// AI на русском
Anthropic добавила в Claude Code функцию Cross-session messaging, которая позволяет нескольким сессиям обмениваться сообщениями. Функция сохраняет изоляцию сессий, передавая только текст, а не полную историю работы. Механизм открывает новые возможности для взаимодействия множества Agent в крупных проектах.
Meta* выпустила мультимодальную агент-модель Muse Glimmer с около 30 млрд параметров. Модель поддерживает контекст 128K, умеет вызывать инструменты, выполнять код, обрабатывать изображения и экранную информацию. Она оптимизирована для работы на устройствах с ограниченной видеопамятью и показывает хорошие результаты в задачах с длинной цепочкой выполнения.
Anthropic выявила ряд проблем в работе Claude, включая сложности с длинным контекстом и работой агентов. Среди ключевых вопросов — неэффективное использование контекста, трудности с маркировкой кода и необходимость сохранения состояния при сжатии истории. Надёжность долгосрочных агентов зависит от способности системы обнаруживать и исправлять ошибки.
Модели GPT, Claude и Gemini уязвимы к утечке скрытых рассуждений (reasoning). Исследователи смогли восстановить скрытое рассуждение в этих API, используя совместимые модели. Проблема связана с недостаточной жёсткостью привязки контекста и кросс-модельной совместимостью. Утечка рассуждений несёт риски для безопасности данных и может разрушить монополию крупных компаний на данные о рассуждениях.
Anthropic представила стандарт MHS для взаимодействия ИИ с физическими устройствами. Он уже применяется в лабораториях и позволяет ускорить эксперименты, например, в разработке лекарств и квантовых вычислениях. MHS решает проблему фрагментации аппаратных интерфейсов и повышает безопасность и эффективность работы.
Claude Code сталкивается с проблемами управления контекстом в работе Coding Agent. Сложности связаны с ростом рабочего набора данных и необходимостью балансировать между сохранением истории и очисткой неактуальной информации. Для решения проблемы используются sub-agent, compaction и memory, однако сохраняется риск накопления «AI код‑мусора» и технического долга.
Разница между Sora и Codex заключается в архитектуре рабочей нагрузки: Sora потребляет вычислительные ресурсы непрерывно, а Codex — фрагментарно, с возможностью повторного использования. Это влияет на скорость масштабирования продуктов. Codex эффективнее распределяет ресурсы между этапами задачи, что позволяет поддерживать больше агентов на ограниченном количестве GPU.
Компании Anthropic и Moderna демонстрируют успехи в применении ИИ в разработке лекарств. Anthropic с помощью модели Claude создала 14 белковых связывающих агентов, а Moderna в партнёрстве с Merck достигла успеха в III фазе клинических испытаний персонализированной вакцины против рака. При этом ИИ пока справляется лишь с узкими задачами и имеет ряд ограничений.
OpenAI представила чип Jalapeño, ориентированный на вывод больших языковых моделей. Компания стремится создать сбалансированную архитектуру, которая позволит обрабатывать этапы Prefill и Decode без разделения ресурсов. В то же время NVIDIA и Google выбирают иные подходы: первая разделяет этапы вывода между GPU и Groq LPU, вторая — обучение и вывод на два разных чипа TPU. Стоимость токенов становится новым ориентиром в конкуренции за аппаратные решения.
На WRC 2026 акцент сместился с демонстрационных возможностей роботов на расчёт ROI. Отрасль воплощённого ИИ переходит от «эпохи представлений» к «эпохе расчётов». Ключевое внимание уделяется практическому применению роботов, сбору данных и созданию общей инфраструктуры.
Китайские модели GLM-5.3-Flash и Kimi K3 демонстрируют технологическое сближение в обработке длинных текстов. Обе используют линейное внимание KDA с параметром gate_lower_bound = –5 для стабильности обучения. Конкуренция в сфере больших моделей смещается в сторону оптимизации операторов и числовых границ.
Чжиспо представила мультимодальную модель GLM-5.3-Flash с 320 млрд параметров. Модель показала высокие результаты в рейтинге AA, сравнявшись с Claude Opus 4.8. При поддержке оборудования «Шангтан» и отечественных чипов модель демонстрирует высокую производительность и низкую стоимость использования.
Шаньтан в первом полугодии 2026 года впервые достигла прибыли в 620 млн юаней. Компания активно развивает AI-экосистему — выпустила ряд моделей, расширяющих возможности интеллектуальных агентов, и трансформирует Token-завод в масштабируемое производство. Интеллектуальные решения внедряются в работу предприятий и частных лиц, охватывая десятки отраслей и стран.
На Hot Chips 2026 NVIDIA представила результаты тестирования Vera Rubin NVL72, продемонстрировав рост производительности до 30 раз. Компания меняет подход к агентным вычислениям, разбивая задачу вывода на разные типы вычислений. Groq 3 LPX, запущенный в массовое производство, обеспечивает высокую скорость вывода токенов с низкой задержкой.
Лаборатория Huawei Noah’s Ark представила систему RoboHarness, которая объединяет разные модели (VLA, WAM, RL, TAMP) для выполнения сложных и длительных задач роботов. Ключевой модуль системы — Memory Bridge — обеспечивает стабильный переход между стратегиями. Система имеет ограничения, но генерирует ценные данные для обучения будущих моделей роботов.
Компания TokenRhythm, основанная выходцами из Huawei, развивает систему Routing Harness для оптимизации работы с несколькими большими моделями. Её продукт OpenSquilla набрал более 6600 звёзд на GitHub, а платформа TokenRhythm API привлекла 54 тысячи пользователей. Компания стремится перейти к созданию Agent-Native Model — моделей, ориентированных на реальные задачи агентов.
«Дунфан Чжэньсюань» добилась роста прибыли в 86 раз после ухода крупных ведущих. Xiaomi представила новые процессоры, ByteDance планирует запустить единый бренд офисных решений. На рынке человекоподобных роботов произошли изменения — «Юйшу Кэцзи» опустилась на второе место в глобальном рейтинге. Также развиваются AI‑модели и технологии в разных сферах.
На конференции IJCAI-ECAI 2026 вручили награды за статьи и личные достижения в области ИИ. Обсуждались перспективы развития агентных систем, визуального и физического интеллекта, объяснимого ИИ. Среди ключевых тем — объединение нейро- и символьных подходов, работа с несбалансированными данными, моделирование физического мира в ИИ-системах.
Чжоу Кэ из компании Чэнтай заявил, что эпоха AI-радаров наступила. AI-радар отличается от традиционных тем, что его работу определяют обучаемые AI-модели. Технология позволит машинам понимать трёхмерный физический мир в любых погодных условиях. Развивается открытая экосистема вокруг AI-радаров, объединяющая разработчиков, производителей и исследователей.
На IJCAI 2026 представлены значимые достижения в области воплощённого интеллекта. Китайские учёные демонстрируют физико-инженерный подход к развитию ИИ, предлагая решения для навигации, захвата объектов и управления беспилотниками в сложных условиях. Разработки, такие как RepSAM и PECHC, демонстрируют высокую эффективность в нестандартных ситуациях.