AI, machine learning and LLM insights.
Теперь SDK требует, чтобы каждый инструмент предоставлял схему контекста на базе Zod, а во время выполнения Vercel проверяет, что передаются только объявленные поля, прерывая выполнение при обнаружении любых лишних или отсутствующих ключей.
Реальная стоимость запуска собственной LLM в сравнении с API. Открытые веса бесплатны, но их эксплуатация — нет. Многие думают, что self-hosting открытой модели экономит деньги. Это ошибка. Вам нужно взглянуть...
Рассматривая вывод модели как редактируемый текст, Deep Interaction позволяет разработчикам находить ошибочные этапы рассуждений, переписывать их и подавать обратно оптимизированный промпт. Это обеспечивает рост точности исправлений на 25% и снижение расхода токенов на 40% в бенчмарках STEM.
Я позволил ИИ-агенту управлять моими облачными операциями в течение недели. Я дал ИИ-агенту семь дней на управление моими облачными операциями. Это была реальная среда, а не демо-версия. Я предоставил ему доступ только для чтения к моей системе мониторинга…
Новый навык amazon-opensearch-service ускоряет выстраивание последовательности политик и подбор размера инстансов, но при попытке настроить векторный поиск в Serverless NextGen он по умолчанию использует классические параметры FAISS, что приводит к сбоям при развертывании.
The twin releases push open-weight models from fringe projects to mainstream AI, giving firms the option to run massive models on-premises under Apache 2.0 while still matching closed-source performance on coding tasks.
Фреймворк определяет пять категорий дрейфа — UI, API, данных, разрешений и политик — и использует облегченную карту контрактов вместе с предварительным сканированием для обнаружения несоответствий до запуска автономного агента, что предотвращает скрытые сбои и дорогостоящие переделки.
Благодаря коннекторам Model Context Protocol код, созданный Claude, теперь может напрямую обращаться к базам данных, облачным сервисам или Slack прямо из чата. Это избавляет от необходимости копирования и вставки, позволяя разработчикам мгновенно тестировать код на реальных данных.
Из-за отсутствия этапа проверки агент пропустил фазу «действия» и потратил целый день на составление 1858 внутренних размышлений, так и не вызвав ни одного реального инструмента. Это выявило ловушку самозацикливания, которая может парализовать любого ассистента, работающего с инструментами.
Рекламная кампания Moonshot обещает модель с 2,8 триллионами параметров и низкую стоимость за токен, однако архитектура Mixture-of-Experts и избыточная многословность модели приводят к генерации 130 миллионов токенов — это более чем в два раза превышает объем конкурирующих моделей, что увеличивает реальные расходы.
Новый бенчмарк ситуационной осведомленности заставляет модели отвечать на метавопросы вроде «Вы ИИ?» и корректировать ответы при изменении контекста диалога, выявляя, что многие высокоэффективные LLM всё еще выдают себя за людей или скрывают свои ограничения.
ИИ-агент видел чистые результаты выполнения JavaScript и скриншот, но из-за троттлинга скрытых вкладок в Chrome вызовы requestAnimationFrame прекратились, и холст (canvas) остался незакрашенным. Запуск тестов во видимой вкладке или добавление проверки на наличие непустых пикселей исправляет ложноположительный результат.
Обновление вводит два ограничения через переменные окружения — для создания субагентов и для вызовов веб-поиска. Оба лимита по умолчанию установлены на уровне 200 за сессию, а для длительных MCP-вызовов действует правило автоматического перехода в фоновый режим через 2 минуты. Это дает командам реальный инструмент для сдерживания неконтролируемого роста расходов.
Noma Labs продемонстрировали, что злоумышленник может создать специально подготовленный issue в публичном репозитории, чтобы запустить связанного с CI ИИ-агента, имеющего права на чтение приватных репозиториев, и заставить бота выгрузить эти файлы обратно в issue — и всё это без кражи учетных данных или эксплуатации самого GitHub.
В реальных условиях эксплуатации каждая реплика пользователя, схема инструмента, ответ API и извлеченный документ накапливаются в промпте. Эта скрытая избыточность приводит к квадратичному росту времени обработки и стоимости, превращая гладкое демо в дорогостоящий кошмар с огромными задержками.
Новый фонд X402 от Linux Foundation, созданный при поддержке Visa, Mastercard, Stripe и Google, определяет формат сообщений для платежей ИИ-агентов, однако не предусматривает набора тестов на соответствие, профиля безопасности или процесса сертификации, из-за чего подтверждение полномочий остается непроверенным.
Проанализировав 312 реальных звонков, команда заменила правило 700 мс тишины на легковесный конечный автомат, который отслеживает длительность тишины, грамматическую завершенность и сигналы обратной связи, что позволило снизить количество обрывов с 18% до 3% и устранить мертвую тишину.
Этот бенчмарк, основанный на 163 размеченных инцидентах, выходит за рамки простой диагностики, проверяя способность ИИ-ассистентов распознавать неопределенность и намеренно воздерживаться от действий. Это подчеркивает критическую брешь в безопасности на фоне растущей уверенности LLM.
Используя модели, обученные на сторонних наборах изображений, новая система LIGO не только классифицирует известные семейства глитчей с почти идеальной точностью, но и группирует новые аномалии, освобождая ученых от ручной очистки данных и позволяя им сосредоточиться на астрофизике.
За один вечер агент реализовал MCP-клиент, Azure AI Agent и M365 Copilot Agent, однако потребовалось 12 из 30 сообщений от человека, чтобы вернуть его в нужное русло. Это выявило ошибки в соблюдении рабочего процесса и извлечении контекста, которые потребовали переписывания промптов.
Gemini Notebook от Google теперь индексирует PDF, документы и другие файлы для мгновенных запросов к ИИ, в то время как Claude от Anthropic может извлекать учетные данные из 1Password для входа в сервисы, а новая совместная спецификация призвана позволить агентам находить и вызывать API без написания пользовательского кода.
ИИ-агенты AWS Continuum непрерывно отслеживают репозитории систем контроля версий, предлагают исправления и могут даже применять патчи напрямую в IDE разработчиков или CI-конвейерах, значительно сокращая временное окно для атак на цепочку поставок.
Этот сдвиг вынуждает Google полностью перепроектировать архитектуру чипа — от компоновки до тестирования — и ставит под пристальное внимание возможности Intel по обеспечению выхода годных кристаллов. Успех может диверсифицировать цепочку поставок ИИ-чипов, однако любая заминка может задержать поставки и позволить TSMC вернуть себе лидерство.
The modular pods, built in factories and shipped as complete units, can be connected in weeks, while Lancium’s software acts like a virtual battery, smoothing demand and tapping excess renewable or gas generation to keep the local ERCOT grid stable.
