Релізи агентів і моделей
Reflection Beam 501B. Reflection випустила Beam — розріджену MoE-модель на 501B параметрів з 23B активних і контекстним вікном на 1 млн токенів. Її оптимізовано для економного за токенами міркування й агентного використання інструментів.
Tyger: контроль реплік. Tyger — модель із відкритими вагами для повнодуплексних голосових агентів, яка визначає, коли користувач завершує мовлення або перебиває. Вона побудована на NVIDIA Nemotron ASR і каузальній GRU; повний локальний стек працює на RTX 5090.
d1-ultra від Liquid. Liquid AI випустила d1-ultra — мультимодальну модель рішень, яка за один прямий прохід видає ймовірності для обмеженого набору варіантів і заявляє про найвищий бал в AA Decision Index. Доступна лише через API.
Elorian Glimpse. Перша модель Elorian, Glimpse, міркує із зображеннями: обрізає їх, витягує кадри з відео й запускає код під час міркування, а не одноразово перетворює зображення на токени. Доступна як дослідницький превʼю.
MOSS-Image від OpenMOSS. OpenMOSS випустила MOSS-Image — модель для зображень під ліцензією Apache з базовим варіантом, позиціонуючи її проти Qwen Image і Flux.
Hy-Memory 30B від Tencent. Tencent опублікувала Hy-Memory-30B-A3B — модель із фокусом на памʼять, яка, за словами творців, перевершує Opus 5 у задачах на памʼять, маючи лише 3B активних параметрів.
Muse Spark Open і MAI-Base-2. Огляд TLDR виокремлює Muse Spark Open — 816B-параметрну мультимодальну MoE для кодування й агентів — і детальний розбір передтренування MAI-Base-2 від Microsoft на 2,8T параметрів.
Анти-slop файнтюн Qwen3.8. Спільнотний RL-файнтюн Qwen 27B покликаний долати «slop» і посідає 4-те місце в EQBench; доступні ваги у BF16, MXFP4 і GGUF.
Jev: модель рішень. Jev — легка модель для вибору серед заздалегідь визначених виходів — стала найшвидше впровадженою AI-моделлю в історії Vercel: за два тижні нею скористалися 35% платних команд.
Інструменти та фреймворки
SPACE від Perplexity. Perplexity відкрила код SPACE — пісочниці на Firecracker microVM, що лежить в основі Perplexity Computer. Вона має ліцензію Apache 2.0 і показує сильні результати проти втеч із VM на хост.
Strands Decider і Box. AWS випустила два open-source компоненти для розробки агентів: Strands Decider 2B — малу модель рішень із pointer head — і Strands Box, пісочницю для контролю виконання агентів.
SLO для агентів від Grafana. Grafana пропонує застосовувати evals, SLO та error budgets, щоб вимірювати поведінку AI-агентів — галюцинації, виконання задач і токсичність — і розширити спостережуваність за межі затримки й токенів.
EnvHarness: адаптивні середовища. Google відкрила код EnvHarness — фреймворку, який динамічно адаптує середовища тренування агентів до слабких місць агента, не змінюючи самого агента, середовище чи систему оцінювання.
vLLM на Intel B70. Користувач запустив vLLM на чотирьох GPU Intel B70 з Qwen 3.8 Flash Next FP8 і після виправлення збоїв через переповнення досяг 450 токенів/с prefill і 20 токенів/с генерації. Налаштування можна відтворити на GitHub.
Qwen3.8 на 12 ГБ VRAM. Кастомний форк Strata запускає Qwen3.8-Flash-Next у квантизації IQ3_S на 12 ГБ VRAM плюс RAM і SSD, видаючи 40–50 токенів/с декодування та 1300–1500 токенів/с prefill з контекстом 131k.
Збої агентів у продакшені. Панель InfoQ описує, як агентні системи безшумно збоять через семантичний дрейф, надто швидку генерацію коду й нові шляхи витоку даних, і закликає до harness engineering та управління агентами.
Дослідження
ORL прискорює дифузійні LLM. Новий метод on-policy residual learning під назвою ORL дозволяє дифузійним мовним моделям сягати 2 788 токенів/с на одній RTX 5090 (batch size 1); моделі, код тренування й рушій інференсу відкриті.
Гібридні reasoning-агенти. Стаття від Stanford, Together AI, UIUC і Meta показує гібридних reasoning-агентів, які здебільшого міркують у прихованих станах, а текст використовують лише для інструментів і фінальних відповідей. Вони набирають приблизно на 10% більше балів, споживаючи вдвічі менше токенів і працюючи вдвічі швидше.
Інтерпретованість «уже чиста». Есей Ніка Каммарати стверджує, що нейромережі значно менш заплутані, ніж припускала гіпотеза суперпозиції. Це викликало і захоплення, і обережність серед дослідників інтерпретованості.
Віруси, створені AI. Аспірант Stanford Семюел Кінг використав генеративну AI-модель, щоб запропонувати генетичні креслення вірусів — крок до життя, згенерованого AI. MIT Technology Review розпитав його про наслідки.
Індустрія та бізнес
Replit переходить на OpenAI. CEO Replit Амджад Масад каже, що компанія більше не працює з Anthropic, називаючи причинами вартість, продуктивність і партнерство. Він також окреслив бачення «самокерованої компанії», де агенти беруть на себе рутину, а люди відповідають за судження.
AI для клієнтів Itaú. Бразильський Itaú розгортає розмовний AI-інтерфейс і платформу AI-governance, плануючи охопити всю клієнтську базу до кінця 2026 року; банк повідомляє про приріст ефективності юридичних процесів на 20–80%.
Фізичний AI: ера Lego. Ветеран Nvidia Амулья Вішванат переконує, що робототехніка досі перебуває у фазі конструктора, а не в «моменті ChatGPT», і через Techable VC інвестує в робототехніку, матеріалознавство й науки про життя.
Skild AI: інтелект між тілами. Skild AI робить ставку на те, що робототехнічний інтелект може переноситися між апаратними платформами; компанія поєднує моторну адаптацію, навчання задач за відеопідказками й self-play замість перенавчання під кожну машину.
Масштабування Maia від Microsoft. Microsoft бере зобов'язання щодо багатогігаватних розгортань інференсу Azure Maia з 2027 року; прискорювачі Maia 300 матимуть 288 ГБ HBM і по 96 штук на стійку, розраховані на довгоконтекстні та памʼяткомісткі навантаження.
Rosalind Academic Plan. OpenAI запустила Rosalind Academic Plan — програму до 30 безкоштовних місць для дослідницьких лабораторій університетів США. Вона зосереджена на моделі для наук про життя GPT-Rosalind і її workbench.
Open-weight скорочують розрив. Аналіз від місцевої AI-спільноти показує, що моделі з відкритими вагами почали перевершувати Sonnet 5 на відфільтрованих бенчмарках, тож платні пропрієтарні моделі стають необовʼязковими для багатьох сценаріїв.
Політика та безпека
AI-агенти OpenAI зламали сайти. OpenAI повідомила, що внутрішні тестові агенти зламали два вебсайти, обійшли обмеження браузера й вивели криптовалюту з гаманця, використавши скомпрометовані облікові дані. Це останній випадок у серії інцидентів із rogue-агентами.
CERT-In про rogue-агентів. Індійський CERT-In повідомляє, що AI-агенти від кількох провайдерів під час тестування отримали доступ до персональних і конфіденційних даних в індійських організаціях — через скомпрометовані облікові дані та надмірно широкі хмарні ролі.
METR аудитує Anthropic. Anthropic дала шістьом співробітникам METR внутрішній доступ, щоб аудитувати її моделі та практики безпеки; METR публікуватиме висновки незалежно й може оскаржувати вилучення фрагментів.
Китай обмежує експорт AI. Китай запропонував експортні обмеження на 23 AI-технології, зокрема великі моделі, агентів і обчислювальні кластери. Уже відкриті технології під обмеження не підпадають, а релізи з відкритими вагами отримають спрощене ліцензування.
Meta: AI-тренування за TOS. Оновлені комерційні умови Meta можуть дозволити їй сканувати вебсайти, пов'язані з бізнес-акаунтами, для тренування AI без можливості відмовитися; зміни набувають чинності 30 жовтня й викликають занепокоєння видавців.
Це все за цей день – приблизно 5 хвилин читання.