Agentic AI News Сьогодні

Sori-1B аудіо-мовна модель. Модель із 1B параметрів, навчена з нуля на тексті, поєднаному з аудіо, без попереднього навчання лише на тексті, має на меті прив'язувати відповіді до аудіо. Вона використовує заморожений енкодер NVIDIA Audio Flamingo Next і власний токенізатор на основі аудіальної онтології; випущена під некомерційною/академічною ліцензією.

• → snkii/Sori-1B: Audio-Grounded LM Trained From Scratch (No Text-Only Pretraining)

Qwen3.8 локальний бум. Звіти спільноти показують, що Qwen3.8-27B і Flash Next працюють на різному залізі — від телефону з 12 ГБ памʼяті (3,5 ток/с) до чотирьох GPU R9700 (генерація 80–120 ток/с, контекст 700K). У локальних агентних навантаженнях Flash Next швидший і механічно надійний, тоді як щільна 27B лишається сильнішою для тривалого багатоходового використання; деякі користувачі вважають моделі тупуватими, хоча якість перекладу німецькою хвалять.

• → Qwen3.8-Flash-Next-NVFP4 vs Qwen3.8-27B-FP Test Results
• → Qwen 3.8 27B - Fantastic German capabilities
• → Unpopular opinion Qwen 3.8 is hard to understand
• → Qwen 3.8 Flash Next locally on simple mobile phone at 3.5 tok/s
• → Here my pretty good qwen3.8 27B setup, hope it helps
• → Qwen3.8-Flash-Next turns 4xR9700 into a local AI powerhouse! 120 t/s TG and 12k t/s PP single request with optimized vLLM

Нецензуровані GGUF-релізи. Користувач Reddit опублікував GGUF LongCat-Flash-Lite-Sparse — моделі з розрідженою увагою 69B-A3B і контекстом 1M, а також Qwen3.8-27B з MTP, Qwen3.5-122B-A10B, Qwen3-Coder-Next та візійну модель. Для підтримки LongCat потрібен форк llama.cpp.

• → Uncensored Multi-Model Releases, LongCat-Flash-Lite-Sparse with MTPs and LSAs, Qwen3.8-27B with MTPs, Qwen3.5-122B-A10B with MTPs, Qwen3-Coder-Next and Laguna-S2.1 with Vision, All Available in GGUF Format! Bonus: Links to my llama.cpp Fork for LongCat-Flash-Lite Support and J-Wash Enhanced Fork!

Настільне залізо для ШІ. Настільний DGX Station від NVIDIA забезпечує продуктивність рівня дата-центру із пропускною здатністю памʼяті 7,1 ТБ/с, а Framework, схоже, готує материнську плату з памʼяттю 192 ГБ, очікуваною ціною близько $4,5 тис.

• → NVIDIA® DGX Station™ Delivering Data-Center-Class Performance from the Desktop
• → It's official! 192GB Framework

Бенчмарк пентесту LLM. Новий бенчмарк тестує LLM на живій інфраструктурі, яку вони мають атакувати, щоб визначити найкращу модель для наступальної безпеки, а не відтворити відомі CVE.

• → Which LLM is actually best at pentesting? benchmark to find out

Індекс код-бенчмарків. Користувач Reddit зібрав основні агентні код-бенчмарки в «Індекс агентного кодингу» (Agentic Coding Index) і обчислив метрику інтелектуальної щільності, щоб порівняти можливості моделей у перерахунку на параметр.

• → I collected every single LLM coding benchmark, and computed their Intelligence Density

Егоцентричний тест VLM. Використовуючи HFlow на егоцентричному відео-бенчмарку, відкрита VLM Gemma зрівнялася з Gemini 2.5 Flash за метриками видимості рук і маніпуляцій, будучи в 19 разів дешевшою, що робить рентабельною приватну обробку на власних потужностях.

• → We used HFlow to evaluate the latest open weights VLMs for processing egocentric data

Cloudflare AI Search. AI Search від Cloudflare тепер пропонує наскрізний конвеєр пошуку для власних даних, а також агентну інтеграцію, мультимодальний пошук і режим виявлення, який може індексувати сайти без sitemap.

• → Cloudflare Extends AI Search to Make it Easier for Agents and Developers to Search Custom Data

AWS Kiro Crew. AWS відкрила вихідний код Kiro Crew — робочого простору для запуску кількох асинхронних код-агентів зі спільною памʼяттю, перевикористовуваними навичками та запланованими завданнями. Усередині компанії ним користувалися понад 39 000 розробників.

• → AWS Open Sources Kiro Crew for Asynchronous Coding Agents

ChatGPT Work: пояснення. ChatGPT Work від OpenAI, доступний у платних тарифах, існує у хмарній версії через chatgpt.com і локальній десктопній версії, яка може отримувати доступ до файлів і запускати програми, але межі між ним і Chat лишаються заплутаними.

• → Understanding ChatGPT Work

Зменшення ліміту Claude Code. Майбутнє підвищення базового ліміту Claude Code на 25% від Anthropic насправді є ефективним скороченням на 17% порівняно з поточним тимчасовим бонусом у 50%. Також додано інструмент автоматичних звітів про помилки.

• → Anthropic's Claude Code limit change is a raise on paper but a cut in practice

Агентам бракує відчуття часу. Дослідження показало, що Claude Code та Codex систематично неправильно оцінюють тривалість завдань: короткі завдання переоцінюють у 3–10 разів, що проблематично для довготривалих агентних процесів.

• → AI agents have no sense of time and are not aware of it

PILOT: жива самоеволюція. PILOT — це харнес типу supervisor-worker, який додає живе керування та живу самоеволюцію для агентів із довгим горизонтом планування, перевершуючи аналогічні харнеси на до 9,8 пункту в Terminal-Bench 2.0.

• → PILOT in the Loop: Live Self-Improvement for Long-Horizon Agents

GameWAM: модель світ-дія. GameWAM — перша модель світ-дія для нативного відеогеймплею, яка спільно генерує майбутні кадри та дії клавіатури й миші через flow matching, з довгогоризонтним управлінням блок-циклами.

• → GameWAM: A World Action Model for Video Games

Next-chunk RL vs SFT. Контрольоване дослідження показує, що Mixed SFT на даних без CoT і з довгим CoT перевершує next-chunk reasoning RL як стратегію попереднього навчання до RLVR, потребуючи понад у 60 разів менше обчислювальних ресурсів.

• → Is Next-Chunk Reasoning RL Really Better than SFT? Revisiting Training Strategies under no-CoT Data

Дебати про агентність ШІ. Посилаючись на інцидент з Hugging Face у липні, есе стверджує, що агентність ШІ — не лише його спроможності — визначатиме результати, і те, як користувачі надають або обмежують цю агентність, має значення.

• → Agency and Agents

NVIDIA купує Hugging Face. Повідомляється, що угода на $12,9 мільярда про придбання Hugging Face компанією NVIDIA обʼєднає обчислювальну інфраструктуру з головним хабом поширення екосистеми відкритих моделей, прискорюючи індустріалізацію ШІ.

• → The Sequence Radar-Issue #923: Last Week in AI: AI’s Industrial Turn

Торгові барʼєри США щодо роботів. Вашингтон посилив обмеження та мита на китайські дрони й роботів, посилаючись на національну безпеку, хоча масштаби виробництва та цінові переваги Китаю можуть послабити цей вплив у глобальному масштабі.

• → The U.S. is building barriers around drones and robots, but China has scale to get around them

Впровадження ШІ в промисловості. Meta тестує роботів від Watney, Kinova та ABB для перезавантаження серверів, заміни кабелів і циклів увімкнення/вимкнення живлення в дата-центрах. Caterpillar застосовує досвід автономного видобутку в будівництві та використовує ШІ-асистентів для техніків.

• → Inside Meta’s push to put robots to work in data centers
• → Caterpillar is bringing to AI deployment what it learned from automating mining

Власні турбінні деталі Маска. SpaceX будує ливарне виробництво лопатей і лопаток газових турбін. Маск каже, що власне лиття може прискорити запуск газових електростанцій для ШІ-дата-центрів на до 18 місяців.

• → Musk’s faster path to more gas turbines comes with pollution problem

Настрої працівників щодо ШІ падають. Дані Glassdoor показують, що позитивне ставлення американських працівників до ШІ впало з 81% у 2019 році до 43% до середини 2026 року. Найоптимістичніші — менеджери, найнегативніші — жінки покоління Z, письменники та працівники страхових компаній.

• → AI sentiment is turning sour as employee reviews reveal growing frustration across the workforce

Музичні видавці судяться з Anthropic. Sony Music, Warner Music та інші стверджують, що Anthropic незаконно завантажила через торренти десятки тисяч захищених авторським правом текстів пісень для навчання Claude, зазначивши в позові особисто CEO Даріо Амодеї та співзасновника Бенджаміна Манна.

• → Sony and Warner sue Anthropic over "one of the largest and most blatant ongoing thefts of intellectual property in history"

Техас блокує камери Flock. Губернатор Еббот заморозив державні витрати на камери спостереження Flock AI після того, як було витрачено понад $30 мільйонів, на тлі двопартійних занепокоєнь щодо приватності та інцидентів зловживань з боку поліцейських.

• → Texas Governor Abbott blocks funding for more Flock cameras