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.
NEWarXiv cs.AIAdaPRA поднял Qwen 80B на 24,5 пункта в data science-лидербордах
arXiv cs.AIAOS-Bench показал: агенты с разницей 0,6 пункта доставляют 54% и 68% задач
arXiv cs.LGCuraLoc ищет баги в репозиториях одним планом и тратит на 90% меньше токенов
WiredWired за сутки протестировал 6 ИИ-агентов: Dots лидирует, Gemini Spark провалил обед
Latent Space (swyx)Anthropic раскрыла, как собирает Claude руками Claude: мозг отдельно от рук
Jiqizhixin (机器之心)ИИ-агенты за 24 дня формализовали 15 000 страниц доказательств и нашли дыру
Latent Space (swyx)Anthropic превращает Claude Code в платформу: Claude Mods переворачивают обвязку агента
Habr AIИБ-инженер за 7 дней собрал MCP-сервер, который пугает ИИ-агента уязвимостями
Anthropic раскрыла, как собирает Claude руками Claude: мозг отдельно от рук
Главы инженерии и продукта Anthropic рассказали, как устроены Opus 5.5 и Managed Agents. Выручка на сотрудника выросла с $1,4 млн до $6,6 млн за год.
ИИ-агенты за 24 дня формализовали 15 000 страниц доказательств и нашли дыру
Несколько десятков ИИ-агентов за 24 дня превратили многолетний труд математиков в 43 млн строк проверяемого кода и обнаружили логический пробел возрастом почти 40…
Anthropic превращает Claude Code в платформу: Claude Mods переворачивают обвязку агента
Моды для Claude Code на TypeScript перехватывают промпты и вызовы инструментов. Автор протестировал их на практике: супервизор сработал в 99 из 111 ходов.
NVIDIA выпустила Nemotron 3.5 Super VL на 120B и модели Bolt для локальных агентов
aiedit прячет от ИИ-агента отдельные строки кода: 5 уровней и 857 тестов
vps-forge: агенты с root на VPS получили автооткат, самобаны упали с 7 из 60 до 0
BigSleep на LLM нашёл в V8 45 уязвимостей, Fuzzilli — 37, пересечение 25%
AWS запустила Multi-Turn RL в SageMaker: gpt-oss-20b вырос с 15 до 69% за $339
SageMaker AI теперь дообучает агентов по итоговой награде за всю цепочку шагов. На Wordle gpt-oss-20b поднялся с 61 до 84% решённых слов, а обучение обошлось в $339…
Microsoft и Hugging Face обучили Qwen3.8-27B на оценках базы: с 38 до 107 задач
Проверки итогового состояния базы данных стали наградой для GRPO: за 50 шагов Qwen3.8-27B поднял pass@1 с 51,70% до 60,78% и почти втрое увеличил число задач с…
12 пентест-инструментов против Juice Shop: лучший AI-агент нашёл 5 дыр из 116
Google выпустила Gemini 4 Argon: $2 за млн токенов и первое место в Vals Index
Qwen 3.8 уводили запросы на прокси Alibaba Cloud: до 4% сбоев в тестах
OpenAI выпустила GPT-6.1 Terra: вдвое дешевле и почти на уровне старших моделей
Retell выросла до 100 млн звонков в месяц на моделях OpenAI и Codex
Голосовая платформа Retell выросла с 30 до 100 млн звонков в месяц, держит 80% решённых обращений и зарабатывает $1,6 млн годовой выручки на сотрудника.
Агент собирает моушн-студию из 20 открытых библиотек: от Remotion до Whisper
Remotion, Three.js, Rapier, Chatterbox и faster-whisper: 20 обычных JS- и Python-библиотек, из которых кодинг-агент по брифу делает анимацию, озвучку, субтитры и…