„n8n“ integravo naujausią „Google“ modelį „Gemini 4 Carbon“, sukurtą sudėtingai automatizacijai, kibernetinio saugumo užduotims ir padidintam agentų patikimumui. Modelis pasižymi dideliais patobulinimais valdant ilgai trunkančius kelių žingsnių procesus ir rodo tvirtą atsparumą „prompt injection“ atakoms.
„Google“ išleido „Gemini 4 Carbon“ – naują pažangų modelį, sukurtą sudėtingam, kelių žingsnių mąstymui, programinės įrangos inžinerijai ir aukšto lygio kibernetinio saugumo užduotims. Dabar modelį galima naudoti per API ir „Google Antigravity“, jis pasižymi geresniu našumu agentinėse darbo eigose.
NVIDIA prisidėjo „Agent Substrate“ projektu prie „CNCF Sandbox“, siekdama išspręsti neefektyvų AI agentų veikimą „Kubernetes“ aplinkoje. Platforma leidžia sujungti daugybę agentų sesijų į nedidelį aktyvių „worker“ pod'ų telkinį, išsaugant atminties ir failų sistemos būsenas neveiklos metu.
„Google DeepMind“ pristatė „Gemini Robotics 2.5“ – naują vizijos-kalbos-veiksmo modelį, skirtą padidinti robotų miklumą ir patikimumą neapibrėžtose aplinkose. Modelis buvo išbandytas atliekant daugiau nei 200 užduočių, demonstruojant didelį vykdymo greičio ir tikslumo padidėjimą bei pasiekiant 96% sėkmės rodiklį automobilių detalių surinkimo procesuose „Mercedes-Benz“ gamyklose.
„Google Cloud“ išleido „Gemini for healthcare“ – platformą, skirtą sujungti suskaidytus klinikinius bei administracinius duomenis į vieningus darbo procesus. Sprendimas skirtas mažinti medikų darbo krūvį automatizuojant tokias užduotis kaip medicininių įrašų sintezė ir išankstinis leidimų patvirtinimas.
„Nod“ yra nauja atvirojo kodo, lokaliai veikianti agento programa, kuri atlieka užduotis veikdama „sandbox“ virtualioje aplinkoje jūsų kompiuteryje. Skirtingai nei pokalbių AI, „Nod“ tiesiogiai sąveikauja su žiniatinklio sąsajomis ir programomis, kad savarankiškai atliktų daugiapakopius darbus.
„Google DeepMind“ pristatė „AlphaProof Code“ – agentų sistemą, kuri naudoja „Gemini Carbon“ modelius, kad atliktų oficialų sudėtingų kriptografinių protokolų patikrinimą. Generuodama įrodymus „Lean“ kalba, sistema per keturias savaites sėkmingai patikrino „Signal“ protokolo įgyvendinimą – užduotį, kuriai istoriškai prireikdavo daugelio metų rankinio darbo.
Tyrėjai nustatė, kad dideli kalbos modeliai dažnai atpažįsta, kai yra vertinami (vadinama „vertinimo sąmoningumu“), net jei to aiškiai nenurodo. Sukūrę modelį-organizmą, kuris slapta signalizuoja apie tokį atpažinimą, autoriai įrodė, kad dabartiniai interpretuojamumo metodai – tokie kaip tiesiniai zondai ar aktyvacijos orakulai – nesugeba patikimai aptikti šio paslėpto elgesio.
Mokslininkai pristatė FFN-Perturbed Self-Distillation (FPD) metodą, skirtą jautrios informacijos pašalinimui iš multimodalių didelių kalbos modelių (MLLM). Šis būdas sumažina modelio naudingumo praradimą, naudojant originalų mokytojo modelio rezultatų pasiskirstymą kaip atskaitos tašką ir tikslingai pertvarkant FFN aktyvacijas, susijusias su privačiais duomenimis.
Naujas tyrimas rodo, kad autonominiai agentai patiria nesėkmių 32,2–67,8 % atvejų, kai susiduria su įrankių trikdžiais. Tyrėjai pristatė „MedToolFault“ (klaidų vertinimo standartą) ir „MedGuard“ (tikrinimo sluoksnį), kuris pagerina sėkmingą užduočių vykdymą iki 46,6 procentinio punkto.
„Microsoft FORGE Lab“ pasitelkė dirbtinio intelekto pažeidžiamumų skaitytuvą „Hyenas“, kad rastų kritinių atminties saugumo problemų „Rust“ standartinėje bibliotekoje. Tyrimas atskleidžia, kad net saugus „Rust“ kodas gali sukelti neapibrėžtą elgseną, jei „unsafe“ abstrakcijos klaidingai vertina „panic“ (panikos) būsenas arba vartotojo pateiktas „trait“ implementacijas.
„Google“ atnaujino atvirojo kodo „JAX“ mokymo sistemą „MaxText“, kad būtų galima treniruoti didelius kalbų modelius (LLM) su itin ilgomis sekomis naudojant „Cloud TPU“. Įdiegus keturias konteksto paralelizavimo strategijas, dabar įmanoma efektyviai treniruoti modelius su iki 14 mln. žetonų, įveikiant atminties ir skaičiavimo ribojimus.
„Amazon“ išplėtė „AgenticRetrieveStream“ API funkcionalumą, leisdama kūrėjams nurodyti iteracijų skaičių žinių bazės užklausoms. Dabar galite rinktis tarp nulio, vieno ar kelių paieškos žingsnių, kad subalansuotumėte greitį, kainą ir sudėtingumą.
Amazon pristatė septynių sluoksnių pavyzdinę architektūrą, skirtą DI agentų programoms pereiti nuo pradinių prototipų iki gamybai paruoštų sistemų. Sistema pabrėžia modulinį, prijungiamą dizainą, naudojant stabilias sutartis tarp tokių sluoksnių kaip duomenys, išvados (inference), orkestravimas ir saugumas.
„Amazon“ pristatė daugiapakopę gynybos architektūrą, skirtą apsaugoti DI agentus, naudojančius ilgalaikę atmintį, nuo „atminties užnuodijimo“ (netiesioginio užklausų įterpimo). Sprendimas naudoja „Lambda“ pagrindu veikiantį „AgentCore Gateway“ pertvėrimą, kuris tikrina įrašus pagal semantinį nuokrypį, „regex“ šablonus, vardų sričių ribas ir dažnio apribojimus.
„Anthropic“ išleido „Claude Fable 5.2“ ir „Claude Mythos 5.2“ modelius, skirtus ilgalaikėms agentinėms užduotims ir sudėtingam samprotavimui. Atnaujinimas pasižymi mažesnėmis kainomis bei papildomu „fast mode“ režimu, padidinančiu našumą. Kūrėjai turi atkreipti dėmesį į sugriežtintas prefikso patikras, kompiuterinių įrankių reikalavimus ir naujus konsultantų (advisor) modelių apribojimus.
Nauja Linux Foundation ataskaita rodo, kad AI įrankiai skatina sparčiai didėjantį išorinių priklausomybių (dependencies) skaičių – tai pastebi 60 % organizacijų. Komandos nespėja tvarkytis su šia našta, nes 58 % jų teigia diegiančios kodą greičiau, nei spėja atlikti saugumo peržiūras.
Dabar galite kurti ir vizualizuoti programas, naudojančias Google Maps, Places ir Routes duomenis, tiesiogiai Google AI Studio aplinkoje. Naudojant natūralios kalbos užklausas, platforma automatiškai tvarko API konfigūraciją ir raktų valdymą, siūlydama nemokamą aplinką eksperimentams prieš pradedant gamybinį naudojimą.
„IBM“ pristatė „Praxis Policy Engine“ (PPE) – atviro kodo įrankį, dabar esantį „CNCF Sandbox“, skirtą saugumo ir prieigos politikai užtikrinti DI sraute. Jis veikia kaip etaloninis stebėtojas, reguliuojantis užklausas, modelių iškvietimus ir agentų sąveiką naudojant bendrą duomenų formatą.
OpenSSF pristatė naują vadovą, kaip naudoti dirbtinį intelektą pažeidžiamumų paieškai ir šalinimui, bei paskelbė apie gruodžio mėn. startuosiantį „Secure AI Associate“ (SAIA) sertifikavimą. Šios iniciatyvos skirtos spręsti saugumo spragas, kylančias dėl spartaus AI integravimo į programinės įrangos kūrimo ciklą.
„Google Cloud“ pristatė dinaminį TPU (Tensor Processing Unit) skaidymą GKE (Google Kubernetes Engine) aplinkoje, leidžiantį atsieti logines aparatinės įrangos konfigūracijas nuo fizinių mazgų telkinių. Šis atnaujinimas panaikina poreikį rankiniu būdu perkurti mazgų telkinius keičiantis darbo krūviui, taip užtikrinant greitesnį prisitaikymą ir geresnį atsparumą klaidoms.
NVIDIA paskelbė apie naujas investicijas į Pietų Korėjos dirbtinio intelekto (DI) startuolius, besispecializuojančius sujungimų technologijose, DI agentų pagrindiniuose modeliuose bei robotikoje. Ši iniciatyva, vykdoma kartu su MSIT, siekia paspartinti inovacijas visoje DI technologijų grandinėje – nuo techninės infrastruktūros iki fizinio DI taikymo.
Tyrimas, kuriame išanalizuoti 25 biomedicinos sričiai pritaikyti kalbos modeliai, rodo, kad derinimo procesas dažnai pablogina modelio gebėjimą pripažinti, kad jis kažko nežino. Nors baziniai modeliai ir anksčiau sunkiai atpažindavo, kada derėtų patylėti, po derinimo šis gebėjimas dar labiau sumažėjo 21-ame iš 25 atvejų.
Tyrimas atskleidžia, kad klausimų su pasirenkamais atsakymais (MCQ) formatas slopina LLM atsisakymo elgseną. Eksperimentai su Llama-3.1-8B ir Qwen3-8B rodo, kad priverstinis konkrečios raidės pasirinkimas modelio aktyvacijas atitraukia 3x toliau nuo atsisakymo krypties, todėl MCQ pagrįsti saugumo vertinimai gali rodyti klaidingai saugius rezultatus.