Код и агенты

Нейросети для программирования и агенты: Claude Code, Codex, Cursor, автоматизация задач.

GHРедакция gen-hub13 ноября· 3 мин

llama.cpp и ggml вышли в версии 1.0.0 и перешли на семантическое версионирование

Команда ggml-org выпустила llama.cpp и ggml v1.0.0. Теперь поломки API и ABI будут отмечать повышением мажорной версии, а сборки появятся в Homebrew, Winget, conda-forge и других каналах.

GHРедакция gen-hub13 ноября· 3 мин

Amplitude оценивает срок выпуска доработок с агентом Wave в 1-2 дня, раньше уходил месяц

Amplitude рассказала, что ее агент Wave на моделях OpenAI сокращает путь от идеи до релиза с примерно месяца до 1-2 дней. В тесте на своей главной странице число сообщений через карточки-подсказки через день выросло на 160% относительно контрольной группы.

GHРедакция gen-hub12 ноября· 3 мин

NVIDIA добавила в AICR компонент учета AI-нагрузок на базе k8s-aibom от Google

AI Cluster Runtime от NVIDIA получил компонент AIBOM на базе k8s-aibom: в пространствах имен с включенным opt-in он записывает, какие модели и образы работают в кластере. Контроллер потребляет в среднем около 2,2 millicores CPU.

GHРедакция gen-hub10 ноября· 3 мин

DeepMind с помощью ИИ формально проверила ключевые части протокола Signal за 4 недели

Исследователи Google DeepMind на новом фреймворке AlphaProof Code математически доказали ключевые гарантии протокола Signal. Работа заняла четыре недели у команды из пяти человек.

GHРедакция gen-hub10 ноября· 3 мин

Ollama 0.40.16: модель Ripple Preview на 65B и минус 27 ГиБ памяти на Mac

Ollama выпустила версию 0.40.16: в каталоге появилась 65-миллиардная модель Ripple Preview для агентного кодинга, а Qwen3.8 Flash Next на Apple silicon стала легче почти на 27 ГиБ.

GHРедакция gen-hub9 ноября· 3 мин

0sec Labs открыла код ИИ-харнесса 0: заявлено 93 из 95 задач XBOW

Цюрихская 0sec Labs выложила под MIT или Apache-2.0 харнесс 0 для поиска уязвимостей, пентеста и реверса. Работает локально с любой из 14 моделей, цифры бенчмарков пока самоотчетные.

GHРедакция gen-hub8 ноября· 3 мин

Alibaba: лучший ИИ-агент полностью решает лишь 26,4% реальных задач по коду

Исследователи Alibaba и азиатских вузов выпустили Co-Design Bench. Лучшая из десяти моделей, GPT-6 Astra, безупречно закрывает 26,4% задач, хотя на старых тестах агенты набирают больше 99%.

GHРедакция gen-hub8 ноября· 3 мин

Карпати за выходные собрал HackerTube: Claude отобрал 6454 видео из 43 млн комментариев

Андрей Карпати с помощью Claude Opus 5.5 обработал 43 млн комментариев Hacker News за 20 лет и собрал сайт из 6454 видео. По его словам, подборка лучше рекомендаций YouTube.

Google открыла плагин Elephant-Goldfish: агент пишет спеку и проходит 5 ревью до кода

Google выложила под Apache 2.0 плагин EGM: агент сначала пишет спецификацию, ее проверяют пять этапов ревью субагентов без контекста, и только потом идет код. Бенчмарков точности нет.

Microsoft Research протестировала Agensh: 1024 агента без центрального оркестратора

Microsoft Research опубликовала препринт об Agensh - системе, где агенты самоорганизуются без центрального оркестратора и поднимают результат на 49% относительно одного агента.

Claude формально верифицирует код и находит давние баги

Anthropic научил Claude генерировать формальные математические доказательства корректности кода. За несколько недель модель проверила 123 библиотеки и нашла сотни багов, которые годами не замечало обычное тестирование.

MiniMax M3.1 Flash: кролик-инкогнито обработал 200 триллионов токенов и стоит $0.15

MiniMax раскрыла тайну Space Bunny: загадочная модель, державшая первое место в мировых рейтингах и обработавшая свыше 200 триллионов токенов, оказалась ранней версией M3.1 Flash.

Replit сменил Anthropic на OpenAI: конец партнерства или просто смена дефолта?

CEO Replit Амджад Масад заявил, что OpenAI стал предпочтительным партнером и провайдером по умолчанию для Replit Agent. Анонимный инсайдер, знакомый с партнерством, возразил: сотрудничество с Anthropic продолжается.

Claude управляет 1000 агентами сразу: в 2,4 раза больше найденных багов

Anthropic добавила в Claude Managed Agents динамические воркфлоу: один ведущий агент раздает задачи до 1000 подагентов параллельно и собирает результаты. На тесте с 70 спрятанными багами одиночный агент нашел максимум 27, а рой - стабильно 66.

Copilot получает доступ к файлам Windows и учится действовать с разрешения пользователя

Microsoft показала "Гибридный интеллект": Copilot теперь может работать с локальными папками, переименовывать файлы и готовить письма - но действия требуют одобрения пользователя.

EmbeddingGemma 2: Google выпустила компактную мультимодальную модель для локального запуска

Google представила EmbeddingGemma 2 - мультимодальную модель на 740 млн параметров, которая обходит конкурентов вдвое крупнее и работает прямо на устройстве без интернета.

Reflection выпустила Beam: открытая модель с 501 млрд параметров за треть цены

Стартап Reflection представил Beam - открытую MoE-модель на 501 млрд параметров, которая при активных 23 млрд соперничает с китайскими флагманами и тратит в 3-4 раза меньше вычислений. Показатели компании независимо не проверены.

Reflection AI выпустила Beam: 501 млрд параметров против китайских моделей

Стартап из Бруклина с оценкой $25 млрд представил первую открытую модель Beam - MoE на 501B параметров, которая претендует на эффективность GLM-5.2 при втрое меньших вычислительных затратах. Ключевые бенчмарки пока не прошли независимую проверку.

DeepSeek Harness v0.2: десктоп, плагины и планировщик задач без командной строки

DeepSeek выпустил v0.2 своего агентного фреймворка с нативными приложениями для macOS и Windows, встроенным менеджером плагинов и планировщиком задач на базе session-local механизма.

GHРедакция gen-hub30 сентября

OpenAI и Synopsys учат ИИ проектировать чипы вместе с инженерами

OpenAI и Synopsys запустили многолетнее партнерство и строят GPT-Synopsys - специализированную модель, которая умеет работать с EDA-инструментами и помогает инженерам оптимизировать дизайн полупроводников.