировщика, так и для модуля объяснений. Благодаря тесной связи пояснений с внутренним путем планировщика, CW-Net стремится уменьшить то, что исследователи называют «утечкой концепций», когда пояснения ссылаются на идеи, которые на самом деле не влияли на вывод модели. Это различие важно, когда человек должен полагаться на пояснение в критически важных для безопасности ситуациях. Кто работал над проектом и как публикуются результаты? Исследовательская группа CW-Net объединила специалистов Лаборатории компьютерных наук и искусственного интеллекта MIT (CSAIL) и инженеров по автономному вождению Motional. Их совместная статья об объяснимом глубоком обучении для беспилотных автомобилей была опубликована в журнале Nature в начале сентября 2026 года после представления на конференциях и публикации препринтов. Это сотрудничество отражает более широкую тенденцию, когда крупные программы беспилотного транспорта сочетают внутренние разработки с академическим партнерством для решения фундаментальных вопросов ИИ, таких как интерпретируемость, справедливость и безопасность. MIT News называет исследователей CSAIL ведущими авторами метода concept-wrapper, работавшими в тесном контакте с командами робототехники Motional, внедрившими систему на тестовых автомобилях. Motional указывает нескольких своих ведущих ученых и руководителей, включая генерального директора, в качестве соавторов статьи в Nature и более ранних работ по объяснимому планированию движения. Препринт под названием «Explainable deep learning improves human mental models of self-driving cars» впервые появился онлайн в марте 2023 года, заложив научную основу для публикации в Nature. Деловые и технологические ресурсы подчеркивают, что размещение статьи в столь авторитетном журнале сигнализирует о том, что интерпретируемость становится центральным элементом мейнстримных исследований в области автономного вождения, а не просто академическим любопытством. Публикация в ведущем журнале также открывает работу для критики со стороны внешних экспертов — от специалистов по этике ИИ до аналитиков транспортной безопасности, что может повлиять на то, как регуляторы будут оценивать объяснимые системы в будущих правилах для беспилотного транспорта. Что ждет объяснимый ИИ для беспилотных автомобилей в будущем? MIT и Motional заявляют, что CW-Net — это шаг к более широкому использованию объяснений на основе концепций в критически важных для безопасности системах ИИ. Будущие работы, вероятно, будут включать тестирование системы в других городах, расширение сферы применения на новые сценарии вождения и интеграцию с более широкими усилиями по аудиту и стресс-тестированию моделей ИИ на наличие предвзятости и режимов отказа. Исследователи уже изучают смежные идеи. Лаборатория CSAIL при MIT разработала автоматизированных агентов интерпретируемости, которые исследуют нейронные сети с использованием визуально-языковых моделей, в то время как методы «концептуального узкого места» продолжают развиваться в компьютерном зрении и робототехнике в целом. В отчете за июль 2024 года о проекте MAIA в MIT описывается мультимодальный агент, который разрабатывает эксперименты для понимания того, как ведут себя модели ИИ, что намекает на появление инструментов, способных в будущем проверять системы вроде CW-Net на скрытые дефекты. Анонсы робототехнических конференций середины 2026 года показывают, что команды MIT используют большие языковые модели, чтобы помогать роботам интерпретировать сложные инструкции, подкрепляя идею о том, что пояснения на естественном языке станут стандартной частью поведения машин. Отраслевые комментаторы ожидают, что Motional и другие компании будут сочетать объяснимое планирование с другими средствами защиты, такими как слияние данных от различных датчиков, резервные системы торможения и независимые советы по анализу сбоев. По мере выхода роботакси на новые рынки транспортные агентства могут требовать доступ к логам объяснений систем вроде CW-Net при расследовании инцидентов или выдаче разрешений. Для обычных пассажиров самое заметное изменение может быть простым: когда они сидят в беспилотной машине и задаются вопросом «Почему она остановилась?», автомобиль сможет ответить на понятном языке, опираясь непосредственно на те же концепции, которые направляют его движение.

Nic Reeve·14:00 03.09.2026

AI & Tech

M&T Bank обновляет ИТ-инфраструктуру для масштабного внедрения ИИ

2 сентября 2026 года банк M&T Bank подтвердил внедрение ИИ-ассистентов (copilots) и других корпоративных инструментов для более чем 15 000 сотрудников. Это стало частью масштабного расширения использования корпоративного искусственного интеллекта и завершающим этапом технологической модернизации, начатой в 2018 году, что закрепило за банком статус регионального лидера в области операций, основанных на данных. Насколько масштабно внедрение корпоративного ИИ в M&T Bank? Внедрение корпоративного ИИ в M&T Bank теперь охватывает большинство сотрудников. По данным Yahoo Finance на сентябрь 2026 года, банк предоставил ИИ-ассистентов более чем 15 000 сотрудников, а Forbes сообщает, что по состоянию на август 2026 года около 16 000 человек активно используют инструменты генеративного ИИ в своей повседневной работе. Расширение использования ИИ-инструментов в M&T Bank на сегодняшний день является одним из крупнейших задокументированных внедрений среди региональных банков США. Ключевые показатели: По данным Forbes (август 2026 г.): около 16 000 сотрудников используют инструменты генеративного ИИ в масштабах всей компании. По данным Yahoo Finance (сентябрь 2026 г.): ИИ-ассистенты помогают более чем 15 000 сотрудников в таких задачах, как анализ звонков, составление отчетов и написание программного кода. По данным ArtificialIntelligence‑News (сентябрь 2026 г.): начальные пилотные проекты охватывали около 800 сотрудников, прежде чем масштабироваться на всю организацию. По данным AIM Media House (декабрь 2025 г.): к началу 2025 года Microsoft 365 Copilot и Copilot Chat были внедрены примерно у 17 000 сотрудников. Большинство этих инструментов работают на базе пакета Microsoft Copilot, предоставляемого через модернизированную облачную и информационную архитектуру M&T Bank. Сотрудники получают доступ к генеративным моделям через офисные приложения, внутренние чат-интерфейсы и встроенные функции существующих бизнес-систем. Какие конкретные сценарии использования ИИ реализованы в M&T Bank? M&T Bank использует корпоративный ИИ во внутренних операциях, управлении рисками, разработке программного обеспечения и мониторинге коммерческих кредитов, а не во взаимодействии с клиентами. Эти сценарии объединяют Microsoft Copilot со специализированными платформами от таких поставщиков, как RDC.AI и Rich Data Co. Согласно Yahoo Finance и ArtificialIntelligence‑News, текущие внутренние и риск-ориентированные приложения включают: Анализ разговоров в колл-центре для выявления потребностей клиентов и возникающих рисков портфеля. Составление отчетов, внутренней корреспонденции и резюме совещаний для сотрудников различных подразделений. Генерацию и проверку программного кода для ускорения разработки и технического обслуживания. Выявление потенциальных схем мошенничества и усиление мониторинга кибербезопасности. Помимо ИИ-ассистентов, M&T представил специализированные ИИ-платформы для сферы коммерческого кредитования: По данным Banking Tech Awards USA (май 2026 г.): в 2025 году M&T Bank заключил партнерство с RDC.AI для замены ручного мониторинга коммерческих кредитов, основанного на правилах, на платформу непрерывного мониторинга на базе ИИ. Тот же источник отмечает, что платформа поддерживает работу более 1 200 клиентских менеджеров и кредитных специалистов, предоставляя автоматизированные оповещения о рисках заемщиков и кредитном портфеле. AIM Media House сообщает, что M&T также внедряет платформу принятия решений Rich Data Co. через вендора nCino и использует облако данных клиентов Amperity для унификации взаимодействий и персонализации коммуникаций по разным каналам. Эти инструменты работают поверх контролируемой среды данных банка, а не напрямую влияют на автоматизированные решения без контроля. Какая технологическая модернизация обеспечила нынешнее расширение ИИ в M&T Bank? Масштабный переход M&T Bank к ИИ стал результатом многолетних усилий по исправлению проблем с данными и устаревшими системами. Банк начал обширную технологическую перестройку примерно в 2018 году, перестроив управление данными, облачную архитектуру и ландшафт приложений для поддержки современной аналитики и регулируемого внедрения ИИ. Forbes описывает, как M&T «создал прочный фундамент данных» в Буффало, который теперь лежит в основе десятков сценариев использования генеративного ИИ по трем направлениям: корпоративная грамотность, встроенные возможности в существующих приложениях и проприетарные модели. Ключевые элементы этого фундамента включают: По данным Forbes (май 2025 г.): расширяющийся портфель облачных продуктов данных и постепенный вывод из эксплуатации устаревших платформ. По данным CDO Magazine (декабрь 2025 г.): медальонная архитектура (medallion architecture), наложенная на облачные продукты данных, с четким распределением ответственности на каждом уровне. По данным Portfolio by BISA (сентябрь 2025 г.): централизованное хранилище данных под названием Edison, поддерживаемое инструментами отслеживания происхождения данных от Solidatus и Monte Carlo. По данным Windows Forum (март 2026 г.): централизованная стратегия облачных данных, разработанная для создания единого представления «Customer 360» и снижения затрат на сверку данных за счет вывода из эксплуатации устаревших инструментов аналитики. Директор по данным (CDO) M&T Bank Эндрю Фостер подчеркнул, что надежные данные являются обязательным условием для генеративного ИИ. Portfolio by BISA цитирует его слова о том, что отслеживаемость данных и эффективное управление критически важны для контроля операционных, комплаенс-рисков и репутационных рисков по мере масштабирования ИИ. Как M&T Bank управляет данными и ИИ при таком масштабном внедрении? M&T Bank выстроил управление ИИ поверх своих механизмов контроля данных, а не как отдельную дисциплину. Банк использует федеративную модель данных, медальонную архитектуру и строгие инструменты отслеживания происхождения данных, а также выстраивает ИИ-проекты в соответствии с уровнем зрелости надзора и управления рисками. AIM Media House описывает пошаговый план внедрения ИИ в M&T Bank: Пересмотр управления данными, их происхождения и контроля перед запуском крупных ИИ-пилотов. Проведение шестимесячных пилотных проектов с такими инструментами, как Microsoft Copilot, перед общекорпоративным развертыванием. Широкое внедрение внутренних ИИ-ассистентов при ограничении клиентских приложений, которые находятся под строгим надзором. Поэтапное внедрение специализированного ИИ (например, для мониторинга коммерческих кредитов и платформ данных клиентов) только там, где инфраструктура надзора достаточно развита. Portfolio by BISA сообщает, что Edison и инструменты отслеживания данных помогают банку прослеживать источники информации для результатов работы ИИ, что поддерживает внутренний аудит и проверки регуляторов. Анализ от Windows Forum, посвященный банкам Западного Нью-Йорка, отмечает опубликованные политики ИИ в M&T, инвентаризацию моделей и непрерывный мониторинг с оповещениями об отклонениях и аномалиях как часть системы управления рисками. Какие сотрудники и бизнес-подразделения больше всего затронуты расширением ИИ в M&T Bank? Внедрение ИИ в M&T Bank влияет на офисных сотрудников, технических специалистов и риск-менеджеров гораздо больше, чем на клиентов. Доступ к Copilot широко распространен в корпоративных функциях, в то время как специализированные платформы нацелены на команды коммерческого кредитования и аналитические группы, использующие облачную среду данных банка. Основываясь на отчетах Yahoo Finance, Forbes и AIM Media House, основные группы, использующие новые ИИ-инструменты, включают: Сотрудников службы поддержки и колл-центров, которые используют ИИ для резюмирования звонков и определения оптимальных дальнейших действий. Операционный персонал, который полагается на ИИ-ассистентов при составлении электронных писем, отчетов и заметок к совещаниям. Инженеров-программистов и технологические команды, где ассистенты помогают с написанием кода, документацией и поиском неисправностей. Риск-менеджеров и кредитных специалистов, использующих платформу мониторинга коммерческих кредитов RDC.AI. Команды маркетинга и аналитики, работающие с облаком данных клиентов Amperity и инструментами принятия решений Rich Data Co. для уточнения целевых предложений. AIM Media House цитирует руководство банка, подчеркивая, что M&T «еще не переходит к работе с клиентами» в плане широкого использования генеративного ИИ, что подтверждает решение сосредоточиться на продуктивности сотрудников и анализе рисков, прежде чем ИИ начнет напрямую влиять на решения, касающиеся клиентов. Какая стратегия направляет инвестиции M&T Bank в ИИ и его планы на будущее? Стратегия M&T Bank в области ИИ сочетает три основных направления: расширение корпоративной грамотности в работе с ИИ, встраивание ИИ в существующие приложения и создание проприетарных моделей с использованием собственных данных банка — и все это в рамках регулируемой и готовой к проверкам среды. Forbes сообщает об этих трех направлениях: Корпоративная грамотность: около 16 000 сотрудников экспериментируют с генеративными инструментами для повышения продуктивности и изучения их возможностей. Встроенные функции в 1 800 приложениях, многие из которых получены от сторонних поставщиков, где целевые ИИ-функции поддерживают такие задачи, как проверка документов и скоринг рисков. Проприетарная разработка больших языковых моделей и агентских решений, созданных на основе данных и процессов M&T. ArtificialIntelligence‑News сообщает, что директор по данным Эндрю Фостер и его команда сформулировали аналогичную структуру: общее использование генеративного ИИ сотрудниками, ИИ, встроенный в существующие системы, и индивидуальные решения, соответствующие уникальным рабочим процессам M&T. Forbes и CDO Magazine описывают подход «медленнее, чтобы быстрее двигаться дальше», при котором тщательная подготовительная работа с данными, управлением и культурой позволяет быстрее масштабироваться после того, как средства контроля доказали свою эффективность. Заглядывая вперед, публичные комментарии и заявки на премии указывают на несколько вероятных следующих шагов: По данным Forbes (май 2025 г.): продолжение расширения облачных продуктов данных и вывод из эксплуатации устаревших платформ по мере роста спроса на ИИ. По данным Banking Tech Awards USA (май 2026 г.): более глубокая интеграция непрерывного ИИ-мониторинга в коммерческое кредитование, включая новые аналитические показатели устойчивости портфеля. По данным Yahoo Finance (сентябрь 2026 г.): изучение возможностей агентского ИИ для кибербезопасности и выявления мошенничества, опираясь на существующие сценарии обнаружения. Как путь M&T Bank в области ИИ соотносится с другими региональными банками? M&T Bank сейчас выделяется среди региональных банков Западного Нью-Йорка своим акцентом на централизованную стратегию данных и широкое внутреннее внедрение ИИ, в то время как конкуренты, такие как Five Star Bank, сосредоточены на использовании ИИ в конкретных продуктовых линейках, например, в непрямом автокредитовании. Сводки Windows Forum описывают два направления в регионе: M&T Bank инвестирует в архитектуру облачных данных, управляемую аналитику клиентов и широкий доступ сотрудников к генеративным инструментам. Five Star Bank применяет ИИ более узко для автоматизации на уровне продуктов и принятия кредитных решений, с меньшим масштабом внедрения. Эти сравнения показывают, что M&T Bank использует свои масштабы и результаты многолетней технологической модернизации, чтобы рассматривать ИИ как общекорпоративную возможность, а не как изолированный эксперимент, уделяя особое внимание дисциплине данных и навыкам сотрудников перед переходом к агрессивным инновациям, направленным на клиентов.

Nic Reeve·14:00 07.09.2026

AI & Tech

Broadcom, Teradata и инвестиции в стартапы: главные новости сферы ИИ в начале сентября

Планы Broadcom по выпуску чипов и финансирование стартапов: главные новости в сфере ИИ за неделю с 4 сентября На неделе с 4 сентября в новостном цикле об ИИ доминировали агрессивные прогнозы Broadcom по чипам для искусственного интеллекта, стремление Teradata внедрить ИИ-агентов в корпоративную аналитику и раунд финансирования в размере 550 миллионов долларов, после которого оценка стартапа Wonderful достигла 5 миллиардов долларов. Что Broadcom объявила о своем бизнесе по производству ИИ-чипов на этой неделе? Broadcom спрогнозировала стремительный рост выручки от чипов для искусственного интеллекта в ближайшие два года и сообщила о крупных заказах на инфраструктуру, связанных с кастомными ускорителями для крупнейших облачных и ИИ-клиентов. Это подчеркивает амбиции компании бросить вызов лидерству Nvidia на рынке полупроводников для центров обработки данных. Последний прогноз Broadcom был озвучен во время звонка для инвесторов в начале сентября, в ходе которого генеральный директор Хок Тан представил ряд агрессивных целевых показателей по выручке компании от ИИ в дата-центрах. Согласно данным The Star , Broadcom сообщила инвесторам, что выручка от ИИ-чипов может достичь около 115 млрд долларов США в 2027 финансовом году и около 230 млрд долларов США в 2028 финансовом году, что отражает ожидаемый спрос со стороны гипермасштабируемых облачных операторов и разработчиков ИИ-моделей. В том же отчете Broadcom заявила, что только выручка от ИИ-чипов в четвертом квартале текущего финансового года прогнозируется на уровне 21,7 млрд долларов США. Ранее прогноз по выручке от полупроводников для ИИ составлял 6,2 млрд долларов США в четвертом квартале 2025 финансового года (рост на 66% в годовом исчислении), что иллюстрирует, как быстро компания пересматривает свои ожидания в сторону повышения. Как сообщило агентство Reuters 4 сентября в статье, связанной с финансовыми результатами, Broadcom получила более 10 млрд долларов США заказов на ИИ-инфраструктуру от нового клиента на кастомные ускорители, что помогло увеличить темпы роста ИИ-выручки в 2026 финансовом году «значительно» выше показателей 2025 года. Эти заказы относятся к тому, что Broadcom называет кастомизированными ИИ-ускорителями «XPU», предназначенными для крупномасштабного обучения и рабочих нагрузок вывода (инференса) внутри облачных дата-центров. Компания уже имеет трех крупных заказчиков на эти чипы, а с появлением нового клиента их число достигло четырех. В ходе звонка, освещенного финансовыми изданиями, Тан отметил, что выручка от полупроводников для ИИ растет десять кварталов подряд, достигнув 5,2 млрд долларов США в третьем финансовом квартале 2025 года, что на 63% больше по сравнению с аналогичным периодом прошлого года. Он также подтвердил намерение руководить Broadcom как минимум до 2030 года, сигнализируя о преемственности курса, в то время как фирма делает ставку на ИИ-инфраструктуру как на основу своего будущего. Как рынок реагирует на ИИ-стратегию и финансовые показатели Broadcom? Комментарии аналитиков в течение недели описывали разрыв между сильными отчетными цифрами Broadcom по ИИ и настроениями инвесторов: акции компании находились под давлением, несмотря на превышение ожиданий по выручке, поскольку рынки анализировали амбициозные долгосрочные прогнозы и планы расходов на кастомные ускорители и сетевое оборудование для дата-центров. В рыночном бюллетене, посвященном ИИ и опубликованном 4 сентября, отмечалось, что Broadcom превзошла ожидания Уолл-стрит в своем последнем финансовом отчете, но акции компании упали примерно на 5% после публикации, продолжая тенденцию распродаж после отчетов, несмотря на стабильно высокие показатели. В бюллетене сообщалось, что с июня эта тенденция «стерла» около 500 млрд долларов США рыночной стоимости Broadcom, поскольку инвесторы сомневаются в устойчивости текущей траектории, учитывая высокие капитальные затраты и конкурентное давление со стороны Nvidia и других производителей чипов. В комментариях упоминалось, что зависимость Broadcom от небольшого числа очень крупных облачных и ИИ-клиентов в вопросе кастомных ускорителей является как сильной стороной (с точки зрения прозрачности), так и риском, если какой-либо крупный клиент изменит стратегию или перейдет на альтернативное оборудование. Несмотря на неоднозначную реакцию акций, как Reuters, так и региональные деловые СМИ подчеркивали, что Broadcom рассматривает чипы для ИИ как основной двигатель роста до конца десятилетия, ожидая, что спрос на ускорители, сетевые полупроводники и сопутствующую инфраструктуру будет расширяться по мере того, как все больше предприятий внедряют генеративные и агентные ИИ-системы. Какой новый ИИ-продукт выпустила Teradata для бизнеса? Teradata запустила корпоративный агент Data Analyst Agent на маркетплейсе Amazon Web Services (AWS), предлагая клиентам, которые уже работают в AWS, аналитику с использованием ИИ в диалоговом режиме. Это позволяет запрашивать данные на естественном языке, вместо использования традиционных интерфейсов бизнес-аналитики. Компания Teradata, наиболее известная своими платформами для хранения данных и аналитики, объявила о доступности Data Analyst Agent в конце июля, а последующие публикации появились в начале августа. Инструмент позиционируется как часть более широкой стратегии ИИ-сервисов компании. Согласно пресс-релизу Teradata от 30 июля, Data Analyst Agent интегрирует диалоговую аналитику с поддержкой ИИ в существующие среды AWS и продается через AWS Marketplace под брендом Teradata AI Services. Агент разработан для понимания вопросов бизнес-пользователей на естественном языке, их преобразования в аналитические запросы к системам Teradata и предоставления объяснений, графиков или сводок без необходимости владения SQL. В анализе результатов второго квартала 2026 года от Futurum Group этот продукт назван ключевой частью «гибридной ИИ-стратегии», направленной на внедрение ИИ как в локальные, так и в облачные инфраструктуры, что, по мнению фирмы, находит отклик у крупных предприятий. Показатели Teradata за второй квартал подчеркивают, почему компания делает ставку на ИИ-аналитику. Futurum Group сообщила, что выручка за квартал составила 410 млн долларов США, что немного выше консенсус-прогнозов и соответствует уровню прошлого года, при этом прибыльность улучшилась. В сводке Yahoo Finance за тот же период отмечается чистая прибыль в размере 46 млн долларов США и повышение прогноза по прибыли на акцию на весь год. В отчете Yahoo эти улучшения связывают, в частности, с запуском Data Analyst Agent на AWS Marketplace, утверждая, что контроль затрат, регулярная облачная выручка и новые услуги на базе ИИ меняют структуру бизнеса Teradata и ее привлекательность для инвесторов, желающих участвовать в процессе внедрения корпоративного ИИ. Как последний раунд финансирования Wonderful изменил ландшафт ИИ-стартапов? Израильско-нидерландский стартап Wonderful закрыл раунд финансирования серии C на сумму 550 млн долларов США при оценке в 5 млрд долларов США, более чем удвоив свою стоимость менее чем за полгода. Это сигнализирует о высоком спросе инвесторов на компании, создающие операционные системы и инструменты оркестрации для корпоративных ИИ-агентов. О раунде серии C было объявлено 2 сентября; его освещали Reuters, TechCrunch, Business Wire и Bloomberg, причем каждое издание подчеркивало разные аспекты сделки. Reuters сообщило, что оценка Wonderful выросла примерно с 2 млрд до 5 млрд долларов США менее чем за шесть месяцев по мере роста спроса на ее ИИ-операционную систему среди предприятий. TechCrunch написал, что Wonderful привлекла 550 млн долларов США, при этом Insight Partners вновь выступила ведущим инвестором, а существующие спонсоры — Index Ventures, IVP, Vine Ventures, 9Yards и Bessemer Venture Partners — приняли участие в раунде. В пресс-релизе Business Wire подтверждается оценка в 5 млрд долларов США и упоминается Salesforce как новый инвестор наряду с предыдущими венчурными фирмами. В материале Bloomberg Wonderful описывается как разработчик ПО, которое координирует работу ИИ-агентов внутри предприятия, позиционируя компанию как часть тренда на «агентные» ИИ-системы, выполняющие бизнес-задачи, а не просто отвечающие на вопросы. В технологическом разделе Yahoo Finance продукт Wonderful также представлен как «ИИ-ОС», помогающая крупным компаниям стать «ИИ-ориентированными» за счет подключения различных моделей и агентов к рабочим процессам, таким как поддержка клиентов и внутренние операции. Этот раунд последовал за серией B, о которой было объявлено в марте, когда Wonderful привлекла 150 млн долларов США под руководством Insight Partners. Как тогда сообщало TechFundingNews, инструменты компании направлены на повышение скорости внедрения пилотных ИИ-проектов, отмечая при этом, что многие концепты (PoC) никогда не доходят до реального производства. Получив свежий капитал, Wonderful планирует расширить инженерные команды в Израиле и Нидерландах, инвестировать в функции безопасности и управления для своей операционной системы, а также усилить глобальное присутствие на рынке с такими партнерами, как Salesforce, для охвата большего числа крупных предприятий. Кого затрагивают эти ИИ-перестановки и что изменится дальше? События недели влияют на облачных провайдеров, предприятия и инвесторов: прогнозы Broadcom отражают растущий спрос на оборудование со стороны гипермасштабируемых платформ, агент Teradata ориентирован на аналитиков и бизнес-пользователей, а финансирование Wonderful подчеркивает растущую экосистему компаний, помогающих крупным организациям масштабировать использование ИИ-агентов. Для покупателей облачной и ИИ-инфраструктуры многолетние прогнозы Broadcom означают расширение выбора аппаратных ускорителей и сетевых решений, что может повлиять на цены и доступность мощностей для обучения и вывода моделей по мере роста спроса на большие языковые модели и корпоративных агентов. Облачные провайдеры и крупные ИИ-лаборатории играют ключевую роль в планах Broadcom: по сообщениям Reuters, новый клиент, предположительно ведущая ИИ-платформа, заказал кастомную инфраструктуру на сумму не менее 10 млрд долларов США. Предприятия, делающие долгосрочные ставки на определенные стеки ускорителей, могут выиграть от конкуренции между Broadcom и Nvidia, но сталкиваются с рисками «привязки» к поставщику, если кастомные чипы каждого из них требуют специализированного программного обеспечения. Внутри предприятий Data Analyst Agent от Teradata и ИИ-операционная система от Wonderful нацелены на разные уровни внедрения ИИ. Teradata сосредоточена на упрощении запросов к существующим аналитическим средам через диалоговые интерфейсы. Wonderful фокусируется на оркестрации нескольких агентов и моделей для выполнения задач в рамках бизнес-функций. Аналитики и бизнес-менеджеры, использующие платформы Teradata, могут увидеть сокращение времени выполнения запросов к данным, как только интерфейсы на естественном языке станут обычным элементом их рабочих процессов. Клиенты Wonderful — многие из которых являются крупными организациями с разрозненными данными и пилотными ИИ-проектами — получают централизованную систему для координации агентов поддержки клиентов, автоматизации бэк-офиса и других ИИ-инструментов. Инвесторы, связанные с этими компаниями, сталкиваются с разными профилями рисков: Broadcom и Teradata — это признанные публичные компании, в то время как спонсоры Wonderful делают ставку на быстрорастущий стартап в еще формирующейся категории. В ближайшие месяцы ключевыми вехами станут способность Broadcom реализовать свои прогнозы в поставках и марже, успехи Teradata в монетизации ИИ-агентов среди существующих клиентов, а также прогресс Wonderful в превращении своего «военного фонда» в устойчивый рост выручки, а не только в заголовки об оценке стоимости.

Nic Reeve·14:00 05.09.2026