Microsoft Research wprowadził PDD Kit, zestaw narzędzi służący do łączenia intencji człowieka z kodem generowanym przez agentów w ramach Proof-Driven Development. Dzięki formalnej weryfikacji w języku Verus, zestaw pozwala deweloperom matematycznie udowodnić, że kod napisany przez AI spełnia określone wymagania, wykraczając poza tradycyjne testowanie.
Firma Anthropic wprowadziła w wersji beta listę dozwolonych adresów IP dla zapytań API oraz nowy punkt końcowy API dla administratorów do zrywania sesji użytkowników.
OpenAI wprowadziło GPT-6-Cyber, nowy wariant modelu zoptymalizowany pod kątem identyfikacji, odtwarzania i usuwania podatności w zabezpieczeniach. Przed implementacją wymagane jest skonfigurowanie środowiska Daybreak.
NVIDIA wprowadziła pięć filarów ko-projektowania dla platformy Vera Rubin NVL72, mających na celu maksymalizację przepustowości w zadaniach agentowych AI. Łącząc nowe formaty precyzji, takie jak NVFP4, szeroki paralelizyzm ekspertów oraz warstwę serwowania Dynamo, system traktuje pamięć jako zunifikowany, wielopoziomowy zasób między GPU, procesorami hosta a specjalistycznymi systemami pamięci masowej.
Mistral AI wprowadziło znaczące aktualizacje do Mistral Studio, platformy zaprojektowanej do przenoszenia projektów AI z etapu pilotażowego do produkcji. Nowości obejmują zarządzanych agentów, zaawansowaną orkiestrację procesów (workflow) oraz monitoring klasy korporacyjnej, umożliwiając wdrażanie w chmurze, VPC lub lokalnie.
Naukowcy odkryli, że modele LLM wykazują tendencję do udzielania natychmiastowych, często błędnych odpowiedzi w niejednoznacznych sytuacjach, zamiast zadawania pytań wyjaśniających. Wprowadzili BACE (Belief-Aware Critic with Epistemic tracking) – lekką metodę działającą na zamrożonym modelu językowym, która strategicznie decyduje, kiedy poprosić o doprecyzowanie.
Opublikowano nowy benchmark Simple Retrieval-Reconstruction Memory (SRRM), mający na celu lepszą ocenę wydajności długokontekstowej w małych modelach językowych (SLM). Wyniki pokazują, że wraz ze wzrostem długości kontekstu zdolność modelu do rekonstrukcji informacji pogarsza się znacznie szybciej niż jego zdolność do wyszukiwania konkretnych faktów, co dowodzi, że standardowe testy wyszukiwania nie wystarczają do oceny pamięci.
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 Anthropic zaktualizowała swoją platformę, dodając tekstowy znak wodny do treści generowanych przez Claude Mythos 5, Opus 4.7 oraz Sonnet 4.6. Mechanizm ten służy do oznaczania tekstów stworzonych przez AI, choć może nie działać przy określonych konfiguracjach technicznych.
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.