Tyrėjai pristatė „Limite 1B - Violetto“ – kompaktišką 1 milijardo parametrų modelį, sukurtą matematinių užduočių sprendimui. Jis palaiko 131 tūkst. žetonų konteksto langą ir yra platinamas pagal „Apache 2.0“ licenciją.
Naujas priežastinis metodas RAW (Refusal Aversion in the Wild) naudoja LLM stochastiškumą, kad išmatuotų, kaip dažnai vartotojų užklausų atmetimas lemia platformos palikimą. Analizuodami egzistuojančius sąveikos žurnalus, galite nustatyti tikslų priežastinį atsisakymų poveikį tolesniam vartotojų įsitraukimui.
„Amazon“ paskelbė etaloninę architektūrą, skirtą „Bedrock AgentCore“ prijungti prie privačių REST API ir MCP serverių ribojamoje tinklo aplinkoje. Naudojant VPC „Lattice“ išteklių šliuzą (resource gateway), esantį atskirame tinklo paskyros VPC, srautas tarp agentų ir vidinių įrankių yra nukreipiamas per centrinę ugniasienę.
AWS pateikia tris strategijas, kaip valdyti masyvius JSON duomenų paketus (virš 20 MB) AI agentuose, pasiekiant iki 71 % mažesnį tokenų sunaudojimą ir 80 % mažesnį delsos laiką. Metodas apima duomenų perkėlimą į Amazon S3, rezultatų fragmentavimą ir žodynų glaudinimą.
„Amazon“ paskelbė saugumo vadovą, skirtą AI agentams, naudojantiems „Bedrock AgentCore Runtime“, diegti, pabrėžiant tvirtos įsilaužimo kontrolės svarbą. Vadove išsamiai aprašoma, kaip naudojant tapatybės propagavimą ir sluoksniuotą autorizaciją išvengti duomenų nutekėjimo tarp nuomininkų ir privilegijų eskalavimo.
„Google“ atvėrė „Sashiko“ – agentinę sistemą, naudojančią „Gemini 4 Carbon“ Linux branduolio pataisoms peržiūrėti. Atskyrus klaidų aptikimą nuo įrodymais pagrįstos verifikacijos, smarkiai sumažėjo pataisymų po kodo sujungimo poreikis.
„Amazon“ „SageMaker“ platformoje įdiegė naujas dirbtinio intelekto pagrindu veikiančias duomenų paruošimo galimybes, palengvinančias aukštos kokybės duomenų rinkinių kūrimą ir priežiūrą. Funkcionalumas apima automatinį žymėjimą, sintetinių duomenų generavimą ir kokybės patikras, valdomas per „Python SDK“ arba AI agentus.
„Reson8“ išleido „Rumble-2-Flash“ – atviro kodo 0,5 mlrd. parametrų kalbos atpažinimo (STT) modelį, palaikantį daugiau nei 40 kalbų. Jis pasiekia 30 mlrd. parametrų modelių lygį triukšmingų skambučių centro pokalbių transkribavime.
Amazon SageMaker AI pristatė naują 'KV_AWARE' nukreipimo strategiją, kuri nukreipia LLM užklausas į egzempliorius pagal faktinę KV podėlio būseną, o ne tik pagal užklausos pradžią. Tai optimizuoja daugiasluoksnius pokalbius ir ilgo konteksto užduotis, užtikrinant, kad užklausos patektų ten, kur jau saugomi reikiami duomenys.
„Microsoft“ pristatė „Perception“ – saugumo platformą, skirtą suvaldyti rizikas, kylančias dėl dirbtinio intelekto valdomų automatizuotų kibernetinių atakų. Platforma koordinuoja „raudonosios“, „mėlynosios“ ir „žaliosios“ komandų agentus per automatizuotus veiksmų planus, kad aptiktų, ištirtų ir šalintų spragas mašininiu greičiu. Taip pat pristatytos naujos funkcijos, skirtos apsaugoti „agentinius insaiderius“ – autonomiškai veikiančius DI agentus jūsų tinkle.
„Microsoft“ ir „Salesforce“ pristatė „Copilotforce“ – iniciatyvą, integruojančią „Salesforce“ klientų duomenis ir darbo eigas į „Microsoft Copilot“ bei „Teams“. Ši partnerystė naudoja autentifikuotą MCP prieigą, leidžiančią AI agentams veikti naudojant CRM duomenis laikantis esamų saugumo ir leidimų taisyklių.
„NVIDIA“ paskelbė technines gaires, kaip kurti retosios dėmesio („sparse attention“) mechanizmus didelio konteksto modeliams. Optimizuojant „indexer“ branduolius, kurie prieš atliekant pilną dėmesio skaičiavimą nustato svarbiausius duomenis, galima žymiai padidinti išvedimo (inference) efektyvumą esant daugiau nei 100 tūkst. žetonų kontekstui.
„Anthropic“ pradėjo „Linked billing“ bandomąją versiją, kuri leidžia galutiniams vartotojams tiesiogiai apmokėti už API naudojimą per savo „Anthropic“ organizacijas. Naudodami „user-profiles-billing-2026-10-01“ beta versijos antraštę, kūrėjai dabar gali pasirinkti, kas apmoka už užklausą.
„Amazon“ pristatė trijų fazių planą, skirtą padėti platformų ir aplikacijų komandoms operacionalizuoti atsakingą DI agentinėse sistemose. Jame sprendžiami nenuspėjamo elgesio, duomenų izoliavimo ir atitikties reguliavimui iššūkiai, kai agentai pereina nuo bandomosios versijos prie gamybinės aplinkos.
„Google“ pristatė „Tasks in Gemini“ – naują funkciją, leidžiančią dirbtinio intelekto asistentui vykdyti fonines, kelių etapų užduotis. Atnaujinimas apima automatizuotus pirkimus naudojant „Google Pay“, užduočių valdymą SMS žinutėmis, darbų automatizavimą el. paštu bei „Agentic Calling“ funkciją, skirtą skambučiams ir rezervacijoms atlikti.
NVIDIA pristatė „Nemotron for Science“ – įrankių rinkinį, jungiantį „Nemotron 3.5 Super VL“ modelį su specializuotais chemijos duomenų rinkiniais ir apmokymo receptais. Ši platforma leidžia tyrėjams diegti vietinius agentus, kurie gali savarankiškai planuoti eksperimentus, vykdyti kodą ir patikrinti duomenų rezultatus.
NCSC įspėja, kad standartinio saugumo stebėjimo nebepakanka norint aptikti sudėtingus užpuolikus, ypač kai jie naudoja dirbtinį intelektą operacijų greičiui ir mastui didinti. Organizacijos turi pereiti prie proaktyvios grėsmių paieškos, orientuotos į ilgalaikį užpuolikų elgesį (TTP), o ne tik į kintančius kompromitacijos indikatorius.
Pristatytas „OmniTag-Bench“ – naujas penkių kalbų vertinimo rėmas, skirtas multimodalių LLM testavimui, atliekant sinchroninę kalbos transkripciją ir metaduomenų žymėjimą. Tyrimas rodo, kad vienas, papildomai apmokytas multimodalus modelis gali išgauti transkripciją, emocijas, lytį, kalbą ir vardines entybes vienu žingsniu, pakeičiant atskirus specializuotus modelius.
Tyrėjai pristatė „Trident“ – sistemą, skirtą LLM pagrįstiems agentams optimizuoti, sprendžiant tris informacijos apdorojimo problemas: neefektyvų atminties valdymą, nereikalingą elgsenos dubliavimąsi ir nesaugų agento perrašymą. Įdiegus „Trident“, agentai pasiekia žymiai geresnių rezultatų atlikdami sudėtingas, ilgos trukmės užduotis.
Tyrėjai pristatė EndoUT – priešininkiško (adversarial) testavimo metodą, skirtą nustatyti universalius užklausų paleidiklius, kurie gali stipriai sumažinti LLM modelių naudingumą. Analizuodami, kaip modifikuotas kontekstas trikdo modelio pradinius atsakymus, užpuolikai gali sukurti fiksuotus simbolių junginius, kurie destabilizuoja modelio veikimą neturint prieigos prie specifinių užduočių ar vertinimo duomenų.
„Amazon Bedrock“ pristatė naują atmintį palaikančią funkciją „AgenticRetrieveStream“. Ji automatizuoja su naudotoju susijusių faktų bei pokalbių istorijos saugojimą ir paiešką, leisdama agentams pateikti kontekstu pagrįstus atsakymus, kartu išlaikant griežtą dokumentų prieigos kontrolę.
„AssemblyAI“ išleido STT-3.7, naują kalbos į tekstą modelį, pakeičiantį „Universal“ šeimą. Jis pasižymi platesniu kalbų palaikymu ir žymiai tikslesniu kalbėtojų identifikavimu.
AssemblyAI išleido AssemblyAI-STT-3.7-Realtime-Agent – kalbos atpažinimo modelį, optimizuotą specialiai balso agentų veiklai. Jis skirtas spręsti tokias problemas kaip foninis triukšmas pokalbio metu ir svarbių duomenų, pavyzdžiui, skaičių, tikslus fiksavimas sakinio pabaigoje.