Цена TAO продолжает расти, достигнув нового максимума в 337,84 доллара с ростом на 13,6% за 24 часа. Известный инвестор Jason Calacanis выразил оптимизм по поводу TAO и инвестировал в экосистемные проекты. Подсеть Bittensor завершила важное предварительное обучение, доказав свою способность к практическому применению.

Gate News сообщает, что 23 марта данные Mordor Intelligence показывают, что размер глобального рынка онлайн-рекламы в 2025 году составит примерно 291 млрд долларов, во главе с Google. a16z указывает, что с 1997 по 2024 год основной моделью интернет-коммерции была монетизация путем захвата части внимания пользователей через рекламу. Однако большие языковые модели (LLM) и AI-агенты не будут отвлечены на рекламу, и традиционная логика «рассеивания внимания» больше не действует.

Gate News сообщает, что 17 марта QVAC Fabric, дочернее предприятие Tether, запустила первую в мире кроссплатформную LoRA-фреймворк для микронастройки для Microsoft BitNet (однобитовой LLM), что значительно снижает пороги видеопамяти и вычислительной мощности для обучения больших моделей. Фреймворк поддерживает микронастройку LoRA и ускорение вывода на Intel, AMD, Apple Silicon серии M, а также мобильных GPU (включая Adreno, Mali, Apple Bionic).

Сооснователь Sentry Дэвид Крамер заявил, что большие языковые модели не повышают производительность, а напротив, приводят к созданию сложного кода, замедляя скорость разработки. Он подвергает сомнению подход автоматической генерации кода, считая, что качество результатов неудовлетворительно, особенно в области инкрементальной разработки и соответствия стилю. На основе личного опыта он указывает, что разработка программного обеспечения остаётся трудным процессом, а психологические изменения повлияли на его вклад в работу.

Китайский институт информационных коммуникационных технологий и университетская команда обнаружили уязвимость инъекции команд, управляемую LLM, в модуле bash-tools открытого каркаса OpenClaw при проведении аудита. Злоумышленники могут использовать индуцированное выполнение команд для удаленного выполнения кода и кража данных. Был инициирован процесс раскрытия уязвимости и поданы рекомендации по исправлению.

Сесай Нинг в интервью критиковал текущий путь развития ИИ, сосредоточенный на больших языковых моделях, считая, что это ограничивает способность ИИ к обучению на реальных данных из действительного мира, и подчеркнул преимущества мировых моделей. Он считает, что создание интеллектуальных агентов, способных функционировать в реальности, представляет большую сложность, упомянул, что AMII Labs сосредоточена на сборе реальных данных и планирует в будущем запустить AI смарт-очки и робота.

Подсеть Bittensor Templar завершила предварительное обучение децентрализованной языковой модели Covenant-72B с 72 миллиардами параметров 10 марта. Модель продемонстрировала отличные результаты в тесте MMLU, превзойдя несколько централизованных моделей-баз. Проект привлек сотрудничество более 70 узлов, все веса и контрольные точки были опубликованы в соответствии с лицензией Apache. Под влиянием этих новостей Bittensor и его токен выросли в цене.

OpenClaw выпустила версию v2026.3.8 8 марта, добавлены функции локального резервного копирования состояния, автоматическая транскрипция в Talk Mode и режим LLM Context для поиска в Brave, исправлены несколько проблем, в разработке приняли участие 43 участника.

Исследовательская команда Федеральной политехнической школы Цюриха протестировала способность LLM Agent достигать консенсуса по Бейзантию и обнаружила, что даже при отсутствии злонамеренных узлов уровень эффективного консенсуса составляет всего 41,6%. С увеличением числа узлов сложность достижения согласия возрастает, а при добавлении злонамеренных узлов ситуация ухудшается еще больше. В выводах исследования отмечается, что в настоящее время LLM Agent недостаточно надежен для обеспечения надежного консенсуса, и децентрализованное развертывание следует осуществлять с осторожностью.

Основатель Eureka Labs Анджей Карпати 8 марта запустил проект с открытым исходным кодом autoresearch, использующий модель «человек пишет Markdown, AI пишет код». Он позволяет разработчикам через program.md определять направления исследований, а AI самостоятельно оптимизировать код. За час можно провести около 12 экспериментов, из которых в 83 случаях экспериментов было 15 эффективных улучшений. Этот проект основан на NVIDIA GPU и PyTorch, протестирован на H100 и соответствует лицензии MIT.