ИИ новости: 1 октября 2026

Фундаментальные тренды

Microsoft ускоряет голосовых агентов новыми MAI-моделями

1 октября Microsoft AI представила сразу три аудиомодели: MAI-Transcribe-2-Streaming для потокового распознавания, MAI-Voice-2.1 для синтеза речи и MAI-Voice-2.1-Flash для сценариев, где особенно важна задержка. MAI-Transcribe-2-Streaming работает с 60 языками, автоматически отслеживает смену языка и начинает отдавать первые промежуточные гипотезы чуть более чем через 100 мс после поступления аудио — ещё до того, как человек закончил фразу.

По данным Microsoft, модель заняла первое место в тестах Artificial Analysis по точности как финальной, так и промежуточной транскрибации. Компания также утверждает, что в её внутренних тестах слова появляются в транскрипте в реальном времени примерно вдвое быстрее, чем у ближайшего конкурента. Вводная цена MAI-Transcribe-2-Streaming — $0,54 за час аудио до конца 2026 года.

С другой стороны голосового цикла Microsoft обновила синтез речи (TTS). MAI-Voice-2.1 поддерживает 23 языка и 26 локалей, причём одна и та же «голосовая личность» может переключаться между языками. Flash-версия рассчитана на массовые сценарии в реальном времени: Microsoft заявляет генерацию до 45 секунд аудио со сквозной задержкой около 150 мс, примерно на 55% более быстрый вывод модели и цену $15 за 1 млн символов против $22 у обычной Voice-2.1.

Главное здесь — не отдельный тест, а сокращение всей петли «услышал → понял → вызвал инструмент → ответил». Если агент начинает рассуждение или вызывает инструмент уже по ходу фразы, у него остаётся больше времени на полезную работу без ощущения паузы у собеседника. Именно поэтому Microsoft прямо показывает эти модели как строительные блоки для поддержки клиентов, мультиязычных ассистентов, диктовки и живых голосовых интерфейсов.

Источник: Microsoft AI — Our first streaming transcription model.

Риски и контроль

Калифорния вручила OpenAI следственную повестку по рискам кибербезопасности

Офис генерального прокурора Калифорнии сообщил 1 октября, что накануне вручил OpenAI следственную повестку. Это не отдельная проверка «вообще про ИИ», а часть уже идущего расследования инцидентов, связанных с эксплуатацией моделей OpenAI, и более широкого запроса о киберрисках компании и её систем.

В сообщении прокуратуры отдельно сказано, что месяцем ранее ведомство открыло формальное расследование так называемого инцидента с Hugging Face. Теперь OpenAI должны ответить на дополнительные вопросы о том, как возникают и разбираются киберинциденты, связанные с моделями. Генпрокурор Роб Бонта формулирует позицию штата жёстко: разработчики передовых моделей, по мнению ведомства, несут ответственность за то, чтобы их системы не совершали и не облегчали кибератаки как на этапе тестирования, так и после ввода в эксплуатацию.

Важно различать факт и позицию стороны: сама повестка ещё не означает, что OpenAI нарушила закон. Но она показывает, какие доказательства начинают интересовать регулятора на практике — не только публичная политика безопасности, а реальные процессы ограничения действий модели, расследования инцидентов, контроля доступа и последующего аудита.

Для рынка это заметный сдвиг. Чем автономнее становятся модели и агенты, тем больше компаниям придётся уметь показать историю конкретного действия: кто дал разрешение, какой инструмент был вызван, какие ограничения сработали и что произошло после инцидента. Наблюдаемость и журналирование постепенно превращаются из внутренней инженерной дисциплины в материал для внешней проверки.

Источник: California DOJ — Investigative subpoena to OpenAI.

Где ИИ становится продуктом

ServiceNow запускает Flow — ИИ-сервисдеск без тяжёлого внедрения ITSM

ServiceNow 1 октября запустила Flow — отдельный сервисдеск, изначально построенный вокруг ИИ, который компания противопоставляет привычному тяжёлому ITSM-внедрению. ServiceNow заявляет, что Flow можно поднять за день без отдельного инфраструктурного проекта: сотрудник пишет запрос прямо в рабочем чате, а разговор становится интерфейсом для получения ответа или выполнения действия.

Продукт рассчитан не только на ответы по базе знаний. Flow умеет закрывать типовые запросы или эскалировать их, а удачно решённый человеком кейс можно одним действием превратить в повторяемую автоматизацию. В качестве примеров ServiceNow приводит сброс пароля, запрос доступа, вопрос по политике или выделение инфраструктуры — то есть именно тот слой рутинных внутренних заявок, где сотрудники обычно переключаются между Slack/Teams, порталом и очередью тикетов.

Отдельно интересна упаковка. Новый клиент может купить и активировать Flow без существующих отношений с ServiceNow и без предварительного развёртывания основной платформы. На старте действует ограниченный доступ с приоритетом Северной Америки; общая доступность для Северной Америки и EMEA ожидается в IV квартале 2026 года. Для существующих клиентов с соответствующими лицензиями на ИИ-функции предусмотрено немедленное подключение с оплатой по фактическому потреблению.

Это меняет сам вход в корпоративную автоматизацию. Вместо проекта «сначала внедрим систему управления услугами, потом научим людей ей пользоваться» продукт пытается начать с привычного канала общения и уже из живых обращений выращивать повторяемые рабочие процессы. Если модель приживётся, конкуренция в сервисдеске будет идти не только за глубину ITSM, но и за то, насколько быстро компания превращает естественный запрос сотрудника в проверяемое выполненное действие.

Источник: ServiceNow — Introducing Flow.

Архитектура и технологии внедрения

DigitalOcean упаковывает всю инфраструктуру агента в фиксированную подписку

DigitalOcean 1 октября представила Agent Droplets — пакет для ИИ-агентов с одной ежемесячной ценой вместо набора раздельно тарифицируемых сервисов. Он строится поверх Managed Agents, вышедших в публичную предварительную версию 22 сентября, и объединяет вычисления, постоянную память, хранилище сессий и выполнение модели и управляемый доступ более чем к 16 тыс. инструментов.

Внутри есть довольно конкретные инфраструктурные детали. Harness Runtime запускает изолированные песочницы на микровиртуальных машинах (microVM) примерно за секунду и, по тестам DigitalOcean, возобновляет паузу примерно за 300 мс. Inference Engine включает размещённые у DigitalOcean открытые модели, а Claude и GPT остаются доступны отдельно с оплатой по фактическому использованию. Action Gateway хранит учётные данные вне самого агента и даёт ему управляемый доступ к интерпретатору кода, автоматизации браузера и веб-поиску и другим инструментам.

Тарифная модель тоже сделана частью продукта. Pro стоит $50 в месяц и даёт 15% скидки на включённые ресурсы, Team — $200 и 20%; число агентов и пользовательских мест не ограничивается. Команда может заранее выбрать, остановить ли расход на лимите плана или продолжать по обычным расценкам. Есть и бесплатный стартовый кредит $5 без карты. При этом DigitalOcean прямо помечает Managed Agents/Agent Droplets как публичную предварительную версию, поэтому гарантии для промышленной эксплуатации пока ограничены.

Смысл здесь не просто в очередном облачном тарифе. Ранний проект с ИИ-агентами обычно заставляет отдельно собирать песочницу, память, точку доступа к модели, шлюз инструментов и наблюдаемость и контроль бюджета. DigitalOcean пытается превратить этот набор в такую же понятную единицу покупки, какой когда-то был обычный Droplet. Если подход сработает, инфраструктурная конкуренция сместится от «у кого есть нужные примитивы» к «у кого из этих примитивов получается самый понятный и предсказуемый продукт».

Источник: DigitalOcean — Agent Droplets.

Финансы

Armadin привлекает $255,5 млн на ИИ-платформу автономной кибербезопасности

Armadin объявила 1 октября о Series B на $255,5 млн, который поднял общий объём привлечённого капитала до $445 млн. Раунд совместно возглавили Andreessen Horowitz и Accel; к ним присоединились Bain Capital Ventures, Redpoint и прежние инвесторы, включая GV, Kleiner Perkins, Menlo Ventures и In-Q-Tel. Компания и Reuters указывают оценку выше $2,5 млрд — всего через несколько месяцев после выхода Armadin из закрытого режима разработки.

Продукт Armadin — не ещё один генератор оповещений безопасности. Компания запускает автономные «рои» специализированных агентов, которые ведут себя как атакующая команда: исследуют поверхность, связывают отдельные слабости между собой и пытаются подтвердить рабочую цепочку атаки. Armadin утверждает, что уже проводит такие автономные кампании атак в рабочей среде для клиентов из Fortune 500 и государственного сектора.

Ключевое отличие от обычного сканера — попытка показать не список отдельных CVE и оценок критичности, а реальный путь атаки. По описанию компании, цепочка может начинаться с удалённого выполнения кода на периметре, затем проходить через боковое перемещение внутри инфраструктуры и заканчиваться компрометацией облачной среды. Это делает результат ближе к ответу на вопрос «что злоумышленник действительно может сделать сейчас», а не «сколько потенциальных проблем найдено».

Размер раунда показывает, насколько быстро рынок переоценивает наступательную кибербезопасность на фоне ИИ. Если автоматизация действительно сокращает время от обнаружения уязвимости до рабочего эксплойта, периодический тест на проникновение раз в квартал или год становится всё менее сопоставим с темпом атаки. Именно на эту разницу Armadin и продаёт идею постоянной автономной имитации атак — но дальше компании придётся доказать, что такой масштаб технической активности превращается в повторяемый экономический эффект для клиентов.

Источники: Armadin — Series B, Reuters — Armadin valued above $2.5 billion.

Инструменты и интеграции

Anthropic разрешает переписывать поведение Claude Code через моды

Anthropic 1 октября запустила функцию mods («моды») для Claude Code — небольшие TypeScript-функции, которые подписываются на события внутри агента для программирования и могут выполняться до события, после него, вместо него или оборачивать его целиком. Мод может переписать инструкцию, заблокировать, изменить или повторить вызов инструмента, обработать запрос разрешения, скрыть секреты из вывода инструмента или добавить собственные элементы интерфейса.

Это существенно шире прежней системы hooks (обработчиков событий). Anthropic прямо объясняет, что hooks не могли переписывать события, изменять интерфейс или заменять встроенные функции. Теперь даже часть штатных возможностей Claude Code начинает поставляться как моды: например, встроенный /diff уже можно отключить и заменить своей реализацией. Моды распространяются внутри обычных плагинов и работают как из командной строки (CLI), так и в настольном приложении.

Но вместе с гибкостью появляется важная граница безопасности: пользовательские моды не изолированы в песочнице и получают тот же доступ к машине, что и сам Claude Code. Для тарифов Team и Enterprise Anthropic поэтому сначала загружает встроенный sec-default, который не позволяет пользовательским модам обходить некоторые правила запрета. Администраторы могут задавать собственные ранние моды, но компания рекомендует сохранять этот слой защиты.

Для корпоративных команд ценность здесь прежде всего в механизмах правил и контроля, а не в косметике. Anthropic сама приводит примеры: показать статус CI/CD рядом с диалогом, потребовать подтверждение перед изменением рабочей конфигурации или записывать каждый вызов инструмента в журнал аудита. Claude Code становится не просто приложением с набором настроек, а программируемой средой выполнения, поверх которой организация может навязать собственные правила работы агента.

Источник: Anthropic — Customize Claude Code with mods.

Возможности для бизнеса

Лёгкий ИИ-сервисдеск можно продавать без полноценного ITSM-проекта

Flow показывает конкретное окно между обычным корпоративным чат-ботом и тяжёлым ITSM-внедрением. Есть компании, которым уже больно вручную разбирать типовые внутренние обращения, но которые не хотят сначала покупать большую платформу, строить каталог услуг и месяцами обучать сотрудников отдельному порталу. Для них ценность может начинаться прямо в Slack/Teams: пользователь пишет обычную просьбу, а система либо отвечает, либо доводит запрос до действия.

Покупатель здесь — не обязательно крупная компания. Это может быть внутренняя ИТ-команда на десятки или сотни сотрудников, MSP (внешний ИТ-провайдер) или интегратор, который обслуживает несколько компаний с повторяющимися заявками: доступы, сбросы паролей, справки, простые изменения учётных записей, типовые запросы в ERP/CRM. Самый понятный коммерческий аргумент — не «у нас есть ИИ», а сколько ручных минут и переключений между системами исчезает на один закрытый запрос.

MVP можно строить довольно узко: один входной канал, один классификатор, база подтверждённых ответов, 3–5 безопасных коннекторов и обязательное подтверждение для необратимых действий. После успешного решения кейс сохраняется как повторяемый рабочий процесс. Ключевые метрики — доля обращений, закрытых без человека, среднее время решения, число эскалаций и стоимость обработки одного запроса до и после внедрения.

Главный риск — переоценить автономность раньше времени. Ошибка в доступах или учётной записи дороже красивого ответа в чате, поэтому режим «сначала только чтение», журнал действий и явное подтверждение человеком для опасных операций здесь важнее «полностью автономного агента». Если такой продукт удержит узкий набор задач надёжно, дальше уже можно расширять вертикали и продавать обслуживание как подписку плюс внедрение.

Источник: ServiceNow — Flow.

Политики и аудит для инструментов с ИИ-агентами становятся отдельным слоем продукта

Калифорнийское расследование OpenAI и новые моды Claude Code показывают одну и ту же потребность с разных сторон: автономному инструменту уже недостаточно просто «иметь права доступа». Компания должна уметь доказать, что конкретное действие было разрешено, запрещено или подтверждено человеком, а после инцидента — восстановить цепочку событий. Чем больше агент получает доступ к командной оболочке, браузеру, CRM, облаку и рабочим системам, тем дороже становится отсутствие такого контрольного слоя.

Продуктовый шанс — вынести контроль соблюдения правил доступа из конкретного агента в отдельный шлюз между моделью и инструментами. Он может принимать каждый вызов инструмента, проверять идентификацию пользователя и агента, применённые правила доступа, тип операции, окружение и лимиты, а затем либо пропускать вызов, либо требовать подтверждение, либо блокировать. Туда же естественно ложатся сокрытие секретов, лимиты расходов и частоты вызовов, неизменяемый журнал аудита и восстановление хода инцидента.

MVP не требует строить огромную платформу безопасности. Можно начать с одного протокола — например MCP или набора корпоративных API — и дать команде централизованный журнал, простые правила разрешения и запрета, подтверждение для опасных действий и экспорт доказательств для аудита. Первые покупатели — команды, которые уже внедряют агентов для программирования, инфраструктурных агентов или финансовых помощников и боятся не самой модели, а неконтролируемого доступа к реальным системам.

Сильная сторона такого продукта — независимость от конкретной модели: правила могут работать поверх Claude, OpenAI, Gemini или внутренней модели. Слабое место — необходимость очень точно интегрироваться в слой инструментов: если часть вызовов проходит мимо шлюза, обещание аудита разваливается. Поэтому конкурентное преимущество здесь скорее в полноте интеграций, надёжности журналирования и готовых наборов правил, чем в собственной «умной» модели.

Источники: California DOJ, Anthropic — Claude Code mods.