Не только запуск моделей: метрики, отражающие реальные темпы развития передового ИИ

Nic Reeve14:00 24.09.20266 мин чтения

Согласно недавним исследованиям и репортажам, передовые лаборатории развиваются слишком быстро, чтобы темпы прогресса в области ИИ можно было объяснить одним лишь показателем или датой релиза. Наиболее полная картина складывается из сочетания частоты выпусков, прироста в бенчмарках, длительности выполнения задач, вычислительных ресурсов, надежности и результатов тестирования безопасности. Эта проблема комплексного измерения теперь занимает центральное место в новостях об ИИ, поскольку компании переходят от эпизодических запусков моделей к непрерывному совершенствованию.

Что случилось с циклом релизов?

В 2026 году запуски моделей стали более частыми, но одни лишь анонсы продуктов не могут показать, насколько улучшилась система. Релиз может означать новую модель, настроенный вариант, обновление безопасности или более дешевую версию. Подсчет количества релизов по-прежнему полезен, но только в сочетании с последовательными тестами и датами.

По данным The Register от 23 сентября 2026 года, частота релизов Anthropic ускорилась: с примерно ежеквартальных запусков в 2025 году до почти ежемесячных в 2026 году.
Согласно отчету Tech Insider от 5 сентября 2026 года, четыре передовые лаборатории выпустили крупные модели в течение 72-часового периода в начале сентября.
Согласно тому же отчету, крупные обновления, которые в начале 2026 года выходили один или два раза в квартал, все чаще появляются ежемесячно или даже чаще.

Ускорение цикла может свидетельствовать о более мощном инженерном и операционном потенциале. Однако это также может отражать выпуск мелких обновлений, изменение упаковки продукта или параллельных версий, а не сопоставимый скачок в общих возможностях. Поэтому исследователям необходимы журналы релизов, фиксирующие размер модели, назначение, дату оценки и то, является ли система предварительной версией (preview) или полноценным продуктом (production).

Какие бенчмарки показывают реальный прогресс?

Бенчмарки возможностей остаются самым четким способом сравнения систем, однако тесты теряют ценность, когда передовые модели достигают «потолка». Полезная система измерения должна отслеживать как сам балл, так и оставшийся запас возможностей (headroom). Она также должна включать незнакомые задачи, поскольку высокая производительность в одном бенчмарке не гарантирует надежной работы в других областях.

Согласно AI Index Стэнфордского университета за 2026 год, опубликованному в сентябре 2026 года, почти все ведущие разработчики передовых моделей сообщают о результатах своих возможностей, в то время как отчеты по бенчмаркам ответственного ИИ остаются непоследовательными.
Согласно данным AI Index Стэнфорда, упомянутым в недавних репортажах, производительность на SWE-bench Verified выросла с примерно 60% до почти 100% за один год.
Согласно отчету Стэнфорда, количество задокументированных инцидентов с ИИ достигло 362 по сравнению с 233 в 2024 году. Предыдущая цифра является историческим фоном, а не подсчетом за текущий год.

Насыщение бенчмарков создает практическую проблему. Тест, разработанный так, чтобы оставаться сложным в течение нескольких лет, может стать легким уже через месяцы. Следующее поколение оценок должно измерять исследовательскую деятельность с открытым финалом, написание программного обеспечения, научные рассуждения, фактическую точность и устойчивость к манипуляциям в условиях, приближенных к реальному использованию.

Почему длительность задачи становится ключевым показателем?

Длительность задачи измеряет, как долго модель может успешно работать, прежде чем вероятность ошибок возрастет. Вместо того чтобы спрашивать, правильно ли модель отвечает на один вопрос, эксперты проверяют, может ли она выполнить многоэтапную работу, которую квалифицированный человек обычно выполняет в течение определенного периода времени. Этот показатель фиксирует уровень автономности более прямо, чем единый балл точности.

В недавних исследованиях передовых моделей использовалась оценка «горизонта задач» (task-horizon), при которой исследователи оценивают время, затрачиваемое человеком на задачи, и определяют точку, в которой модель справляется примерно в половине случаев. Такой подход позволяет отличить систему, решающую пятиминутные задачи по программированию, от системы, способной справиться с многочасовым инженерным заданием.

Согласно анализу Big Matrix от 11 сентября 2026 года, METR в течение примерно 100 дней в 2026 году оценил несколько передовых релизов, включая Claude Opus 4.6, GPT-5.4 и Gemini 3.1 Pro.
Согласно тому же анализу, тестирование горизонта задач измеряет эквивалентную человеческую продолжительность работы до того, как успех модели упадет до 50%.

Этот показатель все еще не является исчерпывающим. Длительные задачи могут скрывать ошибки, а модель может выдавать убедительный, но неверный результат. Оценщикам необходимо фиксировать время на исправление ошибок, использование инструментов, необходимость контроля и стоимость повторных попыток.

Как вычислительные мощности раскрывают темпы работы лабораторий?

Вычислительные ресурсы для обучения дают физическое представление о том, сколько ресурсов лаборатория вкладывает в новые системы. Исследователи могут сравнивать часы работы процессоров, поколения ускорителей, энергопотребление, объем данных и мощность инференса (вывода). Вычисления не равны возможностям, но они помогают объяснить, почему разработка может ускоряться, даже если публичные релизы кажутся схожими.

Данные об обучении часто являются конфиденциальными, и лаборатории раскрывают их неравномерно. Это затрудняет публичные сравнения. Независимые аналитики все же могут отслеживать строительство дата-центров, закупки чипов, облачные контракты и мощности для обслуживания моделей, но эти показатели требуют тщательной атрибуции, так как один объект может поддерживать несколько продуктов.

Согласно AI Index Стэнфорда за 2026 год, более 90% заметных передовых моделей были разработаны коммерческим сектором, что показывает: ведущие данные измерений все чаще поступают от компаний, а не от университетов.
Согласно результатам бенчмарков в отчете, прирост возможностей происходит быстрее, чем системы оценки, предназначенные для их измерения.

По этой причине надежный индикатор темпов должен сочетать раскрытые вычислительные мощности с полученным улучшением на единицу этих мощностей. Лаборатория, которая удваивает свое оборудование, но почти не получает прогресса в сложных независимых тестах, может масштабироваться неэффективно. Лаборатория, достигающая больших успехов при аналогичных ресурсах, вероятно, улучшила данные, алгоритмы или методы обучения.

Что добавляют безопасность и надежность?

Результаты тестирования безопасности показывают, сопровождается ли рост возможностей контролем. Модель, которая набирает больше баллов в программировании или рассуждениях, но становится менее правдивой, более уязвимой для эксплуатации или более трудной для мониторинга, не является безусловным улучшением. Поэтому оценки безопасности должны публиковаться вместе с результатами оценки возможностей, а не рассматриваться как отдельный PR-ход.

AI Index Стэнфорда за 2026 год выявил разрыв между повсеместными отчетами по бенчмаркам возможностей и менее последовательными отчетами по тестам ответственного ИИ. Этот разрыв ограничивает возможности сравнения лабораторий. Публичные оценочные карты должны включать показатели галлюцинаций, тестирование на киберзлоупотребления, утечку конфиденциальности, меры предвзятости, точность отказов и производительность при состязательных промптах (adversarial prompting).

Согласно отчету Стэнфорда за сентябрь 2026 года, отчетность по бенчмаркам ответственного ИИ среди ведущих разработчиков остается фрагментарной.
Согласно данным Стэнфорда по количеству инцидентов, в последнем наборе данных отчета зафиксировано 362 документально подтвержденных инцидента по сравнению с 233 в 2024 году.

Количество инцидентов не является прямым показателем возможностей модели. Оно лишь показывает, какой ущерб наблюдается и фиксируется в связи с развернутыми системами. Исследователи должны отделять сбои моделей от сбоев, вызванных развертыванием, поведением пользователей или слабыми мерами защиты.

Что должна содержать практическая оценочная карта передовых моделей?

Полезная оценочная карта (scorecard) должна отслеживать одни и те же системы во времени и публиковать достаточно деталей для независимой проверки. Частота релизов дает понимание скорости. Бенчмарки показывают производительность в задачах. Горизонт задач показывает автономность. Вычисления показывают объем инвестиций. Тесты безопасности обеспечивают контроль. Стоимость и надежность показывают, выживают ли результаты лаборатории при контакте с реальными пользователями.

Интервал релизов: количество дней между сопоставимыми версиями моделей, с отдельной идентификацией предварительных и производственных систем.
Прирост возможностей: изменение показателей в сложных, устойчивых к «загрязнению» (contamination-resistant) тестах, с указанием даты оценки и версии теста.
Горизонт задач: максимально длительное задание, эквивалентное человеческому, выполненное с заданной вероятностью успеха.
Эффективность: прирост возможностей на единицу вычислительной мощности при обучении и на доллар при инференсе.
Надежность: частота ошибок, фактическая точность, сбои инструментов и объем необходимой человеческой корректировки.
Безопасность: тесты на вредоносные возможности, результаты конфиденциальности, кибер-оценки, точность отказов и задокументированные инциденты.

Развитие передовых технологий — это не одна гонка, измеряемая одними часами. Наиболее обоснованными будут сравнения, сочетающие публичные записи о релизах с независимыми оценками и четко датированными раскрытиями лабораторий. Такой подход позволит понять, является ли новая система действительно более способной, просто более доступной или же она просто лучше упакована для развертывания.

Источники

Читать далее →

Похожие материалы

AI & Tech

AI-новости: xAI представила Grok 4.7 с расширенными возможностями логического вывода для разработчиков

AInews: 21 сентября 2026 года компания xAI представила Grok 4.7, позиционируя модель как свою самую мощную систему на данный момент для разработки программного обеспечения, агентских задач и профессиональной интеллектуальной деятельности. Согласно анонсу xAI, модель доступна через Cursor, Grok Build, Grok API, сторонние инструменты для кодинга, маршрутизаторы моделей и облачные платформы. Что именно xAI выпустила 21 сентября? xAI выпустила Grok 4.7 в качестве новой флагманской модели для задач, требующих глубоких рассуждений, генерации кода и проведения исследований. Компания заявляет, что система построена на базе более крупной модели, чем Grok 4.6, и прошла дополнительное обучение с подкреплением (reinforcement learning) для решения сложных и длительных задач. Дата запуска: 21 сентября 2026 года, согласно данным xAI. Основное назначение: программирование, агентские рабочие процессы и интеллектуальная деятельность, согласно xAI. Идентификатор модели: grok-4.7 в xAI API, согласно информации о релизе xAI. Входные и выходные данные: на вход подаются текст и изображения, на выходе — текст, согласно опубликованным деталям модели от xAI. Запуск последовал за несколькими днями спекуляций о новой версии Grok. Отчеты, опубликованные до анонса, указывали на возможное появление модели в квотах облачных сервисов, однако те сообщения не подтверждали публичный релиз. Анонс xAI от 21 сентября стал первым прямым подтверждением. Какие возможности заявляются у Grok 4.7? Grok 4.7 спроектирована так, чтобы дольше удерживать внимание на сложных задачах, проверять собственную работу и обрабатывать огромные объемы контекста. Эти утверждения исходят от xAI и описывают целевое использование модели компанией, а не являются независимым вердиктом о производительности. Контекстное окно: 500 000 токенов, согласно информации о модели от xAI. Уровни рассуждений (reasoning): настройки low, medium, high и xhigh, согласно документации к релизу xAI. Уровень рассуждений по умолчанию: high, согласно деталям релиза, обобщенным независимыми отраслевыми ИИ-изданиями. Инструменты: вызов функций (function calling), веб-поиск, поиск в X и выполнение кода, согласно документации xAI API. Фокус модели смещен с простого чата на практическое применение. Агент для кодинга может использовать вызовы инструментов, проверять файлы, пересматривать код и запускать тесты. Исследовательский процесс позволяет удерживать больше материалов в рамках одной сессии. Контекстное окно в 500 000 токенов также дает разработчикам возможность передавать большие репозитории, техническую документацию или истории многоэтапных задач без необходимости разбивать каждый запрос. Как новая модель показала себя в опубликованных тестах? Первые показатели бенчмарков взяты в основном из собственных материалов xAI по запуску и должны рассматриваться как результаты, представленные компанией. Независимые издания повторяли эти цифры, однако имеющиеся отчеты не подтверждают, что во всех тестах использовались идентичные промпты, инструменты или правила оценки для конкурирующих систем. CursorBench 4.0: 46,3%, согласно представленным xAI результатам бенчмарков. DeepSWE v1.1: 71,0%, согласно представленным xAI результатам бенчмарков. EEBench: 64,0%, согласно представленным xAI результатам бенчмарков. HealthBench Professional: 56,7%, согласно представленным xAI результатам бенчмарков. Harvey Legal Agent Benchmark: 19,6%, согласно представленным xAI результатам бенчмарков. Эти тесты охватывают разные способности. Бенчмарки по кодингу измеряют эффективность программной инженерии, в то время как медицинские и юридические оценки проверяют умение отвечать на профессиональные вопросы или поведение агента. Один процент не может описать производительность модели во всех сценариях использования. Пользователям также необходимо отличать баллы бенчмарков от надежности в реальной эксплуатации. Система может показать отличный результат в контролируемом тесте, но все равно требовать проверки человеком при внесении изменений в живую кодовую базу, работе с конфиденциальными записями или принятии решений в регулируемых областях. Где клиенты могут использовать Grok 4.7? Grok 4.7 была запущена скорее как набор инструментов для разработчиков, нежели как единое обновление для потребителей. xAI сообщает, что клиенты могут получить к ней доступ через Cursor и Grok Build, а пользователи API могут подключать её к приложениям и агентским системам для кодинга. Cursor: доступен на момент запуска, согласно xAI и независимым отчетам о релизе. Grok Build: доступен на момент запуска, согласно xAI. xAI API: доступен под именем grok-4.7 , согласно xAI. Другие пути: сторонние среды для разработки, маршрутизаторы моделей и облачные платформы, согласно xAI. GitHub Copilot: согласно независимым отчетам о релизе, модель была добавлена для планов Pro, Pro+, Max, Business и Enterprise в день запуска. Доступность может варьироваться в зависимости от продукта, тарифного плана и региона. Доступ через API также зависит от одобрения аккаунта, поддержки эндпоинтов и выбранной разработчиком интеграции. Появление модели в сервисе маршрутизации не обязательно означает, что все клиенты получат одинаковые лимиты, задержки или доступ к инструментам. Сколько стоит Grok 4.7? Согласно опубликованным тарифам компании, xAI установила цену для стандартной API-модели на уровне $2 за миллион входных токенов и $6 за миллион выходных токенов для промптов объемом менее 200 000 токенов. Для более длинных промптов применяется более высокий ценовой уровень. Вход (Input): $2 за миллион токенов при объеме промпта ниже порога в 200 000 токенов, согласно xAI. Кэшированный вход (Cached input): $0,50 за миллион токенов ниже этого порога, согласно документации к релизу. Выход (Output): $6 за миллион токенов ниже порога, согласно xAI. Длинные промпты: $4 за вход, $1 за кэшированный вход и $12 за выход за миллион токенов при объеме свыше 200 000 токенов, согласно прайс-листу xAI. Оплата за токены — это лишь часть расходов. Приложения, выполняющие повторяющиеся вызовы инструментов, веб-поиск или выполнение кода, могут потреблять больше токенов и генерировать дополнительные сервисные затраты. Разработчикам также необходимо учитывать расходы на хранение данных, мониторинг и стоимость проверки человеком. Что изменилось по сравнению с Grok 4.6? Согласно отчетам о релизе, Grok 4.7 сохраняет контекстное окно в 500 000 токенов и стандартные тарифы ($2 за вход и $6 за выход) для коротких промптов, характерные для Grok 4.6. Вместо этого xAI представляет обновление как качественное улучшение, направленное на более сложные задачи, усиленную верификацию и длительную работу. Масштаб модели: xAI утверждает, что в Grok 4.7 используется более крупная базовая модель, чем в Grok 4.6. Обучение: xAI заявляет, что новая система прошла расширенное обучение с подкреплением на более трудных и длительных задачах. Самопроверка: xAI утверждает, что Grok 4.7 проверяет свои результаты более надежно. Ценообразование: стандартные тарифы API для коротких промптов остаются прежними — $2 за миллион входных токенов и $6 за миллион выходных токенов, согласно xAI. Компания также упоминает более быструю версию под названием Grok 4.7 Fast. Независимые источники сообщают, что быстрая версия доступна через Cursor и Grok Build по двойному тарифу за токены, при этом на момент запуска она не была указана как публичная модель в xAI API. На что разработчикам обратить внимание в дальнейшем? Следующим испытанием станет реальное развертывание. Разработчики оценят, сокращает ли увеличенный контекст и самопроверка время на отладку, оправдывают ли высокие настройки рассуждений задержку (latency) и ведет ли себя система стабильно в различных инструментах кодинга и облачных сервисах. Независимое воспроизведение бенчмарков может прояснить, как Grok 4.7 соотносится с конкурирующими системами. Документация API и детали регионального развертывания определят, кто сможет получить доступ к каждой функции. Корпоративные пользователи изучат вопросы конфиденциальности, логирования, хранения данных и контроля разрешений перед широким внедрением. Разработчики сравнят стандартную и Fast-версии по стоимости, скорости и точности выполнения задач. Grok 4.7 выходит на рынок в момент, когда ИИ-компании ведут борьбу за рабочие нагрузки разработчиков, которые выходят далеко за рамки простой генерации текста. Успех продукта будет зависеть от измеримых результатов в разработке ПО, предсказуемых операционных расходов и способности сохранять контроль человека в процессе, когда автоматизированный агент меняет код или выполняет деликатную профессиональную работу.

Nic Reeve·14:00 22.09.2026

AI & Tech

Высказывание Энджи Никсон о «ловцах рабов» из ICE вызвало скандал на выборах в Сенат Флориды

Кандидат в Сенат США от Демократической партии во Флориде Энджи Никсон столкнулась с резкой критикой после того, как консервативное издание обратило внимание на ее прошлые высказывания, в которых она назвала сотрудников Иммиграционной и таможенной полиции США (ICE) «современными рабовладельцами», а действия федеральных иммиграционных властей — «санкционированным государством насилием». Эти заявления вывели требования Никсон об упразднении ICE в центр внимания напряженной предвыборной гонки в Сенат во Флориде в 2026 году. Предыстория: кандидат от демократических социалистов в «красном» штате Никсон, член Палаты представителей штата от Джексонвилла и участница организации «Демократические социалисты Америки», в августе шокировала политических обозревателей, победив на праймериз Демократической партии в Сенат США в традиционно республиканской Флориде. Ее предвыборная программа включает прекращение «массовых тюремных заключений», «демилитаризацию полиции», упразднение ICE, прекращение депортаций и создание пути к получению гражданства для нелегальных иммигрантов. Согласно материалам Washington Times , Никсон на протяжении всего своего политического восхождения использовала крайне жесткую риторику в отношении иммиграционного контроля, называя агентов ICE «головорезами» и «похитителями», а центры временного содержания сравнивая с «современными концентрационными лагерями». В отдельной подборке высказываний, опубликованной Breitbart News, подчеркивается ее характеристика сотрудников ICE как «современных рабовладельцев», а их операций — как «санкционированного государством насилия». Критика ICE и центров содержания под стражей со стороны Никсон Риторика Никсон возникла еще до ее выдвижения в Сенат и основана на протесте против значительного расширения сети иммиграционных тюрем во Флориде. В 2025 году она привлекла внимание, назвав планируемые центры содержания ICE в Эверглейдс и Кэмп-Блэндинг (округ Клэй) «современными концентрационными лагерями», которые перекликаются с историей рабства на Юге. Она заявила, что предлагаемые объекты — включая крупный комплекс для задержанных вдоль трассы Alligator Alley — будут «бесследно поглощать» мигрантов и станут повторением «худших глав нашей истории». В интервью Никсон связывала свою критику с расовой историей региона, приводя в пример истории о том, как детей-рабов скармливали аллигаторам, как символ былой жестокости, и предупреждая, что современная политика задержаний воспроизводит модели дегуманизации. Она также охарактеризовала нынешние центры содержания иммигрантов как «импровизированные концентрационные лагеря», подпитываемые ксенофобией. От «вооруженных военизированных формирований» до «современных рабовладельцев» Никсон расширила свою критику ICE, включив в нее не только центры содержания, но и общую роль ведомства в иммиграционном контроле. В недавних выступлениях в СМИ она заявила, что республиканцы «буквально пытаются убить» чернокожих американцев, и утверждала, что ICE превратилась в «вооруженное военизированное формирование», призванное «терроризировать нас». Она утверждает, что после создания ведомства в ходе реорганизации Министерства внутренней безопасности США после терактов 11 сентября, ICE изначально была нацелена на мусульман, а с тех пор «превратилась в структуру, которая преследует и демонизирует иммигрантов». Ее высказывания, на которые обратили внимание Washington Times и Breitbart, идут еще дальше. Никсон назвала сотрудников ICE «современными рабовладельцами», напрямую связывая иммиграционный контроль с патрулями по поимке беглых рабов до Гражданской войны. Она утверждает, что операции ведомства равносильны «похищению иммигрантов», и предупреждает, что «экстремистские республиканские лидеры Флориды наделили ICE полномочиями для проведения крупнейших операций по похищению иммигрантов», представляя эту проблему как гуманитарную и экономическую угрозу для штата. Опасения по поводу расового профилирования и смертоносных столкновений Критика Никсон не ограничивается политикой; она неоднократно заявляла, что агенты ICE занимаются расовым профилированием и представляют смертельную угрозу для чернокожих сообществ. В интервью для подкаста, которое цитирует Mediaite, она сказала: «Мы чернокожие, [ICE] тоже будет нас профилировать», добавив, что агенты «не могут отличить афроамериканца... от выходца из Ямайки или Нигерии», и предупредила, что они «будут обострять ситуацию, стрелять и убивать нас». Она сослалась на несколько инцидентов, в ходе которых сотрудники ICE стреляли в людей во время операций, включая смертельный случай в Хьюстоне и другой в штате Мэн, как на доказательство того, что то, что она называет «санкционированным государством насилием», уже происходит. В своих публичных заявлениях Никсон утверждает, что совокупным эффектом действий ICE в общинах по всей стране являются «страх, хаос и смерть». Требования прекратить местное сотрудничество с ICE Риторика Никсон подкрепляется конкретными политическими требованиями. В августе она присоединилась к защитникам прав иммигрантов на пресс-конференции в Майами, чтобы призвать городскую комиссию расторгнуть соглашение 287(g) с ICE, которое позволяет местным правоохранительным органам сотрудничать с федеральными агентами для выявления и задержания нелегальных иммигрантов. Она охарактеризовала «массовые тюремные заключения и массовые депортации» как «моральный провал» и подтвердила свое обязательство полностью упразднить ICE. На сайте ее предвыборной кампании масштабные операции по обеспечению соблюдения законодательства называются «похищением иммигрантов», а также содержится предупреждение о том, что партнерство Флориды с ICE может иметь тяжелые гуманитарные и экономические последствия, особенно в секторах, зависящих от труда иммигрантов. ICE и реакция консерваторов: «депортация для всех без исключения» Сравнение агентов ICE с рабовладельцами вызвало резкую негативную реакцию со стороны консерваторов, а также действующих и бывших иммиграционных чиновников. Бывший исполняющий обязанности директора ICE Том Хоман в интервью на телевидении назвал ее утверждение о том, что ICE занимается расовым профилированием чернокожих, «нелепым» и подчеркнул: «Мы не арестовываем людей, основываясь на цвете их кожи». Хоман назвал себя сторонником «равных условий для депортации», утверждая, что ICE нацелена на лиц, основываясь на иммиграционном статусе и криминальном прошлом, а не на расе. Консервативные СМИ назвали комментарии Никсон экстремистскими и направленными против правоохранительных органов. Fox News выделил ее описание ICE как «вооруженного военизированного формирования», представив это как часть более широкого нарратива о том, что республиканцы «буквально пытаются убить» чернокожих американцев. Breitbart и Washington Times акцентировали внимание на ее высказывании о «современных рабовладельцах» и призывах к упразднению ICE, представив их как признак радикальной повестки, далекой от политического мейнстрима Флориды. Исторические аналогии подпитывают поляризованные иммиграционные дебаты Сравнение Никсон агентов ICE с рабовладельцами вписывается в более широкую дискуссию среди активистов и ученых об исторических корнях современного правоприменения. Некоторые публицисты утверждают, что рабовладельцы XIX века и современные агенты ICE используют схожую «милитаризованную тактику» и сфокусированы на захвате определенных групп населения для задержания и депортации, проводя параллели между Законом о беглых рабах 1850 года и практикой иммиграционного контроля после 2002 года. Язык Никсон вторит этим критическим замечаниям, выставляя присутствие ICE в общинах — включая использование немаркированных автомобилей и внезапные рейды — как напоминание об исторических «похищениях». Сторонники подхода Никсон говорят, что такие аналогии необходимы, чтобы подчеркнуть то, что они считают системными злоупотреблениями и нарушениями прав человека в иммиграционной политике. Критики утверждают, что приравнивание федеральных агентов к рабовладельцам является подстрекательством и игнорирует заявленную миссию ведомства по борьбе с серьезными преступниками и обеспечению соблюдения иммиграционного законодательства. Этот конфликт демонстрирует, как историческая память и риторика о расовой справедливости все больше формируют политическую борьбу вокруг безопасности границ и политики депортации в предвыборном цикле 2026 года.

Nic Reeve·14:30 23.08.2026

AI & Tech

XPENG привлекла рекордное финансирование для ускорения разработки гуманоидного робота IRON

Китайский автопроизводитель и разработчик робототехники XPENG привлек более 900 млн долларов США для своего бизнеса по созданию антропоморфных роботов, установив новый рекорд для одного раунда частного финансирования в быстрорастущем секторе воплощенного или «физического ИИ» в Китае. Капитал ускорит разработку и серийное производство флагманского человекоподобного робота компании, IRON , и поможет подразделению робототехники XPENG выйти на уровень глобальной коммерциализации начиная с 2027 года. Знаковый раунд финансирования оценивает робототехническое подразделение более чем в 6,3 млрд долларов 24 августа 2026 года компания XPENG объявила, что ее выделенное робототехническое подразделение подписало соглашения о привлечении акционерного капитала с группой известных инвесторов, обеспечив более 900 млн долларов США в ходе своего первого раунда внешнего финансирования при пост-инвестиционной оценке свыше 6,3 млрд долларов США . Компания называет эту сделку крупнейшим на сегодняшний день привлечением частного капитала в индустрии воплощенного ИИ в Китае, что подчеркивает скорость притока инвестиций в роботов, способных взаимодействовать с физическим миром. Раунд возглавила компания IDG Capital при участии китайской венчурной фирмы Gaorong Ventures и стратегической поддержке интернет-гигантов Tencent и Alibaba . XPENG сохранит контроль над робототехническим подразделением, в которое входят платформа антропоморфного робота IRON, а также четвероногие и другие робототехнические системы общего назначения. Финансирование направлено на масштабирование IRON и стека физического ИИ XPENG XPENG заявляет, что свежий капитал будет использован для развития полного стека технологий, которые компания называет физическим ИИ — воплощенного интеллекта, связывающего крупномасштабные модели ИИ с реальным аппаратным обеспечением роботов. Приоритетные направления включают: НИОКР в области аппаратного и программного обеспечения для человекоподобных и других роботов общего назначения. Обучение и итерацию моделей физического ИИ , включая системы восприятия, планирования и управления для сложных, неструктурированных сред. Сбор высококачественных данных в ходе симуляций и реального внедрения для совершенствования возможностей роботов. Создание производственных мощностей полного цикла , обеспечивающих крупносерийный выпуск роботов IRON. Глобальную коммерческую экспансию с прицелом как на внутренний китайский, так и на зарубежные рынки начиная с 2027 года. Отраслевые наблюдатели отмечают, что сочетание крупномасштабного обучения ИИ, передовой мехатроники и производства автомобильного уровня становится центральным полем конкурентной борьбы по мере того, как компании стремятся превратить человекоподобных роботов из исследовательских проектов в коммерческие продукты. Внутри IRON: человекоподобный робот нового поколения от XPENG Впервые XPENG представила антропоморфного робота IRON нового поколения в конце 2025 года. Система спроектирована как платформа общего назначения, способная работать на заводах, в логистических центрах, торговых площадях и, в конечном итоге, в общественных местах. Основные заявленные характеристики IRON включают: 76 степеней свободы (DoF) по всему телу, обеспечивающие плавность движений всего корпуса. 21 степень свободы на каждой руке , позволяющая выполнять задачи, требующие тонкой моторики, такие как захват инструментов, работа с упаковкой или использование элементов управления. Бортовые вычислительные мощности, основанные на трех фирменных ИИ-чипах «Turing» , обеспечивающих до 2250 TOPS (триллионов операций в секунду) для локального выполнения моделей восприятия и управления. Такая техническая конфигурация призвана обеспечить выполнение сложных задач с низкой задержкой и ограниченной зависимостью от облачных соединений, что является ключевым требованием для промышленных условий и критически важных приложений. XPENG позиционирует IRON как платформу общего назначения, которая может со временем модернизироваться за счет обновлений программного обеспечения и моделей. От прототипа к производству: массовый выпуск запланирован на 2026 год XPENG планирует начать серийное производство IRON к концу 2026 года . Компания уже объявила о создании специализированной производственной базы для антропоморфных роботов в Гуанчжоу, которая призвана обеспечить крупномасштабный выпуск. Согласно более ранним заявлениям руководства XPENG и аналитиков в области робототехники, целевой показатель составляет более 1000 роботов IRON в месяц после выхода завода на стабильный уровень производительности. Первоначальное внедрение ожидается в собственных розничных магазинах и на промышленных объектах XPENG, где компания может жестко контролировать условия эксплуатации и использовать IRON как в качестве демонстрационного инструмента для клиентов, так и в качестве внутреннего средства повышения производительности. Варианты использования могут включать встречу посетителей, демонстрацию функций автомобиля, проведение инвентаризации или выполнение повторяющихся задач на складах и производственных линиях. XPENG стремится перейти от внутренних пилотных проектов к коммерческим продажам и поставкам в 2027 году , сначала в Китае, а затем и на зарубежных рынках. Недавно привлеченное финансирование призвано преодолеть разрыв между демонстрацией прототипов и устойчивым коммерческим внедрением в широких масштабах. XPENG позиционирует себя как лидера в области «физического ИИ» Этот рекордный раунд финансирования укрепляет стремление XPENG позиционировать себя не только как производителя электромобилей, но и как ведущую компанию в области физического ИИ . Выделив свое робототехническое подразделение и обеспечив приток внешнего капитала при сохранении контроля, XPENG следует по пути других крупных технологических компаний, которые отделяют быстрорастущие направления для концентрации усилий и раскрытия стоимости. В корпоративных заявлениях XPENG подчеркивает, что объем финансирования и достигнутая оценка отражают уверенность инвесторов в технологической дорожной карте, производственных возможностях и долгосрочных бизнес-перспективах компании в области воплощенного ИИ. Ранее компания уже озвучила многолетние инвестиционные планы на общую сумму в десятки миллиардов долларов для развития своей экосистемы робототехники, охватывающей чипы, алгоритмы, облачную инфраструктуру и производственные мощности. Конкурентная среда и стратегические последствия Проект IRON компании XPENG является частью более масштабной глобальной гонки по выводу человекоподобных роботов в сферу массового коммерческого использования. Автопроизводители и технологические фирмы в США, Европе и Азии активно инвестируют в антропоморфные платформы, делая ставку на синергию между автономным вождением, робототехникой и ИИ-инфраструктурой. В Китае рекордный раунд XPENG повышает ставки для местных конкурентов как в секторе робототехники, так и в секторе электромобилей. Участие Tencent и Alibaba сигнализирует о том, что крупные интернет-платформы рассматривают физический ИИ как стратегический рубеж, который может трансформировать логистику, розничную торговлю и облачные ИИ-сервисы. Для XPENG поддержка таких партнеров может проложить путь к глубокой интеграции между IRON и цифровыми экосистемами, охватывающими платежи, электронную коммерцию и потребительские приложения. Аналитики отмечают, что ключевыми задачами в будущем станут обеспечение безопасности и надежности при реальном использовании, снижение себестоимости за счет масштабирования производства и доказательство реального роста производительности для первых клиентов. Если XPENG удастся уложиться в сроки — начать серийное производство в 2026 году и коммерческий выпуск в 2027 году — антропоморфный робот IRON может стать одной из первых крупномасштабных платформ общего назначения на рынке, и последний раунд финансирования говорит о том, что инвесторы делают серьезную ставку на этот успех.

Nic Reeve·14:00 25.08.2026