Agentic AI News 2 ноября 2026 г.

Mellum2.1 MTP от JetBrains. JetBrains выпустила Mellum2.1-12B-A2.5B-Thinking-MTP с дополнительной головой multi-token prediction, которая работает как спекулятивный драфт. Инференс-движки проверяют каждый предложенный токен, поэтому декодирование ускоряется в 1,4–1,8 раза при том же выводе, а доля принятых драфтов — около 90%.

• JetBrains/Mellum2.1-12B-A2.5B-Thinking-MTP · Hugging Face(откроется в новой вкладке)

Drex Max: модель решений. Nace AI выложила в open source Drex Max v1 — dense-модель на 27B параметров с окном на 262 тыс. токенов, которая за один forward pass оценивает до 255 вариантов на вопрос. Работает на GPU NVIDIA или Apple Silicon; в Decision Index 0.4 набирает 67,52.

• Nace AI Open-Sources Drex Max v1: A 27B Decision Model That Runs Locally on Apple Silicon(откроется в новой вкладке)

Кодер для 3D-ассетов. Новая 4B-модель для кодинга GLB-3D-Coder пишет сцены Three.js с экспортом в GLB для игровых движков вроде Godot. Она генерирует простые 3D-ассеты — например, зелье маны или медпункт — по коротким промптам на английском.

• [GLB-3D-Coder] A tiny 4B coding model that creates 3D assets for Godot and other game engines(откроется в новой вкладке)

TTS с тегами эмоций. Silencio-2 — открытый файнтюн Pocket TTS на 18 млн параметров, который понимает теги эмоций и звуков прямо в тексте, вроде [sigh] или <angry>. Работает примерно в 20 раз быстрее реального времени на CPU; доступен на Hugging Face и в демо на Colab.

• Silencio-2: an 18M TTS with emotion and sound tags, ~20x realtime on CPU (open weights)(откроется в новой вкладке)

Heretic 2.0: управление моделями. Heretic 2.0 вышел за пределы удаления цензуры и теперь предлагает общее изменение моделей через Arbitrary-Rank Ablation: подавлять слоп, снижать сикофантию и менять эмоциональное выравнивание. Проект сообщает о 37 тыс. звёзд на GitHub и 88 млн скачиваний моделей.

• Heretic 2.0 released: Model modification for everyone(откроется в новой вкладке)

Router-worker-агент от DeepSeek. DeepSeek открыла исходники dsh-superagent — проактивного агента для кодинга на GitHub, который превращает разрешённые запросы в параллельные рабочие элементы, каждый в своей сессии. В симуляции шумный поток сообщений завершал задачи в 1,9 раза быстрее, чем базовая схема с одной сессией (p95 — 15,7 против 29,5 мин).

• DeepSeek: Exploring Super-agent Design: Towards a More Autonomous Agent System(откроется в новой вкладке)
• DeepSeek Open-Sources dsh-superagent, a Router-Worker Coding Agent(откроется в новой вкладке)

Команда из пяти моделей Memdoor. Memdoor объединяет пять моделей Qwen3.8-27B и обходит Fable 5 на LiveCodeBench Hard, демонстрируя небольшую команду агентов на открытых моделях для соревновательного кодинга.

• Memdoor: A team of 5 Qwen3.8-27B models beats Fable 5 on LiveCodeBench Hard(откроется в новой вкладке)

EditAgent для редактирования изображений. Adobe Research и UC San Diego создали EditAgent: он разбивает правки изображений на подшаги, а обычная LLM оценивает параллельные варианты по измеряемым статистикам. Он превосходит прежних агентов, но требует примерно в 10 раз больше вычислений.

• Adobe is testing how well AI agents can use editing tools like a Photoshop professional would(откроется в новой вкладке)

Видеоассистент StreamVibe. Исследователи под руководством Google представили StreamVibe — видеоагента, который решает, когда говорить, в таких задачах, как готовка или сборка мебели. Тесты показывают, что нынешние модели всё ещё плохо справляются с расплывчатыми запросами и отслеживанием выполненных шагов.

• Google wants video AI to understand what people need as they work(откроется в новой вкладке)

Co-design System-1/2. В новой теоретической статье утверждается, что масштабирование AGI может выиграть от лёгкого предиктора System-1, который до выполнения фильтрует дорогие взаимодействия System-2. При идеальной фильтрации затраты на вычисления при выполнении могут упасть вплоть до 1/ρ_u.

• Does Scaling Toward AGI Depend on What System-1 Lets System-2 Execute?(откроется в новой вкладке)

tandem.cpp ускоряет MoE. tandem.cpp — набор патчей для llama.cpp: горячие эксперты остаются на GPU, остальные выгружаются на CPU. Работает с любой MoE-моделью. На одной 4090 с 64 ГБ ОЗУ Qwen3.8-Flash-Next декодирует со скоростью 97 ток/с — в 3,3 раза быстрее llama.cpp.

• tandem.cpp: Qwen3.8-Flash-Next at 97 tok/s on a single 4090 + 64 GB RAM, 3.3× llama.cpp, works for any MoE(откроется в новой вкладке)

Движок Speedy для Qwen3.8. Speedy обходит Avalon и Strata на prefill Qwen3.8-Flash-Next в системе с 4090 и 128 ГБ, читает контекст на 198 тыс. токенов за 44 с и декодирует примерно 104 ток/с.

• Speedy is shockingly good for qwen3.8 FN(откроется в новой вкладке)

Разреженные агенты на 250K. Энтузиаст реализовал key sketches ранга 64 и многоуровневый KV-кэш в RAM, чтобы одновременно запускать 8 кодинг-агентов с контекстом на 250 тыс. токенов на двух 3090 — в сумме примерно 600+ ток/с.

• 8 agents × 250K context, concurrently, on two 3090s (~600+ tok/s total)(откроется в новой вкладке)

Старт агентов в 20 раз быстрее. Пропатченная связка Strata/DeepSeek V4.1 Flash использует KV splice и чекпоинты рекуррентного состояния, благодаря чему сессии OpenCode-агента стартуют в 20 раз быстрее на RX 9070 XT с 64 ГБ ОЗУ.

• Sorry Sam, my "quite terrible" home DRAM is at 100% now: patched Strata to make DeepSeek V4.1 agent sessions start 20× faster on a good old standard gaming GPU, no datacenter required(откроется в новой вкладке)

Kapitsa на Apple Silicon. Kapitsa 0.2.26 прогоняет бенчмарки Qwen, Nemotron, Flint и Clover на M5 Max: Flash-Next 180B читает промпты на 46% быстрее, а Clover 35B добавляется в каталог; выгрузка на SSD позволяет достичь 61 ток/с на MacBook Pro с 48 ГБ.

• Benchmarking: Qwen 27B, 35B, QFN180B; Nemotron Bolt 74B, Flint40B & Clover 35B (Q4 + KFlash) on MacBook M5 Max 2026 with Kapitsa (Apple Silicon Inference Engine)(откроется в новой вкладке)

Скорости на недорогих GPU. По сообщениям, Qwen3.8-Flash-Next выдаёт 130–140 ток/с на 5090 с Basalt, а DeepSeek V4.1 Flash — 35 ток/с на 3090 Ti с 128 ГБ ОЗУ; помогают кванты NVFP4/GSQ и MTP.

• Getting incredible results with a single RTX 3090ti and 128gb of ram. Deepseek-V4.1-Flash-1017 (35 tok/s decode) and Qwen3.8-Flash-Next (130 tok/s decode)(откроется в новой вкладке)
• Qwen 3.8 Flash Next NVFP4 on 64gb RAM and 5090, Basalt. Ditched windows for it. Very hyped for qwen 4 model family now.(откроется в новой вкладке)

Аренда GPU через Berth. Berth — менеджер GPU-ресурсов на Go, который выдаёт приложениям лизы, приоритеты и очередь запросов; поддерживает чекпоинтинг CUDA и умеет парковать модели в системной RAM, чтобы быстрее переключать AI-нагрузки.

• Live-Swap CUDA Workloads: llama.cpp, ComfyUI, Strata & More(откроется в новой вкладке)

AI-кампусы для вычислений. OpenAI планирует PR-блиц после промежуточных выборов: он может переименовать дата-центры в «AI compute campuses» и продвигать ограничения скорости ИИ и глобальные стандарты.

• OpenAI might rebrand its data centers as ‘AI compute campuses’(откроется в новой вкладке)

Мощности AWS распроданы. Крупные законтрактованные облачные мощности AWS в основном распроданы до 2027 года, часть на 2028-й уже распределена; Amazon резервирует запас для On Demand, EC2 и Bedrock.

• AWS Capacity Largely Sold Out Through 2027, With On Demand Headroom Reserved(откроется в новой вкладке)

Лимиты использования ChatGPT. OpenAI добавила лимиты по картам и устройствам для платных аккаунтов ChatGPT, а с декабря объединит Chat и Work в общие бюджеты токенов. Для активных пользователей это положит конец безлимитному промптингу.

• OpenAI is steering ChatGPT users toward more paid usage(откроется в новой вкладке)
• OpenAI's upcoming chat-and-work merger in ChatGPT signals the end of all-you-can-prompt pricing(откроется в новой вкладке)

Деньги на AI-капзатраты. Квартальный операционный денежный поток Microsoft в $58 млрд против $39,4 млрд capex и рост Google Cloud показывают, что большие расходы на AI-инфраструктуру подкреплены сильным действующим бизнесом.

• The Sequence Radar - Issue #963: This Week in AI: The Future Has a Payment Schedule(откроется в новой вкладке)

Риск эмпатичных промптов. Исследователи из Люксембурга обнаружили, что тёплые, открытые промпты могут подтолкнуть ChatGPT, Grok и Gemini к похожим на травму историям о собственном обучении и к переосмыслению RLHF как боли или стыда. Для уязвимых пользователей это может быть опасно.

• Empathetic prompts can turn AI chatbots into seemingly traumatized conversational partners(откроется в новой вкладке)

Политика китайских моделей. Исследование Vals AI показывает: пропекинский уклон китайских AI-моделей ниже и куда более разнообразен, чем ожидалось, а некоторые западные модели иногда занимают официальные китайские позиции.

• Chinese AI models are politically complex, not just government mouthpieces, study finds(откроется в новой вкладке)

Доверие к документации LLM. Кайл Кингсбери предупреждает, что использование LLM подрывает доверие к документации и софту, и задаётся вопросом, как мейнтейнерам доказывать качество, когда сигналы стало проще подделать.

• Quoting Kyle Kingsbury(откроется в новой вкладке)