В Yandex AI Studio появился новый инструмент observabilityi — Monium Tracesi, который показывает полный путь выполнения ИИ-агента: системные и пользовательские промпты, ответы модели, вызовы инструментов и контекст каждого шага.

Обычный мониторинг для агентных систем малополезен: метрики могут быть «зелёными», а агент при этом потеряет контекст, выберет неподходящий инструмент или уйдёт в бесконечный цикл. Трейсы позволяют увидеть саму цепочку принятия решений и быстро найти момент, где агент начал работать некорректно.

Полный разбор →

Компания Firecrawl открыла исходный код быстрого парсера документов на Rusti. Сначала инструмент называли pdf-inspector и он конвертировал только PDF в Markdown, но затем Firecrawl расширила его до anydoc — библиотеки, которая переводит в Markdown не только PDF, но и DOCX, PPTX, XLSX и ещё около 10 других форматов, сохраняя заголовки, таблицы, списки и общую структуру документа.

Инструмент рассчитан на подготовку данных для RAGi-пайплайнiов и AI-агентов: он ставится локально (в том числе на макбук, работает в браузере) и встраивается напрямую в пайплайны обработки документов, например в Claude Code.

Полный разбор →

Liquid AI представила LFM2.5-2.6B — агентную модель на 2,6 млрд параметров, которая полностью работает на устройстве: планирует действия, вызывает инструменты и выполняет многошаговые задачи без облачного API. Это важно для тех, кто хочет запускать ИИ-агентов локально, без затрат на облачную инфраструктуру и с сохранением приватности данных.

По тестам разработчика, модель по ряду задач на следование инструкциям и tool usei превосходит более крупные Gemma и Qwen, при этом потребляет менее 2,5 ГБ памяти на CPU.

Полный разбор →

Китайская компания Moonshot AI выпустила Kimi K3 — MoEi-модель с 2,8 трлн общих и 104 млрд активных параметров, открытыми и бесплатно скачиваемыми весами, native vision и контекстом в 1M токенов. По заявлению авторов, это первая открытая модель 3T-класса, и по многим тестам она приблизилась к топовым закрытым американским моделям, вызвав ажиотаж в индустрии — вплоть до реакции Илона Маска, который назвал релиз «впечатляющим» и сообщил, что xAI готовит ответ на 2 трлн параметров.

Однако «бесплатность» весов не означает дешевизну использования: по официальным рекомендациям Moonshot AI для развёртывания К3 нужна конфигурация «суперузла» из 64+ ускорительных карт, с первоначальными инвестициями порядка 20 млн юаней (~$3 млн), не считая затрат на электроэнергию — что резко ограничивает круг тех, кто реально может запустить модель у себя.

Полный разбор →

На неделе с 27 июля по 2 августа 2026 вышло сразу несколько крупных релизов в LLM и генеративных моделях. Moonshot AI открыли веса своей крупнейшей модели Kimi K3 (2.8T параметров), OpenAI снизили цены на линейку GPT-5.6 и представили математическую мультиагентную модель Astra, а DeepSeek обновили V4 Flash без изменения архитектуры. Параллельно ByteDance и MiniMax выпустили новые генераторы видео, а Google DeepMind — модель для управления роботами.

События показывают, что гонка идёт одновременно по нескольким фронтам: открытые веса больших LLM, снижение цены токена, доказательства математических теорем через ИИ и мультимодальная генерация видео/аудио с точным контролем движения.

Полный разбор →

Разработчики SQLite AI создали инференс-движок WASTE (6000 строк C, без BLAS, CUDA и Python в рантайме), который позволяет запускать полновесную MoEi-модель Kimi K3 на обычном железе — вплотную к пределу возможностей потребительских дисков и памяти. Модель никогда полностью не загружается ни в RAM, ни в VRAM: в память кладётся только «плотный» резидентный блок, а нужные на каждом шаге эксперты подтягиваются прямо с диска.

Это важно, потому что Kimi K3 — гигантская MoE-модель (по разным оценкам 2,8–3 трлн параметров), которая в обычном виде требует терабайты памяти. WASTE показывает, что такие модели можно гонять локально без серверных стоек с DDR5, хотя цена — скорость в доли токена в секунду.

Полный разбор →