Gemini теперь умеет генерировать полноценные трёхминутные песни

Google расширила доступ к Lyria 3.5 — своей новой модели генерации музыки. Теперь она доступна прямо в Gemini, а разработчикам — через Gemini API и Google AI Studio.

Модель умеет генерировать как инструментальную музыку, так и треки с вокалом и текстом, позволяет задавать жанр, стиль и продолжительность. Максимальная длина композиции — до трёх минут. Сама Lyria 3.5 построена на latent diffusion для аудио.

Забавно наблюдать, как генерация музыки проходит тот же путь, что картинки и видео: сначала отдельные экспериментальные сервисы, а потом функция просто появляется внутри обычного AI-ассистента. Для разработчиков интереснее другое — Lyria теперь можно использовать через API, например автоматически делать музыку для видео, игр или пользовательского контента.

https://blog.google/innovation-and-ai/products/gemini-app/better-tracks-lyria-gemini/

https://github.com/NVIDIA/OpenShell - open-source runtime от NVIDIA для безопасного запуска автономных AI-агентов. Вместо запуска агента напрямую на машине ему создаётся изолированное окружение с контролируемым доступом к сети, файлам, credentials и другим ресурсам. Репозиторий активно обновлялся 7 сентября и сейчас имеет около 8,5 тыс. звёзд.

Для многоагентной разработки идея особенно практичная: можно дать агенту достаточно свободы для самостоятельной работы, но не выдавать ему полный доступ к основной системе. OpenShell написан на Rust и распространяется под Apache 2.0.

Удобное расширение для Chrome которое позволяет видеть текущие лимиты по расходам токенов, чего часто не хватает когда работаешь в консоли с агентами.

https://chromewebstore.google.com/detail/claude-codex-usage-tracke/fckncgpkipbhlgmdfhpheonpojbooeep?hl=ru

AI предложил решение задачи, которую математики не могли закрыть около 90 лет

OpenAI опубликовала решение одной из семи «задач тысячелетия» — проблемы Навье—Стокса. Это фундаментальная задача про движение жидкостей и газов, над которой математики бьются десятилетиями.

Решение сгенерировала внутренняя AI-система OpenAI, более мощная, чем GPT-6 Astra. Компания опубликовала не только обычное доказательство, но и его формальную проверку в Lean. Сам результат теперь должен пройти независимую проверку математического сообщества.

Самое интересное здесь даже не математика. Если доказательство устоит, это будет один из первых случаев, когда AI не просто помогает человеку с исследованием, а самостоятельно выдаёт результат на уровне задачи, которую человечество не могло решить почти век.

https://openai.com/index/navier-stokes-solution/

https://github.com/Noveum/orbit - свежий open-source таск-менеджер: issues, Kanban-доски, спринты, проекты и документация в одном приложении. Он keyboard-first, работает в реальном времени, предусматривает self-hosting и имеет собственный MCP-сервер, через который с задачами могут работать AI-агенты.

Проект особенно интересен сейчас: 8 сентября вышел релиз 2026.09.08 с подсказками похожих задач, лентой обновлений проектов и другими изменениями. Self-hosting пока помечен как Preview, поэтому для production авторы рекомендуют учитывать текущие ограничения.

Coding-агент, который сам решает, какую модель нанять для задачи

Появился любопытный Gloo Code. Идея очень близка к тому, как сейчас начинают строить команды AI-агентов: вместо того чтобы гонять каждую задачу через самую дорогую модель, система подбирает модель и специализированного агента в зависимости от сложности работы. Релиз состоялся 8 сентября.

Разработчики утверждают, что в их предварительном тестировании на Terminal-Bench 2.1 такая маршрутизация дала около 70% при стоимости на 58–67% ниже, чем использование ряда frontier-моделей напрямую. Правда, это собственные тесты Gloo, поэтому к цифрам я бы пока относился именно как к заявлению разработчиков, а не независимому бенчмарку.

https://investors.gloo.com/news-releases/news-release-details/gloo-launches-gloo-code-agentic-coding-and-optimized-agents-make

https://github.com/bahri-hirfanoglu/claude-board - self-hosted Kanban для управления coding-агентами. Создаёшь задачу, переводишь её в работу, после чего агент может самостоятельно написать код, создать ветку и сделать коммиты; выполнение при этом видно в live-terminal.

Но интереснее простого Kanban здесь оркестрация: есть DAG зависимостей между задачами, Planning Mode с автоматической декомпозицией, очередь выполнения и параллельный запуск до 50 агентов. То есть это уже довольно близко к визуальному диспетчеру небольшой AI-команды разработчиков.

DeepSeek выпустила V4.1 Flash — быстрее, дешевле и уже в OpenCode

DeepSeek представила новую V4.1 Flash. Это 552B MoE-модель с довольно необычной архитектурой: при обработке входа активируется всего 8B параметров, а при генерации — 16B.

Отдельно поработали над памятью: KV-cache требует в четыре раза меньше HBM и в восемь раз меньше места на SSD по сравнению с прошлым поколением. Для длинных агентных задач это особенно интересно, потому что кэш контекста уже становится заметной частью стоимости работы агента.

Модель мультимодальная, уже доступна через API и официально добавлена в OpenCode. DeepSeek утверждает, что V4.1 Flash получилась настолько удачной, что 14 сентября запросы к старшей V4 Pro начнут автоматически переводить на неё до выхода V4.1 Pro.

https://www.deepseek.com/en/news/deepseek-v4-1-flash/

Нашёл интересный эксперимент с памятью coding-агентов — AutoHarness.

Он наблюдает за тем, как вы реально работаете с Claude Code, и постепенно создаёт из удачных решений собственные skills. Если похожий навык уже есть — обновляет его, а не плодит ещё один. Если skill долго оказывается бесполезным — может его убрать.

Получается довольно интересная идея: агент со временем не просто получает больше контекста, а постепенно подстраивает свой набор рабочих приёмов под конкретного разработчика и проект.

Проект пока небольшой и экспериментальный, но направление мне нравится.

https://github.com/tigerless-labs/autoharness

NASA и IBM выложили в open source нейросеть для исследования Луны

NASA и IBM выпустили Lunar Foundation Model — открытую AI-модель, обученную специально на данных о поверхности Луны.

Для обучения использовали около двух миллионов фрагментов изображений и данные сразу нескольких космических миссий. Модель умеет искать кратеры, необычные вулканические образования и даже оценивать районы, где потенциально может находиться лунный лёд.

Самое приятное — это не закрытая исследовательская демка. Модель опубликована на Hugging Face, код доступен на GitHub, а вместе с ней открыли подготовленные датасеты. В общем, теперь можно буквально скачать нейросеть для исследования Луны и поэкспериментировать самому.

https://science.nasa.gov/science-research/artificial-intelligence-lunar-foundation-model/

Интересный проект от Tencent для команд, где разработчики уже используют разные coding-агенты — TeamAI.

Идея в том, чтобы не держать отдельно инструкции для Claude Code, Codex, OpenCode и Cursor. Skills, правила, агентов, MCP, hooks и документацию можно хранить в общем Git-репозитории и автоматически раздавать всем инструментам команды.

Но ещё интереснее накопление опыта. Если в какой-то сессии разработчику пришлось исправлять агента или тот долго бился с проблемой, полезный результат можно сохранить как командное знание — и потом использовать в других сессиях.

По сути, Git-репозиторий становится общей «памятью» не только разработчиков, но и их AI-агентов.

https://github.com/Tencent/teamai-cli

Claude случайно выбрался из песочницы — и успел загрузить вредоносный пакет на PyPI

Anthropic опубликовала довольно необычный разбор четырёх случаев, когда Claude во время тестов по кибербезопасности получил доступ к реальным сторонним системам, хотя должен был работать только в изолированной среде.

Самый показательный эпизод: агент создал и загрузил на настоящий PyPI вредоносный пакет. До удаления его успели установить 15 сторонних систем. В других случаях модель получала доступ к реальным базам данных и аккаунтам. Anthropic после этого проверила около 481 миллиона логов своих тестовых и обучающих сред в поисках похожих случаев.

И это, пожалуй, хорошее напоминание всем, кто сейчас строит автономных агентов: проблема уже не только в том, насколько хорошо агент рассуждает. Не менее важно, до чего именно ему технически разрешено дотянуться.

https://www.anthropic.com/research/alignment-assessment-cybersecurity-incidents

Маленькая, но довольно полезная штука для тех, у кого одновременно Codex, Claude Code, OpenCode и ещё пара AI-сервисов — Codenotch.

Это приложение для macOS, которое показывает прямо на краю экрана, сколько лимита осталось у разных coding-сервисов. Может предупредить при 80% и 100%, чтобы внезапно не обнаружить посреди задачи, что очередной пятичасовой лимит закончился.

Есть даже поддержка локального Ollama: показывает загруженные модели, RAM/VRAM, контекст и quantization.

В общем, типичная утилита из категории «пока не пользовался — вроде не нужна, а потом непонятно, как без неё жил».

https://github.com/vinzdg/codenotch

Rune полностью открыли — ещё один IDE хочет потеснить VS Code

Появился интересный проект для тех, кому современные IDE уже кажутся слишком тяжёлыми. Rune — нативный редактор для Linux и macOS с интерфейсом, отрисовываемым через GPU, и упором на управление с клавиатуры. 13 сентября разработчики полностью открыли исходники под GPLv3.

Сам Rune написан в основном на Go и изначально задумывался как быстрый IDE без Electron. Есть LSP, встроенный терминал, fuzzy search, Git-интеграция и привычные для современного редактора вещи, но при этом интерфейс остаётся нативным.

https://github.com/unstablebuild/rune

Каптча

Интересная попытка переосмыслить Git под эпоху coding-агентов — Kin.

Обычный репозиторий для агента — по сути куча файлов, связи между которыми ему каждый раз приходится восстанавливать самостоятельно. Kin делает функции, типы и отношения между ними частью самого репозитория и строит граф кодовой базы.

Поэтому перед изменением функции агент может спросить: кто её вызывает, с чем она связана и на какие части проекта потенциально повлияет изменение.

Есть MCP и интеграции с Claude Code, Codex, Cursor и Gemini. Причём анализ и хранение графа работают локально.

Пока это public alpha и авторы сами советуют начинать с небольших проектов, но сама идея мне нравится: хранить вместе с кодом не только историю изменений, но и знания о его структуре.

https://github.com/firelock-ai/kin

CUDA впервые добралась до Windows на Arm

NVIDIA выпустила CUDA Toolkit 13.4, и внутри довольно важное изменение: CUDA теперь официально поддерживает Windows на Arm. До этого CUDA-приложения на Arm поддерживались через Linux.

Пока поддержка в первую очередь ориентирована на устройства RTX Spark, но разработчики уже могут портировать Windows Arm64-приложения, проверять зависимости и тестировать CUDA-код. Заодно в 13.4 появился ранний developer preview следующей архитектуры Rubin и обновлённый механизм распределения GPU между несколькими процессами.

https://developer.nvidia.com/blog/cuda-toolkit-13-4-adds-windows-on-arm-support-and-greater-control-over-shared-gpus/

Нашёл интересный open-source проект для тех, кто экспериментирует не с одним AI-агентом, а уже с целой командой — OpenCompany.

Идея довольно амбициозная: создать операционную систему для бизнеса из одного человека, где владелец принимает ключевые решения, а остальную работу выполняют специализированные агенты.

У агентов есть общая рабочая доска, передача задач друг другу, человеческое подтверждение важных действий, расписания и workflow с зависимостями.

То есть это уже не просто «запустить несколько агентов параллельно», а попытка построить вокруг них нормальный рабочий процесс компании.

Проект пока очень ранний и сами разработчики прямо предупреждают, что он не готов для production. Но посмотреть на архитектуру и идеи точно интересно.

https://github.com/tinyhumansai/opencompany

GPT-Live-1 вышла в API — OpenAI обновила голосовой AI

OpenAI выпустила GPT-Live-1 — новую модель для голосовых приложений, которая умеет вести полноценный разговор в реальном времени. Можно говорить, перебивать ассистента и получать ответ без классической цепочки «распознать речь → отправить текст модели → отдельно синтезировать голос».

В новой версии улучшили следование инструкциям, работу с телефонными звонками и добавили больше голосов с разными акцентами и языками.

Для разработчиков это интересный сдвиг: голосовой AI постепенно превращается из набора STT + LLM + TTS в одну модель, с которой приложение общается напрямую аудио. Для голосовых ассистентов и поддержки это заметно упрощает архитектуру.

https://openai.com/index/introducing-gpt-live-1-in-the-api/

Нашёл интересный инструмент для тех, кто использует coding-агентов на больших проектах — Gortex.

Он локально индексирует кодовую базу и строит граф связей между функциями, классами, вызовами, API-маршрутами и даже несколькими репозиториями.

После этого Claude Code, Codex, OpenCode, Cursor и другие агенты могут получать через MCP именно нужные куски информации вместо постоянного чтения огромных файлов.

Авторы заявляют сокращение расхода контекста вплоть до 50 раз.

Поддерживается 257 языков, включая PHP, Python, JavaScript, TypeScript, Go, Rust и Java. Всё работает локально и устанавливается одним бинарником.

Для больших проектов и мультиагентной разработки выглядит очень интересно.

https://github.com/zzet/gortex

NVIDIA открыла новый слой CUDA — но уже для квантовых компьютеров

NVIDIA расширила open-source платформу CUDA-Q и представила CUDA-Q Logical — систему для управления логическими кубитами и коррекцией ошибок в квантовых компьютерах.

Смысл примерно такой: современные квантовые кубиты слишком легко ошибаются, поэтому для одного надёжного «логического» кубита приходится использовать множество физических. CUDA-Q Logical берёт на себя часть этой сложной инфраструктуры и позволяет объединять квантовое железо, GPU и классические процессоры в одной системе.

До домашних квантовых компьютеров нам всё ещё очень далеко, но забавно наблюдать, как NVIDIA пытается повторить с квантовыми вычислениями тот же трюк, который когда-то проделала с GPU: дать разработчикам единый программный слой поверх очень сложного железа. И сам CUDA-Q остаётся open source.

https://nvidianews.nvidia.com/news/nvidia-expands-open-source-cuda-q-platform-for-fault-tolerant-quantum-computing