Агенты, Codex и MCP-инфраструктура: почему AI переходит из чата в рабочий слой
AI-агенты переходят из чата в рабочую инфраструктуру: Codex, MCP, Computer Use и Autodata показывают, какие слои теперь нужны.
аналитика
Аналитика данных с ИИ: инструменты, методики и кейсы применения для бизнес-аналитиков и дата-сайентистов.
General Intuition: игровые данные для AI-агентов
General Intuition делает ставку на игровые данные Medal: action labels должны помочь AI-агентам учиться причинности, но перенос в роботов ещё не доказан.
ИИ в математике: как меняется роль исследователя
ИИ уже помогает искать доказательства, формализовать теоремы и проверять идеи. Разбираем, что в этой работе остаётся за исследователем.
Пределы AI coding agents: что показал кейс Depixelizing Pixel Art
Разбор Habr-эксперимента с Depixelizing Pixel Art: почему сложная графическая задача лучше обычного бенчмарка показывает пределы AI coding agents.
Контроль расходов на ИИ: почему компании переходят от энтузиазма к лимитам
Компании переходят от безлимитного внедрения ИИ к лимитам, бюджетам и маршрутизации моделей. Что меняет usage-based billing и как считать AI-агентов.
Databricks Omnigent: зачем компаниям мета-харнесс для AI-агентов
Databricks открыла Omnigent: слой над Claude Code, Codex, Cursor и Pi для управления агентными сессиями, sandbox, политиками и расходами.
RIFT-Bench: как проверять безопасность AI-агентов
RIFT-Bench проверяет безопасность AI-агентов как систему: структура, инструменты, traces, ASR/AAR и компромисс между защитой и utility.