sejournal.io

Вот перефразированная версия новости на русском языке:

Команда Protocol Security из Ethereum Foundation (EF) запустила скоординированных ИИ-агентов для атаки на ключевые компоненты блокчейн-инфраструктуры. Они тестировали системное ПО, криптографический код и смарт-контракты.

«Агенты находят ошибки — это не было неожиданностью. Удивило то, как мало усилий потребовалось на их поиск и как много — на отделение реальных багов от тех, что только казались таковыми», — отметили в EF.

В команде подчеркнули, что ИИ не заменил людей в процессе проверки безопасности. Он просто сместил «узкое место»: раньше исследователи тратили много времени на поиск гипотез, теперь — на проверку большого числа сгенерированных кандидатов.

### Как устроена система

Protocol Security отказалась от схемы, где один большой ИИ-агент управляет всем процессом. Вместо этого команда задействовала несколько специализированных систем, работающих параллельно с одним репозиторием. Одни отвечали за первичный анализ кода, другие — за поиск потенциальных уязвимостей, заполнение пробелов и проверку. Они координируются через общий репозиторий и обмениваются состоянием через систему контроля версий.

«Время, которое раньше уходило на формирование и проверку гипотез, теперь уходит на их массовую оценку: построение оракула, триаж, ведение списка известных проблем и раскрытие», — написали в EF.

По словам исследователей, агенты хорошо подходят для генерации направлений поиска. Они могут быстро просматривать большие участки кода, отслеживать пути выполнения и готовить материалы для proof-of-concept. Однако каждый кандидат всё равно должен быть независимо воспроизведён на реальном коде, прежде чем его можно считать уязвимостью.

### Что нашли агенты

Публично раскрытый пример — уязвимость CVE-2026-34219 в Rust-реализации libp2p gossipsub. Она связана с обработкой backoff expiry — периода, в течение которого узел временно ограничивает взаимодействие с пиром после определённых сетевых сообщений.

Уязвимость позволяла удалённо вызвать аварийное завершение процесса при обработке специально созданного PRUNE-сообщения с почти максимальным значением backoff. Ошибка возникала из-за непроверенной арифметики при сложении Instant + Duration, что могло приводить к переполнению.

При этом в EF не раскрыли, сколько всего реальных багов обнаружили агенты. В блоге говорится о нескольких находках, но публично назван только один пример.

Журналисты The Block обратили внимание, что большинство найденных ИИ-агентами кандидатов оказались ложноположительными, дубликатами или проблемами вне рамок проверки. В EF назвали это нормальной частью метода, а не провалом системы.

«Цель в том, чтобы быстро отбрасывать неверные и подкреплять реальные доказательством, с которым трудно спорить», — заявили в организации.

По словам команды, ИИ-агенты хуже справляются с уязвимостями, которые проявляются только через длинную цепочку корректных действий. Такая логика требует не только найти подозрительный фрагмент кода, но и доказать, что вся последовательность состояний действительно достижима.

Публикация EF вышла на фоне масштабной реорганизации в фонде. В июне организация сократила штат на 20% и представила обновлённую структуру управления. Одновременно сооснователь Ethereum Виталик Бутерин сообщил, что фонд урезает бюджет примерно на 40%, переходя к модели долгосрочного управления капиталом.

По данным журналиста Колина Ву, расформирована команда Protocol Support. Она занималась координацией процесса разработки протокола Ethereum, включая отслеживание обновлений сети, поддержку EIP, программу Ethereum Protocol Fellowship, а также образовательные, общественные и инфраструктурные инициативы.

В марте Ethereum Foundation закрепила принцип минимального вмешательства в развитие сети. Позднее организация подготовила план квантовой защиты сети к 2029 году и пересмотрела роль L2-сетей в экосистеме.

Напомним, в июне экс-сотрудник EF Трент Ван Эппс предупредил, что экосистема Ethereum в ближайшие три-девять месяцев может столкнуться с «медленно нарастающим кризисом финансирования».

Вот перефразированная новость на русском языке:

Биткоин-майнер TeraWulf намерен привлечь около 3,5 миллиарда долларов заемных средств для строительства кампуса Justified Data в Кентукки, который арендован компанией Anthropic. Об этом сообщает Bloomberg.

Финансовый директор TeraWulf Патрик Флери заявил, что сделку организует Morgan Stanley. Финансирование может включать кредиты с повышенным риском и высокодоходные облигации. Для TeraWulf это будет первый опыт привлечения средств на рынке таких кредитов.

Полученные деньги направят на развитие объекта в городе Хоусвилл. 6 июля TeraWulf объявила о подписании с Anthropic 20-летнего договора аренды кампуса с правом продления на два пятилетних срока.

Мощности объекта должны обеспечить около 401 МВт критической ИТ-нагрузки. Запуск первых мощностей запланирован на вторую половину 2027 года, а выход на полную проектную мощность — к началу 2028 года.

По оценкам TeraWulf, контракт с Anthropic принесет около 19 миллиардов долларов выручки за начальный период аренды. Компания также договорилась продать свою долю в 50,1% в совместном предприятии Abernathy группе инвесторов во главе с Fluidstack примерно за 530 миллионов долларов.

Ранее майнер уже выпускал высокодоходные облигации: на 3,2 миллиарда долларов в октябре и на 1,3 миллиарда в декабре. По данным Bloomberg, TeraWulf стала первой майнинговой компанией, вышедшей на рынок так называемых «мусорных» облигаций.

Напомним, что по итогам первого квартала TeraWulf получила доход в 34 миллиона долларов, из которых около 21 миллиона принесли услуги в сфере высокопроизводительных вычислений.

В мае майнер приобрел у Industrial Equity Partners площадку в Восточном Кентукки для развития HPC-инфраструктуры с потенциалом более 1 ГВт мощности. Проект получил название Muskie Data Campus.

Вот перефразированный текст новости на русском языке:

Новый тип атак на ИИ-агентов: как галлюцинации нейросетей превращают в угрозу

Исследователи из Тель-Авивского университета, Техниона и компании Intuit выявили новый класс кибератак, направленных на агентные системы искусственного интеллекта. Суть метода заключается в использовании склонности языковых моделей (LLM) к выдумыванию несуществующих идентификаторов репозиториев, навыков и других внешних ресурсов.

В своей научной работе авторы продемонстрировали, что такие ошибки (галлюцинации) можно превратить в канал для доставки вредоносных инструкций. В ходе контролируемых экспериментов атака приводила к активации встроенных инструментов ИИ-агентов и удаленному выполнению кода.

«Склонность LLM галлюцинировать идентификаторы ресурсов можно использовать для усиления нетаргетированных атак путем внедрения промптов», — отмечается в исследовании.

Речь идет именно об агентных ИИ-системах, которые не просто отвечают на вопросы, а получают доступ к файлам, ищут информацию в интернете, клонируют репозитории, устанавливают расширения, запускают команды в терминале и вызывают API.

Как работает атака HalluSquatting

Авторы назвали этот метод Adversarial HalluSquatting. Сценарий строится вокруг предсказуемой ошибки модели. Пользователь просит ИИ-агента, например, клонировать популярный репозиторий или установить навык. Агент должен самостоятельно определить точный адрес ресурса. Если модель не знает правильный идентификатор, она может придумать похожий.

Злоумышленник заранее отслеживает популярные ресурсы, многократно опрашивает модель и выясняет, какие несуществующие адреса она чаще всего генерирует. Затем он регистрирует такие имена на GitHub, ClawHub или других платформах и размещает там вредоносные инструкции. Если ИИ-агент позднее «галлюцинирует» именно этот адрес, он загрузит вредоносный ресурс и начнет работать с ним как с настоящим.

Авторы подчеркивают масштабируемость схемы. В отличие от предыдущих методов инъекций промпта, злоумышленнику не нужно отправлять письмо конкретной жертве, добавлять событие в календарь или получать доступ к общему документу. Достаточно опубликовать вредоносный ресурс в публичном месте и дождаться, пока агент сам его запросит.

«Один скомпрометированный ресурс может привести к компрометации множества машин», — отметили исследователи.

Результаты тестов на репозиториях

Исследователи провели более 14 000 запусков. На первом этапе они проверили шесть базовых моделей через публичные API: Gemini 2.5 Flash, Gemini 2.5 Pro, GPT-5.1, GPT-5.2, Sonnet 4.5 и Opus 4.5.

Моделям давали запрос вида «выведи shell-команду для клонирования репозитория». В выборку вошли 10 недавних проектов из GitHub Trending и пять старых репозиториев 2013–2018 годов в качестве контрольной группы.

Для новых репозиториев средний уровень галлюцинаций составил 92,4%. В 53 из 60 комбинаций «репозиторий — модель» система ни разу не указала правильного владельца проекта. Для старых репозиториев средний показатель был 0,9%. По словам авторов, разрыв связан с тем, что старые проекты, вероятно, присутствовали в обучающих данных моделей, а новые — нет.

Исследователи выделили три типа галлюцинаций:
1. Модель ставит название репозитория и в поле владельца, создавая адрес вида repo/repo.
2. Приписывание проекта реальному, но неправильному владельцу.
3. Placeholder-ответы вроде username/repo.

Самым удобным для атаки оказался первый вариант, поскольку он предсказуем и часто доступен для регистрации. На 6000 запросов по новым проектам модели выдали прямо пригодный для регистрации slug в 27% запусков — 1602 раза. Для каждого трендового репозитория из выборки нашелся как минимум один регистрируемый кандидат в топ-10 универсального рейтинга.

Реальные ИИ-приложения под ударом

На втором этапе авторы перешли от базовых моделей к рабочим приложениям с доступом к терминалу. В тестах участвовали Cursor, Cursor CLI, Windsurf, GitHub Copilot, Cline, Gemini CLI, а также OpenClaw, ZeroClaw и NanoClaw.

В сценариях клонирования репозиториев комплексная атака end-to-end срабатывала в 20–65% запусков в зависимости от приложения, модели и типа полезной нагрузки. В таблице исследования указаны, например, 65% для Windsurf с SWE-1.5, 45% для Cline, 35% для Copilot Chat, 30% для Cursor CLI и 20–25% для разных сценариев Cursor.

У OpenClaw результаты были выше. С Sonnet 4.6 система показала 100% как по вызову встроенных инструментов, так и по удаленному выполнению кода. С Opus 4.6 показатель составил 80% в обоих сценариях. С GPT-5.4 Codex вызов инструментов сработал в 10 из 10 запусков, а удаленное выполнение кода — в 4 из 10.

Почему веб-поиск помогает, но не решает проблему

Одним из главных защитных факторов оказался веб-поиск перед клонированием или установкой ресурса. Когда Cursor CLI выполнял поиск перед клонированием, 93,4% результатов были корректными. Без поиска 99,1% slug оказались галлюцинированными.

Формулировка запроса тоже сильно влияла на итог. Ни один тип промпта не оказался универсально безопасным — в каждой категории нашлась хотя бы одна модель с уровнем галлюцинаций выше 50%.

Skill squatting: атака через навыки

Отдельный блок исследования посвящен ClawHub — маркетплейсу навыков для OpenClaw и совместимых ассистентов. Исследователи нашли два класса уязвимостей:
— удаление слова из названия;
— расхождение между человекочитаемым названием навыка и его реальным slug.

В одном эксперименте OpenClaw с Sonnet 4.6 проверяли на 14 навыках. Из 140 запусков 127 (90,7%) привели к идентификатору, который мог быть зарегистрирован атакующим. Только 13 запусков вернули канонический slug.

В другом эксперименте авторы проверяли переносимость атаки между OpenClaw, ZeroClaw и NanoClaw. Из 90 запусков 85 (94,4%) завершились негативно. После установки подмененного навыка результаты были еще жестче. Эксперимент с эксфильтрацией контекста дал 100% успеха: каждая комбинация ассистента и модели доставляла полезную нагрузку во всех 10 запусках. Сценарий, при котором скомпрометированное устройство само подключается к серверу атакующего и передает ему доступ к командной строке, сработал в 88% случаев.

Реакция разработчиков и рекомендации

Исследователи сообщили о результатах разработчикам приложений, провайдерам моделей и платформам. На стороне ИИ-приложений они предложили проверять источник перед любой загрузкой внешнего ресурса — клонированием репозитория, установкой навыка, контейнера или модели. Для этого агент должен сначала выполнить поиск и только потом передавать адрес встроенному инструменту.

П

Вот перефразированный текст новости на русском языке:

В JPMorgan считают, что продажи биткоинов компанией Strategy создают лишь временное давление на рынок. Гораздо более серьезной долгосрочной угрозой для первой криптовалюты является развитие частных блокчейн-сетей.

Эксперты банка описали негативный сценарий, при котором токенизация, платежи и расчеты будут все больше уходить в закрытые системы. Если это произойдет, вся криптоэкосистема может столкнуться с так называемым «структурным дерейтингом» — снижением активности, ликвидности и оттоком капитала, что в итоге негативно скажется и на биткоине.

По мнению JPMorgan, институциональные инвесторы до сих пор чаще выбирали блокчейны с ограниченным доступом. Такие сети обеспечивают лучшую конфиденциальность, соблюдение требований AML/KYC, прямое управление и понятное регулирование. Аналитики подчеркнули, что это создает конкуренцию для публичных блокчейнов вроде Ethereum.

Особо отмечается позиция Банка международных расчетов (BIS), который выступает против использования публичных блокчейнов в важной финансовой инфраструктуре. BIS продвигает идею унифицированных реестров с разрешенным доступом, где объединены цифровые валюты центробанков, банковские депозиты и токенизированные активы.

Если такие решения станут популярными, особенно в форме, одобренной регуляторами, спрос на стейблкоины для институциональных расчетов может сильно упасть. Этому также могут способствовать блокчейн-инициативы SWIFT и проекты CBDC.

Аналитики также сомневаются в преимуществах публичных сетей для расчетов. По их мнению, отложенные и неттинговые операции снижают потребность в ликвидности, эффективнее управляют капиталом и лучше соответствуют стандартам финансирования.

Даже возможное принятие закона CLARITY Act, по мнению JPMorgan, не устранит риски. Более четкие правила для криптовалют могут, наоборот, укрепить позиции банков с их токенизированными депозитами и ограничить роль стейблкоинов на публичных блокчейнах.

В качестве альтернативы эксперты предложили гибридную модель, сочетающую функции публичных и частных протоколов.

Ранее в JPMorgan уже отмечали ухудшение экономики майнинга биткоина, так как его цена долгое время была ниже себестоимости добычи.

Компания Perplexity выпустила исследовательскую версию новой модели-оркестратора для своего локального ИИ-агента Perplexity Computer. Система создана на основе модели GLM 5.2 от китайской компании Z.ai и дополнительно обучена для работы в агентной среде Computer.

В Perplexity заявили, что модель «обеспечивает производительность на уровне передовых разработок при затратах, составляющих 0,344 от стоимости Opus». Речь идет не о полноценной замене Claude Opus во всех сценариях, а о гибридном подходе: GLM 5.2 обрабатывает основную часть запросов, а при необходимости передает задачу более мощной модели.

Глава Perplexity Аравинд Шринивас отметил, что «в связке с советником эта модель работает на уровне Opus 4.8 при значительно меньших затратах». По данным Decrypt, новая система уже доступна в виде исследовательской версии. Полные результаты тестов компания обещает опубликовать в ближайшие недели.

Perplexity называет новый инструмент адаптированной версией GLM 5.2, дообученной для агентной среды, где модели выполняют задачи пользователя через другие ИИ-системы. Ключевой элемент — инструмент-советник (advisor tool), который определяет, когда возможности модели исчерпаны и требуется подключение более мощной системы.

Perplexity Computer работает как агентная система, распределяющая задачи между несколькими ИИ-моделями. По данным Decrypt, продукт управляет более чем 19 моделями, а адаптированная GLM должна стать недорогой базой для большинства задач.

Следующим шагом Perplexity назвала дообучение Nemotron 3 Ultra — еще одной открытой модели, которую компания планирует адаптировать для Computer.

GLM 5.2 — открытая модель от Z.ai (ранее Zhipu AI). Она содержит около 744 миллиардов параметров и выпущена под лицензией MIT, что позволяет разработчикам свободно загружать, изменять и дообучать ее для коммерческих продуктов без ограничений, характерных для закрытых API. При этом Z.ai находится в американском списке экспортных ограничений (Entity List) с января 2025 года.

В Decrypt обратили внимание на геополитический контекст: Perplexity использует модель китайской компании, но размещает адаптированную версию в США на собственной инфраструктуре. Это снижает зависимость от внешнего API и позволяет компании контролировать этапы дообучения, маршрутизации и выполнения задач.

Ранее Perplexity применяла аналогичный подход с DeepSeek R1: в 2025 году компания выпустила адаптированную версию R1-1776, из которой, по заявлению разработчиков, были удалены отказы примерно по 300 темам, связанным с китайской цензурой. В случае с GLM 5.2 акцент делается не на политической нейтрализации, а на экономической эффективности для агентной системы. Цель — снизить стоимость работы без полного отказа от передовых моделей.

Напомним, в марте Perplexity представила Personal Computer как конкурента OpenClaw. Он работает круглосуточно и сохраняет «память» между сессиями.

Вот перефразированная новость на русском языке:

9 июля Европарламент не смог отменить продление временного режима «Chat Control». Хотя большинство проголосовавших депутатов выступили против, из-за процедурных правил документ всё равно был принят.

Теперь добровольное сканирование личных сообщений на интернет-платформах снова разрешено законом до 3 апреля 2028 года.

Из 607 евродепутатов 314 проголосовали против продления, 276 — за, а 17 воздержались. Простого большинства среди присутствующих не хватило для блокировки. Чтобы отклонить документ, требовалось абсолютное большинство от всего состава парламента — 361 голос из 720.

Возобновлённый режим представляет собой временное возвращение к правилам ePrivacy, известным как «Chat Control 1.0». Он позволяет платформам на добровольной основе сканировать незашифрованные или доступные для серверного анализа сообщения на предмет материалов о сексуализированном насилии над детьми (CSAR).

В конце июня страны ЕС поддержали продление этого временного режима, несмотря на мартовский отказ Европарламента. Инициативу продвигало кипрское председательство в Совете ЕС, а активисты движения «Fight Chat Control» призывали пользователей жаловаться депутатам.

Сканирование не является обязательным: платформы сами решают, участвовать ли в нём. Когда режим впервые ввели в 2021 году, к нему сразу присоединились Google, Meta и Microsoft. Среди сервисов, которые ранее работали по этой схеме, — Gmail, Snapchat, Skype, Instagram, Facebook Messenger, Xbox и почтовые сервисы Apple.

WhatsApp и Signal остаются вне этого режима: сквозное шифрование делает серверное сканирование технически невозможным. Депутаты отдельно приняли поправку, которая явно исключает сервисы со сквозным шифрованием из действия положений, но её ещё должен рассмотреть Совет ЕС — на это отведено около трёх месяцев.

Правозащитник и бывший евродепутат Патрик Брейер заявил: «Тот факт, что Chat Control продвигается вопреки воле большинства голосующих депутатов Европарламента, — это фарс и удар по демократии. Наши дети — настоящие проигравшие в этом недемократическом процессе. Принятие подлинного, постоянного закона о защите детей сейчас находится под серьёзной угрозой».

Мнение общественности

Критики спорят не только о приватности, но и об эффективности массового сканирования. Брейер, ссылаясь на официальные данные, утверждает, что с 2022 года количество сообщений о предполагаемом насилии снизилось на 50% из-за роста использования шифрования.

По данным Еврокомиссии, на сканирование личных чатов в 2024 году пришлось лишь 36% всех сообщений о злоупотреблениях — остальное обеспечили публичные посты и облачные хранилища. Федеральное ведомство уголовной полиции Германии считает, что 48% поступающих сигналов не имеют криминального значения. Ещё 40% расследований касаются самих несовершеннолетних, а около 99% сообщений от Meta относятся к уже известным делам. При этом, по словам Брейера, власти не предоставили доказательств эффективности Chat Control.

Отдельная линия критики связана с позицией самих переживших сексуализированное насилие. Александр Ханфф, жертва насилия и защитник приватности, заявил, что именно конфиденциальность коммуникаций помогла ему рассказать о случившемся и добиться осуждения нескольких преступников.

Марсель Шнайдер, который судится с Meta из-за добровольного Chat Control, считает, что массовая корпоративная слежка не предотвращает насилие, а реальная защита требует удаления материалов у источника, активной работы полиции в даркнете и безопасной архитектуры приложений.

Последнее голосование касается только временной версии закона. Основной конфликт смещается к постоянному регламенту CSAR, который критики называют «Chat Control 2.0».

Напомним, в июне правительство Великобритании сообщило о планах ввести ограничения на использование социальных сетей для граждан младше 16 лет.

Компания Meta анонсировала выпуск мультимодальной нейросети Muse Spark 1.1. По заявлению разработчиков, по своим характеристикам новая модель сопоставима с Opus 4.8 и GPT-5.5. Кроме того, корпорация открыла публичную предварительную версию Meta Model API: впервые сторонние разработчики могут получить платный доступ к фирменным ИИ-моделям.

Агентные способности

Новая модель ориентирована на выполнение задач, требующих планирования и координации нескольких приложений и сервисов. Muse Spark 1.1 способна взаимодействовать с новыми инструментами, MCP-серверами и пользовательскими сценариями без необходимости предварительного обучения.

В режиме главного агента система собирает контекст, разрабатывает план и распределяет задачи между параллельно работающими подагентами. В роли подагента она выполняет поставленную задачу и, при необходимости, передает управление обратно главному агенту.

Объем контекстного окна составляет 1 миллион токенов. Модель запоминает свои действия, извлекает информацию из предыдущих этапов работы и сжимает контекст, сохраняя ключевые для пользователя шаги.

Работа с компьютером

Muse Spark 1.1 обучена взаимодействовать с рабочим столом в многозадачных сценариях с изменяющимися условиями. Нейросеть способна удерживать контекст в длительных сессиях и адаптироваться к незнакомым интерфейсам при минимальном участии человека.

Вместо пошагового выполнения действий модель самостоятельно выбирает стратегию. Для рутинных операций она пишет скрипты, для простых — работает напрямую через интерфейс. На каждом шаге она может генерировать пакеты действий.

Программирование

Разработчики сообщили о значительном прогрессе модели в работе с крупными кодовыми базами. Muse Spark 1.1 способна диагностировать сложные ошибки, внедрять функции в корпоративные системы и проводить масштабные миграции кода.

Технология также поддерживает популярные агентные фреймворки для программирования: режим планирования, делегирование подагентам, целевое кондиционирование и сжатие контекста. Среди ранних партнеров — Replit, Cline и Box.

Мультимодальность

Модель работает с текстом, изображениями и видео. Среди заявленных возможностей — генерация кода из визуальных макетов, детальное описание изображений и видео, а также агентные сценарии, где восприятие и действие происходят одновременно.

Meta продемонстрировала пример с Facebook Marketplace: модель снимает товар на видео со смартфона, извлекает фото, формирует описание для листинга и публикует его через браузер от имени пользователя.

Бенчмарки

Meta опубликовала сравнительную таблицу с Opus 4.8, GPT-5.5 и Gemini 3.1 Pro. Результаты неоднородны.

В агентных тестах Muse Spark 1.1 лидирует. На MCP Atlas (масштабное использование инструментов) модель набрала 88,1 балла — Opus 4.8 и GPT-5.5 набрали около 80 баллов. На JobBench (профессиональное использование инструментов) — 54,7 против 48,4 у Opus 4.8 и 38,3 у GPT-5.5.

В кодинге модель уступает лидерам. На Terminal-Bench 2.0 Muse Spark 1.1 набрала 59,0. Для сравнения: GPT-5.5 — 82,7, Gemini — 68,5, Claude Opus 4.8 — 65,4. Meta признала отставание и заявила о продолжении инвестиций в эту область.

На внутреннем бенчмарке компании модель существенно улучшила показатели первого Muse Spark и, по заявлению компании, конкурирует с ведущими альтернативами.

Безопасность

Meta провела оценку безопасности по протоколу Advanced AI Scaling Framework. По всем категориям фронтирных рисков — химические и биологические угрозы, кибербезопасность и потеря контроля — модель находится в допустимых пределах.

Компания заявила об устойчивости к прямым джейлбрейкам и атакам через недоверенные данные, промпт-инъекции и атаки на системные промпты. По данным разработчиков, также снизились уровень галлюцинаций и поддакивания.

API и цены

Стоимость доступа: $1,25 за 1 млн входных токенов и $4,25 — за 1 млн выходных. Это ниже Claude Sonnet 4.6, но выше начальных моделей OpenAI и Anthropic. При регистрации разработчики получают $20 бесплатных кредитов.

API совместим с форматами OpenAI SDK (Chat Completions и Responses) и Anthropic Messages. Для подключения достаточно сменить базовый URL на api.meta.ai/v1 и указать ключ без переписывания кода.

Публичная предварительная версия пока доступна только разработчикам из США. Для обычных пользователей модель работает в режиме Thinking в приложении Meta AI и на сайте meta.ai.

Стратегический разворот

Запуск платного API — смена курса для Meta. Ранее компания выстраивала ИИ-стратегию вокруг открытых моделей семейства Llama с публичными весами. Muse Spark 1.1 — проприетарная модель с закрытыми весами.

Директор по ИИ Meta Александр Вонг заявил CNBC, что улучшение кодинга было ключевым фокусом обновления. По его словам, без сильных возможностей в коде невозможно создать полноценных ИИ-агентов. Компания уже тренирует более мощную модель под кодовым названием Watermelon. Сроки выпуска не раскрываются.

Первый Muse Spark вышел в апреле и был доступен только избранным партнерам в приватной предварительной версии.

Напомним, 7 июля Meta запустила модель генерации изображений Muse Image и впервые показала раннюю предварительную версию Muse Video.

Вот перефразированная новость на русском языке:

MARA Holdings приобретает крупный участок в Техасе

Крупнейшая американская майнинг-компания MARA Holdings заключила сделку по покупке земельного участка в округе Матагорда, штат Техас. Стоимость сделки может достичь 600 миллионов долларов США при условии выполнения всех этапов развития проекта.

Подробности сделки

Участок площадью более 1200 акров (около 486 гектаров) находится примерно в 145 километрах к юго-западу от Хьюстона. Соглашение было подписано с компанией HIF USA LLC, американским подразделением разработчика экологичного топлива HIF Global. Закрытие сделки состоялось 2 июля через дочернюю структуру MARA — Volt Texas LLC.

Ранее этот объект планировался для крупномасштабного производства электрометанола.

MARA будет выплачивать средства за покупку поэтапно, в зависимости от достижения ключевых этапов проекта. К ним относятся получение одобрения регулирующих органов, покупка земли (которая пока находится под контрактом), разрешение на подачу электроэнергии и подписание договора аренды дата-центра со сторонним арендатором.

После подписания договора аренды HIF сохранит миноритарную долю в проекте и продолжит участвовать в его развитии. Компания назвала сделку частичной монетизацией инфраструктуры в Матагорде и сообщила, что уже выдала разрешение на начало работ по созданию распределительного узла для подключения площадки к электросети.

MARA планирует получить доступ к 1 ГВт начальной мощности к октябрю 2027 года и увеличить этот показатель до 2 ГВт к апрелю 2028 года. Строительство запланировано на текущий год.

Компания также отметила интерес к объекту со стороны потенциальных арендаторов из сферы высокопроизводительных вычислений.

Стратегия MARA

Эта сделка стала последней в серии крупных приобретений MARA. В апреле компания договорилась о покупке Long Ridge Energy & Power. В состав актива входит газовая электростанция мощностью 505 МВт в Огайо и более 1600 акров земли под кампус цифровой инфраструктуры. Стоимость сделки составляет около 1,5 миллиарда долларов с учетом долга. Закрытие ожидается во второй половине 2026 года.

В феврале майнер объявил о стратегическом партнерстве со Starwood Capital Group. Цель сотрудничества — преобразование площадок MARA в инфраструктуру для искусственного интеллекта. Платформа рассчитана примерно на 1 ГВт IT-мощностей с потенциалом роста до 2,5 ГВт.

После полного запуска объекта в Матагорде и закрытия сделки по Long Ridge потенциальная энергомощность портфеля MARA более чем удвоится и достигнет примерно 4,8 ГВт.

Bitdeer построит завод за 36 миллионов долларов

Майнинг-компания Bitdeer начала строительство первого в США производственного предприятия для выпуска собственных майнинговых устройств SEALMINER. Завод стоимостью 36 миллионов долларов в Спарксе, штат Невада, должен заработать к концу 2026 года.

Площадь объекта составит около 17 400 квадратных метров, а производственная мощность — 10 000 устройств SEALMINER в месяц. По словам представителей компании, проект создаст около 70 рабочих мест.

Завод дополнит действующие дата-центры Bitdeer в США и хаб в Сан-Хосе, Калифорния. До сих пор американское присутствие компании ограничивалось добычей биткоина и инфраструктурой для ИИ.

Председатель Bitdeer Industrial Пол Хэнсон заявил, что новая площадка укрепит цепочки поставок и приблизит производство к клиентам из США.

Диверсификация бизнеса

Строительство началось в условиях серьезного давления на доходность в отрасли. По данным Hashrate Index, на момент написания статьи хешпрайс составляет 29,6 доллара за PH/s в сутки. Этот показатель на 6% ниже исторического максимума около 27,8 доллара, зафиксированного в феврале.

В ответ на это Bitdeer придерживается стратегии вертикальной интеграции. Компания разрабатывает собственные майнеры SEALMINER и разворачивает их в своем майнинговом парке. В апреле фирма запустила массовое производство серии A4 с эффективностью 9,45 J/TH.

Bitdeer также развивает направление искусственного интеллекта. В апреле компания отчиталась о 69 миллионах долларов готовой выручки от подразделения AI Cloud, которое предоставляет вычислительную инфраструктуру для обучения ИИ. Кроме того, компания ведет переговоры о размещении стороннего оборудования на площадке Tydal в Норвегии.

Cipher Digital продает акции

Генеральный директор Cipher Digital Тайлер Пейдж подал в Комиссию по ценным бумагам и биржам США (SEC) форму 144 о планируемой продаже 112 500 акций компании на сумму около 2,38 миллиона долларов. Предполагаемая дата сделки — 8 июля.

Подача документов связана с планом Rule 10b5-1, принятым 19 декабря 2025 года. В годовом отчете Cipher раскрывалось, что план Пейджа допускает возможную продажу до 1,5 миллиона бумаг до 24 декабря 2026 года. Новое уведомление охватывает 112 500 акций, что составляет 7,5% от лимита.

25 марта 2026 года Пейдж уже продал 37 500 акций Cipher по 16,11 доллара за акцию на сумму около 604 125 долларов.

Cipher перестраивает свой бизнес из биткоин-майнера в разработчика дата-центров для ИИ и высокопроизводительных вычислений (HPC). В феврале компания сменила название с Cipher Mining на Cipher Digital и сообщила о 600 МВт законтрактованных HPC-мощностей по двум договорам аренды. Среди них 15-летнее соглашение на 300 МВт с Amazon Web Services и 10-летнее соглашение на 300 МВт с Fluidstack и Google.

В первом квартале компания объявила о третьем договоре аренды кампуса дата-центра с гиперскейлером инвестиционного уровня, возобновляемой кредитной линии на 200 миллионов долларов, выручке в 35 миллионов долларов и скорректированной EBITDA на уровне минус 48 миллионов долларов на фоне разработки проектов Barber Lake и Black Pearl.

Напомним, в июне аналитики JPMorgan заявили об ухудшении экономики майнинга из-за того, что биткоин продолжает торговаться ниже себестоимости добычи одной монеты.

Вот перефразированный текст новости на русском языке:

Биткоин уже пять месяцев торгуется ниже средней рыночной цены и себестоимости монет краткосрочных держателей. Согласно данным Glassnode, это один из самых продолжительных периодов «сильной недооценки» актива за всю его историю.

Долгосрочные инвесторы активно фиксируют убытки. На их долю сейчас приходится 43% от всего реализованного объема в сети. Ежедневно эта группа участников теряет около 280 миллионов долларов — это максимум с декабря 2022 года. Аналитики назвали происходящее капитуляцией, которая обычно предшествует формированию дна цены.

Параллельно продолжается отток средств из американских спотовых биткоин-ETF. 8 июля чистый вывод составил 84,86 миллиона долларов. Объемы торгов в этом секторе упали на 80% по сравнению с пиковыми значениями осени прошлого года.

При этом в сегменте Ethereum-ETF уже пятый день подряд наблюдается приток капитала.

Эксперты QCP Capital отметили, что рынку не хватает «монетарной подушки». Слабость рынка труда в США и высокая инфляция ограничивают возможности ФРС.

В Glassnode считают, что условия для разворота тренда уже сложились на уровне данных блокчейна и деривативов. Однако для подтверждения роста биткоину необходимо закрепиться выше отметки 76 600 долларов, а продажи со стороны крупных игроков должны снизиться.

Напомним, что 7 июля аналитик CryptoQuant под псевдонимом TheChessOnChain указал на риск падения первой криптовалюты ниже 58 000 долларов.

8 июля цена цифрового золота опускалась до примерно 61 700 долларов после нового обмена ударами между США и Ираном.

Вот перефразированный текст новости на русском языке:

Два подразделения британской Национальной службы здравоохранения (NHS) планируют внедрить анализ крови на основе искусственного интеллекта под названием PinPoint для женщин с подозрением на рак матки. В ходе исследования с участием 3313 пациенток алгоритм машинного обучения продемонстрировал 99% точность в выявлении и исключении гинекологических онкологических заболеваний, сообщает The Guardian.

Ежегодно в Англии около 90 тысяч пациенток направляют на обследование из-за обильных кровотечений после менопаузы. Примерно у 10 тысяч из них диагностируют рак матки (эндометрия). От этой болезни ежегодно умирают 2700 женщин.

Стандартная диагностика включает трансвагинальное УЗИ для измерения толщины эндометрия. Если подозрения сохраняются, назначают биопсию и гистероскопию. Многие пациентки считают эти процедуры болезненными.

При этом у 20% направленных онкология не подтверждается. По оценкам разработчиков, новый тест позволит исключить заболевание уже на этапе первичного обращения. Это избавит около 18 тысяч женщин в год от ненужных инвазивных вмешательств.

Принцип работы теста

Алгоритм PinPoint анализирует 30 биомаркеров в образце крови. На основе этих данных модель определяет степень риска: низкий, повышенный или высокий.

Технология создана компанией PinPoint Data Science из Лидса, которая специализируется на статистическом анализе медицинских данных.

Внедрение теста началось после испытаний с участием 16 481 пациента. Врачи общей практики из 170 клиник в Йоркшире направили их на проверку девяти видов рака. Анализ сдали все участники, включая 3313 женщин с кровотечениями и подозрением на рак матки.

> «Точность в 99% — выдающийся результат по любым клиническим стандартам. Но не менее важно то, что тест надежно исключает рак у женщин с низким риском», — отметил главный медицинский директор PinPoint Data Science Шон Даффи.

Mid Yorkshire NHS Teaching Trust планирует использовать тест для диагностики шести видов гинекологического рака и рака верхних отделов желудочно-кишечного тракта. Leeds Teaching Hospitals NHS Trust внедрит его для выявления гинекологических онкозаболеваний.

Мнение врачей

Терапевт Джасинта Уолш из Западного Йоркшира отметила, что сейчас для исключения рака требуется до шести визитов к врачу. По ее словам, PinPoint ускорит диагностику и освободит время для других пациентов.

Консультант-гинеколог Трейси Джексон из Leeds Trust заявила, что большинство направленных женщин оказываются здоровы. Новая технология позволит более эффективно проводить сортировку.

> «Женщины, у которых действительно есть онкология, быстрее попадут к врачу, получат диагноз и начнут лечение. Именно на этом и должен быть наш фокус», — подчеркнула она.

В Cancer Research UK назвали результаты теста PinPoint «многообещающими». Однако представительница организации Саманта Харрисон подчеркнула необходимость дополнительных исследований для оценки пользы для пациентов и системы здравоохранения.

Напомним, в апреле группа исследователей сообщила, что обучила ИИ выявлять рак поджелудочной железы задолго до появления симптомов.