В твиттере распускают слухи и новых Opus-5.2 и более дешевом GPT-Sol.

Говорят, что последняя модель станет базой для агента, который будет работать по типу Grok Bot-а.
Подписка на этого агента стоит 200 баксов - не пробовал его, но люди хвалят. Попробовал подписаться на нового агента Muse от Меты, но стою в бесконечном ожидании. Надеюсь, с GPT все будет иначе…

https://t.me/vibecoding_tg/3868

Судя по всему, скоро придется использовать и такие ресурсы.. Презентацию не нарисуешь, но сделать исследование - отлично.

Впрочем, OpenAI балует пользователей сбросами лимитов - у меня пара лежит, посмотрите, у вас тоже наверняка есть. Они сгорают за месяц, так что пользуйтесь, когда выбрали лимит

100%. Секта. Корпорация добра. Модельки хорошие, но вот эти добрые самаритяне, которые их делают.. до добра не доведут

https://t.me/ai_machinelearning_big_data/10941

Cloudflare открыла skill, который превращает coding‑агента в аудитора безопасности

Это не просто промпт «найди уязвимости». Skill проводит полноценный defensive‑аудит в несколько фаз:

— строит карту архитектуры, границ доверия и поверхностей атаки;
— запускает отдельных агентов‑«охотников» по классам атак;
— отдаёт каждую находку независимому агенту, который пытается её опровергнуть;
— фиксирует результаты в машиночитаемом формате: confirmed, needs_validation, rejected;
— генерирует отчёт только после повторной проверки.

Главная мысль Cloudflare: агент не должен считаться правым только потому, что уверенно назвал «CVE». Подтверждённая находка — это конкретная нарушенная граница доверия и наблюдаемый эффект; отсутствие best practice — лишь рекомендация по hardening.

Важное ограничение: такой аудит требует реального sandbox‑окружения без сети и доступа к боевым системам. Это инструмент для безопасной проверки исходников, а не автономный пентест продакшена.

Для pet‑проектов, API, MCP, auth/roles и supply chain — очень сильный шаблон того, как надо строить агентное security‑ревью.

Исходники skill на GitHub · оригинальный пост Cloudflare

Мультимодальная модель от Qwen и существенное снижение цен. Я для задач по видео-аудио использую DeepSeek, но почему бы не посмотреть и на Qwen 3.8, благо подписку за $20 себе оформил..

Exa научила агентов искать в прошлом

Exa запустила Snapshot — поиск по сохранённым версиям веб‑страниц на заданную дату. В API появился параметр snapshotAsOf: можно попросить агента исследовать интернет таким, каким он был, например, 1 июня 2026 года — без материалов, опубликованных позже.

Это решает важную проблему агентских evals. Если сегодня проверять модель на задачах из июня, обычный веб‑поиск может найти готовый ответ в свежем посте, статье или GitHub PR. Snapshot «отрезает будущее» и позволяет понять: агент действительно решил задачу или просто подсмотрел решение.

Другие сценарии: backtesting веб‑сигналов, сравнение старых версий документации, цен, политик, отчётности и публичных заявлений.

Но есть важный нюанс. Exa заявляет 400+ млрд снимков за 20 лет, однако в публичном API сейчас доступно только скользящее окно в 5 месяцев и до 100 запросов. Кроме того, историческим является содержимое страниц, а URL всё ещё отбираются с помощью текущих сигналов ранжирования. То есть это не полноценная Wayback Machine и не точная реконструкция поисковой выдачи на конкретный день.

Для агентов и исследований — очень сильный инструмент: можно делать воспроизводимые тесты и не давать модели выигрывать за счёт знания будущего.

Оригинальный анонс Exa · Документация

OpenAI оптимизировал свою лучшую модель Astra для работы с законодательством. Я уже «испытываю на людях» два нормативных акта, сделанных нейронкой - правда, это был Fable.

С учетом детоксикации от Антропика, попробую теперь писать на Астре. Любопытненько..

PS Это пока доступно только для американских юридических фирм и на американском законодательстве. Но сам харнесс интересный - хочется его разобрать..

Jev похожа на небольшую революцию в нейронках. Думаю, что мы еще очень много об этом услышим. Буду пробовать и разбираться как прикрутить к моим задачам

Jev и OpenJev: зачем агентам модель, которая не умеет говорить

Пока все соревнуются в том, кто лучше генерирует текст, TypeSafe предложила другой слой для агентных систем — Jev.

Jev не пишет ответ токен за токеном. Он получает состояние задачи и набор разрешённых решений, а возвращает одно из трёх типизированных действий:
— выбор из вариантов;
— оценку по шкале;
— ответ «да / нет»;
— плюс вероятность и confidence.

То есть вместо цепочки

LLM → JSON → парсер → retry, потому что JSON сломался

можно сделать так:

state → Jev → choice / score / boolean → обычный код.

Для агента это «умный if»: выбрать следующий tool или субагента, решить retry / stop / ask human, оценить риск действия, отсортировать источники RAG или проверить, нужен ли ручной контроль.

Почему это интересно

Многие решения внутри агентного цикла вообще не требуют красивого текста. Нужен быстрый и строго ограниченный выбор. Jev не может вернуть вариант вне заданного списка — но это не означает, что он всегда выбирает правильный вариант. Ошибки смысла остаются, поэтому нужны other, пороги confidence и fallback на человека либо сильную LLM.

TypeSafe заявляет до 193× меньше latency и до 445× меньшую стоимость по сравнению с LLM-workflow. Это собственные eval’ы компании, а не независимый бенчмарк. Цена в early access — $0,042 за миллион входных токенов; оригинальный Jev пока закрытый и работает как внешний US API.

Аналоги уже появились

Под именем OpenJev возникло несколько независимых открытых проектов:

— один читает logits обычной Qwen3.5‑4B: модель один раз понимает контекст, затем параллельно оценивает заранее написанные варианты без генерации текста;
— другой дообучает Qwen3.5‑4B как NLI cross-encoder: «утверждение следует из текста / противоречит ему / нейтрально»;
— обычные reranker-модели решают более узкую задачу — ранжируют найденные документы, но не являются полноценным диспетчером агентного цикла.

Это не клоны Jev. У открытых вариантов пока нет доказанной калибровки вероятностей и нет гарантии, что они повторяют качество/экономику оригинала. Но как локальный decision-layer они уже интересны.

На базовом Mac mini M4 с 16 ГБ 4B-версия в Q4 поместится без проблем. Это не замена Claude/Codex, а небольшой локальный сервис перед ними: дешёво сортирует поток, а сложное и неуверенное отдаёт сильной модели.

Рабочая схема выглядит так:

жёсткие правила в коде → локальный OpenJev/классификатор → сильная LLM или человек для сложных случаев.

Для российского корпоративного контура это особенно практично: оригинальный Jev лучше не кормить рабочими документами, а OpenJev-подобный слой можно запускать локально или воспроизводить на российском API со structured output.

Оригинальный Jev · Jev в Vercel AI Gateway · OpenJev browser lab · Qwen3.5‑4B OpenJev

Пока мы тут сидим вайбкодим, смотрите, какой документ интересный у нас приняли

Сломались все-таки ))

https://t.me/defendend_ai_dev/108