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.
IonQ покупает кибербезопасную Elisity за акции на сумму до $1,3 млрд
Квантовая IonQ готова отдать до $1,3 млрд в акциях за Elisity. Компания хочет встроить сетевую защиту в платформу против атак с ИИ и будущих квантовых угроз.
Битрикс24 описала, что строят вокруг собственной LLM на 1 трлн параметров
На Saint HighLoad++ в Битрикс24 разобрали, что начинается после запуска модели на 1 трлн параметров: общие GPU для чатов, агентов и длинных документов.
Как квадратичное финансирование управляет ИИ-агентами: модель индийских учёных
Прафул Чандра, Суджит Гуджар и Ганеш Гхалме из Индии предложили управлять ИИ-агентами через квадратичное финансирование: два рынка голосов (за и против), аппаратный…
GeoSpatialBench проверил MLLM на 28 типах пространственных связей в шести городах
LLM-конвейер превращает даташиты в графы знаний с точностью 98,8%
EvoSyn: мультиагентный синтез данных подтянул успех задач на 13,3 пункта
SynAct учит LLM-агентов просить подсказки там, где они меняют исход: +11,7 п.п.
MisVisAgentBench: обманчивые графики роняют успех веб-агентов на 34 п.п.
Новый бенчмарк MisVisAgentBench проверил 13 визуальных веб-агентов на 280 задачах: подмена честного графика на искажённый снижает долю успеха в среднем более чем на…
SWE-Duel: кодинг-агенты сами пишут друг другу баги, GPT-5.5 чинит 98,3%
Новый бенчмарк SWE-Duel генерирует задачи прямо во время оценки: два агента по очереди прячут баги и ищут их. В турнире на 1500 ходов лидирует GPT-5.5 с Codex CLI.
EvoBelief учит LLM-агентов проверять гипотезы о мире: 83,3% против 0% у baseline
CLEAT учит агентов на Qwen3-4B вовремя переспрашивать: до +13,2 п.п.
SpireBench заставил 20 LLM пройти Slay the Spire целиком: эксперты всё ещё впереди
Рефакторинг C++ в OpenBMC: как ИИ боролся с 280-строчной функцией
FrontierCode: лучшие ИИ-модели не проходят ревью мейнтейнеров в 42% попыток
Cognition и Artificial Analysis запустили бенчмарк FrontierCode 1.1: Claude Opus 5.5 лидирует с 52% и 58% проходных попыток, но стоит $10,15 за задачу. GPT-6.1 Sol…
HACE совместно обучает специалиста и LLM-агента в трёх доменах
Фреймворк HACE эволюционирует доменную модель и LLM-агента как пару и по основным метрикам обошёл методы самоулучшения в рекомендациях, биологии и материаловедении.