Новости AI beginner 8 мин

Пятничный дайджест №2: Codex на Windows, агентный Gemini и AI-инфраструктура

Главные новости AI за неделю к 29 мая 2026 года: Codex получает Computer Use на Windows, Google двигает Gemini в агентную сторону, Microsoft открывает computer-using agents, Anthropic привлекает крупный раунд, а NVIDIA показывает масштаб спроса на AI-инфраструктуру.

AI-агенты Claude Gemini Codex AI-новости Copilot Studio

Главное за неделю

Главный сигнал недели в AI
AI-неделя: агенты становятся рабочей инфраструктурой, а не отдельной демо-функцией.

Главный сюжет недели к 29 мая 2026 года: крупные AI-компании не просто выпускают новые модели, а двигают агентов ближе к реальной работе. Codex учится управлять Windows-приложениями, Microsoft выводит computer-using agents в Copilot Studio, Google встраивает агентность в Gemini и Search, а Anthropic и NVIDIA показывают масштаб инфраструктурной гонки.

Для читателя ezGPT это важный сигнал: AI-агент больше не выглядит как “чат с кнопками”. Он становится слоем между человеком, приложениями, документами, браузером, локальными и облачными моделями. Поэтому на первый план выходят не только промпты, но и права доступа, логи, проверка действий, стоимость и архитектура.

  • OpenAI обновила Codex: Computer Use на Windows, удаленное управление и профили использования.
  • OpenAI отдельно напомнила о safeguards к выборам: надежная информация, помощь cyber defenders и прозрачность AI-контента.
  • Anthropic объявила Series H на $65 млрд при оценке $965 млрд post-money.
  • Google после I/O 2026 продолжает разворачивать Gemini как более агентную систему.
  • Microsoft сделала computer-using agents общедоступными в Copilot Studio.
  • NVIDIA показала рекордные показатели AI-инфраструктуры: спрос на вычисления остается главным топливом рынка.

OpenAI расширила Codex: теперь важен не только код

Codex получает Computer Use на Windows
Codex двигается от coding assistant к рабочему агенту с доступом к окружению пользователя.

В релиз-нотах ChatGPT за 29 мая OpenAI описала обновления Codex: Computer Use на Windows в приложении Codex, удаленное управление рабочей машиной с мобильных устройств и профили использования. Если коротко, Codex все сильнее превращается в агента, который не только пишет код, но и видит приложение, кликает, печатает, проверяет результат и продолжает работу в реальном окружении.

Практический смысл для разработчиков: AI-агенту становится проще закрывать полный цикл “изменил код — запустил — увидел UI — поправил — проверил”. Но вместе с этим растет цена ошибок. Если агент может нажимать кнопки и работать в приложении, нужны понятные границы: какие проекты доступны, какие действия требуют подтверждения, где сохраняются логи и как откатить изменения.

OpenAI напомнила о выборах, прозрачности и водяных знаках

27 мая OpenAI опубликовала материал о safeguards к выборам 2026 года. В фокусе: надежная информация о голосовании и результатах, поддержка защитников киберинфраструктуры, борьба со злоупотреблениями, прозрачность AI-контента и нейтральность ответов ChatGPT по политическим темам.

Отдельно важен блок про происхождение AI-контента: OpenAI упоминает партнерство по SynthID-водяным знакам для изображений, созданных через ChatGPT, Codex или API. Для инфобазы ezGPT это хороший повод снова фиксировать: генерация контента — это не только скорость, но и provenance, маркировка, доверие к источникам и политика публикации.

Anthropic объявила крупный раунд и стала еще тяжелее в enterprise AI

Anthropic 28 мая объявила Series H: $65 млрд привлеченного финансирования при оценке $965 млрд post-money. Даже если не смотреть на “гонку оценок”, это важный рыночный маркер: инвесторы продолжают ставить не только на модель, но и на инфраструктуру вокруг Claude, корпоративные сценарии, безопасность и долгую конкуренцию за compute.

Для бизнеса вывод простой: рынок AI не остывает, но становится более прагматичным. Компании будут выбирать несколько моделей и поставщиков, чтобы не зависеть от одного API, цены или политики доступа. В статьях про агентов это значит: архитектура должна быть multi-model и допускать замену модели без переписывания всей системы.

Google после I/O делает Gemini более агентным

На Google I/O 2026 компания собрала десятки AI-анонсов вокруг Gemini, Search, Android, Firebase и Google AI Studio. В центре — агентный сдвиг: Gemini должен не просто отвечать, а помогать действовать, искать, планировать, покупать, работать с информацией и запускать управляемые агентные сценарии через API.

Особенно показателен акцент на Search: Google описывает AI Mode, follow-up вопросы, conversational search и information agents для подписчиков Google AI Pro и Ultra. Это меняет SEO и контент: пользователь все чаще приходит не с коротким запросом, а с задачей, а поисковик сам собирает план, варианты и следующие шаги.

Microsoft вывела computer-using agents в Copilot Studio

Агентная инфраструктура для рабочего процесса
Рабочий AI-агент требует не только модели, но и инструментов, прав, логов и понятного сценария применения.

Microsoft в майском обновлении Copilot Studio объявила, что computer-using agents стали generally available. Это важный шаг для no-code/low-code автоматизации: агент может работать с интерфейсами приложений, где нет удобного API, а бизнес-процесс все равно нужно автоматизировать.

Но это не магия, а новый слой ответственности. Если агент действует через UI, важно проектировать сценарии как автотесты: стабильные локаторы, ограниченные права, подтверждение опасных операций, журнал действий и понятный fallback к человеку. Иначе “автоматизация” быстро превращается в трудноотлаживаемый черный ящик.

NVIDIA: спрос на AI-инфраструктуру остается главным драйвером

NVIDIA на этой неделе отчиталась о рекордных результатах за первый квартал fiscal 2027: $81,6 млрд выручки, из них $75,2 млрд в Data Center. Даже без углубления в финансы это важный контекст: вся агентная история держится на вычислениях, inference, дата-центрах, сетях и оптимизации стоимости токена.

Для команд, которые внедряют AI, это означает две вещи. Во-первых, спрос на вычисления будет закладываться в цену продуктов. Во-вторых, локальные модели, маршрутизация, fallback, кэширование, small models и RAG становятся не “оптимизацией потом”, а частью нормальной архитектуры с первого дня.

Что делать на практике

Если вы строите AI-агента или только выбираете инструменты, главная рекомендация недели: проектируйте систему так, будто модель скоро поменяется. Не зашивайте один API в логику продукта. Разделяйте слой модели, tools, память, RAG, права доступа, мониторинг и human approval.

  • Для разработки: тестируйте Codex/Claude/Copilot не только на генерации кода, но и на полном цикле проверки результата.
  • Для бизнеса: оценивайте AI-агента по качеству процесса, а не по красоте демо.
  • Для SEO и контента: учитывайте, что AI Mode и agentic search меняют путь пользователя от запроса к решению.
  • Для безопасности: заранее решите, какие действия агент может выполнять сам, а где нужен человек.
  • Для бюджета: закладывайте маршрутизацию моделей, кэширование и контроль стоимости токенов.

FAQ

Почему эта неделя важна для AI-агентов?

Почти все крупные новости недели были не про “чат стал умнее”, а про действие: агенты работают с компьютером, браузером, API, enterprise-окружениями и поиском. Это сдвиг от ответов к выполнению задач.

Стоит ли сразу внедрять computer-using agents?

Стоит тестировать, но не выпускать без рамок. Нужны сценарии, права доступа, логи, стабильные UI-локаторы, ограничения на опасные действия и понятный переход к человеку.

Что означает рост Anthropic для обычного бизнеса?

Он показывает, что рынок ожидает долгую конкуренцию моделей и enterprise-инфраструктуры. Для бизнеса это аргумент строить multi-model архитектуру и не зависеть от одного поставщика.

Как Google AI Mode влияет на контент?

Пользователь все чаще формулирует задачу, а не короткий запрос. Поэтому материалы должны быть понятными, структурированными, проверяемыми и отвечать на полный сценарий, а не только на одно ключевое слово.

Почему NVIDIA попала в дайджест про AI-агентов?

Потому что агентные продукты требуют все больше inference и дата-центров. Стоимость и доступность вычислений напрямую влияют на цены API, скорость ответов и архитектуру AI-систем.

Дальше по теме

Похожие материалы