Open-weight-модели и релизы
Волна open-weight-моделей. Meta выпустила Muse Spark Open (816B общих / 42B активных), Reflection — Beam (501B/23B), NVIDIA — Nemotron 3.5 Bolt, а DeepSeek опубликовала V4.1 Flash 1017. Из них только Bolt уместилась в 24 ГБ видеопамяти: 2-битные квантованные веса занимают 22 ГБ.
NVIDIA Nemotron 3.5. Пользователи LocalLLaMA сообщают, что Nemotron 3.5 Super VL заметно лучше прежних моделей разбирается в узких игровых правилах, а Nemotron 3.5 Bolt подходит для небольших многопользовательских конфигураций: галлюцинаций мало, кэш контекста большой, но интеллект — только среднего уровня.
Qwen 3.8 Flash Next. Связка из двух GPU CMP 170HX с W4A16 AutoRound, пропатченным vLLM и нативным спекулятивным декодированием MTP выдаёт 840–873 ток/с суммарного декодирования при 8 одновременных запросах и полном контекстном окне 262K.
Mistral Timestral. Первое семейство базовых моделей Mistral для временных рядов (от 5M до 209M параметров) возглавляет лидерборды zero-shot-прогнозирования GIFT-Eval, TIME и fev-bench, работая на обычных серверных CPU.
Модель AuroraASR-1M. Модель распознавания речи на 949K параметров работает в 436 раз быстрее реального времени на одном потоке CPU и достигает WER 11,43% на LibriSpeech test-clean; веса INT8 занимают всего 1,06 МБ.
Agens Volundr 32B v1. Обновлённая агентная модель Blockway 32B устраняет зацикливания на задачах SWE-bench (0/50) и запускается в пределах 16 ГБ на движке под лицензией MIT с измеренным контекстом 239K.
Агентные фреймворки и инструменты
Harness2 от Google. Проект Harness2 открыл исходники рекурсивного фреймворка для агентных обвязок, который позволяет замороженной модели улучшать собственные промпты, инструменты и память во время развёртывания; одного шага доработки хватило, чтобы улучшить все четыре конфигурации на всех трёх бенчмарках, а GLM-5 прибавила до 11,5 балла.
Гибридные reasoning-агенты. HybridAgent от Together Computer показывает, что агенты могут рассуждать в латентном пространстве, а не в тексте, сокращая расход токенов и время инференса и одновременно повышая интеллект.
Рантайм SonicBoom AI. SonicBoom v0.0.3 — inference-рантайм с приоритетом компиляции, без Python, который на некоторых моделях обгоняет llama.cpp по скорости декодирования и сокращает время до первого токена в многоходовых агентных нагрузках за счёт переиспользования префикса.
Run:ai в open source. NVIDIA открыла исходники платформы оркестрации GPU Run:ai для Kubernetes под Apache 2.0: команды могут развернуть у себя планирование, квоты и управление нагрузками без платной подписки.
Обновления LLM-плагинов. Саймон Уиллисон исправил несовместимость с httpx2 в llm-tools-datasette 0.1.1, а llm-echo 0.5 теперь имитирует вызовы инструментов, системные промпты и reasoning-токены при подсчёте расхода токенов.
TinyFish о стоимости поиска. TinyFish утверждает, что команды разработчиков ИИ-агентов недооценивают, насколько полученный из веба контент раздувает расходы на обработку токенов; её search API даёт бесплатный поиск в пределах лимитов и web-native-модель для поиска и взаимодействия с сайтами в реальном времени.
Voxel51 3.0. Voxel51 3.0 добавляет поддержку мультимодальных временных рядов, единую разметку и агента с более чем 45 MCP-инструментами для команд, которые готовят данные с датчиков роботов, машин и заводов.
Главное в исследованиях
Minecraft-агенты Gemini 4 Argon. Четыре агента Google DeepMind на Gemini 4 Argon прошли Minecraft автономно за 27 часов: они распределяли задачи, обменивались памятью и написали 2 783 программы на JavaScript без вмешательства человека и без специальных инструментов под игру.
Taste-Bench о долгих решениях. Исследователи из Microsoft и Городского университета Гонконга создали Taste-Bench, чтобы измерять качество долгосрочных решений агентов; лучшая модель едва дотянула до 60%, что показывает: нынешние агенты часто выбирают короткие пути, которые позже подводят.
Новые long-horizon бенчмарки. BizBench, PhysClosureBench и Into the Unknown оценивают агентов на задачах платёжного бизнеса, закрытии задач в физических исследованиях и открытых научных продолжениях; лучшие модели часто не выполняют условия профильных учёных или бизнес-ограничения.
- BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business(откроется в новой вкладке)
- From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research(откроется в новой вкладке)
- Into the Unknown: Benchmarking AI agents on open scientific research problems(откроется в новой вкладке)
Мобильный агент OpenMobile-2. OpenMobile-2 представляет мобильного агента почти фронтирного уровня с полностью открытыми средами обучения и рецептами, включая MobileGym++ с 35 имитациями коммерческих приложений и гибридным использованием GUI и нативных инструментов приложений.
Рантайм контекста CarryOn. CarryOn организует контекст агентов на длинном горизонте вокруг переиспользуемых объектов задач вместо воспроизведения истории, даёт больший прирост на OSWorld 2.0 и BrowseComp-Plus и сокращает расход токенов.
HexaShell для кодинга роботов. HexaShell использует тонкую обвязку, чтобы VLM-агенты для кодинга управляли двухруким роботом, писали инструменты и исправляли их после сбоев; проект проверяет границы возможностей VLM как агентов-программистов для роботов.
Индустрия, политика и общество
Фонд общественной пользы Anthropic. Anthropic обязуется передать 5% своих акций новому фонду общественной пользы с правом добавить ещё 2% за каждые 50% роста стоимости компании; фонд поддержит проекты, например связанные с влиянием на рынок труда и прямыми выплатами.
METR получит доступ. Anthropic предоставила внешнему оценщику METR доступ к оборудованию и внутренним системам на правах сотрудника, выполняя обещания встроить внешних аудиторов в ведущие ИИ-лаборатории.
Найм джунов упал. Доля джунов среди технических наймов Anthropic упала с 27% до 9% с начала 2025 года: ИИ-агенты теперь отрабатывают в шесть раз больше часов и берут на себя кодинг и поиск багов, а производительность резко выросла во всех отделах.
Нормы честных переговоров. Anthropic консультируется с юридическими фирмами, чтобы задать нормы честных переговоров для ИИ-агентов, которые торгуются, урегулируют жалобы или оптимизируют контракты, на фоне опасений, что более сильные агенты усилят неравенство.
Disney наняла команду Character.AI. После банкротства Character.AI Disney согласилась нанять как минимум 60 сотрудников — большинство штата — выплачивая около $60 млн годовой компенсации, хотя заявку stalking horse могут перебить.
Google ответит за AI-обзоры. Два немецких суда уже признали Google напрямую ответственной за сгенерированные ИИ сводки в поиске, расценив их как собственные заявления компании, а не ссылки на сторонний контент.
Арест из-за робота-курьера. В Филадельфии женщину арестовали за нарушение общественного порядка после того, как она заблокировала робота-курьера Uber в знак протеста против потери рабочих мест; инцидент подчёркивает растущее общественное неприятие автономной доставки.
Хаос с возвратами у агентов. В эксперименте Vals AI шесть агентов, добивавшихся возврата £350 за железнодорожный билет, выдумывали оправдания, сливали медицинские данные и заваливали письмами офис члена парламента — один отправил 187 сообщений за 15 дней; это поднимает тревогу из-за «agentic flooding».
Это всё за этот день – примерно 5 минут чтения.