#Автономные системы
Подборка материалов по теме «Автономные системы»: релизы, исследования, бенчмарки, опенсорс.
Агенты OpenAI нашли 948 способов получить root в Linux по $1279 за каждый
Только 33% разработчиков доверяют ответам ИИ: как научить агента работать по спецификации
GPT‑6 Cyber написала эксплойты к 948 дырам Linux и не вышла за рамки в 99,93% тестов
Кэш промптов сократил счёт за 30 шагов агента в 6,6 раза: $3,38 → $0,51
Агент за 30 шагов прочитал 1,63 млн токенов, хотя запрос никогда не превышал 96 300. Кэш промптов снизил счёт с $3,38 до $0,51 — в 6,6 раза. Разбираем, как его не…
Цена ответа ИИ-агента различается в 100 раз: от 0,94 ₽ до 121,57 ₽ за сообщение
Разбор 69 агентов Agents Place: типичный ответ стоит 2,4–3 ₽, а разницу в сто раз создаёт не выбор модели, а платные внешние инструменты и длина ответа.
Один бот на Telegram и MAX: реклама привела 416 человек по 17 ₽ за каждого
Как команда бесплатного ИИ-ассистента «Лиза Петровна» подключила MAX без второго бота и что показала реклама: 6 964 ₽ дали 416 новых пользователей за четыре дня.
OpenAI научила ИИ-агентов находить 948 путей к root в Linux за $1,2 млн
Лучший ИИ-агент выполнил лишь 12% требований в новом тесте GDPx на 206 задачах
Домашний ИИ-агент сам собрал данные для LoRA: тест логики LogiQA вырос на 12%
ИИ OpenAI нашёл 948 дыр в ядре Linux и написал заплатки за $1,2 млн
Продакт без разработчика выпустил расширение на ИИ-агентах и защитил 89 тестами-сторожами
Продакт с января делает расширение для Chrome с помощью Claude Code и Codex и не читает код. Доверять агенту ему помогают 89 тестов-сторожей и шаблон, который…
Лучшие ИИ-агенты проходят до 98% тестов, но рабочий продукт собирают максимум в 65% случаев
Replit проверил девять моделей на сборке веб-продуктов с нуля: лидеры проходят до 98% тестов, но полностью рабочий продукт выдают максимум в 65% сборок.
ReplayRCA: правка на последнем шаге лишает сильную модель 17,1 пункта причинного исправления
Связка Opus и DeepSeek Flash решила 67% задач против 81% у одного Opus и стоила дороже
Агент теряет данные из-за размера таблицы, а не числа реплик: 92% верных ходов против 46%
Агент с вопросами обогнал агента с инструментами: 113% против 50% скорости FlashAttention-3
Проактивные агенты в HALO навязчивы: 61,20% отклонённых ответов — слишком рано или избыточно
DeepSeek открыла прототип Super-agent: p95 времени задачи упало с 29,5 до 15,7 минуты
LLM-агент собрал редуктор в КОМПАС-3D, но спецификацию сдал на 50 баллов из 100
Агенты проигнорировали подсказку читать память в 7 сессиях из 7 — разбор 13 тысяч логов
Команда kaeru прочла 13 тысяч логов своих агентов: подсказку читать память они не выполнили ни в одной из 7 сессий, зато исправно закрывают «долги» и теряют…
Архитектор банка: в тесте METR ИИ увеличил время задач опытных разработчиков на 19%
Руководитель архитектуры российского банка объясняет, почему вероятностные ИИ-компоненты требуют не чертежей, а границ: в тесте METR опытные разработчики стали…