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.
ProAS ускорил обучение LLM-агентов в 2,44 раза и довёл ALFWorld до 94,3%
Команда LINs-lab предложила ProAS: надстройку над GRPO без критика, которая точнее распределяет награду по шагам агента. На ALFWorld успех достиг 94,3%, на WebShop…
AgentProofBench: исследователи CMU проверили, можно ли переиспользовать верификаторы веб-агентов
Бенчмарк AgentProofBench на 97 задачах и 4 веб-сервисах показал: верификаторы от DeepSeek Flash и Pro сохраняются в 82/96 и 79/96 случаев, а ошибки панели…
Δτ-Bench: лучший ИИ-агент решает лишь 42,3% задач в меняющемся мире
Исследователи UCL и соавторы выпустили Δτ-Bench: 1 588 задач в 42 доменах, где инструменты исчезают и заменяются. Лучший агент справился лишь с 42,3% задач.
Harvey LAB-AA v1.1: Grok 4.7 лидирует с 9,4% после проверки на галлюцинации
Агенты Anthropic подали 20 визовых заявок на сайте Госдепа США
Artificial Analysis запустила AA-3D: Claude Sonnet 5.5 лидирует с 1194 Elo
Состояние IT в 2026: агенты писали больше кода, чем люди
Nvidia ведёт переговоры о покупке Reflection AI — стартапа с оценкой $8 млрд
По данным Financial Times, Nvidia обсуждает приобретение Reflection AI, американского разработчика открытых моделей, которому в 2025 году оценили $8 млрд после…
Российских ИИ-агентов для кода уже 18, но «российский» значит три разные вещи
Перепись РуБенча насчитала 18 российских ИИ-агентов для разработки (10 для IDE/CLI и 8 билдеров): от GigaCode, SourceCraft и Kodik до T-Code, Koda и 1С:Напарника.
Cognition научила Devin выдавать лимиты по эффективности: шкала 0–100
Восемь допущений о безопасности, которые ИИ-агенты ломают: от двух недель к десяти часам
Devin подешевел на 30–40%, а Fusion возглавил FrontierCode 1.1 с 68,8 балла
Codex выходит за рамки кода: 5 млн в неделю в июне и 40 млн к октябрю
SpaceXSI объединила X Premium, Grok и Cursor в одну подписку за $8–200
SpaceX Super Intelligence запустила The X Subscription, объединив X Premium, Grok и Cursor в пяти тарифах от $8 до $200/месяц. Комплексное предложение конкурирует с…
Узкий ИИ-агент против универсального комбайна: как мы срезали задержку ответа с 17 до 7,7 секунды
Замена универсального профиля инструментов на узкий специализированный плагин в сочетании с отключением проб окружения и лишнего шага рассуждений сжала системный…