Agentic AI News 02 серпня 2026 р.

Інтелект на рівні березня 2026 року. DeepSeek V4 Flash (0731) досягає індексу інтелекту 50, майже збігаючись із 51 у передових моделей п'ятимісячної давнини. На споживчому обладнанні він працює з прийнятною швидкістю: 44 t/s на RTX PRO 6000 eGPU, 15 t/s на трьох MI50, і навіть 4.5 t/s на двох RTX 3060 з вивантаженням в оперативну пам'ять, завдяки розумному квантуванню та частковому вивантаженню.

• DeepSeek-V4-Flash-0731: Models you can run locally now have the intelligence score of the top frontier model from March 2026(відкриється в новій вкладці)
• DeepSeek-V4-Flash-0731 on Bosgame M5 with RTX PRO 6000 Max-Q eGPU(відкриється в новій вкладці)
• Ran DS V4-Flash-0731 Locally on 3xMI50 32GB @ ~15 t/s TG(відкриється в новій вкладці)
• DeepSeek V4 Flash 0731 IQ2_M benchmark for Dual 3060 and 96GB RAM ≈ 3.5 tok/s.(відкриється в новій вкладці)

Виклик інструментів виправлено, дотримання правил усе ще нестабільне. Після повідомлень спільноти про зламані виклики інструментів було впроваджено виправлення в llama.cpp та опубліковано обхідні шляхи для Unsloth Studio. Однак користувачі виявляють, що модель часто ігнорує системні підказки та навички, зберігаючи їх як стислі резюме, а не суворо дотримуючись, що підриває її надійність для агентних завдань, які вимагають точного виконання інструкцій.

• Fix for Deep Seek v4 Flash 0731 tool calling has been added to llama cpp(відкриється в новій вкладці)
• DeepSeek V4 Flash 0731 local setup gotcha: model, tool call & config setting(відкриється в новій вкладці)
• Deepseek v4 flash 0731 still not holding up.(відкриється в новій вкладці)

Спільнотні бенчмарки для агентів Hermes. Користувачі LocalLLaMA обговорюють найкращі бенчмарки для оцінки моделей, здатних до агентності, таких як Hermes, і багато хто вважає, що усталені лідерборди, як-от SWE-bench, не підходять для їхніх робочих процесів домашнього асистента чи обробки документів.

• What’s the community’s favorite benchmark to validate performance?(відкриється в новій вкладці)

Критика лідербордів лише для кодування. Заклик до різноманітніших бенчмарків стверджує, що нещодавні лідерборди непропорційно зосереджені на завданнях кодування, залишаючи вивчення мов, творче письмо та міркування з STEM недостатньо представленими, що ускладнює оцінку продуктивності моделі для некодових випадків використання агентів.

• Why are almost all new benchmarks and leaderboards coding focused?(відкриється в новій вкладці)

Набір бенчмарків для конкретних доменів своїми руками. Користувач Reddit створив набір із понад 30 невеликих тестів для конкретних доменів (наприклад, здоровий глузд, симуляція автомийки) та веб-інструмент для порівняння відповідей моделей, щоб заповнити прогалину між загальними бенчмарками та особистими випадками використання.

• A collection of small domain-specific benchmarks for local models (30+ and growing)(відкриється в новій вкладці)

Astra розв'язує десятирічні математичні проблеми. Наступне сімейство моделей OpenAI, Astra, розв'язало десять раніше відкритих проблем у математиці та теоретичній інформатиці, з формальними доведеннями в Lean і вартістю менш ніж $2,000 за рішення. Результати охоплюють геометрію, теорію кодування та квантову складність і вже надихнули подальші дослідження людей.

• Ten advances in mathematics and theoretical computer science(відкриється в новій вкладці)
• OpenAI announces its "next major model" Astra by dropping ten previously unsolved math solutions(відкриється в новій вкладці)

Агенти кодування відроджують застаріле наукове програмне забезпечення. Польове дослідження з OpenAI та академічними партнерами показує, що ШІ-агенти кодування, як-от GPT-5.5 і Claude Code, можуть модернізувати крихке наукове програмне забезпечення, досягаючи прискорення понад 60 разів у деяких випадках, але робота перекладає тягар на перевірку правильності — агенти не можуть оцінювати науку.

• AI coding agents can modernize research software but can't judge if the science is right(відкриється в новій вкладці)

Самопоширюваний черв'як ін'єкції підказок атакує Copilot. Дослідник безпеки продемонстрував черв'яка, який використовує прихований білий текст на білому тлі в документах Word для впровадження шкідливих інструкцій у Microsoft Copilot, який потім копіює навантаження в нові файли. Microsoft підтвердив поведінку, але не виправив її протягом 144 днів.

• A security researcher built a self-spreading worm that hides inside Word docs and hijacks Microsoft Copilot(відкриється в новій вкладці)

Починається зобов'язання з маркування згідно з ЄС AI Act. З 2 серпня 2026 року ЄС вимагає чіткого маркування згенерованих ШІ зображень, відео, аудіо та тексту. Регулювання може вплинути на агентів, які автономно публікують вміст або створюють медіа.

• EU AI Act takes effect tomorrow, August 2, 2026. 🤡(відкриється в новій вкладці)

Заборона «nudify» у Міннесоті витримує юридичний виклик xAI. Федеральний суддя відхилив спробу xAI тимчасово заблокувати закон Міннесоти проти застосунків, які генерують неконсенсусні відверті зображення, зазначивши, що xAI чекав три місяці перед поданням позову. Закон набуває чинності, поки триває судовий процес.

• Judge denies xAI’s request to block Minnesota ban on ‘nudify’ apps(відкриється в новій вкладці)

Kimi K3 працює на одному CPU, повільно. Два розробники незалежно написали мінімальні рушії інференсу на C, щоб запустити модель MoE обсягом 1.56 TB Kimi K3 з диска без GPU. Один досяг швидкості один токен за 30 секунд, використовуючи 8 ГБ оперативної пам'яті та потокову передачу NVMe; інший отримав 0.5 t/s з 29 ГБ пам'яті, усі експерти читаються на вимогу.

• I pushed Kimi K3 onto one CPU with 8 GB of RAM(відкриється в новій вкладці)
• Weight-Aware Streaming Tensor Engine: run Kimi K3 using 29 GB of RAM at 0.50 tok/s(відкриється в новій вкладці)

LongCat-Flash-Lite-Sparse тепер доступний. Цей новий випуск замінює щільну увагу на LongCat Sparse Attention (LSA) і підтримує до 1 мільйона токенів контексту нативно, що робить його придатним для довгих документів агентних завдань.

• LongCat-Flash-Lite-Sparse Is Now Available for Download(відкриється в новій вкладці)

Laguna S 2.1 оновлює контекст і квантування. Poolside випустив нові контрольні точки FP8 і NVFP4 для Laguna S 2.1, збільшивши розмір контексту за замовчуванням до 1 млн токенів і сподіваючись виправити проблему зациклення, яка заважала робочим процесам розробки.

• New official weights for Laguna S 2.1 FP8 & NVFP4 are now available(відкриється в новій вкладці)