Anyspherei (разработчик Cursor) провела эксперимент: команде AI-агентов поручили реализовать на Rust всё содержимое 835-страничного руководства SQLite — без доступа к исходному коду СУБД, готовым сборкам, тестам и интернету. Цель — понять, как выбор модели для планирования и модели для исполнения влияет на стоимость и качество результата в API-ценах.
Все протестированные конфигурации в итоге прошли полный тестовый набор, но стоимость прогона отличалась в разы: от $1339 до $10565 в основном сравнении и до $20057 — если считать неофициальные одиночные запуски. Вывод Cursor: дорогую топовую модель достаточно привлекать на этапе декомпозиции задачи и проектных решений, а рутинное исполнение можно отдавать более дешёвой модели без потери качества.
ВыводВсего было 4 официальные конфигурации: GPT-5.5 и Grok 4.5 — сами планировали и сами исполняли; Opus 4.8 и Fable 5 — планировали, а исполнение отдавали собственной модели Cursor Composer 2.5
Компания Poolside представила Laguna S 2.1 — MoEi-модель, ориентированную на кодинг и длительные агентные сценарии. По данным одного из источников, на Terminal-Bench модель показывает результат лучше, чем только что вышедшая Gemini Flash 3.6.
Модель компактна по вычислительным требованиям (запускается на одном DGX Sparki) при контексте до 1 млн токенов, что делает её привлекательной для локального и агентного использования разработчиками.
С 17 по 20 июля в Шанхае прошла Всемирная конференция по искусственному интеллекту WAICi-2026 — впервые в её истории конференцию лично открыл Си Цзиньпин. Мероприятие собрало более 1100 компаний, свыше 3000 экспонатов и более 300 мировых премьер на площади 100 000 квадратных метров.
По оценке организаторов и участников, в 2026 году конференция сменила фокус: если раньше это был парад тестов и бенчмарков, то теперь — демонстрация реального внедрения ИИ в производство, роботов на заводах, ИИ-агентов в смартфонах и вычислительных кластеров без чипов Nvidia.
В Сеуле прошла International Conference on Machine Learning (ICML) — одна из главных мировых конференций по машинному обучению. Команда Яндекса представила восемь статей и получила награду за лучшую статью на воркшопе Graph Foundation Models: A New Era for Graph Machine Learning. Руководитель отдела разработки ИИ-сервисов Яндекса Сергей Юдин рассказал о двух главных тенденциях конференции: сближении теории и практики в ИИ и быстром развитии агентских систем вместе с проблемами их надёжности и безопасности.
Главная интрига события — организаторы встроили в PDF-файлы статей скрытые промпт-инъекции, чтобы выявить рецензентов, которые нарушали запрет на использование LLM при оценке работ. Проверка вскрыла массовое нарушение правил и привела к отклонению почти 500 статей, связанных с нарушителями.
ВыводДве работы получили ICML 2026 Outstanding Paper Award, обе связаны с диффузионными моделями, одна — с dLLM (диффузионными языковыми моделями), способными параллельно генерировать несколько токенов на одном шаге и заметно сокращать время генерации.
На ICML 2026 представили два бенчмарка для оценки AI-агентов в задачах разработки и анализа данных. Nebius обновили SWE-rebench до версии V2, сделав его языково-агностичным и заточенным под сбор данных для RL-обучения агентов на реальных задачах из репозиториев. Параллельно появился CoDA-Benchi — бенчмарк, проверяющий умение агентов находить нужные данные среди связанных файлов и анализировать их на материале Kaggle-ноутбуков.
Оба проекта решают одну проблему: как получить чистые, автоматически проверяемые задачи для тренировки и оценки кодовых агентов в масштабе, без ручной разметки каждого случая.
ВыводВ SWE-rebench V2 окружение под каждый репозиторий собирает собственный интерактивный агент: читает README/конфиги, ставит зависимости, запускает тесты и чинится по логам ошибок; полный цикл удался лишь для 20% проектов