ainews
Создать
Войти
Anthropic разворачивает скандальную политику хранения данных: с июня компания держала промпты клиентов топовых моделей (Mythos, Fable) 30 дней на своих серверах для мониторинга кибератак. Корпорации взбунтовались — осенью данные останутся в облаках клиентов, а не у Anthropic. OpenAI тестирует похожую схему.
Mistral предлагает клиентам запускать AI-запросы через серверы в ЕС или США (региональная маршрутизация) и покупать приоритетный доступ в часы пик. Региональный роутинг стоит +10%, приоритет — в 1,75 раза дороже. Но региональная обработка не покрывает агентов, батч-процессинг и файловое хранилище — только простые запросы к моделям. Метаданные (биллинг, API-ключи, логи) всё равно могут уходить за пределы региона.
Gartner ввёл термин «agent washing» — когда вендоры переупаковывают старую автоматизацию в «AI-агенты», не меняя архитектуру. Рынок переполнен фальшивками, но есть чёткие технические критерии, как отличить реальную агентность от маркетингового хайпа.
CopilotKit открыл исходный код Channels SDK (MIT) — библиотеки, которая подключает любого AI-агента (LangGraph, CrewAI, Mastra и др.) к Slack и Microsoft Teams через единый интерфейс AG-UI. Не нужно писать адаптеры под каждую платформу — SDK сам переводит сообщения в нативные форматы (Block Kit, Adaptive Cards). Требует платный ключ CopilotKit Intelligence даже для self-hosted развёртывания.
AWS показала, как настроить детальный учёт расходов на Bedrock через Cost and Usage Reports 2.0 с IAM-идентификацией. Теперь можно видеть, кто именно из команды сколько потратил на вызовы моделей, анализировать через SQL в Athena или готовые дашборды CUDOS. Включение отслеживания IAM-принципалов увеличивает размер отчётов, но даёт полную прозрачность.
Исследователи предлагают заменять повторяющиеся LLM-запросы автоматически созданными пайплайнами из regex, парсеров и классических ML-моделей. Идея: анализировать паттерны работы LLM, синтезировать детерминированные DAG-графы из 41 типа NLP-операций, а сложные кейсы отправлять в LLM как фоллбэк. Цель — снизить затраты и латентность на массовых задачах вроде извлечения структурированных данных из документов.
Google представил Gemini 3.6 Flash и 3.5 Flash-Lite — модели для автономных AI-агентов, которые генерируют на 17–65% меньше токенов, что критично для непрерывных фоновых задач вроде анализа документов или кода. Цена: $1.5 за миллион входных токенов, $7.5 за выходные. Отдельная версия Gemini 3.5 Flash Cyber закрыта для широкого доступа — её используют только правительства и партнёры для автопатча уязвимостей.
Недавние исследования phone-use агентов показали, что безвредный результат работы — не гарантия безопасности системы. Когда агент может кликать, вводить текст и отправлять данные, ошибка модели превращается во внешние побочные эффекты. Главный вопрос не в том, откажется ли модель от опасного действия, а в том, что может сделать система, если модель не откажется.
