🧠 Дайджест недели: главное в ИИ Сквозная тема недели — агенты в рабочей среде: как их измерять, сколько стоит каждый шаг и почему результат не равен поведению. Без ажиотажа: мы упираемся в отслеживание, стоимость и длинные горизонты. 1. Оценка агентов по результату скрывает их реальное поведение. Исследование с arXiv: правильный финальный ответ не гарантирует, что агент пришёл к нему допустимым путём. Для рабочей среды это значит, что без отслеживания шагов вы не обнаружите случайный успех до того, как он повторится у платящего клиента. 2. Nvidia показала: в агентных задачах обвязка важнее модели. По разбору TechCrunch, вклад архитектуры, промптов и управления контекстом перевешивает смену самой модели. Нюанс: результат получен на задачах конкретного тестового набора, на вашем наборе технологий пропорция может сместиться. 3. AIRepo: как проверить, готов ли ваш репозиторий к работе с ИИ-агентами. Инструмент AIRepo из материала на Habr предлагает контрольный список структуры, документации и читаемости — без этого агент не начнёт работать без ручных подсказок. Ограничение: идеальный по контрольному списку репозиторий не гарантирует, что агент разберётся в сложной бизнес-логике. 4. LLM OpenRouter 0.7 добавил серверные инструменты и цепочки рассуждений. Обновление, которое показал Саймон Уиллисон, убирает часть клиентского кода для подключения инструментов и управляемых цепочек. Но с серверными инструментами часть логики уходит на сторону провайдера — проверьте время ожидания и формат отслеживания до переноса в рабочую среду. 5. Qwen 3.8 27B: стандартный xhigh — 21 минута на простой SVG. Тест Уиллисона фиксирует: максимальная глубина рассуждений на тривиальной генерации оборачивается десятками минут ожидания. Для продуктов, где скорость имеет значение, это аргумент не включать xhigh без разделения задач. 6. Споры о сознании ИИ — ловушка для ответственности корпораций. Материал MIT Technology Review показывает, как философский спор уводит фокус с измеримых рисков и обязательств. Когда повестку занимает сознание, проще не заметить, кто отвечает за сбой в рабочей среде или неверный совет модели. 7. Агенты не справились с открытым исследованием уровня NeurIPS. MIT Technology Review сообщает: открытое исследование с новизной и длинным горизонтом — пока не задача для текущих агентов. Слабое место — долгосрочное планирование и проверка гипотез, а не только качество конкретной модели. Авторский вывод Эта неделя сместила фокус с «какая модель сильнее» на «как контролировать её в задаче». Отслеживание шагов, подготовка репозиториев и серверные инструменты решают больше, чем очередные очки в тестовом наборе. Агентная система начинается не с параметров — с того, видите ли вы её поведение и сколько платите за каждый шаг. #ИИ #дайджест #нейросети