Фреймворки, інструменти та евалюація агентів
Специфікації агентів Figma. Figma представила редактор Specs на основі Markdown і контекстні інтеграції, щоб сторонні агенти могли дотримуватися дизайн-правил бренду під час створення, а також розширила доступ до свого canvas-агента.
Практична евалюація агентів. LangChain опублікувала посібник з евалюації агентів: почніть з однієї поведінки, збирайте невеликі датасети з реальних трейсів, використовуйте кодові евалюатори де можливо, а LLM-суддів — де ні, та оцінюйте повні треди й траєкторії.
Фікс context rot. Каркас Deep Agents від LangChain використовує п'ять технік middleware, щоб виносити контекст з активного вікна у звичайні файли, запобігаючи падінню точності в довготривалих агентів і роблячи пам'ять переносною між моделями.
Бенчмарк OCR-парсерів. Datalab випустила OmniParseBench — відкритий бенчмарк із 16 288 тестів pass/fail на 2 937 сторінках, який допоможе інженерам обирати парсери документів; Gemini 3.8 Flash трохи випереджає власний парсер Datalab.
Безпечні фінансові агенти. OpenAI та Anthropic обговорили баланс автономності й безпеки у фінансових агентах на AI Engineer NY, наголосивши, що контроль і місце для людського судження важливіші за кількість обмежень.
Релізи моделей і файнтюни
Робоча конячка LFM2.5. Користувач інтегрував LFM2.5-24B у робочі процеси Pi Agent і повідомляє про стабільні ~95 токенів/с на AMD W7900, а також надійну роботу на механічних і рекурсивних задачах.
Ефективні варіанти Qwen. Три окремі релізи — Sabi-Noema, Tessera-27B-CJK і MLA/GLA від Telperion — стискають токени міркувань або KV-кеш, щоб підвищити ефективність; Sabi-Noema заявляє про покращення в бенчмарках для агентів і виклику інструментів.
- Sabi-Noema: A capability and efficiency focused fine-tune of Qwen 3.8 27B(відкриється в новій вкладці)
- Tessera-27B-B-CJK, Zellige AIs new finetune of Qwen with novel approaches to how we think about token savings(відкриється в новій вкладці)
- New model from Telperion: Qwen3.8-27B-MLA & Qwen3.8-27B-GLA-g2. 4x smaller KV cache, smarter, and more efficient reasoning.(відкриється в новій вкладці)
Мультимодальність на телефонах. MiniCPM-V 4.7 використовує Lookahead Expert Scheduling, щоб запускати 35B MoE візуально-мовну модель на мобільних пристроях із приблизно 3 ГБ пам'яті, а також менший варіант на 1B.
Скоро компактний MoE. NVIDIA Nemotron Bolt 3.5 — це MoE-модель на 74B параметрів із 9B активних, яку вмістили в 24 ГБ завдяки 2-бітному навчанню з урахуванням квантування; запуск 15 жовтня, а варіант E4B на 4 ГБ — 23 жовтня.
MoE для коду. JetBrains Mellum 2.1 12B A2.5B MoE працює зі швидкістю 60–140 токенів/с на споживчих GPU і добре підходить для задач із кодування, особливо в парі з більшою моделлю-планувальником.
Локальний ШІ та залізо
Риг у сараї. Користувач зібрав риг на 256 ГБ VRAM із чотирма розблокованими картами CMP 170HX і процесором Threadripper, переніс його в сарай через тепло й шум і локально запускає Qwen Flash Next та GLM 5.3.
Бізнес на локальному ШІ. Зібрав три бокси з 4× Radeon R9700 і дешевими EPYC за $10,7 тис. кожен, загалом на 384 ГБ VRAM, щоб запускати ШІ для USA Arms після того, як хостингові моделі відмовилися виконувати роботу, пов'язану зі зброєю.
Швидкий рушій Radiance. Рушій Radiance від Deadcode досяг 176 токенів/с на декодуванні та 6 450 токенів/с під час prefill з Q4 Qwen-3.8 Flash-Next на 2× R9700 і 64 ГБ DDR5.
Прискорення ядер llama.cpp. PR у llama.cpp додає чанкові ядра GDN, прискорюючи обробку промптів MoE до 20,6% на RTX PRO 6000 і 17,9% на RTX 5090.
Дослідження та прикладний ШІ
ШІ-дизайн чипів. Ricursive Intelligence каже, що ШІ може ітеративно проєктувати чипи для підвищення ефективності, реагуючи на 10 000-кратне зростання попиту на обчислення без будівництва в 10 000 разів більшої кількості дата-центрів.
ШІ не самовдосконалюється. Гейдн Белфілд із Google DeepMind каже, що ШІ пише понад 75% продакшн-коду, але не дав вимірного прискорення досліджень ШІ; людський нагляд залишається необхідним для складних задач.
Коментарі не важать. Розробник видалив 168 000 рядків коментарів із кодової бази й виявив, що ШІ-агент за три запуски видавав однаково добрий код в обох версіях. Це ставить під сумнів цінність коментарів.
Масова декомпіляція з ШІ. Декомпіляція з ШІ відкриває можливості для ігрових мешапів і збереження ігор, але водночас загрожує пропрієтарному софту — про це говорить інді-розробник Popcar.
Протеази, створені ШІ. Дослідники використали ШІ-дизайн білків, щоб замінити некаталітичні частини протеаз, створивши ферменти, які розрізають конкретні білки, пов'язані з неврологічними захворюваннями.
Прогнози погоди з ШІ. HiRO-ACEv2 від Ai2 моделює екстремальну погоду з роздільністю 3 км приблизно за 1/300 вартості X-SHiELD, а ML-інструмент Microsoft виправляє зсув у прогнозах на 2–6 тижнів; дослідження опубліковано в Nature.
Агенти в продакшені
Агенти під прикриттям проти шахраїв. Apate розгортає тисячі ШІ-агентів, які видають себе за жертв, щоб марнувати час шахраїв і збирати банківські рахунки, гаманці та дані про шахрайську інфраструктуру; вони вже провели 2,5 млн розмов.
Автономні дослідження продажів. Floqer створює ШІ-агентів, які безперервно збирають і оновлюють знання про клієнтів для B2B-продажів; компанія перевищила $1,2 млн ARR і планує відкрити код технології.
Замовлення через розмову. Square випустила кіоск за $1 999 з агентним голосовим шаром, який розуміє меню та в реальному часі обробляє зміни й заміни.
Трекер інтернет-штормів. Gudea використовує ШІ, щоб аналізувати поширення історій 500+ платформами й визначати, хто веде розмови, ще до спалаху криз, виходячи за межі традиційного соціального моніторингу.
Gemini проти шахраїв. Google Messages запускає посилений захист за згодою, який використовує хмарний Gemini для оцінки намірів невідомих відправників, із шифрованим опрацюванням у захищеному просторі.
Співбесіди зі ШІ-клієнтом. McKinsey пропонуватиме частині кандидатів на початкові посади взаємодіяти зі змодельованим ШІ клієнтом під час співбесід; продуктивність оцінюють люди, а не ШІ.
Індустрія, регулювання та бізнес
Гонка ШІ знову загострюється. Google і Meta представили нові фронтирні моделі, які кидають виклик OpenAI та Anthropic, змінюючи уявлення, що гонка вже звузилася.
Графік релізів OpenAI. За повідомленнями, OpenAI планує один-два релізи моделей цього року, але її наступний флагман усе ще потребує роботи над alignment і державної перевірки безпеки.
Позови до OpenAI через дітей. Вісім штатів США подали до суду на OpenAI, стверджуючи, що ChatGPT небезпечний для дітей і що компанія вводила споживачів в оману щодо безпеки, посилаючись на шкоду, зокрема погіршення критичного мислення.
Дані Character.AI. Генпрокурори штатів подали заяву у справі про банкрутство Character.AI, щоб приватні чати користувачів не продали, попереджаючи про ризики через велику кількість неповнолітніх.
Контроль над ШІ-музикою. YouTube додав позначки для ШІ-згенерованих пісень, Deezer планує фільтр для виключення ШІ-треків, і обидві платформи прагнуть підвищити прозорість генеративної музики.
Інвестиції Nvidia у Європу. Nvidia оголосила про $2 млрд нових інвестицій у Європі, частки у французьких стартапах і $250 млн на обчислення для британських лабораторій із безпеки ШІ.
Вайбкоджений лаунчер. Epic Games переписала свій лаунчер з нуля за допомогою ШІ-асистованого кодування, заявляючи про вищу швидкодію і меншу команду.
Це все за цей день – приблизно 5 хвилин читання.