События и разборы
Короткие проверки популярных AI-сигналов из Telegram, Reddit, X и YouTube: что произошло, чему верить и почему это важно.
Новый бенчмарк PerfReasoning оценивает способность LLM рассуждать о производительности аппаратного обеспечения. Закрытые модели проходят тест с результатом выше 90%, но...
Новый бенчмарк HarvestBench проверяет, сколько «топлива» LLM-агенты готовы потратить, чтобы объехать животное на поле, а не переехать его. Результаты показали...
Представлена унифицированная инфраструктура для оценки AI-агентов: Harbor Adapters портирует более 80 бенчмарков, а Harbor-Index предлагает 82 тщательно отобранных сложных задачи....
Разработчик запустил автоматический сборщик цен OpenRouter (425 моделей, 58 провайдеров) и обнаружил, что стоимость одного вызова одной и той же...
Открытый проект call-me-vera предлагает минималистичное решение для сквозной памяти агентов — без векторных БД и эмбеддингов, на чистом SQLite и...
Представлен AAFP Commons — локальный реестр знаний для AI-агентов с поддержкой криптографических подписей Ironclad, политиками доступа и MCP-сервером. Проект решает...
В игровом мире поселили агентов Astra, которые распределяют задачи и строят убежища. Главный результат кейса — не автономное сознание, а...
Один hands-on тест охватил CRM, браузерный QA, продуктовую разработку и управление мини-компьютером. Разбираем, где Astra доводит задачу до результата.
Том Крча показал реконструкцию дома по одной фотографии: геометрия редактируется в Blender, а сцена запускается локально как игра. Что видно...
Агент Legora за минуты сверил 41 документ и нашёл четыре заложенные ошибки. Почему 40% улучшения относится только к одному сценарию,...
