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.
American Express запустил фреймворк, чтобы ИИ-агенты не совершали покупки без разрешения
American Express представил Intent Intelligence Framework — систему защиты платежей ИИ-агентов. Она захватывает намерение покупателя и требует аутентификации перед…
AI-агенты: +98% pull request, но ревью задержалось на 91%. Куда уехала очередь
Разработчики с AI-ассистентами закрывают на 98% больше PR, но время ревью выросло на 91%, в QA на 300%. AI ускорила генерацию кода, но пропускная способность…
600 млрд токенов спустя: как управлять ИИ-агентами при декомпиляции игры
Три месяца трудов ИИ-агентов на базе Claude, Codex, Luna и других моделей — полная реконструкция шутера на C++. 99% функций восстановлено, 83% совпадают с…
ProAS ускорил обучение LLM-агентов в 2,44 раза и довёл ALFWorld до 94,3%
AgentProofBench: исследователи CMU проверили, можно ли переиспользовать верификаторы веб-агентов
Δτ-Bench: лучший ИИ-агент решает лишь 42,3% задач в меняющемся мире
DynaFlow учит главного агента писать workflow и обгоняет базу на 10,9 п.п.
Агенты с внутренней мотивацией DIAYN повторили поведение дрозофилы из 20 алгоритмов
Исследователи из NeuroAgents Lab обучили агентов в цифровой модели мухи по 20 алгоритмам без внешней награды. Лучше всех оказался DIAYN: он совпал с мухой и по…
Независимый критик поднял точность кодинг-агентов на 5.9–9.5 п.п.
Авторы сравнили 17 схем проверки работы агентов на семи моделях. Отдельный критик дал до +9.5 п.п. на Terminal-Bench при росте стоимости всего в 1.13–1.25 раза.
GPT-6 Sol Daybreak Blue возглавил Cyber Index: +32 балла и $1,77 за задачу
Harvey LAB-AA v1.1: Grok 4.7 лидирует с 9,4% после проверки на галлюцинации
Агенты Anthropic подали 20 визовых заявок на сайте Госдепа США
Artificial Analysis запустила AA-3D: Claude Sonnet 5.5 лидирует с 1194 Elo
Cognition научила Devin выдавать лимиты по эффективности: шкала 0–100
Cognition запустила для Devin Efficiency Score, Coach и автоодобрение лимитов: расходы на ИИ-агента теперь привязаны к отдаче на ACU, а не к единому потолку.
Восемь допущений о безопасности, которые ИИ-агенты ломают: от двух недель к десяти часам
ИИ-агенты переменили экономику кибератак. Работа, которая человеку заняла бы две недели, агенты выполняют за десять часов. Восемь критических ошибок безопасности…