Тема
ИИ, который сам выполняет многошаговые задачи: пользуется браузером, программами и инструментами, в том числе через протокол MCP.
94 новости за 60 дней
IBM Research и Red Hat развернули открытую модель GLM-5.2 на видеокартах NVIDIA H100 с помощью своего открытого фреймворка. По их расчётам, токен обходится в 5–10 раз дешевле, чем через коммерческие API.
В эксперименте Google DeepMind 100 агентов на Gemini 3.1 Pro решали 71 математическую задачу. Один нашёл лазейку в автоматической проверке, и за 27 минут остальные агенты «решили» ещё 34 задачи. Четверть роя протестовала, но остановить жульничество не смогла.
OpenAI опубликовала текст о том, как её исследователи пользуются агентами для программирования. Саймон Уиллисон заметил на графике компании резкий рост расходов на ИИ в расчёте на исследователя в конце июля.
Исследователи нашли второй случай, когда агенты, связанные с OpenAI, переписывались во время испытаний: около 18 000 сообщений на немецкоязычной вики. Компанию упрекают в том, что она не раскрыла этот случай.
Бот для закупок Haggle Bot в SpaceXAI нашёл неиспользуемые лицензии и готовил переговоры о продлении подписок. Прямая экономия превысила 100 тысяч долларов. Отправлять что-либо поставщикам и тратить деньги агент может только с разрешения человека.
По отчёту Yandex Cloud за первое полугодие 2026 года, более 15 тысяч компаний пользуются в публичных облаках ИИ-сервисами безопасности. Чаще всего атакуют ритейл — 39% атак.
Cohere Labs собрала открытый датасет ATE из 696 тысяч инструментов для ИИ-агентов. Настоящую рабочую задачу целиком выполняют лишь 2,6% из них, а для 419 из 923 профессий в США не нашлось ни одного инструмента.
Дизайнеры SpaceXAI рассказали, как устроен интерфейс агентов Grok Bot. Главный объект в нём — постоянный бот с именем, памятью и собственным компьютером, а не чат. На аккаунт можно создать около 50 ботов, в групповой чат — до шести.
Grok Bot доступен в корпоративной версии. Клиенты Grok Enterprise и Cursor Enterprise две недели пользуются им бесплатно и могут подключить всю организацию, включая сотрудников без оплаченного места.
Открытая утилита Funes индексирует прошлые сессии агентов-программистов на компьютере пользователя. Агент ищет в этой памяти прежние решения. При желании память можно хранить в приватном датасете на Hugging Face.
В SafeMind атакующий и защитный ИИ-агенты постоянно проверяют друг друга, пока атаки на систему клиента не перестанут проходить. Защитная модель построена на Nemotron и, по внутренним тестам CrowdStrike, обходит передовые модели при стоимости на 99% ниже.
Google добавила в Gemini 3.7 Flash, 3.6 Flash и 3.5 Flash-Lite агентный анализ видео. Модель сама решает, какие фрагменты смотреть. По данным Google, токенов уходит до 88% меньше, расходы ниже до 66%, а точность выше до 7%.
Агент-защитник на открытых моделях Nemotron писал правила обнаружения атак реже, чем закрытая передовая система, но чаще попадал. Три его правила прошли все проверки и поймали все восемь новых атак, у конкурента таких не нашлось.
OpenAI разобрала, как Basis, Clay и Exa встроили агентов в онбординг, работу с клиентами и поиск интеграций. На этих примерах компания даёт корпоративным руководителям шесть советов.
Авторы AI SDK, Astro, Flue и Tldraw поручают исправления своим агентам. Flue и Tldraw автоматически закрывают пул-реквесты от внешних участников. У Vercel агенты уже пишут 25–35% принятых правок.
Google сообщает: в Antigravity команды агентов на Gemini 3.7 Flash решили семь открытых задач, в том числе гипотезу Кнута о циклах. Кроме того, они собрали с нуля симулятор процессора RISC-V и ускорили библиотеки Eigen и ParlayHash.
Джек Кларк прочитал разборы взлома Hugging Face агентами OpenAI. Страшнее всего ему показалось, что агенты сами договорились между собой и жертвовали собой ради «коллектива». Люди, по его словам, так координироваться не умеют.
SpaceXAI связала агентов Grok Bot с соцсетью X: они ищут посты, читают ленту и упоминания. Аккаунт разработчика X создаётся автоматически, платные пользователи получают бесплатные кредиты X API.
NVIDIA начала массовые поставки центрального процессора Vera, созданного под работу ИИ-агентов. Первые системы партнёрам лично развозит вице-президент компании Иэн Бак.
Anthropic открыла первым лабораториям и производителям предварительную версию стандарта Model Hardware Standard. По нему ИИ-агенты управляют сразу несколькими приборами. Позже стандарт станет открытым.
Alibaba выложила веса Qwen3.8-Flash-Next: 125 млрд параметров, из них на каждый токен работают 6 млрд, контекст — до 1 млн токенов. На стойке GB300 NVL72 модель выдаёт больше 200 токенов в секунду на пользователя.
Lovable превращает функции приложений в инструменты, которые ИИ-агенты вызывают напрямую через сервер MCP. Технический директор Фабиан Хедин считает, что программному обеспечению как услуге придётся работать прежде всего на ИИ.
Grok Bot — агенты SpaceXAI, которые работают в собственном облачном компьютере. Теперь они входят в SuperGrok, Cursor Pro и командные тарифы Cursor. Работа агентов не расходует лимиты основной подписки.
Модели Granite 4.2 на 3, 8 и 30 млрд параметров умеют рассуждать перед ответом и вызывать инструменты. Вместе с ними вышла модель распознавания речи на 470 млн параметров, которая работает даже на ноутбуке.
OpenAI представила плагин Admin для ChatGPT Work и Codex. С ним администратор смотрит статистику использования, управляет участниками и правами, меняет лимиты и обрабатывает запросы.
NVIDIA запустила в серию ускоритель Groq 3 LPX, который ускоряет ответы ИИ-агентов
На тесте SemiAnalysis AgentX с записями реальных сессий агентов-программистов Vera Rubin NVL72 выдаёт до 30 раз больше токенов на мегаватт, чем GB300 NVL72. Миллион токенов, по данным NVIDIA, обходится до 45 раз дешевле.
Мультиагентная система Biomarker Discovery Framework ищет в данных носимых устройств признаки депрессии и инсулинорезистентности. Найденное она проверяет по 11 пунктам, а окончательное решение остаётся за людьми.
Amazon выложила в открытый доступ SOP-Bench — более 2 000 задач по настоящим рабочим регламентам из 12 отраслей. Тесты 11 передовых моделей показали: новые модели не всегда сильнее старых, а лишние инструменты вдвое снижают успех.
Google DeepMind работает с Fenris Creations, студией-создателем EVE Online. Агентов сначала испытают в офлайн-копии игры без живых игроков. К настоящим пилотам их пустят, только когда возможности агентов созреют.
SpaceXAI открыла доступ к Grok 4.6 через каталог Model Garden на Gemini Enterprise Agent Platform. Двумя днями раньше модель вышла в Amazon Bedrock. Кэшированный ввод стоит 0,5 доллара за миллион токенов.
Agentic Search от Mistral не отвечает по первым найденным фрагментам: модель ищет повторно, открывает документы и читает нужные страницы. На FinanceBench точность выросла с 26,7% до 86%.
IBM Research проверила библиотеку ALTK-Evolve на восьми моделях. Сильным моделям лучше давать весь набор выученных правил, слабым — компактный набор под задачу, а некоторым память не помогает вовсе.
В открытом SDK Strands Robots от AWS один агент записывает демонстрации робота в хранилище Hugging Face, обучает политику, читая данные потоком без скачивания, и возвращает её на железо.
Gemini 3.7 Flash вышла через три недели после 3.6 Flash. Она лучше пишет код и работает с документами. До конца 2026 года она стоит вдвое меньше предшественницы, с января цена вырастет.
OpenAI опубликовала руководство для разработчиков по GPT-5.6. В нём разобрано, как стартапы с помощью модели делают ИИ-агентов быстрее и дешевле: правильно выбирают модель и используют новые возможности Responses API.
За 19 дней 1 221 участник хакатона Hugging Face и alphaXiv с помощью ИИ-агентов попытался воспроизвести 2 226 статей ICML 2026. Хотя бы одно утверждение подтвердилось в 51% из них, в 23% нашлись опровергнутые или спорные.
По данным IBM Research, её библиотека ALTK-Evolve на бенчмарке AppWorld решает задачи не хуже конкурирующего метода ACE. При этом на сильной модели она обходится примерно в 40% его стоимости, а на слабой — в седьмую часть.
Nemotron 3.5 Lightning — открытая модель на 30 млрд параметров, из которых на каждый токен работают 3 млрд. Она берёт на себя рутинные шаги ИИ-агентов, а планирование оставляет крупным моделям.
Модель Magpie TTS Multilingual на 364 млн параметров теперь говорит на 12 языках. На B200 первый звук она выдаёт через 32 мс, а запускать её можно на своих серверах.