✅ Исследователи Alibaba представили SkillOpt — систему, которая позволяет AI-агентам самостоятельно улучшать свои инструкции и навыки по аналогии с обучением нейросетей. Вместо ручного написания промптов или разовых улучшений SkillOpt рассматривает набор навыков как внешний «обучаемый слой» агента и постепенно оптимизирует его на основе результатов выполнения задач.

Система использует отдельную модель-оптимизатор, которая анализирует успешность работы агента, вносит контролируемые изменения в документ с навыками (добавляет, удаляет или заменяет инструкции) и принимает обновления только в случае улучшения результатов на независочном наборе тестов. Такой подход позволяет стабильно улучшать качество работы без дополнительных затрат во время эксплуатации агента.

👍 В экспериментах на 6 бенчмарках, 7 моделях и трёх средах выполнения (обычный чат, Codex и Claude Code) SkillOpt показал лучшие или сопоставимые результаты во всех 52 тестовых конфигурациях. Для GPT-5.5 система увеличила точность решения задач на 19–25 процентных пунктов в зависимости от среды выполнения. Также оптимизированные навыки успешно переносились между разными моделями и агентными платформами.

❓ Если AI-агенты смогут самостоятельно улучшать свои инструкции и рабочие процессы, станет ли следующим этапом появление полностью самоэволюционирующих цифровых сотрудников без участия человека?

➡️ В AI-индустрии всё чаще обсуждают не AGI, а RSI (Recursive Self-Improvement) — способность ИИ самостоятельно улучшать свои навыки, инструменты и даже собственные модели. Многие исследователи считают именно это следующим большим этапом развития искусственного интеллекта.

Уже сегодня появляются проекты, где AI помогает создавать новые версии AI, однако до полностью автономного саморазвития ещё далеко.

🚨 Главными препятствиями остаются долгосрочное планирование, самоконтроль и способность самостоятельно проводить исследования без участия человека.

💲 Microsoft активно развивает свою AI-платформу Foundry. В мае компания добавила новые модели — Grok 4.3, DeepSeek V4, Kimi 2.6 и DeepSeek V4 Pro, улучшила инструменты оценки AI-агентов, расширила возможности локального запуска моделей и усилила корпоративную безопасность через Managed VNET.

Среди самых важных новинок — оценка агентов по реальным рабочим логам (без создания тестовых датасетов), выход GPT-5 Reinforcement Fine-Tuning в статус Gated GA, новые исследовательские агентные модели MagenticBrain и Fara1.5, а также инструменты для контроля затрат и управления AI-инфраструктурой в крупных компаниях.

❓ Какой из новых трендов кажется наиболее перспективным: автономные AI-агенты, локальные модели на устройствах или обучение моделей через Reinforcement Fine-Tuning?

👆 GitHub представила Copilot App — отдельное приложение для работы с AI-агентами, задачами, pull request и репозиториями. В отличие от VS Code или терминала, оно выступает как единое рабочее пространство для управления проектами, где каждая задача получает собственную сессию и отдельный Git worktree.

Приложение поддерживает параллельную работу нескольких AI-агентов, сравнение ответов разных моделей (например, Claude и Opus), автоматизацию рутинных задач, встроенный браузер для локальных проектов и быстрый переход к терминалу или редактору кода.

💢 По словам Scott Hanselman, Copilot App особенно удобен для работы с issue-трекингом, ревью кода и многозадачностью между несколькими проектами.

⚠️ Microsoft представила Learn MCP Server — удалённый MCP-сервер, который даёт AI-агентам прямой доступ к актуальной документации Microsoft Learn.

Вместо того чтобы полагаться на устаревшие данные обучения, агенты могут во время работы проверять последние версии API, инструкции и примеры кода.

🚨 В тестах агент без доступа к Learn MCP выбрал устаревший API для развертывания Azure AI Foundry, столкнулся с ошибками зависимостей и потратил более 15 шагов на отладку.

При подключении Learn MCP агент сначала изучил свежую документацию, использовал актуальный API и с первой попытки создал полноценный рабочий скрипт развертывания. Сервис работает с GitHub Copilot, VS Code, Visual Studio, Claude Code и другими MCP-совместимыми инструментами без установки и авторизации.

❓ Станут ли MCP-серверы с актуальными знаниями обязательным компонентом AI-агентов, или модели со временем смогут обходиться без постоянного обращения к внешней документации?

📁 Один ИИ-агент может уверенно выдавать неправильные ответы, поскольку не умеет надежно оценивать собственную неопределенность. Для задач с высокими рисками — в медицине, финансах, юриспруденции и безопасности — такая уверенность без проверки становится серьезной проблемой.

Решением являются мультиагентные системы, где несколько специализированных агентов независимо анализируют задачу, проверяют результаты и ищут ошибки. Такой подход напоминает консилиумы врачей, принцип двойного контроля в финансах или работу центра управления полетами NASA во время миссии Apollo 11.

Вместо слепого доверия одному ответу система получает подтверждение через независимую проверку и поиск слабых мест. Если агенты не согласны между собой, это сигнал для дополнительного анализа или вмешательства человека.

🌟 По мнению автора, именно такая архитектура необходима для создания надежных ИИ-систем в критически важных сферах.

🪐 Anthropic представила Orchestration Mode — режим, в котором ИИ автоматически разбивает сложную задачу на подзадачи, распределяет их между несколькими агентами и запускает дополнительную проверку результатов.

Вместо одного ответа система использует параллельную работу специалистов и отдельный этап поиска ошибок.

📷 Такой подход повышает качество и надежность решений для исследований, программирования и аналитики, но требует больше вычислительных ресурсов.

❓ Как вы считаете, за многоагентными системами будущее ИИ или один мощный агент сможет заменить целую команду специализированных моделей?

🖼️ Один ИИ-агент может звучать уверенно, даже когда ошибается. Поэтому всё больше компаний переходят к мультиагентным системам: один агент решает задачу, второй проверяет результат, третий ищет ошибки и слабые места.

Такой подход уже используется в современных AI-платформах. Например, новые режимы оркестрации автоматически разбивают сложные задачи на подзадачи, распределяют их между несколькими агентами и запускают дополнительную проверку перед выдачей ответа.

😈 Результат — меньше галлюцинаций, выше качество решений и больше доверия к ИИ в сферах, где цена ошибки высока: разработка, медицина, финансы и безопасность.

👍 На Google I/O 2026 компания показала, куда движется индустрия искусственного интеллекта.

Главная идея проста: будущее не за одним ИИ, который отвечает на вопросы, а за агентами, способными самостоятельно выполнять сложные задачи.

Google представила новое поколение моделей Gemini 3.5 и платформу Antigravity 2.0, которая позволяет запускать несколько специализированных агентов одновременно. Один агент исследует задачу, другой пишет код, третий проверяет результат, а четвёртый ищет ошибки и уязвимости.

🖼️ Для разработчиков появились инструменты, которые позволяют агентам работать с Android, управлять облачной инфраструктурой, запускать приложения, проводить тестирование и даже самостоятельно исправлять проблемы в коде.

Особенно интересно выглядит концепция Managed Agents — теперь компании смогут получать готовых ИИ-агентов через API без необходимости самостоятельно разворачивать сложную инфраструктуру.

💢 Фактически Google делает ставку на модель, в которой ИИ становится не помощником, а полноценным цифровым сотрудником, способным планировать, выполнять и проверять работу.

Похоже, следующий этап развития ИИ — это уже не один умный чат-бот, а целые команды специализированных агентов, работающих вместе.

❓Как думаете, через несколько лет компании будут нанимать больше людей или больше ИИ-агентов?

🔥 Пока все обсуждают возможности ИИ-агентов, Microsoft предупреждает о новой проблеме: агенты всё чаще работают локально на устройствах пользователей и получают доступ к файлам, приложениям, токенам, браузерам и корпоративным данным.

Один неправильно настроенный агент может удалить данные, передать конфиденциальную информацию или выполнить опасные команды от имени сотрудника. По сути, компании сталкиваются с новым типом «теневого ИИ», который работает вне привычного контроля ИТ-служб.

☀️ В ответ Microsoft представила целый набор инструментов для обнаружения, контроля и аудита локальных агентов: от отслеживания их активности до ограничения доступа к данным и сети в реальном времени.

Главный вывод простой: по мере распространения ИИ-агентов вопрос безопасности становится не менее важным, чем их возможности.

🪐 Исследователи представили большой обзор нового направления в AI — Agent Skills. Вместо того чтобы хранить все знания и возможности внутри модели, агенты получают навыки (skills) как отдельные подключаемые модули с инструкциями, кодом и ресурсами.

Такой подход позволяет расширять возможности агента без переобучения модели: достаточно подключить новый навык. Авторы рассматривают архитектуру skills, их автоматическое создание, применение в сложных агентных системах и вопросы безопасности.

✨ Отдельное внимание уделяется рискам: исследование показало, что 26,1% навыков из открытых библиотек содержат уязвимости, поэтому предлагается многоуровневая система доверия и контроля жизненного цикла навыков.
По мнению авторов, экосистемы навыков могут стать таким же важным слоем инфраструктуры для ИИ-агентов, как приложения для смартфонов или пакеты для операционных систем.

❓ Как думаете, за чем будущее: универсальными моделями, которые умеют всё, или агентами, которые динамически подключают нужные навыки под задачу?

😈 Пока индустрия обсуждает новые модели и агентные фреймворки, исследователи предлагают более фундаментальную идею — создать для ИИ-агентов собственный слой управления, похожий на операционную систему.

В работе Agent libOS агент рассматривается как полноценный процесс со своей памятью, правами доступа, жизненным циклом, очередями одобрения человека, журналом действий и механизмами восстановления после сбоев.

👆 Ключевая идея: доверять нужно не инструментам агента, а среде выполнения. Любое действие — доступ к файлам, запуск команд, работа с памятью, внешние изменения или запрос разрешения у человека — проходит через контролируемые системные примитивы с проверкой прав доступа.

Авторы реализовали прототип с поддержкой:
• долгоживущих агентов и подзадач;
• управления возможностями (capabilities);
• встроенных запросов на одобрение человека;
• чекпоинтов и восстановления состояния;
• аудита всех действий;
• динамического подключения новых инструментов.

🪟 Фактически Agent libOS предлагает смотреть на ИИ-агентов не как на чат-ботов с инструментами, а как на новый тип программ, которым нужна собственная инфраструктура управления, безопасности и контроля.

Если агентные системы действительно станут выполнять долгосрочные задачи автономно, появление таких «операционных систем для агентов» выглядит вполне логичным следующим шагом.

🖥 На Build Microsoft показала своё видение будущего, где главным пользователем компьютера становится не человек, а AI-агент.

Компания представила новую платформу, в которой агенты получают собственную среду выполнения, память, инструменты и даже изолированные контейнеры безопасности.

⚠️ По сути, Microsoft начинает строить инфраструктуру для мира, где ИИ не просто отвечает в чате, а самостоятельно выполняет задачи:
• работает с файлами
• запускает программы
• пишет код
• взаимодействует с сервисами
• выполняет длинные цепочки действий без участия человека

🔥 Интересно другое: всё это проектируется не как отдельное приложение, а как часть Windows и Azure.

Если раньше операционная система управляла программами, то теперь она готовится управлять агентами.
Кажется, мы постепенно переходим от эпохи приложений к эпохе цифровых сотрудников.

❓ Как думаете, через несколько лет мы будем запускать программы или просто ставить задачи агентам?

‼️ На GTC Taiwan глава NVIDIA показал, почему индустрия сейчас буквально сходит с ума по вычислительным мощностям.

Главный тезис простой: AI перестал быть экспериментом и начал напрямую генерировать прибыль.

В качестве примера Huang привёл разработчиков ПО. Если в 2023 году программисты сделали около 300 млн коммитов на GitHub, то в 2026 году их количество уже выросло почти втрое.

👍 Причина — агентный ИИ.

Теперь разработчик не пишет каждую строчку кода вручную. Он ставит задачу, а AI генерирует код, исправляет ошибки, запускает тесты и использует необходимые инструменты самостоятельно.

По словам NVIDIA, это не сокращает спрос на специалистов, а наоборот увеличивает его. Если один инженер с помощью AI создаёт в несколько раз больше продукта, компании хотят нанимать ещё больше инженеров.

⚠️ Но есть и обратная сторона.

Каждый такой AI-агент потребляет огромное количество вычислений. Именно поэтому дата-центры растут как на дрожжах, а спрос на чипы NVIDIA продолжает бить рекорды.

По сути, мы переходим в эпоху, где компьютеры работают не через приложения, а через агентов.

Раньше человек открывал программу и выполнял действия сам.
Теперь человек просто объясняет результат, который хочет получить.

⚠️ Anthropic расширяет проект Glasswing — программу, где специальная версия Claude ищет уязвимости в коде компаний, управляющих критической инфраструктурой.

Среди участников:

- энергетика;
- здравоохранение;
- связь;
- промышленность.

За несколько недель ИИ обнаружил более 10 000 опасных уязвимостей.

Но главное не это.

✅ В Anthropic считают, что уже через 6–12 месяцев подобные кибер-модели станут массовыми. И использовать их смогут не только защитники, но и злоумышленники.

Поэтому новая гонка в кибербезопасности уже началась.

❓ Как думаете, ИИ сделает интернет безопаснее или опаснее?

‼️ Модель умеет не только общаться, но и работать с изображениями, видео, кодом, сайтами, приложениями и интерфейсами программ. Она может анализировать экран, писать и тестировать код, управлять приложениями и выполнять сложные многоэтапные задачи.

В тестах Qwen3.7-Plus показывает результаты на уровне ведущих мировых моделей, особенно в программировании, агентных задачах и визуальном анализе.

🚀 В демонстрациях модель самостоятельно создала полноценное приложение, написав более 10 000 строк кода и полностью автоматизировав процесс разработки — от проектирования до тестирования и выпуска новой версии.

🚨 Главными анонсами стали Gemini 3.5 и Gemini Omni — новое поколение ИИ, которое умеет не только отвечать на вопросы, но и самостоятельно выполнять задачи, работать с приложениями, создавать видео, писать код и действовать как полноценный агент.

Среди новинок также:

— ИИ-агенты в Google Search, работающие в фоновом режиме 24/7;
— Googlebook — ноутбуки нового поколения, созданные специально для Gemini;
— Google Health и Fitbit Air для постоянного мониторинга здоровья;
— Умные очки с навигацией, сообщениями и камерой;
— Новые проекты Google DeepMind для науки, экологии и медицины.

Google делает ставку на переход от обычных чат-ботов к проактивным ИИ-помощникам, которые смогут самостоятельно выполнять задачи и помогать пользователю в течение всего дня.

❓ Как думаете, через сколько лет ИИ-агенты станут привычнее обычных приложений?

➡️ OpenAI представила Sites в Codex — инструмент, который позволяет превращать идеи, документы и данные в готовые веб-приложения за считанные минуты.

Что умеет Sites:
• создавать внутренние сервисы без настройки инфраструктуры;
• автоматически предоставлять хостинг, авторизацию, базу данных и хранение данных;
• использовать информацию из рабочих инструментов через плагины Codex;
• дорабатывать приложение через обычный диалог с ИИ.

☀️ В OpenAI уже используют Sites для создания внутренних дашбордов, справочных центров, приложений для подготовки к встречам, мероприятий и принятия управленческих решений.

Пользователи могут делиться созданными приложениями с командой или всей организацией, а доступ осуществляется через аккаунт ChatGPT.

⚡️ Главными новинками стали Gemini 3.5 и Gemini Omni. Новые модели умеют не только отвечать на вопросы, но и выполнять задачи, работать с приложениями, создавать видео и выступать в роли автономных ИИ-агентов.

Также Google представила:
• ИИ-поиск нового поколения с агентами, работающими в фоновом режиме;
• Android Halo для управления ИИ-агентами на смартфоне;
• Googlebook — ноутбуки, созданные вокруг Gemini;
• Google Health и Fitbit Air для мониторинга здоровья;
• умные очки с навигацией, сообщениями и камерой;
• Gemini for Science и другие проекты для науки, экологии и медицины.

⁉️ Май стал для Google месяцем перехода от обычных чат-ботов к полноценным ИИ-агентам, которые способны самостоятельно выполнять задачи и помогать пользователям в повседневной жизни.

❓ Как думаете, что появится раньше: массовые ИИ-агенты или полноценные ИИ-ассистенты в умных очках?

👍 Hermes Agent — новый ИИ-агент с функцией самообучения. Он умеет создавать навыки на основе опыта, запоминать информацию между сессиями, анализировать прошлые диалоги и постепенно формировать персональную модель пользователя.

Ключевые возможности:
• работает через Telegram, Discord, Slack, WhatsApp, Signal и терминал;
• поддерживает более 300 моделей ИИ от разных провайдеров;
• запускает подагентов для параллельного выполнения задач;
• автоматизирует процессы по расписанию;
• может работать на облачном сервере практически без затрат в режиме ожидания.

❤️ Hermes позиционируется как универсальный автономный агент, способный не только выполнять задачи, но и постоянно улучшать собственные навыки в процессе работы.