Long-Horizon-Terminal-Bench: почему AI-агенты теряют нить в долгих terminal-задачах
LHTB показывает, где ломаются long-horizon AI-агенты: 46 terminal-задач, dense reward, 9,9 млн токенов на запуск и слабый pass@1 даже у лучших моделей.
AI-агенты
AI-агенты: автономные ИИ-системы, способные выполнять задачи без постоянного участия человека.
Ghostcommit: prompt injection через PNG и AGENTS.md
Ghostcommit показывает новую слепую зону AI code review: инструкция спрятана в PNG, AGENTS.md ведёт агента к файлу .env, а секреты уходят в обычный коммит.
AgenticSTS: структурированная память AI-агентов вместо длинного контекста
AgenticSTS показывает, как long-horizon агенты могут обходиться без бесконечного transcript: свежий prompt собирается из пяти типизированных слоёв памяти.
GPT-5.6 Sol Ultra и гипотеза двойного покрытия циклами: что известно
GPT-5.6 Sol Ultra, по заявлению OpenAI, нашла доказательство гипотезы двойного покрытия циклами. Что проверено, что спорно и почему важны 64 субагента.
GitHub Copilot code review: как workflow-инструкции снизили стоимость ревью
GitHub показал редкий публичный кейс: агент для ревью стал дешевле после переписывания workflow-инструкций, а не после смены модели или инструментов.
ChatGPT Work: зачем OpenAI переводит ChatGPT в рабочую агентную среду
ChatGPT Work показывает новый курс OpenAI: ChatGPT должен не только отвечать, но и выполнять длинные рабочие задачи через Codex, плагины и scheduled tasks.
GPT-5.6 и новая волна AI-агентов: что меняет OpenAI
GPT-5.6 стал основой ChatGPT Work, Codex и multi-agent API. Разбираем, почему OpenAI переводит ИИ из чата в рабочий слой.