Фреймворки, инструменты и evals
Спецификации для агентов в Figma. Figma представила редактор спецификаций Specs на базе Markdown и интеграции контекста, чтобы сторонние агенты соблюдали дизайн-правила бренда при генерации, а также расширила доступ к своему агенту на холсте.
Как оценивать агентов. LangChain опубликовала руководство по оценке агентов: начинать с одного поведения, собирать небольшие датасеты из реальных трейсов, где возможно использовать программные эвалуаторы, где нет — LLM-судей, и оценивать целые треды и траектории.
Лечим context rot. Харнесс Deep Agents от LangChain применяет пять middleware-техник, чтобы вынести контекст из активного окна в обычные файлы: это не даёт падать точности у долгоживущих агентов и делает память переносимой между моделями.
Бенчмарк для парсеров документов. Datalab выпустила OmniParseBench — открытый бенчмарк с 16 288 тестами pass/fail на 2 937 страницах, который помогает инженерам выбирать парсеры документов; Gemini 3.8 Flash немного опережает собственный парсер Datalab.
Безопасность финансовых агентов. На AI Engineer NY в OpenAI и Anthropic обсудили баланс автономности и безопасности в финансовых агентах и подчеркнули, что важнее не число ограничений, а сами механизмы контроля и то, в каких точках подключается человек.
Релизы моделей и файнтюны
LFM2.5 для агентов. Пользователь подключил LFM2.5-24B к рабочим процессам Pi Agent и сообщает о стабильных ~95 токенов/с на AMD W7900, при этом модель надёжно справляется с механическими и рекурсивными задачами.
Эффективные варианты Qwen. Три отдельных релиза — Sabi-Noema, Tessera-27B-CJK и MLA/GLA от Telperion — сжимают reasoning-токены или KV-кэш ради эффективности; Sabi-Noema заявляет о приросте на бенчмарках для агентов и вызова инструментов.
- Sabi-Noema: A capability and efficiency focused fine-tune of Qwen 3.8 27B(откроется в новой вкладке)
- Tessera-27B-B-CJK, Zellige AIs new finetune of Qwen with novel approaches to how we think about token savings(откроется в новой вкладке)
- New model from Telperion: Qwen3.8-27B-MLA & Qwen3.8-27B-GLA-g2. 4x smaller KV cache, smarter, and more efficient reasoning.(откроется в новой вкладке)
Мультимодальность на телефонах. MiniCPM-V 4.7 использует Lookahead Expert Scheduling, чтобы запускать мультимодальную MoE-модель на 35B на мобильных устройствах при ~3 ГБ памяти; есть и уменьшенный вариант на 1B.
Компактная MoE на подходе. NVIDIA Nemotron Bolt 3.5 — MoE-модель на 74B параметров, из которых активны 9B, умещающаяся в 24 ГБ благодаря 2-битному обучению с учётом квантования. Запуск 15 октября, вариант E4B на 4 ГБ выйдет 23 октября.
MoE для кода. JetBrains Mellum 2.1 12B A2.5B MoE выдаёт 60–140 токенов/с на потребительских GPU и хорошо справляется с задачами по программированию, особенно в паре с более крупной моделью-планировщиком.
Локальный ИИ и железо
Стенд в курятнике. Пользователь собрал стенд на 256 ГБ видеопамяти из четырёх разблокированных CMP 170HX и Threadripper, вынес его в сарай из-за тепла и шума и локально запускает Qwen Flash Next и GLM 5.3.
Бизнес на локальном ИИ. Собрали три стенда по четыре Radeon R9700 с дешёвыми EPYC за $10,7 тыс. каждый — в сумме 384 ГБ видеопамяти — чтобы обеспечить ИИ для USA Arms после того, как хостинговые модели отказались работать с оружием.
Быстрый движок Radiance. Движок Radiance от Deadcode выдал 176 токенов/с на декодинге и 6 450 токенов/с на префилле с Q4 Qwen-3.8 Flash-Next на двух R9700 и 64 ГБ DDR5.
Ускорение ядер в llama.cpp. PR в llama.cpp добавляет чанковые ядра GDN, ускоряя обработку промптов у MoE до 20,6 % на RTX PRO 6000 и до 17,9 % на RTX 5090.
Исследования и прикладной ИИ
ИИ проектирует чипы. Ricursive Intelligence утверждает, что ИИ способен проектировать чипы итеративно, повышая эффективность: так можно ответить на 10 000-кратный рост потребности в вычислениях, не строя в 10 000 раз больше дата-центров.
ИИ пока не самоулучшается. Хейдн Белфилд из Google DeepMind говорит, что ИИ пишет более 75 % продакшен-кода, но измеримого ускорения самих исследований ИИ не произошло; на сложных задачах человеческий надзор по-прежнему необходим.
Комментарии ничего не решают. Разработчик удалил из кодовой базы 168 000 строк комментариев и обнаружил, что ИИ-агент выдаёт одинаково хороший код на обеих версиях во всех трёх прогонах — что ставит под вопрос ценность комментариев.
Массовая декомпиляция с ИИ. Декомпиляция с помощью ИИ открывает путь к игровым мэшапам и сохранению наследия, но угрожает проприетарному ПО; об этом рассуждает инди-разработчик Popcar.
Протеазы, созданные ИИ. Исследователи применили ИИ-дизайн белков, чтобы заменить некаталитические части протеаз, и получили ферменты, разрезающие конкретные белки, связанные с неврологическими заболеваниями.
ИИ-прогнозы погоды. HiRO-ACEv2 от Ai2 моделирует экстремальную погоду с разрешением 3 км примерно в 300 раз дешевле, чем X-SHiELD, а ML-инструмент Microsoft исправляет смещение в прогнозах на 2–6 недель; работа опубликована в Nature.
Агенты в продакшене
Агенты против скамеров. Apate разворачивает тысячи ИИ-агентов, которые выдают себя за жертв, чтобы тратить время мошенников и собирать банковские счета, кошельки и данные о скам-инфраструктуре; агенты уже провели 2,5 млн разговоров.
Автономные исследования для продаж. Floqer строит ИИ-агентов, которые непрерывно собирают и обновляют знания о клиентах для B2B-продаж, уже превысила $1,2 млн ARR и планирует открыть технологию.
Голосовой заказ в киоске. Square выпустила киоск за $1999 с агентным голосовым слоем, который понимает меню и в реальном времени обрабатывает изменения и замены.
Трекер интернет-штормов. Gudea с помощью ИИ анализирует, как истории распространяются по более чем 500 платформам, и определяет, кто разгоняет разговор, ещё до того, как разразится кризис, — это шире традиционного мониторинга соцсетей.
Gemini против скама. Google Messages начинает раскатывать опциональную усиленную защиту: облачная Gemini оценивает намерения незнакомых отправителей, обработка идёт в зашифрованном виде в защищённой среде.
Собеседования с ИИ-клиентом. McKinsey предложит части кандидатов на начальные позиции пообщаться на собеседовании с клиентом, которого симулирует ИИ; оценивают результат люди, а не ИИ.
Индустрия, политика и бизнес
Гонка разгорается снова. Google и Meta представили новые фронтирные модели, бросившие вызов OpenAI и Anthropic и опровергшие представление, что гонка уже сузилась.
Планы OpenAI по моделям. По сообщениям, OpenAI планирует один-два релиза моделей в этом году, но следующему флагману ещё нужны работы по alignment и государственная проверка безопасности.
Иски к OpenAI из-за детей. Восемь штатов США подали в суд на OpenAI, заявив, что ChatGPT небезопасен для детей, а компания вводила потребителей в заблуждение насчёт безопасности; среди упомянутых последствий — деградация критического мышления.
Данные пользователей Character.AI. Генпрокуроры штатов подали заявление в деле о банкротстве Character.AI, чтобы личные переписки пользователей не попали на продажу, и предупредили о рисках из-за большого числа несовершеннолетних.
Метки для ИИ-музыки. YouTube добавил метки для песен, сгенерированных ИИ, Deezer планирует фильтр для исключения ИИ-треков, и обе площадки хотят повысить прозрачность генеративной музыки.
Nvidia инвестирует в Европу. Nvidia объявила о $2 млрд новых инвестиций в Европе, долях во французских стартапах и $250 млн на вычисления для британских лабораторий по безопасности ИИ.
Вайб-кодинг лончера Epic. Epic Games переписала свой лончер с нуля с помощью ИИ-ассистированного программирования, заявив о более высокой производительности и меньшей команде.
Это всё за этот день – примерно 5 минут чтения.