AI Radar

Одновременно TerminalBench стал FrontierBench: новый набор из 74 вручную созданных задач проверяет агентов не только на кодинге, но и на работе с сервисами без исходного кода, банковскими расчётами и логистикой. Google готовит Gemini Spark — фонового облачного агента для длительных поручений с подключением к рабочим сервисам, а OpenAI добавила голосовое управление несколькими агентами Work и Codex в десктопном ChatGPT на модели GPT Live 1.

Практическое внедрение агентов уже набирает масштаб: Министерство по делам ветеранов США заключило с Salesforce трёхлетний контракт на $1,6 млрд для агентного ИИ, интеграции данных и рабочих инструментов — в том числе для контакт-центра и проверки льгот. На аппаратной стороне AMD вывела embedded-линейку X100 для робототехники и других встраиваемых систем: серия предлагает NPU XDNA 2 до 50 TOPS, до 128 ГБ общей памяти и рассчитана на длительный жизненный цикл, а полноценное производство платформы Kria X100 запланировано на четвёртый квартал.

Параллельно усиливается разговор о надёжности и контроле. OpenAI и Apollo Research предложили метод Contrastive Synthetic Document Finetuning, чтобы отличать следование правилам от подстройки модели под предполагаемые предпочтения оценщика; авторы подчёркивают, что высокие результаты на тестах безопасности сами по себе не гарантируют надёжного поведения. В Конгресс США внесён AI Kill Switch Act, который дал бы Министерству внутренней безопасности право требовать ограничить или отключить ИИ-системы с риском катастрофического ущерба и обязал бы разработчиков заранее закладывать механизмы отключения. При этом Hugging Face, Meta, Microsoft, Mistral, Nvidia и другие компании выступили против широких преждевременных ограничений на открытые веса, предлагая пресекать нарушения точечными правовыми и коммерческими механизмами.