Сразу три свежие истории показывают, как прикладной ИИ спотыкается не только на качестве ответов, но и на вполне земных вещах: лишних правах, неуправляемых расходах и побочных эффектах в инфраструктуре. В центре внимания — Claude в Slack, тревоги вокруг стоимости кодовых агентов и история о том, как OpenAI Codex может превращать накопители в дорогую расходную статью.
В подборке — новый уход на верхнем уровне в OpenAI и попытка Nvidia показать, что следующая волна ИИ-инфраструктуры может тратить значительно меньше воды.
Среди малозаметных запусков последних дней особенно выделяются продукты не про витрину, а про реальную рабочую боль: сбои памяти у ИИ-агентов, общий контекст между приложениями, возврат долгих процессов без лишних затрат и безопасная автоматизация для операционных команд. Почти у всех здесь очень слабый ранний сигнал внимания — 1–3 балла на Hacker News или почти нулевая дискуссия, — но именно поэтому их легко пропустить раньше времени.
Две почти незаметные находки с BetaList показывают, что интересные AI-запуски часто рождаются не в шуме, а в серой зоне реальных ограничений. Human Browser идёт в болезненную инфраструктуру для агентных сценариев, а Agentica пытается упаковать целую компанию из шести ИИ-ролей в один рабочий контур.
Strata вышла на Hacker News с сильной реакцией сообщества: 133 балла и 66 комментариев. Проект решает одну из самых болезненных проблем агентных систем — как работать с большим набором инструментов без перегрузки и потери надежности.
График Our World in Data показывает, насколько резко вырос объем вычислений, нужный для обучения заметных систем ИИ. Это важно не только для инженеров: гонка в области ИИ все сильнее зависит от того, кто может позволить себе дорогую инфраструктуру.
Reuters сообщает о плане Пекина вложить около 2 трлн юаней, или 295 млрд долларов, в строительство центров обработки данных по всей стране. Это показывает, что гонка за AI выходит на уровень долгосрочной государственной промышленной политики и может заметно изменить баланс сил между Китаем и США.
В этой короткой подборке два инфраструктурных стартапа, которые смотрят на один и тот же узкий, но болезненный слой ИИ-рынка: как компаниям эффективнее использовать графические ускорители и не тонуть в ручном управлении вычислительными мощностями.
Era строит программную платформу для ИИ-гаджетов — от очков до украшений и колонок — чтобы производителям не приходилось каждый раз заново собирать голосовой, многомодальный и оркестрационный слой. Пока это выглядит как ранняя нишевая ставка, а не громкий потребительский запуск, но именно поэтому за ней стоит следить сейчас.
