LLMLarge Language Model Цена

10 августа компания по кибербезопасности Genians сообщила, что Kimsuky, хакерская группа под управлением Генерального управления разведки Северной Кореи, значительно улучшила генеративные приложения ИИ — не только используя ИИ для создания фишинговых приманок, но и создавая самостоятельно управляемую локальную среду большого языкового модели (LLM) и систему генерации с дополнением поиска (RAG). Конкретные инструменты включают локальные инструменты управления LLM, такие как Ollama, GPT4All, Msty, а также редактор кода ИИ Cursor с целью автоматизации процессов извлечения разведывательной информации и атак. (Yonhap)

Согласно мониторингу Beating, макро стратег Андреас Стено Ларсен недавно выпустил предупреждение о последней тенденции снижения Индекса расходов на токены LLM от Silicon Data. Он отметил, что изменения в ценах на токены LLM являются ключевым индикатором, определяющим весь цикл инфраструктуры ИИ. Если цены на токены продолжат ослабевать, этот инвестиционный цикл может подойти к концу, что повлияет на все, от чипов памяти до более широкого аппаратного обеспечения и строительства центров обработки данных. Индекс расходов на токены LLM от Silicon Data является рыночным индикатором, взвешенным по расходам, используемым для отслеживания средней цены оплаты за миллион токенов на рынке. Поскольку основные поставщики услуг, как правило, взимают плату на основе потребления токенов, эти данные напрямую связывают фактическое использование на стороне программного обеспечения с базовой вычислительной мощностью GPU, памятью DRAM и строительством центров обработки данных, что делает его важной ссылкой для оценки цикла капитальных затрат на аппаратное обеспечение ИИ. Данные показывают, что после значительного роста в начале 2026 года Индекс токенов LLM от Silicon Data достиг пика, а затем упал к концу мая. Это снижение индекса тесно связано с изменением корпоративного отношения к расходам на ИИ. Из-за отсутствия контроля затрат на ранних стадиях некоторые технологические гиганты даже столкнулись с слепой конкуренцией, известной как 'Tokenmaxxing', когда сотрудники чрезмерно и бессмысленно потребляли токены для повышения внутренних рейтингов производительности. С появлением крупных счетов компании осознали, что высокие расходы на токены не приносили пропорциональных бизнес-возвратов. В настоящее время такие гиганты, как Microsoft и Amazon, начали ужесточать внутренние лимиты на использование инструментов ИИ и даже приостанавливать связанные проекты. Переход от 'слепого накопления' к 'финансовой рациональности' в предприятиях напрямую привел к стагнации и ослаблению Индекса расходов на токены.

4 июня Aethir официально объявила о запуске Aethir Mesh, собственной платформы API для открытых больших моделей, работающей на децентрализованной инфраструктуре GPU Aethir. Платформа в настоящее время предлагает единый API-эндпоинт, который напрямую подключается к основным открытым моделям, таким как DeepSeek V4, Kimi K2.6, GLM-5.1, MiniMax-M2.5 и Qwen3.6-27B. В отличие от решений для агрегации маршрутов, таких как OpenRouter, Aethir Mesh предоставляет услуги вывода напрямую от вычислительной мощности Aethir, без наценок на перепродажу или маршрутизации третьими сторонами. Пользователи Aethir Claw могут напрямую интегрировать Mesh API Key в свои конфигурации агентов, достигая полного замкнутого цикла от VPS-хостинга до вывода модели, при этом данные вывода остаются полностью внутри экосистемы Aethir. Платформа теперь доступна: https://agent.aethir.com/twitterCNmesh