Šios savaitės naujienos atspindi esminį poslinkį link specializuotos ir našios agentų infrastruktūros, pristatant naujus įrankius valdymui, kaštų optimizavimui bei agentų orkestravimui. Kibernetiniai nusikaltėliai vis aktyviau naudoja agentų sistemas piktavališkiems tikslams, todėl pramonė atsako diegdama stipresnius apsaugos bei tikrinimo sluoksnius. Kūrėjų komandos turėtų susitelkti į agentų atsparumą atakoms ir taikyti naujus būsenos valdymo bei informacijos paieškos metodus, užtikrinančius efektyvumą gamybinėse aplinkose.
Svarbiausios išvados
Naudokite būsenos valdymo funkcijas, pvz., Anthropic pranešimų gijas ir glaudesnę mąstymo istoriją, kad sumažintumėte vėlavimą bei tokenų sąnaudas.
Diekite daugiapakopes architektūras, pvz., Bedrock AgentCore, kad automatizuotumėte užklausų rūšiavimą ir užtikrintumėte žmogaus priežiūrą kritiniais atvejais.
Tikrinkite agentų atsparumą atakoms ir įdiekite saugumo priemones, tokias kaip Microsoft vykdymo konteineriai (MXC).
Išbandykite užduotimis pagrįstą maršrutizavimą – paprastas užklausas nukreipkite į lengvesnius modelius, o sudėtingą logiką – į galingus modelius.
Stebėkite agentų veikimą naudodami metaduomenimis grįstas architektūras (MCP), kad supaprastintumėte integraciją su duomenų saugyklomis.
Piktavaliai vis dažniau naudoja agentinius DI sistemas, tokias kaip ARTEX, kad nuskaitytų viešas „GitHub“ saugyklas, ieškodami nutekintų prisijungimo duomenų ir iškart vykdytų atakas prieš debesijos paslaugas. Šie agentai savarankiškai analizuoja rezultatus, adaptuoja API užklausas po nesėkmių ir gali pereiti nuo žvalgybos prie duomenų exfiltracijos iš tokių paslaugų kaip „Azure Key Vault“ per kelias minutes.
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.
NVIDIA pristatė diegimo receptus keturiems svarbiems Korėjos atviro kodo modeliams, tokiems kaip A.X K2 ir „Solar Open 2“, naudojant „Dynamo“ sistemą. Šie receptai yra specialiai pritaikyti kelių mazgų NVIDIA B200 GPU klasteriams, kad būtų galima efektyviai vykdyti didelio masto išvadas (inference).
Tyrėjai pristatė „RL-ATTACK“ – naują sistemą, kuri naudoja sutvirtintą mokymąsi (reinforcement learning) generuoti priešiškas atakas prieš kalbų modelius be prieigos prie jų vidinių parametrų. Besimokydamas iš modelio reakcijų, šis metodas pasiekia didelį efektyvumą su mažai užklausų ir geba apeiti apsaugos filtrus.
NVIDIA pristatė „Open Agent Safety Platform“ su „OpenShell“ aplinka, skirta saugiam autonominių agentų vykdymui ir politikos valdymui. Kartu „LG AI Research“ atvėrė API prieigą prie „K-EXAONE-2.5“ modelio, kuris remiasi nauju „Nemotron-Personas-Korea“ duomenų rinkiniu, apimančiu 7 milijonus sintetinių asmenybių.
Grėsmės veikėjas Storm-3358 vis dažniau naudoja agentinį AI karkasą ARTEX atakoms prieš finansų organizacijas vykdyti. Šis įrankis leidžia automatizuoti pažeidžiamumų paiešką, prisijungimo duomenų vagystes ir judėjimą tinkle dideliu greičiu, pasitelkiant standartinius įrankius, tokius kaip Nmap ar curl.
NVIDIA pristatė diegimo receptus keturiems svarbiems Korėjos atviro kodo modeliams, tokiems kaip A.X K2 ir „Solar Open 2“, naudojant „Dynamo“ sistemą. Šie receptai yra specialiai pritaikyti kelių mazgų NVIDIA B200 GPU klasteriams, kad būtų galima efektyviai vykdyti didelio masto išvadas (inference).
„Apple“ tyrėjai pristatė būdą pagreitinti maksimalios vidinės sandaugos paiešką (MIPS) RAG sistemose, naudojant mažus, konkrečiai užduočiai optimizuotus neuroninius tinklus. Apmokius modelius (SupportNet ir KeyNet) pagal užklausų pasiskirstymą, pasiekiamas didesnis tikslumas ir mažesnė delsa, palyginus su tradiciniu klasterizavimu.
„Google“ ataskaitoje teigiama, kad kaina už tūkstantį žetonų nebėra geriausias rodiklis, vertinant ekonominį efektyvumą; svarbiau – kaina už sėkmingai atliktą užduotį. Naudojant lengvus „noul“ klasifikatorius, agentai gali nukreipti paprastas užklausas į greitus modelius, pavyzdžiui, „Flash-Lite“, o sudėtingą logiką palikti pažangesniems modeliams.
Tyrėjai pristatė MEMENTO – specializuotą agentų sistemą, sukurtą Qwen3-8B pagrindu, kuri valdo ilgą kontekstą sutraukdama istoriją į glaustas pastabas. Naudojant dirbtinių trajektorijų apmokymą ir sustiprinamąjį mokymąsi (RL), pasiekiamas didelis tikslumas atliekant užduotis su knygomis, griežtai ribojant konteksto naudojimą iki 20 tūkst. žetonų, net kai įvestis siekia 2,5 mln. žetonų.
„Amazon“ pristatė darbo eigą, leidžiančią taikyti sekų lygio žinių distiliavimą (SeqKD), siekiant apmokyti mažesnius modelius remiantis didžiųjų „frontier“ modelių sugeneruotomis veiksmų trajektorijomis. Naudojant mokytojo modelį sėkmingiems įrankių naudojimo veiksmams sugeneruoti ir filtruojant juos programiniu vertintoju, komandos gali sukurti kompaktiškus studento modelius, kurie atlieka sudėtingas užduotis žymiai mažesniais kaštais.
NVIDIA pristatė keturis 16B parametrų patikros taškus savo „Cosmos 3 Nano“ modelių šeimoje, skirtus interaktyviam pasaulio modeliavimui. Šie modeliai leidžia kūrėjams generuoti sintetinius kelių jutiklių vairavimo duomenis, simuliuoti robotų judesius ir paversti simuliatoriaus valdiklius fotorealistiniais vaizdo įrašais.
„OpenAI“ pristatė „GPT-6-Cyber“ – naują modelio versiją, skirtą saugumo spragų aptikimui, atkūrimui ir klaidų taisymui. Prieš naudojimą būtina sukonfigūruoti „Daybreak“ aplinką.
„Google“ išleido „Gemini Omni 1.2 Flash“ – modelio atnaujinimą, skirtą vaizdo turinio kūrimui. Jis prailgina vaizdo generavimą iki 15 sekundžių, pagerina objektų ir veikėjų nuoseklumą bei pristato redagavimo pokalbio metu galimybę.
NVIDIA pristatė penkias ko-projektavimo kryptis „Vera Rubin NVL72“ platformai, skirtas maksimaliai padidinti pralaidumą dirbant su agentų užduotimis. Derinant naujus duomenų formatus, tokius kaip NVFP4, ekspertinį paralelizavimą ir „Dynamo“ paskirstytojo aptarnavimo sluoksnį, sistema atmintį naudoja kaip vieningą resursą tarp GPU, pagrindinių CPU ir specializuotos saugyklos.
AssemblyAI pristatė „SpeakerRevision“ funkciją, kuri pateikia pakoreguotus kalbėtojų žymenis tiesioginės transliacijos pabaigoje. Naudojant kontekstą, kuris nebuvo prieinamas realiuoju laiku, pasiekiamas asinchroninio transkribavimo tikslumas, todėl nebereikia dubliuoti apdorojimo procesų.
„Gradium“ išleido „Phonon“ – kompaktiškų (65–75 MB) teksto į kalbą modelių rinkinį, skirtą veikti tiesiogiai vartotojo įrenginyje. Jis palaiko penkias kalbas, veikia be interneto ir demonstruoja rezultatus, prilygstančius gerokai didesniems modeliams.
„Cartesia“ pristatė du balso modelius: „Sonic“ (teksto pavertimas balsu) ir „Ink“ (balsas į tekstą). Sukurti naudojant būsenos erdvės modelio (SSM) architektūrą, šie modeliai yra skirti itin mažo vėlinimo, realaus laiko veikimui, tinkamam profesionaliems balso agentams.
NVIDIA pristatė „Open Agent Safety Platform“ su „OpenShell“ aplinka, skirta saugiam autonominių agentų vykdymui ir politikos valdymui. Kartu „LG AI Research“ atvėrė API prieigą prie „K-EXAONE-2.5“ modelio, kuris remiasi nauju „Nemotron-Personas-Korea“ duomenų rinkiniu, apimančiu 7 milijonus sintetinių asmenybių.
Taxbit įdiegė saugų, vaidmenis atpažįstantį AI asistentą su Amazon Bedrock AgentCore, skirtą automatizuoti pagalbą naudojant produkto dokumentaciją. Agentas naudoja RAG metodą, kad pagrįstų atsakymus patvirtintu turiniu, tuo pačiu griežtai užtikrinant PII maskavimą, duomenų vietos rezidavimą ir vartotojų vaidmenų leidimus.
„Greenlight Financial“ sėkmingai automatizavo daugiau nei 90 % savo saugumo ir rizikos atvejų sprendimų (iš viso 4 000 atvejų per mėnesį), įdiegdama daugiapakopę agentų architektūrą „Amazon Bedrock AgentCore“ platformoje. Sistema naudoja 1-ojo lygio prižiūrėtoją pradiniam triažui ir 2-ojo lygio prižiūrėtoją išsamiam tyrimui, taip ženkliai sumažindama analitikų darbo krūvį.
„Google“ pristatė „Data Cloud“ jungtis, leidžiančias „Gemini“ atlikti pokalbio tipo analitiką tiesioginiuose „BigQuery“, „Spanner“, „AlloyDB“, „Cloud SQL“ ir „Looker“ duomenų šaltiniuose. Naudojant „Knowledge Catalog“, sistema verčia vartotojų klausimus į SQL užklausas, griežtai laikydamasi nustatytų prieigos teisių ir duomenų saugumo taisyklių. Duomenys nėra kopijuojami, nes sistema veikia federaciniu užklausų režimu.
Šis atnaujinimas pristato šliuzu (gateway) paremtą architektūrą, skirtą DI agentų prieigai valdyti. Naudojant Amazon Bedrock AgentCore Gateway ir Cedar taisykles, autorizacijos logiką galima perkelti nuo atskirų įrankių į centrinį taisyklių variklį, taip užtikrinant saugumą šimtams agentų.
AssemblyAI pristatė „SpeakerRevision“ funkciją, kuri pateikia pakoreguotus kalbėtojų žymenis tiesioginės transliacijos pabaigoje. Naudojant kontekstą, kuris nebuvo prieinamas realiuoju laiku, pasiekiamas asinchroninio transkribavimo tikslumas, todėl nebereikia dubliuoti apdorojimo procesų.
„OpenAI“ pristatė „GPT-6-Cyber“ – naują modelio versiją, skirtą saugumo spragų aptikimui, atkūrimui ir klaidų taisymui. Prieš naudojimą būtina sukonfigūruoti „Daybreak“ aplinką.
OpenAI pristatė du naujus modelius – „GPT-Image-2.6 Sunburst“ ir „Flare“, skirtus pažangiam vaizdų generavimui bei redagavimui. Šie modeliai praplečia galimybes, įtraukdami SVG ir animuotų GIF formatų palaikymą.
„Moonshot AI“ išleido „Kimi-K3.1-Pro“ – atviro svorio, natūraliai multimodalų 2,8 trilijono parametrų modelį. Jis pasižymi 1 milijono žetonų konteksto langu, naudoja „Mixture-of-Experts“ (MoE) architektūrą ir yra specialiai optimizuotas agentų darbo eigoms bei ilgoms užduotims.
„Google“ išleido „Gemini Omni 1.2 Flash“ – modelio atnaujinimą, skirtą vaizdo turinio kūrimui. Jis prailgina vaizdo generavimą iki 15 sekundžių, pagerina objektų ir veikėjų nuoseklumą bei pristato redagavimo pokalbio metu galimybę.
„Google“ ataskaitoje teigiama, kad kaina už tūkstantį žetonų nebėra geriausias rodiklis, vertinant ekonominį efektyvumą; svarbiau – kaina už sėkmingai atliktą užduotį. Naudojant lengvus „noul“ klasifikatorius, agentai gali nukreipti paprastas užklausas į greitus modelius, pavyzdžiui, „Flash-Lite“, o sudėtingą logiką palikti pažangesniems modeliams.
xAI nebepalaiko grok-imagine-image-quality ir grok-imagine-image-pro modelių. Užklausos dabar automatiškai nukreipiamos į naują grok-imagine-image-2.0-low modelį, kurio vieno vaizdo generavimo kaina yra mažesnė.
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.
AI agentai dažnai klaidingai supranta senus kodo komentarus, tokius kaip TODO ar FIXME, laikydami juos dabartinėmis instrukcijomis. Tyrimai rodo, kad 6 % programavimo sesijų agentai imasi tirti nereikšmingus, uždarytus ar pasenusius klaidas, o tai didina išlaidas ir apimties didėjimą (scope creep).
Cloudflare kuria MOLE (Moderation Of unLinkable Endorsements) protokolą, skirtą pakeisti dabartinius Privacy Pass standartus, kurie yra pažeidžiami kvantiniams kompiuteriams. Sujungus VOLE-in-the-Head nulinės žinios įrodymus su UOV daugiamatėmis skaitmeniniais parašais, pasiektas proveržis kuriant efektyvius post-kvantinius aklus parašus.
Tyrėjai nustatė, kad LLM modeliai yra linkę pateikti skubotus, dažnai neteisingus atsakymus dviprasmiškose situacijose, užuot uždavę patikslinamuosius klausimus. Jie pristatė BACE (Belief-Aware Critic with Epistemic tracking) – lengvą metodą, veikiantį su užrakintu kalbos modeliu, padedantį strategiškai nuspręsti, kada prašyti paaiškinimo.
Piktavaliai vis dažniau naudoja agentinius DI sistemas, tokias kaip ARTEX, kad nuskaitytų viešas „GitHub“ saugyklas, ieškodami nutekintų prisijungimo duomenų ir iškart vykdytų atakas prieš debesijos paslaugas. Šie agentai savarankiškai analizuoja rezultatus, adaptuoja API užklausas po nesėkmių ir gali pereiti nuo žvalgybos prie duomenų exfiltracijos iš tokių paslaugų kaip „Azure Key Vault“ per kelias minutes.
Tyrėjai pristatė „RL-ATTACK“ – naują sistemą, kuri naudoja sutvirtintą mokymąsi (reinforcement learning) generuoti priešiškas atakas prieš kalbų modelius be prieigos prie jų vidinių parametrų. Besimokydamas iš modelio reakcijų, šis metodas pasiekia didelį efektyvumą su mažai užklausų ir geba apeiti apsaugos filtrus.
Grėsmės veikėjas Storm-3358 vis dažniau naudoja agentinį AI karkasą ARTEX atakoms prieš finansų organizacijas vykdyti. Šis įrankis leidžia automatizuoti pažeidžiamumų paiešką, prisijungimo duomenų vagystes ir judėjimą tinkle dideliu greičiu, pasitelkiant standartinius įrankius, tokius kaip Nmap ar curl.
CISA į savo žinomų išnaudojamų pažeidžiamumų (KEV) katalogą įtraukė CVE-2026-19868. Ši spraga paveikia „SonicWall SonicOS SSLVPN“ ir leidžia apeiti autentifikavimą.
CISA, NSA ir Australijos ACSC paskelbė klausimyną, skirtą įmonėms, norinčioms įvertinti, ar jų tiekėjai pasirengę pereiti prie kvantinei kompiuterijai atsparaus šifravimo. Iniciatyva siekiama užtikrinti, kad trečiųjų šalių paslaugos būtų saugios nuo grėsmių, kylančių tobulėjant kvantiniams kompiuteriams.
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.
NVIDIA pristatė diegimo receptus keturiems svarbiems Korėjos atviro kodo modeliams, tokiems kaip A.X K2 ir „Solar Open 2“, naudojant „Dynamo“ sistemą. Šie receptai yra specialiai pritaikyti kelių mazgų NVIDIA B200 GPU klasteriams, kad būtų galima efektyviai vykdyti didelio masto išvadas (inference).
Tyrėjai pristatė „RL-ATTACK“ – naują sistemą, kuri naudoja sutvirtintą mokymąsi (reinforcement learning) generuoti priešiškas atakas prieš kalbų modelius be prieigos prie jų vidinių parametrų. Besimokydamas iš modelio reakcijų, šis metodas pasiekia didelį efektyvumą su mažai užklausų ir geba apeiti apsaugos filtrus.
NVIDIA pristatė „Open Agent Safety Platform“ su „OpenShell“ aplinka, skirta saugiam autonominių agentų vykdymui ir politikos valdymui. Kartu „LG AI Research“ atvėrė API prieigą prie „K-EXAONE-2.5“ modelio, kuris remiasi nauju „Nemotron-Personas-Korea“ duomenų rinkiniu, apimančiu 7 milijonus sintetinių asmenybių.
Grėsmės veikėjas Storm-3358 vis dažniau naudoja agentinį AI karkasą ARTEX atakoms prieš finansų organizacijas vykdyti. Šis įrankis leidžia automatizuoti pažeidžiamumų paiešką, prisijungimo duomenų vagystes ir judėjimą tinkle dideliu greičiu, pasitelkiant standartinius įrankius, tokius kaip Nmap ar curl.
„Amazon SageMaker Inference“ pristatė NVIDIA „Multi-Instance GPU“ (MIG) palaikymą, leidžiantį padalyti vieną fizinį GPU į kelis nepriklausomus vienetus. Šis aparatinis padalijimas suteikia kiekvienai particijai skirtą skaičiavimo galią ir atmintį, užtikrinant nuspėjamą delsą ir griežtą izoliaciją tarp modelių, esančių tame pačiame akceleratoriuje.
Piktavaliai vis dažniau naudoja agentinius DI sistemas, tokias kaip ARTEX, kad nuskaitytų viešas „GitHub“ saugyklas, ieškodami nutekintų prisijungimo duomenų ir iškart vykdytų atakas prieš debesijos paslaugas. Šie agentai savarankiškai analizuoja rezultatus, adaptuoja API užklausas po nesėkmių ir gali pereiti nuo žvalgybos prie duomenų exfiltracijos iš tokių paslaugų kaip „Azure Key Vault“ per kelias minutes.
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.
NVIDIA pristatė diegimo receptus keturiems svarbiems Korėjos atviro kodo modeliams, tokiems kaip A.X K2 ir „Solar Open 2“, naudojant „Dynamo“ sistemą. Šie receptai yra specialiai pritaikyti kelių mazgų NVIDIA B200 GPU klasteriams, kad būtų galima efektyviai vykdyti didelio masto išvadas (inference).
Tyrėjai pristatė „RL-ATTACK“ – naują sistemą, kuri naudoja sutvirtintą mokymąsi (reinforcement learning) generuoti priešiškas atakas prieš kalbų modelius be prieigos prie jų vidinių parametrų. Besimokydamas iš modelio reakcijų, šis metodas pasiekia didelį efektyvumą su mažai užklausų ir geba apeiti apsaugos filtrus.