Усиление инфраструктурного слоя вокруг AI: большие лаборатории покупают cloud-платформы, agent evals становятся tooling-категорией, а капитал уходит в автономное обучение и прикладные AI-вертикали
AI-рынок всё сильнее делится на два контура: модели и инфраструктура исполнения. Для агентных систем особенно важны evaluation, deployment, compute control и независимость от одного провайдера
🧠 Model
MM1 разбирает pre-training MLLM
MM1 систематизирует методы и инсайты мультимодального LLM pre-training, показывая, какие решения сильнее влияют на качество модели
Агентам всё чаще нужен мультимодальный контекст, поэтому важно понимать ограничения и требования моделей к данным, памяти и routing
⚡ Big Labs
Покупает чтобы усилить
Mistral покупает Koyeb, чтобы усилить собственные cloud-амбиции и упростить масштабное развёртывание AI-приложений
Это сигнал, что модельные компании забирают под себя deployment layer, поэтому агентной инфраструктуре нужна переносимость между clouds и runtimes
🚀 Funding
Новая лаборатория Дэвида
Новая лаборатория Дэвида Сильвера Ineffable Intelligence привлекла $1.1 млрд на AI, который учится без человеческих данных
Если self-learning модели станут практичнее, агентной инфраструктуре понадобятся новые контуры sandboxing, оценки поведения и контроля дрейфа
Shield AI оценивают в $12,7 млрд
Shield AI привлекает $2 млрд при оценке $12.7 млрд для расширения defense AI-направления
Defense-сценарии задают жёсткую планку для автономности, надёжности, наблюдаемости и fail-safe механик агентных систем
🔧 Tools
Обновляет поддержкой упрощением
Microsoft обновляет AI Agent Evaluation GitHub Action с поддержкой Foundry agents platform и упрощением оценки агентов
Evaluation становится обязательным CI-слоем для агентов, а не разовой ручной проверкой после разработки