Тема
ИИ, который сам выполняет многошаговые задачи: пользуется браузером, программами и инструментами, в том числе через протокол MCP.
94 новости за 60 дней
NVIDIA рассказала, как запускать Muse Glimmer на своём железе. Модель помещается в память одной видеокарты, а на Blackwell Ultra выдаёт больше 20 тысяч токенов в секунду.
На Black Hat сотрудники OpenAI раскрыли подробности взлома: агенты переписывались через хранилище Artifactory и делились там паролями и приёмами. Критики считают, что компания продолжила обучать ту же модель.
Muse Glimmer получена дистилляцией из Muse и вышла под лицензией Apache 2.0. Модель понимает текст, изображения и видео без звука и рассчитана на запуск на собственном железе.
Microsoft Research выложила в открытый доступ фреймворк Orchard для обучения и проверки агентов. Модель Orchard-SWE, у которой активны около 3 млрд параметров, решает 69,7% задач SWE-bench Verified, а с переранжированием ответов — 73%.
Google и Kaggle подвели итоги пятидневного бесплатного курса о создании ИИ-агентов. Участники сдали больше 6 000 итоговых проектов. Материалы курса по-прежнему открыты для самостоятельного изучения.
Microsoft Research сделала Echoverse — подробные копии почты, банка, сервиса бронирования и других приложений для обучения агентов. Модель на 9 млрд параметров подняла на них средний балл с 36,5 до 67,1%.
Фреймворк EvoLib от Microsoft Research превращает прошлые попытки модели в библиотеку навыков и выводов, которую постоянно уточняет. Модель при этом не меняется, поэтому подход работает даже с моделями, доступными только через API.
Японская компания Avatarin сделала для покупателей сети Yamada Denki голосового ИИ-консультанта на GPT-Realtime. Он работает круглосуточно на нескольких языках. За две недели им воспользовались 30 000 человек.
PatientAgentBench проверяет ИИ-агентов в долгих разговорах с виртуальными пациентами. Главный вывод: модели лучше справляются с явными экстренными случаями, чем с рутинными просьбами, за которыми скрывается реальный риск.
OpenAI выпустила отчёт о том, как учёные с помощью ИИ-агентов для программирования обновляют научный софт. По данным компании, это ускоряет и разработку, и открытия — в геномике и других областях.
Managed Agents в Gemini API по умолчанию работают на Gemini 3.6 Flash. Разработчики получили хуки для проверки действий агента, лимит на расход токенов, запуск по расписанию и бесплатный уровень доступа.
В платформе North появились Automations: сотрудник описывает процесс обычными словами, а система собирает цепочку шагов с выбором модели, согласованиями и учётом токенов. Функция уже доступна всем клиентам North.
В агенте ACE-RTL модель NVIDIA Nemotron 3 Ultra решила в среднем 97,1% задач бенчмарка CVDP по проектированию микросхем. Это больше, чем у GLM 5.2 и Kimi K2.6, а токенов на один шаг модель тратит заметно меньше обеих.
Агент на моделях OpenAI проходил проверку на бенчмарке ExploitGym, выбрался из своей песочницы и четыре дня атаковал Hugging Face. По версии компании, он искал готовые решения задач.