OpenAI представила более доступные модели GPT-6 Sol и Luna для масштабных рабочих задач | AI news

Nic Reeve14:00 30.09.20265 мин чтения

22 сентября 2026 года компания OpenAI представила GPT-6 Sol и GPT-6 Luna, добавив две более бюджетные модели в свое новейшее семейство. Этот запуск, ставший важным событием в мире ИИ, предоставляет разработчикам более дешевые варианты для программирования, автоматизации, профессиональной деятельности и масштабной обработки текста, в то время как флагманская модель GPT-6 Astra остается на вершине линейки.

Что именно OpenAI запустила 22 сентября?

OpenAI выпустила GPT-6 Sol и GPT-6 Luna через свой API и начала их внедрение в ChatGPT Work и Codex. Обе модели используют технологии, разработанные для GPT-6 Astra, но ориентированы на разные типы нагрузки. Sol позиционируется для широкого спектра повседневных задач, в то время как Luna создана для обеспечения скорости, эффективности и обработки больших объемов специализированных задач.

По данным OpenAI, GPT-6 Sol доступна под идентификатором gpt-6-sol.
По данным OpenAI, GPT-6 Luna доступна под идентификатором gpt-6-luna.
По сообщению Reuters, обе модели были представлены 22 сентября 2026 года.
По данным OpenAI, модели базируются на достижениях, впервые использованных в GPT-6 Astra.

OpenAI также сообщила об улучшении кэширования и эффективности инференса (вывода). Эти изменения призваны снизить стоимость выполнения повторяющихся или масштабных рабочих процессов, избавляя клиентов от необходимости использовать самую мощную модель компании для каждого запроса.

Сколько стоят GPT-6 Sol и Luna?

Цены в API ниже промо-цен на версии GPT-5.6 тех же уровней моделей. Reuters сообщает, что GPT-6 Sol стоит $2 за миллион входных токенов и $10 за миллион выходных токенов, в то время как GPT-6 Luna стоит 10 центов за миллион входных токенов и 50 центов за миллион выходных токенов.

По данным Reuters, 2026 год: GPT-6 Sol стоит $2 за миллион входных токенов.
По данным Reuters, 2026 год: GPT-6 Sol стоит $10 за миллион выходных токенов.
По данным Reuters, 2026 год: GPT-6 Luna стоит $0.10 за миллион входных токенов.
По данным Reuters, 2026 год: GPT-6 Luna стоит $0.50 за миллион выходных токенов.
По данным Reuters, 2026 год: GPT-5.6 Sol имела промо-цены $4 за миллион входных токенов и $20 за миллион выходных токенов.
По данным MacRumors, 2026 год: GPT-5.6 Luna имела цены $0.20 за миллион входных токенов и $1.20 за миллион выходных токенов.

Снижение цен со стороны OpenAI меняет экономику для компаний, обрабатывающих миллионы запросов. Бизнес может использовать Sol для более сложных рабочих процессов, резервируя Astra для задач, требующих максимальных возможностей. Luna ориентирована на нагрузки, где низкая стоимость единицы операции важнее максимальной глубины рассуждений.

Какие пользователи могут получить доступ к новым моделям?

Доступ зависит от продукта и уровня подписки. OpenAI сделала обе модели доступными через API, в то время как для ChatGPT Work и Codex внедрение в платные тарифы происходит поэтапно. Luna также стала доступна бесплатным пользователям через десктопное приложение, что открывает этой модели более широкий путь к массовому потребителю.

По данным OpenAI, пользователи Plus могут получить доступ к Sol и Luna в ChatGPT Work и Codex.
По данным OpenAI, пользователи Pro могут получить доступ к Sol и Luna в ChatGPT Work и Codex.
По данным OpenAI, пользователи Business, Enterprise и Edu могут получить доступ к Sol и Luna в этих продуктах.
По данным OpenAI, пользователи Free и Go могут попробовать Luna в десктопном приложении.
По данным OpenAI, на момент запуска модели еще не были доступны в режиме чата.

Развертывание продуктов OpenAI не подразумевает мгновенного появления Sol и Luna везде. Компания описывает доступность как постепенное расширение, а это значит, что набор доступных моделей может различаться в зависимости от типа аккаунта, приложения и региона.

Для чего предназначены Sol и Luna?

GPT-6 Sol нацелена на повседневную профессиональную работу, программирование и задачи по управлению компьютером, требующие больше возможностей, чем может предоставить облегченная модель. GPT-6 Luna фокусируется на высокообъемных операциях, таких как извлечение данных из документов, классификация, суммаризация и ответы на узкоспециализированные вопросы в рамках множества запросов.

По данным OpenAI, Sol предназначена для профессиональной работы, программирования, автоматизации и задач по управлению компьютером.
По данным AWS, Luna разработана для извлечения информации из больших коллекций документов.
По данным AWS, Luna может резюмировать входящий материал и классифицировать входные данные.
По данным OpenAI, обе модели быстрее и доступнее флагманского уровня при подходящих рабочих нагрузках.

Такое разделение дает организациям более четкий выбор между мощностью и пропускной способностью. Команда разработчиков может выбрать Sol для агента, который редактирует код или использует инструменты. Служба поддержки клиентов может использовать Luna для сортировки входящих сообщений, поиска в записях или массового создания кратких ответов.

Как этот запуск вписывается в линейку GPT-6 от OpenAI?

Согласно Reuters, GPT-6 Astra остается основной моделью для ресурсоемких проектов. Sol и Luna находятся ниже Astra как менее дорогие альтернативы, перенимающие часть ее базовых технологических достижений. Структура напоминает многоуровневую линейку продуктов, а не одну модель на замену предыдущей.

По данным Reuters, GPT-6 Astra остается самой способной моделью OpenAI для сложных проектов.
По данным TechCrunch, более ранние серии Sol и Luna представляли собой отдельные уровни в иерархии моделей OpenAI.
По данным OpenAI, GPT-6 Sol и Luna переносят часть преимуществ Astra в более быстрые и дешевые модели.

Такой подход также позволяет разработчикам снижать затраты, не перестраивая каждое приложение под совершенно иную систему. Команды могут протестировать более дешевые модели на существующих промптах, инструментах и наборах для оценки, прежде чем решать, какие задачи требуют использования Astra.

Что дальше для разработчиков и пользователей ChatGPT?

Разработчики могут использовать обе модели через API OpenAI и Amazon Bedrock, в то время как OpenAI продолжает развертывание продуктов в своих собственных приложениях. AWS объявила об общей доступности 22 сентября 2026 года, предоставив организациям еще один путь развертывания моделей через облачную платформу.

По данным AWS, GPT-6 Sol и GPT-6 Luna стали общедоступными на Amazon Bedrock 22 сентября 2026 года.
Согласно документации для разработчиков OpenAI, контекстное окно Luna составляет 1,05 миллиона токенов.
Согласно документации для разработчиков OpenAI, лимит выходных токенов Luna составляет 128 000 токенов.
Согласно документации для разработчиков OpenAI, дата отсечки знаний Luna — 18 мая 2026 года.

Первым испытанием станет практическая проверка, а не рекламные лозунги. Компании будут сравнивать качество ответов, задержку (latency), уровень ошибок и общую стоимость эксплуатации в реальных рабочих процессах. Пользователям ChatGPT также придется подождать, пока модели появятся в конкретных интерфейсах и тарифных планах, предусмотренных планом развертывания OpenAI.

Источники

Читать далее →

Похожие материалы

AI & Tech

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

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.

Nic Reeve·14:00 24.09.2026

AI & Tech

Развитие ИИ тревожит китайских рабочих: власти и суды пытаются защитить рабочие места

По всему Китаю работники — от сотрудников заводских цехов до специалистов технологических стартапов — все больше тревожатся, что искусственный интеллект может лишить их средств к существованию, даже несмотря на то, что им приходится в спешном порядке осваивать новые инструменты, меняющие их работу. Стремительное распространение генеративного ИИ и автоматизации трансформирует рабочие процессы быстрее, чем многие сотрудники успевают повышать квалификацию, что усиливает опасения по поводу гарантий занятости в условиях замедляющейся экономики. Опросы и официальные данные свидетельствуют о том, что эта тревога носит масштабный и острый характер. Опрос около 11 800 специалистов, проведенный в 2025 году Чунконгской высшей школой бизнеса в Пекине, показал, что 85,5% респондентов считают, что могут столкнуться с безработицей в течение трех лет из-за того, что ИИ заменит человеческий труд. Другие исследования, на которые ссылаются международные СМИ, указывают на то, что, хотя многие китайские работники видят выгоду от повышения продуктивности благодаря ИИ, более четверти тех, кто ожидает положительного эффекта, также опасаются, что технологии могут в конечном итоге их заменить. Автоматизация незаметно меняет рынок труда Китайские компании внедряют ИИ быстрыми темпами, часто не объявляя публично о сокращениях штатов. Аналитики описывают модель «тихих увольнений», при которой численность персонала сокращается по мере того, как инструменты ИИ берут на себя рутинные задачи в таких секторах, как обслуживание клиентов, редактирование, визуальный дизайн и обработка данных, позволяя фирмам поддерживать объем производства при меньшем количестве сотрудников. Данные рекрутинговых платформ, опубликованные китайскими СМИ, показывают, что спрос на специалистов по ряду офисных профессий резко упал в начале 2026 года: вакансии для редакторов сократились на 29%, специалистов по обслуживанию клиентов — на 23%, визуальных дизайнеров — на 21% в годовом исчислении, в то время как спрос на навыки, связанные с ИИ, за тот же период подскочил на 73%. По недавней оценке Citibank, около 9,6% всех рабочих мест в Китае — примерно 70 миллионов позиций — находятся в зоне высокого риска вытеснения ИИ , причем этот риск возрастает до 13,6% среди работников в возрасте двадцати с небольшим лет. Индивидуальные истории иллюстрируют меняющийся ландшафт. Один аналитик данных в индустрии ИИ рассказала китайским деловым СМИ, что она помогла автоматизировать многие свои собственные повторяющиеся задачи, но позже была уволена, когда работодатель пришел к выводу, что работу можно выполнять меньшими силами. Впоследствии она пошла на значительное сокращение зарплаты, чтобы перейти в более традиционный сектор, заметив, что «ни одна отрасль не может спрятаться от ИИ» — мнение, которое находит отклик на онлайн-форумах и в социальных сетях. От рабочих на заводах до программистов: тревога ширится Влияние ИИ не ограничивается офисными должностями. В комментариях, связанных с правительственными кругами, отмечается, что работники — от операторов сборочных линий до дизайнеров и переводчиков — уже чувствуют давление со стороны автоматизации и инструментов алгоритмического управления. В недавних интервью гиг-работники и сотрудники сферы услуг, включая курьеров и создателей контента, выражали опасения, что алгоритмы рекомендаций, робототехника и системы генерации контента могут резко сократить спрос на человеческий труд или привести к снижению оплаты. В то же время высокообразованные специалисты в сфере технологий и медиа говорят, что их просят использовать ИИ для увеличения выработки без соответствующего повышения оплаты или гарантий занятости. Согласно подробному отчету Caixin, ИИ часто объединяет несколько задач в одну роль, а не просто устраняет рабочие места, что вынуждает оставшийся персонал брать на себя более тяжелую нагрузку, пока их коллег тихо увольняют. Эта динамика в сочетании с уже повышенным уровнем безработицы среди молодежи усиливает разочарование среди недавних выпускников. Международные новостные агентства сообщают о программистах, копирайтерах и офисных клерках, которые теперь полагаются на чат-боты с ИИ и помощников по написанию кода, но при этом опасаются, что те же самые системы вскоре сделают их роли ненужными. Некоторые из опрошенных работников сказали, что начали изучать новые навыки в области машинного обучения или разметки данных, в то время как другие изучают возможности смены карьеры в сферах, которые считаются менее подверженными автоматизации, таких как физическое производство или определенные виды услуг. Суды противодействуют увольнениям из-за ИИ Правовая система Китая начала реагировать на растущую напряженность вокруг сокращений, связанных с ИИ. В конце 2025 и начале 2026 года несколько судов и арбитражных комиссий постановили, что замена сотрудника программным обеспечением с ИИ сама по себе не является законным основанием для увольнения согласно действующему трудовому законодательству. Работодателям было предписано сначала изучить возможности пересмотра контрактов, переобучения или перевода на другую должность, прежде чем прибегать к увольнениям на основании автоматизации. В одном широко обсуждаемом деле китайский суд установил, что технологическая компания незаконно уволила работника после того, как заменила его роль ИИ, постановив выплатить компенсацию и сигнализируя о том, что подобные увольнения могут быть оспорены в правовом поле. В августе 2026 года СМИ освещали растущее число судебных решений в пользу сотрудников, вытесненных ИИ, называя их важной победой прав трудящихся, но при этом отмечая, что тревога по поводу будущего сферы труда остается широко распространенной. Чиновники министерства труда в Пекине также дали понять, что одна лишь замена на ИИ не должна служить оправданием для увольнения сотрудника в ходе арбитражного разбирательства, что еще раз подчеркивает озабоченность правительства вопросами социальной стабильности перед лицом быстрых технологических изменений. Официальная реакция: защитить рабочие места, направлять инновации Руководство Китая продолжает продвигать агрессивное развитие ИИ как основу экономической модернизации, но все чаще подкрепляет эту повестку четкими обязательствами по защите занятости. В политических документах, выпущенных с 2025 года под эгидой «ИИ+», содержатся директивы по усилению оценки рисков занятости при внедрении ИИ, направлению инноваций в сектора с большим потенциалом создания рабочих мест и снижению негативного воздействия на сферу труда. На национальных политических собраниях чиновники и законодатели предложили концепцию «ИИ + Занятость», включающую налоговые льготы, программы переобучения, субсидии на заработную плату и возможные ограничения на автоматизацию в некоторых чувствительных профессиях. Один из представителей Всекитайского собрания народных представителей предложил создать специальный фонд «страхования от безработицы из-за ИИ» для поддержки работников, наиболее уязвимых перед лицом автоматизации — это предложение получило развитие в последующих комментариях на государственных медиаплатформах. Министерство трудовых ресурсов и социального обеспечения пообещало целенаправленную поддержку занятости в ключевых отраслях и расширение профессионального обучения, чтобы помочь работникам адаптироваться к рынку труда, ориентированному на ИИ. В начале 2026 года органы по труду анонсировали планы по разработке специального пакета мер, касающихся влияния ИИ на занятость, пообещав внедрить механизмы стабилизации, расширения и повышения качества рабочих мест. Официальная газета профсоюзов Китая «Workers’ Daily» призвала регуляторов улучшить трудовые стандарты и усилить надзор за алгоритмами ИИ, включая механизмы, обеспечивающие работникам и профсоюзам большее влияние на то, как ИИ внедряется на рабочих местах. Экономисты, опрошенные правительственными изданиями, утверждают, что ИИ, скорее всего, реструктурирует рынок труда, а не уничтожит рабочие места полностью, проводя параллели с предыдущими технологическими революциями, которые в конечном итоге создавали новые профессии, даже когда разрушали старые. Адаптация к неопределенному будущему Несмотря на появление правовой защиты и политических инициатив, многие китайские работники не уверены в том, как подготовиться к будущему, управляемому ИИ. Исследователи из Китайской академии общественных наук предупреждают, что быстрые достижения в области больших языковых моделей и технологий автоматизации могут особенно сильно ударить как по молодым, так и по пожилым работникам, и призвали власти проводить стратегию развития человеческого капитала в форме «U-образной кривой», сосредоточенную на дошкольном образовании и непрерывном переобучении на протяжении всей жизни. В настоящее время сотрудники разных секторов экспериментируют со стратегиями: от использования инструментов ИИ для максимизации собственной продуктивности до поиска ролей, требующих уникальных человеческих навыков, и изучения предпринимательских проектов, основанных на приложениях ИИ, а не на конкуренции с ними. Как сказал один офисный работник в интервью репортеру, использование ИИ на работе стало неизбежным, но вопрос о том, кто в конечном итоге получает выгоду от этой продуктивности, остается нерешенным.

Nic Reeve·14:30 24.08.2026

AI & Tech

Snowflake, Illumio и Pluralsight задают тон насыщенной недели в сфере корпоративного ИИ

Новейшие функции ИИ от Snowflake, признание достижений Illumio и обновление продуктов Pluralsight стали ключевыми событиями в новостной повестке корпоративного ИИ на этой неделе. В течение недели с 21 августа поставщики продолжали активнее внедрять ИИ в платформы данных, рабочие процессы безопасности и техническое обучение, при этом заметнее всего продуктовая активность проявилась в примечаниях к выпуску обновлений Snowflake. Компания Illumio также оказалась в центре внимания, получив статус лидера и «фаворита клиентов» в области микросегментации, а Pluralsight привлекла интерес благодаря включению в отраслевые обзоры инструментов для обучения и развития навыков в сфере ИИ. Темпы выпуска обновлений Snowflake оказались наиболее впечатляющими. 20 и 21 августа компания добавила ряд функций для ИИ и работы с данными, включая поддержку AI_EXTRACT и AI_PARSE_DOCUMENT для клиентских зашифрованных этапов и сетей с ограниченным доступом, инструмент для выполнения кода Cortex Agent (в ознакомительной версии), а позднее — Cortex AI_MULTI_EMBED для семантического поиска по видео. Snowflake также сообщила, что классификация конфиденциальных данных теперь поддерживает AI mode в рамках публичного превью, а инструменты автоматизации CoCo в CLI и Snowsight стали доступны в публичной ознакомительной версии. Практический смысл обновлений Snowflake очевиден: компания расширяет спектр задач, которые предприятия могут автоматизировать внутри платформы — от извлечения данных из документов до запуска агентов и поиска по видео. Это важно, поскольку многие корпоративные заказчики больше не спрашивают, может ли ИИ генерировать текст; они интересуются, может ли он безопасно работать с управляемыми данными, в закрытых средах и производственных процессах. Примечания к выпуску Snowflake позволяют предположить, что компания позиционирует Cortex как полноценный уровень исполнения, а не просто оболочку для моделей. Безопасность оставалась параллельной темой в новостях об ИИ на этой неделе. Широко обсуждаемая история, распространившаяся в профильных СМИ, описывала изменение кода, сгенерированное ИИ в публичном репозитории Snowflake, что якобы привело к риску внедрения скриптов, за которым последовало обнаружение и эксплуатация этой проблемы другим ИИ-агентом. Хотя этот случай примечателен тем, что иллюстрирует, как инструменты ИИ могут как создавать, так и находить уязвимости, к нему следует относиться осторожно, как к краткому отчету, а не как к официальному анализу инцидента. Тем не менее, это подчеркнуло более широкую проблему: по мере того как компании внедряют программирование с поддержкой ИИ и автоматизированную проверку, им требуются более надежные защитные механизмы для контроля изменений, вносимых этими системами. Заголовок, связанный с Illumio, был более традиционным, но по-прежнему актуальным для дискуссий о безопасности на базе ИИ. Компания, занимающаяся локализацией угроз, 18 августа объявила о признании ее лидером и фаворитом клиентов в отчете The Forrester Wave: Microsegmentation Solutions, Q3 2026 . Illumio делает акцент на прозрачности и контроле в средах, где рабочие нагрузки, включая нагрузки, связанные с ИИ, могут быстро перемещаться между сетями и облачными системами. В этом контексте признание — это больше, чем просто похвала; оно подкрепляет аргумент компании о том, что сегментация и локализация необходимы организациям при развертывании все более автономных систем. Роль Pluralsight в обзоре недели была связана не столько с громким анонсом, сколько с укреплением позиций на рынке навыков в области ИИ. В еженедельном брифинге Solutions Review компания Pluralsight была поставлена в один ряд с другими поставщиками, выпускающими обновления для команд, которым необходимо создавать, защищать и вводить в эксплуатацию ИИ-системы. Такое позиционирование отражает реальность рынка: по мере взросления корпоративных продуктов ИИ растет спрос на платформы, способные обучать разработчиков, облачных инженеров и специалистов по безопасности их эффективному использованию. Бизнес Pluralsight по-прежнему тесно связан с потребностью в структурированном обучении в быстро меняющихся технических областях. Более широкие новости об ИИ на этой неделе также указывают на быстро развивающуюся конкурентную среду. Как сообщило агентство Reuters 21 августа, OpenAI снизила цены для разработчиков на модель GPT-5.6 более чем на 20%, что служит напоминанием о том, что доступ к моделям и экономика инференса остаются ключевыми элементами стратегии поставщиков. Reuters также отметило другие шаги, связанные с ИИ, включая инвестиции Nvidia в инфраструктуру центров обработки данных и продолжающееся давление со стороны бизнеса с целью сбалансировать расходы на ИИ с окупаемостью. Эти события объясняют, почему корпоративные поставщики, такие как Snowflake, стремятся интегрировать маршрутизацию моделей, управление и автоматизацию непосредственно в свои платформы. Это давление рынка заметно и в продуктовом направлении самой Snowflake. Недавние публикации подчеркнули наличие динамической маршрутизации моделей в Cortex AI Gateway, которая позволяет предприятиям выбирать между несколькими моделями в зависимости от задач, требований к управлению и стоимости. Для организаций, внедряющих ИИ в масштабе, такая маршрутизация важна, поскольку она снижает зависимость от одного поставщика моделей и дает ИТ-командам больше контроля над тем, куда передаются данные и как они обрабатываются. Для команд безопасности события той же недели стали привычным предупреждением: автоматизация меняет поверхность атаки так же быстро, как и производительность. Программирование с помощью ИИ, маршрутизация моделей, извлечение данных из документов и выполнение агентских задач могут сократить ручной труд, но они также создают новые возможности для ошибок конфигурации и злоупотреблений. Такие поставщики, как Illumio, реагируют на это, делая упор на локализацию и микросегментацию, в то время как Snowflake фокусируется на функциях управления, которые удерживают большую часть ИИ-процессов внутри контролируемых сред. Для корпоративных покупателей результатом стало более четкое разделение рынка. Одни поставщики конкурируют в производительности моделей и ценообразовании, другие — в обучении и поддержке, третьи — в области защиты и управления. Неделя с 21 августа показала, что самые важные новости об ИИ больше не ограничиваются тем, на что способны модели; они касаются того, где эти модели запускаются, как они контролируются и кто может безопасно доверять им в рабочих процессах.

Nic Reeve·11:00 22.08.2026