Anthropic подала confidential S-1 в SEC

Anthropic подала confidential draft S-1 в U.S. Securities and Exchange Commission. Это не гарантирует IPO завтра: компания может пройти review, посмотреть на рынок и затем решить, выходить публично или отступить. Количество акций и цена пока не определены.

Контекст делает новость сильнее. Последний Series H был на $65B при $965B post-money valuation. То есть Anthropic подходит к бирже как одна из самых дорогих AI-компаний до IPO. Вокруг этого уже идёт большой вопрос: сможет ли публичный рынок одновременно переварить Anthropic, OpenAI и SpaceX.

Главный эксперимент не финансовый, а управленческий. Anthropic — Public Benefit Corporation. Юридически она должна балансировать shareholder returns и свою миссию. На бумаге это красиво. Реальный тест начнётся, когда появятся earnings calls, ожидания кварталов и давление инвесторов.

Inherent: ex-DeepMind команда поднимает $50M на discovery AI agents

Inherent закрыла $50M seed, чтобы строить London-based research lab для AI-агентов, которые открывают новое научное знание. Среди инвесторов — Index Ventures, Radical VC и NVentures, венчурное крыло NVIDIA.

Сильная фраза в их подходе — “recursive self-improvement at the collective level”: не только агент улучшается, но и сама research institution должна перестраиваться вместе с агентами. Это уже не “AI помогает учёному писать paper”, а попытка собрать лабораторию, где AI участвует в постановке гипотез, поиске направлений и научной эстетике.

Самый важный сигнал — участие NVentures. NVIDIA не инвестирует в такие истории просто ради красивого pitch deck. Если AI-агенты для науки взлетят, они будут постоянно потреблять compute в биологии, материалах, физике и медицине. Это не SaaS в старом смысле, а scientific infrastructure.

Perplexity Search as Code: агент сам собирает retrieval-пайплайн

Perplexity представила Search as Code: архитектуру, где поиск не спрятан за одним endpoint, а доступен как programmable SDK primitives. Модель может генерировать Python-код, чтобы собрать retrieval pipeline под конкретный запрос.

Это правильное направление для серьёзных агентов. Обычный “сходи в поиск” слишком тупой для сложных задач. Иногда нужно сначала найти источники, потом уточнить людей, потом проверить даты, потом собрать контраргументы, потом снова искать по новым ключам. В Perplexity Computer одна задача уже может запускать сотни retrieval operations за минуты.

Практическая логика для агента:
1. Разбей вопрос на подзапросы.
2. Для каждого подзапроса выбери источник и стратегию поиска.
3. Проверь даты, авторитет и противоречия.
4. Сохрани ссылки рядом с фактами.
5. Синтезируй вывод только после проверки.
6. Покажи, какие источники использованы.

MicroAGI Shift: бесплатная уборка в обмен на данные для роботов

MicroAGI запустила в Нью-Йорке Shift: сервис, где пользователи получают бесплатную профессиональную уборку квартиры, а компания получает first-person video footage от операторов. Объявление шло через launch post, а сайт shiftapp.nyc прямо формулирует обмен: “You get a spotless apartment. We get training data.”

Смысл модели в том, что egocentric video из реальных домов — один из самых редких и дорогих типов данных для домашних роботов. Если данные стоят больше, чем уборка, экономика сходится. Но вместе с этим приходит приватность: “мы всё анонимизируем” без понятного audit trail будет вызывать сопротивление.

Для бизнеса это пример нового класса сделок: услуга становится бесплатной, потому что настоящий продукт — данные. Такое будет появляться в ремонте, доставке, уходе, обучении, медицине, недвижимости и любых физических процессах.