Новости, гайды и обзоры нейросетей — новые материалы первыми.
Не оценивайте результат агента по тому, что проект собрался. Проверьте границы diff, тесты, зависимости, обработку ошибок и возможность отката — по шагам, которые подходят и небольшой команде.
В обновлении от 16 октября Cursor добавила агентам интерактивные рабочие представления и бета-API для сред. Это меняет способ просмотра результата, но не превращает агента в автономного разработчика без контроля.
Обе новинки относятся к агентным системам, но решают разные задачи: одна анализирует визуальную сцену, другая помогает памяти агента. Сравниваем по сценарию, доступу и проверке.
Glimpse представлена как визуальная модель для сцен, движения и видео. Разбираем заявленную механику, доступ, ограничения демонстраций и кому стоит проверять её в пилоте.
План теста для моделей, которые анализируют изображения и видео: фиксируем эталон, проверяем движение и не принимаем уверенный пересказ за доказательство.
В обновлении голосового режима акцент сделан на естественности речи и коротких репликах во время поиска. Разбираем, что это меняет для пользователя и что пока нельзя считать гарантией.
SPACE — не новая нейросеть, а слой изоляции для кода и инструментов агента. Разбираем, что именно открыли, какие границы безопасности обещает архитектура и почему публикация исходников не заменяет проверку своей конфигурации.
Практический план пилота: выделенная копия, минимальные разрешения, проверка отказов и журнал действий. Помогает понять, что агенту действительно нужно, прежде чем открывать ему рабочие файлы.
Liquid AI выпустила модель принятия решений для текста и изображений. Разбираем, где ответ в виде вероятностей удобнее генерации, что означает цена за вход и как проверить качество на собственных примерах.
Две новые модели решают разные задачи: Reflection выпускает открытые веса для рассуждений и агентных сценариев, Liquid AI — вероятностный классификатор текста и изображений. Сопоставляем форматы, затраты и требования к пилоту.
Обе модели принимают визуальный контекст, но отличаются архитектурой, доступом и лицензированием. Вместо спора о бенчмарках даём план сравнения на документах, видео и ограниченном бюджете.
Разбираем не рекламную витрину, а повседневный сценарий: загрузка файлов, разделение по рабочим пространствам, режимы поиска и ограничения ответов по внутренним документам.
Не запускайте сгенерированный SQL в рабочей базе. Разбираем read-only подключение, эталонные вопросы, контроль таблиц и план, который помогает поймать ошибку до того, как отчёт увидят коллеги.
Шесть сотрудников METR получили доступ к части внутренних систем Anthropic, чтобы оценивать риски моделей. Разбираем уровни доступа, право публикации и то, чего эта схема пока не доказывает.
Сравниваем два способа извлечь данные из скана: классическое распознавание с проверками и vision-модель. Решение зависит от качества шаблонов, цены ошибки и того, кому достанется спорная строка.
