Google представила Gemini 4 Hydrogen для работы с кодом и многошаговых задач. Модель развёртывают в Gemini API, инструментах разработчика, бизнес-продуктах, приложении Gemini и Google Search.
Ключевые факты
Модель поддерживает четыре уровня глубины рассуждений. Через API миллион входных токенов стоит $1,50, миллион выходных — $7,50; размер контекстного окна составляет миллион токенов.
Google представила Orchestrator в Antigravity: он переключает модели в рамках одной сессии. По данным Google, в тесте Terminal-Bench 4.0 он расходовал в среднем на 24% меньше квоты и завершал задачи на 19% быстрее; доля успешных задач была близка к результату Carbon.
В приложении Gemini бесплатным пользователям модель доступна через автоматический выбор. В Antigravity индивидуальный доступ предусмотрен для платных подписчиков Google AI Pro и Ultra; в Sheets — для подходящих бизнес-подписок и подписчиков Pro и Ultra.
Объективно о важном
Команды могут выбирать глубину рассуждений и сочетать модели для разных этапов задачи, сопоставляя качество, время ответа и стоимость.
Бизнес-процессы
Разработка и проверка кода — Модель может помогать с изменениями в коде, тестами и поиском ошибок.
Работа с документами и таблицами — Модель может готовить структурированные материалы на основе файлов разных форматов.
Возможности автоматизации
Многошаговая разработка с несколькими моделями: Orchestrator может переключать модели в ходе сессии, а агенты — параллельно выполнять и проверять задачи. Условия: Проверить доступность Antigravity с учётом продолжающегося развёртывания и условия подписки.; Оценить качество и стоимость на собственных задачах.
Влияние на ручную работу
Подготовка кода и материалов может требовать меньше ручных действий, но публикации не подтверждают экономию рабочего времени для всех команд.
Ограничения и риски
Результаты тестов приведены Google и не гарантируют такого же эффекта в рабочей среде.
Ответы модели и действия агентов требуют проверки; доступ зависит от продукта и подписки.
Microsoft рассказала о проектах Frontier Company с клиентами
Microsoft сообщила о работе Frontier Company почти над 500 проектами с более чем 200 заказчиками в 28 странах. Компания привела примеры внедрений и решений, которые ещё разрабатываются.
Ключевые факты
По данным Microsoft, агент для подключения клиентов Northern Trust сократил время подготовки данных примерно с двух с половиной недель до трёх дней, или на 83%. Качество с первого прохода составило 96,5% в тестировании.
Microsoft и 3M разрабатывают процесс обработки заказов с ИИ-агентами для кредитных проверок, оценки просроченной задолженности и обновления систем. Предусмотрены контроль человека и панель мониторинга.
Объективно о важном
Примеры показывают, как агенты можно встроить в существующие процессы, сохраняя участие специалистов в принятии решений.
Бизнес-процессы
Подключение клиентов — Подготовку данных можно организовать в привычных аналитикам Excel и SharePoint.
Обработка заказов — Агенты могут помогать с проверками и обновлением систем под надзором сотрудников.
Возможности автоматизации
Кредитные проверки и обработка заказов 3M: Разрабатываемое решение может сократить ручную работу и ускорить обработку. Условия: Решение ещё разрабатывается; нужны человеческие проверки и мониторинг.
Влияние на ручную работу
Microsoft ожидает сокращения ручной работы в 3M. В Northern Trust компания сообщает о сокращении времени подготовки данных, но не приводит отдельного измерения трудозатрат.
Ограничения и риски
Результаты и прогнозы приведены Microsoft; независимая проверка в публикации не представлена.
Результаты Northern Trust относятся к конкретному процессу, а показатель качества — к тестированию.
Исследование IDC показало разрыв между результатами ИИ и их масштабированием
Microsoft представила результаты заказанного у IDC исследования: в нём участвовали более 5 200 руководителей ИТ и бизнеса из 28 отраслей.
Ключевые факты
По данным исследования, 66% руководителей сообщают о существенных или преобразующих результатах от ИИ, но лишь 48% масштабируют полученную пользу на несколько подразделений.
Лидеры по зрелости ИИ — верхние 10% по шкале IDC — сообщили о средней отдаче на вложения в ИИ в 4 раза против 2,7 раза у медленно внедряющих компаний, составляющих нижние 30%.
Согласно представленному Microsoft исследованию IDC, 65% организаций установили процесс управления агентами, но лишь 20% имеют комплексную стратегию обучения работе с ИИ для всей организации.
Объективно о важном
Для расширения внедрения стоит измерять эффект по процессам и одновременно планировать контроль агентов и обучение сотрудников.
Бизнес-процессы
Управление инвестициями в ИИ — Сравнение показателей до и после внедрения может помочь направлять средства на полезные сценарии.
Возможности автоматизации
Планирование внедрения агентов: Данные исследования могут помочь выбрать процессы для пилотов и определить требования к контролю. Условия: Проверить выводы на собственных процессах и данных.
Влияние на ручную работу
Исследование описывает внедрение и отдачу в целом, но не устанавливает экономию ручного труда для конкретной компании.
Ограничения и риски
Исследование заказано Microsoft; показатели отдачи основаны на ответах руководителей.
Связь между зрелостью и отдачей не доказывает причинно-следственную связь.