#Автономные системы
Подборка материалов по теме «Автономные системы»: релизы, исследования, бенчмарки, опенсорс.

Разработчик научил Claude Code и Codex править бизнес-процессы Битрикс24 через .bpt
Бизнес-процессы Битрикс24 хранятся как сжатый PHP-массив, и править их руками мучительно. Автор дал AI-агентам скилл и скрипты, и те нашли битые URL и неактуальных…

Блокировка Claude на 15 часов показала цену зависимости бизнеса от одного ИИ-поставщика
Fintech Belo остался без Claude на 15 часов. Разбираем, что будет с компанией, которая заменила людей агентами и не умеет работать без одного поставщика.

Patronus AI открыла GlobeBench: лучшая LLM симулирует RL-среды лишь на 49,6%
Можно ли обучать агентов не в реальной среде, а в той, что изобразила нейросеть? Patronus AI проверила 20 моделей на 1632 задачах, и результат пока скромный.

OpenAI выпустила GPT-6 Cyber: выходов за рамки задачи стало меньше 1% вместо 5%

Nous Research запустила Hermes Marketplace: плагины, навыки и MCP в одном каталоге

Быстрая модель пишет код, умная чинит логику: как собрать поиск на n8n и PostgreSQL

Команда посчитала 110 роликов в Claude Code: 95–99% токенов уходит на перечитывание

Claude Code перестал жечь токены на статусы субагентов: обновление дешевле на 99%
Фоновые субагенты Claude Code каждые 30 секунд перечитывали всю переписку ради простого статуса. Anthropic переложила это на Haiku 5.5 и вернула часть бюджета.

Taxbit запустил ИИ-ассистента для налоговиков: 55% пользователей возвращаются с новым вопросом
Как построить чат-бота для регулируемой отрасли, которому можно доверять: цитаты, проверка ролей, маскировка SSN и постоянный контроль качества на живом трафике.

ИИ-аудиторы ловят до 98% читерства агентов, но тонут в ложных тревогах

Kilo Code молча отдал серверу все 12 файлов проекта, хотя разрешили только два

Только 17 из 50 личных API российских сервисов открыты без договора с бизнесом

Greenlight закрывает 90% из 4000 security-кейсов в месяц агентами на AgentCore

ИИ-агенты набрали 99,4% на SWE-Bench Pro V2, но 23 инженера сперва чинили сам тест
Рекорд 99,4% звучит эффектно, но около 30% задач старого бенчмарка были сломаны. Разбираем, что пришлось исправить и как проверять ИИ-агентов у себя в проекте.

Лучший ИИ-агент решил лишь 60% облачных задач DevOps, 80% провалов — из-за логики
Открытый тест CloudOpsBench проверил ИИ-агентов на задачах DevOps в AWS: лучшая модель решила 60%, GPT-6 Astra — 53%, а около 80% провалов связаны с ошибками…









