botdev · боты и ИИ-агенты

Губернатор Пенсильвании Джош Шапиро подписал Artificial Intelligence Deceptive Advertising Act. Закон обязывает маркировать любую рекламу, значительно изменённую или созданную ИИ: изображение, видео, аудио или текст. Метка должна идти в том же формате, что и сама реклама.

Для российского бизнеса это пока не про закон, а про тренд. Если делаете рекламные креативы через ИИ для маркетплейсов или соцсетей, разумно уже сейчас закладывать привычку отмечать такие материалы, особенно для зарубежных площадок и покупателей. Для разработчиков ботов и интеграторов это сигнал: в системах генерации контента стоит предусмотреть поле для метки и логирование, кто и что сгенерировал.

Я бы проверил у себя, какие сервисы и шаблоны уже штампуют ИИ-контент без всякой пометки, таких большинство. Не верю, что это остановит поток сгенерированных объявлений, но в юрисдикциях с таким законом их просто начнут обходить формулировками.

Илья

Источник: The Verge, https://www.theverge.com/ai-artificial-intelligence/1018187/pennsylvania-ai-deceptive-advertising-act

Claude обрёл инстинкт самосохранения:

Источник: Telegram @itmemes, https://t.me/itmemes/19352

Команда PIM-системы на Хабре рассказала, как за несколько месяцев перестроила продукт: в платформу встроили ИИ-агента, который сам ищет информацию в интернете и создаёт карточки товаров на маркетплейсах, без ручного заполнения.

Для продавцов это значит меньше рутины на заведение карточек: не нужно вручную собирать характеристики, описания и коды ТН ВЭД по каждой позиции. Для бизнеса с большим ассортиментом на Ozon, Wildberries и Я.Маркете это прямая экономия часов менеджера на карточку. Но агенту всё равно нужна проверка: автономный поиск в сети не гарантирует точность данных, особенно по кодам и характеристикам, за которые отвечаете вы.

В своей практике вижу похожую историю: автономные агенты хорошо справляются с первичным сбором и черновиком, а финальную проверку человек пока не отдаёт никому. Я бы в первую очередь протестировал агента на категориях со строгой нормативкой, типа кодов ТН ВЭД, там ошибка дороже всего.

Илья

Источник: Хабр, https://habr.com/ru/articles/1098978/

Moonshot AI выпустила Kimi K3.1 Pro: открытую модель с окном на 1 млн токенов, заточенную под код, ИИ-агентов, 3D и финансовую аналитику. На Kimi Code Bench 3.0 она даёт 61,2% против 55,95% у предыдущей K3, на BenchCAD 92,7%, а частота фактических ошибок на внутреннем тесте упала с 23,4% до 8,3%. Модель работает с Blender, Unity, Unreal и Godot, в одном тесте провела 167 итераций разработки симулятора ходьбы и сама нашла 36 ошибок.

Для бизнеса интересны два момента: открытые веса (обещают до 4 ноября) и версия Highspeed в 2-3 раза быстрее стандартной, значит можно будет прогонять агентов дешевле. Но цифры сравнения дают сами разработчики, методика тестов своя.

Я бы сначала прогнал модель на своих задачах генерации кода для интеграций, а не доверял бенчмаркам: там часто теряется качество на реальных, не синтетических кейсах. Ограничение по кибербезопасности, кстати, плюс, меньше головной боли при встраивании в прод.

Илья

Источник: Telegram @ai_machinelearning_big_data, https://t.me/ai_machinelearning_big_data/11197

OpenAI заявила, что перестанет обучать новые модели на данных напрямую из живого интернета, ссылаясь на «значительные риски». Решение прозвучало спустя недели после того, как инженер компании публично говорил, что такой подход работать не будет.

Для бизнеса это не сигнал к действию здесь и сейчас, новость скорее про инфраструктуру обучения моделей, чем про продукты, которыми вы пользуетесь. Но стоит учитывать на горизонте: модели могут хуже знать о событиях последних недель, а значит боты на GPT для поддержки или продаж может потребоваться чаще дотягивать актуальными данными через RAG или собственные базы знаний.

У меня в проектах актуальность и так тянется через подключение внешних источников, а не надежду на знания модели из интернета. Если OpenAI режет живой веб из обучения, это только подтверждает: свою базу знаний для бота строить надежнее, чем полагаться на память модели.

Илья

Источник: techcrunch.com, https://techcrunch.com/2026/10/23/openai-says-it-will-no-longer-train-its-ai-models-on-the-live-internet-citing-significant-risks/

Вышла Kimi K3.1 от китайской команды Moonshot AI. Модель огромная: 2.8T параметров, из них 104B активных. Веса пока не опубликовали, обещают выложить через пару недель.

По заявленным результатам модель на уровне фронтира, сравнивают с Opus 5.5, Astra, Fable 5.1. Для бизнеса это пока не про «внедрить завтра»: веса закрыты, нужно ждать релиза и проверять поведение на своих задачах, не на бенчмарках. Но если веса откроют и цифры подтвердятся, это ещё один бесплатный или дешёвый вариант для RAG, обработки документов и ботов поддержки без привязки к OpenAI или Anthropic.

Смотрю на такие релизы спокойно: заявленный уровень и реальное поведение модели на русском языке и в тупых корпоративных промптах почти всегда расходятся. Возьму в работу, когда веса выложат и можно будет погонять на реальных кейсах, а не на демках.

Илья

Источник: Telegram-канал Data Secrets, https://t.me/data_secrets/10204

OpenAI с 20 ноября обязывает все сторонние шлюзы, роутеры и реселлеры API проходить собственное одобрение. Базовых правил больше не хватит: нужны фильтры безопасности, согласование блокировок, разбор случаев злоупотреблений и система SafetyID, через которую партнёр изолирует подозрительного пользователя при расследовании или утечке ключей.

Для бизнеса, который подключает ChatGPT через посредников, маркетплейсных агрегаторов или no-code платформы, это повод проверить, успел ли провайдер пройти проверку OpenAI. Если нет, доступ к API может просто отвалиться в один день. Если вы сами строите интеграции через такие шлюзы ради обхода лимитов или гибких тарифов, закладывайте время на миграцию на прямой доступ.

У меня часть клиентских ботов работает через такие прокси ради удобных платежей в рублях. После этой новости обязательно уточню у поставщиков статус одобрения, потому что молчаливое отключение API в разгар сезона дороже любой экономии на комиссии.

Илья

Источник: Telegram-канал @ai_machinelearning_big_data, https://t.me/ai_machinelearning_big_data/11195

Canva выпустила собственную модель генерации изображений Craft, сделанную с нуля командой Canva Research. Фишка в двухэтапном подходе: сначала модель проектирует композицию (расположение объектов, пропорции, иерархию, надписи), потом превращает план в готовую графику. Генерирует до 2K, более 30 соотношений сторон, надписи на 55 языках, элементы композиции можно править отдельно, через Magic Layers результат становится редактируемыми слоями Canva. Доступна в Dream Lab и через API, локального запуска нет.

Для бизнеса это про постеры, обложки, рекламные баннеры: не просто красивая картинка, а макет, который реально можно донастроить под бренд, не перегенерируя всё заново. Если держите соцсети или карточки товаров на маркетплейсах, редактируемые слои экономят часы ручной доверстки.

У меня сейчас задача верстать PDF для плакатов через Google App и ChatGPT, и результат плачевный: текст едет, композиция рассыпается. Если Craft реально отдаёт редактируемый промежуточный макет, а не просто картинку, это ближе к тому, что нужно, проверю при первой возможности.

Илья

Источник: Telegram-канал @cgevent, https://t.me/cgevent/17059

Wildberries публично выступила против инициативы, по которой маркетплейсы должны блокировать карточки товаров продавцов до того, как установлены их налоговые обязательства. В компании считают такую функцию избыточной: площадка не должна подменять налоговую.

Для продавцов это пока вопрос на будущее, а не рабочая инструкция. Если норму примут, карточка товара может уйти в блокировку раньше, чем вы вообще узнаете о претензиях налоговой. Стоит уже сейчас держать в порядке статус самозанятого или ИП, вовремя сдавать отчетность и не затягивать с подтверждением документов на площадке, чтобы не попасть под автоматическую блокировку по формальному признаку.

У меня в практике бизнес часто узнает о проблемах с налоговой уже по факту блокировки, а не заранее. Если эту функцию отдадут маркетплейсам, разбираться придется не с ФНС, а с техподдержкой площадки, а это обычно дольше и менее прозрачно.

Илья

Источник: sostav.ru, https://www.sostav.ru/publication/wildberries-vystupila-protiv-peredachi-marketplejsam-funktsij-nalogovogo-kontrolya-87977.html

MiniMax открыла веса M3.1 Flash, MoE-модели на 428 млрд параметров для программирования и ИИ-агентов. На каждый токен активируется около 23 млрд параметров. По заявленным тестам: 73,7% на DeepSWE v1.1 (разработка), 61,7 на OSWorld V2 (работа с интерфейсом), 76,2 на BankerToolBench (инструменты в банковских сценариях), 82,2 на CyberGym (уязвимости).

Для бизнеса это модель под капот, а не готовый продукт: разработчики и интеграторы могут развернуть её у себя и строить агентов для автоматизации рутинных многошаговых задач, от работы с CRM и 1С до тестирования кода. Плюс в том, что веса открыты и можно гонять независимые тесты под свои сценарии. Минус: 428 млрд параметров нужно хранить целиком, это серьёзная инфраструктура, не для обычного сервера.

В моей практике важнее не бенчмарки разработчика, а как модель ведёт себя на реальных задачах клиента: обработке заказов с Ozon или синхронизации остатков. Проверил бы её именно на многошаговых сценариях с инструментами, а не на изолированных тестах, и не спешил бы доверять цифрам из самопрезентации.

Илья

Источник: @ai_machinelearning_big_data, https://t.me/ai_machinelearning_big_data/11194