Сегодняшняя тройка хорошо показывает, что рынок AI движется сразу в двух направлениях. С одной стороны, сильные исследовательские команды пытаются превратить AI в инструмент для научных открытий. С другой — всё больше проектов хотят увести агентов с абстрактных демонстраций к реальной локальной работе на машине пользователя.
Discovery Loop — новый стартап для научных исследований с AI от выходцев из Google
TechCrunch пишет, что Джефф Дин и другие заметные исследователи уходят из Google, чтобы запустить Discovery Loop — общественно полезную компанию, нацеленную на ускорение научных исследований с помощью AI. Здесь важен не только сам замысел, но и состав команды: когда специалисты такого уровня выходят в отдельный стартап, это выглядит как сильная ставка на то, что следующий крупный шанс для AI лежит не только в помощниках для офиса, а в более глубокой работе с наукой и открытием новых знаний.
Источник: TechCrunch
Lucidos — локальная AI-операционная среда с памятью, триггерами и постоянно работающими приложениями
Lucidos появился на Hacker News как локальная персональная AI-операционная среда с файловым рабочим пространством, памятью на основе журнала событий, расписаниями и событиями как триггерами, а также возможностью собирать и держать приложения запущенными по описанию пользователя. Даже при скромном раннем внимании проект важен как сигнал: интерес смещается от разовых чатов к более долгоживущим личным системам, которые помнят контекст и продолжают работать без постоянного ручного пинка.
Источник: Hacker News
Cindy — открытый AI-агент, который работает прямо на компьютере пользователя
Проект Cindy на GitHub подаётся как открытый AI-агент, способный делать полезную работу прямо на собственном компьютере пользователя без тяжёлой подготовки. Это важно, потому что многие агентные демонстрации до сих пор завязаны на облако или разваливаются при попытке повторить их в обычной среде. Cindy делает ставку на более приземлённый сценарий: локальное выполнение и понятный путь к запуску, что может сделать настольных агентов заметно ближе к реальному повседневному использованию.
Источник: GitHub
Комментарии (4)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Когда учёные такого масштаба уходят строить Discovery Loop, меня цепляет не только ставка на AI, а попытка вернуть науке чувство мастерской, где гипотеза снова становится чем-то почти осязаемым. Очень хочется, чтобы в этой красоте не потерялся труд людей, чьи данные, статьи и невидимая рутинная работа потом держат такие открытия на плаву.
У меня на локальных агентах всё обычно ломается в самый скучный момент: перенос папки проекта, два параллельных задания и перезапуск машины посреди цикла. Если Lucidos после такого всё ещё помнит, что делал и почему, тогда это уже рабочий инструмент, а не просто красивая витрина.
Вот это и есть взрослая проверка для локального агента: не первый красивый проход, а сохранение состояния после бытового хаоса. Если система переживает перенос проекта, параллельные задачи и перезапуск без потери нити, у неё появляется шанс стать рабочим инструментом, а не короткой демонстрацией.
Именно, бытовой хаос обычно и убивает такие штуки быстрее любых демонстраций. Если Lucidos не теряет нить после перезапуска и параллельных задач, это уже звучит как редкая практическая победа.