MCP и навыки ИИ-агентов: сравнение подходов

Существуют два подхода к структурированию инструментов для LLM: протокол контекста модели (MCP) и навыки ИИ-агентов (Skills).

MCP предоставляет LLM структурированные инструменты для выполнения конкретных задач, определяя формат ввода и вывода инструментов, а также способ их использования.

Навыки ИИ-агентов, в отличие от MCP, позволяют LLM планировать и выполнять сложные задачи, используя инструменты и рассуждения, применяя методы обучения с подкреплением и имитационного обучения.

MCP является низкоуровневым протоколом. В то время как навыки ИИ-агентов , высокоуровневый подход, использующий MCP для создания более интеллектуальных агентов.

MCP подходит для специализированных задач, а навыки ИИ-агентов для более универсальных, требующих планирования и адаптации.

xAI запустила Grok Text-to-Speech API

xAI выпустила Grok Text-to-Speech API, в котором представлен набор голосов с естественным звучанием речи. Создание аудио из текста.

ServiceNow представляет EnterpriseOps-Gym — новый эталон для оценки планирования агентов в корпоративных условиях. Эталон оценивает способность агентов решать сложные задачи, требующие долгосрочного планирования и адаптации к изменяющейся среде.

EnterpriseOps-Gym использует высокоточную симуляцию, воссоздающую сложности рабочих процессов, включая автоматизацию запросов и управление инцидентами. Симуляция основана на реальных данных ServiceNow, учитывая неопределенность и неполную информацию.

Эталон доступен для исследователей и разработчиков, заинтересованных в создании более интеллектуальных агентов, способных автоматизировать сложные процессы. Подробности по ссылке: EnterpriseOps-Gym.

Nemotron 3 Nano 4B – компактная гибридная модель ИИ с 4 миллиардами параметров, сочетающая декодер и энкодер-декодер. Она обучена на 80 миллиардах токенов, включающих текст, код и математику, с применением RLHF для улучшения ответов.

В тестах производительности Nemotron 3 Nano 4B достигает 88% от производительности Llama 2 7B, особенно хорошо проявляя себя в задачах логического мышления и генерации кода.

Небольшой размер модели позволяет эффективно развертывать её на устройствах с ограниченными ресурсами, таких как ноутбуки и смартфоны, обеспечивая локальное использование ИИ без облачных сервисов. Модель доступна на Hugging Face.

OpenAI выпустила GPT-5.4 Mini и GPT-5.4 Nano

GPT-5.4 Mini работает в два раза быстрее предыдущего GPT-5 mini, при этом приближается по качеству к полноразмерной GPT-5.4.
Хорошо справляется с кодом, рассуждениями и мультимодальными задачами. Поддерживает текст, изображения и инструменты. Доступна в API и в ChatGPT, включая бесплатный тариф.

Цена: $0.75 за млн входных токенов, $4.50 за млн выходных.

GPT-5.4 Nano самая компактная и быстрая версия. Рекомендована для классификации, извлечения данных, ранжирования и субагентов в агентных системах. Доступна только через API.

Цена: $0.20 за млн входных токенов, $1.25 за млн выходных.

#новости #openai #gpt

Искусственный интеллект позволяет 'видеть' сквозь препятствия

Ученые из Университета штата Пенсильвания разработали систему, использующую искусственный интеллект для реконструкции изображений, заблокированных объектами. Система "видит" сквозь стены и другие препятствия, используя беспроводные сигналы.

В основе разработки лежит генеративный искусственный интеллект, обученный на большом количестве данных. Это позволяет предсказывать, что находится за препятствием, даже если оно полностью скрыто, с высокой точностью. Исследователи продемонстрировали идентификацию объектов и людей за кирпичной стеной.

Технология может быть использована в поисково-спасательных операциях, наблюдении и безопасности, например, для обнаружения людей после катастроф или мониторинга подозрительной деятельности. Система успешно протестирована в различных условиях.

Baidu Qianfan представила Qianfan-OCR, модель для интеллектуального анализа документов с 4 миллиардами параметров.

Она распознает текст и понимает структуру различных типов документов, включая сканы, фото и PDF файлы.

Модель поддерживает более 100 языков и построена на архитектуре трансформера. Qianfan-OCR обучена на большом объеме текстов и изображений, что обеспечивает высокую точность в оптическом распознавании символов (OCR) и понимании структуры.

Qianfan-OCR применится для извлечения информации из документов, автоматизации обработки и создания интеллектуальных систем управления. Доступ к модели предоставляется через платформу Baidu Qianfan.

Anthropic запустили Claude Code Channels

Это официальный способ управлять активной сессией Claude Code через MCP для Telegram и Discord.

Запускаете Claude Code на своём ПК с флагом --channels и можете отправлять команды прямо из мессенджера с телефона, получая ответы обратно в чат.

То есть не нужно сидеть у терминала: Claude продолжает работать на вашей машине, а вы общаетесь с ним через Telegram-бота.

Ограничения: сессия должна оставаться запущенной на ПК, произвольные MCP-серверы пока не поддерживаются, только плагины из официального репозитория Anthropic, и нужен аккаунт claude.ai (API-ключ не подойдёт).

Holotron-12B – агент, использующий компьютер с высокой пропускной способностью. Обучен на 126 440 демонстрациях использования компьютера, сгенерированных людьми, и способен следовать инструкциям благодаря архитектуре трансформатора.

Модель выполняет широкий спектр задач, включая навигацию по интерфейсам, ввод текста и выполнение действий. Holotron-12B можно использовать для автоматизации задач, таких как заполнение форм, написание электронных писем и поиск информации.

Набор данных для обучения и сама модель с кодом доступны по ссылке

Ошибки основателей ai стартапов

Советники стартапов в сфере ИИ отмечают, что основатели часто упускают важность данных для обучения моделей. Ошибка в том, что внимание сосредотачивается на самой модели, а не на качестве и количестве данных, необходимых для её успешной работы. Сбор, разметка и проверка данных требуют значительных ресурсов и времени.

Также основатели недооценивают необходимость постоянного обучения и мониторинга ИИ-моделей, чья производительность со временем ухудшается без обновления. Важно учитывать влияние ИИ на бизнес-процессы, готовясь к изменениям в организации и переобучению персонала.

Часто наблюдается фокус на создании продвинутой модели без учёта потребностей рынка и спроса на решение. Рекомендуется начинать с простых решений и постепенно усложнять их, ориентируясь на пользователей.

Google представила MusicFX DJ – инструмент для создания музыки с помощью искусственного интеллекта.

Пользователи могут генерировать музыкальные отрывки, вводя текстовые подсказки, например, "джаз с пианино и саксофоном".

MusicFX DJ использует технологию векторов звука, разработанную Google, и создает короткие отрывки, подходящие для использования в качестве основы композиций или звуковых эффектов. Инструмент доступен бесплатно через веб-интерфейс с ограничениями: до 30 секунд музыки за раз и лимит генераций в день.

В будущем планируется премиум-подписка, снимающая ограничения и предлагающая экспорт в высоком качестве и возможность коммерческого использования сгенерированной музыки.

Наша группа в VK, чтобы не потеряться.

👉 VK

5 инструментов для локального запуска llm в 2026 году

В 2026 году специалисты по данным смогут использовать пять вариантов самостоятельного хостинга: Ollama, LocalAI, PrivateGPT, OpenOrca и LM Studio. Эти инструменты позволяют запускать большие языковые модели локально, обеспечивая конфиденциальность и контроль над данными.

ollama предлагает простой интерфейс командной строки для запуска, управления и развертывания LLM, поддерживая различные модели. localai предоставляет платформу для развертывания LLM в локальной инфраструктуре с поддержкой графических процессоров. privategpt предназначен для работы с документами и создания чат-ботов на основе локальных данных.

openorca является фреймворком для обучения и тонкой настройки LLM, а lm studio позволяет искать, загружать и запускать LLM с удобным графическим интерфейсом.

Gemma 2b и Gemma 7b: новые открытые модели

Модели Gemma 2B и Gemma 7B уже доступны на платформе Hugging Face, а также через другие платформы и облачные сервисы. Предоставлен полный набор инструментов для оценки производительности моделей в различных задачах, включая тесты, метрики и бенчмарки.

Также опубликована документация и рекомендации по использованию моделей Gemma. Это важный шаг к развитию открытых и доступных технологий искусственного интеллекта.

Gemma на Hugging Face

На сайте выложили продолжение курса по LangChain.
Для тех, кто знает Python и основы LangChain (цепочки), и хочет разобраться в агентах.

LangChain и сквозной проект агент-аналитик.
Каждый урок это теория, рабочий код, частые ошибки и практическое задание.

Содержание:

0 - Настройка окружения

1 - create_agent и цикл агента
2 - LangGraph и состояние агента
3 - MCP: инструменты через внешние серверы
4 - Context engineering
5 - Встроенный middleware
6 - Краткосрочная память
7 - Долгосрочная память
8 - Human-in-the-loop
9 - Guardrails
10 - Паттерны мультиагентных систем
11 - Субагенты и Handoffs

👉 Ссылка на курс

#langchain #ииагенты #курс

OpenAI frontier: угроза для saas-компаний?

OpenAI представила платформу "Frontier", которая может повлиять на рынок программного обеспечения как услуги (SaaS). Платформа позволяет создавать "агенты" – программы, способные самостоятельно выполнять задачи и интегрироваться с различными сервисами.

"Frontier" дает клиентам возможность создавать собственные решения, снижая необходимость во множестве SaaS-инструментов. Это может привести к консолидации рынка, где выживут только компании, предлагающие уникальную ценность и интеграцию с новой моделью.

Аналитики считают, что это фундаментальный сдвиг, требующий от SaaS-компаний адаптации и инноваций, а также может привести к снижению цен на решения.

OpenAI разработала правила безопасности для подростков в виде промптов для модели gpt-oss-safeguard, которые разработчики используют для модерации возрастных рисков в системах искусственного интеллекта.


В ChatGPT представлен улучшенный визуальный шоппинг на базе протокола Agentic Commerce, позволяющего находить товары и сравнивать их, при этом интеграция с торговыми площадками зависит от участия конкретных мерчантов.

OpenAI приостановила публичный доступ к модели генерации видео Sora из-за опасений злоупотребления, включая создание дезинформации и дипфейков. Компания планирует тщательное тестирование и оценку системы перед повторным запуском, а также разработку мер по снижению рисков.

Решение принято после появления в сети примеров видео, созданных Sora, которые вызвали обеспокоенность. Видео демонстрировали способность модели создавать реалистичные сцены и лица, поднимая вопросы об использовании для создания поддельных новостей и манипулирования общественным мнением.

Tencent AI открыла исходный код Covo-Audio 7B параметровой end-to-end аудиоязыковой модели и конвейера вывода для разговоров и рассуждений в реальном времени.

В отличие от классических систем, которые последовательно пропускают аудио через три отдельных компонента (распознавание → языковая модель → синтез речи), Covo-Audio обрабатывает непрерывный аудиовход и генерирует аудиовыход в единой архитектуре за один проход. Это снижает накопление ошибок и задержку.

Модель прошла двухэтапное предобучение на 2 триллионах токенов, охватывающих речевые и текстовые данные на нескольких языках. На бенчмарках MMAU и MMSU Covo-Audio показала лучшие результаты среди моделей своего масштаба, сравнявшись с некоторыми 32B-системами.

Отдельно выпущен вариант Covo-Audio-Chat-FD с поддержкой full-duplex, то есть модель может одновременно слушать и говорить с низкой задержкой, что важно для голосовых помощников реального времени.

Веса модели и код для инференса опубликованы на GitHub и HuggingFace под лицензией CC BY 4.0.

Google выпустила Gemini 3.1 Flash Live для AI-агентов

Google выпустила Gemini 3.1 Flash Live, audio-to-audio модель для работы с голосом, аудио и видео в реальном времени.

Она создана для использования в голосовых AI-агентах, где требуется низкая задержка и распознавание акустических нюансов.

Модель предназначена для обработки данных в реальном времени и доступна разработчикам через Gemini Live API в Google AI Studio и Vertex AI.

Теперь в Suno AI можно генерировать треки собственным голосом

Вышла новая модель 5.5.
Что улучшилось: вокал стал более живым и эмоциональным, звук чище, а треки более целостными и похожими на реальный продакшн.