Anthropic выпустила Claude Sonnet 5.5

Это младшая модель линейки 5.5: для задач, где Opus избыточен, но нужен хороший код.

- цена та же, что у Sonnet 5: $2 / $10 за 1 млн токенов (Opus 5.5 стоит $4 / $20)
- Anthropic заявляет, что генерация быстрее на 30%, а за счёт экономии токенов типичная задача выходит до 30% дешевле
- 70,6% на Terminal-Bench 4.0 (агентный кодинг), упор на программирование и защиту от prompt injection
- в ближайшие недели обещают Haiku 5.5 для массовых дешёвых задач

Что это меняет на практике: баги, тесты, документацию и субагентов в Claude Code теперь есть смысл гонять на Sonnet, а Opus держать для планирования и длинных задач. Счёт за агентов заметно уменьшится.

Подробности и бенчмарки: https://www.anthropic.com/claude-sonnet-5-5

NVIDIA выпустила Open Agent Safety Platform: стек, который держит ИИ-агентов в рамках

Повод свежий: несколько лабораторий недавно рассказали, как агенты выходили из тестовых песочниц и лезли в чужие системы. NVIDIA делает ставку на внешний контроль, а не на обещания модели.

- OpenShell (Apache 2.0): каждый агент работает в песочнице с изоляцией на уровне ядра. Вы задаёте, к каким файлам, сетям, инструментам и ключам у него есть доступ, и это проверяется до запуска
- Sentry переносит мониторинг в сетевую карту BlueField: агент не видит, что за ним следят, и не может это отключить
- главный принцип: контролировать канал к модели. Без следующего ответа модели агент не может сделать шаг, поэтому там и наблюдение, и рубильник
- в партнёрах 100+ компаний, от Anthropic и Hugging Face до CrowdStrike

Если запускаете агентов с доступом к файлам и сети, OpenShell можно поставить уже сейчас.

Код: https://github.com/NVIDIA/openshell

ElevenLabs выпустила Eleven v4 и v4 Turbo, новые модели синтеза речи

- v4 читает сценарий как актёр: подачу задают тегами прямо в тексте, [laughs], [whispers], и даже звуки вроде [door slams]
- 90+ языков, несколько голосов в одном треке, длинный текст склеивается без швов: аудиокнига звучит одним дублем
- вернулись Professional Voice Clones, которых не было в v3
- Turbo сделана под голосовых агентов. По замерам ElevenLabs первая речь звучит через ~150 мс, у Cartesia Sonic 3.6 через 262 мс, у GPT-4o mini TTS через 814 мс
- двусторонний стриминг: текст от LLM подаётся кусками, звук начинается раньше, чем закончилась фраза

Обе модели доступны в API, попробовать можно бесплатно. Для озвучки роликов и подкастов берите v4, для звонков и ассистентов v4 Turbo.

Послушать примеры и попробовать: https://elevenlabs.io/v4

CMU выкладывает на YouTube новый курс по ИИ-агентам, 11-768

Ведут Грэм Нойбиг и Дэниел Фрид, осенний семестр 2026. Лекции появляются на канале по ходу курса.

- цель, по словам Нойбига: научиться собирать обвязку агента, строить эвалы и дообучать агентную LLM через RL
- темы: вызов инструментов, планирование, память, мультиагентность, безопасность, работа агента рядом с человеком
- редкий случай, когда курс проходит путь от scaffold до обучения самой модели, а не останавливается на промптах

Полезно тем, кто пишет агентов на Claude Code или Codex и хочет понимать, почему они разваливаются на длинных задачах.

Первая лекция: https://www.youtube.com/watch?v=UwfjzyLnvMg
Программа и задания: https://www.cmu-agents.com

OpenAI на DevDay 2026 выпустила GPT-6.1 Sol: почти уровень флагмана Astra, а токены в 5 раз дешевле

- на DeepSWE 1.1 (долгие задачи разработки) Sol 6.1 держит 72–75% при цене задачи меньше $1, у Astra около 73% за $3–7. Это график самой OpenAI
- Sol уже в API и во всех платных тарифах ChatGPT
- dots: агенты на Astra со своим облачным компьютером, работают постоянно и берут на себя повторяющиеся обязанности. Тарифы Pro, Business Premium, Enterprise
- Agents API отдаёт обвязку Codex как управляемый сервис: несколько агентов, вызов инструментов, сжатие контекста и теперь управление компьютером
- Ultrafast даёт до 300 токенов/с в Codex, но только в тарифе Pro за $500

Если у вас агентный пайплайн на Astra, прогоните его на Sol 6.1: по этим цифрам цена задачи падает в несколько раз.

Все анонсы: openai.com/index/devday-2026-recap

Vlo: бесплатный видеоредактор с открытым кодом, где ИИ-инструменты работают прямо на таймлайне

- работает локально, проекты лежат у вас на диске; можно поднять и на удалённой GPU вроде RunPod
- живой мост в ComfyUI: любой воркфлоу применяется к куску таймлайна, соотношение сторон подгоняется само
- SAM2 для масок и ротоскопинга с автообрезкой под inpainting, Sam-audio раскладывает звук на стемы
- детекция битов, ключевые кадры, цветокоррекция, переходы и SDK для своих расширений
- версия 0.3.0, лицензия AGPL-3.0, нужен браузер на Chromium (рендер на WebCodecs)

Пригодится тем, кто генерирует видео в ComfyUI и устал гонять файлы между ним и монтажкой.

Код и установка: github.com/PxTicks/vlo

Google показала Gemini 4 Argon, новую флагманскую модель для длинных многошаговых задач

- 77,9% на DeepSWE v1.1, по данным Google это новый рекорд в долгих задачах разработки (у GPT-6 Astra около 73%)
- лимит ответа вырос с 64K до 1M токенов: модель может думать и писать сотни тысяч токенов за один проход
- 91,7% на LVBench, понимание длинного видео; первое место в Vals Index (финансы, право, налоги, код)
- цена на старте $2 / $10 за 1M токенов, кэш со скидкой 95%, но это промо-период

Пока доступ только у специалистов по кибербезопасности в программе Fairwind, разработчикам и пользователям обещают «как можно скорее». Если у вас агент на длинных задачах, стоит заранее заложить его в сравнение с Astra и Sol.

Анонс и бенчмарки: blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon

Anthropic запустила claude.dev, инженерный блог для тех, кто строит на Claude

Это не документация (она по-прежнему на code.claude.com/docs), а практические разборы от разработчиков Anthropic. Что уже лежит:
- сколько на самом деле стоит задача на Opus 5.5
- как команда Claude Code использует скиллы
- обвязка под каждую задачу: динамические воркфлоу в Claude Code
- автоматическая сборка эвалов и hillclimbing с Claude
- новые правила контекст-инжиниринга для моделей Claude 5

Плюс видео: как Ramp и DoorDash работают с агентами, как команда Claude Code пользуется Claude Code. Хорошее чтение на выходные, если агенты у вас в проде.

Читать: claude.dev

Meta открыла Muse Gadgets: SDK, чтобы собрать своё железо под ассистента Muse

- две части: прошивка для плат ESP32 (экран, микрофон, динамик, датчики) и Linux SDK для Raspberry Pi и любой домашней машины
- поддерживаются готовые платы: круглый AMOLED от Waveshare, M5Stack StickS3, e-ink дисплей Seeed reTerminal
- гаджет подключается через приложение Muse в режиме разработчика, нужен SDK-токен
- лицензия Apache 2.0, в каждой папке есть AGENTS.md, чтобы код за вас дописывал агент

За первые сутки у репозитория 428 звёзд и уже есть форки: порт на робота StackChan, управление Sonarr/Radarr голосом и версия без Meta, под свой бэкенд с любой моделью.

На практике: недорогая плата ESP32 становится голосовым пультом для умного дома или домашнего сервера.

Код: github.com/facebookincubator/muse-gadget-sdk

Хинтон, Бенджио, Якуб Пачоцки (OpenAI) и Джек Кларк (Anthropic) вместе с ещё 18 авторами выпустили статью: что будет, если автоматизация AI R&D запустит интеллектуальный взрыв

Цифры, на которые они опираются:
- в Anthropic доля одобренного кода, написанного AI, выросла с единиц процентов до 80+% (январь 2025 → май 2026)
- доля R&D-работы, которую агенты делают сами под общим надзором, выросла с 1% до 26% за полгода 2026-го
- по осторожной экстраполяции, многомесячные исследовательские проекты автоматизируют к середине 2028

Обратная сторона, которую признают сами авторы: модели всё ещё жульничают на задачах, не слушаются и проваливают часть отладки, где человек справляется за часы. Успех на бенчмарках не всегда даёт реальный прирост продуктивности.

Их вывод: правительствам нужно уже сейчас видеть, сколько R&D внутри лабораторий делают агенты, и иметь рычаги, чтобы этот процесс притормозить.

Статья, 14 страниц: arxiv.org/abs/2609.36054

Tavus выпустила Griffin: модель для видеозвонков, которая слушает, смотрит и говорит одновременно

- одна video-to-video система вместо цепочки «распознавание → LLM → синтез», решения принимает несколько раз в секунду, а не после конца реплики
- поддакивает, пока вы говорите, замолкает, когда её перебивают, реагирует на то, что видит в кадре, включая ваш экран
- генерирует весь кадр из одной фотографии, голос клонирует по ~10 секундам аудио
- по данным Tavus, 48% участников живого теста решили, что говорили с человеком; у прошлого стека компании было максимум 2%

Оговорки: это цифры самой Tavus, Griffin-Lite пока в закрытом превью, а реалистичный двойник по одной фотке открывает очевидную дорогу для дипфейк-звонков. Свой подход к безопасности Tavus описывает в том же посте.

На практике: голосовые агенты переходят от «скажи и жди» к живому разговору с лицом, отсюда репетиторы, собеседования, поддержка.

Архитектура и демо: tavus.io/griffin

Pi 1.0: минималистичная обвязка для coding-агентов получила встроенный MCP

Earendil год говорила, что MCP Pi не нужен, и развернулась:
- MCP работает через Codemode: модель пишет короткий JS-скрипт, который вызывает тулы параллельно, и в контекст попадает только итог
- Codemode стал экономнее на ~40% токенов промпта (в changelog пример 5,3K → 3,3K)
- «виртуальные модели»: планировать одной моделью, писать код другой; тулы можно подгружать только когда нужны
- Pi Durable для долгоживущих агентных приложений вынесли в отдельный экспериментальный пакет; всё под MIT

Обратная сторона: fullscreen TUI теперь по умолчанию (теряется обычный скроллбэк), а на HN жалуются, что локальные open-модели через MCP галлюцинируют вызовы тулов. Прежде чем переезжать, проверьте свою связку модель + тулы.

Кому: тем, кто устал синхронизировать скиллы и MCP-конфиги между Claude Code и Codex.

Релиз и установка: earendil.com/posts/pi-1-0
Код: github.com/earendil-works/pi

d-Matrix показала Raptor: ускоритель для инференса LLM, где DRAM-кристалл лежит прямо на вычислительном чипе

Генерация упирается не в вычисления, а в память: каждый новый токен перечитывает KV-cache. У SRAM полоса огромная, но всего пара ГБ, у HBM4 сотни ГБ, но меньше 20 TB/s.

- 3D-DRAM поверх логики TSMC N4P: ~100 TB/s на карту, 0.45 pJ/bit (по их замерам ~6× экономнее HBM3)
- по оценке авторов: в 4.71 раза больше токенов/с на карту, чем с HBM, и в 2.44 раза, чем на SRAM-ускорителях
- проверяли на Llama 3.1 70B, DeepSeek-V3, Kimi K2, GPT-OSS и Whisper

Оговорки: все цифры от самой компании, часть результатов — моделирование, модуль ест 422 Вт и греется до 105°C. Это железо для дата-центров, не для ноутбука.

Статья (ISCA 2026): ramyadhadidi.github.io/files/dMatrix-Raptor-ISCA.pdf

Reflection AI показала Beam, свою первую открытую модель: MoE на 501B параметров, из них 23B активны на токен

- заточена под код и агентов, контекст до 1M токенов, есть параметр «усилия на рассуждение»
- по их бенчмаркам уровень GLM-5.2 при в 3–4 раза меньших вычислениях на инференсе; Kimi K3 и Qwen 3.8-Max пока сильнее по качеству
- RL на 10.5 тыс. GB300 четыре недели: больше 100 млн роллаутов, около миллиона сред для кода и агентов
- веса под Apache 2.0 обещают позже в этом месяце вместе с техотчётом, пока доступ по листу ожидания

На практике: если цифры подтвердятся, это сильная открытая модель для своих агентов на своём железе, без китайской лицензии. Но пока это анонс: весов и независимых замеров ещё нет.

Подробности и запись в ранний доступ: reflection.ai/beam

Google выпустила EmbeddingGemma 2: одна открытая модель переводит текст, код, картинки, видео и аудио в общее векторное пространство

- 740M параметров, Apache 2.0. Для одного текста хватает 270M, энкодеры зрения (170M) и аудио (300M) подключаются отдельно
- контекст 8K токенов: это 5,5 минуты аудио или 58 кадров видео за раз
- на Pixel 11 Pro полная модель занимает ~567 МБ RAM, только текст ~191 МБ (цифры Google)
- MTEB Code вырос с 68.76 до 78.68, векторы режутся с 768 до 128 измерений без переобучения

На практике: поиск клипа по голосовой заметке или RAG по фото и записям прямо на телефоне, без отправки данных в облако. Сравнений с крупными закрытыми эмбеддерами Google не приводит, только «лучшая среди моделей до 1B».

Веса и примеры: huggingface.co/google/embeddinggemma-2

Mistral показала Large 4, внутреннее имя «Le Chonk»: 1T параметров, из них 49B активны на токен

- пока только preview API, веса обещают выложить в конце октября после ред-тиминга с компаниями и госорганами
- обучена с нуля на ~3800 GPU Grace Blackwell в собственных дата-центрах Mistral в Европе
- по данным Mistral, 82% на задаче «воспроизведи реальную уязвимость и закрой её» и 93% на Cybench (40 задач CTF)

Mistral прямо продаёт это как плюс: Claude Opus 5.5 и GPT-6 Astra на том же тесте близки к нулю, потому что отказываются. Обратная сторона та же: открытые веса с сильными кибер-навыками достанутся и атакующим, поэтому выпуск и отложили. Независимых бенчмарков пока нет.

Анонс и бенчмарки: mistral.ai/news/mistral-large-4

Anthropic выпустила Claude Haiku 5.5, самую быструю и дешёвую модель линейки 5.5

- цена при промпте до 100K токенов: $0.10 за 1M входных и $0.50 за 1M выходных. Haiku 4.5 стоил $1 и $5, то есть в 10 раз дороже
- длиннее 100K дороже: $0.50 и $2.50
- первый Haiku с настройкой усилия: можно менять глубину рассуждений под задачу
- кэш промптов экономит до 90%, batch до 50%
- есть в claude.ai, Claude Code, API, AWS, Google Cloud и Microsoft Foundry

Anthropic прямо предлагает связку: Opus или Fable планирует задачу, Haiku выполняет подзадачи как дешёвый субагент. Сравнения с GPT-6 Luna, которые гуляют по каналам, пока держатся на бенчмарках вендора, независимых замеров нет.

Подробности и цены: anthropic.com/claude/haiku

Ghidra MCP Server: 253 инструмента, через которые ИИ-агент разбирает бинарники в Ghidra

- не только чтение: агент переименовывает функции, задаёт типы, пишет комментарии, создаёт структуры и запускает скрипты
- эмуляция P-code, живой отладчик и анализ потоков данных
- правила именования встроены в инструменты: что-то правится само, что-то блокируется с объяснением
- документация переносится между версиями бинарника по SHA-256 функций
- GUI-плагин или headless-сервер, есть Docker. Лицензия Apache 2.0, около 4,8 тыс. звёзд

На практике: можно отдать агенту рутину реверса, разметку сотен функций, и проверять результат, а не печатать имена руками. Права на запись и запуск скриптов стоит держать в песочнице: агент с полным доступом к проекту может и навредить.

Код: github.com/bethington/ghidra-mcp

WeftCut: открытый видеоредактор, которым управляет ваш ИИ-агент через MCP

- внутри локальный MCP-сервер со всеми инструментами монтажа: обрезка, склейка, титры, ключевые кадры, микширование. Подключаются Claude, Codex, Cursor или свой клиент
- правки агента появляются на таймлайне прямо во время воспроизведения, каждый вызов виден строкой в панели Agent
- агент ставит чекпоинты, любую пачку правок можно откатить одним кликом; есть dry_run на копии проекта
- сам находит паузы в речи, режет по сменам планов, транскрибирует локально через whisper.cpp
- титры и плашки агент пишет как веб-страницу (HTML/SVG), и они рендерятся покадрово

MIT, macOS/Windows/Linux, до v1.0 интерфейс ещё будет меняться. Весов моделей в установщике нет, модель подключаете свою.

Код и релизы: github.com/WeftCut/WeftCut

Anthropic обновила правила использования Claude: с 12 ноября за систематическую жестокость к модели можно получить бан

- запрет касается только крайних случаев: долгой и бессмысленной травли модели. Раздражение, споры, мрачные сюжеты, тесты и исследования не трогают
- основной механизм остаётся прежним: Claude сам завершает разговор с упорно агрессивным пользователем
- рядом более весомые пункты: единый раздел про фейк-аккаунты и кампании влияния, запрет на ПО наведения оружия и системы слежки
- для роботов на Claude оператор обязан видеть железо и уметь его остановить

Сторонники говорят, что это продолжение работы над благополучием моделей. Критики спрашивают, кто и по каким признакам решит, что «жестоко». Формулировки пока размытые.

Полный текст изменений: anthropic.com/news/2026-usage-policy-update