SkillNet и новые сверхспособности ИИ в 2026

Представьте, что ваш ИИ-помощник перестаёт быть глупым после первого же задания

Alibaba, Ant, Tencent и другие гиганты объединились, чтобы создать SkillNet — открытую инфраструктуру, где ИИ учится на собственных ошибках и передаёт навыки другим. Работает это так: система анализирует кучу источников, генерирует новые умения, отсеивает дубликаты, проверяет на безопасность и только потом добавляет в общую копилку. Звучит как магия, но это уже работает.

Самое крутое — трехуровневая онтология. Верхний уровень раскладывает навыки по полочкам с тегами. Средний показывает, как они связаны друг с другом. А нижний собирает их в готовые модули для конкретных задач. Если вы думаете, что это слишком сложно, то спешу обрадовать: эксперименты на ALFWorld и WebShop показали, что эффективность ИИ-агентов взлетает на 40%, а количество лишних действий падает на 30%. То есть ваш помощник перестаёт тупить и начинает делать дело в два раза быстрее.

Почему это переворачивает игру: Раньше каждый ИИ-агент учился с нуля, как первоклассник. Теперь однажды отработанные решения становятся многоразовыми навыками. Это экономит уйму вычислительных ресурсов и времени. И да, система строго следит, чтобы в репозиторий не попали опасные или кривые навыки. Чем больше людей пользуются SkillNet, тем умнее и адаптивнее она становится. Шаг к настоящим автономным агентам, которые не просят ‘повторите задание’.

Как заставить нейросеть помнить важное и забывать лишнее

Moonshot выпустила Attention Residuals — представьте, что нейросеть теперь сама решает, какую информацию из прошлых слоев ей тащить в будущее. Раньше каждый слой тупо добавлял свой результат к общей куче, и к концу обучения модель захлёбывалась в шуме. Теперь механизм внимания работает не только между токенами, но и между слоями — по вертикали. Это как если бы вы читали книгу и выделяли маркером только важные абзацы, а не перечитывали всё подряд.

Чтобы большие модели не перегрелись, авторы придумали Block AttnRes. Сеть делится на блоки, внутри которых работает старый добрый метод, а умное внимание включается только между блоками. Результат: точность та же, а вычислений нужно на 25% меньше. Время инференса растёт менее чем на 2%, и обучение становится стабильнее. Если вы когда-нибудь ждали, пока нейросеть ‘подумает’ целую вечность — теперь таких пауз станет меньше.

Почему это важно для вас: Обычные остаточные связи размывают информацию, как копия копии. Attention Residuals позволяет модели избирательно обращаться к действительно важным представлениям из прошлого. Это решает проблему ‘забывчивости’ больших языковых моделей и контролирует рост их внутренних состояний. Грубо говоря, ИИ перестаёт страдать склерозом и начинает соображать быстрее.

А вот что ещё случилось на неделе, чтобы вы чувствовали себя в теме

Google Research выяснила забавную вещь: если попросить LLM ‘рассуждать’ даже над простыми фактами, она начинает глубже копать и находит новые связи в данных. То есть простое ‘давай подумаем’ расширяет границы знаний модели.
Amazon предложила иерархическую систему планирования для сложных веб-задач на основе динамических AND/OR-деревьев. Если вы когда-нибудь пытались заставить бота забронировать билеты с пересадками — вы оцените.
University of Maryland научил ИИ-агентов не просто повторять правильные действия, а понимать, почему одно решение лучше другого. Это как перейти от зубрёжки к осознанности.
IBM разработала фреймворк, который вытаскивает полезные уроки из рабочих логов агента и через контекстную память улучшает его результаты. Ваш помощник будет умнеть на ваших же задачах.
NVIDIA анонсировала NemoClaw (корпоративную версию OpenClaw), ЦОД в космосе (да, вы не ослышались), инфраструктуру Vera Rubin и модель для автономного вождения. Видимо, Земли им уже мало.
Mistral открыла платформу, где можно обучать модели на своих закрытых данных. Теперь ваша коммерческая тайна не утечёт в общую базу.
Manus представил ИИ-агента для работы с файлами и приложениями на компьютере. Наконец-то цифры в Excel перестанут быть камнем преткновения.
MiniMax выпустил самоэволюционирующую модель. Звучит как начало ‘Терминатора’, но пока что она просто учится сама себя улучшать.

Новости собраны аналитическим центром red_mad_robot. Если вы дочитали до сюда — вы настоящий гик.