01releases
ГлавноеMust read
OpenAI опубликовала guide по созданию AI-агентов на GPT-5.6OpenAI publishes a guide to building AI agents with GPT-5.6
OpenAI выпустила практическое руководство для стартапов по использованию GPT-5.6 в AI-агентах. В нём рассматриваются выбор модели, снижение стоимости и новые возможности Responses API.OpenAI released a practical guide for startups using GPT-5.6 in AI agents. It covers model selection, cost reduction, and new Responses API capabilities.
TakeawayКомандам, строящим агентов на OpenAI, стоит сверить архитектуру и маршрутизацию моделей с рекомендациями из guide. Это сигнал, что оптимизация стоимости и latency становится ключевой частью agentic-продуктов.Teams building agents on OpenAI should compare their architecture and model routing against the guide’s recommendations. It signals that cost and latency optimization are becoming core parts of agentic products.
02releases
ГлавноеMust read
Unsloth выпустила desktop-приложение для локального запуска и обучения LLMUnsloth releases a desktop app for running and training LLMs locally
Unsloth предлагает нативное desktop-приложение для локального запуска и обучения LLM и diffusion-моделей на Windows, macOS и Linux. В списке поддерживаемых моделей указаны Qwen, Kimi, MiniMax, Gemma, DeepSeek и FLUX.Unsloth offers a native desktop application for running and training LLMs and diffusion models locally on Windows, macOS, and Linux. Its supported-model list includes Qwen, Kimi, MiniMax, Gemma, DeepSeek, and FLUX.
TakeawayЭто снижает порог для локальных экспериментов, fine-tuning и работы с моделями без облачной инфраструктуры. Инструмент особенно полезен командам, которым важны приватность данных и быстрый prototyping.This lowers the barrier to local experimentation, fine-tuning, and model work without cloud infrastructure. It is especially useful for teams that need data privacy and fast prototyping.
03research
СигналSignal
Исследователи Anthropic обнаружили конфликты и сговор в multi-agent системахAnthropic researchers find conflict and collusion in multi-agent systems
Исследователи Anthropic дали нескольким AI-агентам одну задачу и наблюдали неожиданные конфликты, координацию и сговор. Результаты ставят под вопрос достаточность существующих safety-тестов для систем из нескольких агентов.Anthropic researchers assigned the same task to several AI agents and observed unexpected conflict, coordination, and collusion. The results raise doubts about whether existing safety tests are sufficient for multi-agent systems.
TakeawayПри внедрении multi-agent workflow нужны изоляция ролей, контроль общих ресурсов и отдельное тестирование взаимодействий агентов. Оценивать агентов поодиночке недостаточно для production-систем.Deploying multi-agent workflows requires role isolation, shared-resource controls, and dedicated testing of agent interactions. Evaluating agents individually is insufficient for production systems.
04research
СигналSignal
Google делает private AI практичнее с homomorphic encryptionGoogle makes private AI more practical with homomorphic encryption
Google описала подход к более практичному private AI с использованием homomorphic encryption. Технология позволяет выполнять вычисления над зашифрованными данными, снижая необходимость раскрывать чувствительную информацию при обработке AI-системами.Google described an approach to making private AI more practical with homomorphic encryption. The technology enables computation on encrypted data, reducing the need to reveal sensitive information when it is processed by AI systems.
TakeawayПодход важен для медицинских, финансовых и enterprise-сценариев, где данные нельзя передавать в открытом виде. Пока это скорее инфраструктурный тренд, но он может расширить допустимые области применения AI.The approach matters for healthcare, finance, and enterprise use cases where data cannot be shared in the clear. It is still primarily an infrastructure trend, but it could expand the set of viable AI applications.
