искуственный интеллект.

AutoGen2 (AG2) — создание и оркестрация ИИ-агентов

До определенного момента ИИ-воркфлоу выглядел как один промпт, один вызов модели и один ответ. Затем появились цепочки — summarize → extract → classify.Но чем сложнее задача, тем быстрее выясняется, что монолитный промпт или пайплайн начинает трещать. Один агент не может одновременно быть внимательным редактором, дотошным тестировщиком и креативщиком.

продолжить чтение

Harness² — новое поколение ИИ-агентов от Google Research

ИИ-агенты сейчас стремительно развиваются. Совсем недавно ИИ-агент был обычным чатом с LLM, где он творил что хотел. Но в последнее время вы могли даже сами слышать такие вещи, как скиллы, MCP, оркестрационный цикл, инструменты, управление контекстом, — все это составляющие части агентской системы под названием Harness. Сам агент — это LLM + Harness. При умелом использовании даже не самая лучшая модель, но с качественным Harness-окружением может обогнать использование топовой LLM, но без обвязки.

продолжить чтение

Нужен ли собственный шлюз поверх OpenAI API BotHub

Если вы пользуетесь API моделей, то могли столкнуться с вопросом — прямой вызов API через OpenAI-совместимый шлюз или создать свою прослойку? Если у вас один агент или один разработчик — то тут, понятное дело, лучше не городить лишний шлюз.

продолжить чтение

Анимируем динамичные ассеты (GPT Image 2 + Gemini Omni 1.2 Flash)

GPT Image 2 считается одной из лучших моделей для генераций картинок. У нее однопроходная архитектура, работающая почти в 2 раз быстрее по сравнению с предыдущими версиями GPT Image. Что интересно, качество, как и расходы на одну генерацию градируются с режима Low до High.Gemini Omni 1.2 Flash — это гугловское поделие, которое умеет генерировать видосы до 15 секунд длинной сразу со звуком. При этом, в ней доступен “диалоговый режим”, который позволяет вносить правки в уже готовое видео.

продолжить чтение

Безопасность ИИ-систем 2026. Часть 2: техники атак

Продолжаем цикл статей о безопасности ИИ-систем. В прошлый раз мы разобрали нормативную базу и методологии — что требуют регуляторы и какие фреймворки описывают угрозы и уязвимости. Теперь переходим к практической плоскости.

продолжить чтение

Безопасность ИИ в продакшене: на что смотреть, прежде чем станет поздно

Приветствую всех читателей! Эта статья — расширенная версия моего доклада «Безопасность ИИ в продакшене: на что смотреть, прежде чем станет поздно». На доклад было 40 минут, поэтому многое пришлось сократить до одной фразы на слайде. Здесь я собрал то, что не влезло: примеры кода с исправлениями, подробности инцидентов, ссылки на первоисточники и ответы на вопросы, которые задают после выступления.

продолжить чтение

ИИ оживляет мертвых. Это хорошо или плохо?

продолжить чтение

Meta выпустила Muse Ember: самую компактную модель для ИИ‑агентов

Meta представила Muse Ember — свою самую компактную модель для работы с инструментами, документами и кодом. Компания делает ставку на стоимость: Ember должна удешевить и ускорить небольшие задачи, которые ИИ-агенты выполняют сотни и тысячи раз.

продолжить чтение

Пакетные запросы к LLM: очередь, стоимость и обработка ошибок

Представьте, что вашему LLM-сервису нужно обработать, допустим, 50 000 договоров или товаров. Можно пойти через синхронный путь — посылать запросы к LLM. Но такой путь через некоторое время упирается и в деньги, и в лимиты. И ограничения с проблемами растут в геометрической прогрессии от количества запросов.Вот тут нам и помогает Batch API — она появилась не вчера, но стала отраслевым стандартом отправки батчей, групп запросов. OpenAI, Anthropic и Google дают асинхронную пакетную обработку со скидкой и окном завершения до 24 часов. То бишь вы собираете все задачи в один файл, отправляете его провайдеру и ждёте.

продолжить чтение

ИИ-агентура и Harness: современные системы ИИ-агентов

Мир ИИ-агентов стремительно развивается. Совсем недавно ИИ-агент был обычным чатом с LLM, где он творил что хотел. Но в последнее время вы могли даже сами слышать такие вещи как скиллы, MCP, оркестрационный цикл, инструменты, управление контекстом — все это составляющие части агентской системы. И такая обвязка носит имя Harness. Этот термин родом из среды тестировщиков — Test harness — это обвязка, которая позволяет прогонять код в контролируемых условиях. А Agent Harness — уже слой инфраструктуры, который позволяет автоматизировать и оперировать рабочим окружением. Проще говоря, приближает агента к агентности, если каламбурить.

продолжить чтение

123456...1020...30