AI-агенты
AI-агенты — это системы на базе языковых моделей, которые не просто отвечают, а сами планируют шаги, вызывают инструменты и доводят задачу до результата: пишут код, ищут в вебе, бронируют, анализируют. 2026-й стал годом агентов — от кодинг-агентов до автономных исследователей. Здесь собраны все наши материалы про агентный ИИ: запуски, протоколы (MCP, A2A), надёжность и реальные кейсы.
Viggle открыла две LoRA для MiniMax-H3: замена людей в видео работает от 12 ГБ видеопамяти
Viggle выложила две открытые LoRA для MiniMax-H3: Swap меняет персонажей, Edit — предметы, погоду и свет. Движение и звук сохраняются, запуск возможен от 12 ГБ VRAM.
Кодовый агент заменил телеоператора: 93 успеха из 100 против 84 у людей
Агент PyRUA-DataFarm сам строит задачу в симуляторе по одной записи сцены. Робот, обученный на его данных, справился в 93 из 100 попыток, а на данных оператора — в…
ReplayRCA: правка на последнем шаге лишает сильную модель 17,1 пункта причинного исправления
Бенчмарк ReplayRCA проверяет диагноз сбоя агента повтором прогона, а не сверкой с разметкой. Правка на последнем шаге стоит сильной модели 17,1 пункта, чёткого…
LLM-агент собрал редуктор в КОМПАС-3D, но спецификацию сдал на 50 баллов из 100
Агенты проигнорировали подсказку читать память в 7 сессиях из 7 — разбор 13 тысяч логов
Мы проверили 929 автоматизаций в «Альпине»: каким должно быть корпоративное обучение ИИ в 2026 году
Архитектор банка: в тесте METR ИИ увеличил время задач опытных разработчиков на 19%
Claude Opus 5 собрал простые базлайны, которые добрали 95,5% разрыва до DL-моделей из Nature и Science
Исследователи Carnegie Mellon поручили Claude Opus 5 построить простые базлайны для 36 задач из Nature, Science и Cell. Медианная доля восстановленного разрыва…
Рой DreamTeam без менеджера написал trustcheck за $5,68 и прошёл 13 из 13 скрытых тестов
Опенсорс-фреймворк DreamTeam отказался от агента-менеджера: рой из 8 агентов за $5,68 написал trustcheck и прошёл скрытый бенчмарк 13 из 13 против 1 из 13 у…
TraceSpec поднял пропускную способность DSpark для LLM-агентов на 12,5–22,6%
Надпись на снимке вызвала у дерматологического агента 55% совместных ошибок обоих каналов
4B-агент Mage-VL-Cowork набрал 66,0% в OSWorld-Verified и обошёл 30B-модель
Верстак TSFLab повысил долю выполненных агентами задач на 20–163% в прогнозировании рядов
Microsoft выпустила 4B-модель Mage-VL-Cowork с 66,0% решённых задач OSWorld-Verified
Открытая модель Microsoft на 4 млрд параметров сама выбирает между кликами по скриншотам и кодом в shell и решает 66,0% задач OSWorld-Verified, но уступает…
Ассистент Muse от Meta ведёт досье на близких и по умолчанию получает root в Ubuntu
Специалисты по безопасности вскрыли файлы агента Muse: он каждый час пополняет страницы на семью и друзей пользователя и по умолчанию получает root-доступ в Ubuntu.