GPT-5.1-Codex-Max в прошлый раз сделал ставку на масштаб: компакция контекста и агентные циклы длиной в сутки. GPT-5.2-Codex развивает ту же идею, но делает её более надёжной и прикладной для реальных продакшн-сценариев.
Если 5.1-Codex-Max показывал максимум на SWE-Bench и SWE-Lancer, то 5.2-Codex подтверждает прогресс уже на agent-ориентированных бенчмарках:
Gemini 3 Flash — новая модель в линейке Gemini 3, которая сочетает Pro-уровень reasoning с минимальной задержкой и агрессивной оптимизацией по стоимости.
По бенчмаркам модель выглядит неожиданно сильно. На GPQA Diamond — 90.4%, на Humanity’s Last Exam — 33.7% без инструментов, а на MMMU Pro — 81.2%, почти на уровне Gemini 3 Pro. При этом Flash уверенно обходит Gemini 2.5 Pro и конкурирует с крупными frontier-моделями, оставаясь в другом ценовом классе.
Ключевая инженерная фишка...
OpenAI анонсировала новое поколение своих фронтир-моделей. GPT-5.2 позиционируется как инструмент для сложной профессиональной работы: от агентных пайплайнов до многочасовых задач с длинным контекстом и мультимодальностью.
Cursor внедрили Debug Mode, отдельный рабочий цикл для кодовых агентов, который впервые сочетает автоматическую диагностику, инструментирование рантайма и обязательную верификацию со стороны разработчика. Цель нововведения не ускорить генерацию кода, а научить модель системно устранять баги, которые прежде оказывались для нее слишком «глубокими».
В исследовании изучили 100 трлн токенов живого трафика через OpenRouter (300+ моделей, 60+ провайдеров, миллионы пользователей, до ноября 2025 года).
Ключевые выводы 👇
Open source закрепился на ~30% и привёл с собой Китай.
Открытые модели стабильно держат около трети токенов. Особенно выросли китайские OSS (DeepSeek, Qwen, Kimi): с ~1–2% до до 30% трафика в отдельные недели, в среднем ~13%.
Неделю назад мы писали про Mistral 3 с MoE-моделью на 675B параметров. Сегодня компания представила Devstral 2 — новое поколение открытых моделей для кодинга.
Главное:
– Devstral 2 (123B): 72.2% на SWE-bench Verified, фактически новый SOTA среди open-weight кодовых агентов.
– До 7 раз дешевле Sonnet на реальных инженерных задачах.
– Devstral Small 2 (24B): 68% на SWE-bench, работает локально на потребительском железе, 256K контекста, Apache 2.0.
– Модель бесплатна в API на старте. Доступна на OpeRouter.
– Mistral Vibe CLI: нативный open-source кодовый агент прямо в терминале, умеет исследовать проект, вносить многофайловые правки и выполнять shell-команды.
Devstral 2 и Small 2 получились удивительно компактными: они...
На форуме Gemini API и Reddit десятки разработчиков заметили, что Gemini 2.5 Pro внезапно исчез из Free Tier, несмотря на то что на официальной странице он по-прежнему указан как «free of charge». В реальности модель недоступна: нет квоты, нет вызовов, проекты падают на rate limit без объяснений.
Под крыло фонда сразу передали MCP (Anthropic), goose (Block) и AGENTS.md (OpenAI), то есть весь тот стек, который за год стал основой современного агентного подхода.
Смысл AAIF в наведении порядка: агентные системы уже инфраструктура, а инфраструктура требует открытых протоколов, понятной модели управления и отсутствия единоличного влияния.
Например, до сих пор всё держалось на «OpenAI API» как де-факто интерфейса для работы с моделями. Многим может напомнить историю Oracle с JavaScript, когда критическая технология оказывается под контролем одного игрока. AAIF – это попытка избежать ровно этого.
Что уже попало под крыло AAIF:
В релиз-кандидатах линейки 25.3 появилась бета-поддержка Agent Client Protocol (ACP) — открытого стандарта взаимодействия IDE и локальных/удалённых AI-агентов. Идея проста: как когда-то LSP стал мостом между редакторами и языковыми серверами, так ACP должен стать общим языком для IDE и умных ассистентов.
Компания выпустила Air — ADE (Agentic Development Environment), ориентированную на гибридную работу «разработчик + ИИ-агенты». Это не просто чат с моделью внутри IDE, а отдельная среда, где можно ставить задачи агентам, запускать их параллельно, контролировать изменения и коммитить результаты.
Air пока доступен в превью и работает только с одним агентом — Claude Agent, причём для использования требуется активная подписка Anthropic. Версии для Windows и Linux обещают в 2026 году — сейчас приложение доступно только на macOS.
Команда MinIO официально перевела один из ключевых репозиториев в режим maintenance. Проект больше не принимает никаких изменений — ни функциональных, ни инфраструктурных. Судя по заявлению, разработчики фиксируют лишь критические уязвимости, и то в индивидуальном порядке.
Что именно меняется...
Команда Django представила релиз версии 6.0 — крупное обновление, в котором фреймворк делает заметный шаг в сторону «современного Python-стека» и упорядочивания накопившихся возможностей. Новая версия сфокусирована на удобстве разработки, безопасности и снижении архитектурной «магии».
Компания Anthropic опубликовала большое внутреннее исследование о том, как использование Claude меняет работу её собственных инженеров и исследователей. Это редкий случай, когда разработчики ИИ смотрят не на рынок в целом, а на себя — как на первых «подопытных» новой технологической эпохи.
За август 2025 года команда собрала данные опроса 132 сотрудников, провела 53 глубинных интервью и проанализировала 200 000 сессий в Claude Code. Выводы двоякие: продуктивность растёт, инженеры становятся более «фуллстековыми» и смелее в задачах, но параллельно растут тревоги — от потери навыков до угрозы автоматизации собственных рабочих мест.
Компания Mistral AI выпустила новое поколение своих моделей — Mistral 3. В релиз вошли три небольших плотных модели (3B, 8B и 14B), а также флагманская Mistral Large 3 — разреженная Mixture-of-Experts-архитектура с 41B активных и 675B общих параметров. Все модели распространяются под Apache 2.0, что делает Mistral 3 одним из крупнейших полностью открытых релизов в сегменте frontier-класса.
Технические нововведения и архитектура
Large 3 — первый MoE-модельный релиз Mistral со времён Mixtral. Она обучалась с нуля на 3000 GPU NVIDIA H200 и демонстрирует паритет с лучшими инструкционно-натренированными open-weight-моделями. Новинка поддерживает понимание изображений и показывает лидирующие результаты в многоязычных диалогах, особенно за пределами англо-китайских датасетов, где большинство конкурентов традиционно...
Китайский стартап DeepSeek выпустил очередное обновление линейки своих LLM — модели DeepSeek-V3.2 и DeepSeek-V3.2-Speciale. Обе позиционируются как системы нового поколения, оптимизированные под работу агентов: многошаговое рассуждение, планирование, сложные цепочки вывода и интеракции со структурированными средами.
V3.2 уже доступна в чате DeepSeek, на сайте и через API. Версия Speciale пока работает только по API через временный endpoint — до 15 декабря 2025 года.
Павел Дуров сообщил о запуске Cocoon — децентрализованной сети для безопасных ИИ-вычислений, ориентированной на полную конфиденциальность пользовательских запросов. По словам Дурова, часть автоматических переводов сообщений в Telegram уже обрабатывается с использованием Cocoon, что фактически делает сеть частью продакшен-инфраструктуры мессенджера.
Команда Anthropic опубликовала подробное исследование о том, как научить ИИ-агентов работать часами и днями, не теряя прогресс после каждой сессии. Проблема старая: каждый запуск модели — это история без памяти о предыдущем контексте. В рамках Claude Agent SDK инженеры нашли способ заставить агентов продолжать работу так, будто они один непрерывный процесс.
Google Antigravity — новая "агентная" IDE, встроенная в экосистему Gemini. Исследователи показали, что Antigravity подвержен непрямой prompt-инъекции, которая позволяет злоумышленнику заставить Gemini активировать вредоносный browser-subagent и выкрасть чувствительные данные из IDE пользователя — включая .env, закрытый код и токены.
Как работает атака
Сценарий начинается с безобидного запроса: пользователь просит Gemini помочь интегрировать Oracle ERP AI Payer Agents и прикладывает найденное в интернете руководство.
На открытой странице блога скрыт prompt injection, спрятанный шрифтом 1 px. Попав в контекст Antigravity, он принуждает Gemini:
Anthropic представили три новые beta-возможности для Claude Developer Platform, которые позволяют моделям динамически искать, изучать и вызывать инструменты: Tool Search Tool, Programmatic Tool Calling и Tool Use Examples. Цель — дать агентам доступ к сотням MCP-серверов и внутренних API без раздувания контекста и бесконечных «натурально-языковых» вызовов инструментов.
По внутренним тестам Anthropic новые механизмы дают ощутимый прирост:
Anthropic выпустили Claude Opus 4.5 — новую флагманскую модель, которая, по словам компании, стала их самым мощным релизом и вышла в лидеры на задачах реального программирования, агентных сценариев и продуктивной работы с компьютером. Модель также заметно улучшилась в задачах глубокого ресёрча, аналитики и работе с Excel/презентациями.
Opus 4.5 уже доступен в приложениях, через API и во всех трёх крупных облаках. Цена снижена до $5 / $25 за миллион токенов (ввод/вывод), что делает модель сильно доступнее.
На SWE-bench Verified новая модель показывает лучший результат среди всех frontier-моделей — Anthropic отдельно подчёркивает, что Opus 4.5 стал значимым шагом вперёд по сравнению с Sonnet 4.5, преодолев задачи, которые ещё несколько недель назад считались «почти невозможными» для...
