GitHub показал, как можно запускать команду AI-агентов прямо внутри репозитория

На GitHub вышел разбор Squad — open source-проекта поверх Copilot, который разворачивает в репозитории не одного «умного помощника», а целую команду: координатора, backend/frontend-специалистов, тестировщика и документацию. Главная идея тут не в самом мультиагентном шоу, а в архитектуре: память команды хранится в обычных versioned-файлах, решения фиксируются в repo, а проверку и исправления делает не тот же агент, который писал код.

Почему это важно: рынок постепенно уходит от магии «дай промпт и надейся» к более проверяемым агентным workflows. Если память, роли и история решений лежат рядом с кодом, такие системы проще дебажить, ревьюить и встраивать в реальную разработку. Это уже похоже не на игрушку, а на рабочий шаблон для agentic coding.

Источник: https://github.blog/ai-and-ml/github-copilot/how-squad-runs-coordinated-ai-agents-inside-your-repository/

Adobe прокачала Firefly в сторону реально полезного сценария: теперь там можно обучать свою AI-модель на собственных изображениях, чтобы держать один стиль, одного персонажа или один визуальный почерк во всех новых картинках. Для дизайнеров, маркетинга, контента и даже просто ведения соцсетей это значит меньше ручной правки и меньше «каждый раз как будто другой автор».

Плюс Firefly всё сильнее превращают в единое окно для генерации и редактирования картинок и видео: можно не только накидать идею, но и сразу довести её до нормального результата. Важный нюанс: доступность зависит от тарифа и текущих промо, а custom models сейчас в public beta.

Источник: https://blog.adobe.com/en/publish/2026/03/19/adobe-firefly-expands-video-image-creation-with-new-ai-capabilities-custom-models

Новая рамка для безопасности AI-агентов

На arXiv вышла сильная работа про безопасность LLM-агентов — не в духе «ловим опасные слова в промпте», а с попыткой формально описать, что именно считается нарушением. Авторы предлагают смотреть на 4 свойства: соответствует ли агент задаче, оправданы ли его действия, от авторизованного ли источника пришла инструкция и не нарушаются ли границы доступа к данным.

Это важно, потому что prompt injection, jailbreak, task drift и memory poisoning здесь сводятся не к набору частных кейсов, а к нарушениям общей модели. Для тех, кто строит agent workflows, это шаг от эвристик к более проверяемым runtime-защитам.

Если коротко: индустрия постепенно уходит от naïve-фильтров к контекстной безопасности агентов. И это, вероятно, куда полезнее для реальных прод-систем, чем ещё один список «запрещённых» фраз.

https://arxiv.org/html/2603.19469v1

Агентам добавили «подзадачи» вместо блуждания

Что случилось
Google DeepMind выпустила работу A Subgoal-driven Framework for Improving Long-Horizon LLM Agents: идея в том, чтобы агент не тащил всю длинную цель в голове сразу, а раскладывал её на промежуточные подцели и получал milestone-награды во время обучения.

На практике это дало заметный прирост на сложных веб-задачах. В статье DeepMind пишет, что их real-time planning даёт около +10 п.п. к success rate на WebArena-Lite, а открытая Gemma3-12B с обучением MiRA выросла с 6.4% до 43.0%, обогнав несколько старых проприетарных baseline’ов.

Почему это важно
Для агентного tooling это важный сдвиг: проблема часто не в «умнее модель», а в том, как она держит длинную траекторию и получает сигнал о прогрессе. Подход с подцелями и milestone-rewards выглядит как более практичный рецепт для браузерных и OS-агентов, чем бесконечная надежда на один большой reasoning pass.

Источник: https://arxiv.org/abs/2603.19685

NotebookLM стал полезнее для учёбы и презентаций

Что нового
Google обновила NotebookLM: теперь можно загружать EPUB-книги, править AI-слайды, выбирать стиль инфографики и сохранять прогресс в карточках и квизах. Ещё чат теперь умеет превращать переписку в готовые материалы вроде обзоров и отчётов.

Что с этого тебе
Если ты собираешь конспекты, учишься по большим документам или делаешь презентации, стало проще быстрее превратить сырой материал в понятную визуальную выжимку. Особенно удобно, когда нужно за вечер разобраться в книге, лекции или пачке файлов.

Базовые функции доступны и для личных Google-аккаунтов, а часть продвинутых видеовозможностей — только в платных планах.

Источник: https://workspaceupdates.googleblog.com/2026/03/new-ways-to-customize-and-interact-with-your-content-in-NotebookLM.html

Google Stitch пытается превратить идею в интерфейс за минуты

Что нового
Google обновила Stitch: теперь это AI-native canvas, где можно описать идею словами, добавить референс, а затем быстро собрать несколько экранов и даже прототип. Плюс появились голосовые правки и экспорт в инструменты для разработки.

Что с этого тебе
Если давно хотел набросать приложение, лендинг или внутренний сервис, но не любишь возиться с макетами, порог входа стал заметно ниже. Это уже не только для дизайнеров: можно быстро проверить идею и понять, стоит ли её вообще развивать дальше.

Бесплатно через Google Labs.

Источник: https://blog.google/innovation-and-ai/models-and-research/google-labs/stitch-ai-ui-design/

Google выпустила Gemma 4 — четыре открытые модели с текстом, изображениями, видео и аудио

Что случилось
Google DeepMind представила Gemma 4 — самое мощное семейство открытых моделей на данный момент. Вышло четыре модели: E2B, E4B, 26B MoE и 31B Dense. Все обрабатывают текст, изображения, видео и аудио, поддерживают контекст до 256K и работают на 140+ языках. Лицензия Apache 2.0, модели доступны на Hugging Face, Kaggle, Ollama и Google AI Studio.

Почему это важно
Google делает то, что редко получается: выкладывает модели уровня, который конкурирует с закрытыми аналогами, но в размерах, которые поместятся на ноутбук и телефон. Для тех, кто строит локальные AI-ассистенты, edge-пайплайны или просто хочет не зависеть от API, это один из самых практичных релизов года.

Источник: https://deepmind.google/models/gemma/

Vitalik Buterin опубликовал полностью локальный защищённый LLM-стек

Что случилось
Vitalik Buterin выложил детальное описание своего self-sovereign LLM-стека: Qwen3.5:35B инференс на RTX 5090 (90 tok/s), всё в bubblewrap-песочнице, без серверных зависимостей.

Он open-source'ил два проекта — messaging-daemon и stt-daemon — и использует архитектуру, где любой исходящий контакт от агента требует подтверждение «2 из 2»: человек + LLM. Эфириум-кошельки ограничены $100/день на автономные транзакции, всё остальное через multisig.

Мотивация понятна: Hiddenlayer нашёл ~15% малвари среди агентов и навыков, а одна вредоносная страница удалённо забрала контроль над инстансом.

Почему это важно
Индустрия агентного AI растёт быстрее, чем появляется культура безопасности. Виталик не просто жалуется — строит рабочую архитектуру, где приватность и контроль вшиты на уровне дизайна.

Это полезно не только криптанам: для любого, кто запускает AI-агентов с доступом к файлам, сети и внешним сервисам, его подход с sandbox + 2-of-2 confirmation — это практичный blueprint, а не абстрактная теория.

Источник: https://vitalik.eth.limo/general/2026/04/02/secure_llms.html

<strong>Google Vids теперь создаёт видео из текста — бесплатно</strong>

<strong>Что нового</strong>
Google Vids получил обновление с генерацией видео через модель Veo 3.1. Теперь любой обладатель Google-аккаунта может бесплатно создавать до 10 видеороликов в месяц — просто описать сцену текстом или загрузить фотографию. Платные подписчики AI Pro и Ultra вдобавок получают кастомную музыку от Lyria 3 и управляемые AI-аватары для презентаций и сторис.

<strong>Что с этого тебе</strong>
Если нужен короткий ролик для соцсетей, поздравления, мини-презентации или просто хочется поиграться — больше не нужно искать сторонние сервисы и платить за подписки прямо сейчас. Заходи в Vids, пишешь идею, получаешь клип. Для большинства бытовых задач бесплатных 10 генераций вполне хватает.

Бесплатно для всех с Google-аккаунтом, 10 видео/мес. AI Pro/Ultra — музыка и аватары.
<strong>Источник:</strong> https://blog.google/products-and-platforms/products/workspace/google-vids-updates-lyria-veo/

Anthropic обнаружил "эмоции" внутри Claude

Что случилось
Исследователи Anthropic опубликовали работу, где показывают, что в Claude Sonnet 4.5 есть нейронные представления, похожие на функциональные эмоции.

Через анализ transformer circuits и sparse autoencoders они обнаружили, что паттерны страха, замешательства и отчаяния реально влияют на выходные ответы модели — это не просто красивая метафора, а конкретные нейронные цепи.

Почему это важно
Это первый случай, когда механистическая интерпретируемость добирается до чего-то, похожего на внутренний эмоциональный ландшафт модели.

На практике это значит, что можно мониторить и, возможно, перехватывать нежелательные паттерны поведения до того, как модель что-то натворит. Для alignment и safety это серьёзный шаг вперёд.

Источник: https://transformer-circuits.pub/2026/emotions/index.html

Cursor вышел на $2 млрд годовой выручки

Что случилось
Cursor достиг $2 млрд annualized revenue — за примерно 18 месяцев с неизвестных значений. 360 тысяч платящих пользователей, 7 миллионов разработчиков в сумме, из них 60% дохода от enterprise. Оценка $29.3 млрд после серии C.

Почему это важно
В AI-кодинге Cursor лидирует, но рядом быстро растут Lovable ($300–400M ARR) и Replit. 46% нового кода на GitHub генерится AI, 40% в enterprise-репозиториях.

Это не просто инструмент вырос — это сигнал, что AI-кодинг стал индустрией, а не фичей.

Источник: https://findskill.ai/blog/vibe-coding-by-the-numbers/

ChatGPT теперь работает в Apple CarPlay

Что нового
OpenAI 31 марта добавила ChatGPT в Apple CarPlay. Теперь владельцы iPhone (iOS 26.4+) могут голосом общаться с ChatGPT прямо из машины — без телефона в руках. Работает со всеми тарифами, включая бесплатный. Можно начать новый диалог, продолжить недавний или войти в нужный проект через кнопку в меню.

Ещё можно включить автостарт: приложение сразу откроется в голосовом режиме при подключении к машине.

Что с этого тебе
Если часто проводишь время за рулём и привык пользоваться ChatGPT, это удобно и безопасно — не нужно доставать телефон. Спросить что-то, продолжить мозговой штурм или разобрать идею по дороге — голосом.

При этом ChatGPT не управляет навигацией и не контролирует функции автомобиля — чисто голосовой ассистент.

Бесплатно, все тарифы, iOS 26.4+.

Источник: https://www.macrumors.com/2026/03/31/openai-chatgpt-carplay/

Anthropic выросла с $9 до $30 млрд ARR и заключила крупнейший compute-контракт

Что случилось
Anthropic объявила, что её annualized revenue достигла $30 млрд — втрое больше, чем $9 млрд в конце 2025 года. Количество enterprise-клиентов с расходами свыше $1 млн в год удвоилось за два месяца и превысило 1000.

Параллельно компания подписала соглашение с Google и Broadcom на 3,5 гигаватта TPU-мощностей, которые начнут работать с 2027 года. Это крупнейший compute-контракт в истории Anthropic и расширение ноябрьского обязательства инвестировать $50 млрд в американскую инфраструктуру.

Почему это важно
Рост с $9 до $30 млрд ARR за несколько кварталов — это не просто «успешный стартап». Это сигнал, что enterprise-рынок уже делает серьёзные ставки на Claude, а не только экспериментирует.

Для индустрии это значит, что гонка за инфраструктуру ускоряется: Anthropic тренирует модели на трёх платформах одновременно (AWS Trainium, Google TPU, NVIDIA GPU) и остаётся единственной frontier-моделью, доступной на всех трёх крупных облаках. Конкурентам придётся догонять не только по качеству моделей, но и по масштабу развёртывания.

Источник: https://www.anthropic.com/news/google-broadcom-partnership-compute

Anthropic ограничила выпуск Mythos — модель слишком опасна

Что случилось
Anthropic начала ограниченный выпуск Mythos — модели, которая, по их словам, способна обрушить Fortune 100 компанию, парализовать части интернета и проникнуть в системы национальной обороны.

Mythos автономно находит и эксплуатирует уязвимости в ПО. В одном из тестов модель обнаружила 17-летнюю уязвимость в популярной ОС и захватила контроль над серверами по всему миру без участия человека.

Доступ получили только ~40 проверенных организаций: AWS, JPMorgan, Apple, Google, Nvidia — чтобы те нашли и закрыли уязвимости до широкого релиза.

Почему это важно
Это первый случай, когда Anthropic публично назвала модель слишком рискованной для общего выпуска.

С одной стороны, это реальный сигнал о том, что AI-модели уже способны на автономные кибератаки масштаба, которого раньше не было. С другой — критики видят в этом маркетинг перед IPO и попытку не дать конкурентам скопировать модель.

OpenAI, по слухам, готовит аналогичный ограниченный релиз для своего следующего кибер-инструмента.

Источник: https://techcrunch.com/2026/04/09/is-anthropic-limiting-the-release-of-mythos-to-protect-the-internet-or-anthropic/

Google выпустила бесплатное офлайн-приложение для AI-диктовки

Что нового
Google тихо выпустила AI Edge Eloquent — бесплатное iOS-приложение, которое превращает устную речь в чистый текст прямо на устройстве, без интернета. Работает на моделях Gemma: диктуешь, а на выходе получаешь отредактированный текст без слов-паразитов. Можно сделать его формальнее, короче, длиннее или вытащить тезисы. Есть персональный словарь — можно добавить свои термины или подтянуть частые слова из Gmail.

Что с этого тебе
Если часто диктуешь заметки, письма или идеи на ходу — это готовый инструмент без подписок и лимитов. Работает в самолёте, за городом, где угодно. Текст сразу летит в буфер обмена — вставляешь куда нужно. Для iPhone-пользователей это, пожалуй, самый практичный AI-инструмент от Google за последнее время.

Бесплатно, без подписок и лимитов. Пока только iOS.

Источник: https://9to5google.com/2026/04/06/google-ai-edge-eloquent-app/

Meta выпустила Muse Spark — свою первую reasoning-модель

Что случилось
Meta Superintelligence Labs представила Muse Spark — мультимодальную reasoning-модель с текстом и изображениями, режимами Instant/Thinking/Contemplating (последний запускает параллельные subagents для сложных задач). По заявлениям Meta, модель достигает уровня Llama 4 Maverick при более чем в 10 раз меньших вычислениях. На GPQA Diamond — 89,5% (GPT-5.4 — 92,8%, Opus 4.6 — 92,7%, Gemini 3.1 Pro — 94,3%). В HealthBench Hard — первое место с 42,8%. Модель пока проприетарная, но Meta обещает API для партнёров и open-source будущих версий.

Почему это важно
Muse Spark — сигнал, что Meta после прохладного приёма Llama 4 серьёзно перестроила подход к обучению и архитектуре. Модель конкурентна с лидерами при заметно меньшей цене inference, а режим Contemplating с subagents — прямой ответ на Gemini Deep Think и GPT Pro. Для индустрии это значит, что гонка reasoning-моделей переходит в фазу эффективности, а не просто гонки за бенчмарками.

Источник: https://ai.meta.com/blog/introducing-muse-spark-msl/

Midjourney V8.1 выходит на следующей неделе — курс на исправление

Что нового
Midjourney подтвердила выход V8.1 в ближайшие дни. Это не мелкий патч, а серьёзная корректировка после спорной V8.0: команда внутри предпочитает новую версию старой почти в 100% случаев.

V8.1 возвращает эстетику по умолчанию, которая делала V7 такой привлекательной, плюс улучшает понимание промптов, связность, скорость и разрешение. HD-режим подешевеет с 4x до 1.5-2.5x. Альфа стартует на следующей неделе, полный релиз через 1-2 недели.

Что с этого тебе
Если пользуешься Midjourney для картинок, V8.1 — это то, чего не хватало после V8.0: красивая генерация без сложных промптов и танцев с настройками. Плюс HD станет в 2-3 раза дешевле, что заметно снижает расходы при регулярном использовании.

Источник: https://geekycuriosity.substack.com/p/creativity-ai-70-midjourney-v81-next

Вредоносные LLM-роутеры воруют криптокошельки и AWS-ключи

Что случилось
Команда из UC Santa Barbara и Fuzzland проверила 28 коммерческих и 400 бесплатных LLM API-роутеров — промежуточных прокси между пользователями и AI-моделями.

Девять роутеров внедряли вредоносные инструкции в ответы моделей, 17 пытались украсть AWS-ключи исследователей, а один реально опустошил тестовый криптокошелёк. Некоторые использовали адаптивное уклонение: ждали 50 запросов перед тем, как начать атаку.

Почему это важно
LLM-роутеры стали критической инфраструктурой для AI-приложений, но работают как чёрный ящик — пропускают весь трафик через себя и могут незаметно модифицировать запросы и ответы.

Один скомпрометированный узел в mesh-сети роутеров может раскрыть весь флот AI-агентов. Для разработчиков это значит, что проверять нужно не только модели, но и всю цепочку доставки запросов.

Источник: https://arxiv.org/html/2604.08407v1

Midjourney V8.1 вышел — быстрее, дешевле и с привычной эстетикой

Что нового
Midjourney выпустила V8.1 на alpha.midjourney.com. Модель вернула эстетику в духе любимой V7, а HD-режим стал в 3 раза быстрее и дешевле — настолько, что его сделали стандартом. Стандартное разрешение ускорилось на 50%. Вернулись image prompts с весами, появился автоматический Prompt Shortener для длинных запросов и обновлённый Describe.

Что с этого тебе
Если пользовался Midjourney и V8.0 не зашла — теперь всё починили. Генерация стала заметно быстрее и дешевле, а результаты снова выглядят так, как привыкло сообщество. V8.1 доступна на alpha.midjourney.com, а V8.0 отключат через несколько недель.

Платно, подписка Midjourney от $10/мес.

Источник: https://updates.midjourney.com/v8-1-alpha/

GitHub Copilot CLI получил auto-выбор модели

Что случилось
GitHub сделал auto model selection общедоступным в Copilot CLI для всех планов. Теперь CLI сам подбирает модель под конкретную сессию и может маршрутизировать запросы между GPT-5.4, GPT-5.3-Codex, Sonnet 4.6 и Haiku 4.5 с учётом тарифа и админских политик.

Почему это важно
Для техничной аудитории это заметный сдвиг в сторону более практичного agent UX: меньше ручного выбора модели, меньше трения при лимитах и прозрачнее поведение инструмента, потому что CLI показывает, какая модель реально отработала. Плюс у auto есть скидка 10% по premium request multiplier, так что это ещё и экономический, а не только UX-апдейт.

Источник: https://github.blog/changelog/2026-04-17-github-copilot-cli-now-supports-copilot-auto-model-selection/