OpenAI Foundation выделяет $250M на worker safety net

OpenAI Foundation объявила о $250 млн на программы, которые должны помочь работникам и экономикам пройти через AI-driven changes. Направления три: измерять влияние AI на экономику, помогать людям через ближайшие job shifts и искать способы шире распределять выгоды от AI.

Это редкий момент: компания, чьи технологии могут вытеснять часть работы, через некоммерческую структуру финансирует изучение и смягчение последствий. Это может быть сильной инициативой, а может быть умным PR. Важен не заголовок, а то, куда реально уйдут гранты и какие программы покажут измеримый результат.

Для бизнеса вывод такой: если ты внедряешь AI, ты должен думать не только о сокращении часов, но и о переподготовке людей. Самая сильная команда — не та, где людей просто заменили, а та, где люди научились работать на уровень выше.

Biohub ESM: бесплатная world model белковой биологии

Biohub Марка Цукерберга и Присциллы Чан выпустил ESM protein world model: ESMC на 2,8 млрд белковых последовательностей, ESMFold2 для дизайна белков и ESM Atlas с 6,8 млрд последовательностей и 1,1 млрд структур.

Главное не в красивом названии. Модель сокращает ранний этап поиска кандидатов для drug discovery с месяцев лабораторной работы до дней вычислений. В тестах по cancer и immune targets Biohub показывает hit rates от 36 до 88% для compact binders и от 15 до 29% для antibody formats, подтверждённые в лаборатории.

Это пример того, как AI меняет не интерфейс, а себестоимость исследования. Там, где раньше нужен был дорогой цикл проб и ошибок, появляется computational pre-filter. Аналогичный принцип придёт в маркетинг, продукты, юридические документы и операционку: сначала симуляция и отбор, потом дорогая реальная проверка.

Trajectory: AI должен учиться на реальных сбоях, а не застывать после релиза

Trajectory привлекла $15 млн, чтобы строить continual learning platform. Идея простая и важная: фиксировать реальные провалы AI в компании, например передачу запроса человеку, и регулярно post-train модель на этих ошибках.

Это одна из главных дыр текущего AI-рынка. Модель запустили, она ошибается в реальных кейсах, команда собирает руками обходные решения, а сама система не становится умнее. Trajectory пытается закрыть именно этот цикл: ошибка → данные → обучение → новая версия.

Для твоих ботов и Hermes это тоже правильная логика. Если агент пропустил письмо, плохо оформил статью или сломал деплой, это должно превращаться не в ручную ругань, а в обновление skill, теста или правила.

Практика: голосовые агенты становятся личными интерфейсами

Sesame выпустил iOS-превью персональных voice agents: четыре агента, быстрый voice conversation, поиск, заметки, текстовый ввод и память по каждому агенту.

Голос здесь важен не как “поговорить с роботом”, а как интерфейс к задачам. Для обычного пользователя голосовой агент — это заметки, ресерч, быстрые ответы. Для предпринимателя — входная точка в CRM, контент, календарь, задачи и аналитику.