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.
RouteWeaver учит LLM-роутер выбирать режим и дал 61,4% точности
RouteWeaver объединяет одно-, много-раундовую и агентную маршрутизацию LLM в одной политике. Средняя точность 61,4%, на 11,03% выше сильнейшего бейслайна.
SpatialScout: лучший VLM-агент собрал 3D-карту комнаты лишь на 41,71%
Новый бенчмарк SpatialScout проверяет, умеют ли VLM-агенты сами исследовать сцены и строить карту объектов. Claude Opus 5.5 набрала 41,71%, а IoU выше 0,9 получили…
Генераторы стакана заявок воспроизвели рыночный импакт с показателем степени чуть выше 0,5
Оксфордские исследователи выпустили бенчмарк LOB-Impact: нейромодели стакана заявок сами воспроизвели рыночный импакт, но не показали его спада после остановки…
Исследователи взломали ИИ-агентов в GitHub для кражи данных
KodaCode выпустила управление агентами через Telegram и голосовой ввод
Скрытые детали Claude Opus 4.7: трейд-оффы, токенизация и новый характер
Moonshot выпустила открытую Kimi K2 Thinking: 300 вызовов инструментов подряд
Moonshot выпустила Kimi K2.5: рой из 100 субагентов и 1500 вызовов инструментов
Moonshot представила открытую мультимодальную Kimi K2.5: дообучение на 15 трлн токенов, рой до 100 субагентов и ускорение сложных задач до 4,5 раза.
Moonshot выпустила WorldVQA: 3500 вопросов о мире, на которых модели ошибаются
Команда Kimi опубликовала бенчмарк WorldVQA из 3500 пар «картинка — вопрос». На редких объектах топовые мультимодальные модели часто не дотягивают до 50% точности.
Moonshot открыла Kimi K2.6: 300 субагентов и 13 часов автономного кодинга
Groq первой выводит NVIDIA Groq 3 LPX: 3400 токенов/с на Gemma 4 31B
Ant Group выпустила Ling-3.1-flash: агент работает 10+ часов подряд
Codex при Tibo выбрался из просадки: Every собрал хронику камбэка за год
Google DeepMind запустила ИИ-агента для поиска антимикробных пептидов среди миллионов белков
DeepMind показала агента, который просеивает миллионы белковых последовательностей и отбирает кандидатов в антимикробные пептиды для экспериментальной проверки.
OfficeTown симулирует 23 организации и учит агентов офисной работе на 406 задачах
Исследователи собрали OfficeTown: генеративную симуляцию контор, из которой вырос бенчмарк на 406 задач и 4 836 критериев. На её данных Qwen3.5-9B заметно прибавил…