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.
ID-TAP подбирает персону для LLM-агента за десять парных сравнений
Фреймворк ID-TAP учит LLM-агентов выбирать персону под запрос по бинарным сравнениям ответов и показывает лучший совокупный результат на семи бенчмарках при бюджете…
Design Anything удерживает бриф в больших проектах: +25% на 24 артефактах
Графовая обвязка Design Anything хранит замысел дизайнера вне модели. С GPT-5.6 Sol High она выполняет 92,5% ограничений брифа, на 24 артефактах отрыв от базовых…
OpenAI показала, как dot инженера разобрал ночной инцидент и запустил Codex
В ролике OpenAI инженер Али в 3 часа ночи поручил своему dot разбор on-call инцидента: тот запустил тред в Codex, а правками Али управлял с телефона через ChatGPT.
OpenAI выпустила GPT-Live-1.1: новые голоса на 6 языках и меньше «checking...»
EinsiaAI выпустила EmbodiedEvo: самоэволюционирующий агент возглавил Robodojo
Lovable запустила Deploy on AWS: приложения и данные уйдут в VPC клиента
Бенчмарк SciΠvot: лучшая LLM выбирает верный план в 63,5% случаев против 73,4% у людей
GlobeBench: лучшая LLM предсказывает отклик среды лишь в 49,57% задач
Бенчмарк GlobeBench из 1632 задач показал: лучшая из 20 моделей, GPT-6 Astra, верно симулирует отклик среды лишь в 49,57% случаев, а 631 задачу не решил никто.
NVIDIA RTX Spark N1X прогнал локального агента на Qwen3.8 27B за 18,7 минуты
Ноутбук Surface Laptop Ultra на чипе N1X со 128 ГБ памяти выполнил агентную нагрузку AA-AgentPerf-Local за 18,7 минуты. Это вдвое быстрее MacBook Pro с M5 Pro.
Cohere предлагает энергокомпаниям запускать ИИ-агентов North внутри их периметра
Kolab: 115 часов записей показали, что ИИ-агенты не понимают коллег-людей
DialFork измерил процедурные галлюцинации агентов на 36 278 диалогах
Apple LensVLM сжимает длинный контекст агента в картинки и учит модель «зумить»
BlenderWorld: GPT-6-Astra обошёл Opus-5 в 3D-бенчмарке, набрав 79,9 балла
Новый бенчмарк BlenderWorld прогнал 13 передовых моделей через 223 задачи по 3D-созданию в Blender. Лидер — GPT-6-Astra с 79,9, но пространственная связность всё…
Команды агентов за $155 вместо $510: Cohere нашла, где делегировать работу выгодно
Cohere провела контролируемое исследование организации команд кодирующих агентов. Оказалось: лидер на модели Sol с 16 дешёвыми Luna-агентами для планирования даёт…