OpenAI wprowadziło dwa nowe modele, GPT-Image-2.6 Sunburst oraz Flare, zaprojektowane do zaawansowanego generowania i edycji obrazów. Modele te dodają obsługę złożonych zadań, w tym tworzenie plików SVG oraz animowanych plików GIF.
NVIDIA wprowadziła „AI Factory Operations Agent”, framework oparty na „NemoClaw” i „OpenShell”, zaprojektowany w celu automatyzacji zarządzania i diagnostyki rozległych klastrów GPU. Dzięki wykorzystaniu wyspecjalizowanych agentów i protokołu „Model Context Protocol” (MCP), inżynierowie mogą przeprowadzać analizę przyczyn awarii na warstwach sprzętowej, sieciowej i programowej za pośrednictwem ujednoliconego interfejsu czatu.
Amazon Quick uruchomił funkcję Smart Approvals, aby zautomatyzować rutynowe zadania agentów przy jednoczesnym zachowaniu nadzoru ludzkiego nad krytycznymi decyzjami. System wykorzystuje klasyfikator do oceny żądanych działań w oparciu o kontekst konwersacji i polityki użytkownika, eliminując niepotrzebne przerywanie pracy bez pomijania ustalonych kontroli bezpieczeństwa.
NVIDIA wprowadziła workflow pozwalający na przekształcenie błędów agentów wykrytych w środowisku produkcyjnym w ustrukturyzowane testy przy użyciu NeMo Compass i NeMo Eval Author. Proces ten analizuje logi, identyfikuje powtarzające się problemy, generuje celowane testy i waliduje wprowadzane poprawki.
Firma Moonshot AI wprowadziła Kimi-K3.1-Pro, multimodalny model o otwartych wagach i 2,8 biliona parametrów. Charakteryzuje się on oknem kontekstowym o wielkości 1 miliona tokenów, wykorzystuje architekturę Mixture-of-Experts (MoE) i jest zoptymalizowany pod kątem zadań agentowych oraz długofalowych procesów.
Firma Cohere zintegrowała swoje zaawansowane modele wyszukiwania Embed 5 oraz Rerank 5 z API OpenRouter. Aktualizacja umożliwia budowę potoków RAG przy użyciu jednego klucza API i wspólnego rozliczenia, bez potrzeby instalacji dodatkowych SDK.
Firma Cloudflare wprowadziła nową kategorię „Personal Assistants” w swoich narzędziach Security Analytics, umożliwiając właścicielom serwisów śledzenie i zarządzanie ruchem generowanym przez osobistych agentów AI. Firmy mogą teraz ustawiać precyzyjne zasady dostępu dla poszczególnych agentów, co pozwala chronić przychody z reklam lub wrażliwe obszary strony, przy jednoczesnym wspieraniu użytecznych interakcji.
Claude Duet to agent w fazie testów, zaprojektowany do działania w tle bez konieczności ciągłego wydawania poleceń przez użytkownika. Proaktywnie skanuje podłączone aplikacje, tworzy podsumowania i wykonuje zadania, prosząc o autoryzację człowieka w przypadku wrażliwych działań.
Nowa metoda o nazwie FlagRot optymalizuje kwantyzację pamięci podręcznej kluczy-wartości (KV) dla modeli z długim kontekstem. Dzięki selektywnej rotacji segmentów kluczy w oparciu o błąd atencji, zamiast stosowania rotacji globalnej, redukuje utratę dokładności w pamięciach 2-bitowych lub 4-bitowych.
Naukowcy przedstawili SLATE, narzędzie do oceny długoterminowego wyboru API na dużą skalę w środowiskach korporacyjnych. W odróżnieniu od obecnych testów, wymusza on na modelach nawigację wśród około 1000 narzędzi w celu wykonania złożonych zadań.
Nowy framework badawczy EvoGroup (EvoG) umożliwia systemom pamięci agentów AI samodzielną ewolucję w oparciu o interakcje z wieloma użytkownikami. System ten przewyższa dotychczasowe rozwiązania, osiągając 89,58% wskaźnika pass@1 w benchmarku EverMemBench, wyprzedzając m.in. Claude Code.
Nowe badania pokazują, że historię rozumowania można przepisać na kompaktowe rekordy stanu przed wprowadzeniem nowych wyników narzędzi. Metoda ta skutecznie zmniejsza liczbę przyszłych tokenów rozumowania i łączne wydatki na agenta poprzez eliminację zbędnych przemyśleń, bez konieczności douczania modelu.
Naukowcy opracowali metodę obliczania teoretycznej górnej granicy wydajności spekulatywnego dekodowania wielowariantowego (MDSD) poprzez rozwiązanie dualnego problemu transportu optymalnego. Badanie wykazuje, że obecne algorytmy weryfikacji często nie osiągają tego teoretycznego limitu, a próbkowanie bez zwracania (sampling without replacement) znacząco poprawia wskaźniki akceptacji w porównaniu do próbkowania ze zwracaniem.
Firma Collinear AI wprowadziła CWE-bench v2, zestaw testowy obejmujący 100 zadań dotyczących 91 powszechnych typów podatności. Narzędzie to umożliwia programistom programową ocenę skuteczności agentów AI w wykrywaniu i naprawianiu luk w zabezpieczeniach w repozytoriach open-source.
Ta aktualizacja opisuje metodę budowania semantycznej bazy wiedzy bezpośrednio wewnątrz PostgreSQL za pomocą rozszerzenia AIDB. Dzięki indeksowaniu metadanych schematu i wykorzystaniu Model Context Protocol (MCP), można udostępniać narzędzia bazodanowe agentom w Amazon Bedrock AgentCore, zachowując jednocześnie istniejące zasady zabezpieczeń na poziomie wierszy.
Firma Google wdrożyła pakiet narzędzi Cheminformatics Skills dla platformy Antigravity, umożliwiając agentom AI obsługę pełnych potoków odkrywania leków. Dzięki integracji biblioteki RDKit z orkiestracją opartą na LLM, system potrafi przeprowadzić analizę literatury, analizę danych oraz zaplanować syntezę chemiczną w około godzinę.
Google wprowadziło Physical-Engineering's Last Exam (PLE), nowy benchmark stworzony do oceny zdolności agentów AI w inżynierii mechanicznej, elektrycznej, cywilnej i strukturalnej. W przeciwieństwie do standardowych testów akademickich, PLE wymaga od agentów przetwarzania rozbudowanych projektów, obejmujących m.in. rysunki CAD i kody budowlane, w celu generowania bezpiecznych i zgodnych z normami wyników.
Google wskazuje, że cena za tokeny przestaje być głównym miernikiem opłacalności; kluczowy staje się koszt za pomyślnie wykonane zadanie. Używając lekkich klasyfikatorów typu „noul”, agenci mogą kierować proste zapytania do szybkich modeli, takich jak „Flash-Lite”, eskalując złożoną logikę tylko do bardziej zaawansowanych konfiguracji.
Amazon zaktualizował AgentCore Gateway, dodając obsługę automatycznej wymiany tokenów między Microsoft Entra ID a chronionymi interfejsami REST API. Dzięki temu agenci AI mogą teraz wykonywać działania w platformach takich jak ServiceNow, korzystając z tożsamości i uprawnień użytkownika końcowego, zamiast działać jako ogólne konto serwisowe.
Firma Cartesia wprowadziła dwa modele do zastosowań głosowych: Sonic (zamiana tekstu na mowę) oraz Ink (zamiana mowy na tekst). Zbudowane w oparciu o architekturę State Space Model (SSM), modele te zostały zaprojektowane z myślą o ultra-niskich opóźnieniach i wydajności w czasie rzeczywistym, co jest kluczowe dla profesjonalnych agentów głosowych.
Cloudflare uruchomił Zero Wire, publiczny kanał informacyjny w ramach Cloudflare Radar, konsolidujący dane o krytycznych lukach bezpieczeństwa. Narzędzie oferuje proste, merytoryczne podsumowania kluczowych zagrożeń, wskazując inżynierom i zespołom ds. bezpieczeństwa konkretne kroki zaradcze.
Najnowsze badania wykazują, że komercyjne narzędzia do humanizacji tekstu AI, zaprojektowane w celu omijania detektorów AI, często zmieniają lub usuwają istotne fakty, takie jak nazwiska, liczby i daty. Wśród 11 przetestowanych narzędzi, 35-65% dokumentów zawierających szczegóły faktyczne uległo błędom podczas procesu przeredagowywania.
Badania wykazały, że te same instrukcje dotyczące persony prowadzą do różnych zachowań modeli LLM przy przełączaniu się między językiem angielskim a koreańskim. O ile kupujący postępowali zgodnie z wytycznymi w podobny sposób, sprzedający stali się znacznie bardziej ugodowi i uprzejmi w języku koreańskim, co prowadziło do częstszego zawierania umów i niższych cen.
Naukowcy przedstawili MEMENTO, specjalistyczny framework agentowy oparty na Qwen3-8B, zaprojektowany do zarządzania długim kontekstem poprzez kompresję historii w zwięzłe notatki. Wykorzystując dostrajanie na syntetycznych trajektoriach oraz uczenie ze wzmocnieniem, osiąga wysoką dokładność w zadaniach na poziomie książek, ograniczając użycie kontekstu do 20 tys. tokenów, nawet przy danych wejściowych rzędu 2,5 mln tokenów.