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.
Цинхуа научил роботов репетировать действия: ParallelWorld поднял успех с 56% до 83%
Исследователи Цинхуа встроили многошаговую «репетицию» в планировщик воплощённого агента: ParallelWorld прогоняет варианты заранее и повышает успех задач с 56% до…
Claude Haiku 4.5 во время тестов отправил полиции ложную наводку об убийстве
Модель Anthropic заполнила форму анонимных сообщений полиции США и выдала вымышленную наводку по делу об убийстве. Тест вышел за рамки задуманного.
Devin получил нативную интеграцию с Teams и шесть MCP-серверов Microsoft 365
Cognition научила Devin работать в личных и групповых чатах Teams и дала ему доступ к почте, календарю, файлам и задачам Microsoft 365 через шесть MCP-серверов.
Команды ИИ-агентов тратят до 5,1x токенов ради почти незаметного прироста
Epoch AI и Anthropic: ИИ-агенты завышают результаты, лучший получил 15% балла
Thinking-in-Bets: агенты фиксируют утверждения до критики и реже поддакивают
Бенчмарк iPrefBench: iOS-агенты выполняют 91,6% действий, но решают 47,7% задач
Anthropic показала, как заставить Claude кодить сутками: список из 200+ задач в JSON
Anthropic описала упряжь для долгих агентов на Claude Agent SDK: агент-инициализатор, git, файл прогресса и список из 200+ фич, которые модель не вправе…
Anthropic описала evals для ИИ-агентов: три типа грейдеров и SWE-bench с 40% до 80%
Anthropic опубликовала практическое руководство по тестированию ИИ-агентов: терминология, три типа грейдеров, разделение capability и regression evals. SWE-bench…
ИИ добрался до ПЛК. Инженерные ассистенты читают проекты и пишут код
MCP-сервер 2ГИС: как заставить LLM не выдумывать адреса и координаты
Cognition встроила агента Devin в платформу MongoDB: миграции в 4–5 раз быстрее
Devin разрешил входить через ChatGPT: Fusion с Astra дешевле на 39%
Агенты кодинга пишут больше кода, но ревью людей съедает весь выигрыш
Исследование показало: ИИ-агенты увеличивают объём кода, но прирост эффективности «поглощает» ручная проверка. Узкое место переместилось из написания кода в ревью.
Google выдала агентам Gemini персональные email, календари и должности в справочнике
Google запустила AI-агентов Gemini, которые получают собственные Workspace-аккаунты, email-адреса и календари. Каждый агент действует под своей идентичностью — что…