Jeff Dean и другие ведущие AI-исследователи уходят из Google запускать новый стартап при поддержке Radical Ventures и Khosla Ventures
AI-инфраструктура снова упирается в концентрацию талантов, edge inference и агентные интерфейсы внутри существующих рабочих инструментов. На уровне tooling заметен сдвиг к агентам, которые умеют уточнять задачу перед действием и исполнять структурированные команды в приложениях
🧠 Model
Edge inference для LLM
Работа про collaborative MEC исследует распределение LLM inference между mobile edge computing серверами через soft actor-critic подход
Агентам на устройствах и edge-сетях нужны latency-aware scheduling, распределение подзадач и graceful degradation без постоянной зависимости от центрального облака
MiniMax весит 77 ГБ
На Hugging Face опубликован MiniMax-H3-ref2va-NVFP4 diffusion checkpoint размером 77,2 ГБ
Локальные мультимодальные модели становятся тяжёлыми инфраструктурными артефактами, требующими model storage, versioning, загрузки весов и планирования GPU-памяти
🚀 Funding
Исход исследователей Google
Jeff Dean и другие топовые AI-исследователи покидают Google, чтобы запустить собственный AI-стартап при поддержке Radical Ventures и Khosla Ventures
Миграция ключевых исследователей меняет карту model providers и усиливает риск зависимости от одного большого лабораторного roadmap
🔧 Tools
Freeplane получает агента
Freeplane добавил AI Agent integration, где LLM получает conversation history, toolbox действий и возвращает структурированный ответ для исполнения в приложении
Агенты всё чаще встраиваются в существующие productivity-инструменты как action layer, поэтому нужны строгие схемы команд, permissions и трассировка выполненных действий
AnythingLLM уточняет задачи
AnythingLLM добавил Agent Surveys, позволяющие ассистенту задавать уточняющие вопросы перед выполнением сложной задачи
Для надёжных агентов важен встроенный clarification loop: лучше остановиться и собрать недостающие параметры, чем запускать рискованный workflow на догадках