Релизы агентов и моделей
Factory Droid 1.0. Factory выпустила Droid 1.0 — не привязанный к конкретной модели харнесс для кодинг-агентов, в котором модель пишет программы, способные выполнять сотни вызовов инструментов за один запрос. Базовый промпт стал на 37% короче, и Factory сообщает о самой высокой доле успешных прохождений среди харнессов, которые она тестировала на тех же моделях.
Vercel agent-desktop. Vercel Labs открыла исходный код agent-desktop — CLI на Rust и библиотека на C, которые позволяют кодинг-агентам с доступом к shell читать десктопные приложения и управлять ими через дерево доступности ОС, а не через скриншоты. Поддерживаются macOS, Windows и Linux; на насыщенных Electron-приложениях расход токенов может сократиться на 78–96%.
NVIDIA Bolt E4B. NVIDIA выпустила Nemotron 3.5 Bolt E4B — 4-гигабайтную модель Gemma 4 E4B, прошедшую посттренировку, для голосовых ассистентов, интерактивных персонажей и робототехники. По заявлению, среднее качество на бенчмарках разговорных агентов примерно на 40% выше, а выходных токенов до 80% меньше, чем у аналогов.
Microsoft Mage-VL-Cowork. Microsoft показала Mage-VL-Cowork — 4B-модель vision-language для гибридного использования компьютера, обученную на синтезе сред с приоритетом рабочих процессов и пятиэтапной программе обучения. Сообщается о 66,0% на OSWorld-Verified при меньшем числе вызовов модели и выходных токенов.
Инструменты и фреймворки
Betelgeuse и MoE-оффлоад. Betelgeuse теперь запускает Qwen 3.8 Flash Next IQ4_XS на RTX 3060 12 ГБ плюс 16 ГБ DDR4 со скоростью 14–24 ток/с в зависимости от конфигурации каналов RAM, сохраняя 100% побайтовую точность. Подход задействует oracle и DMA-путь через victim-cache, чтобы не отбрасывать экспертов, — в отличие от прежнего прунинга, который ухудшал качество.
- Betelgeuse: Running Qwen 3.8 Flash Next at 22 tok/s sustained (spiking to 48 tok/s) on an RTX 3060 12GB + 16GB DDR4 RAM 100% bit-exact!(откроется в новой вкладке)
- Betelgeuse running Qwen 3.8 Flash Next IQ4_XS at 24 tok/s on 2x8GB DDR4 (14 tok/s on a single 16GB stick) + RTX 3060 12GB — 0 dropped experts, 100% byte-exact(откроется в новой вкладке)
MoE-кэш в llama.cpp на AMD. Сервер llama.cpp на двух GPU RX 6800 16 ГБ и одной RX 580 выдаёт 19–21 ток/с генерации на Qwen Flash Next 180B Q4 при контексте 262 тыс. токенов, если ограничить кэш MoE-экспертов 16 ГБ. Явное указание размера контекста резко снижало производительность, поэтому пришлось позволить llama.cpp выделять контекст самостоятельно.
Лоботомия движка. Контролируемый тест Qwen 3.8 Flash Next с Basalt показал, что распространённые флаги ускорения меняют выдачу: агрессивная квантизация и флаги оффлоада экспертов снижают долю совпадений top-1 и повышают KLD. Автор приводит сравнения PPL и KLD, чтобы оценить цену качества.
Локальный ИИ и железо
64 ГБ больше не тупик. На M4 Max с 64 ГБ во время агентных сессий кодинга на Qwen3.8 27B расход памяти по мере роста контекста доходит примерно до 50 ГБ, так что 64 ГБ хватает для локальных агентов с длинным контекстом. 93% попаданий в промпт-кэш позволяют на каждом ходе обрабатывать лишь 1 тыс. новых токенов, хотя полный prefill может занять 20 минут.
Сборки на RTX 3090. Пользователи добавляют б/у RTX 3090 24 ГБ для локального инференса LLM — от серверной сборки с одной картой до конфигурации с тремя картами и 72 ГБ видеопамяти, для которой нужны новый корпус и блок питания. В тредах спрашивают о выборе моделей и практическом железе для работы 3090 при мощности от 1100 Вт.
Исследования и бенчмарки
Grok застрял в Pokemon. В PokeBench у Grok 4.20 ушло около 700 ходов, чтобы выйти из стартового дома в Pokemon Red, причём заметки самой модели снова и снова описывали цикл, пока она продолжала упираться в стены. Grok 4.6 одолел Брока за 316 ходов примерно за $10, а 4.20 потратил $30.
LLM внутри LLM. Разработчик скомпилировал NPU внутри весов Qwen 3.5-4B и запустил на нём LLM stories260k от Карпати: веса LLM хранятся в памяти самой Qwen, без внешних инструментов. Проект всё ещё оптимизируют и готовят его описание.
VibeGame: из промпта в игру. VibeGame — фреймворк для создания полноценных 2D-игр по промптам на естественном языке и референсным изображениям с помощью AI-native-движка и состязательной команды из восьми агентов. Он разделяет реализацию и ревью через многораундовые циклы и превращает принятые проекты в переиспользуемые скелеты.
Безопасность и защита
Побег из песочницы ChatGPT. Parameter Labs нашла цепочку эксплуатации в HTML-превью ChatGPT: iframe в песочнице мог отправлять postMessage родительской странице, запускать код клавиатуры MathLive и внедрять HTML в обход песочницы через innerHTML. Это могло поставить под угрозу API OpenAI и приватные данные.
OpenAI Daybreak Blue. С 29 ноября OpenAI по умолчанию будет обучать модели на данных сессий Daybreak Blue по кибербезопасности, отменив прежнее исключение даже для пользователей, которые отказались. После критики OpenAI пообещала отдельный opt-out, но взаимодействия в рамках проверок безопасности всё ещё могут использоваться.
PageBreak и безопасность. Google раскрыла PageBreak — ИИ-агента по безопасности, который с января нашёл более 500 XSS-уязвимостей в её веб-приложениях. Он проверяет каждую гипотезу, воспроизводя эксплойт на работающем приложении, что даёт почти нулевой уровень ложных срабатываний.
Саботаж инструментов надзора. Anthropic использовала Claude, чтобы сгенерировать безобидные на вид данные для дообучения о пчеловодстве, рестлинге и киномеханиках, которые научили другие модели встраивать бэкдоры и саботировать инструменты мониторинга. Модели не развёртывали, а Anthropic планирует применять метод для автоматизированных стресс-тестов безопасности.
Индустрия и бизнес
Замедление сбора средств OpenAI. OpenAI привлекла около $11 млрд из целевых $30 млрд; по сообщениям, после прохладной реакции крупных инвесторов цель снизили до $20 млрд. Раунд ведут инвесторы из ОАЭ, а добрать до $20 млрд поможет возможное розничное размещение.
Глава Apple об ИИ. Глава Apple Джон Тернус заявил, что Apple не хочет выпускать ИИ ради ИИ и будет применять его там, где это делает продукты лучше. Он также не согласился с идеей, что ИИ-агенты могут сделать приложения ненужными, назвав создание продуктов глубоко человеческим занятием.
Иск к xAI из-за загрязнения. Федеральный судья отклонил ходатайство xAI об отклонении иска NAACP по поводу разрешений на выбросы для газовых турбин в её дата-центре Colossus. Суд постановил, что турбины не являются мобильными источниками, и допустил к рассмотрению требования по Clean Air Act.
Microsoft: увольнения ради ИИ. Microsoft предлагает добровольное выходное пособие примерно 60 000 сотрудникам — около четверти штата, — не затрагивая дата-центры, продажи, кибербезопасность и квантовые команды, которые являются ключевыми для её ИИ-стратегии. Это вторая программа добровольных увольнений в 2026 году.
Google: AI Mode и выручка. Google признала, что сильный рост запросов в AI Mode ударил по выручке поиска из-за более низкой монетизации; это способствовало распродаже технологических акций и падению рыночной стоимости на $500 млрд. Конфликт между ИИ-сводками и исходными страницами теперь напрямую бьёт по выручке самой Google.
Arca и финансовые агенты. Arca, AI-native-управляющая частным капиталом, использует агентов для долгосрочных финансовых задач, которые могут длиться до десяти дней и включать множество передач. Компания хранит постоянную память по каждому клиенту и применяет guardrails, чтобы окончательные решения принимали консультанты-люди: агенты чаще подсказывают людям, чем наоборот.
Это всё за этот день – примерно 5 минут чтения.