• Что произошло: OpenAI представила Premium-места для ChatGPT Business с 5-кратным увеличением лимита использования и без ограничения по времени сессий.
• Суть: Новые Premium-места стоят $125 в месяц за пользователя (или $100 при годовой оплате) и предназначены для активных сотрудников, которым нужно больше ресурсов для крупных проектов. Это позволяет смешивать Standard и Premium места в одном рабочем пространстве, давая гибкость в настройке тарифов под нужды команды. Также действует ограниченное предложение: первые 10 000 клиентов получат $100 в кредитах за каждое добавленное Premium-место (до 5 мест), при условии регистрации до 20 августа.
• Ссылка: https://openai.com/form/business/premium-offer/

• Что произошло: OpenAI сообщила, что по результатам внутренних оценок модель Astra, одна из предстоящих моделей, может достичь критического уровня кибервозможностей согласно их Preparedness Framework. Это означает, что модель потенциально способна самостоятельно разрабатывать функциональные zero-day эксплойты для многих защищенных реальных критических систем или создавать комплексные стратегии кибератак.
• Суть: Компания признала, что не может исключить достижение моделью критического порога кибербезопасности, что является значительным сдвигом по сравнению с предыдущими моделями, оценивавшимися как высокий (High) уровень. В ответ OpenAI ужесточает меры безопасности: вводит более строгие контроли для моделей с высокими возможностями, приостанавливает внутренние активности с Astra, не соответствующие новым требованиям, внедряет универсальный мониторинг рискованных действий, планирует сотрудничество с правительственными агентствами и организациями по безопасности ИИ, а также предоставит рекомендации по безопасности третьим сторонам. Это важно, поскольку демонстрирует проактивный подход к управлению рисками на переднем крае развития ИИ и подчеркивает необходимость баланса между инновациями и безопасностью.
• Ссылка: https://openai.com/index/responding-to-the-next-frontier-of-critical-cyber-capabilities/

• Что произошло: Anthropic обновила биологические защитные механизмы Claude Fable 5, что привело к сокращению ложных срабатываний и уменьшению числа «фолбэков» (переключений на менее мощную модель) при биологических запросах примерно на 85%.
• Суть: Ранее Fable 5 блокировал почти все биологические запросы из-за опасений двойного использования технологий, что вызывало множество неудобств для пользователей. Теперь классификаторы стали точнее различать безвредные и потенциально опасные запросы, поэтому пользователи реже сталкиваются с переключением на Opus 5. Это позволяет модели помогать в повседневных вопросах здоровья и образования, но профессиональные биологические исследования и разработка лекарств по-прежнему ограничены из-за рисков злоупотребления.
• Ссылка: https://www.anthropic.com/news/improving-fable-5s-biology-safeguards

• Что произошло: OpenAI выпустила обновление GPT-5.6 Sol в ChatGPT для Plus и Pro пользователей, а также расширила доступ к новым моделям для бесплатных пользователей, предоставив им безлимитные текстовые чаты и кнопку Think для сложных вопросов.
• Суть: Обновленная GPT-5.6 Sol стала надежнее в работе с фактами и дает более сфокусированные ответы, а новый слайдер позволяет пользователям Plus и Pro регулировать глубину рассуждений. Для бесплатных пользователей модель GPT-5.6 Luna становится стандартной, что значительно расширяет доступ к передовым возможностям ИИ. Это важный шаг к демократизации доступа к ИИ, так как теперь больше людей смогут пользоваться современными моделями без ограничений по количеству текстовых запросов.
• Ссылка: https://openai.com/news/

• Что произошло: OpenAI представила GPT-Daybreak — программу для ускорения работы защитников, включающую два уровня доступа (Daybreak Blue и Daybreak Red) и новую модель GPT-5.6-Cyber.
• Суть: В ответ на растущее использование ИИ киберпреступниками OpenAI расширяет доступ к передовым моделям для авторизованных специалистов по безопасности. Daybreak Blue предоставляет доступ к GPT-5.6 Sol со снятыми системными ограничениями, а Daybreak Red — к специализированной модели GPT-5.6-Cyber, которая лучше справляется с задачами поиска уязвимостей и разработки эксплойтов. Это важно, поскольку позволяет защитникам эффективнее находить и устранять уязвимости, включая критические, до того, как их используют злоумышленники.
• Ссылка: https://openai.com/index/introducing-gpt-daybreak-to-accelerate-defenders/

• Что произошло: OpenAI расширяет программу Daybreak Cyber Partner Program, предоставляя доступ к своим передовым кибермоделям (Daybreak Blue и Daybreak Red) через партнеров по безопасности, включая Accenture, IBM, CrowdStrike, Palo Alto Networks и других.
• Суть: Программа направлена на закрытие растущего разрыва в киберзащите: атакующие используют ИИ для ускорения атак, а защитники часто не имеют доступа к передовым моделям. Теперь партнеры смогут интегрировать модели OpenAI в свои продукты и услуги, помогая организациям быстрее находить и устранять уязвимости, а также проводить тестирование на проникновение и реагирование на инциденты. Доступ к моделям остается у партнеров, что обеспечивает контроль и надзор за использованием.
• Ссылка: https://openai.com/news/putting-frontier-cyber-models-in-more-trusted-hands/

• Что произошло: OpenAI представила GPT‑Live — систему голосового ИИ третьего поколения, которая работает в реальном времени, без задержек и с возможностью параллельного мышления.
• Суть: GPT‑Live устраняет отдельный детектор речевых пауз, позволяя модели одновременно слушать и говорить. Это делает разговор более естественным и быстрым. Система использует полнодуплексную модель, потоковую передачу аудио и асинхронное делегирование сложных задач фронтовым моделям, таким как GPT‑5.5. Архитектура разделяет медиапоток и бизнес-логику, что повышает отзывчивость и упрощает кастомизацию. Инженеры также оптимизировали транспортный протокол (WARP) и запуск сессии, сократив время установки соединения с шести сетевых раундов до одного.
• Ссылка: https://openai.com/index/introducing-gpt-live/

• Что произошло: Компания Circles, используя технологии OpenAI, создала ИИ-консьержа и платформу персонализации для телеком-операторов. В Сингапуре это привело к росту ARPU на 22% и снижению оттока клиентов на 9%, а CareX (мультиагентная архитектура) автономно решает 65% обращений в поддержку.
• Суть: Circles переосмыслила телеком-опыт, превратив разрозненные данные клиентов в персонализированные действия в реальном времени. ИИ-консьерж объединяет поиск, управление аккаунтом, поддержку и рекомендации, а CareX использует оркестратора и специализированных агентов для решения задач без участия человека. Внедрение ИИ повышает эффективность (рост ARPU, снижение оттока, автономное разрешение запросов) и ускоряет разработку (Codex дал +29% к эффективности). Это важно, так как телеком-операторы получают инструменты для проактивного и контекстного обслуживания, снижая затраты и улучшая клиентский опыт.
• Ссылка: https://openai.com/index/circles-powers-telco-personalization-with-openai-technology/

• Что произошло: OpenAI снизила цены на модели GPT‑5.6 Luna и GPT‑5.6 Terra, а также представила новые возможности для GPT‑5.6 Sol.
• Суть: Цены на GPT‑5.6 Luna снижены на 80%, а на GPT‑5.6 Terra — на 20%. GPT‑5.6 Sol теперь предлагает режим Fast, который увеличивает скорость обработки в 2,5 раза. Эти изменения делают ИИ более доступным и гибким для различных задач.
• Ссылка: https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/

• Что произошло: OpenAI представила GPT-5.6 с улучшенной эффективностью и сниженными ценами для моделей Luna и Terra, а также ускоренную версию Sol.
• Суть: Компания снизила стоимость GPT-5.6 Luna на 80%, а GPT-5.6 Terra — на 20%, что делает их более доступными для предприятий. Также введён "Быстрый режим" для API, ускоряющий работу Sol в 2,5 раза. Эти изменения позволяют клиентам оптимизировать затраты на ИИ без потери качества.
• Ссылка: GPT-5.6

• Что произошло: Компания avatarin совместно с Yamada Holdings разработала AI-агента для розничной торговли на базе GPT-Realtime, обеспечивающего круглосуточную поддержку покупателей.
• Суть: ИИ-агент позволяет вести голосовые диалоги, адаптируется к контексту запросов и помогает с выбором товаров, демонстрируя высокую эффективность (30 000 пользователей за 2 недели, 92% положительных отзывов). Это меняет подход к обслуживанию, заменяя традиционные чат-боты на интеллектуальные системы, понимающие реальные потребности клиентов.
• Ссылка:

• Что произошло: OpenAI представила семейство моделей GPT‑5.6, включающее флагманскую Sol, среднюю Terra и бюджетную Luna. Модели оптимизированы по эффективности на всех уровнях стека: от обучения и инференса до агентного окружения. Sol в режиме максимального рассуждения превосходит Claude Fable 5 по индексу кодинга при вдвое меньшей стоимости, Terra сравнима с GPT‑5.5 вдвое дешевле, а Luna на 80% дешевле Sol.
• Суть: OpenAI сместила фокус с чистого наращивания вычислительной мощности на эффективность использования каждого токена. Достигнуто это за счёт оптимизации балансировки нагрузки, спекулятивного декодирования, кэширования и ядер GPU, а также за счёт агентного каркаса, уменьшающего раздувание контекста и повторные вычисления. GPT‑5.6 Sol активно применялась для автономного улучшения собственного стека — от переписывания ядер до настройки спекулятивной модели. Это важно, потому что позволяет предлагать более производительные модели при тех же аппаратных затратах, что критично при растущем спросе.
• Ссылка: https://openai.com/index/gpt-5-6/

• Что произошло: Глава Anthropic Дарио Амодеи опубликовал пост, в котором заявил, что компания никогда не выступала за запрет open-weights моделей, несмотря на обвинения в обратном. Он прокомментировал дискуссию о возможном запрете использования китайских open-weights моделей американскими компаниями и открытое письмо в поддержку таких моделей.
• Суть: Anthropic не поддерживает запрет open-weights моделей как категории, считая их полезными для бизнеса и разработчиков. Вместо этого Амодеи предлагает три меры: не продавать Китаю мощные чипы и оборудование для их производства, бороться с промышленным дистиллированием моделей и ввести обязательное тестирование безопасности для всех достаточно мощных моделей, как открытых, так и закрытых. Он утверждает, что запрет на использование китайских моделей не решит проблем национальной безопасности, так как главные угрозы исходят от авторитарных государств и возможного злоупотребления мощными ИИ-моделями.
• Ссылка: https://www.anthropic.com/news/our-position-on-open-weights-models

Cognizant and Anthropic expand their partnership to bring Claude to enterprise clients

We're expanding our partnership with Cognizant, one of the world's largest technology services companies.

Cognizant uses Claude in the systems it builds and runs for clients across manufacturing, life sciences, insurance, and other industries. With the expansion of our partnership, it’s embedding Claude across its own business and engineering platforms, scaling a Claude-certified workforce as part of its new Frontier Certified workforce model, and becoming a Global Premier Partner in the Claude Partner Network.

Successfully integrating AI into a large enterprise requires knowledge of the company's industry, the systems it already runs on, and the rules it operates under. Cognizant brings that domain context, along with the engineering depth and delivery scale to bring Claude to enterprises worldwide.

Cognizant builds with Claude

Cognizant's engineers build with Claude every day, and more than 30,000 associates have completed Claude training.

Cognizant is embedding Claude across several of its platforms, including Flowsource™, Neuro® AI Engineering, and Neuro® IT Ops. Flowsource, its full-stack engineering platform, now runs Claude Code alongside software engineers in its Spec-Driven Development module. Flowsource directs Claude Code using the specifications, coding standards, and architectural blueprints a project defines, then and then evaluates the output before production.

Cognizant puts Claude to work for clients

The company uses what it learns internally to shape how it brings Claude to clients, and that work is already underway. Examples of what its teams built include:

• A customer experience portal for a global manufacturer within six months of kickoff.
• An agentic contract-intelligence system for a biopharmaceutical company that has helped cut contract review time by up to 40 percent while lifting extraction accuracy above 88 percent in that deployment.
• A risk-navigation tool that has helped underwriters evaluate accounts, which once took hours of manual research, in minutes—saving each person roughly eight hours a week in that deployment.

"AI capability is rising faster than enterprises can absorb it, and that gap is the defining problem of this moment," said Ravi Kumar S, Chief Executive Officer of Cognizant. "Our role is to be the bridge. We bring the industry context, the engineering scale and the trust frameworks that use Claude to deliver production outcomes inside the most demanding enterprise environments. This partnership with Anthropic is about doing that for clients who need AI they can rely on, not just experiment with."

"Deepening our partnership with Cognizant will help more companies harness AI's growing capability and deploy it in real, practical ways for their businesses," said Daniela Amodei, Co-Founder and President of Anthropic. "From manufacturing to the life sciences, Cognizant is bringing Claude into the everyday work of some of the world's most demanding industries—the kinds of contexts where AI can demonstrate its greatest value for humanity."

To learn more about the Claude Partner Network, visit anthropic.com/partners.

Related content

Introducing Claude Opus 5

Opus 5 is a step change improvement for the Opus tier powering long-running agents while delivering improvements in coding and professional work.

Read more

A research agenda for the Economic Futures Research Fund

We’re sharing the research agenda for the Anthropic Economic Futures Research Fund.

Read more

Ask Claude about the Anthropic Economic Index

We're launching the Anthropic Economic Index connector for Claude, which lets anyone explore real data about AI and work.

Read more

How AI is expanding what people do at work

New OpenAI research shows how AI is expanding what workers do, with ChatGPT users taking on tasks across roles and reshaping job boundaries.

• Что произошло: Anthropic выпустила Claude Opus 5 — новую модель, которая по интеллекту близка к флагманской Claude Fable 5, но стоит вдвое дешевле. Она доступна сегодня на всех платформах по цене $5 за миллион входных токенов и $25 за миллион выходных.
• Суть: Claude Opus 5 стал новым лидером на бенчмарках кодинга и анализа знаний, обогнав предшественника Opus 4.8 при той же стоимости. Модель значительно улучшена в проверке собственной работы, научных исследованиях и визуальных задачах. При этом она остаётся позади Mythos 5 по кибербезопасности, а её защитные механизмы настроены менее строго, чем у Fable 5, что делает её более доступной для повседневного использования.
• Ссылка: https://www.anthropic.com/news/claude-opus-5

A research agenda for the Economic Futures Research Fund

We’re sharing the research agenda for the Anthropic Economic Futures Research Fund. We’re committing $200 million to the fund to support ambitious external research on interventions to prepare society for the economic impacts of AI.

With the research the Fund supports, we want to study what programs could make the economy more flexible and resilient, ensure the benefits of AI are shared, and minimize the harm that AI-driven disruption could cause.

In the fund, we’ll prioritize five research areas:

1. Shaping AI’s impact on workers at the firm and workplace level
2. Equipping people to navigate AI-driven transitions
3. Modernizing income support for AI-driven displacement
4. Building worker stakes in AI-driven growth before disruption arrives
5. Generating new evidence on public investments.

What is the fund?

AI capabilities continue to improve. But we don’t yet know how quickly AI will diffuse throughout the economy while also becoming more capable, and what the economic effects will be. In our Economic Policy Framework (EPF), published in June, we proposed programs and policies for a range of scenarios. But we need more empirical evidence on which interventions might actually work in an AI-transformed economy—which ones make the economy more flexible and resilient, and spread the gains broadly. In the face of this uncertainty, our aim is to build this evidence base so that workers, firms, and governments have room to adapt. This $200 million fund will support external research on interventions proposed in the EPF and on other open questions. We may be entering a moment without historical precedent, where the most promising solutions are ones nobody has tried yet. We’re willing to fund creative and ambitious pilots that can provide guidance on questions where randomized control trials alone might only provide incremental evidence.

This is a significant evolution of our Economic Futures program, launched a year ago. We’re updating our focus to ambitious projects and large grants, because we think it’s where we can have the highest impact. We’ve always thought that it’s important to fund big external research bets; this shift will let us do so. We also learned through the Economic Futures program that it’s hard for us to scale capacity to manage many small grants at once. In addition to large-scale RCTs and pilots, we’re also interested in working with partners that could scale up a program of effective small-scale pilots.

The kinds of research we’re funding

Fundamentally, we want to fund the most ambitious proposals possible. We aim to fund large-scale RCTs or ambitious, creative pilots or program evaluations that expand our shared understanding of what shows promise and in which contexts, fill gaps where evidence is thin, and inspire new solutions. The fundable directions below lay out a set of possibilities, but we know that we have not come up with all the good ideas in this space. We welcome proposals that may not be captured below.

AI could transform society faster than traditional research funding and publication cycles can keep pace with. We’re looking to partner with research organizations that are willing to share what they’re learning publicly at key milestones because a signal that arrives early enough to act on can be worth more than an answer that arrives too late. We're especially interested in pilots that can be scaled up dramatically if they show promise.

This is a global fund. The funding directions that we’ve outlined below are somewhat US-centric, in part because we’re headquartered in San Francisco, and Claude is used more in the US than any other country. But the need to prepare for disruption will be necessary worldwide, and we expect to fund projects in a way that reflects that.

We plan to primarily fund projects in the $5-30 million range, though we’re flexible upward for well-scoped, high-potential-impact projects. Based on what we learned from the Economic Futures program, and the ambition and scale we’re seeking in proposals, we won’t directly fund anything below $1 million from this fund.

We’ll accept proposals from accredited universities and other degree-granting institutions, from independent research institutes and policy research organizations, and from nonprofits with a track record of running field experiments at scale. Individual researchers may serve as principal investigators on proposals made by their institutions, but we won’t consider proposals from individuals applying in their personal capacity.

We’re more likely to fund projects that fit one of our research priorities, but we welcome ambitious proposals outside them, as long as they’re calibrated to the scale of the problem and opportunity. See our request for proposals and apply here.

Our five research priorities

1. Shaping AI’s impact on workers at the firm and workplace level

AI’s impact on the labor market depends on the systems, workplaces, training protocols, and institutional choices that are built around it. The existing evidence on AI’s integration in the workplace is observational and short-term. Field experiments can help us understand which collaborative patterns develop human expertise alongside AI, how organizational design choices affect both productivity and who captures the gains, and what difference worker voice makes in those design choices.

Without this evidence, both firm-level decisions and policy levers like incentives for worker augmentation, retention tax credits, employer co-investment requirements, or apprenticeship programs will be poorly informed.

Fundable directions include:

• Field experiments randomizing AI systems and AI integration designs at the firm or team level, including comparisons of designs co-developed with workers and worker organizations against top-down approaches
• Estimates of the impact of organizational choices around AI workplace integration and usage on the incidence of AI productivity gains
• Evaluations of retention tax credits and employer co-investment requirements

2. Equipping people to navigate AI-driven transitions

The evidence on retraining and job placement is mixed, and it may not generalize to AI-induced economic disruption and rapid structural transformation.

Fundable directions include:

• Evaluations of innovative skill retraining, job placement, licensing reform, and sectoral transition packages, including newer AI-enabled matching, credentialing, and learning models, and the bundling of income support with intensive reemployment services, retraining, and relocation assistance
• Field experiments on the early-career and professional pipeline, e.g., what apprenticeship, mentorship, or rotational models can build expertise if junior tasks are absorbed by AI
• Evaluations of curriculum and educational delivery models in K-12 and higher education that aim to prepare students for a transformed labor market, including longitudinal pilots that link educational interventions to later labor market outcomes
• Tests of ambitious mobility instruments, for example paid leave tied to retraining programs and portable benefits that follow workers across employers

There’s existing evidence on many such efforts, including some especially effective sectoral training programs. We want to find out whether promising programs could scale quickly across a broader population. For example, a large-scale “fire drill” where selected programs are scaled up rapidly for job seekers in a given state could provide evidence on how well these programs work in the face of major disruption.

3. Modernizing income support for AI-driven displacement

Like similar insurance programs around the world, the US system for supporting displaced workers is built almost entirely around the assumption that joblessness is temporary. AI may lead to displacement that is broader and more persistent. In that scenario, we’ll need instruments calibrated to a new equilibrium, one with no modern precedent.

Fundable directions include:

• Unemployment Insurance (UI) reforms suited to AI-driven displacement, including alternative eligibility thresholds, automatic extension triggers linked to industry or occupation, and integration of UI with wage insurance, retraining, or other transition supports
• Basic needs relief for workers who exhaust UI, never qualified, or are persistently underemployed
• Longer-duration unconditional income pilots at livable levels, designed to speak to scenarios where income and work are decoupled for sustained periods of time, with analyzed outcomes spanning not only labor supply and consumption but also well-being, family stability, child development, civic participation, and how recipients structure their time

4. Building worker stakes in AI-driven growth before disruption arrives

In unprecedented scenarios where AI delivers large aggregate gains, those gains may not be broadly shared by default. In the EPF, we discuss universal pre-distributive capital accounts and adjacent mechanisms, like equity-sharing, AI-sector dividends, and public ownership stakes. But these mechanisms have limited direct empirical precedent at scale, and they also need a funding source. Many proposals to generate revenue exist, including taxing AI-driven returns through corporate, capital gains, or token taxes. But we lack evidence on who would bear the economic incidence of such taxes, and how different designs would affect collected revenue and adoption.

Fundable directions include:

• RCTs testing the design of pre-distributive capital accounts at scale
• Pilots testing equity-sharing or dividend-style mechanisms, including community-level pilots where AI infrastructure or AI-using firms generate direct, ongoing returns to local residents
• Evaluations comparing different mechanisms for raising and distributing revenue—which tax base (corporate profits, capital gains, compute, automation taxes, etc.) and which mechanism (pre-distributive accounts, equity stakes, dividends, or equivalent direct transfers) lead to the best labor market and household outcomes

5. Generating new evidence on public investments

The EPF calls for both modernizing the income safety net and substantially expanding public investment in human- and community-facing work. Policymakers need a consistent way to compare these instruments against one another, and against direct transfers. This research would generate evidence on what forms of spending generate the most public benefit, especially in sectors that might be undervalued by the private market.

Fundable directions include:

• Large-scale pilots that directly fund human- and community-facing service positions (in e.g., teaching, after-school programming, libraries, community health, parks, infrastructure, the arts), measuring outcomes including employment levels, educational attainment, crime, and well-being
• Pilots broadening access to AI-enabled public services (legal aid, medical guidance, financial advice) for underserved populations, testing whether such investments can narrow the divide in access
• Guaranteed-jobs pilots for displaced or long-term unemployed workers, in which participants are offered employment in public good roles in the spirit of the Civilian Conservation Corps but spanning a broader range of roles
• Place-based interventions in communities most exposed to AI-driven displacement or hosting major AI infrastructure build-outs, including bundled investments in workforce, public services, infrastructure, and amenities, and pilots of regional development authorities that coordinate these investments under unified governance

Related content

Ask Claude about the Anthropic Economic Index

We're launching the Anthropic Economic Index connector for Claude, which lets anyone explore real data about AI and work.

Read more

Anthropic is donating another $20 million to Public First Action

Anthropic is contributing an additional $20 million to Public First Action, bringing our total support to $40 million.

Read more

Apply for Anthropic’s AI for Science rare disease research grants

Anthropic is sharing a focused call for AI for Science applications centered specifically on rare genetic diseases. Accepted applicants will receive up to $50,000 in Claude credits over six months, with the goal of building a community of researchers looking into how AI can reshape our understanding of rare disease.

Read more

Ask Claude about the Anthropic Economic Index

People have hard questions about AI and work: which jobs will change, which tasks are being automated, and what it means for their own field. The Anthropic Economic Index exists to help answer them with real data. Today we're launching the Anthropic Economic Index connector for Claude, which lets anyone explore that data directly.

The Anthropic Economic Index measures how AI is actually being used in the economy. The Index’s data has been useful to researchers, journalists, and policymakers, but we want it to be just as accessible to anyone curious about how AI fits into their field or day-to-day life. Now you can ask Claude questions like:

• “Which occupations use AI the most?”
• “What are the most common ways people in Colorado use Claude?”
• “What sorts of tasks do teachers use Claude for?”
• “What kinds of tasks are people automating with AI? How has that changed over the past year??”

You’ll get answers grounded directly in the Index data.

Getting started takes about a minute. In claude.ai, open the connectors menu, find the Anthropic Economic Index in the directory, and enable it—it works in any conversation with any Claude model, and there's nothing to install. From there, just ask questions the way you'd ask a colleague: start broad ("what does the Index say about my industry?"), then drill into specifics, and ask Claude to show you the underlying data behind any answer.

As always, the Index reflects patterns in Claude usage rather than the labor market as a whole, and Claude will point you back to the source data and its limitations as you explore. You can find the connector in claude.ai today, and the full datasets remain freely available on our website.

Related content

A research agenda for the Economic Futures Research Fund

We’re sharing the research agenda for the Anthropic Economic Futures Research Fund.

Read more

Anthropic is donating another $20 million to Public First Action

Anthropic is contributing an additional $20 million to Public First Action, bringing our total support to $40 million.

Read more

Apply for Anthropic’s AI for Science rare disease research grants

Anthropic is sharing a focused call for AI for Science applications centered specifically on rare genetic diseases. Accepted applicants will receive up to $50,000 in Claude credits over six months, with the goal of building a community of researchers looking into how AI can reshape our understanding of rare disease.

Read more

• Что произошло: OpenAI объявила о запуске проекта Camellia в округе Эффингем, штат Джорджия, который предполагает строительство ИИ-инфраструктуры.
• Суть: Компания берет на себя обязательства по ответственному использованию энергии, инвестициям в местное сообщество, созданию рабочих мест и предоставлению доступа к инструменту Codex. Это важный шаг для развития ИИ-инфраструктуры в регионе, который привлечет внимание к технологическому развитию и создаст новые возможности для местных жителей.
• Ссылка: Не указана.

How news organizations are using AI to advance their vital missions

News organizations are using AI to strengthen reporting, grow audiences, and improve business operations, with OpenAI tools supporting journalists and publishers worldwide.