ИИ новости: 22 сентября 2026

Фундаментальные тренды

OpenAI и Anthropic одновременно двигают границу цена/качество

OpenAI выпустила GPT-6 Sol и GPT-6 Luna и снизила их API-цены на 50% относительно промо-цен GPT-5.6: Sol стоит $2 за миллион входных и $10 за миллион выходных токенов, Luna — $0,10 и $0,50. Компания также заявляет, что GPT-6 Sol на AutomationBench обходит Claude Opus 5 при стоимости задачи около 9% от его уровня, а улучшенное кэширование даёт скидку 90% на чтение закэшированного входа.

В тот же день Anthropic выпустила Claude Opus 5.5. Компания заявляет уровень Claude Fable 5.1 на большинстве рабочих задач при снижении совокупной стоимости выполнения задач на 40% относительно Opus 5; API-тариф — $4 за миллион входных и $20 за миллион выходных токенов. В собственных тестах Anthropic новая модель лидирует в агентном программировании, computer use и работе со знаниями, но сама компания предупреждает, что небольшие разрывы в бенчмарках всё хуже описывают реальные различия. Примечательно, что сама Anthropic называет Opus 5.5 первым релизом после своего призыва «pacing the frontier»: неделей ранее Дарио Амодеи призвал ведущие лаборатории координировать темп развития frontier-моделей так, чтобы меры безопасности успевали за ростом возможностей.

Рыночный сдвиг здесь важнее отдельного лидерборда: frontier-возможности быстро спускаются в более дешёвые уровни. Для бизнеса это расширяет класс задач, где постоянный агентный контур может окупаться не как эксперимент, а как штатная вычислительная мощность.

Источники: OpenAI — GPT-6 Sol и Luna; Anthropic — Claude Opus 5.5; Reuters — запуск Claude Opus 5.5.

Alibaba строит китайский AI-стек от модели до 500 000 чипов

Alibaba объявила, что будущие Qwen 4.5 и Qwen 5 планируется масштабировать до 5–10 трлн параметров против 2,4 трлн у текущей Qwen 3.8 Max. Компания также представила ускоритель Zhenwu V900: по заявлению Alibaba он втрое производительнее предшественника и рассчитан на объединение до 500 000 чипов в кластер. Массовое производство и коммерческий выпуск намечены на первый квартал 2027 года.

Это не только гонка размера модели. Alibaba одновременно развивает модели, собственные ускорители и дата-центры; компания поставила цель превысить 20 ГВт глобальной мощности дата-центров к 2032 году. Reuters отмечает, что движение ускоряется на фоне американских экспортных ограничений и стремления Китая создать альтернативу Nvidia.

Для рынка это сигнал вертикальной интеграции: конкурентоспособность AI-платформ всё сильнее зависит от способности контролировать не один слой, а всю цепочку — модель, чип, кластер и облако.

Источник: Reuters — Alibaba представила новый AI-чип и планы моделей на 5–10 трлн параметров.

Где ИИ становится продуктом

Локальный ИИ начинает конкурировать с арендой облачных вычислений

Apple выводит новые Mac mini и Mac Studio на корпоративный рынок с необычным тезисом: интенсивные AI-задачи можно выполнять локально вместо постоянной оплаты облачных токенов. Reuters пишет, что конфигурации стоимостью почти $20 000 рассчитаны на программирование и сложную бизнес-работу и будут конкурировать с новыми AI-десктопами Nvidia и Windows-производителей.

Экономика пока зависит от загрузки, модели и требований к данным, поэтому универсального преимущества локального исполнения нет. Но сам рынок меняется: компании получают ещё один класс инфраструктуры между ноутбуком и дата-центром — мощную локальную машину с большой объединённой памятью и предсказуемой капитальной стоимостью.

Источник: Reuters — Apple продвигает новые Mac как локальную альтернативу части облачных AI-вычислений.

Palo Alto Networks превращает frontier-модели в непрерывный аудит безопасности

Palo Alto Networks анонсировала Unit 42 Continuous Frontier AI Defense — годовую подписку, которая использует специализированные модели Anthropic и OpenAI вместе с моделями с открытыми весами для постоянного тестирования веб-приложений, API и облачной инфраструктуры. Сервис должен искать уязвимости и пути атаки, а затем предлагать исправления на уровне кода и виртуальные патчи.

Здесь AI-агент продаётся не как помощник сотрудника, а как постоянно работающий контур проверки. Это важная продуктовая модель для задач, где среда меняется быстрее, чем периодический ручной аудит.

Источник: Reuters — Palo Alto Networks запускает AI-сервис непрерывной киберзащиты.

Архитектура и технологии внедрения

AI-агенты заходят в разработку физических роботов

NVIDIA выпустила Isaac ROS 5.0 и добавила агентные сценарии в экосистему ROS. Новые навыки позволяют агентам участвовать в настройке и манипуляции, работать с документацией и помогать адаптировать модель стереозрения под конкретные камеры и среду. NVIDIA оценивает аудиторию ROS примерно в 1,3 млн пользователей.

Сдвиг архитектурный: агент получает не только репозиторий программного кода, но и набор инструментов, который связывает намерение разработчика с восприятием и действиями физического устройства. Для внедрения это сокращает путь от описания задачи до рабочего робототехнического контура, хотя проверка в реальной среде остаётся обязательной.

Источник: NVIDIA — Isaac ROS 5.0.

Финансы

Банки требуют защитный контур для покупок через AI-агентов

NatWest, Bank of America, ING, Capital One, Commonwealth Bank of Australia и другие банки предупредили, что покупающие от имени человека AI-агенты могут увеличить риски мошенничества, утечки данных и выбора платёжных методов со слабой защитой. Группа предлагает раскрывать участие агента в транзакции, повышать прозрачность его решений и отдельно защищать клиентские данные.

Спрос уже перестаёт быть теоретическим: John Lewis сообщил, что доля поисковых обращений от AI-агентов выросла с 0,3% год назад до 2,5%. Значит, агентная коммерция начинает создавать новый слой платёжной инфраструктуры раньше, чем сформировались общие правила ответственности.

Источник: Reuters — банки предупреждают о рисках покупок через AI-агентов.

Возможности для бизнеса

Пересчитать экономику постоянных AI-агентов после нового снижения цен

Одновременное удешевление GPT-6 Sol/Luna и Claude Opus 5.5 меняет порог окупаемости сценариев с большим объёмом токенов: программирование, анализ документов, внутренние исследовательские агенты, поддержка и длительные многошаговые процессы. То, что несколько месяцев назад могло быть слишком дорогим для постоянной работы, стоит пересчитать заново на фактических объёмах клиента.

Практический MVP — взять один дорогой ручной процесс, измерить стоимость успешного результата на новой модели и сравнить с человеком и прежней моделью. Ключевая метрика — не цена миллиона токенов сама по себе, а стоимость корректно завершённой задачи с учётом повторов и контроля.

Источники: OpenAI — GPT-6 Sol и Luna; Anthropic — Claude Opus 5.5.