🧠 Дайджест недели: главное в ИИ Открытые модели нарастили параметры и мультимодальность, а агентские архитектуры — сконцентрировались на экономии LLM-вызовов и борьбе с деградацией на длинной дистанции. Неделя подсветила разрыв: гигантские веса становятся доступны всем, но реальный прод всё ещё упирается в надёжность планирования и стоимость полезного шага, а не в число параметров. Релизы моделей: Kimi K3 вышла с открытыми весами и 2.8 трлн параметров (MoE, активных меньше), сразу заняв верхнюю строчку в бенчмарке Pelican. Почти одновременно заявили Inkling — мультимодальную open-weight модель на 975 млрд параметров. Обе демонстрируют, что индустрия движется к большим открытым архитектурам, однако загрузка и вывод на таком масштабе требуют кластеров, недоступных большинству команд — ценник на железо остаётся барьером. Агенты: работа GATS показала 100% успех планирования без единого вызова LLM — знаковый шаг к снижению платы за токены в агентных цепочках. В то же время свежий бенчмарк зафиксировал, что эффективность агентов падает на длительных задачах: чем больше шагов, тем чаще забывается контекст и растут ошибки. Парадокс в том, что GATS решает планирование без LLM, но для исполнения агентам всё равно нужна память, которая пока ломается на горизонте. Генеративный контент: исследование (или модель) на Habr отметило, что нейросеть не повторяет лозунги, а пересказывает ценность с фактурой — генерация стала плотнее и избегает канцелярита, выдавая детали вместо шаблонов. Полезно для продуктов, где нужна смысловая точность, но проверка фактов остаётся ручной: модель всё ещё может добавить правдоподобную, а не достоверную деталь. Авторский вывод: неделя оформила тренд на «открытые веса-гиганты», но вычислительная экономика этих моделей пока не для массового прода. Агенты же идут к пост-LLM планированию, что может оказаться куда более значимым для реальных приложений, чем ещё один триллион параметров. Если GATS-подобные методы станут воспроизводимыми, ценность крупных языковых моделей сместится с планирования на исполнение и понимание контекста — и это изменит архитектуру агентных систем быстрее, чем новый MoE-релиз. #ИИ #дайджест #нейросети