Insights

მოკლე ანალიტიკა და კომენტარები AI სამყაროდან

English →
სარჩელი Anthropic-ს ელვის პრესლის 274 კომპოზიციის გამოყენებას ედავება
chatgptiseatingtheworld.com

⚖️ სარჩელი Anthropic-ს ელვის პრესლის 274 კომპოზიციის გამოყენებას ედავება

ელვის პრესლის მიერ ჩაწერილ 274 მუსიკალურ კომპოზიციაზე უფლებების მქონე მხარეებმა Anthropic-ის წინააღმდეგ სარჩელი 2026 წლის 23 ოქტომბერს შეიტანეს. საქმე ჩრდილოეთ კალიფორნიის ფედერალურ სასამართლოში დარეგისტრირდა ნომრით 5:26-cv-12473. სარჩელის თანახმად, მოსარჩელეები არიან ABG EPE IP LLC, Luigi Creatore Trust, Susan T. Aberbach Revocable Trust, Decedents Exempt Trust, Jason Simeon Aberbach, Abilene Music LLC და Raleigh Music Publishing LLC. ისინი საკუთარ თავს იმ კომპანიებად, ტრასტებად და პირებად აღწერენ, რომლებიც 274 ნაწარმოების საავტორო უფლებებს მთლიანად ან ნაწილობრივ ფლობენ ან აკონტროლებენ. მოსარჩელეთა ინფორმაციით, მათი უფლებები მოიცავს კომპოზიციების ლიცენზირებას, ტექსტების გამოყენებას და უფლებების დაცვას. დოკუმენტში ჩამოთვლილ მაგალითებს შორისაა „All Shook Up“, „Can’t Help Falling in Love“, „If I Can Dream“, „Don’t Be Cruel“, „A Little Less Conversation“, „Return To Sender“ და „(You’re The) Devil In Disguise“. სარჩელზე ხელმომწერ ადვოკატად მითითებულია რიჩარდ ს. ბუში, რომელიც Adams & Reese-ის სახელით წარმოადგენს მოსარჩელეებს. საქმის პირველი მოთხოვნა პირდაპირ საავტორო უფლებების დარღვევას ეხება. მოსარჩელეები ამტკიცებენ, რომ Anthropic-მა ლიცენზიისა და ანაზღაურების გარეშე გადაიწერა მათი ნაწარმოებები, გამოიყენა ისინი Claude-ის მოდელების მომზადებაში და შემდეგ მიღებულ სისტემაში მათი ტექსტების გამეორების შესაძლებლობა შეინარჩუნა. სარჩელი წერს, რომ Anthropic-მა ტექსტები ინტერნეტიდან, მათ შორის ლექსების აგრეგატორებიდან, სტრიმინგის მეტამონაცემებიდან და ვებ-არქივებიდან შეაგროვა. დოკუმენტში სახელდება Common Crawl, Book3 და The Pile. მოსარჩელეები ამტკიცებენ, რომ მასალა მუდმივ შიდა საცავში ინახებოდა და Claude-ის მომდევნო ვერსიების მომზადებისას მრავლდებოდა. ეს მოსარჩელეთა ვერსიაა და სასამართლოს მიერ დადგენილ ფაქტს არ წარმოადგენს. ცალკე მოთხოვნა ეხება ავტორობისა და საკუთრების შესახებ მონაცემებს. სარჩელის თანახმად, Anthropic-ის დამუშავების ჯაჭვმა შესაძლოა წაშალა სიმღერის სათაური, კომპოზიტორისა და ტექსტის ავტორის მითითება, გამომცემლის სახელი და საავტორო უფლებებთან დაკავშირებული სხვა ჩანაწერები. ამ კატეგორიას დოკუმენტი საავტორო უფლებების მართვის ინფორმაციას უწოდებს. მოსარჩელეთა თქმით, Claude-ის შემდგომი ვერსიები ზოგიერთ სიმღერაზე პირდაპირ ტექსტს აღარ აჩვენებდა, მაგრამ მომხმარებლის გადაფორმულირებული მოთხოვნის შემდეგ წარმოებულ ნაწარმოებებს მაინც ქმნიდა. სარჩელში ნათქვამია, რომ ე.წ. დამცავი შეზღუდვები მხოლოდ ნაწარმოებების ვიწრო ნაწილს ფარავდა და მათზე გვერდის ავლა მოთხოვნის შეცვლით შეიძლებოდა. დოკუმენტი Claude-ის ერთ პასუხსაც აღწერს, რომელიც „თანამედროვე აუდიტორიისთვის“ სიმღერის გადაკეთების შემდეგ სისტემას მიაწერა. სარჩელის მიხედვით, Claude-ის პასუხში წერია: „same structure, same hooks reused with light rewording“. ეს ციტატა სარჩელში მოყვანილი მტკიცებულების ნაწილია და მის სისწორეზე სასამართლოს გადაწყვეტილება არ არსებობს. სარჩელი ამბობს, რომ Claude-მა 274-ვე ნაწარმოებზე შესაძლოა დამრღვევი შედეგი შექმნა. ფორმულირება ეფუძნება ინფორმაციასა და რწმენას, ამიტომ ეს არ ნიშნავს, რომ მოსარჩელეებმა უკვე წარადგინეს ყველა ნაწარმოების ცალკე დადასტურებული მაგალითი. სასამართლოს მოუწევს შეაფასოს როგორც მონაცემების მოპოვების გზა, ისე მოდელის პასუხების შინაარსი. საქმე სამ სამართლებრივ საფუძველს აერთიანებს: პირდაპირ საავტორო უფლებების დარღვევას, დაცვის ტექნიკური ზომების გვერდის ავლას და საავტორო უფლებების მართვის ინფორმაციის წაშლას ან შეცვლას. მოსარჩელეები ამტკიცებენ, რომ თითოეული მოქმედება დამოუკიდებლად აზიანებდა მათ უფლებას, გაეცათ ან არ გაეცათ ლიცენზია. პირველ მოთხოვნაზე მოსარჩელეები ითხოვენ თითოეულ ნაწარმოებზე 150 000 დოლარამდე კანონით განსაზღვრულ ზიანს, ხოლო 274 ნაწარმოებისთვის მიუთითებენ 41 100 000 დოლარის მაქსიმალურ თანხაზე. ეს არის სარჩელში მოთხოვნილი ალტერნატიული ოდენობა და არა სასამართლოს მიერ დაკისრებული თანხა. მეორე მოთხოვნაზე დოკუმენტი 685 000 დოლარს ასახელებს, მესამე მოთხოვნაზე კი 6 850 000 დოლარს. მოსარჩელეები ასევე ითხოვენ აკრძალვას, ასლების ჩამორთმევას ან განადგურებას, მათ შორის მონაცემთა საცავებში, მოდელის წონებში და სერვერულ ინფრასტრუქტურაში არსებული ასლებისას, სრულ ანგარიშს გაწვრთნილ მონაცემებზე და ნაფიცი მსაჯულების მონაწილეობით განხილვას. ამ ეტაპზე საქმე მხოლოდ სარჩელის წარდგენით იწყება. დოკუმენტში აღწერილი ბრალდებები მოსარჩელეთა მტკიცებებია და Anthropic-ის პასუხისმგებლობას არ ადასტურებს. სასამართლოს გადაწყვეტილება ჯერ არ გამოუტანია არც 274 კომპოზიციის გამოყენებაზე, არც მოთხოვნილ თანხებზე და არც მოდელების მომზადების სამართლებრივ შეფასებაზე.

სარჩელი Anthropic-ს ელვის პრესლის 274 კომპოზიციის გამოყენებას ედავება
26 ოქტ 20260
ChatGPT-ით შედგენილმა სარჩელებმა ბრიტანეთის სასამართლოებში დავები 39%-ით გაზარდა
andrewaltair.ge

📊 ბრიტანეთში AI-ის გამოყენებამ შრომითი დავები 39%-ით გაზარდა და სახელმწიფო უწყებების მუშაობა შეაფერხა

დიდ ბრიტანეთში ხელოვნური ინტელექტის დანერგვამ, რომელსაც საჯარო სექტორისთვის დრო და მილიარდობით გირვანქა სტერლინგი უნდა დაეზოგა, სახელმწიფო უწყებები და სასამართლოები ავტომატურად გენერირებული განცხადებების ნაკადით გადატვირთა. ინგლისში, შოტლანდიასა და უელსში შრომითი ტრიბუნალის საქმეების რაოდენობა 1 წელიწადში 39%-ით გაიზარდა, რადგან მოქალაქეები სარჩელების მოსამზადებლად ChatGPT-ს იყენებენ. ყოფილმა საჯარო მოხელემ და პოლიტიკის მკვლევარმა სემ ფრიდმენმა გამოაქვეყნა ანგარიში, რომლის მიხედვითაც ChatGPT-ის გავრცელების შემდეგ მსოფლიოს მთავრობები საჩივრებისა და ოფიციალური მოთხოვნების მკვეთრ ზრდას აფიქსირებენ. მისი თქმით, მოქალაქეები სისტემას სახელმწიფო აპარატის წინააღმდეგ იყენებენ, რაც ბიუროკრატიულ პროცესებს აჩქარების ნაცვლად აფერხებს. სასამართლოებში მოსამართლეებსა და მაგისტრატებს უწევთ იმ მოსარჩელეთა საქმეების გარჩევა, რომლებსაც ადვოკატის დაქირავების ფინანსური საშუალება არ აქვთ და დოკუმენტებს ჩატბოტებს აწერინებენ. ხშირად ასეთი სარჩელები არარსებულ სამართლებრივ პრეცედენტებს ეყრდნობა, თუმცა ადამიანმა თითოეული გვერდი ხელით უნდა გადაამოწმოს, რათა რეალური დარღვევა ყურადღების მიღმა არ დარჩეს. პოლიტიკურმა მიმომხილველმა გები ჰინსლიფმა აღნიშნა, რომ ავტომატიზაციამ ელექტრონული ფოსტის მსგავსი ეფექტი გამოიწვია, როდესაც კომუნიკაციის გამარტივებამ სამუშაო საათები წერილების წაშლად აქცია. ჰინსლიფმა საკუთარი 7 000 წაუკითხავი წერილი მწერალ კვენტინ კრისპის ცნობილ ხუმრობას შეადარა, რომლის მიხედვითაც 4 წლის დაულაგებელ სახლში მტვერი აღარ იმატებს. თეორიულად, ელექტრონულ ფოსტას თათბირების, სატელეფონო ზარებისა და ქსეროქსის აპარატთან დგომის საათები უნდა შეემცირებინა, სინამდვილეში კი ადამიანები დროს არასაჭირო შეტყობინებების კითხვაში კარგავენ. როდესაც მთელ მონაცემთა ბაზასთან წერილის გაგზავნა 1 ღილაკზე დაჭერით გახდა შესაძლებელი, უკუკავშირის მოცულობამ სამუშაო დღე სრულად დაიკავა. უაითჰოლის სპეციალური მრჩევლები ადასტურებენ, რომ სამინისტროები ხელოვნური ინტელექტით შედგენილი საჯარო ინფორმაციის გამოთხოვის განცხადებებით ივსება. თავდაპირველად ეს მექანიზმი მოქალაქეთა უფლებების დასაცავად შეიქმნა, თუმცა ახლა ავტომატიზებული ტექსტების ნიაღვარი დეპარტამენტების რესურსს სრულად შთანთქავს და საჯარო მოხელეებს ყოველდღიურ საქმიანობას უზღუდავს. მსგავსი კრიზისია ბრიტანეთის პარლამენტის წევრების ოფისებშიც, სადაც ამომრჩეველთა სახელით გაგზავნილი გენერირებული წერილების რაოდენობა ყოველდღიურად იზრდება. თანამშრომლები ვალდებულნი არიან, თითოეული მიმართვა პირადად წაიკითხონ, რადგან მოქალაქის რეალური პრობლემის გამოტოვება პოლიტიკურ პასუხისმგებლობას იწვევს. ჰინსლიფმა განაცხადა: „არსებობს ზღვარი სახელმწიფოსთან მოქალაქის ურთიერთობის გამარტივებასა და ისეთ სიმარტივეს შორის, რომელიც უაზრო მანქანური ტექსტების უკონტროლო ნაკადს წარმოშობს“. ანალიტიკოსების შეფასებით, კანონპროექტების საჯარო განხილვები მალე შესაძლოა სრულიად გამოუსადეგარი გახდეს, თუ მათ ბოტების მიერ შექმნილი კომენტარები წალეკავს. სახელმწიფო უწყებებს არ შეუძლიათ შემომავალი წერილების გასაფილტრად ისევ ალგორითმებს დაეყრდნონ, რადგან საქმე ხშირად მოწყვლად მოქალაქეებს ეხება. ადამიანი, რომელიც დეპუტატს წერილს გამართული ენით ჩატბოტის დახმარებით სწერს, მაინც ინარჩუნებს უფლებას, რომ მისი საკითხი რეალურმა საჯარო მოხელემ განიხილოს. იგივე ჩიხი შეიქმნა დასაქმების ბაზარზეც, სადაც კომპანიებმა რეზიუმეების გადარჩევა ალგორითმებს მიანდეს, სამუშაოს მაძიებლებმა კი საპასუხოდ განაცხადების მასობრივი დაგზავნა ავტომატურ რეჟიმში დაიწყეს. შედეგად, ვერც დამსაქმებელი და ვერც კანდიდატი ვეღარ ახერხებს რეალური შესაძლებლობის გარჩევას ათასობით შაბლონური დოკუმენტისგან. მკვლევრები ვარაუდობენ, რომ ავტონომიური აგენტების მასობრივი გავრცელება სისტემურ პარალიზებას კიდევ უფრო გააღრმავებს. ჰინსლიფს მაგალითად ავტომობილების ისტორია მოჰყავს: 2018 წლის მონაცემებით, ლონდონის ცენტრში დღის საათებში ტრანსპორტის საშუალო სიჩქარე საათში მხოლოდ 7 მილს შეადგენდა, რაც ცხენოსანი ეტლის სისწრაფეს უტოლდება. სპეციალისტების დასკვნით, კაცობრიობას მოუწევს ციფრულ სისტემებში ხელოვნური ბარიერებისა და ფილტრების დაბრუნება, ისევე როგორც ქალაქებმა საცობების გადასახადი და ელექტრონული ფოსტის სპამ-ფილტრები დააწესეს. მანამდე კი საჯარო სერვისების ერთ უბანზე დაზოგილი დრო სხვა დეპარტამენტში გაორმაგებულ სამუშაო ტვირთად და ახალ ადმინისტრაციულ ხარჯად ბრუნდება.

ChatGPT-ით შედგენილმა სარჩელებმა ბრიტანეთის სასამართლოებში დავები 39%-ით გაზარდა
20 ოქტ 20260
ახალმა ბენჩმარკმა Taste-Bench დაადგინა, რომ AI აგენტებს გრძელვადიან გადაწყვეტილებებში სუსტი ინტუიცია აქვს
andrewaltair.ge

🧭 ახალმა ბენჩმარკმა Taste-Bench დაადგინა, რომ AI აგენტებს გრძელვადიან გადაწყვეტილებებში სუსტი ინტუიცია აქვს

კორპორაცია Microsoft-ისა და ჰონგ-კონგის საქალაქო უნივერსიტეტის მკვლევართა ჯგუფმა 2026 წლის 18 ოქტომბერს წარადგინა ახალი შეფასების სისტემა Taste-Bench-ი, რომელიც ხელოვნური ინტელექტის აგენტების სტრატეგიულ განსჯას ზომავს. კვლევამ დაადგინა, რომ თანამედროვე მოდელებს კარგად გამოსდით მოკლე ინსტრუქციების შესრულება, თუმცა უჭირთ გრძელვადიანი არქიტექტურული არჩევანის გაკეთება. კვლევის წამყვანმა ავტორმა ამ უნარს პირობითად გადაწყვეტილების გემოვნება უწოდა და განმარტა, რომ რთული პროგრამული პროექტის მართვისას აგენტი მუდმივად დგას გზაჯვარედინზე. ასეთ მომენტებში სისტემამ უნდა გადაწყვიტოს, გააგრძელოს არსებული გეგმა თუ შეცვალოს მიდგომა, სანამ არასწორი მიმართულება საათობით დროსა და გამოთვლით რესურსს დააკარგვინებს. ტესტირების ბაზა შეიქმნა რეალური აგენტური სესიების ჩანაწერებზე დაყრდნობით, რომლებიც აღებულია SWE-bench Pro-სა და კვლევითი ორგანიზაცია METR-ის MALT-ის მონაცემთა ნაკრებიდან. სამეცნიერო გუნდმა გააანალიზა წარმატებული და წარუმატებელი მცდელობები, რათა ეპოვა ზუსტი წერტილები, სადაც აგენტების გზები გაიყო. საბოლოო ბენჩმარკი მოიცავს 502 ორვარიანტიან შეკითხვას, სადაც თითოეული ამოცანა მოდელს 2-ჯერ, სტანდარტული და შებრუნებული თანმიმდევრობით ეძლევა. პასუხი სწორად ითვლება მხოლოდ მაშინ, თუ მოდელი ორივე ჯერზე იდენტურ სტრატეგიას აირჩევს, რის გამოც შემთხვევითი გამოცნობის ალბათობა 25%-ს შეადგენს. ავტორთა ჯგუფმა გამოსცადა 14 წამყვანი მოდელი Claude-ის, GPT-ის, Grok-ის, DeepSeek-ის, GLM-ის, MiniMax-ისა და Mistral-ის ოჯახებიდან. საუკეთესო შედეგი აჩვენა მოდელმა GPT-5.6 Sol-მა, რომელმაც საშუალოდ 59.7% დააგროვა, ხოლო მეორე ადგილზე გავიდა GPT-5.5 მოდელი 59.5%-იანი მაჩვენებლით. „ზოგადი მსჯელობის სიმძლავრე საკმარისი არ არის სწორი სტრატეგიული არჩევანის გასაკეთებლად,“ - განაცხადა კვლევითმა ჯგუფმა გამოქვეყნებულ ნაშრომში. მისი თქმით, დაბალი შედეგები აჩვენებს, რომ ტექნიკური ცოდნა ავტომატურად არ ნიშნავს სამუშაო პროცესის სწორად დაგეგმვის უნარს. დეტალურმა ანალიზმა გამოავლინა, რომ როდესაც სწორი არჩევანის მინიშნება უკვე ჩანს წინა ნაბიჯების ისტორიაში, მოდელების საშუალო სიზუსტე 62.3%-ს აღწევს. ხოლო იმ შემთხვევებში, როდესაც გადაწყვეტილების სისწორე მხოლოდ მომდევნო ხანგრძლივი მუშაობის შემდეგ ხდება ნათელი, სიზუსტე კატასტროფულად ეცემა და 21%-მდე მცირდება. ეს ვარდნა მოწმობს, რომ დღევანდელი აგენტები ძირითადად რეაქციულ რეჟიმში მოქმედებს და მხოლოდ უკვე ხილულ ფაქტებს ეყრდნობა. კვლევის ჯგუფმა აღნიშნა, რომ სისტემებს უჭირთ წინასწარ განჭვრიტონ, რომელი ჰიპოთეზა მიიყვანს პროექტს ჩიხში რამდენიმე ათეული ნაბიჯის შემდეგ. პრობლემის გადასაჭრელად მეცნიერებმა ჩაატარეს ექსპერიმენტი, სადაც ძლიერ მასწავლებელ მოდელს გააანალიზებინეს როგორც წარმატებული, ისე ჩავარდნილი სესიების სრული ისტორია. მიღებული შეფასებების საფუძველზე კი გაწვრთნეს შედარებით კომპაქტური სტუდენტი მოდელი Qwen3.6-27B. შედეგად, გაწვრთნილი სტუდენტი მოდელის სიზუსტე უცნობ ამოცანებზე 30%-დან 47.9%-მდე გაიზარდა, რაც ცხადყოფს, რომ სტრატეგიული ხედვის სწავლება მიზნობრივი მონაცემებით შესაძლებელია. ანგარიშის ავტორმა დაადასტურა, რომ კონტრასტული მაგალითების გარეშე მოდელები იგივე შეცდომებს იმეორებს. პრაქტიკული სარგებლის შესამოწმებლად გუნდმა აიღო SWE-bench Pro-ს 41 რთული დავალება და მთავარ შემსრულებელ აგენტს გზაჯვარედინებზე დაუმატა სტუდენტი მოდელის მოკლე რჩევები. ამ მეთოდმა დავალებების წარმატებით დასრულების მაჩვენებელი 14.6%-დან 33.7%-მდე გაზარდა, მაშინ როცა იდეალური ორაკულის მინიშნებებით ჭერი 39%-ს შეადგენდა. მკვლევართა დაკვირვებით, დამხმარე მრჩეველი მოდელის გამოყენება ამცირებს ფუჭი კოდის წერისა და განმეორებითი ტესტირების ციკლებს, რაც პირდაპირ ზოგავს გამოთვლით ბიუჯეტს. როდესაც აგენტი დროულად ამჩნევს არქიტექტურულ ჩიხს, ის გაცილებით სწრაფად უბრუნდება მუშა გადაწყვეტას. კვლევა განსაკუთრებით მნიშვნელოვანია იმ ფონზე, როდესაც ახალი თაობის აგენტები, მათ შორის MirrorCode-ზე 19 დღის განმავლობაში უწყვეტად მომუშავე სისტემები, სულ უფრო ხანგრძლივ ციკლებზე გადადიან. Taste-Bench-ი დეველოპერებს აძლევს ინსტრუმენტს, რომლითაც აგენტების სტრატეგიულ ინტუიციას რეალურ ამოქმედებამდე გაზომავენ. ავტორებმა ღია წვდომაში განათავსეს როგორც თავად შეფასების კოდი, ისე სასწავლო მონაცემთა ნაკრები, რათა სხვა ლაბორატორიებმაც შეძლონ საკუთარი აგენტების გამოცდა. სპეციალისტების მოლოდინით, მომავალში მცირე მრჩეველი მოდელების ჩაშენება კოდირების პლატფორმების სტანდარტულ კომპონენტად იქცევა.

ახალმა ბენჩმარკმა Taste-Bench დაადგინა, რომ AI აგენტებს გრძელვადიან გადაწყვეტილებებში სუსტი ინტუიცია აქვს
18 ოქტ 20260
მოდელი Jev-ი პლატფორმა Vercel-ის ყველაზე სწრაფად მზარდი AI პროდუქტი გახდა
andrewaltair.ge

⚡ მოდელი Jev-ი პლატფორმა Vercel-ის ყველაზე სწრაფად მზარდი AI პროდუქტი გახდა

ღრუბლოვანი პლატფორმა Vercel-ის მიერ 2026 წლის 16 ოქტომბერს გამოქვეყნებული ოფიციალური სტატისტიკის თანახმად, სტარტაპ TypeSafe AI-ის მიერ შექმნილი გადაწყვეტილების მიმღები მოდელი Jev-ი პლატფორმის არსებობის განმავლობაში ყველაზე სწრაფად ათვისებადი ხელოვნური ინტელექტის სისტემა გახდა. მონაცემები ეფუძნება Vercel-ის ერთიან AI კარიბჭეს, რომელიც OpenRouter-ის მსგავსი გაერთიანებული API სერვისია. ანგარიშში აღნიშნულია, რომ გამოსვლიდან სულ რაღაც 2 კვირის განმავლობაში ახალ მოდელს პლატფორმის ფასიანი გუნდების 35% იყენებდა. ეს მაჩვენებელი თითქმის 2-ჯერ აღემატება რეიტინგში მეორე ადგილზე მყოფი პოპულარული მოდელის, Sonnet 5.5-ის გავრცელების მასშტაბს, რაც შემქმნელი კომპანიისთვის სერიოზულ კომერციულ წარმატებას ნიშნავს. მოდელი Jev-ი შეზღუდული წვდომის რეჟიმში 2026 წლის 15 სექტემბერს გამოვიდა და ის სპეციალურად არის დაპროექტებული, როგორც მსუბუქი ინსტრუმენტი წინასწარ განსაზღვრულ რამდენიმე ვარიანტს შორის სწრაფი არჩევანის გასაკეთებლად. გამოსავალი სივრცის მკაცრი შეზღუდვა სისტემას საშუალებას აძლევს, იმუშაოს ბევრად იაფად და სწრაფად, ვიდრე Sonnet 5.5-ის მსგავსმა უნივერსალურმა მოდელებმა. „გამოსვლიდან პირველი 2 კვირის განმავლობაში დაფიქსირებული 35%-იანი მაჩვენებელი ყველაზე სწრაფი ათვისებაა, რაც კი ჩვენს მონაცემებში ნებისმიერ მოდელს ოდესმე უჩვენებია,“ - განაცხადა Vercel-ის წარმომადგენელმა ანგარიშის შეფასებისას. მისი თქმით, მსგავსი არქიტექტურა იდეალურია დიდი მოცულობის მონაცემთა მყისიერი დახარისხებისა და მარშრუტიზაციისთვის. ახალმა მიდგომამ სექტემბრის შუა რიცხვებიდან ინდუსტრიაში დიდი ინტერესი გამოიწვია და კონკურენტი გადაწყვეტილებების შექმნისკენ უბიძგა ისეთ გიგანტებს, როგორებიცაა OpenAI და Amazon-ი. აქამდე დეველოპერების დადებითი შეფასებების უკან მყარი სტატისტიკა არ ჩანდა, თუმცა Vercel-ის ანალიტიკამ დაადასტურა, რომ ინტერესი რეალურ საწარმოო მოხმარებაში გადაიზარდა. საგულისხმოა, რომ თავად Vercel-ი გახდა Jev-ის ერთ-ერთი პირველი მსხვილი კორპორაციული მომხმარებელი საკუთარ შიდა ინფრასტრუქტურაში. კომპანიამ დაადასტურა, რომ საზიანო და სახიფათო ბრძანებების ამოცნობის სისტემაში ძვირადღირებული GPT-6 Luna სწორედ TypeSafe AI-ის მსუბუქი მოდელით ჩაანაცვლა, რითაც რეაგირების დრო და ხარჯი შეამცირა. ექსპერტებმა განმარტეს, რომ Vercel-ის კარიბჭის სტატისტიკა გარკვეულწილად შეზღუდულ სურათს იძლევა, რადგან ის სრულად ვერ აღრიცხავს OpenAI-ისა და Anthropic-ის პირდაპირ API ტრაფიკს. მიუხედავად ამისა, ერთიანი კარიბჭის მონაცემები ზუსტად ასახავს, თუ რა ინსტრუმენტებს ირჩევენ დეველოპერული გუნდები მრავალმოდელიანი არქიტექტურის აწყობისას. გამოქვეყნებული ანგარიში ასევე აჩვენებს ღია კოდის მქონე მოდელების სწრაფ წინსვლას კორპორაციულ სექტორში. დღეისათვის Vercel-ის კარიბჭის გავლით დამუშავებული ტოკენების 70%-ზე მეტი და მთლიანი ფინანსური დანახარჯების თითქმის 25% სწორედ ღია კოდის მქონე მოდელებზე მოდის. მიუხედავად იმისა, რომ ღია კოდის სისტემები ბაზრის სულ უფრო დიდ წილს იკავებს, მთლიანი ეკოსისტემაც სწრაფი ტემპით ფართოვდება. ანგარიშის მიხედვით, მოწინავე ფლაგმანურ ლაბორატორიებზე გაწეული ხარჯები 10-ჯერ გაიზარდა, თუნდაც მათი პროცენტული წილი საერთო ბიუჯეტში შემცირებული იყოს. ინჟინრების შეფასებით, ფიქსირებულ გამოსავლებზე მომუშავე მცირე მოდელების პოპულარობა პირდაპირ აკმაყოფილებს საწარმოების მოთხოვნას პროგნოზირებად და სტაბილურ პროგრამულ კომპონენტებზე. როდესაც აპლიკაციას მხოლოდ რამდენიმე კონკრეტული ვარიანტიდან ერთ-ერთის არჩევა სჭირდება, მსუბუქი სისტემა ჰალუცინაციების რისკსაც ამცირებს და დაყოვნებას მილიწამებამდე დაჰყავს. კორპორაციული არქიტექტორებისთვის ასეთი დანაწევრება ფინანსური მდგრადობის მთავარ გარანტიად იქცა, რადგან ყოველდღიური ტრაფიკის უდიდესი ნაწილი სწორედ რუტინულ შემოწმებებსა და ტექსტური ნაკადების ფილტრაციაზე მოდის. Jev-ის ინტეგრაცია გუნდებს აძლევს საშუალებას, ძირითადი ბიუჯეტი მხოლოდ იმ ამოცანებზე მიმართონ, სადაც ღრმა ანალიტიკური მსჯელობაა საჭირო. ანალიტიკოსები ვარაუდობენ, რომ უახლოეს თვეებში ერთიანი API კარიბჭეების როლი კიდევ უფრო გაიზრდება, რადგან კომპანიები ერთდროულად რამდენიმე სხვადასხვა ლაბორატორიის პროდუქტს იყენებენ. სწრაფი გადაწყვეტილების მიმღები მოდელებისა და ღია კოდის სისტემების კომბინაცია თანამედროვე ღრუბლოვანი აპლიკაციების სტანდარტულ სამუშაო სქემად ყალიბდება. ეს დინამიკა ამყარებს მოსაზრებას, რომ მძლავრი ფლაგმანური მოდელები და სპეციალიზებული ან ღია კოდის მქონე ალტერნატივები ერთმანეთს ბუნებრივად ავსებს. დეველოპერები საბაზისო სელექციასა და სწრაფ გადაწყვეტილებებს Jev-ის ტიპის ეკონომიურ მოდელებს ანდობენ, ხოლო რთული მსჯელობისთვის კვლავ ფლაგმანურ სისტემებს იყენებენ.

მოდელი Jev-ი პლატფორმა Vercel-ის ყველაზე სწრაფად მზარდი AI პროდუქტი გახდა
17 ოქტ 20260
Replit-მა Anthropic-თან თანამშრომლობა შეწყვიტა და OpenAI-ზე გადაერთო
andrewaltair.ge

💻 Replit-მა Anthropic-თან თანამშრომლობა შეწყვიტა და OpenAI-ზე გადაერთო

ხელოვნურ ინტელექტზე დაფუძნებული კოდირების პლატფორმა Replit-ი კომპანია Anthropic-თან აღარ თანამშრომლობს. ამის შესახებ სტარტაპის აღმასრულებელმა დირექტორმა და თანადამფუძნებელმა ამჯად მასადმა 2026 წლის 16 ოქტომბერს კონფერენცია TechCrunch Disrupt-ის სცენაზე გამოსვლისას განაცხადა. მისი თქმით, პარტნიორობის დასრულება რამდენიმე კონკრეტულმა ფაქტორმა განაპირობა, რომელთა შორის მთავარი მომსახურების მაღალი ფინანსური ღირებულება აღმოჩნდა. კომპანიამ OpenAI-სთან სტრატეგიული შეთანხმების გაფორმების შესახებ ჯერ კიდევ აგვისტოში აღნიშნა, თუმცა იმ პერიოდში არ არსებობდა არანაირი საჯარო მინიშნება, რომ პლატფორმა Anthropic-ის მოდელებზე უარს ამბობდა. Replit-ი მომხმარებლებს სთავაზობს ღრუბლოვან გარემოს, სადაც დეველოპერები და დამფუძნებლები აპლიკაციებს პირდაპირ ბრაუზერიდან ქმნიან და ამოქმედებენ, რაც დიდ გამოთვლით რესურსს მოითხოვს. „ვფიქრობ, ChatGPT ახლა უკეთესია. ჩვენ ვაქვეყნებთ საჯარო ბენჩმარკსაც და Sol და Astra სტაბილურად უკეთეს შედეგს აჩვენებს აპლიკაციების ნულიდან აწყობისას,“ - განმარტა ამჯად მასადმა სცენაზე საუბრისას. მან დაადასტურა, რომ კომპანია მოდელების შესაფასებლად როგორც შიდა, ისე ღია ტესტირების მეთოდოლოგიას იყენებს და არჩევანი ხარჯების, პარტნიორობის პირობებისა და სისწრაფის შეჯერებით მიიღო. წინა წლების განმავლობაში Anthropic-თან თანამშრომლობის ფარგლებში Replit-ის ინფრასტრუქტურა ძირითადად Claude-ის ოჯახის მოდელებს ეყრდნობოდა. ინდუსტრიის ანალიტიკოსების შეფასებით, სწორედ ამ ინტეგრაციამ შეუწყო ხელი პლატფორმის შემოსავლების სწრაფ ზრდას და ეგრეთ წოდებული ვაიბ-კოდირების მიმართულების პოპულარიზაციას სტარტაპების დამფუძნებლებს შორის. მიუხედავად აღმასრულებელი დირექტორის საჯარო გამოსვლისა, საკითხში ჩახედულმა წყაროებმა TechCrunch-თან საუბრისას მასადის სიტყვები უარყვეს. ანონიმურმა ინსაიდერმა, რომელმაც ვინაობის გამჟღავნება არ ისურვა, დაადასტურა, რომ ორ კომპანიას შორის კომერციული შეთანხმება კვლავ ძალაში რჩება და ტექნიკური კავშირი სრულად არ გაწყვეტილა. ამ გარემოებას თავად Replit-ის ვებსაიტზე, ოფიციალურ ბლოგსა და სოციალურ ქსელებში გამოქვეყნებული მასალებიც მოწმობს. სექტემბრის ბოლოს გამოქვეყნებულ ტექნიკურ მიმოხილვაში პირდაპირ არის მითითებული, რომ Replit Agent-ის სამუშაო გარემოში აქტიურად გამოიყენება Anthropic-ის უახლესი Claude Fable 5 და Claude Fable 5.1 მოდელები. გარდა ამისა, სექტემბრის მიწურულს Replit-ის პროდუქტის გუნდის ერთ-ერთმა თანამშრომელმა პლატფორმა X-ზე გამოაქვეყნა პოსტი, რომელშიც Anthropic-ის ფლაგმანური მოდელის, Opus 5.5-ის შესაძლებლობებს აქებდა და მის პრაქტიკულ გამოყენებაზე საუბრობდა. რედაქციამ დამატებითი განმარტებისთვის კომპანიის პრესსამსახურს მიმართა, თუმცა ოფიციალური პასუხი ჯერ არ მიუღია. კონფერენციაზე გამოსვლისას მასადმა კომპანიის ფინანსური სტრუქტურის ცვლილებაზეც ისაუბრა და აღნიშნა, რომ კორპორაციული სექტორი სულ უფრო დიდ წილს იკავებს. მისი თქმით, გასულ წელს მსხვილი საწარმოების კონტრაქტები მთლიანი ბრუნვის მხოლოდ 2%-ს შეადგენდა, მიმდინარე წელს კი ეს მაჩვენებელი 15%-მდე გაიზარდა. ამავე მონაცემებით, Replit-ის მთლიანი შემოსავლის 50%-ზე მეტი უკვე ბიზნეს-სექტორის, ანუ B2B კლიენტების მომსახურებაზე მოდის. კომპანია წლიური განმეორებადი შემოსავლის ზუსტ აბსოლუტურ ციფრებს ამ ეტაპზე არ ასაჯაროებს, თუმცა კორპორაციული შეკვეთების მატება პროდუქტის სტაბილურობაზე მოთხოვნას ზრდის. დასკვნით ნაწილში აღმასრულებელმა დირექტორმა ავტონომიური აგენტების უსაფრთხოებაზე გაამახვილა ყურადღება და განმარტა, რომ პროგრამულ აგენტებს სამუშაოდ სპეციალური დაცული გარემო სჭირდება. ასეთი არქიტექტურა მოიცავს გამართულ ორკესტრირებას, შეცდომების აღდგენის მექანიზმებს, იზოლირებულ სენდბოქსებს, ქსელურ კონტროლსა და იდენტობის მკაცრ ავტორიზაციას. მასადმა აგენტური ინფრასტრუქტურა ადამიანის სამუშაო სივრცეს შეადარა, სადაც შედეგიანი საქმიანობისთვის გამართული ოფისი, კომპიუტერი და უსაფრთხო პირობებია აუცილებელი. მისი შეფასებით, კომპანიებმა ჯერ სწორედ ეს საბაზისო გარემო უნდა მოაწესრიგონ, რათა ხელოვნური ინტელექტის სისტემების რეალურ ბიზნეს-პროცესებში ჩაშვება უსაფრთხოდ მოხერხდეს. კოდირების პლატფორმების მიერ მოდელების მომწოდებლების დივერსიფიკაცია აჩვენებს, რომ სტარტაპები ერთ ლაბორატორიაზე დამოკიდებულებას ერიდებიან. როდესაც კორპორაციული კლიენტების წილი იზრდება, კოდის გენერაციის ხარისხთან ერთად წინა პლანზე გამოდის თითოეული მოთხოვნის თვითღირებულება და ინფრასტრუქტურული მოქნილობა.

Replit-მა Anthropic-თან თანამშრომლობა შეწყვიტა და OpenAI-ზე გადაერთო
17 ოქტ 20260
Google-მა რობოტების მართვისთვის უნივერსალური AI მოდელი Gemini 4 Argon წარადგინა
andrewaltair.ge

🤖 Google-მა რობოტების მართვისთვის უნივერსალური AI მოდელი Gemini 4 Argon წარადგინა

ტექნოლოგიურმა გიგანტმა Google-მა რობოტოტექნიკის სრული ციკლის სამართავად ახალი მულტიმოდალური ხელოვნური ინტელექტის მოდელი Gemini 4 Argon წარადგინა. სისტემა აერთიანებს აპარატურის პირდაპირ კონტროლს, ვირტუალური სიმულაციური სამყაროების გენერირებასა და საწვრთნელი ვიდეოების დეტალურ შეფასებას. დეველოპერებს საშუალება ეძლევა, ერთი ალგორითმით მართოს ურთულესი საინჟინრო პროცესები და შეამციროს რთული აპარატურული ექსპერიმენტების ხარჯი. სადემონსტრაციო ექსპერიმენტში Boston Dynamics-ის ოთხფეხა რობოტი Spot ნაგვის ურნის პედლის დაჭერასა და ქილების ჩაყრას ასრულებდა. რეალურ მოწყობილობასთან შეხებამდე Gemini 4 Argon-მა გარემოს ვირტუალური ასლი შექმნა, სადაც რობოტმა სამ ფეხზე ბალანსირება წინასწარ ივარჯიშა. მხოლოდ ვირტუალური ტესტების წარმატებით გავლის შემდეგ გადავიდა მექანიზმი რეალურ დავალებაზე, რამაც მექანიკური დაზიანების რისკები სრულად გამორიცხა. დამუშავებული ალგორითმების წყალობით სისტემა სივრცით ურთიერთობებს აანალიზებს და საკონტროლო პროგრამულ კოდს დამოუკიდებლად ქმნის. კომპანიის განცხადებით, მოდელი ფიზიკური ზოგადი ხელოვნური ინტელექტის შექმნისკენ გადადგმულ ეტაპს წარმოადგენს, რაზეც DeepMind წლებია მუშაობს. სისტემა აერთიანებს ვიზუალურ ანალიტიკას, დინამიკურ ბალანსსა და ობიექტების გადაადგილების ზუსტ ტრაექტორიებს, რაც მანიპულატორების მოქმედებებს მეტ მოქნილობას სძენს. ერთ-ერთ სატესტო გარემოში მოდელმა მაგიდის ერთი ფოტოსურათიდან ვირტუალური სამყარო ააგო, სადაც 77 სხვადასხვა ამოცანა ჩამოაყალიბა და 4500-ზე მეტი საწვრთნელი ეპიზოდი გენერირდა. რეალურ რობოტზე გამოცდისას ოპერაციის წარმატების მაჩვენებელი 56-დან 75 პროცენტამდე გაიზარდა, ხოლო შესრულების დრო 35-დან 24 წამამდე შემცირდა, რაც წარმოების პროდუქტიულობაზე დადებითად აისახა და ალგორითმის მაღალ ეფექტიანობას გაუსვა ხაზი. ინჟინრების თქმით, მოდელს მარტივი ნახაზებიდანაც შეუძლია მუშაობა. ჩვეულებრივი ბურთულიანი კალმით შესრულებული ესკიზის საფუძველზე Argon-მა სიმულაცია ააგო, სადაც ჰუმანოიდმა რობოტმა ბურთის ტყორცნით 6 ყუთი ისე წააქცია, რომ წონასწორობა არ დაუკარგავს. ალგორითმმა ზუსტად გამოთვალა ფიზიკური იმპულსი, დაცემის კუთხე და სხეულის სიმძიმის ცენტრის მდგრადობა, რაც მანქანური გამოთვლების მაღალ სიზუსტეზე მიუთითებს. მკვლევარებმა აღნიშნა, რომ მოდელი სამეცნიერო ნაშრომების რეპროდუცირებასაც ემსახურება. თითოეული პუბლიკაციის ბაზაზე სისტემამ ბრაუზერში გაშვებული 68 ინტერაქციული სიმულაცია შექმნა, მათ შორის რობოტების ფეხბურთი და სკეიტბორდზე მდგარი ჰუმანოიდი მოწყობილობა. ეს ფუნქციონალი სამეცნიერო ექსპერიმენტების გადამოწმებასა და ლაბორატორიულ ტესტირებას საგრძნობლად აჩქარებს და მკვლევრებს დროს უზოგავს. სივრცითი ამოცანების ERQA ბენჩმარკზე, რომელიც 400 ურთულეს შეკითხვას მოიცავს, Gemini 4 Argon-მა 87 პროცენტი დააგროვა და კონკურენტებს გაუსწრო. მეორე ადგილზე გასულმა Claude Opus 5.5-მა 82.3 პროცენტი მიიღო, ხოლო GPT-6 Astra-მ 81 პროცენტი დააფიქსირა. Claude Fable 5.1-ის მაჩვენებელი კი 74 პროცენტით შემოიფარგლა, რაც Argon-ის სივრცით უპირატესობაზე მეტყველებს და მის მულტიმოდალურ პოტენციალს ადასტურებს. ხელოვნური ანალიზის AA-Robotics ტესტში, სადაც მოდელები რეალურ მანიპულატორს 8 დავალებაში მართავდა, Argon-მა 55 ქულა დააგროვა. Google-ის წარმომადგენლებმა განმარტა: „Argon-ი ფიზიკური ზოგადი ხელოვნური ინტელექტისკენ გადადგმული კიდევ ერთი ნაბიჯია, თუმცა სისტემას გარკვეულ ეტაპებზე კვლავ სჭირდება ადამიანის ზედამხედველობა.“ ტესტში პირველი ადგილი GPT-6-მა დაიკავა და კონკურენტებს გადაუსწრო. კომპანიის სპეციალისტებმა დაადასტურა, რომ სისტემა ასევე გამოიყენება საწვრთნელი მონაცემების გასაფილტრად. ორი წუთის ხანგრძლივობის ვიდეოებში, სადაც ორი რობოტული მკლავი ორიგამის ფიგურას კეცავდა, მოდელმა შეცდომები და პაუზები აღმოაჩინა, რათა შემდგომ ტრენინგში არასწორი მანევრები არ გათვალისწინებულიყო. ეს მიდგომა მანქანური სწავლების ეფექტიანობას ზრდის და უხარისხო მონაცემების გავლენას აქრობს. მოდელი უკვე ხელმისაწვდომია Google AI Studio-სა და დეველოპერულ პლატფორმა Antigravity-ში Google AI Ultra გამომწერებისთვის. ერთიანი არქიტექტურა, რომელიც სიმულაციას, პირდაპირ კონტროლსა და შეფასებას აერთიანებს, ინდუსტრიულ რობოტოტექნიკაში ახალ მიდგომებს ამკვიდრებს და საწარმოო პროცესების ავტომატიზაციას ახალ საფეხურზე აჰყავს, რაც გლობალურ ბაზარზე ტექნოლოგიურ კონკურენციას ამძაფრებს. ახალი პლატფორმის პრაქტიკული დანერგვა საწარმოო ხაზებზე რობოტების ადაპტაციის პერიოდს რამდენიმე კვირიდან რამდენიმე საათამდე ამცირებს. Google-ის ინჟინრები ვარაუდობს, რომ უნიფიცირებული მოდელის გამოყენება რობოტების პროგრამირებას გაამარტივებს და მცირე საწარმოებსაც მისცემს თანამედროვე ავტომატიზაციის დანერგვის შესაძლებლობას.

Google-მა რობოტების მართვისთვის უნივერსალური AI მოდელი Gemini 4 Argon წარადგინა
16 ოქტ 20260
GPT-6-Astra-მ თეორიული ფიზიკის 50 კვლევითი ამოცანიდან 49 წარმატებით გადაჭრა
andrewaltair.ge

🔬 GPT-6-Astra-მ თეორიული ფიზიკის 50 კვლევითი ამოცანიდან 49 წარმატებით გადაჭრა

თეორიული მეცნიერებების საერთაშორისო ცენტრის, ჰარვარდის უნივერსიტეტისა და Google DeepMind-ის 35 მკვლევრისგან შემდგარმა ჯგუფმა ახალი ბენჩმარკი TheoPhysEval წარადგინა. ტესტი თეორიულ ფიზიკაში ადრე გამოუქვეყნებელ 50 კომპლექსურ კვლევით ამოცანას აერთიანებს, რომელთაგან თითოეულის გადასაჭრელად წამყვან მეცნიერს მთელი დღე სჭირდება. ამოცანები შედგა ისე, რომ მზა პასუხები ინტერნეტში არ მოიძებნებოდა და ალგორითმს საკუთარი ლოგიკა უნდა გამოეყენებინა. კვლევის ფარგლებში კომერციული ხელოვნური ინტელექტის აგენტები ადამიანის ჩარევის გარეშე გამოსცადეს. პირველ ადგილზე OpenAI-ის მოდელი GPT-6-Astra გავიდა, რომელიც Codex-ის გარემოში მუშაობდა. სისტემამ 50 ამოცანიდან 49 სწორად ამოხსნა, რაც 98-პროცენტიან სიზუსტეს შეადგენს და ადამიანური გამოთვლების შესაძლებლობებს უტოლდება. ამ შედეგმა დაადასტურა, რომ ალგორითმებს რთული სამეცნიერო ფორმულების მართვა მაღალ დონეზე შეუძლია. ავტორების განცხადებით, თითოეული ამოცანის გადაჭრის საშუალო ღირებულებამ 2.40 დოლარი შეადგინა, ხოლო მთელი სატესტო პაკეტის შესრულება სულ რაღაც 116 დოლარი დაჯდა. გამოთვლები მოიცავდა თეორიული ფიზიკის 11 ქვედარგს, მათ შორის ჰიდროდინამიკას, ბიოლოგიურ პროცესებს, ელემენტარულ ნაწილაკებსა და კოსმოლოგიას, სადაც მაღალი მათემატიკური აპარატი გამოიყენება და თითოეული შეცდომა გამოთვლების ჩაშლას იწვევს. ტესტირებაში მონაწილეობდა სხვა წამყვანი გადაწყვეტებიც. Anthropic-ის მოდელმა Opus 5.5-მა Claude Code-ის გარემოში 92 პროცენტი აჩვენა, Google-ის Gemini 3.8 Flash-მა 68 პროცენტი დააგროვა, ხოლო ღია მოდელებმა DeepSeek-V4.1-Flash-მა და GLM 5.3-მა შესაბამისად 54 და 42 პროცენტი დააფიქსირა, რაც კომერციული მოდელების უპირატესობას ადასტურებს. ღია სისტემებს შედარებით გაუჭირდა მრავალსაფეხურიანი გამოთვლების ბოლომდე მიყვანა. მკვლევარებმა აღნიშნა, რომ ინტერნეტთან წვდომამ შედეგებზე მცირე გავლენა მოახდინა. ვებძიების გარეშეც Astra-მ და Opus-მა 92 პროცენტი დააგროვა. ეს მიუთითებს, რომ მოწინავე ენობრივ მოდელებს თეორიული ფიზიკის სამეცნიერო ლიტერატურის უზარმაზარი ნაწილი ზედმიწევნით აქვს დამახსოვრებული და შიდა ლოგიკურ კავშირებს თავისუფლად იყენებს, რაც ინფორმაციის სწრაფ სინთეზს განაპირობებს. კოორდინატორმა სუვრატ რაჯუმ განმარტა, რომ შავი ხვრელების ერთ-ერთი რთული ამოცანა ფორმულების 5-განზომილებიანი სივრციდან 4-განზომილებიანში გადატანასა და პროგრამული კოდის დაწერას მოითხოვდა. ადამიან ექსპერტს ამისთვის მთელი დღე დასჭირდა, მაშინ როდესაც Astra-მ სწორი პასუხი უმოკლეს დროში გამოითვალა და რთული ალგორითმული ჯაჭვი შეცდომის გარეშე დახურა, რაც პროგრამირების მაღალ ხარისხზე მიუთითებს. რამდენიმე ამოცანაში ავტორთა თავდაპირველ ეტალონურ პასუხებში მცირე უზუსტობები აღმოჩნდა. შეცდომების გასწორების შემდეგ დადასტურდა, რომ Astra-ს გამოთვლები სრულად შეესაბამებოდა ჭეშმარიტ ფიზიკურ კანონზომიერებებს. სისტემის მიერ აღმოჩენილმა კორექტირებებმა მეცნიერებს დაანახა, რომ ალგორითმი ფორმულების მექანიკურ კოპირებას სცდება და ამოცანის ღრმა ანალიზს აკეთებს. მეცნიერებმა ხაზი გაუსვა, რომ რთული გამოთვლების შესრულება კვლევის მხოლოდ დასკვნითი ნაწილია. ავტორების თქმით: „მოდელებს ჯერ კიდევ აკლია ის სამეცნიერო გემოვნება, რომელიც ნამდვილად საჭირო ამოცანებს მეორეხარისხოვანი დეტალებისგან განასხვავებს. თეორიის შექმნა სწორი შეკითხვების დასმასა და ინტუიციურ ანალიზს მოითხოვს.“ ხელოვნური ინტელექტი ჯერ ვერ განსაზღვრავს კვლევის ფუნდამენტურ მიმართულებებს. ექსპერტების შეფასებით, მიღწეული პროგრესი ახალგაზრდა მკვლევრების მომზადების პროცესსაც ცვლის. სადოქტორო ნაშრომების საწყისი ამოცანები, რომლებიც ადრე თვეობით შრომას მოითხოვდა, დღეს ალგორითმების მიერ რამდენიმე წუთში და მიზერული დანახარჯით სრულდება, რაც აკადემიური პროგრამების მოდერნიზების აუცილებლობას ქმნის და უნივერსიტეტებს სწავლების მეთოდების გადახედვას აიძულებს. სპეციალისტებმა დაადასტურა, რომ გამოთვლითი სიმძლავრეების გაიაფება სამეცნიერო ლაბორატორიებს შორის თანასწორობას ცვლის. თუ ადრე თეორიული ფიზიკა მინიმალურ ბიუჯეტს მოითხოვდა, მომავალში ძლიერი AI აგენტების ქირაობა კვლევითი ჯგუფების ფინანსურ შესაძლებლობებზე გახდება დამოკიდებული, რაც დამატებით ინსტიტუციურ გამოწვევებს შექმნის. TheoPhysEval-ის სრული მონაცემთა ბაზა უკვე განთავსდა Hugging Face-ის პლატფორმაზე და ნებისმიერი დაინტერესებული პირისთვის ხელმისაწვდომია. კვლევა ნათლად ადასტურებს, რომ ზუსტი მეცნიერებების სფეროში ხელოვნური ინტელექტი რუტინული გამოთვლების მთავარ შემსრულებლად ყალიბდება და მეცნიერებს ფუნდამენტურ იდეებზე კონცენტრირების საშუალებას აძლევს, რაც სამეცნიერო პროგრესს საგრძნობლად აჩქარებს.

GPT-6-Astra-მ თეორიული ფიზიკის 50 კვლევითი ამოცანიდან 49 წარმატებით გადაჭრა
16 ოქტ 20260
აშშ-ის რვა შტატმა OpenAI-ს ბავშვთა უსაფრთხოების დარღვევისთვის სასამართლოში უჩივლა
andrewaltair.ge

⚖️ აშშ-ის რვა შტატმა OpenAI-ს ბავშვთა უსაფრთხოების დარღვევისთვის სასამართლოში უჩივლა

ამერიკის შეერთებულ შტატებში ხელოვნური ინტელექტის ინდუსტრიის წინააღმდეგ ერთ-ერთი ყველაზე მასშტაბური სამართლებრივი დავა დაიწყო. 2026 წლის 14 ოქტომბერს აშშ-ის 8 შტატისგან შემდგარმა კოალიციამ კომპანია OpenAI-ს სასამართლოში ოფიციალურად უჩივლა. გენერალური პროკურორები ChatGPT-ის დეველოპერს ბავშვთა ონლაინ უსაფრთხოების ფუნდამენტურ დარღვევასა და 18 წლამდე არასრულწლოვნებისთვის ფსიქოლოგიურად საზიანო ინსტრუქციების მიწოდებაში ადანაშაულებს. სასამართლოში წარდგენილ დოკუმენტებში პროკურორებმა ხაზი გაუსვა, რომ კომპანიამ ვერ შეძლო ბავშვებისთვის საიმედო დამცავი მექანიზმების შექმნა: „OpenAI-მ საზოგადოება შეცდომაში შეიყვანა, როდესაც საკუთარ პროდუქტებს სრულიად უსაფრთხოდ აცხადებდა, რეალურად კი ალგორითმი მოზარდებს სახიფათო ქმედებებისკენ უბიძგებდა“. სარჩელში მოყვანილია კონკრეტული ფაქტები, სადაც ჩატბოტი ბავშვებს თვითდაზიანების მეთოდებს ასწავლიდა და მათ ემოციურ კრიზისს კიდევ უფრო ამწვავებდა. სამართლებრივ კოალიციაში გაერთიანებული 4 შტატი - აიოვა, კანზასი, ნებრასკა და დასავლეთ ვირჯინია კოორდინირებულ ფედერალურ მოქმედებებს ახორციელებს, ხოლო არკანზასმა, არიზონამ, აიდაჰომ და მონტანამ ცალკეული სარჩელები შტატების სასამართლოებში შეიტანა. პროკურორები განმარტავს, რომ ტექნოლოგიური გიგანტების მხრიდან მოგების მიღების სურვილმა ბავშვების ჯანმრთელობისა და სიცოცხლის უსაფრთხოება უკანა პლანზე გადაიტანა, რაც დაუშვებელ პრაქტიკას წარმოადგენს. სახელმწიფოების მთავარი მოთხოვნაა, სასამართლომ OpenAI-ს მკაცრი რეგულაციები დააკისროს და აიძულოს, ძირფესვიანად შეცვალოს ChatGPT-ის არქიტექტურა არასრულწლოვან მომხმარებლებთან მიმართებით. მოსარჩელეები მოითხოვს მკაცრი ასაკობრივი ბარიერების დაწესებას, ბავშვებთან ინტერაქციის შინაარსობრივ შეზღუდვას და იმ ფინანსური მოგების სრულ კონფისკაციას, რომელიც კომპანიამ არასრულწლოვანთა ჩართულობით უკანონოდ გამოიმუშავა. იურიდიულმა ექსპერტებმა საქმის კომენტირებისას განაცხადა, რომ აღნიშნული პროცესი მნიშვნელოვან როლს ითამაშებს მთელი გლობალური ინდუსტრიისთვის. თუ სასამართლო შტატების პოზიციას გაიზიარებს, გენერაციული სისტემების შემქმნელებს მოუწევს, საკუთარი მოდელების წვრთნის მეთოდოლოგია და ეთიკური ფილტრები სრულად გადაამუშაოს. ეს ნაბიჯი დაასრულებს ეპოქას, როდესაც ტექნოლოგიური კომპანიები მომხმარებლების უსაფრთხოების ხარჯზე სწრაფ ზრდას აღწევდა. სარჩელში ასევე დააზუსტა დეტალები იმის შესახებ, თუ როგორ უგულებელყო კომპანიამ შიდა გაფრთხილებები და მკვლევართა რეკომენდაციები. დოკუმენტების მიხედვით, მენეჯმენტისთვის ცნობილი იყო მოდელების დეფექტების შესახებ, თუმცა ბაზარზე პირველობის შესანარჩუნებლად სისტემის დახვეწა გადაიდო. პროკურორები მიიჩნევს, რომ ეს შეგნებული უმოქმედობა უხეშ დაუდევრობას უტოლდება და უმკაცრეს სამართლებრივ პასუხისმგებლობას მოითხოვს. ბავშვთა ფსიქოლოგები და უფლებადამცველები აღნიშნავს, რომ ხელოვნური ინტელექტის გავლენა მოზარდთა ფსიქიკაზე ჯერ კიდევ ბოლომდე შესწავლილი არ არის. როდესაც ემოციურად მოწყვლადი ბავშვი ციფრულ ასისტენტს მეგობრად აღიქვამს, ჩატბოტის ნებისმიერი მცდარი ან ტოქსიკური პასუხი შეიძლება ტრაგიკული შედეგით დასრულდეს. სწორედ ამიტომ, საზოგადოება ტექნოლოგიური კომპანიებისგან უმაღლესი პასუხისმგებლობის სტანდარტებს მოითხოვს. OpenAI-ს წინააღმდეგ აღძრული საქმე ნათლად აჩვენებს, რომ ხელოვნური ინტელექტის განვითარება მკაცრი სამართლებრივი ჩარჩოების გარეშე შეუძლებელია. 2026 წელი გახდა ზღვარი, სადაც ტექნოლოგიურ ეიფორიას სახელმწიფოებრივი ზედამხედველობა და მომხმარებელთა უფლებების პრიორიტეტი ენაცვლება. ეს პროცესი ინდუსტრიას აიძულებს, ინოვაციები ადამიანურ ღირებულებებსა და უსაფრთხოებაზე დააფუძნოს. საერთაშორისო დამკვირვებლები ვარაუდობს, რომ ამერიკული შტატების გაბედული ნაბიჯი ევროპისა და სხვა რეგიონების მარეგულირებლებისთვისაც ბიძგის მიმცემი გახდება. გლობალური საზოგადოება თანხმდება, რომ ბავშვთა დაცვა ნებისმიერ კომერციულ ინტერესზე მაღლა დგას. სამართლებრივი დავის შედეგები განსაზღვრავს იმას, თუ როგორი წესებით იმოქმედებს ხელოვნური ინტელექტი მომავალ თაობებთან ურთიერთობისას. საბოლოო ჯამში, რვა შტატის გაერთიანებული სარჩელი წარმოადგენს განგაშის ზარს მთელი ტექნოლოგიური სექტორისთვის. უსაფრთხოება არ შეიძლება იყოს მეორეხარისხოვანი დანამატი, ის სისტემის საძირკველშივე უნდა იყოს ჩადებული. ეს ისტორიული სასამართლო პროცესი შექმნის სტანდარტს, რომელიც მომავალში ციფრული სამყაროს ჰუმანურ და პასუხისმგებლიან განვითარებას უზრუნველყოფს.

აშშ-ის რვა შტატმა OpenAI-ს ბავშვთა უსაფრთხოების დარღვევისთვის სასამართლოში უჩივლა
15 ოქტ 20260
AI აგენტების გუნდები ტოკენებს ფლანგავს და ხარისხს თითქმის არ ზრდის
andrewaltair.ge

🤖 AI აგენტების გუნდები ტოკენებს ფლანგავს და ხარისხს თითქმის არ ზრდის

სატესტო კომპანია Vals AI-ის ახალი კვლევის თანახმად, ხელოვნური ინტელექტის აგენტების გუნდები თითქმის არ იძლევა უკეთეს შედეგს ერთ აგენტთან შედარებით, მაგრამ უზარმაზარ რესურსსა და ტოკენებს ხარჯავს. მკვლევარებმა სისტემები შეაფასა Vibe Code Bench-ის ბენჩმარკზე, რათა გაერკვია მრავალაგენტიანი მიდგომის რეალური ეკონომიკური ეფექტურობა. შედეგებმა აჩვენა, რომ რთული იერარქიები ხშირად არ ამართლებს დამატებით ხარჯებს. ტესტირებაში მონაწილეობდა უახლესი ფლაგმანი მოდელები GPT-6 Sol და Claude Opus 5.5. თითოეული მოდელი გამოსცადეს როგორც სოლო რეჟიმში, ისე კოლაბორაციულ გუნდურ სტრუქტურაში, მსჯელობის 2 დონეზე: საშუალო და მაქსიმალური დატვირთვით. შედეგებმა აჩვენა, რომ გუნდური სისტემები 1.8 დან 5.1 ჯერ უფრო ძვირი ჯდებოდა გამოთვლების თვალსაზრისით, რაც ფინანსურ ბიუჯეტს მნიშვნელოვან ტვირთად აწვება. კვლევის ავტორებმა განაცხადა: „მრავალი აგენტის ერთდროული ჩართვა მკვეთრად ზრდის ტოკენების ხარჯს, თუმცა საბოლოო ხარისხობრივი გაუმჯობესება ხშირად მინიმალური ან შეუმჩნეველია.“ ეს ემპირიული დასკვნა ეჭვქვეშ აყენებს ინდუსტრიაში გაბატონებულ რწმენას, რომ აგენტების რაოდენობის გაზრდა ავტომატურად აუმჯობესებს შედეგს. ავტორები ურჩევს ინჟინრებს, ჯერ ჩაატაროს ეკონომიკური გათვლები. ჩატარებული 4 ძირითადი შედარებიდან სტატისტიკურად მნიშვნელოვანი ხარისხობრივი ნახტომი მხოლოდ 1 შემთხვევაში დაფიქსირდა. კერძოდ, GPT-6 Sol-ის გუნდმა საშუალო მსჯელობის დონეზე 7.3 ქულით მეტი დააგროვა ცალკეულ აგენტთან შედარებით. თუმცა მაქსიმალური მსჯელობის რეჟიმში გუნდებმა ვერანაირი უპირატესობა ვერ გამოავლინა ვერც Sol-ის და ვერც Opus 5.5-ის შემთხვევაში, რაც მოულოდნელი აღმოჩნდა მკვლევარებისთვის. მკვლევარებმა აღნიშნა, რომ აგენტებს შორის დიალოგისა და კომუნიკაციის შექმნა იწვევს ტოკენების უზარმაზარ დანახარჯს, რაც ხშირად უბრალო ინფორმაციულ ხმაურში იკარგება. ერთი და იმავე კოდის მრავალჯერადი გადაწერა და განხილვა საბოლოო პროდუქტის ხარისხს თითქმის არ აუმჯობესებს, მაგრამ ბიუჯეტს წამებში წურავს და ხარჯებს ზრდის. ეს ფაქტი ადასტურებს, რომ ჭარბი კომუნიკაცია ხშირად აფერხებს გადაწყვეტილების მიღებას. ექსპერტებმა განმარტა, რომ დღეს ინდუსტრიაში არსებობს მცდარი წარმოდგენა, რომ მრავალი აგენტის შეერთება ავტომატურად ქმნის სინერგიას და მაღალ ინტელექტს. Vals AI-ის ემპირიული ტესტები ადასტურებს, რომ კარგად დაპროგრამებული ერთი აგენტი ხშირად ბევრად უფრო ეფექტურია, ვიდრე აგენტების რთული იერარქია. ინჟინრებმა მეტი ყურადღება უნდა დაუთმოს ალგორითმების სიზუსტეს და არა მათ რაოდენობას. დეველოპერებისთვის ეს კვლევა სერიოზულ გაფრთხილებას წარმოადგენს. სანამ კომპანია მრავალაგენტიან არქიტექტურაში ჩადებს ინვესტიციებს, მან მკაცრი შეფასება უნდა ჩაატაროს და გაზომოს, ღირს თუ არა გაზრდილი ხარჯი მინიმალურ გაუმჯობესებად, რაც ბიზნესის მომგებიანობაზე პირდაპირ აისახება. არასწორად დაგეგმილი არქიტექტურა იწვევს რესურსების გაუმართლებელ ხარჯვას და პროექტის შეჩერებას. 2026 წელს ხელოვნური ინტელექტის ეკონომიკაში რესურსების ოპტიმიზაცია მთავარ გამოწვევად ყალიბდება. ინჟინრები ცდილობს იპოვოს ბალანსი გამოთვლით ხარჯსა და მიღებულ შედეგს შორის, რადგან ტოკენების ფუჭი ხარჯვა პროექტების რენტაბელობას ანადგურებს და ფინანსურ ზარალს იწვევს. ბაზარი ითხოვს ეკონომიურ მოდელებს, რომლებიც მაქსიმალურ შედეგს მინიმალური დანახარჯით აღწევს. საბოლოო ჯამში, Vals AI-ის ნაშრომი ხაზს უსვამს სისტემური შეფასების მნიშვნელობას. რეალური მეტრიკების გარეშე აგენტების გამრავლება მხოლოდ მარკეტინგულ ილუზიას ქმნის და ბიზნესს გაუმართლებელ ფინანსურ ტვირთად აწვება, რაც განვითარების პროცესს აფერხებს. კომპანიებმა უნდა ისწავლოს რეალური შედეგების გაზომვა და არა ჰიპოთეტური შესაძლებლობებით ხელმძღვანელობა. სპეციალისტებმა დაადასტურა, რომ მომავალი მიეკუთვნება მიზნობრივ, ლაკონიურ ალგორითმებს, რომლებიც ამოცანას ზედმეტი დუბლირების გარეშე ასრულებს და გამოთვლით რესურსებს მაქსიმალურად უფრთხილდება ყოველდღიურ ოპერაციებში. ეს მიდგომა უზრუნველყოფს სტარტაპების გადარჩენას მაღალი კონკურენციის პირობებში და ინვესტიციების ეფექტურ გამოყენებას. მკვლევართა მონაცემებით, სწორი ინჟინერია და მკაფიო პრომპტები ბევრად უკეთეს ეკონომიკურ უკუგებას იძლევა, ვიდრე რთული და გადატვირთული მრავალაგენტიანი სტრუქტურები, რაც ტექნოლოგიურ სექტორს ახალი მიმართულებით წარმართავს. კომპანიებმა უნდა გაამარტივოს სამუშაო პროცესები და თავიდან აირიდოს ზედმეტი ალგორითმული ფენები. დარგის წამყვანი ინჟინრები მოუწოდებს სტარტაპებს, ყურადღება გაამახვილოს მონაცემთა ხარისხზე და არა აგენტების რაოდენობაზე, რადგან სწორედ სიზუსტე განაპირობებს წარმატებას თანამედროვე ციფრულ ეკონომიკაში. ეს სტრატეგია დაეხმარება გუნდებს, შექმნას მდგრადი და კონკურენტუნარიანი პროდუქტები მინიმალური დანახარჯებით.

AI აგენტების გუნდები ტოკენებს ფლანგავს და ხარისხს თითქმის არ ზრდის
12 ოქტ 20260
AI-ში მხოლოდ 4.5% იხდის, თუმცა ყველაზე აქტიური 1% თვეში 900 დოლარს ხარჯავს
andrewaltair.ge

📊 AI-ში მხოლოდ 4.5% იხდის, თუმცა ყველაზე აქტიური 1% თვეში 900 დოლარს ხარჯავს

ვენჩურულმა ფონდმა Andreessen Horowitz სამომხმარებლო ხელოვნური ინტელექტის რეიტინგის მეშვიდე გამოცემა ოფიციალურად გამოაქვეყნა. კვლევა პირველად ეყრდნობა ამერიკელი მომხმარებლების საბანკო ბარათების რეალურ მონაცემებს. ანალიზი ცხადყოფს, რომ მიუხედავად ფართო გავრცელებისა, AI სერვისებში ფულს მოსახლეობის მხოლოდ მცირე ნაწილი იხდის, თუმცა ეს ვიწრო ჯგუფი განსაკუთრებულად დიდ თანხებს ხარჯავს და შემოსავლების მთავარ ბირთვს ქმნის. კვლევის თანახმად, ამერიკელი მომხმარებლების თითქმის ნახევარი ხელოვნურ ინტელექტს რეგულარულად იყენებს, თუმცა ყოველდღიურად სისტემებს მხოლოდ 25 პროცენტი მიმართავს. ამასთანავე, ChatGPT-ის, Gemini-სა თუ Claude-ის ფასიანი პირადი გამოწერა მომხმარებელთა მხოლოდ 4.5 პროცენტს გააჩნია. ეს მაჩვენებელი გასულ წელთან შედარებით გაორმაგებულია, თუმცა ბაზრის საერთო მასშტაბთან მიმართებით მაინც მოკრძალებულ ციფრად რჩება და ზრდის დიდ პოტენციალზე მიუთითებს. ფინანსური ანალიზი აჩვენებს, რომ შემოსავლები ექსტრემალურად კონცენტრირებულია. ყველაზე აქტიური გადამხდელების 1 პროცენტი AI სექტორის მთლიანი დანახარჯების თითქმის მეხუთედს ფარავს, რაც უფრო მეტია, ვიდრე მომხმარებელთა ქვედა 50 პროცენტის ჯამური წილი. ეს ელიტური სეგმენტი თვეში საშუალოდ 900 დოლარს იხდის, მაშინ როცა ჩვეულებრივი გადამხდელი თვეში მხოლოდ 25 დოლარით შემოიფარგლება და სტაბილურ დონეს ინარჩუნებს. ანალიტიკოსთა შეფასებით, ყველაზე აქტიური მომხმარებლები ძირითადად დეველოპერები და კრეატიული პროფესიონალები არიან. ისინი უპირატესობას ანიჭებს ავტომატიზაციისა და განვითარების ინსტრუმენტებს, როგორიცაა fal, n8n, Manus და HeyGen. სამუშაო პროცესების გაუმჯობესება მთავარ მამოძრავებელ ძალად იქცა, რის გამოც პროფესიონალური მოხმარება სააბონენტო გადასახადების ძირითად წყაროს წარმოადგენს და ტექნოლოგიურ ეკოსისტემას აძლიერებს. ფონდის ანგარიშში აღნიშნა: „მომხმარებელთა უმეტესობა უფასო ვერსიას იყენებს, ხოლო რეალურ შემოსავალს პროფესიონალების ვიწრო ჯგუფი ქმნის.“ სპეციალისტთა განმარტებით, უფასო ანგარიშები მხოლოდ ზოგად შესაძლებლობებს სთავაზობს აუდიტორიას, ხოლო გაფართოებული ფუნქციები მაღალ კომპეტენციასა და სერიოზულ ინვესტიციას მოითხოვს, რაც მომხმარებლებს შორის გამოცდილების უფსკრულს აღრმავებს და ახალ სოციალურ დინამიკას განსაზღვრავს. კომპანია Anthropic კონკურენტებზე უკეთეს მონეტიზაციას ავლენს. ოფიციალური ცნობით, Claude-ის გამომწერთა მნიშვნელოვანი წილი ირჩევს პრემიუმ ტარიფს, რომელიც თვეში 100 დოლარიდან იწყება. ეს მაჩვენებელი საგრძნობლად აღემატება OpenAI-სა და Google-ის ანალოგიური პაკეტების წილს, რაც პროფესიონალებში Claude-ის მაღალ პოპულარობაზე მიუთითებს და ბაზარზე მის გამორჩეულ ადგილს ადასტურებს, რაც ინვესტორთა ნდობას აძლიერებს. მიუხედავად ამისა, საერთო ტრაფიკით ლიდერის პოზიციას კვლავ ChatGPT ინარჩუნებს. ვებგვერდზე მისი მომხმარებელთა ნაკადი Gemini-ს მაჩვენებელს ორჯერ, ხოლო Claude-ის აუდიტორიას ექვსჯერ აღემატება. თუმცა Claude მყარ მესამე ადგილზე დამკვიდრდა და შეერთებულ შტატებში გამომწერთა რაოდენობით Google-ის სერვისს გაუთანაბრდა, რაც ბოლო თვეების ერთ-ერთ მთავარ სიურპრიზად იქცა და ინდუსტრიის ყურადღება მიიპყრო. ექსპერტებმა განაცხადა, რომ 2026 წლისთვის ბაზარზე მხოლოდ 7 კომპანია ახერხებს ყველა ძირითად რეიტინგში წამყვანი პოზიციის შენარჩუნებას. ამავდროულად, სიაში მხოლოდ 11 ახალი პროდუქტი მოხვდა, რაც ისტორიულად ყველაზე დაბალი მაჩვენებელია და მოწმობს, რომ მომხმარებელთა ჩვევები სტაბილურდება, ხოლო ინდუსტრიის გიგანტები საკუთარ უპირატესობას სულ უფრო მყარად ამაგრებს და პოზიციებს იცავს. შემოსავლების მაღალი კონცენტრაცია აჩვენებს, რომ ტექნოლოგიური კომპანიები მომავალში აქცენტს პროფესიონალურ ინსტრუმენტებზე გააკეთებს. მასობრივი მომხმარებელი უფასო საბაზისო მოდელებით კმაყოფილდება, ხოლო ბიზნესის ზრდას სწორედ ის სპეციალისტები უზრუნველყოფს, რომლებიც მზად არიან მოწინავე შესაძლებლობებში ასობით დოლარი გადაიხადონ და სამუშაო ეფექტიანობა გაზარდონ. მოვლენათა ეს განვითარება საფუძველს უყრის ახალ ეკონომიკურ რეალობას ციფრულ სამყაროში. ინდუსტრია ეტაპობრივად ემშვიდობება საყოველთაო უფასო ხელმისაწვდომობის ილუზიას და გადადის მკაფიო სეგმენტაციაზე, სადაც ღირებული სამუშაო ხელსაწყოები სათანადო საფასურს მოითხოვს და ბაზარზე მაღალ კონკურენციას ქმნის, რაც პროგრესის მდგრადობას უზრუნველყოფს. საბოლოო ჯამში, a16z-ის მონაცემები ცხადყოფს, რომ ხელოვნური ინტელექტის მონეტიზაცია რეალურ პროფესიულ დანიშნულებას უკავშირდება. კომპანიები, რომლებიც შეძლებს სამუშაო პროცესების სიღრმისეულ ავტომატიზაციას, მომავალში ყველაზე მაღალ ფინანსურ უკუგებას მიიღებს, რაც ინდუსტრიის განვითარების გრძელვადიან ვექტორს განსაზღვრავს.

AI-ში მხოლოდ 4.5% იხდის, თუმცა ყველაზე აქტიური 1% თვეში 900 დოლარს ხარჯავს
10 ოქტ 20260