тема 1Anthropic віддає 5% акцій у фонд суспільного блага
У неділю Anthropic оголосила Anthropic Public Benefit Fund. Це нова дочірня LLC, яка повністю належить компанії. Якщо акціонери погодять план, фонд одразу отримає 5% акцій Anthropic. Далі рада директорів може додавати ще 2% за кожне зростання вартості компанії на 50% понад базову оцінку. Саму базову оцінку і пороги компанія обіцяє назвати пізніше.
Anthropic пише, що фонд зможе робити великі пожертви звичайним неприбутковим організаціям або виплачувати гроші напряму окремим групам людей. Приклад, який компанія наводить першим, - вплив AI на ринок праці. На цю тему Anthropic уже виділила $200 мільйонів. Форма LLC, за словами компанії, дає гнучкість між різними видами допомоги. Акції фонду не підуть на лобізм і політичні пожертви ні в США, ні за кордоном.
Компанія порівнює схему з бонусами топменеджерів, які ростуть разом з ціною акцій. Тут цей бонус отримує суспільство. Разом зі старими обіцянками вийде близько 20% акцій. Співзасновники пообіцяли віддати 80% своїх часток, а приблизно половина працівників бере участь у програмі, де компанія подвоює пожертву акціями.
Контекст - підготовка до IPO. BBC пише, що біржова оцінка може перевищити $1 трлн, а виручка за квартал до кінця вересня зросла на 45% до $16,8 мільярда. Ілон Маск відповів у соцмережі: «Раджу віддати акції напряму людям». WSJ того ж дня нагадала про інший механізм: трастом Long-Term Benefit Trust керують пʼятеро людей. Траст може формувати раду директорів і блокувати великі рішення. Деталей про нього інвестори бачили мало.
Чому це важливо. Схема привʼязує розмір пожертви до успіху компанії. Якщо AI справді забере частину робочих місць, гроші на компенсацію ростимуть разом з тим, хто на цьому заробляє. Але поки що це обіцянка без цифр: базову оцінку, пороги і правила керування фондом компанія ще не показала. Головне питання для читача - хто вирішуватиме, куди підуть гроші.
тема 2Anthropic описала, як агенти змінили роботу в самій Anthropic
Звіт вийшов 16.10, але на HN його обговорювали вчора, і в цих випусках його ще не було.
Чотири економісти компанії взяли внутрішні дані: найм, використання AI, показники роботи, опитування, календарі і 17 інтервʼю з працівниками.
Найгостріша цифра стосується джуніорів. Частка молодших інженерів у технічних відділах упала з 21% до 14% з початку 2025 року. Частка джуніорів серед нових технічних найманих упала швидше: з 27% до 9%. Вакансії для джуніорів різко поменшали з грудня 2025 року. Близько третини менеджерів у ML і пʼята частина менеджерів у розробці кажуть, що наймають менше через AI.
Агенти тепер працюють більше за людей. До серпня агенти, яких запускають самі працівники, відпрацювали в 6 разів більше годин, ніж їхні власники. Кількість комітів на інженера за пів року зросла в 5 разів. Автори порівняли 192 інженери, які почали працювати з агентами, і 74, які не почали. Після переходу обсяг коду різко росте. Код агента видаляють і відкочують так само часто, як код людини.
Вузьке місце тепер - людина. Близько 80% часу інтерактивної сесії агент чекає на відповідь. Щоб прочитати все, що агенти пишуть, навіть нетехнічному працівнику треба більше половини робочого тижня. Тому люди переходять на «метароботу»: пишуть специфікації для агентів, ставлять одного агента перевіряти іншого, будують дашборди. Частка такої роботи в сесіях зросла з 10% восени 2025 року до 22% навесні 2026 року. Кількість постійних інструкцій для агентів зросла з кількох сотень до 8 500 за рік. Зустрічей теж стало більше: медіанний працівник сидить на них на 20% довше, ніж рік тому.
На HN найпопулярніший коментар розбирає цифри продуктивності. Коміти, запити і контракти легко множити, і бізнес від цього може не змінитись. Угоди на продавця виросли в 1,7 раза, а рахунки на бухгалтера в 1,4 раза. Ці показники ближчі до реального результату. Автори самі визнають, що вибір інструмента невипадковий: на агентів першими переходять ті, у кого і так росте обсяг роботи.
Чому це важливо. Вчора тут писали про суперечку Шоле і Леві, чи лишиться робота для програмістів. Цей звіт дає дані з компанії, де агентів найбільше. Роботу для людей він знаходить, але іншу: керувати агентами, вирішувати і домовлятись. Двері для джуніорів при цьому звужуються, і внутрішні програми переведення працівників, які описує звіт, цю проблему не вирішують. Звіт написали працівники компанії, яка продає цих агентів, тому цифри варто читати з цією поправкою.
тема 3США погрожують ЄС «нищівною» відповіддю за обмеження SpaceX
Вчора тут писали, що Зеленський назвав обмеження Starshield в Україні «спланованою операцією».
Тепер сюжет вийшов за межі України. Білий дім заяву Зеленського відкинув. Посол США сказав FT, що ЄС отримає «нищівну» відповідь, якщо Брюссель обмежить SpaceX на своєму ринку.
Semafor розбирає, що Європа може поставити натомість. Власний супутниковий проєкт ЄС почне запускати супутники лише в 2029 році. Експерт American Enterprise Institute сказав Politico, що «наступна найкраща надія» Європи - Amazon Leo, тобто теж американська компанія. Ширше питання вже ставлять інші. Експерти в Malay Mail пишуть, що країнам ASEAN час визнати цифровий суверенітет частиною стратегічного. Прем'єр Канади нещодавно сказав, що Оттава шукає альтернативу Starlink.
Чому це важливо. Звʼязок для армії став торговим питанням. Тепер спроба знизити залежність від одного постачальника коштує політичної ціни ще до того, як альтернатива існує. Для Європи вікно між «треба» і «є» займає щонайменше три роки.
тема 4Microsoft вийшла з найбільшого AI-датацентру Британії через брак електрики
Nscale торік пообіцяла вкласти £2 млрд у датацентр у Лафтоні, графство Ессекс. Це мав бути найбільший AI-датацентр Великої Британії. Microsoft збиралась фінансувати там суперкомпʼютер. BBC пише, що Microsoft свою участь припинила. Microsoft коментарів не дає.
Причина - мережа. Майданчик мав отримати живлення наприкінці цього року. Як першою написала The Telegraph, Nscale тепер повідомили, що живлення буде лише в 2030-х. Nscale називає це проблемою мережі всього Лондона. Компанія каже, що від проєкту не відмовляється і шукає інші джерела живлення. Співпраця з Microsoft у Норвегії, Португалії і США, за словами Nscale, триває.
Ще місяць тому Microsoft казала, що частина її $30 млрд інвестицій у Британію піде саме на цей суперкомпʼютер. Того ж дня FT вийшла з оглядом під заголовком «Американський бум AI-інфраструктури на $10 трлн починає розлазитись».
Чому це важливо. Гроші на чипи знайти можна, а підключення до мережі ні. Для AI-датацентру головний ресурс тепер - мегавати і дата, коли їх дадуть. Обіцянки урядів про «AI-супердержаву»
впираються в ту саму підстанцію, що й житлові квартали.
тема 5Краща модель більше не гарантує трафік розробників
The Information порахувала, як рейтинг інтелекту моделі впливає на її частку трафіку розробників. Наприкінці 2025 року перевага у 10 пунктів давала майже на 69% більше трафіку.
Тепер та сама перевага дає лише 20%. Методика за пейволом. Цифри відомі лише з анонсу статті.
Моллік відповів, що розробники з часом стануть лише малою часткою всіх токенів. За його словами, це видно з внутрішньої статистики OpenAI і Anthropic. На довгих задачах, де результат важко перевірити, розумніша модель і далі дає великий виграш.
Ґільєрмо Раух, CEO Vercel, у тому ж дусі сказав, що лабораторії мають «нуль лояльності» з боку клієнтів. Він порівняв частину AI-буму з криптобумом: компанії «вигадують обсяги токенів», а користувачі приходять за безкоштовними промоакціями і йдуть далі. За даними самої Vercel, 80% токенів у її AI Gateway припадає на відкриті моделі. Частка деплоїв на Vercel, які запускають агенти, зросла з 3% у січні до 60%.
Чому це важливо. Вчора тут писали, що Replit обрала OpenAI за ціною на задачу. Ці цифри показують той самий зсув ширше: для коду «досить добра» модель за меншу ціну виграє. Для лаб це тиск на ціни. Для команди, яка будує продукт, це аргумент тримати модель змінною і міряти вартість результату. Бал на рейтингу тут мало що каже.
тема 6Математик Франческо Маджі: «золота доба» чи «темна доба» для науки
У блозі Тао вийшов гостьовий есей Франческо Маджі. Тао додав примітку, що текст конвертувала з іншого формату AI. Маджі описує два сценарії. У «золотій добі» LLM допомагають новому поколінню науковців. У «темній добі» наукова продукція спершу різко росте, але нове знання зосереджується в руках небагатьох, які дедалі менше його розуміють.
Кілька спостережень стосуються практики. LLM найкраще пишуть доведення в Lean. Але що довше доведення в Lean, то гірше модель перекладає його звичайною мовою. Для важливих задач такі доведення мають сотні тисяч рядків. Маджі нагадує, що OpenAI у своєму «Drop» 06.10 згадала 4000 спробуваних задач і успіх у кількох сотнях «після агрегації і відбору». Формулювання, на його думку, розмите.
Найгостріший пункт - про студентів. Математики, з якими говорив Маджі, вважають, що сильний результат більше не доводить самостійних здібностей студента. За їхніми словами, цей механізм визнання «зламався за кілька тижнів». Дослідники вже обережніше пишуть заявки на гранти: рецензент може завантажити неопублікований текст у LLM. Маджі робить висновок, що суспільству тепер потрібно більше математиків.
Чому це важливо. Доведення стає дешевим, а розуміння ні. Есей переносить питання з «чи може модель довести теорему» на інші: хто відповідає за правильність, як цитувати ідеї, на яких вчилась модель, і як оцінювати людей. Ті самі питання постають у будь-якій галузі, де результат тепер може видати агент.
тема 7Дослідник Anthropic: моделі планують на кілька слів уперед
Еммануель Амейзен три роки займається інтерпретованістю в Anthropic: дивиться всередину моделей, щоб зрозуміти, що вони роблять. У подкасті Ленні Рачитськи він каже, що моделі «вирощують, а не будують». Тому дізнатись, що вони роблять, можна лише заглянувши всередину.
У треді після інтервʼю Амейзен пояснює головне. Легкі слова моделі навчились передбачати ще в 2019 році. Лишились важкі: відповідь у задачі, розвʼязка роману, висновок дисертації. Щоб їх передбачати, модель будує уявлення про світ. Всередині видно частини, які відповідають за кольори, емоції та інші поняття. Модель видає по одному слову, але часто тримає план на кілька слів уперед і працює від нього назад. Приклад з інтервʼю: у віршованому рядку модель обрала риму «rabbit» раніше, ніж написала рядок.
Чому це важливо. Образ «просто передбачає наступне слово» точний щодо виходу і неточний щодо того, що відбувається всередині. Для інженера це практично: модель, яка планує, може помилитись у плані ще до першого токена. Інструменти інтерпретованості показують, де саме.