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.
Министр ИИ Британии: атака вроде взлома Medicare агентом OpenAI «вероятна»
Министр Каниshка Нараян заявил, что ИИ-атака по образцу взлома австралийской системы здравоохранения в Британии «вероятна, если не неизбежна», а госзащита может не…
RoboFoundry поднял GPT-5.5 на EmbodiedBench с 56,9% до 72,7% без дообучения
Система RoboFoundry эволюционирует вокруг замороженной GPT-5.5 и поднимает средний успех на EmbodiedBench с 56,9% до 72,7%. Веса модели при этом не менялись.
OpenClaw v2026.10.1 собрал 2425 PR от 402 авторов, а пользователи устали
Open-source агент OpenClaw выпустил v2026.10.1: 402 контрибьютора, 2425 pull request и 3055 коммитов, обновлены Skills и MCP Apps. Часть пользователей просит…
Битрикс24 описала, что строят вокруг собственной LLM на 1 трлн параметров
Как квадратичное финансирование управляет ИИ-агентами: модель индийских учёных
Nvidia обсуждает покупку Reflection AI или рост доли, пишет FT
Президент Microsoft: ИИ регулируют слабее, чем молоко и стиральные машины
ИИ-агенты Booz Allen Hamilton выполнили 8 из 8 тестовых атак на промышленную систему
В тестах Booz Allen Hamilton ИИ-агенты сами нашли уязвимости, получили админ-доступ и управляли роботизированным манипулятором. Итог: 8 атак из 8 успешны.
Как экономить токены AI-агентов при работе с большой кодовой базой: 5 паттернов
AI-агенты при анализе крупных проектов тратят основную часть токенов на исследование кода, а не на его написание. Habr разобрал 5 универсальных паттернов управления…
MADS учит диалоговых агентов не ломаться: 1095 диалогов, 66% с «плохими» сценариями
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
EvoBelief учит LLM-агентов проверять гипотезы о мире: 83,3% против 0% у baseline
Фреймворк EvoBelief хранит знания агента о среде как опровержимые гипотезы при замороженной LLM. В Reactor Lab он решает 83,3% задач Normal, у baseline — 0%.
CLEAT учит агентов на Qwen3-4B вовремя переспрашивать: до +13,2 п.п.
Фреймворк CLEAT совместно обучает контроллер уточнений и политику агента. На Qwen3-4B он лидирует во всех десяти конфигурациях, а на UserGym Travel выигрывает 13,2…