Главное за 6 ноября 2026

Name: Пачка
Author: Пачка

Что важно запомнить

1
Bloomberg и WSJ пишут, что после распродажи ИИ-бумаг покупатели торгуются жёстче. В заявке Anthropic около 17 млрд долларов годовой выручки и сотни миллиардов обязательств по контрактам на вычисления, и разрыв между этими числами инвесторы называют причиной скидки. Окончательную цену компания объявит ближе к размещению.
2
Агент отправляет почту из учётной записи в служебном заголовке при каждом обращении к внешнему ресурсу — то есть любой сайт, куда он ходит за документацией, видит, кто с ним работает. Issue в репозитории Anthropic собрала почти 500 комментариев и вышла на первое место Hacker News.
3
Фоновые субагенты — вспомогательные процессы, которые гоняют тесты и проверяют код, — отчитывались каждые 30 секунд, и на каждый отчёт основная модель заново перечитывала всю историю диалога. Теперь статусы пишет отдельная лёгкая модель короткими заметками.
4
В модели 594 млрд параметров, из которых на ответ работают 17 млрд, контекст до миллиона токенов, есть понимание изображений. На DesignArena, где люди вслепую сравнивают сгенерированные страницы, она набрала 1340 баллов; лицензию Apache 2.0 стартап Миры Мурати обещает позже.
5
Задача — понять, что две записи в базе относятся к одному клиенту. Основной поток разбирает недорогая модель, спорные случаи уходят к Opus. В комментариях на Hacker News спорят о слабом месте: вся схема держится на том, умеет ли дешёвая модель распознать собственную неуверенность.
6
Дэн Лу поручал агенту на GPT-6 Astra реализовать конвертер Pandoc, меняя только инструкцию о тестировании; прогон обошёлся примерно в 90 тысяч долларов по розничным ценам API. Разработка через тесты дала 40,5% пройденных тестов, дифференциальное тестирование — сверка поведения с эталонной программой — 45,1%.
7
Разрыв объясняется данными: синтетические инциденты были чистыми и однозначными, а живой поток событий полон шума, повторов и частично заполненных полей. Автор описал настройку на Хабре целиком, вместе с моделью и промптами.
8
В сценарии «одно нажатие» агент проигрывает кнопке в приложении — похожую картину раньше показывал DoorDash с сотнями заказов через агентов против миллионов обычных. Perplexity делает ставку на другой случай: Teammates подключаются к почте, календарю и документам и ведут задачу неделями.

Основные понятия

Субагент: Вспомогательный процесс, который основной агент запускает под отдельную задачу — прогнать тесты, проверить кусок кода — и получает от него результат.
Скрытые тесты: Проверочные задания, которых агент не видит во время работы: по ним оценивают результат, чтобы он не подгонял код под известные примеры.
Ложная эскалация: Случай, когда система поднимает тревогу по безобидному событию: для дежурной смены это лишняя работа и причина перестать доверять подсказкам.
Граница «качество за доллар»: Набор моделей, каждая из которых даёт свой уровень качества дешевле остальных; всё, что лежит под этой границей, покупать смысла нет.