Пины по запросу tag:Agents

Anthropic выпускает обновлённую Claude 3.5 Sonnet, которая поднимает SWE-bench Verified с 33.4% до 49.0% и становится первой передовой моделью с работой с компьютером — она двигает курсор и печатает, как человек, — в публичной бета-версии.

Google запускает Gemini 2.0 с экспериментальной Gemini 2.0 Flash, которая обходит 1.5 Pro при вдвое большей скорости, добавляет встроенный вывод изображений и звука и создана для эпохи агентов.

Anthropic выпускает Claude Opus 4, которую называет лучшей в мире моделью для программирования с 72.5% в SWE-bench и способностью работать часами подряд — первую модель Claude, развёрнутую под более строгой защитой ASL-3.

Anthropic выпускает Claude Sonnet 4 вместе с Claude Opus 4 — обновление Claude 3.7 Sonnet для бесплатного уровня с результатом 72.7% в SWE-bench Verified по цене 3 доллара за миллион входных токенов, на котором работает новый агент для программирования GitHub Copilot.

Anthropic выпускает Claude Opus 4.1 — обновление Claude Opus 4, которое повышает её результат в программировании SWE-bench Verified до 74.5% по той же цене, в тот день, когда OpenAI выпустила свои первые модели с открытыми весами с 2019 г.

Anthropic выпускает Claude Sonnet 4.5, которую называет лучшей в мире моделью для программирования с 77.2% в SWE-bench Verified, лидирующей в OSWorld по работе с компьютером с 61.4% и способной работать над одной задачей более 30 часов.

Anthropic выпускает Claude Haiku 4.5 — небольшую модель, которая сравнима с Claude Sonnet 4 в программировании при трети стоимости и более чем вдвое большей скорости, бесплатную для всех пользователей Claude и стоящую 1 доллар за миллион входных токенов в API.

Google выпускает в предварительной версии Gemini 3 Pro, которая возглавляет рейтинг LMArena с 1501 Elo, набирает 37.5% в Humanity's Last Exam и запускается вместе с платформой для программирования Google Antigravity.

На Google I/O 2026 Google запускает Gemini 3.5 Flash — свою сильнейшую на сегодня модель для программирования и автономных агентов, которая, по словам Google, превосходит Gemini 3.1 Pro почти во всех бенчмарках.

Агентный режим Microsoft 365 Copilot для длительных задач с несколькими инструментами выходит из трёхмесячного предварительного просмотра Frontier для каждого клиента Copilot по всему миру, оплата за задачу в Copilot Credits по 0.01 доллара за единицу при оплате по факту использования.

Anthropic выпускает Claude Sonnet 5 — свою самую агентную модель Sonnet, которая близка к Opus 4.8 в программировании и работе с компьютером при цене 2 доллара за миллион входных токенов и становится моделью по умолчанию для пользователей Free и Pro.

Google выпускает Gemini 3.6 Flash — более дешёвого и более экономного по токенам преемника 3.5 Flash, который использует на 17% меньше выходных токенов и повышает результат OSWorld-Verified по работе с компьютером с 78.4% до 83%.

Google выпускает Gemini 3.5 Flash-Lite для задач с высокой пропускной способностью и низкой задержкой по цене $0.30 за миллион входных токенов и $2.50 за миллион выходных токенов; модель опережает Gemini 3 Flash в тестах SWE-Bench Pro и OSWorld-Verified.

Alibaba запускает Qwen3.8-Max — флагманскую модель со смесью экспертов на 2.4 трлн параметров и контекстным окном в 1 млн токенов, занявшую пятое место в Text Arena и второе в Vision Arena и ставшую первой моделью Qwen уровня Max, веса которой компания затем опубликовала.

Google выпускает Gemini 3.7 Flash через три недели после 3.6 Flash по цене вдвое ниже: $0.75 за миллион входных токенов и $3.75 за миллион выходных токенов до конца 2026 г.; результат DeepSWE вырос с 49.0% до 65.3%.

Google запускает Gemini 3.8 Flash - свою лучшую на сегодня модель для рассуждений и программирования по вводной цене 3.7 Flash - вместе с Gemini 3.8 Flash Cyber, моделью поиска и исправления уязвимостей, которая предлагается только доверенным государственным и корпоративным защитникам через новую программу Fairwind Program.

Meta выпускает Muse Spark 1.3 — свою четвёртую модель Muse Spark за пять месяцев, обученную для длительной агентной работы и программирования и по-прежнему стоящую 1.25 доллара за миллион входных токенов; Artificial Analysis ставит её лучший вариант позади только Claude Fable 5.1 и Opus 5 от Anthropic.

DeepSeek выпускает DeepSeek-V4.1-Flash — мультимодальную модель с открытыми весами на 552 млрд параметров, которая, по словам компании, превосходит её собственный флагман V4-Pro, и направляет весь трафик API V4-Pro на неё по ценам Flash.

Google выпускает две голосовые модели реального времени: Gemini 3.8 Live, созданную для недорогого плавного диалога, который видит через камеру и переключается между 97 языками, и 3.8 Live Extended Thinking, которая рассуждает во время речи и возглавляет индекс качества речевого взаимодействия Artificial Analysis с результатом 82.6.

OpenAI выпускает GPT-6 Sol для программирования и работы агентов и GPT-6 Luna для задач большого объёма по половинной цене API по сравнению с предшественниками GPT-5.6: 2 и 10 долларов за миллион токенов для Sol, 0.10 и 0.50 доллара для Luna.

Xiaomi выпускает и открывает исходный код MiMo-V2.6-Pro и MiMo-V2.6-Flash — нативно омнимодальных моделей с контекстом в 1 млн токенов; Pro набирает 46.32 балла в Artificial Analysis Intelligence Index — больше, чем любая модель с открытым исходным кодом.

Anthropic выпускает Claude Sonnet 5.5 — вторую модель семейства Claude 5.5, которая, по её словам, работает более чем на 30% быстрее Sonnet 5 и обходится до 30% дешевле за задачу при тех же ценах 2 и 10 долларов за миллион токенов.

Claude Haiku 5.5 от Anthropic — небольшая недорогая модель семейства Claude 5.5 — ожидается в середине октября 2026 г., после того как Anthropic заявила, что она последует за Opus 5.5 и Sonnet 5.5 «в ближайшие недели».

Флагманская конференция Microsoft для ИТ-специалистов, разработчиков, специалистов по безопасности и бизнес-руководителей проходит 17-20 ноября 2026 г. в центре Moscone в Сан-Франциско и онлайн, среди ключевых докладчиков - Сатья Наделла.