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.
GPT-6.1 Sol в Devin держит 60,4% на FrontierCode за $0,31 за задачу
OpenAI выпустила GPT-6.1 Sol, и Devin уже подключил её: 60,4% на FrontierCode 1.1 при $0,31 за задачу, на 81% дешевле максимального режима GPT-6 Sol.
Cognition запустила Devin Oncall: 100% на SREGym и фикс прода за 2м 21с
Devin Oncall вышел в общий доступ: агент расследует алерты и чинит прод, набрал 100% на SREGym и уже разбирает тысячи боевых алертов в день у крупных компаний.
SpaceXSI объединила X Premium, Grok и Cursor в одну подписку за $8–200
SpaceX Super Intelligence запустила The X Subscription, объединив X Premium, Grok и Cursor в пяти тарифах от $8 до $200/месяц. Комплексное предложение конкурирует с…
Пятислойная иммутабельная память для ИИ-агента: почему одной векторной базы никогда не хватит
PatEx-Gym учит ИИ-агентов искать патентные аналоги: 1 млн патентов и модель на 4B
ReGE учит агентов на своих попытках: +9,9 п.п. без дообучения
Moonshot выпустила Kimi K3.1 Pro: 55 баллов и $2/$10 за миллион токенов
PhAI Labs: Claude Opus 5 занял последнее место в тесте научных гипотез — 2,3%
PhAI Labs сверила гипотезы пяти групп моделей с будущими публикациями. Claude Opus 5 получил 2,3% и оказался последним, GPT — 2,5%. Разбираем, что за этим стоит.
Векторный поиск против Графа знаний: сколько на самом деле стоит построить и удержать GraphRAG
Векторный RAG решает задачу поиска похожих фрагментов («найди, где упоминался X»), тогда как граф знаний необходим для многошаговых вопросов о связях и обобщения…
Tongyan Lingzhi переносит персонализацию ИИ из промптов в сам слой модели
The Information: Anthropic готовит модель сильнее всех текущих Claude
Tencent Hunyuan и Фудань запустили ExplorationBench для оценки исследования у LLM
WorldMemBench проверяет, помнят ли модели мира комнаты и события
CodeActionBench: GPT-6 Astra в Codex CLI добился 73,3% успеха в задачах с двумя руками
Новый бенчмарк CodeActionBench проверяет, способен ли универсальный агент, который смотрит на картинку и пишет код, управлять роботом. Лидер пока показывает 73,3%…
Apple и CMU ускорили ИИ-агентов в 10 раз, заменив рассуждение выбором
Исследователи Apple и Carnegie Mellon предложили убрать из ReAct-агентов свободное «думание» и заменить его выбором из вариантов. Заявленный выигрыш в скорости — до…