Microsoft запускает семь MAI-моделей и снижает зависимость от чужого frontier-стека

Microsoft AI представила семь MAI-моделей: reasoning, coding, image, voice и transcription. Флагман MAI-Thinking-1, по заявлению компании, выигрывает у Claude Sonnet 4.6 в blind human evaluation, а MAI-Code-1-Flash встроен в GitHub Copilot и VS Code.

Здесь важна не только производительность. Важнее то, что Microsoft тренирует модели сама и закрывает больше слоёв цепочки: модель, облако, IDE, Copilot, enterprise contracts. Это снижает себестоимость и даёт компании рычаг против OpenAI, Anthropic и Google.

Для разработчиков и компаний это сигнал: рынок будет двигаться к model portfolio. Одна дорогая модель для всего — плохая экономика. Нормальная система будет выбирать модель под задачу: быстрый код, сложный reasoning, голос, транскрибация, черновой анализ, финальное ревью.

Stanford Law: AI-ответы выигрывают у профессоров права в 75% blind-сравнений

Исследование Stanford Law под руководством Julian Nyarko показало, что в почти 3 000 blind-сравнений профессора предпочитали AI-generated answers ответам коллег в 75% случаев. Об этом написали Forbes и Stanford-повестка вокруг liftlab.

Смысл не в том, что “профессора больше не нужны”. Смысл жёстче: AI уже достаточно силён в задачах с нюансом и аргументацией, чтобы конкурировать с экспертами там, где раньше говорили “модель не понимает контекст”.

Для бизнеса вывод простой: AI можно использовать не только для черновиков. Его можно ставить в слой второго мнения, проверки аргументов, подготовки консультаций, разбора договоров и обучения. Но финальная ответственность всё равно должна оставаться у человека.

AI-бюджеты начинают резать: агентные задачи оказались дороже, чем казалось

Bloomberg сообщил, что Uber начал ограничивать использование дорогих AI-инструментов вроде Claude Code после того, как команды слишком быстро израсходовали годовой бюджет. Это не единичная история: multi-turn агенты, code review, debugging loops и “попроси модель ещё раз” легко превращаются в незаметную дыру в бюджете.

Мини-аудит AI-бюджета:
1. Выгрузи расходы за 90 дней по ChatGPT, Claude, Cursor, Copilot, OpenRouter.
2. Разбей траты по задачам: код, тексты, ресёрч, агенты, медиа, фоновые операции.
3. Найди задачи с большим расходом и низкой ценностью.
4. Простые операции отправь на дешёвые модели.
5. Frontier-модели оставь для архитектуры, сложного кода и финального качества.
6. Поставь лимиты на команду, проект и тип задачи.

Именно поэтому у нас в Hermes нужен экономный роутер: слабые автоматические задачи — на дешёвые или бесплатные модели, базовая работа — на доступную рабочую модель, сложный reasoning и код — на Claude/топ-модель.

Белый дом выбирает мягкий контроль frontier-моделей

Президент США подписал executive order Promoting Advanced Artificial Intelligence Innovation and Security. По сути, это cybersecurity-фокус и voluntary framework: компании могут давать правительству доступ к frontier-моделям до релиза, но без лицензирования и обязательного разрешения на запуск. AP и Axios также описали это как более узкий и мягкий подход, чем ранние проекты.

Это компромисс между двумя страхами: “модели станут опасными” и “регулятор задушит лидерство США”. Для бизнеса важно другое: security-review и government access постепенно станут частью enterprise-продаж AI. Если ты внедряешь AI в критичные процессы, аудит и логи перестают быть опцией.