Главный смысл: Anthropic сама включилась в гонку гигантских расходов на ИИ, за которую раньше критиковала конкурентов.

В статье три основных тезиса:

• Масштаб ставки. По данным The Information, Anthropic за последние 11 месяцев заключила контракты на вычислительные мощности стоимостью до $517 млрд. Важно: это обязательства по многолетним контрактам, а не уже потраченные деньги и не расходы за один год.
• Смена риторики. В начале 2026 года глава Anthropic Дарио Амодей предупреждал, что конкуренты недооценивают риски чрезмерных инвестиций. Теперь его компания сама спешит наращивать мощности. А Сэм Альтман из OpenAI, наоборот, заговорил об осторожности.
• Финансовый риск остаётся. По статье, ни Anthropic, ни OpenAI пока не могут покрыть такие обязательства одной выручкой. При этом технический прогресс может сделать сегодняшние дорогие инфраструктурные проекты невыгодными.

По-простому: «Раньше говорили: “Вы слишком рискованно строите дата-центры”. Теперь сами строят, чтобы не отстать».

Мой вывод: это прежде всего заметка о противоречии между публичной осторожностью и реальными деловыми решениями. Она не доказывает, что Anthropic разорится или что ИИ — пузырь: для этого здесь нет подробного анализа условий контрактов и будущих денежных потоков.

Статья The Decoder пересказывает сведения The Information и Bloomberg, а не публикует сами договоры.

Главный смысл: модель GPT-6 Astra впервые полностью прошла игру Portal от начала до титров без участия человека — за 23 часа 43 минуты.

Ключевые детали из статьи (THE DECODER, 07.09.2026):

• Как это работало: агент управлял игрой через MCP и модифицированный SourcePauseTool — игра ставится на паузу, модель получает скриншот, координаты игрока и угол камеры, выбирает действие, игра продолжается. Человек задал только стартовую цель.
• Стоимость: по листовой цене Astra прогон обошёлся бы минимум в $570 токенов, но автор (cozyblaze) использовал подписку Codex за $200.
• Почему это важно: ещё в 2016 году OpenAI ставила цель — один агент, решающий множество разных игр. Автор называет этот прогон «маленьким вкусом той изначальной мечты».
• Оговорки: проблемы остаются, а сам cozyblaze добавил про Astra: «это худшая модель из всех, что мы ещё получим» — то есть это нижняя планка, а не потолок.

Итог: не про гейминг как таковой, а про то, что агентные модели научились держать долгую цель (сутки непрерывной работы) и действовать в реальном времени в незнакомой 3D-среде без подсказок. Код и документация выложены на GitHub.

Главный смысл: DeepSeek пытается меньше зависеть от Nvidia и американских ограничений — за счёт масштабного перехода на китайские чипы Huawei. Но это ещё не доказательство, что Huawei полностью заменил Nvidia.

В статье Heise выделяются несколько важных моментов:

• Масштаб большой: по сведениям Bloomberg со ссылкой на инсайдеров, DeepSeek планирует дата-центр во Внутренней Монголии как минимум на 160 000 чипов Huawei Ascend 950DT. По масштабу он будет сопоставим с американскими центрами, но не обязательно по вычислительной мощности.
• Ключевая оговорка: пока не для обучения новых моделей. Чипы первоначально планируют использовать для работы уже готовых моделей — то есть обработки пользовательских запросов. По сведениям The Information, DeepSeek V4 уже адаптирована под Huawei.
• Планы могут затянуться: Huawei ограничена поставками высокопроизводительной памяти и других компонентов. Полная поставка может занять больше года.
• «Дешёвый ИИ» требует дорогой инфраструктуры. Расходы DeepSeek резко выросли; автор связывает это с возможным финансовым давлением и недавним повышением цен API. Это предположение автора, а не подтверждённая причина повышения.

Если совсем просто: новость не о том, что «DeepSeek завтра станет умнее», а о том, что Китай строит собственную инфраструктуру ИИ без американского железа. Для пользователей это потенциально больше доступных мощностей, но вовсе не гарантия более низких цен.

Суть в двух словах: Anthropic впервые получила полностью машинно-проверенное доказательство Великой теоремы Ферма, написанное агентами Claude.

Разбор по пунктам:

Что сделано. Сама теорема (уравнение xⁿ + yⁿ = zⁿ не имеет целочисленных решений при n > 2) доказана Эндрю Уайлсом ещё в 1995 году — человеческий математический факт давно не оспаривается. Не хватало формализации: перевода доказательства в код, который компьютер проверяет шаг за шагом. Рой агентов Claude сделал это за 11 дней в системе Lean: 13 млн строк кода, ~29 500 промежуточных теорем. Формализована упрощённая версия доказательства Уайлса (по Дармону—Даймонду—Тейлору), код выложен открыто, компилируется и проверяется любым желающим.

Почему это трудно. «Человеческое» доказательство опускает «очевидные» шаги и опирается на века публикаций; Lean требует явного кода для каждого шага, а формализована пока лишь малая часть математики. Эксперты закладывали на это годы — ср. проект Кевина Баззарда в Imperial College, профинансированный до 2029 года, чей черновик занимает 86 страниц.

Важные оговорки.
- Новой математики нет: это проверка старого доказательства, а не новое доказательство. Сам Баззард, посмотревший работу, говорит то же самое — но называет её большим шагом к автоматической формализации всей современной матлитературы.
- Успех — не заслуга одной модели. Первые попытки агентов провалились (теряли общую картину и переставали сработаться); прорыв дал переход на платформу Prove2Me (Колумбийский университет), которая ведёт граф утверждений и распределяет задачи между агентами. Т.е. ключевое — инфраструктура оркестрации, а не «умная модель сама по себе».
- Цена вопроса: ~6 млрд выходных токенов, по оценке статьи — 100–300 тыс. долларов.

Контекст. Статья ставит это в ряд похожих новостей (AlphaProof, разовый промпт GPT-5.4 Pro, решивший открытую задачу, опровержение 80-летней гипотезы моделью OpenAI) и напоминает, что баланс таких «КИ-успехов» смешаннее, чем заголовки. Независимой оценки работы Anthropic пока нет — есть только самопроверка Lean и компиляция у Баззарда.

Смысл для практики: доказательство — это, по сути, большой инженерный проект с верификацией, и ИИ-агенты впервые довели такой проект «под ключ» до состояния, где проверка не требует доверия к человеку — только к ядру Lean и его трём аксиомам.

Суть статьи (IT之家, 07.09.2026):

Компания Unitree (宇树科技) заявляет о первом в мире полностью автономном бое человекоидных роботов, управляемых в реальном времени «мировой моделью» (world model) — их новой моделью UnifoLM-X2-1.0.

Ключевое отличие от прежних показов: роботы больше не работают по заранее записанной программе и не управляются оператором с пульта — модель сама предсказывает будущее состояние сцены, планирует движения и ведёт бой в динамичном контактном взаимодействии (то есть планирование, решения и исполнение — всё автономно и в реальном времени).

Контекст, который приводит статья:
- В ноябре 2025 на выставке в Шанхае роботы Unitree уже «дрались» на ринге, но тогда это было шоу по сценарию/с управлением.
- «Мировая модель» — горячее направление в embodied AI: агент строит внутреннее предсказательное представление физического мира и планирует в абстрактном пространстве (упоминается подход JEPA Яна ЛеКуна из Meta, например V-JEPA 2).
- Заявленный смысл прорыва: доказать базовую осуществимость массового внедрения человекоидных роботов, управляемых мировой моделью, — Unitree проверяет подход на самом жёстком сценарии (высокая динамика + контактное противодействие).

Проще говоря: роботы-боксёры перестали быть марионетками — теперь они сами «додумают» бой на ходу, и Unitree подаёт это как шаг к реальному применению человекоидов, а не как цирковой номер.

(К слову: Chrome-браузер на сервере сейчас перегружен и CDP-интерфейс не отвечал, статью достал прямым запросом — на содержание это не повлияло.)

Главный смысл: OpenAI говорит, что ИИ уже помогает ей создавать следующий, более сильный ИИ — но средства контроля за ним могут не успевать за ростом возможностей.

В статье три ключевые мысли:

• ИИ стал рабочим участником исследований, а не просто чат-помощником. По заявлениям OpenAI, агенты пишут код, следят за обучением моделей, отлаживают инфраструктуру и выполняют отдельные исследовательские задачи под руководством людей. Это шаг к циклу: сильнее ИИ → быстрее исследования → ещё сильнее ИИ.
• До самостоятельного учёного пока далеко. Люди по-прежнему определяют направления исследований и оценивают результаты. Длительные задачи часто требуют вмешательства. А большой расход токенов и длительная работа агентов сами по себе не доказывают ускорение научного прогресса. Представленные данные — внутренние, без указанной независимой проверки.
• Главная тревога — надёжность контроля. Главный научный сотрудник OpenAI предупреждает: наблюдать за тем, что модель пишет в своих «рассуждениях», становится недостаточно. По его оценке, ни одна лаборатория не решила вопросы управляемости и безопасности настолько, чтобы ещё долго ответственно наращивать возможности на максимальной скорости.

Авторский акцент — на противоречии: OpenAI одновременно говорит «гонка опасна, нужны обязательные правила и независимый надзор» и «мы должны продолжать ускоряться, чтобы защититься и оставаться впереди».

То есть это не доказательство, что ИИ уже самостоятельно себя совершенствует, а сообщение о движении в эту сторону — вместе с признанием, что уверенности в контроле пока нет.

Статья The Decoder

Главный смысл в одном абзаце: Нью-Йорк с нового учебного года запретил ИИ-инструменты в городских школах до конца 8-го класса — это ~600 тыс. учеников. Запрет не про «ИИ вообще», а про возраст: чем младше, тем жёстче.

Конкретно:
- до 8-го класса включительно ученикам нельзя пользоваться ИИ-инструментами;
- до 3-го класса — вообще без индивидуальных экранов;
- чат-боты-«компаньоны» запрещены на всех ступенях;
- средней школе рекомендуют не больше 45 минут экранного времени в день;
- учителям ИИ можно — для подготовки уроков, но не для проверки/оценки работ.

Подтекст статьи: это политический сигнал, а не только педагогика. Мэр Зоран Мамдани прямо говорит, что индустрия пытается подать ИИ-образование как неизбежность, и город с этим не согласен. При этом родительские группы (Parents for AI Caution) считают правила слишком мягкими и требуют полного двухлетнего моратория — боятся «когнитивной капитуляции»: дети делегируют мышление софту и не учатся думать сами.

Что дальше: рабочая группа (учителя, политики, эксперты, профсоюзы) к апрелю 2027 готовит доклад, на его основе будет постоянная политика по ИИ в школах Нью-Йорка.

Статья короткая (рубрика Short News на The Decoder, 7 сентября 2026, со ссылкой на NYT) — фактически это новость-заметка, а не аналитика.