ИИ-агенты
ИИ-агенты, которые сами выполняют задачи: работают в браузере, пишут код, управляют сервисами. Новости, ограничения, риски и опыт использования.
Исследование: ИИ-аудиторы находят нарушения агентов, но создают много ложных тревог
В тестах GPT-5 выявила почти 98% случаев reward hacking при 5% ложных срабатываний. Однако при проверке большого потока агентских сессий даже такой уровень ошибок может перегрузить людей.
3 мин чтенияНи одна из 135 попыток ИИ-агентов провести исследование не прошла экспертный порог
В тесте девять агентов выполняли научные задачи по 15 направлениям. 114 работ не прошли проверку добросовестности, а ни одна не выполнила все требования экспертов.
3 мин чтенияGitHub Copilot появился в JetBrains Air и помощнике Xcode
В еженедельном обзоре GitHub также перечислил обновления приложения Copilot, CLI и расширения для VS Code: новые возможности для управления сессиями, pull request и настройками.
2 мин чтенияElevenLabs выпустила Unity SDK для голосовых агентов в играх
SDK связывает Unity-сцену с голосовым агентом ElevenLabs: он принимает речь игрока через микрофон и отвечает через AudioSource. Поддерживаются редактор, настольные сборки и WebGL; iOS, Android и XR пока в бета-версии.
3 мин чтенияThinking Machines представила Inkling 2 Small с 594 млрд параметров
Модель принимает текст и изображения, а глубину рассуждений можно регулировать. Пока Inkling 2 Small доступна через платформу Tinker; веса компания обещает выпустить после внешней проверки безопасности.
3 мин чтенияAirbnb планирует запустить ИИ-агента для поездок в первой половине 2027 года
Компания разрабатывает интерфейс для планирования путешествий: вместо обычного чата агент будет собирать карты, фотографии, сравнения и маршруты под запрос пользователя.
1 мин чтенияPerplexity выпустила рабочих ИИ-агентов Teammates за $200 в месяц
Teammates могут выполнять разные задачи одновременно, использовать проекты и навыки из инструментов Perplexity и взаимодействовать с пользователем через приложение и Slack. Для доступа нужен тариф Max.
1 мин чтенияAWS запустила Kiro bots для регулярных задач разработки
Боты в Kiro Crew могут координировать рабочие сессии, сохранять контекст и выполнять задачи по расписанию. AWS оставляет разработчикам настройку разрешений и контроль результатов.
3 мин чтенияВ тесте SemiAnalysis GDPx ни один ИИ-агент не превысил 12%
В бенчмарке из 206 рабочих задач лидирует Claude Opus 5.5 с результатом 12%. Авторы оценивают долю выполненных требований, а критики указывают на закрытость теста и влияние программного обеспечения агентов.
3 мин чтенияMeta* приобретает Conductor — стартап для управления ИИ-агентами в программировании
Conductor позволяет разработчикам одновременно управлять несколькими ИИ-агентами для написания кода. Финансовые условия сделки не раскрыты.
* Компания Meta признана экстремистской и запрещена на территории РФ1 мин чтенияRicursive выпустила Ripple-65B Preview и заявила о лидерстве в двух тестах программирования
Модель с 65 млрд параметров доступна с лицензией Apache 2.0. В опубликованном компанией сравнении она получила высокие результаты на Terminal-Bench 2.1 и SWE-bench Pro v2.0 Hard, однако данные и условия тестирования требуют оговорок.
2 мин чтенияПо данным Outshift, пять ИИ-агентов согласились с ошибочным решением в 75% дебатов
В испытаниях Outshift команды из пяти агентов сходились на неверном результате, хотя по расходу токенов выглядели эффективными. Компания представила инструменты для выявления и устранения таких сбоев.
3 мин чтенияCloudOpsBench: рассуждение мешает ИИ-агентам выполнять DevOps-задачи
В открытом тесте из 45 задач для AWS Claude Fable 5.1 решил 60% заданий, а GPT-6 Astra — 53%. По оценке авторов, большинство ошибок связано с рассуждением.
1 мин чтенияИИ-агенты заказали всего четыре поездки Uber за III квартал 2026 года
По данным The Verge, Uber сообщил, что сторонние ИИ-агенты организовали четыре поездки за квартал и около 500 заказов Uber Eats за неделю Хэллоуина.
1 мин чтенияApple разрешила разработчикам интегрировать Siri AI в сторонние приложения
В рамках Developer Preview для iOS 27.3 сторонние приложения смогут использовать контекст пользователя, естественные запросы и данные на экране. Разработчики также смогут объединять несколько задач в одно действие.
2 мин чтенияGoogle DeepMind представила Cheminformatics Skills для Antigravity и заявила об анализе за час
Набор инструментов для Antigravity помогает искать соединения в научных публикациях, строить модели активности и предлагать варианты синтеза. Google DeepMind подчёркивает: идеи ИИ всё равно нужно проверять в лаборатории.
2 мин чтенияGitHub Copilot стал доступен в JetBrains Air
В Air можно поручать Copilot задачи по программированию локально или в облаке. Для облачных запусков нужны подписка Copilot и организация с Air Teams.
2 мин чтенияПо данным СМИ, SpaceXSI, вероятно, сократила лимиты Grok Bot
The Telegraph сообщает, что пользователи заметили сокращение квот вдвое. Илон Маск объяснил, что расходы на работу бота слишком высоки относительно выручки, но прямо о снижении лимитов не заявил.
2 мин чтенияИсследование ElevenLabs: голосовые агенты чаще справлялись с долгими обращениями
В анализе компании голосовые разговоры длиной более двух минут завершались успехом чаще, чем чаты. ElevenLabs также сообщила о связи между снижением задержки и ростом успешности звонков.
2 мин чтенияИсследователи Adobe и UC San Diego проверили ИИ-агента для редактирования изображений
EditAgent выбирает между универсальным редактором и специализированными инструментами, а затем оценивает варианты по измеряемым данным. В тестах такая проверка помогла стандартным языковым моделям превзойти специализированные оценщики.
3 мин чтения



















