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.
Те же 74 задачи, другие люди: ИИ-агенты в браузере теряют 36% успеха
Исследователи девяти университетов дали браузерным ИИ-агентам одни и те же задачи, но просьбы писали разные «люди». Средний результат упал с 0,689 до 0,441.
Codex учит сайты команд обновляться по расписанию и подстраиваться под посетителя
OpenAI показала, как в Codex собирать Sites: данные обновляются запланированными задачами, а плагины пользователя дают каждому посетителю персональный вид страницы.
OpenAI выпустила GPT-Live-1.1: новые голоса на 6 языках и меньше «checking...»
GPT-Live-1.1 уже доступна всем пользователям: новые голоса для французского, немецкого, хинди, мексиканского испанского, корейского и японского, точнее акценты.
Cohere предлагает энергокомпаниям запускать ИИ-агентов North внутри их периметра
Kolab: 115 часов записей показали, что ИИ-агенты не понимают коллег-людей
DialFork измерил процедурные галлюцинации агентов на 36 278 диалогах
AlphaBet учит LLM-агента прогнозировать события: Brier лучше на 14,4%
RealCLI: лучший ИИ-агент для терминала набрал 49% в тесте на работу с человеком
Новый бенчмарк RealCLI проверяет не только, решил ли агент задачу в терминале, но и как он общается с пользователем. Лучшая из 33 конфигураций получила 49,2%, а по…
Apple LensVLM сжимает длинный контекст агента в картинки и учит модель «зумить»
Apple представила LensVLM: контекст долгих агентских задач превращается в изображения, а модель сама увеличивает нужные фрагменты вместо работы с потерянным резюме.
Tsinghua представил SRHarness и MechBench: ИИ-агенты ищут формулы и механизмы
Метод PoS ловит ИИ-агентов в петле ложных убеждений: 36 повторов в ALFWorld
Interlock учит агентов доводить задачи до конца: до +6,64 балла на JobBench
BlenderWorld: GPT-6-Astra обошёл Opus-5 в 3D-бенчмарке, набрав 79,9 балла
GitHub добавил в security overview метрики AI Scan для pull request
Администраторы организаций и энтерпрайз-аккаунтов GitHub теперь видят в security overview, сколько находок выдал AI Scan в pull request и сколько из них закрыли.
Meta выводит Muse Wonder на рынок корпоративных ИИ-агентов, но упирается в доверие
Meta представила Muse Wonder и вошла в сегмент корпоративных агентов. Модели уже выполняют задачи, но компании не готовы доверять им рабочие процессы.