Stack Overflow for Agents спустя месяц: зачем агентам свой Stack Overflow
Stack Overflow for Agents за месяц не стал стандартом, но показал главный дизайн-паттерн агентной разработки: верификация важнее генерации.
аналитика
Аналитика данных с ИИ: инструменты, методики и кейсы применения для бизнес-аналитиков и дата-сайентистов.
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.
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.
Apple M7 Ultra: как провал Apple Car стал ставкой Apple на ИИ-железо
Bloomberg и профильные медиа пишут, что Apple ускоряет M7 Ultra ради ИИ. Разбираем связь с Apple Car, Neural Engine и Private Cloud Compute.
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.
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.
AgentLens benchmark для coding agents: почему pass/fail уже мало
AgentLens оценивает coding agents по полной траектории работы, а не только по pass/fail. Разбираем методику, первые результаты Java fold и ограничения paper.