OpenAI уволила трех исследователей безопасности после расследования нарушения конфиденциальности | AI News

Nic Reeve14:00 02.10.20265 мин чтения

В четверг, 1 октября 2026 года, компания OpenAI заявила об увольнении трех исследователей после того, как внутреннее расследование выявило ненадлежащее обращение с конфиденциальной информацией компании, включая материалы, которые, как утверждается, передавались сторонней организации, занимающейся безопасностью ИИ. Увольнения, о которых впервые сообщило издание The Wall Street Journal, а позже OpenAI подтвердила нескольким СМИ, стали главной новостью в мире ИИ, поскольку как минимум двое из сотрудников занимались исследованиями в области безопасности и согласования (alignment) моделей.

Что OpenAI объявила 1 октября?

OpenAI подтвердила, что три сотрудника покинули компанию по результатам расследования того, как они получали доступ к конфиденциальной информации и обращались с ней. Изначально компания не называла имен сотрудников и не раскрывала содержание документов. OpenAI охарактеризовала этот случай как нарушение корпоративной политики, а не как спор по существу исследований в области безопасности.

Согласно заявлению OpenAI, о котором сообщила BBC 2 октября 2026 года, компания уволила трех исследователей.
По данным OpenAI, сотрудники нарушили правила, регулирующие доступ к конфиденциальной информации и обращение с ней.
По информации The Wall Street Journal, предполагаемая передача данных касалась сторонней организации, работающей над безопасностью ИИ.

Представитель OpenAI сообщил The Wall Street Journal: «Мы прекратили сотрудничество с тремя лицами за нарушение нашей политики доступа к конфиденциальной информации компании и обращения с ней». Представитель добавил: «Наше расследование подтвердило, что эти лица ненадлежащим образом обращались с конфиденциальной информацией в обход установленных процедур компании, нарушая наши правила и подрывая доверие, необходимое для нашей работы».

Кто эти исследователи?

В первых сообщениях имена уволенных сотрудников не назывались. В более позднем репортаже агентства Agence France-Presse, ссылающегося на данные The Wall Street Journal, их имена были идентифицированы как Jasmine Wang, Tomek Korbak и Mikita Balesni. OpenAI не публиковала подробного описания роли каждого человека или конкретных действий, приписанных каждому исследователю.

Согласно сообщению Agence France-Presse от 2 октября 2026 года, были названы три имени: Jasmine Wang, Tomek Korbak и Mikita Balesni.
По данным BBC, как минимум двое из трех сотрудников работали в области исследований безопасности.
По информации южнокорейской газеты Seoul Economic Daily, один из сотрудников занимался вопросами поддержки и коммуникаций, связанными с Redwood Research и METR.

Данные события напрямую затрагивают работу OpenAI в области безопасности и согласования (alignment). Исследования в области alignment направлены на то, чтобы системы ИИ следовали намеченным целям и избегали вредоносного поведения. Эта связь придает увольнениям большее значение, чем обычное кадровое решение, хотя в имеющихся отчетах не утверждается, что исследователи были уволены за высказывание опасений по поводу безопасности.

Какая именно информация была передана?

OpenAI не уточнила, состоял ли материал из оценок моделей, результатов исследований, внутренних сообщений, данных о безопасности или другой категории корпоративных данных. В новостных сообщениях информация описывается лишь как «конфиденциальная» или «чувствительная». Личность сторонней организации также не была подтверждена OpenAI.

Согласно Tech Times от 2 октября 2026 года, OpenAI не уточнила, касались ли материалы возможностей моделей, результатов тестирования, внутренней переписки или исследований.
По данным The Wall Street Journal, получатели были связаны со сторонней организацией по безопасности ИИ.
По информации Seoul Economic Daily, в репортажах работа одного из исследователей связывалась с Redwood Research и METR.

Redwood Research занимается изучением передовых систем ИИ и вопросами безопасности. METR (ранее известная в некоторых дискуссиях как группа по оценке в составе Machine Intelligence Research Institute) известна своей работой по оценке возможностей и рисков передовых моделей. В имеющихся отчетах не говорится, что какая-либо из этих организаций получила предположительно переданные материалы.

Почему это важно для команд по безопасности ИИ?

Эти увольнения обнажают напряженность внутри компаний, разрабатывающих передовой ИИ. Исследователи безопасности часто сотрудничают с внешними некоммерческими организациями, академиками и экспертами по оценке, поскольку независимое тестирование может выявить слабые места, которые упускают внутренние команды. Компании также ограничивают доступ к конфиденциальным данным, поскольку информация о моделях, процедуры безопасности и неопубликованные исследования могут создать коммерческие риски и риски безопасности в случае несанкционированного распространения.

Публичные объяснения OpenAI сосредоточены на процедурных вопросах. Компания заявила, что сотрудники действовали в обход установленных процедур и нарушили внутреннее доверие. В отчетах не указано, чтобы OpenAI обвиняла названных исследователей в продаже информации, помощи коммерческому конкуренту или совершении публичной утечки данных.

Это различие имеет значение. Передача информации внешней группе по безопасности может включать как законное исследовательское сотрудничество, так и несанкционированное разглашение (или и то, и другое), в зависимости от того, что именно было передано и было ли получено разрешение. Факты, доступные на 2 октября, не дают окончательного ответа на этот вопрос.

Что остается неизвестным о расследовании?

OpenAI подтвердила количество увольнений и общие причины, основанные на корпоративной политике, но не опубликовала результаты расследования. Компания также не сообщила, когда произошли предполагаемые утечки, каким образом информация покинула OpenAI, какие именно правила были нарушены и получала ли внешняя организация материалы напрямую.

Согласно заявлениям OpenAI, о которых сообщили BBC и CBS News, компания публично не идентифицировала затронутые документы.
По данным CBS News от 1 октября 2026 года, The Wall Street Journal была первым изданием, сообщившим об увольнениях.
Согласно Agence France-Presse от 2 октября, OpenAI не подтвердила личности исследователей в своем собственном заявлении.

Ни в одном из публичных отчетов, цитируемых в текущем освещении, не говорится о том, что прокуратура начала уголовное расследование или что регуляторы объявили о принятии мер. В сообщениях также не указывается, планируют ли три исследователя оспаривать свои увольнения.

Что дальше для OpenAI и ее работы по безопасности?

OpenAI столкнется с необходимостью объяснить, как может продолжаться независимое сотрудничество в области безопасности при сохранении защиты конфиденциальной информации. Исследователи, сотрудники и внешние эксперты, вероятно, потребуют более четких правил относительно разрешенного раскрытия информации, документации и каналов эскалации проблем. Компания пока не объявила о новых процедурах или пересмотре своей общей программы безопасности.

Ближайшая временная шкала событий выглядит так:

По данным The Wall Street Journal, OpenAI уведомила сотрудников об увольнениях еще до публикации репортажа 1 октября 2026 года.
Согласно TechCrunch от 1 октября, OpenAI подтвердила, что прекратила сотрудничество с тремя исследователями.
По данным BBC от 2 октября, OpenAI продолжает характеризовать действия сотрудников как ненадлежащее обращение с конфиденциальной информацией в обход утвержденных процедур.

Дальнейшие подробности будут зависеть от заявлений трех исследователей, сторонней организации по безопасности и самой OpenAI. До появления этих данных подтвержденная информация ограничивается тремя увольнениями, внутренним расследованием и обвинениями в несанкционированном обращении с конфиденциальной информацией.

Источники

Читать далее →

Похожие материалы

AI & Tech

Лунный ИИ от NASA вновь ставит под вопрос рыночную стоимость IBM

10 сентября 2026 года компании IBM и NASA представили открытую базовую модель NASA-IBM Lunar Foundation Model, что сделало этот проект центральной темой новостей об ИИ и вновь привлекло внимание к тому, как расширяющийся портфель решений IBM в области искусственного интеллекта должен отражаться на рыночной оценке компании. Что именно IBM и NASA запустили 10 сентября 2026 года? IBM и NASA выпустили открытую базовую модель, созданную специально для лунных исследований. Она была обучена на данных наблюдений за Луной, накопленных за десятилетия, и стала общедоступной через открытые репозитории. Модель предназначена для помощи исследователям в поиске залежей льда, кратеров и вулканического рельефа, а также для поддержки планов по обеспечению устойчивого присутствия человека на Луне. Согласно сообщению пресс-службы IBM от 10 сентября 2026 года, модель NASA-IBM Lunar Foundation Model является «одной из первых общедоступных базовых моделей для научных исследований Луны», обученной на обширном наборе данных, подготовленном совместно исследователями IBM и NASA. Научный отдел NASA заявляет, что модель размещена на публичных платформах машинного обучения, а полный программный код доступен в репозиториях для разработчиков, чтобы любой ученый мог скачать, протестировать и адаптировать его. Дата выпуска: 10 сентября 2026 года, объявлено совместно IBM и NASA. Сфера применения: лунный лед, кратеры, вулканическая история и картирование поверхности. Доступ: веса модели доступны по открытой лицензии, код открыт для тонкой настройки и экспериментов. Партнеры: IBM Research, NASA Science и академические партнеры. В репортаже Reuters система описывается как инструмент ИИ с открытым исходным кодом, предназначенный для анализа данных лунных наблюдений за десятилетия и содействия долгосрочному присутствию человека на Луне. Технологические и научные издания подчеркивают, что исследователи могут использовать модель для точного определения вероятных залежей льда в постоянно затененных кратерах, картирования кратеров с низким разрешением и более точного изучения вулканической истории Луны по сравнению с предыдущими методами. Насколько лунная модель NASA-IBM лучше существующих методов? В независимых отчетах о модели NASA-IBM Lunar Foundation Model говорится, что она улучшает обнаружение особенностей лунной поверхности более чем на двадцать процентов по сравнению с широко используемыми подходами, при этом используя меньше размеченных данных для достижения таких результатов. Этот рост точности является одной из причин, по которым инвесторы пересматривают возможности IBM в области ИИ при обсуждении оценки стоимости компании. Reuters ссылается на заявления NASA и IBM о том, что в бенчмарк-тестах лунная модель определяла ключевые особенности поверхности Луны на 23% точнее, чем широко используемые методы. В технологических изданиях сообщается, что точность прогнозов наличия погребенного льда в затененных полярных кратерах на 22% выше, чем у лучших доступных специализированных алгоритмов, а картирование кратеров с низким разрешением достигает точности на 19% выше при использовании вдвое меньшего объема размеченных обучающих данных. Ошибка прогнозирования льда: по данным TechTimes от 11 сентября 2026 года, уровень ошибок снижен на 22% по сравнению с лучшим предыдущим алгоритмом. Точность картирования кратеров: в том же отчете упоминается улучшение на 19% при низком разрешении. Общая идентификация особенностей: Reuters сообщает о точности до 23% выше, чем у широко используемых методов в бенчмарк-тестах. Использование размеченных данных: TechTimes отмечает, что лунная модель ИИ достигла таких показателей, используя лишь половину объема размеченных обучающих данных. В технологическом анализе модели указывается, что научная группа NASA подтвердила доступность системы на публичных ИИ-платформах с полным кодом на сайтах хостинга, что повторяет подход к распространению, который IBM использовала для своих более ранних базовых моделей для наблюдения за Землей — Prithvi. Те ранние модели, представленные в 2023 году для работы с гармонизированными данными спутников Landsat и Sentinel-2, по сообщениям IBM, обеспечивали примерно 15-процентное улучшение по сравнению с современными методами картирования зон наводнений и следов пожаров, используя вдвое меньше размеченных данных. Такая стратегия выпуска геопространственных моделей с явным преимуществом в производительности и открытым доступом помогла утвердить IBM в качестве ключевого игрока в области научного ИИ, что теперь влияет на дискуссии аналитиков и инвесторов о прибыли и оценочных мультипликаторах компании. Как эта лунная ИИ-модель вписывается в общую стратегию IBM в области искусственного интеллекта? Лунная базовая модель расширяет стратегию IBM по созданию специализированных базовых моделей в рамках портфеля watsonx и сотрудничеству с государственными институтами в области открытого геопространственного ИИ. Эта стратегия теперь охватывает наблюдение за Землей, метеорологию, экологический мониторинг и лунные исследования, и все чаще упоминается в аналитических обзорах акций IBM. В объявлении IBM от 3 августа 2023 года о своей геопространственной базовой модели описывалось обучение крупной системы ИИ на данных спутников Landsat и Sentinel-2 за один год по всей территории континентальной части США с последующей тонкой настройкой для таких задач, как картирование зон наводнений и пожаров. По данным IBM, эта модель, ориентированная на Землю, обеспечила 15-процентное улучшение по сравнению с передовыми методами при использовании вдвое меньшего объема размеченных данных, а ее коммерческая версия должна быть интегрирована в IBM Environmental Intelligence Suite, входящую в экосистему watsonx. Семейство базовых моделей: модели IBM и NASA пополняют семейство геопространственных и метеорологических моделей Prithvi, что было отмечено в материалах к выпуску лунной модели. Путь коммерциализации: геопространственная модель IBM связана с Environmental Intelligence Suite, демонстрируя, как научный ИИ интегрируется в программное обеспечение, приносящее доход. Стратегия открытой науки: NASA и IBM предоставляют веса и код по открытым лицензиям, стимулируя использование в глобальных исследованиях. Позиционирование бренда: пресс-служба IBM группирует лунную модель среди своих пресс-релизов об искусственном интеллекте, представляя ее как часть своей стратегии лидерства в области ИИ. В материалах NASA о лунной базовой модели подчеркивается сотрудничество не только с IBM, но и с академическими партнерами, что укрепляет позиции IBM как партнера в области научных вычислений, а не просто коммерческого поставщика. Для инвесторов эта двойная роль важна, так как она формирует восприятие долгосрочной значимости IBM в таких высокозначимых областях, как освоение космоса и климатология. Почему оценка акций IBM снова оказалась в центре внимания после запуска лунного ИИ? Недавние отчеты аналитиков демонстрируют возобновление интереса к потенциалу прибыли IBM от инициатив в области ИИ и квантовых вычислений, при этом лунная модель служит наглядным примером технической глубины IBM. Консенсусные целевые показатели указывают на умеренный рост, а некоторые обзоры напрямую связывают позитивные настроения с сотрудничеством IBM в сфере ИИ и ее планами по развитию продуктов. В статье по анализу акций от 12 сентября 2026 года сообщается, что Уолл-стрит придерживается общего консенсуса «Покупать» (Buy) по акциям IBM. Согласно данным, 25 аналитиков установили 12-месячную целевую цену на уровне 245,35 USD, что примерно на 4,8% выше цены закрытия IBM на 10 сентября, составившей 234,02 USD. В тех же материалах упоминаются другие сводки, указывающие на консенсус «Умеренно покупать» (Moderate Buy) со средней целевой ценой около 265,90 USD, что подразумевало бы более значительный потенциал роста по сравнению с текущими уровнями около 243 USD. Ссылка на цену закрытия: в материале TheStreet, цитируемом в новостях, цена закрытия IBM на 10 сентября 2026 года указана как 234,02 USD. Количество аналитиков: согласно опросу TheStreet, 25 аналитиков установили 12-месячную цель на уровне 245,35 USD. Описание консенсуса: отдельные сервисы рыночных данных описывают рейтинг как «Умеренно покупать» со средней целью 265,90 USD. Метрики оценки: согласно данным Seeking Alpha на период около 10 сентября, прогнозный коэффициент P/E (non-GAAP) составляет 20,22, trailing P/E (GAAP) — 22,15, а мультипликатор P/B — 6,81. Данные Seeking Alpha также показывают отношение стоимости предприятия к выручке (EV/Sales) на уровне 4,22 и отношение стоимости предприятия к EBITDA на уровне 17,72 для IBM, характеризуя компанию как зрелую технологическую фирму с премиальной оценкой по сравнению со многими традиционными конкурентами, но торгующуюся с дисконтом по сравнению с некоторыми более быстрорастущими компаниями, ориентированными на ИИ. Рыночные комментарии связывают такой профиль с сочетанием стабильного дохода от инфраструктуры и развивающегося роста в области ИИ и квантовых вычислений. В материалах, описывающих рост акций IBM благодаря ставкам на квантовые технологии и ИИ, упоминается, что, несмотря на упомянутое вскользь юридическое расследование, интерес инвесторов к передовым вычислительным инициативам IBM остается высоким. В этом контексте лунная базовая модель приводится как демонстрация способности IBM сотрудничать с такими агентствами, как NASA, в области передового ИИ, что подкрепляет аргумент о том, что текущие показатели оценки могут недооценивать будущие денежные потоки от продуктов и услуг на базе ИИ. На кого, помимо акционеров IBM, влияет лунный ИИ NASA-IBM? Лунная модель напрямую затрагивает планетологов и инженеров, работающих в программе NASA Artemis, и косвенно влияет на поставщиков и партнеров, участвующих в планировании лунной инфраструктуры. Она также имеет значение для академических исследователей, разработчиков ИИ и дискуссий о политике в области открытых научных данных и государственно-частного сотрудничества в освоении космоса. В материалах NASA о лунной базовой модели отмечается, что система ИИ обучалась преимущественно на данных с аппарата Lunar Reconnaissance Orbiter и других приборов, что позволило создать единый набор данных, подходящий для машинного обучения. В описании проекта со стороны IBM поясняется, что две организации создали то, что они называют первым набором данных с открытым исходным кодом, который объединяет десятилетия лунных данных в формате, оптимизированном для исследований в области ИИ. Планировщики NASA Artemis: TechTimes отмечает, что система может помочь в выборе мест посадки вблизи южного полюса Луны, где лед может обеспечить наличие воды, кислорода и топлива для последующих миссий на Марс. Сообщество планетологов: NASA и технологические издания заявляют, что любой исследователь в мире может скачать и адаптировать модель для новых исследований лунных явлений. Академические партнеры: NASA ссылается на несколько университетов, участвующих в сотрудничестве, что расширяет доступ для студентов и начинающих ученых. Поставщики космической отрасли: более точные карты льда и рельефа поддерживают компании, работающие над созданием обитаемых модулей, добычей полезных ископаемых и использованием ресурсов на Луне. Для разработчиков ИИ лунная модель демонстрирует, как базовые модели могут быть адаптированы к областям, выходящим за рамки языка и стандартного компьютерного зрения. Для политиков подход с открытой лицензией поднимает вопросы о том, как должны распределяться данные, финансируемые из государственного бюджета, и технологии частного сектора, когда они определяют будущую добычу ресурсов и национальное присутствие на Луне. Что дальше для портфеля ИИ и рыночной оценки IBM? Комментарии научных и рыночных источников предполагают несколько следующих шагов: более широкое научное использование лунной модели, коммерческие ответвления через программные пакеты IBM и продолжающаяся переоценка аналитиками потенциала прибыли IBM от ИИ и квантовых вычислений. Результат повлияет на то, будут ли текущие целевые цены расти или стабилизируются по мере созревания таких проектов, как лунный ИИ. Технологические обзоры указывают на то, что лунная базовая модель следует паттерну, установленному IBM и NASA с моделями Prithvi: открытые веса, открытый код и дообучение силами сообщества на публичных платформах. Такая история делает вероятным появление новых версий, обученных на расширенных наборах данных или адаптированных к другим планетарным телам по мере сбора агентствами новых данных дистанционного зондирования. Научная дорожная карта: долгосрочная цель NASA по обеспечению устойчивого присутствия человека на Луне отводит лунному ИИ центральную роль в планировании миссий. Коммерческий потенциал: предыдущий геопространственный ИИ IBM уже был связан с Environmental Intelligence Suite, что намекает на возможность аналогичной интеграции для лунных или более широких продуктов по космическим данным. Драйверы оценки: целевые показатели аналитиков, собираемые рыночными сервисами, вероятно, будут меняться по мере того, как IBM будет отчитываться о конкретной выручке, связанной с ее моделями ИИ и квантовыми предложениями. Факторы риска: в обзорах акций упоминаются юридические расследования и конкурентное давление со стороны других поставщиков ИИ как противовесы ожиданиям роста. По мере развития этих процессов сотрудничество IBM с NASA над Lunar Foundation Model служит наглядным тестом того, как передовые проекты в области открытого научного ИИ могут трансформироваться в коммерческий спрос и, в свою очередь, в показатели оценки, которые инвесторы тщательно изучают каждый квартал.

Nic Reeve·14:00 16.09.2026

AI & Tech

Утечка Claude 3.5 и появление Gemini 3.5 в чат-боте Arena изменили расстановку сил в гонке ИИ-моделей

Крупная утечка, связанная с еще не выпущенной моделью Anthropic Claude Sonnet 4.8 , свежие спекуляции вокруг нового семейства моделей Claude «Cardinal» и тихое появление вариантов Gemini 3.5 от Google в популярном бенчмарке LMSYS Arena превратили эту неделю в поворотный момент для наблюдателей за рынком ИИ, аналитиков и создателей контента, отслеживающих такие каналы, как новостная серия об ИИ от Джейлина Уильямса (Jaylin Williams). Claude Sonnet 4.8: что на самом деле раскрывает утечка История с Claude Sonnet 4.8 началась с ошибки при упаковке npm-библиотеки Anthropic @anthropic-ai/claude-code . Разработчики обнаружили, что файл source-map объемом 59,8 МБ был случайно опубликован как часть обновления от 31 марта 2026 года. Это открыло доступ примерно к 512 000 строк внутреннего кода на TypeScript и более чем 1900 исходным файлам, связанным с продуктом Claude Code. Хотя данные клиентов, учетные данные или работающие системы не пострадали, отладочный пакет содержал внутренние ссылки, которые никогда не должны были стать публичными. Среди этих ссылок оказалась строка «sonnet-4-8» , указанная во внутреннем списке «запрещенных строк» или фильтре Undercover Mode , предназначенном для того, чтобы инженеры случайно не упоминали невыпущенные версии моделей в логах, текстах интерфейса или сообщениях коммитов. Согласно сообщениям, в том же списке значились «opus-4-7» и кодовые имена, такие как «mythos» , что намекает на более широкую «дорожную карту» флагманского семейства Claude от Anthropic. Важно отметить, что утечка содержала инфраструктурный код и конфигурации , а не чекпоинт модели или веса. Не было ни публичной карточки модели, ни документации API для эндпоинта Sonnet 4.8, ни таблиц с результатами тестирования. Это означает, что единственный подтвержденный факт, вытекающий из утечки, — это то, что Anthropic использует строку версии Sonnet 4.8 внутри своих инструментов, а компания как минимум планирует или тестирует новое поколение линейки среднего уровня Sonnet. Тем не менее, этот инцидент вызвал бурные спекуляции. В ИИ-сообществе начали циркулировать утверждения о таких улучшениях, как двузначный прирост производительности в задачах программирования, значительный скачок в точности распознавания визуальных данных и новые фоновые «агентные» возможности для выполнения длительных задач. Хотя эти заявления, по-видимому, основаны на упоминаниях в отладочном коде и экстраполяции данных из недавних релизов Claude 4.x, ни одно из них не было подтверждено Anthropic. По состоянию на середину августа 2026 года официального релиза Claude Sonnet 4.8 через API Anthropic, Amazon Bedrock или Google Cloud Vertex AI все еще нет. Anthropic охарактеризовала событие как человеческую ошибку при упаковке , потребовала удалить тысячи зеркальных копий пакета из публичных репозиториев и не давала публичных обещаний выпустить модель под брендом Sonnet 4.8. Кодовые имена моделей Anthropic: Cardinal, Capybara и другие Дискуссия вокруг Sonnet 4.8 привлекла внимание к растущей сети внутренних кодовых имен моделей Claude от Anthropic. Более ранний анализ утекшего исходного кода Claude Code выявил такие названия, как Fennec (связанное с моделью класса Opus 4.6), Capybara (связанное с экспериментальным уровнем, который, как сообщается, по своим возможностям превосходит Opus) и Numbat для моделей, находящихся на стадии тестирования. В этом контексте разговоры в сообществе о линейке, предварительно названной Claude «Cardinal» , усилились. Хотя подробностей по-прежнему мало, комментаторы описывают Cardinal как потенциальное новое семейство или подкатегорию , которая может занять нишу между существующими предложениями Sonnet и Opus, либо как внутреннее направление, ориентированное на инструменты, программирование и постоянных агентов. На данном этапе Cardinal выглядит скорее как предполагаемое кодовое имя и намек на планы развития, чем как готовый продукт с публичной карточкой модели. Намеренное молчание Anthropic подтверждает закономерность, которой компания следовала в предыдущих циклах: внутренние строки версий и кодовые имена часто появляются в инструментах и утечках за месяцы до любого официального анонса. Присутствие названий вроде Sonnet 4.8 или Cardinal в коде не гарантирует, что эти модели будут запущены под именно такими именами или что все они вообще дойдут до публичного релиза. Gemini 3.5 выходит на арену Пока Anthropic разбирается с последствиями утечки исходного кода, новейшие модели Google производят фурор совсем иным способом: появляясь в Chatbot Arena от LMSYS — краудсорсинговом бенчмарке, где большие языковые модели соревнуются друг с другом в слепых сравнениях. В последние недели в таблице лидеров Arena появились новые варианты, помеченные как Gemini 3.5 . Хотя Arena обычно использует анонимные идентификаторы для моделей, проходящих слепое тестирование, накопилось достаточно метаданных и тенденций производительности, чтобы наблюдатели могли связать несколько высокорезультативных участников с новым поколением Gemini от Google. Первые впечатления сообщества говорят о том, что Gemini 3.5 сохраняет или улучшает сильные стороны Gemini 1.5 в работе с длинным контекстом и мультимодальностью, при этом делая упор на более строгое следование инструкциям и улучшенную производительность при написании кода. Во многих «слепых» матчах Arena пользователи отмечают, что модели класса 3.5 более отзывчивы в повседневных чатах и задачах на рассуждение, демонстрируя конкурентные результаты по сравнению с топовыми системами от Anthropic и OpenAI. Поскольку Chatbot Arena опирается на добровольные краудсорсинговые оценки, ее рейтинги не имеют такого веса, как формальные академические бенчмарки. Тем не менее, таблица лидеров стала важным реальным индикатором того, как модели ведут себя «в дикой природе», фиксируя качественные факторы, такие как стиль, ясность и надежность, которые сложно свести к единому числовому показателю. Как создатели контента освещают эти изменения Череда быстрых событий — утечки, кодовые имена и новые записи в бенчмарках — дала много материала создателям контента в сфере ИИ. Среди них Джейлин Уильямс , чей новостной контент (включая эпизод, упомянутый в списке Mshale) объединяет такие истории, как утечка Claude Sonnet 4.8 , слухи о линейке Claude Cardinal и появление Gemini 3.5 в Arena, в доступные сводки для разработчиков и энтузиастов. В этих обзорах создатели обычно выделяют три темы: Усиление конкуренции между пограничными моделями, поскольку Anthropic, Google и OpenAI развиваются быстрыми темпами, используя как официальные запуски, так и тихую оценку в публичных бенчмарках для проверки своих возможностей. Непрозрачность и утечки как повторяющиеся проблемы, когда внутренние инструменты и отладочные артефакты становятся неожиданным окном в «дорожные карты» компаний задолго до официальных заявлений. Практическое влияние на пользователей : от разработчиков, задающихся вопросом, когда они смогут получить доступ к производительности уровня Sonnet 4.8, до бизнеса, оценивающего, стоит ли строить свои решения на базе Claude, Gemini или их комбинации. На что обратить внимание дальше Заглядывая вперед, можно выделить основные вопросы для пользователей и наблюдателей. Анонсирует ли Anthropic официально модель Sonnet 4.8 или Cardinal в ближайшие месяцы, и если да, то как она будет позиционироваться по отношению к Opus и конкурирующим системам от Google и OpenAI? Трансформируются ли возможности, намеки на которые содержатся во внутреннем коде — от более мощного программирования и анализа изображений до более устойчивых агентов — в доступные, готовые к промышленному использованию функции? Что касается Google, все внимание приковано к тому, как быстро линейка Gemini 3.5 перейдет от экспериментов в Arena и ограниченного внедрения к широкой доступности в Google Cloud и потребительских продуктах. Любое изменение цен, длины контекста или возможностей дообучения может перекроить рынок выбора провайдеров стартапами и предприятиями. На данный момент ландшафт характеризуется контрастом: непреднамеренная утечка от Anthropic дает представление о том, куда может двигаться Claude, в то время как Gemini 3.5 от Google ищет подтверждения в открытой конкуренции. Вместе они сигнализируют о создании ИИ-экосистемы, где «дорожные карты» продуктов становятся все более заметными — не только через пресс-релизы, но и через код, кодовые имена и коллективное суждение пользователей, испытывающих эти системы на прочность.

Nic Reeve·22:50 20.08.2026

AI & Tech

Внедрение Adecco решения Agentforce Coworker смещает фокус ИИ-новостей на глобальные кадровые операции

Глобальное внедрение Agentforce Coworker от Adecco выводит новости об ИИ в центр повседневной работы кадровых агентств 15 сентября 2026 года Adecco Group объявила о глобальном развертывании Agentforce Coworker от Salesforce для 27 000 сотрудников в более чем 40 странах. Этот шаг выводит новости об ИИ в центр повседневной работы по продажам и подбору персонала в одной из крупнейших кадровых компаний мира. Что именно внедряет Adecco и где система будет запущена? Adecco Group активирует Salesforce Agentforce Coworker, который Salesforce описывает как корпоративного «ИИ-напарника», внутри своих основных платформ управления клиентами и кандидатами для персонала в более чем 40 странах. Это решение было принято после успешного завершения пилотных проектов в Великобритании и Франции. Развертывание охватывает операции Adecco Group по всему миру, включая: Более 40 национальных рынков в Европе, Америке и Азиатско-Тихоокеанском регионе, согласно пресс-материалам Adecco. 27 000 сотрудников отделов продаж, подбора персонала и специалистов по работе с клиентами, которые теперь получат доступ к ИИ-напарнику в своих ежедневных рабочих процессах. Дата запуска — 15 сентября 2026 года, объявлено из Цюриха, Швейцария. Ранее проведенный пилотный проект, ограниченный командами в Великобритании и Франции, начавшийся после апреля 2025 года. Инструмент работает непосредственно внутри облачной платформы Salesforce и использует модель Claude от Anthropic, а не отдельное ИИ-приложение, которое сотрудникам пришлось бы открывать параллельно. Как Agentforce Coworker изменит повседневную работу сотрудников Adecco? По данным Adecco Group и Salesforce, Coworker автоматизирует повторяющиеся задачи, извлекает релевантные данные из разрозненных систем и помогает рекрутерам и специалистам по продажам в проведении исследований, подготовке черновиков и оркестрации рабочих процессов — и все это в тех же интерфейсах, которые они уже используют. В пресс-материалах описывается переход от разрозненных данных к единой точке доступа на базе ИИ: ИИ-напарник может извлекать информацию, которая ранее была распределена по «десяткам инструментов», предоставляя персоналу единый разговорный интерфейс для доступа к данным, системам и организационным знаниям. Рекрутеры могут поручить напарнику выявить приоритетных кандидатов, составить списки и запустить этапы предварительного отбора или онбординга для выбранных профилей. Сотрудники отдела продаж могут запрашивать списки потенциальных клиентов, генерировать персонализированные брифинги по продажам, обогащать записи контактов и проверять статус лидов в разных командах, не переключая контекст. Процессы взаимодействия с клиентами и кандидатами поддерживаются с помощью предлагаемых сообщений, резюме истории взаимодействий и подсказок о «лучшем следующем действии». Это означает, что рутинный поиск и задачи по ручному копированию и вставке теперь могут быть делегированы ИИ-напарнику, позволяя сотрудникам больше сосредоточиться на принятии решений и живом общении с клиентами и кандидатами. Какие данные и технологии ИИ стоят за новым напарником Adecco? Agentforce Coworker в Adecco сочетает данные платформы Salesforce с базовой моделью Claude от Anthropic, используя миллионы исторических взаимодействий между агентами Adecco и кандидатами для предоставления контекстно-зависимых предложений. Техническая и информационная основа включает: Модель Claude от Anthropic, которая является большой языковой моделью, обеспечивающей работу Agentforce Coworker в корпоративном стеке Salesforce. Контекст из более чем 2,5 миллионов взаимодействий «агент-кандидат», зафиксированных с апреля 2025 года; по заявлению Adecco, напарник может использовать их для распознавания паттернов и адаптации ответов. Интеграция с существующими развертываниями Salesforce в Adecco, что означает доступ ИИ к данным CRM, подбора персонала и взаимодействия, уже хранящимся там. Инфраструктура агентного ИИ (Agentic AI) — термин, который Adecco использует для описания компонентов ИИ, способных не только отвечать на запросы, но и запускать этапы рабочих процессов и управлять процессами. Внедряя ИИ непосредственно в стек платформы, а не в виде стороннего чат-бота, Adecco стремится сохранить конфиденциальные данные в рамках существующих механизмов безопасности и комплаенса. Как пилотные проекты в Великобритании и Франции повлияли на глобальное развертывание? Adecco протестировала Agentforce Coworker с командами в Великобритании и Франции перед тем, как принять решение о глобальном внедрении. Пилоты использовались для подтверждения роста производительности и сбора отзывов от сотрудников о поддержке процессов подбора и продаж со стороны ИИ. Хотя Adecco не опубликовала полные метрики пилотов, компания выделила несколько ключевых выводов: Агенты на пилотных рынках использовали Coworker для более быстрого подготовки брифингов для клиентов и резюме кандидатов на основе внутренних данных о взаимодействиях и публичной информации. Команды по подбору персонала тестировали автоматизированные потоки предварительного отбора, где ИИ собирал информацию о кандидатах и запускал этапы скрининга после одобрения сотрудником. Отзывы пользователей из Великобритании и Франции помогли внести коррективы в интерфейс и внедрить защитные механизмы, чтобы предотвратить чрезмерное доверие к предложениям ИИ без проверки человеком. Положительные результаты пилотов во многих отчетах называются триггером для решения Adecco расширить использование Coworker более чем на 40 стран. Эти пилоты также послужили для Adecco испытательным полигоном для обучения персонала и разработки руководств о том, когда можно доверять ИИ, а когда необходимо перепроверять данные по первичным записям. Кто именно в Adecco будет использовать напарника и какие меры контроля предусмотрены? Развертывание ориентировано на сотрудников, чья ежедневная работа проходит через Salesforce: специалистов по продажам, рекрутеров и команды, отвечающие за взаимодействие с клиентами и кандидатами. Adecco указывает, что к этой категории относятся 27 000 сотрудников, которые проходят обучение работе с ИИ-напарником с разграничением прав доступа на основе ролей. Использование ИИ-напарника структурировано по функциям: Команды продаж: поиск и приоритизация потенциальных клиентов, генерация брифингов по аккаунтам, обогащение записей и отслеживание возможностей. Команды подбора персонала: поиск подходящих кандидатов, составление резюме, запуск скрининга и координация процессов онбординга. Команды по взаимодействию с клиентами и кандидатами: подготовка сообщений, обобщение истории взаимодействий и определение задач для последующего контакта. Контролирующие и комплаенс-роли: мониторинг результатов работы ИИ, проверка логов и обновление политик по мере обучения системы. В коммуникациях Adecco подчеркивается, что ИИ выступает в роли напарника, а не замены, и что люди сохраняют ответственность за решения о найме и обязательства перед клиентами. Что Adecco говорит об этике, конфиденциальности и влиянии на рабочие места? Официальные заявления по поводу внедрения сосредоточены на производительности и качестве обслуживания, представляя ИИ-напарника как вспомогательный инструмент. В материалах Adecco и Salesforce подчеркивается, что человеческое суждение остается центральным, а ИИ работает в рамках существующих структур управления данными и конфиденциальностью. Ключевые моменты в публичных сообщениях включают: Система работает на данных, которые Adecco уже хранит в своей среде Salesforce, а доступ регулируется установленными разрешениями на основе ролей. Предложения ИИ, будь то подбор кандидатов или действия по продажам, позиционируются как рекомендации, которые сотрудники могут принять, изменить или отклонить. В заявлениях ИИ описывается как «напарник» или «коллега» — такая терминология призвана подчеркнуть расширение возможностей человека, а не замену его ролей. Использование истории взаимодействий с апреля 2025 года четко датировано, что дает понять: исторические показатели не выдаются за текущие объемы. В публичных релизах не приводится подробная информация о тестировании алгоритмической предвзятости или конкретных защитных мерах, что оставляет открытыми вопросы о том, как Adecco будет проводить аудит результатов для различных групп кандидатов с течением времени. Как это внедрение вписывается в широкие тренды в сфере подбора персонала и корпоративного ИИ? Решение Adecco внедрить ИИ-напарника в десятки тысяч рабочих мест отражает более широкий сдвиг в технологиях подбора персонала и HR, где инструменты генеративного и агентного ИИ переходят от экспериментальных пилотов к основной операционной инфраструктуре крупных работодателей. Недавние отраслевые отчеты указывают на несколько связанных событий: Крупные платформы для рекрутинга и HR внедряют большие языковые модели для составления объявлений о вакансиях, скрининга резюме и рекомендации кандидатов, консолидируя возможности ИИ внутри существующих систем. Предприятия все чаще называют инструменты ИИ «напарниками» или «коллегами» — это часть нарратива, направленного на стимулирование внедрения без немедленного возникновения страха потери рабочих мест. Агентный ИИ, где системы не только генерируют текст, но и выполняют задачи (например, запускают рабочие процессы или обновляют записи), становится заявленной целью для поставщиков бизнес-ПО. Позиционирование Salesforce Agentforce как встроенного помощника совпадает с шагами других облачных провайдеров по интеграции генеративного ИИ в интерфейсы CRM и ERP, вместо предложения отдельных ботов. Связывая свое развертывание с конкретной моделью и четким количеством взаимодействий с 2025 года, Adecco также следует формирующемуся паттерну в корпоративных анонсах ИИ, где акцент делается на датированных цифрах и конкретных масштабах, а не на расплывчатых заявлениях о «трансформации». Что дальше в программе ИИ-напарника Adecco? После глобального запуска следующие шаги Adecco будут сосредоточены на обучении, мониторинге и итеративном расширении вариантов использования Coworker в процессах подбора, продаж и взаимодействия, используя обратную связь от 27 000 сотрудников, которые теперь работают с ИИ ежедневно. Исходя из текущих отчетов, вероятные направления развития включают: Структурированные программы адаптации, чтобы научить персонал правильно формулировать запросы, проверять результаты и передавать сложные вопросы на уровень выше. Поэтапное внедрение новых рабочих процессов, таких как более автоматизированные циклы онбординга или более глубокий подбор кандидатов, после стабилизации первоначального внедрения. Внутреннее измерение показателей производительности и уровней удовлетворенности клиентов для оценки вклада ИИ. Потенциальное расширение возможностей ИИ-напарника на смежные функции за пределами прямых продаж и рекрутинга по мере роста уверенности в системе. Масштаб развертывания означает, что любые успехи или проблемы станут заметны быстро, создавая реальное испытание того, как агентный ИИ меняет работу кадровых агентств при внедрении во всей глобальной группе.

Nic Reeve·14:00 20.09.2026