„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.
„OpenAI“ pradėjo viešąją „Responses API“ beta versiją, leidžiančią pasirinkti nustatytus fono užduočių vykdymo intervalus. Pasirinkę dviejų arba aštuonių valandų vykdymo langą, galite gerokai sumažinti žetonų naudojimo išlaidas.
„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.
„Microsoft“ saugumo tyrėjai ištyrė scenarijų, kuriame užpuolikai naudoja sukčiavimą (phishing), siekdami perimti DI kodo įrankius naudojant „OAuth“ įrenginio kodo srautus. Apgaulės būdu privertus vartotojus patvirtinti autentiškai atrodančią užklausą, užpuolikai gali gauti prieigą prie privačių saugyklų, sesijų istorijos ir valdyti aktyvias komandinės eilutės agentų sesijas.
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.
„Siemens“ išleido pataisymus dviem „Mendix Studio Pro“ MCP serverio saugumo spragoms. Šie pažeidžiamumai leido nuotoliniu būdu prisijungti prie serverio arba vykdyti neteisėtus veiksmus per CSRF (tarp-svetaininės užklausų klastotės) atakas.
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.
AssemblyAI išleido STT-3.7 modelių šeimą, skirtą įrašytam garsui, pokalbiams realiuoju laiku ir balso agentams. Be to, bendrovė pristatė savo pirmąjį teksto į kalbą (TTS) variklį, optimizuotą greitai ir natūraliai sąveikai pokalbių metu.
„Anthropic“ įdiegė teksto vandens ženklą naujausiems „Claude“ modeliams: „Opus 4.6“, „Opus 4.5“, „Sonnet 4.5“ ir „Haiku 4.5“. Vandens ženklas pridedamas naudojant numatytuosius parametrus, tačiau gali neatsirasti, jei vartotojai keičia temperatūros, „top_p“ ar „top_k“ reikšmes.
„MoEngage“ integravo dirbtinio intelekto agentus į savo klientų įtraukimo platformą, naudodami Model Context Protocol (MCP) ir „Amazon Bedrock AgentCore“, kad esamus API paverstų agentams prieinamais įrankiais. Vertindami savo platformą kaip izoliuotų sesijų ir standartizuotų įrankių schemų architektūrą, jie leido komandoms automatizuoti darbo eigas ir sprendimų priėmimą viename pokalbyje.
„TokenEconomizer“ yra naujas atvirojo kodo įskiepis, leidžiantis DI kodavimo agentams mokytis iš ankstesnių sesijų konkrečioje saugykloje. Stebėdamas pasikartojančius modelius, šalindamas nenaudojamus įrankius ir užkirsdamas kelią nesėkmių ciklams, jis ženkliai sumažina žetonų sunaudojimą nekeičiant paties agento ar jo bazinio modelio.
„Google“ išleido „Agent Substrate 1.0“ – atvirojo kodo platformą, skirtą DI agentų sesijoms „Kubernetes“ aplinkoje valdyti. Atskiriant būseną palaikančias sesijas nuo kompiuterinių išteklių, galima „parkuoti“ neveikiančius agentus objektų saugykloje ir atlaisvinti darbinį mazgą.
„OpenAI“ pristatė „omni-moderation-csam-latest“ – specializuotą modelį, skirtą identifikuoti vaikų seksualinio išnaudojimo medžiagą (CSAM) vaizduose. Patvirtintos organizacijos šiuo įrankiu gali naudotis nemokamai, kad būtų lengviau prioritetizuoti turinį žmogaus peržiūrai.