Хронология развития ИИ
От машины Тьюринга до современных больших языковых моделей
89 событий
Теоремы Гёделя о неполноте
Курт Гёдель опубликовал свои теоремы о неполноте, доказав, что в любой достаточно мощной формальной системе существуют утверждения, которые нельзя ни доказать, ни опровергнуть в рамках этой системы. Это открытие не только потрясло математическое сообщество, но и имело глубокие последствия для теории вычислений и искусственного интеллекта.
Ранняя теорияТезис Чёрча — Тьюринга
Алонзо Чёрч и Алан Тьюринг независимо друг от друга предложили знаменитый тезис Чёрча — Тьюринга. Этот тезис утверждает, что любая эффективно вычислимая функция является вычислимой по Тьюрингу. Тем самым интуитивное понятие «вычислимости» получило формализацию и стало основой компьютерной науки.
Ранняя теорияМашина Тьюринга
Алан Тьюринг ввёл понятие машины Тьюринга в своей знаковой статье «О вычислимых числах с приложением к проблеме разрешения». Эта абстрактная вычислительная модель способна имитировать любой математически вычислимый процесс.
Ранняя теорияЛямбда-исчисление
Алонзо Чёрч предложил лямбда-исчисление — формальную систему для определения и применения функций. Лямбда-исчисление считается теоретической основой функционального программирования. Исходное лямбда-исчисление 1936 года было бестиповым; Чёрч добавил простые типы в 1940 году («A Formulation of the Simple Theory of Types»), создав одну из первых явно типизированных систем.
Ранняя теорияМодель нейрона
Уоррен Мак-Каллок и Уолтер Питтс опубликовали работу «Логическое исчисление идей, присущих нервной деятельности», представив первую модель искусственного нейрона (нейрон Мак-Каллока — Питтса). Эта модель упрощала нейрон до бинарного порогового переключателя, заложив основу для последующих исследований нейронных сетей.
Ранняя теорияКибернетика
Норберт Винер опубликовал «Кибернетику, или управление и связь в животном и машине», основав новую дисциплину — кибернетику. Изучение того, как системы регулируют себя посредством механизмов обратной связи, оказало глубокое влияние на ИИ и робототехнику.
Ранняя теорияТеория информации Шеннона
Клод Шеннон опубликовал «Математическую теорию связи», заложив основы теории информации. Понятия энтропии, кодирования и количества информации стали ключевыми инструментами для понимания данных и обработки информации.
Ранняя теорияТест Тьюринга
В статье «Вычислительные машины и разум» Тьюринг заменил неоднозначный вопрос «Могут ли машины мыслить?» игрой в имитацию, где судья по текстовому диалогу пытается отличить машину от человека. Это поведенческий критерий, а не доказательство наличия сознания.
Ранняя теорияДартмутское предложение 1955 года
В 1955 году John McCarthy, Marvin Minsky, Nathaniel Rochester и Claude Shannon использовали термин «artificial intelligence» в предложении Dartmouth Summer Research Project и наметили программу исследований на лето 1956 года.
Ранняя теорияДартмутская конференция
Летний Дартмутский семинар 1956 года помог закрепить название «artificial intelligence» и исследовательскую программу как идентичность нового академического направления; термин уже содержался в предложении 1955 года.
Рождение ИИLogic Theorist
Аллен Ньюэлл и Герберт Саймон разработали «Logic Theorist» — одну из ранних практических программ ИИ. Эта программа могла доказывать теоремы из «Principia Mathematica» и часто упоминается среди ранних программ искусственного интеллекта. Ньюэлл и Саймон получили премию Тьюринга в 1975 году.
Рождение ИИПерцептрон
Фрэнк Розенблатт предложил модель перцептрона — раннюю влиятельную модель искусственной нейронной сети. Перцептрон — это простой линейный бинарный классификатор, который обучается классифицировать входные данные путём подбора весов.
Рождение ИИЯзык Lisp
Джон Маккарти разработал Lisp в МТИ — один из ранних высокоуровневых языков программирования, специально созданный для исследований в области ИИ. Гибкость Lisp и мощные возможности символьных вычислений сделали его языком выбора для исследований ИИ.
Рождение ИИУниверсальный решатель задач
Ньюэлл и Саймон разработали Универсальный решатель задач (GPS) — первую программу ИИ, пытавшуюся имитировать человеческое решение задач. GPS разбивал решение на декомпозицию целей и поиск подцелей.
Рождение ИИТеорема сходимости перцептрона
Фрэнк Розенблатт доказал свойство сходимости алгоритма обучения перцептрона, показав, что если данные линейно разделимы, перцептрон обязательно сойдётся.
Рождение ИИПервый промышленный робот
Unimate стал первым роботом, работавшим на сборочной линии. В 1961 году General Motors установила его на заводе в Трентоне, штат Нью-Джерси, для разгрузки машины литья под давлением — робот снимал с неё ещё горячие отливки. Unimation выпускала эти машины для работ, трудных, опасных или однообразных для человека.
Рождение ИИМашинное восприятие трёхмерных тел
В докторской диссертации МТИ 1963 года Ларри Робертс описал систему интерпретации по изображениям сцен с простыми многогранными телами — важную раннюю основу трёхмерного компьютерного зрения.
Рождение ИИЗапуск Project MAC
МТИ запустил Project MAC в 1963 году под руководством Роберта Фано для исследований разделения времени, вычислений и машинной поддержки познания. Основанный в 1959 году проект МТИ по ИИ позднее вошёл в его работу; это не была единая лаборатория, основанная в 1959 году.
Рождение ИИELIZA
Джозеф Вейценбаум создал ELIZA в МТИ — одного из ранних чат-ботов. ELIZA имитировала разговор психотерапевта с помощью сопоставления шаблонов, вызвав глубокие размышления о взаимодействии человека и компьютера.
Рождение ИИРобот Shakey
SRI International разработала Shakey — одного из ранних автономных мобильных роботов, способного воспринимать окружающую среду, планировать маршруты и выполнять задачи. Shakey объединял компьютерное зрение, обработку естественного языка и алгоритмы планирования.
Рождение ИИКритика Мински — Паперта
Марвин Мински и Сеймур Паперт опубликовали «Перцептроны» — строгий анализ того, что однослойные перцептроны способны и не способны представлять. Книгу часто связывают с последующим снижением интереса к нейросетям, но на финансирование также влияли ограниченные вычислительные ресурсы, несбывшиеся ожидания и более широкие политические решения.
Зима ИИТеория фреймов
Марвин Мински опубликовал «статью о фреймах», предложив теорию фреймов для представления знаний. Эта теория повлияла на последующее объектно-ориентированное программирование и методы представления знаний.
Рождение ИИРождение Prolog
Ален Кольмероэ, Филипп Руссель и их коллеги разработали в Марселе первую версию Prolog, применив логику предикатов к программированию и продвинув логическое программирование и символический ИИ.
Зима ИИОтчёт Лайтхилла
Британский учёный Джеймс Лайтхилл представил правительству Великобритании пессимистический отчёт об исследованиях ИИ, что привело к значительному сокращению финансирования.
Зима ИИЭкспертная система MYCIN
Стэнфордский университет разработал MYCIN — экспертную систему для медицинской диагностики. Она продемонстрировала практичность экспертных систем, хотя из-за вопросов ответственности так и не была использована в клинической практике.
Зима ИИЭкспертная система XCON
DEC развернула XCON (eXpert CONfigurer) — экспертную систему для конфигурирования компьютерных систем VAX. XCON стала первой коммерчески успешной экспертной системой, экономя компании миллионы долларов ежегодно.
Зима ИИПервая зима ИИ
После критических оценок и сокращения финансирования в 1970-х часть исследований ИИ пережила спад. «Первая зима ИИ» — ретроспективная периодизация; сроки и масштаб различались по странам и направлениям.
Зима ИИЯпонский проект FGCS
Япония объявила проект «Компьютер пятого поколения» (FGCS) — 10-летний проект по разработке компьютеров, способных к логическому выводу и обработке знаний.
Зима ИИАлгоритм обратного распространения ошибки
Дэвид Румельхарт, Джеффри Хинтон и Рональд Уильямс опубликовали работу об алгоритме обратного распространения ошибки, сделав возможным обучение многослойных нейронных сетей.
Зима ИИНачало второй зимы ИИ
С ростом персональных компьютеров рынок дорогих Lisp-машин рухнул. Многие компании в области ИИ вновь обанкротились.
Зима ИИРасцвет статистических методов
В 1990-х годах статистические методы начали доминировать в исследованиях ИИ. Скрытые марковские модели (HMM) в распознавании речи, наивный байесовский классификатор и деревья решений в машинном обучении — всё это дало хорошие результаты.
ВозрождениеИИ в войне в Персидском заливе
Вооружённые силы США использовали системы планирования и логистики на основе ИИ в войне в Персидском заливе, продемонстрировав потенциал ИИ в реальных приложениях.
Зима ИИРождение Всемирной паутины
Тим Бернерс-Ли создал Всемирную паутину. Распространение интернета изменило образ жизни людей и предоставило ИИ беспрецедентные источники данных.
ВозрождениеКонец второй зимы
По мере развития технологий и роста коммерческих приложений ИИ начал выходить из зимы. Возрождение нейронных сетей и рост статистических методов заложили основу для новой эры.
Зима ИИМетод опорных векторов
Владимир Вапник и соавторы предложили метод опорных векторов (SVM) — мощный метод классификации и регрессии. SVM показал отличные результаты в классификации текстов и распознавании рукописного ввода.
ВозрождениеDeep Blue против Каспарова
IBM Deep Blue победил чемпиона мира по шахматам Гарри Каспарова, продемонстрировав способность ИИ превосходить человека в чётко определённых задачах.
Зима ИИДолгая краткосрочная память (LSTM)
Зепп Хохрайтер и Юрген Шмидхубер предложили LSTM — особый тип рекуррентной нейронной сети, способный обучаться долгосрочным зависимостям. LSTM добился большого успеха в распознавании речи и языковом моделировании.
ВозрождениеLeNet-5
Ян Лекун разработал LeNet-5 — свёрточную нейронную сеть для распознавания рукописных цифр. LeNet-5 стала одной из первых моделей глубокого обучения, развёрнутых в крупном коммерческом масштабе, использованной Почтовой службой США для распознавания почтовых индексов.
ВозрождениеНейронная вероятностная языковая модель
Йошуа Бенжио, Режан Дюшарм, Паскаль Венсан и Кристиан Жовен предложили нейронную вероятностную языковую модель, совместно обучающую распределённые представления слов и вероятности последовательностей для борьбы с проклятием размерности. Сеть является прямого распространения, а не рекуррентной.
ВозрождениеПрограмма CIFAR по нейронным вычислениям
С 2004 года программа CIFAR поддерживала регулярный обмен между Джеффри Хинтоном, Яном Лекуном, Йошуа Бенжио и коллегами. Она помогла координировать исследования, внесшие вклад в возрождение глубокого обучения, но не была единой точкой его начала.
ВозрождениеГлубокие сети доверия
Джеффри Хинтон предложил глубокие сети доверия (DBN) — первую успешно обученную глубокую нейронную сеть. Хинтон ввёл «послойное предварительное обучение» для решения трудностей обучения.
ВозрождениеGPU для глубокого обучения
Исследователи начали использовать GPU для ускорения обучения глубоких моделей. Параллельные вычисления на GPU сделали возможным обучение больших нейронных сетей.
ВозрождениеНабор данных ImageNet
Команда ImageNet в 2009 году опубликовала работу о крупной иерархической базе размеченных изображений, организованной с помощью WordNet. ImageNet и последующее соревнование стали важной инфраструктурой для масштабного обучения и оценки.
ВозрождениеПрорыв в распознавании речи
Google использовал модели глубокого обучения, снизив уровень ошибок распознавания речи на 25%. Это был первый крупный прорыв глубокого обучения в распознавании речи.
ВозрождениеПрорыв на ImageNet
Команда Алекса Крижевского, Ильи Суцкевера и Джеффри Хинтона использовала AlexNet на конкурсе ImageNet, одержав сокрушительную победу. Уровень ошибок снизился с 26% до 15%.
ВозрождениеWord2Vec
Томаш Миколов выпустил Word2Vec — нейросетевую модель для обучения векторных представлений слов. Word2Vec позволил компьютерам понимать семантические связи между словами.
ВозрождениеГенеративно-состязательные сети (GAN)
Иэн Гудфеллоу предложил GAN — одну из важнейших инноваций в глубоком обучении. GAN генерирует чрезвычайно реалистичные изображения путём состязательного обучения.
ВозрождениеResNet
Каймин Хе и соавторы предложили ResNet, решив проблему обучения глубоких сетей с помощью skip-соединений. ResNet позволил обучать сети из сотен слоёв.
ВозрождениеAlphaGo побеждает Ли Седоля
AlphaGo от DeepMind победил чемпиона мира по го Ли Седоля со счётом 4:1. Го считалась одной из самых сложных настольных игр для ИИ.
ВозрождениеАрхитектура Transformer
Google предложил архитектуру Transformer — революционный прорыв в NLP. Transformer является основой современных крупных языковых моделей.
ВозрождениеВыпуск GPT-3
OpenAI выпустила GPT-3 — крупную языковую модель с 175 миллиардами параметров. GPT-3 продемонстрировал поразительные способности генерации текста, вызвав широкие дискуссии об общем искусственном интеллекте.
Эра больших языковых моделейDALL-E и CLIP
OpenAI выпустила DALL-E (генерация изображений) и CLIP (контрастное обучение на текстах и изображениях). Эти модели продемонстрировали способность ИИ понимать и генерировать мультимодальный контент.
Эра больших языковых моделейCodex и GitHub Copilot
OpenAI выпустила Codex — модель ИИ, понимающую и генерирующую код. GitHub Copilot стал первым широко используемым ИИ-помощником для программирования.
Эра больших языковых моделейВыпуск ChatGPT
В ноябре 2022 года OpenAI выпустила ChatGPT — первого массового разговорного ИИ-помощника на основе генеративного ИИ. ChatGPT достиг 100 миллионов пользователей за два месяца, став самым быстрорастущим потребительским продуктом в истории.
Эра больших языковых моделейStable Diffusion с открытым исходным кодом
Stability AI выпустила Stable Diffusion — модель генерации изображений с открытым исходным кодом. Активность сообщества открытого исходного кода быстро популяризировала технологию генерации изображений.
Эра больших языковых моделейВыпуск GPT-4
OpenAI выпустила GPT-4 — мультимодальную модель, способную обрабатывать изображения и текст. GPT-4 показал результаты, близкие к человеческим, на профессиональных и академических тестах.
Эра больших языковых моделейВыпуск Claude
Anthropic выпустила Claude — ИИ-помощника, ориентированного на безопасность и полезность. Дизайн Claude отражает акцент на безопасности ИИ: ИИ должен быть полезным, безвредным и честным.
Эра больших языковых моделейLLaMA с открытым исходным кодом
Meta выпустила LLaMA — крупную языковую модель под некоммерческой исследовательской лицензией. Хотя LLaMA имеет относительно небольшой размер параметров, её отличная производительность стимулировала развитие LLM с открытыми весами.
Эра больших языковых моделейРасцвет концепции AI Agent
Концепция AI Agent начала привлекать широкое внимание. Agent — это ИИ-системы, способные самостоятельно планировать и выполнять сложные задачи.
Эра больших языковых моделейGemini 1.5 и длинный контекст
В феврале 2024 года Google представила Gemini 1.5 с архитектурой mixture-of-experts и экспериментальным контекстным окном до одного миллиона токенов.
Эра больших языковых моделейСерия Claude 3
Anthropic выпустила серию Claude 3, включающую Opus, Sonnet и Haiku. Claude 3 Opus был конкурентоспособен с GPT-4 на нескольких тестах, включая MMLU и GPQA, но отстал на других.
Эра больших языковых моделейLlama 3 open source
Meta выпустила семейство Llama 3 с открытыми весами, включая модели на 8 и 70 миллиардов параметров. Последующая Llama 3.1 405B стала первой моделью с открытыми весами, сравнявшейся с закрытыми конкурентами передового уровня на обычных бенчмарках.с закрытым кодом на стандартных бенчмарках.
Эра больших языковых моделейПринят закон ЕС об ИИ
Европейский союз принял Закон об ИИ — первое всеобъемлющее горизонтальное регулирование искусственного интеллекта. Закон установил классификацию на основе рисков и строгие требования к системам ИИ высокого риска.
Эра больших языковых моделейМодель OpenAI o1
OpenAI выпустила модель o1 — крупную модель с возможностями логического вывода. o1 показывает отличные результаты на научных и программистских задачах, демонстрируя способность «мыслить».
Эра больших языковых моделейПубличная бета управления компьютером Claude
В октябре 2024 года Anthropic представила публичную бету управления компьютером для обновлённой Claude 3.5 Sonnet: разработчики могли поручать модели видеть экран, двигать курсор, нажимать и вводить текст.
Эра больших языковых моделейВыпуск протокола MCP
Anthropic выпустила MCP (Model Context Protocol) — открытый стандартный протокол для подключения ИИ-моделей к внешним инструментам и источникам данных. MCP становится «USB-C» для приложений ИИ.
Эра больших языковых моделейСозревание экосистемы агентов
К 2025 году ИИ-агенты созрели от исследовательских демо до продуктовых инструментов. Кодинг-агенты, браузерные агенты и многошаговые агенты задач стали стандартными предложениями, при этом OpenAI, Anthropic, Google и open source проекты поставляли способные системы.
Эра больших языковых моделейРелиз DeepSeek R1
Китайская ИИ-лаборатория DeepSeek выпустила R1 — модель рассуждений с открытым исходным кодом, чья производительность конкурировала с o1 от OpenAI. Релиз продемонстрировал, что передовые возможности могут быть достигнуты за пределами американского ИИ-истеблишмента, и вызвал глобальную переоценку конкуренции в ИИ.
Эра больших языковых моделейЗапуск проекта Stargate
OpenAI, Oracle, SoftBank и MGX из ОАЭ совместно объявили об инвестициях в размере 500 миллиардов долларов в строительство ИИ-инфраструктуры в Соединённых Штатах. Проект предусматривает строительство нескольких крупных центров обработки данных в течение четырёх лет — крупнейшая инвестиция частного сектора в истории ИИ.
Эра больших языковых моделейРелиз Claude 3.7 Sonnet
Anthropic выпустила Claude 3.7 Sonnet — первую модель с поддержкой «гибридного рассуждения»: пользователи могут переключаться между мгновенными ответами и глубоким размышлением в одной и той же модели. Claude 3.7 знаменует начало консолидации продуктовых форм ИИ для рассуждений.
Эра больших языковых моделейAnthropic привлекает 3,5 млрд долларов
В марте 2025 года Anthropic объявила о раунде финансирования на 3,5 миллиарда долларов при оценке в 61,5 миллиарда долларов, став одним из самых дорогих ИИ-стартапов в мире и отражая дальнейшую концентрацию капитала в ИИ-индустрии.
Эра больших языковых моделейOpen-source релиз Llama 4
Meta выпустила мультимодальные модели с открытыми весами Llama 4 Scout и Maverick и анонсировала Behemoth — ещё обучавшуюся и не выпущенную модель-учитель.
Эра больших языковых моделейРелиз Claude 4
Anthropic выпустила семейство Claude 4 (Opus 4 и Sonnet 4), представив возможность «расширенного мышления» (Extended Thinking) со значительными улучшениями в программировании, рассуждениях и долгосрочных задачах. Claude 4 укрепил позиции Anthropic на корпоративном рынке ИИ.
Эра больших языковых моделейНачало применения обязанностей GPAI по AI Act ЕС
2 августа 2025 года начали применяться правила управления и обязанности для моделей ИИ общего назначения. Для других положений действуют отдельные переходные сроки, поэтому это не было общим началом полного правоприменения.
Эра больших языковых моделейРелиз GPT-5
OpenAI выпустила GPT-5 — унифицированную флагманскую модель, объединяющую возможности рассуждений серии o с разговорными возможностями серии GPT. GPT-5 установил новую передовую границу в программировании, математике и рассуждениях, поддерживая более длинные контексты и использование инструментов.
Эра больших языковых моделейOpenAI завершила рекапитализацию
OpenAI завершила рекапитализацию своей структуры. Коммерческая часть бизнеса стала корпорацией общественного блага под названием OpenAI Group PBC, а некоммерческая OpenAI Foundation продолжает её контролировать с той же миссией. По словам OpenAI, рекапитализация состоялась после почти года переговоров с генеральными прокурорами Калифорнии и Делавэра.
Эра больших языковых моделейАгенты появляются в поставляемых корпоративных продуктах
В первом полугодии 2026 года агентные возможности вышли за пределы демонстраций и появились в поставляемых корпоративных продуктах: агенты для программирования, поддержки и офисной автоматизации стали документированными функциями, а вокруг них созрела инфраструктура вызова инструментов и многоагентного взаимодействия. Насколько далеко зашло внедрение, не установлено. Публикуемые опросы приводят очень разные доли внедрения, поскольку по-разному определяют, что считать агентом; поэтому запись фиксирует направление, а не уровень.
Эра больших языковых моделейМодели с открытыми весами выходят в масштабе передового края
В первом полугодии 2026 года публикации с открытыми весами от DeepSeek, Alibaba Qwen, Moonshot, Zhipu и Meta достигли масштаба, ранее свойственного только закрытым системам: веса и карточки моделей можно загрузить, а не только прочитать их описание. Сравнялся ли кто-либо из них с закрытым передовым краем, зависит от выбранного индекса тестов и способа взвешивания, поэтому запись фиксирует, что именно и под какой лицензией было выпущено, а не рейтинг.
Эра больших языковых моделейNature публикует мультиагентную систему Co-Scientist
Nature опубликовал Co-Scientist — мультиагентную систему на основе Gemini, которая формулирует новые исследовательские гипотезы для экспериментальной проверки. В статье описана проверка в трёх биомедицинских задачах: перепрофилирование лекарств, поиск новых мишеней и объяснение механизмов устойчивости к противомикробным препаратам. Авторы представляют систему как помощника исследователей, а не как замену, что делает работу рецензируемым свидетельством участия ИИ в выдвижении гипотез, а не только в анализе.
Эра больших языковых моделейMeta начинает сворачивать интеграцию Manus
По сообщению от 11 июня 2026 года, Meta начала сворачивать интеграцию приобретения Manus, остановила обмен данными и разделила операции. Сообщение связывает этот шаг с требованиями китайских регуляторов; последующий юридический и операционный статус следует проверять по обновлённым данным.
Эра больших языковых моделейClaude Fable 5 и Mythos 5 приостановлены и затем восстановлены
9 июня 2026 года Anthropic выпустила защищённую Fable 5 для общего использования и Mythos 5 для проверенных партнёров Project Glasswing. Экспортный контроль США от 12 июня потребовал ограничить доступ иностранцев; не имея возможности проверять гражданство в реальном времени, Anthropic глобально приостановила обе модели. После отмены мер 30 июня Fable 5 вернулась по всему миру 1 июля, а Mythos 5 — сначала для одобренных организаций США.
Эра больших языковых моделейOpenAI подверглось совместному расследованию генеральных прокуроров штатов США
13 июня 2026 года коалиция генеральных прокуроров нескольких штатов США во главе с генеральным прокурором штата Нью-Йорк инициировала расследование в отношении OpenAI и направила компании судебную повестку. Документы должны касаться размещения рекламы, вовлечённости и удержания пользователей, склонности моделей к подхалимажу, обработки потребительских и медицинских данных, а также защиты несовершеннолетних и пожилых лиц. OpenAI заявила о готовности сотрудничать с прокурорами и подчеркнула, что в ChatGPT уже внедрены более строгие механизмы защиты несовершеннолетних.
Эра больших языковых моделейOpenAI ограничивает развёртывание GPT-5.6 по запросу правительства США
26 июня 2026 года по запросу правительства США OpenAI открыла ограниченный предпросмотр GPT-5.6 Sol, Terra и Luna для небольшой группы доверенных партнёров. 9 июля семейство GPT-5.6 стало общедоступным; OpenAI заявила, что ограниченная процедура не должна становиться нормой.
Эра больших языковых моделейSamsung и SK Hynix объявили крупные многолетние планы инвестиций в память
29 июня 2026 года Samsung и SK Hynix объявили многолетние планы на 800 трлн вон, включая четыре фабрики памяти на юго-западе Южной Кореи. Пересчёт в доллары зависит от курса; масштаб, разрешения и исполнение требуют дальнейшей проверки.
Эра больших языковых моделейGemini Spark выходит на Mac в роли десктопного агента
1 июля 2026 года Google выпустила Gemini Spark — своего круглосуточного агентского ИИ-ассистента — для macOS, с отслеживанием в реальном времени и расширенной интеграцией приложений. Spark действует постоянно в цифровой жизни пользователя, знаменуя выход агентского ИИ на потребительский десктоп.
Эра больших языковых моделейMoonshot публикует открытые веса Kimi K3
В июле 2026 года Moonshot AI опубликовала открытые веса Kimi K3 на Hugging Face. В карточке модели указаны 2,8 трлн параметров всего, из них 104 млрд активированных, контекстное окно 1 048 576 токенов и лицензия Kimi K3. Это крупнейшая свободно загружаемая языковая модель на сегодняшний день, и она выводит азиатскую лабораторию на передний край выпусков с открытыми весами.
Эра больших языковых моделейCloudflare разделяет ИИ-краулеры по назначению
1 июля 2026 года Cloudflare объявила раздельное управление трафиком Search, Agent и Training. С 15 сентября новые домены по умолчанию блокируют Training и Agent на страницах с рекламой, разрешая Search; владельцы могут изменить настройки, а для многоцелевых краулеров действует самое строгое правило.
Эра больших языковых моделейMicrosoft запускает компанию по развёртыванию ИИ за $2,5 млрд
2 июля 2026 года Microsoft объявила о создании Microsoft Frontier Company — нового операционного подразделения, ориентированного на корпоративное развёртывание ИИ на базе существующих ИИ-инструментов Microsoft. Проект поддержан инвестицией Microsoft в $2,5 млрд и 6 000 отраслевыми и инженерными экспертами — присоединяясь к Amazon и OpenAI в запуске специализированной организации по развёртыванию ИИ.
Эра больших языковых моделейРегламент ЕС об ИИ вступает в общее применение
2 августа 2026 года Регламент ЕС об ИИ вступил в общее применение, а Управление по ИИ вместе с национальными органами приняло на себя реализацию, надзор и правоприменение. Тот же пересмотр отложил самые тяжёлые обязанности для систем высокого риска: самостоятельные системы приложения III применяются с 2 декабря 2027 года, а ИИ, встроенный в регулируемые продукты, — с 2 августа 2028 года. Запрещённые практики действовали уже с 2 февраля 2025 года, а обязанности для моделей общего назначения — с 2 августа 2025 года.
Эра больших языковых моделей