🔪 OpenAI открыла исходный код Codex Security — CLI и TypeScript SDK для поиска, проверки и исправления уязвимостей в коде. Вошёл в research preview ещё в марте, теперь под Apache-2.0, уже около 1,5 тысяч звёзд на GitHub, 392 балла на Hacker News.

Инструмент не просто линтер с готовыми правилами — использует ИИ для контекстного анализа: оценивает, как код реально ведёт себя, и сам предлагает патчи. Умеет ставить pre-commit проверки, гонять сканы в CI с отсечкой по severity, находить репозитории через GitHub CLI и выполнять массовые сканирования по CSV.

🔥 Занятная деталь с Hacker News: по словам разработчика (экс-сооснователь Promptfoo), на тюнинг промптов для поиска уязвимостей ушли «миллиарды токенов» эвалов — основная ценность именно в отточенных инструкциях для модели, а не в обвязке.

Логичное продолжение темы MAI-Cyber-1-Flash от Microsoft — крупные игроки один за другим выпускают инструменты для защитной стороны безопасности.

🪐 Microsoft добавила в Agent Framework для .NET возможность агентам подгружать Agent Skills напрямую с MCP-сервера — без зашивания в приложение и передеплоя. Центральная команда публикует навык один раз, все агенты в организации получают его сразу.

Технически поддерживаются два формата: сервер отдаёт SKILL.md с ресурсами по требованию, либо весь скилл упакован архивом, который framework скачивает и распаковывает локально. Разработчику всё равно, каким способом упакован скилл.

🍒 Для бизнеса ценность в governance: доменная экспертиза — политики, комплаенс, плейбуки — теперь версионируется централизованно и раскатывается без изменения кода. Отдельно усилили безопасность распаковки архивов — важно, когда агенты сами подтягивают возможности во время выполнения.

Тот же паттерн, что мы видели с RODA MCP-сервером от AWS, только теперь про внутреннюю дистрибуцию знаний в организации, а не публичные датасеты.

❓ Уже используете скиллы в своих агентах, или пока держите инструкции в системном промпте?

➡️ Шуай Го из Towards Data Science собирает browser-use агента на связке OpenAI Agents SDK и Playwright MCP. Логика простая: пока агент ограничен API-вызовами, он покрывает от силы 5% того, что реально делает человек за рабочий день — дав ему браузер, покрытие приближается к почти полному объёму задач.

Архитектура — простой цикл: агент получает задачу и текущее состояние браузера, решает действие, отправляет его, получает новое состояние — и повторяет. Именно эта петля лежит в основе большинства современных browser-агентов, включая более навороченные коммерческие продукты вроде Stagehand.

☀️ Показательна статистика: рынок ИИ-агентов — $10,91 млрд в 2026-м с прогнозом $50,31 млрд к 2030-му, а 27,7% предприятий уже гоняют агентные браузеры в проде против почти нуля два года назад.

Тот же тренд, что мы видели у Opel/Scout от Microsoft: браузер остаётся необходим там, где API просто не существует.

‼️ Минюст США объявил, что OpenAI и её бывшая «дочка» Statsig подписали мировое соглашение с трёхлетним надзором над практиками найма. Минюст утверждал, что компании мешали гражданам США подавать заявки на позиции, которые занимали иммигранты-сотрудники, пока их спонсировали на постоянное резидентство — не публиковали вакансии на открытых job-бордах, рекламировали по радио поздно ночью, требовали бумажные заявки вместо электронных. Компании не признали вины, но заплатят $3,2 млн.

Речь шла меньше чем о 10 позициях, но теперь компании обязаны согласовывать политику найма и сдавать отчёты дважды в год.

‼️ Расследование началось ещё в 2025-м, до покупки Statsig. Похожие соглашения при Байдене подписывали Facebook и Apple, хотя там нарушения были масштабнее.

Показательно: крупные ИИ-лаборатории оказываются под тем же иммиграционным контролем, что и любая другая компания.

🚨 Демис Хассабис оставляет пост CEO Google DeepMind, становится председателем подразделения и главным научным сотрудником Alphabet. Операционку берёт Корай Кавукджу, техдиректор DeepMind — станет старшим вице-президентом, подчиняясь напрямую Пичаи, и будет курировать Gemini. Рынок отреагировал нервно — акции просели.

Хассабис написал сотрудникам, что верит: AGI «уже близко», и хочет сосредоточиться на «большой картине». По данным источников, он давно отдалялся от операционки Gemini в пользу Isomorphic Labs — своего проекта по разработке лекарств с помощью ИИ. В тот же день ушёл и Джефф Дин, главный научный сотрудник DeepMind — запускает стартап с тремя коллегами. Google говорит, что решения не связаны, хотя совпадение показательное.

✨ Реакция отрасли тревожная: наблюдатели напрямую связывают это с гонкой — чтобы не отстать от OpenAI и Anthropic, Google нужно догонять именно во фронтир-кодинге.

❓ Разумное разделение труда между наукой и операционкой, или сигнал неуверенности в стратегии по Gemini?

👁️ Новое исследование Skill-Use проверяет то, что раньше никто толком не тестировал: способен ли агент сам распознать нужный skill и правильно его применить, а не просто оценивать качество самого skill-документа. Агент видит только имя и краткое описание — и должен сам решить, подходит ли skill к задаче, прежде чем подгрузить полную процедуру.

Оценка разбита на три части: срабатывает ли триггер, точно ли агент следует процедуре, не нарушает ли запреты. 79 реальных skills, 177 задач в девяти доменах, тесты в изолированной песочнице.

➡️ Результат отрезвляющий: даже в лучшей конфигурации из восьми моделей итоговый показатель — всего 0.613 из максимума. Проблема не в одном звене — и триггер, и соблюдение процедуры проваливаются независимо друг от друга. Причём рейтинг моделей меняется в зависимости от агентной обвязки — умение пользоваться skill не фиксированное свойство модели.

Перекликается с темой skills от MCP-серверов, которую мы разбирали недавно: сама доставка skill’а — только полдела, реальное понимание, когда и как его применять, остаётся open-проблемой даже у топовых моделей.

💢 Персональные агенты хранят предпочтения и историю задач между сессиями, но систематически никто не проверял: улучшаются ли они реально от накопленного опыта или это просто выглядит так. PAST-Bench проверяет это напрямую — 26 сценариев, 204 эпизода, один и тот же агент прогоняется с включённой и выключенной памятью в идентичных условиях.

Результат по семи моделям: улучшение реальное, но неравномерное. Самое интересное — авторы проверяли не только сам факт прироста, но и то, идёт ли он через правильный путь (сохранение → извлечение → обновление опыта). Оказалось, агенты с одинаковым итоговым приростом могут кардинально различаться — один реально учится через память, другой просто угадывает лучше по случайным причинам, а на выходе выглядит одинаково.

➡️ На основе находок авторы сделали Hermes+ с пятью точечными доработками агентного цикла — повышает прирост и даёт понятные доказательства правильного пути обучения.

Хорошее дополнение к теме Memora от Microsoft: построить архитектуру памяти — одно, доказать, что агент реально ею правильно пользуется — совсем другое.

❓ Важнее, чтобы агент учился «правильно», или хватает того, что результат просто становится лучше со временем?

☀️ Видео KodeCloud разбирает квантизацию — почему модель на 70 млрд параметров можно запустить не на сервере, а на обычной видеокарте. Каждый параметр — число, и то, сколько бит уходит на его хранение, определяет размер модели.

Авторы разводят три вещи, которые обычно путают: числовые форматы (FP16, INT8, INT4 — сколько бит на число), методы квантизации (GPTQ, AWQ — алгоритмы, которые решают, какие веса можно упростить без потери качества) и файловые форматы (GGUF — просто контейнер для готового результата, а не метод квантизации, хотя его часто путают с ним).

🔥 Практический вывод: снижение точности не бывает бесплатным. Q4 даёт примерно вдвое меньше объём против FP16 при потере качества 3-5% — нормально для чата, но для кодинга и сложных рассуждений точность обычно стоит доплатить памятью.

Хорошая база для тех, кто пробует запускать открытые модели вроде Kimi K3 или GLM локально и натыкается на суффиксы вроде Q4_K_M в названиях файлов.

❓ Запускаете модели локально, или предпочитаете облачный API без возни с квантизацией?

👍 Дрю Бройниг разбирает главную проблему Spec-Driven Development: спецификации и тесты должны быть источником правды, а код «прилагается бесплатно» — но на практике реальный вызов в том, чтобы удержать всё это в синхронизации по мере роста проекта.

Первая волна SDD-проектов опиралась на уже существующий софт как источник истины — работает хорошо на чётко очерченных поверхностях (API, плагины, conformance-наборы), где поведение легко тестируется. Вторая волна толкает методологию в территорию без внешнего валидатора — и там проблема синхронизации резко усложняется. Автор проводит параллель с программным кризисом 1968 года: тогда ответом стал процесс, и агенты снова создали похожий кризис — кода больше, чем люди способны ревьюить — только теперь в помощь берут сам ИИ.

🖼️ Хорошее противоядие восторженному маркетингу вокруг SDD: методология работает, но не универсально — граница применимости определяется тем, есть ли у задачи внешний проверяемый критерий правильности.

‼️ Пока полмира смотрело финал ЧМ, математик Anthropic Левент Альпёге написал в X: гипотеза Якоби — ложна. Сформулированная в 1939 году, она утверждала, что полиномиальное отображение с постоянным ненулевым якобианом обязательно обратимо.

Альпёге не доказал гипотезу — он её опроверг: нашёл конкретное необратимое отображение с постоянным якобианом, контрпример уместился в 216 символов — при том что математики предполагали минимальную степень такого примера в районе 200. Помогла Fable 5, модель, которую Anthropic изначально считала слишком мощной для публичного релиза. Автор — не случайный человек: PhD из Принстона под руководством Филдсовского лауреата, лауреат премии Моргана.

➡️ Оговорка для скептиков: результат ещё не прошёл рецензирование, а полная стенограмма промптов не опубликована — так что реальный вклад модели против направляющей роли математика пока нельзя независимо проверить.

Показательно, что это не единичный случай: в этом году AlphaProof от DeepMind самостоятельно решил девять открытых проблем Эрдёша, а Claude Mythos независимо и короче доказала гипотезу единичного расстояния, чем OpenAI.

❓ Начало настоящей революции в математических открытиях, или единичный эффектный кейс на фоне тысяч менее звучных попыток?

📁 AWS перестроила кодинг-агент Kiro вокруг Agent Client Protocol (ACP) — открытого стандарта из Zed, теперь развиваемого совместно с JetBrains. Идея как у Language Server Protocol: раньше каждый редактор писал кастомную интеграцию под каждого агента, теперь один протокол связывает любого агента с любым совместимым редактором.

До переделки у Kiro было три отдельных харнесса под разные поверхности (TypeScript, Rust, Python) — теперь всё объединено в единый харнесс. Практический эффект — Kiro CLI уже работает в JetBrains, Zed и других ACP-совместимых редакторах, а не только в своём интерфейсе. AWS сознательно расширила протокол, а не сделала проприетарный форк.

🤔 Важная деталь: оркестрация (Kiro Crew) открыта под Apache 2.0, но сам движок агента остаётся проприетарным — открыт уровень интеграции, а не «начинка» рассуждений. Microsoft уже подхватила идею со своим экспериментальным ACP-клиентом.

Продолжение темы вендор-лока, которую мы разбирали через Карпа и Менша — только теперь решение на уровне протокола связи, а не модели.

➡️ AWS выпустила нативный векторный поиск для DynamoDB в общем доступе. Теперь эмбеддинги хранятся прямо рядом с операционными данными в тех же таблицах — без репликации в отдельную специализированную базу и без синхронизации между ними.

Цифры: одноразрядная миллисекундная задержка при recall выше 99%, масштаб до триллионов векторов, без администрирования инфраструктуры. Можно использовать любую модель эмбеддингов — от Amazon Titan до OpenAI — и единая serverless-оплата по факту использования.

🔥 Важнее технических цифр сигнал по рынку: по опросу индустрии, большинство специалистов по данным предпочли бы держать векторный движок прямо внутри основной БД, а не городить отдельный стек. Прямой удар по нише standalone векторных баз вроде Pinecone — облачные провайдеры один за другим встраивают векторный поиск в существующие движки.

❓ Держите отдельную векторную базу для RAG, или готовы перейти на встроенный поиск?

✅ Команда юристов GitHub использовала Copilot CLI, чтобы автоматизировать повторяющиеся задачи: проверку контрактов, анализ кода, DMCA-запросы, NDA и оценку рисков.

Один из юристов собрал собственный инструмент для работы с договорами. Вместо постоянного копирования промтов он вынес инструкции, шаблоны и внутренние материалы в репозиторий. В результате время на подготовку и проверку документов сократилось примерно вдвое.

👍 Главное здесь даже не Copilot. AI позволяет специалисту превратить собственную экспертизу в рабочий инструмент — без необходимости становиться разработчиком.

Юристы фактически начали «программировать» на естественном языке: описывают методологию, правила и нужный результат, а AI превращает это в повторяемый workflow.