META анонсировал персонального агента Muse 😀

Согласно странице продукта, Muse работает внутри постоянно запущенной изолированной виртуальной машины на Linux.

У него есть собственный компьютер с файловой системой и терминалом, поэтому он может писать код и создавать инструменты, необходимые для выполнения задачи. У него также есть доступ к полноценному браузеру, поэтому он может искать информацию, переходить по сайтам, заполнять формы и выполнять транзакции, например бронировать и покупать.

По ощущениям это меньше похоже на Grok Bot или агентов ChatGPT Work и больше на простой способ войти в тему автоматизации для тех, кто уже активно пользуется экосистемой Meta.

Работает на Muse Spark 1.3 и доступен на iOS и Android, но, похоже, пока только в отдельных регионах.

До 100 млн токенов в неделю бесплатно.

https://introducing.muse.ai/

Anthropic выпустила статью про оптимизацию затрат Claude. ⚽

На что стоит обратить внимание:

При переходе на новую модель старые промпты тоже нужно пересматривать.

Инструкции, которые когда-то добавлялись как костыли для старых моделей, могут мешать новым. Например, требование отвечать максимально подробно приводило к тому, что модель делала десятки лишних поисков по базе знаний. А принудительное требование писать черновик рассуждений в некоторых случаях приводило к тому, что вызовы инструментов попадали в рассуждения, но фактически не выполнялись.

В одном из тестов на задачах поддержки после очистки таких инструкций средняя стоимость снизилась на 14,6%, а точность выросла на 5,3%.

Максимальный уровень рассуждений может давать совсем небольшой прирост.

На HLE у Fable 5.1 переход на последний уровень max увеличил стоимость на 46%, а результат вырос всего на 0,5%. И то, это улучшение укладывалось в пределы погрешности теста.

При этом на CursorBench 3.2 Fable 5.1 с уровнем low смогла показать результат на уровне Fable 5 с high, но при стоимости примерно в три раза ниже. Более сильной модели иногда выгоднее дать меньше времени на рассуждения, чем заставлять более слабую модель думать на максимуме.

Промах кэша может происходить просто из-за того, что вы добавили временную метку.

Для работы кэша префикс должен совпадать полностью. Постоянно меняющееся время, ID в системном промпте или даже изменение порядка описаний инструментов могут сбросить весь последующий кэш. Если выполнение инструментов в агенте занимает слишком много времени, можно также выйти за срок жизни кэша.

Anthropic уже встроила такие проверки в claude-api skill для Claude Code. Команда /claude-api prompt-audit позволяет проверить промпты, а /claude-api cost-optimize — найти места, где можно снизить расходы на API.

Так что при переходе на новую модель стоит заново проверять старые CLAUDE.md, скиллы и настройки effort. Некоторые правила действительно были полезны раньше, а сейчас могут просто тратить токены.

DeepSeek объявила на своей API-платформе, что:

После официального запуска V4.1 Flash все запросы, которые раньше отправлялись в V4 Pro, будут полностью перенаправляться на V4.1 Flash и тарифицироваться по цене V4.1 Flash.

По словам компании, внутренние и внешние тесты показали, что V4.1 Flash уже превосходит V4 Pro по производительности, стоимости, скорости и общему времени выполнения.

То есть DeepSeek не собирается какое-то время держать Flash и Pro параллельно. Flash сразу заберёт весь трафик Pro.

Большая жирная рыба уплыла на пенсию. 🍺

Об этом мало кто написал, НО: Университет в Абу-Даби выпустил сразу ШЕСТЬ ИИ-моделей размером от 0,9 до 375 млрд параметров.

Они называются K2 Horizon. Обучены с нуля и полностью открыты: веса, рецепты обучения, датасеты и код.

До уровня GPT они пока не дотягивают, но модель на 7 млрд параметров набирает 70,6 на SWE-bench. Для сравнения, Qwen3.5-9B набирает 50,8.

🤖: https://huggingface.co/collections/IFM/k2-horizon

В топовых университетах начали всерьёз преподавать разработку AI-агентов.

Этой осенью Carnegie Mellon University запустил новый курс 11-768 "AI Agents", и программа близка к тому, чем прямо сейчас занимаются разработчики агентных систем.

Работа с инструментами, управление контекстом, навыки, память, планирование. Дальше идут агенты для программирования, работа с графическими интерфейсами, глубокий поиск, SFT и RL, изоляция среды и безопасность.

Задания здесь интересные.

Сначала студентам нужно собрать собственную агентную оболочку. Затем разработать систему оценки агента. После этого обучить агента с помощью RL. В конце — полноценный исследовательский проект.

По-моему, сама последовательность хорошо показывает, как в 2026 году начали смотреть на разработку агентов.

Просто научиться вызывать модель и давать ей инструменты уже недостаточно. Теперь нужно уметь построить вокруг модели рабочую систему, нормально её измерить, обучить и добиться того, чтобы она надёжно выполняла длинные задачи.

Материалы курса публикуются открыто, а лекции начали выкладывать на YouTube. 🕗

p.s: также 23 сентября в Stanford стартует новый курс CS329Z "Engineering AI Agents", материалы лекций также будут открыто публиковать на сайте по мере выхода.