AI Dev Broadcast

🛠 Cursor открыл Agent SDK: свои агенты как код и деплой одной командой Cursor представил Agent SDK — фреймворк, на котором компания сама собирает Bugbot, Security Reviewer и Rollouts. Теперь так можно описать своего агента: ревьюера PR по правилам команды, автофиксер или триаж задач. 👉 Агент — это папка проекта: instructions.md с промптом, tools/ с типизированными действиями, skills/, mcp-connections/ и channels/ 👉 Просыпается по событиям: PR, комментарии и CI в GitHub, GitLab и Bitbucket, сообщения в Slack, вебхуки и cron 👉 Есть evals: agent-sdk eval проверяет, какие инструменты вызвал агент, а agent-sdk github replay прогоняет через него реальный PR Старт — npx @cursor/agent-sdk init ./my-bot, деплой — agent-sdk deploy в облако Cursor или на свою инфраструктуру. 🔗 Changelog · Блог Cursor #AI #Cursor #Agents

В анонсе OpenAI делает упор на понимание экрана и действия в приложениях. Из этого следует, где модель может пригодиться фронтендеру: 👉 Агенты, которые кликают по интерфейсу, сверяют вёрстку с макетом и ищут визуальные баги 👉 На вход принимает картинки: макет или скриншот → вёрстка или правка 👉 Скорость и низкая цена подходят для многих итераций 👉 Отвечает только текстом, картинки не генерирует 🔗 Документация модели #OpenAI #GPT #Frontend #AI

🧠 OpenAI выпустила GPT-6.1 Terra — быструю модель для работы с экраном и приложениями OpenAI представила GPT-6.1 Terra на смену GPT-5.6 Terra. Модель лучше понимает, что на экране, действует в приложениях и пишет естественнее. OpenAI делает ставку на обычные рабочие задачи: составить коммерческое предложение, разобрать технический чертёж, заполнить форму, смонтировать видео. Пример автоматизации — читать входящие счета и вносить их в бухгалтерскую программу. Что по синтетике: 👉 Agents' Last Exam (работа агентов в софте): на уровне GPT-6 Astra 👉 Terminal-Bench 4.0: 50,3% задач против 21,5% у GPT-5.6 Terra 👉 Меньше ошибок на провокационных промптах: 16,7% вместо 53,6% При этом API на 50% дешевле GPT-6.1 Sol. Доступна в ChatGPT Work и Codex (Plus, Pro, Enterprise, Edu), в API — gpt-6.1-terra.

⚠️ Для самых сложных задач по коду OpenAI рекомендует Sol и Astra. Бенчмарки — от самой OpenAI.

🔗 Анонс #OpenAI #AI

🐱 rtk 1.1.0: обёртка fish-скриптов и правила доступа, которые не обойти присваиванием rtk (Rust Token Killer) перехватывает shell-команды агента и сжимает их вывод до попадания в контекст. В 1.0 он научился проксировать API и сменил лицензию, а 25 октября вышел 1.1.0 с пачкой исправлений хуков и разрешений. 👉 fish. Однозначно fish-скрипты хук может заворачивать в rtk run --shell fish. Включается явно и не срабатывает там, где может совпасть deny-правило 👉 Разрешения. deny и ask теперь матчатся и после присваиваний переменных и обёрток. Если файл настроек не читается или не парсится, rtk запрещает, а не пропускает 👉 Хуки. Переписанные команды проверяются на целостность, а git в worktree, которыми управляет Claude Code, rtk больше не переписывает 👉 Фильтры. Компактные таблицы сборки Angular, pytest сохраняет строки E и место падения, bun test понимает --coverage и --bail 🔗 Релиз 1.1.0 #AI #ClaudeCode #OpenSource

🛠 Claude Code научился MCP Tasks: долгие задачи плагинов уходят в фон Раньше, если MCP-инструмент запускал прогон тестов на десять минут, Claude Code просто ждал ответа. Теперь сервер сразу возвращает идентификатор задачи, Claude продолжает работать, а результат забирает, когда задача закончится. Поддержку MCP Tasks и Elicitations Anthropic включила 23 октября. Elicitations позволяют инструменту посреди работы спросить пользователя — например, подтвердить деплой или уточнить недостающую деталь. В терминале это небольшая форма, отказ тоже считается ответом: дальше решает сервер. Запущенные задачи видны в /tasks, там же их можно остановить. Задача на удалённом сервере переживает выход из Claude Code и подхватывается при возобновлении сессии.

⚠️ Это public beta: нужен Claude Code 2.1.304+ в терминале или Agent SDK. В VS Code, десктопном приложении, у сабагентов и в claude -p вызовы пока обычные, а сервер должен сам поддерживать расширение Tasks.

🔗 Документация · ClaudeDevs #AI #ClaudeCode #MCP #Anthropic

🧠 OpenAI Decisions API вышел в GA: классификация и роутинг без генерации ответа Когда агенту нужно лишь решить, куда отправить запрос или насколько серьёзен баг, полноценный ответ модели не нужен. Для этого OpenAI сделали Decisions API, и 22 октября он вышел из public beta. API принимает текст, картинки или JSON и возвращает типизированный ответ примерно в 10 раз быстрее, чем Responses API. Вопросы бывают трёх типов: predicate даёт вероятность условия, choice выбирает вариант из списка, score оценивает по шкале. Работает пока только с gpt-6-luna.

decision = client.decisions.create(
    model="gpt-6-luna",
    input="I was charged twice for my order.",
    questions=[{
        "type": "choice",
        "name": "department",
        "instructions": "Which department should handle this?",
        "choices": [
            {"value": "billing", "description": "Payments and refunds."},
            {"value": "technical", "description": "Problems using the product."},
        ],
    }],
)
print(decision.answers[0].choice)

К GA добавили prompt caching, JSON на входе, оценку истории диалога с вызовами инструментов и до 400 вопросов в одном запросе. 🔗 Документация · Анонс #AI #OpenAI #API

Венчмарки Kimi 3.1 Pro от разработчиков моделей

🧠 Kimi K3.1 Pro: открытая модель почти догнала Claude Opus 5.5 в терминальном кодинге Moonshot AI выпустила K3.1 Pro — дообученную версию Kimi K3 с заметно бо́льшим бюджетом на RL сразу в сотнях доменов. Модель класса 3T, окно 1 млн токенов, веса откроют. На Terminal-Bench 4.0 K3.1 Pro набирает 65,7% — больше GPT-6 Astra (58,2%) и чуть меньше Claude Opus 5.5 (66,4%). Во внутреннем тесте модель строила симулятор ходьбы человека и, когда подбор награды не помогал, сама нашла и исправила 36 ошибок в расчётах мышц плеча. Вместе с ней вышла K3.1 Pro Highspeed — в 2–3 раза быстрее. Обе уже доступны в Kimi.ai, Kimi Work, Kimi Code и через API.

⚠️ Полные веса обещают опубликовать до 4 ноября. Цифры — из бенчмарков самой Moonshot.

🔗 Kimi Blog #AI #LLM #Kimi

🐱 Spyglass: агент наконец видит Compose UI, который сам написал Агент может написать экран на Compose, который компилируется, но не видит, что отступ съехал, текст обрезан, а кнопка не того цвета. Это выясняется, только когда вы откроете IDE. Spyglass закрывает этот пробел: рендерит @Preview в PNG без IDE, эмулятора и устройства и сравнивает результат с макетом. В ответ агент получает процент совпадения, список отличающихся областей в px и dp и тепловую карту. Дальше он сам правит код и сравнивает снова. В демо так нашлась даже ошибка в одной букве: «Priority Support» вместо «Priority support». Работает из командной строки, в CI и как MCP-сервер для Claude и других агентов. Билд-файлы трогать не надо: CLI запускает ваш gradlew со своим init-скриптом только на время рендера.

⚠️ Проект на ранней стадии (0.1.0, появился 15 октября): сейчас рендерятся превью из commonMain и desktop-кода Compose Multiplatform, Android-only превью пока только в планах.

🔗 GitHub · Релиз #AI #MCP #Compose #KMP

🧩 Agent Skills переходят в Agentic AI Foundation: что это значит для разработчиков Если вы пишете скиллы для своих агентов, после сегодняшней новости ничего переделывать не нужно. Anthropic передаёт стандарт Agent Skills в Agentic AI Foundation (AAIF) при Linux Foundation, куда раньше ушёл MCP, и ваши скиллы продолжают работать, а лицензии не меняются. Пользоваться стандартом и контрибьютить в него можно без членства в AAIF. Формат уже поддерживают 70+ агентских платформ, включая ChatGPT, Cursor, GitHub Copilot и VS Code, а теперь он не зависит от одного вендора: управлять им будет технический комитет с инженерами из Anthropic, Google, Microsoft, OpenAI и других компаний. Первым делом комитет займётся роадмапом: версионированные релизы, формальный процесс предложений и рекомендации по безопасности для тех, кто пишет и устанавливает скиллы. Спецификация и обсуждение — на agentskills.io и GitHub. 🔗 Блог Anthropic · Анонс AAIF · Спецификация · Тред #AgentSkills #AI #Agents #Anthropic #OpenSource

🐱 Beacon: открытая память для агентов, которая переносит опыт между Claude Code, Cursor и Codex Знакомая история: в Claude Code кончились лимиты, вы переходите в Codex и заново объясняете агенту проект, его соглашения и как в прошлый раз чинили тот же баг. Стартап Asymptote Labs привлёк $5,5 млн именно под эту проблему и выложил Beacon в open source под MIT. Beacon собирает историю сессий из Claude Code, Cursor, Codex, OpenCode, Cline и ещё 20+ инструментов в единый формат. Из неё он вытаскивает рабочие приёмы, исправления и паттерны отладки и превращает их в знания, которые следующий агент получает через MCP или Agent Skills. Полезно тем, кто постоянно переключается между агентами или хочет, чтобы опыт команды не пропадал вместе с сессией.

⚠️ Мастер установки по умолчанию предлагает Beacon Cloud и после подтверждения отправляет сессии туда. Если код нельзя выносить наружу, выберите Local.

🔗 Анонс · Документация #AI #ClaudeCode #Cursor #Codex

Codex снова сбросит лимиты, и это лучший подарок для отложенных задач Тибо из команды Codex в OpenAI сегодня в 09:55 по Минску объявил «reset day»: лимиты использования снова обнулят. Сброс придёт завтра, 23 октября, не позже 20:00 по Минску (до 10:00 по тихоокеанскому времени). Это уже второй сброс за неделю, прошлый был 17 октября. Регулярный сброс лимитов — это классно. Но ещё круче, когда о нём объявляют заранее: можно не экономить последние проценты, а втопить токены по полной на работу, которую давно откладывал. Завидую таким новостям каждый раз, когда использовал Claude и сейчас с Grok. Реально получаешь больше лимитов чем покупаешь. 🔗 Анонс сброса #Codex #OpenAI #AI

🧠 Inception выпустила Mercury 3: диффузионная модель уровня Haiku 5.5, но в 4–8 раз быстрее Обычные LLM пишут ответ по токену слева направо. Диффузионные модели Inception набрасывают весь черновик сразу и уточняют его за несколько проходов. Долго считалось, что такой подход не дотянет до сложных задач, и Mercury 3 — попытка доказать обратное. По данным Inception, модель обходит GPT-6 Luna и Claude Haiku 5.5 и выдаёт больше 1000 токенов в секунду. Зачем это разработчикам. Агент ждёт модель на каждом шаге, и задержки складываются: быстрая модель позволяет ему закончить раньше и успеть попробовать больше вариантов. API совместим с OpenAI — модель встаёт в текущий стек без переписывания. А в платформе Inception есть ещё автодополнение (FIM) и next edit для редакторов. Цена на старте — $0,10 / $0,35 за 1M входных / выходных токенов (скидка 50%). Доступна через OpenRouter, Baseten и Vercel.

⚠️ Все сравнения — из бенчмарков самой Inception, срок скидки не назван.

#AI #LLM #Inception

🧠 Anthropic запустила Claude Duet: проактивный агент, который сам приходит с задачами Через несколько недель после Dots от OpenAI у Anthropic появился свой проактивный агент. Claude Duet каждое утро присылает короткую сводку по подключённым приложениям, днём следит за ними и пишет, только когда что-то требует внимания. Ему можно отдать задачи от планирования встреч до дашбордов, прогнозов продаж, прототипов и веб-приложений. Работает на Claude Opus 5.5. Перед действиями от вашего имени Duet спрашивает подтверждение, пароли и токены напрямую не видит, а шаги проверяет тот же классификатор auto mode, что и в Claude Code. Отдельный классификатор не даст отправить номера карт и документов. Есть приложения для iOS и Android и веб-версия на claude.ai. Duet входит в Pro и Max и расходует общие лимиты.

⚠️ Это research preview: доступ пока через лист ожидания.

🔗 Анонс · Claude в X #AI #Claude #Anthropic #Agents

🧠 Mistral выпустила Voxtral 3: голосовой агент, который слушает, думает, вызывает инструменты и отвечает голосом Чтобы собрать голосового агента, до сих пор приходилось склеивать три системы: распознавание речи, LLM и синтез голоса, и каждая добавляла задержку. Mistral упаковала всё в один потоковый конвейер: Voxtral 3 — это новые модели распознавания и синтеза речи плюс SDK для голосовых агентов. Агент различает, кто из собеседников говорит, сам понимает, что человек договорил, и прямо во время звонка ходит в ваши системы через tool calling. Распознавание работает на 50+ языках, включая русский, а термины и имена можно подсказать модели без дообучения. Кому полезно: тем, кто делает голосовых ассистентов, поддержку по телефону и hands-free режимы в приложениях. Модели доступны через API Mistral в ЕС или на своих серверах, так что разговоры можно не выпускать наружу.

⚠️ Сравнения с Whisper и Gemini — из бенчмарков самой Mistral.

#AI #Mistral #VoiceAI

🔍 Агент поддержки дал неверный ответ о возврате товара. Где сбой — в базе знаний или в модели? Чтобы понять, нужен весь путь запроса клиента и связь действий агента. 👨🏻‍💻 27 октября в 18:00 МСК на открытом вебинаре курса по эксплуатации ИИ-агентов: — развернем Langfuse локально через Docker Compose; — подключим Python-приложение и соберём связанные трассировки; — проследим обращения к YandexGPT, поиск по базе знаний и задержки; — найдем проблемный запуск по трассировке и добавим автооценку ответа. На примере агента интернет-магазина разберем наблюдаемость и оценку качества: ответы модели, метаданные клиента и сессии, восстановление хода выполнения задачи. ❗️Подходит: для инженеров по машинному обучению, разработчиков ИИ-агентов и специалистов по платформенным решениям и внедрению моделей машинного обучения. Спикер: Николай Осипов. 👉 Регистрация на открытый вебинар по ссылке Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

IDE — архаика. JetBrains не согласны, а я не согласен с ними Уже полгода я пишу код с агентами. В код я по сути не смотрю, а когда нужно его прочитать, мне вполне хватает пулл-реквестов. JetBrains выпустили колонку о том, почему IDE всё ещё нужна. Я считаю иначе. Ценность IDE сегодня — во встроенных инструментах: анализ кода, подсветка, отладка. Но мы уходим от чтения кода, а большая часть IDE существует, чтобы визуально показывать код человеку. Эту машинерию можно убрать под капот и отдать агентам. Netflix уже так сделала: подключила к агентам headless-движок анализа кода IntelliJ IDEA в виде LSP, и агенты стали на 20–30% экономнее по токенам и времени. JetBrains могли бы на своих внутренних технологиях сделать крутого агента для разработки, и я бы за него платил: он экономил бы огромное количество токенов. Вместо этого они продолжают продавать IDE, которые подходят тем, кто много читает и пишет код. IDE — это архаика, созданная под другой способ работы. Может, я и не прав, но я спокойно работаю без всего этого и выпускаю рабочие решения, и я такой не один. А JetBrains продаёт то, что выгодно им. А вы ещё открываете IDE каждый день или уже живёте в агентах?

🛠 JetBrains отвечает тем, кто «больше не открывает IDE»: в эпоху агентов она нужна ещё больше Isaac Levin из JetBrains год слышал «я больше не открываю IDE» и «всё делаю в терминале» и ответил колонкой. Его пример: с агентом он собрал расширение для браузера на незнакомом стеке, а разобраться, как устроен проект, смог уже в IDE. Главная метафора — IDE как кабина пилота: агент — бортовой компьютер, но приборы и решения остаются за человеком. Код больше не набирают, а направляют намерение, и узкое место сместилось на проверку: агент пишет быстрее, чем вы читаете, а отвечать за коммит вам. LLM вероятностны, а компилятор и типы детерминированы, поэтому инструменты IDE нужны самим агентам прямо во время работы, а не только человеку на ревью. И без «огороженных садов»: агентов подключают через ACP, модели — по своим ключам (BYOK). 🔗 JetBrains Blog #AI #Agents #JetBrains #IDE

🛠 Anthropic почти перестала нанимать джунов: их агенты работают в 6 раз больше часов, чем люди В январе команды, которые сильнее всех опирались на Claude, заметили, что код и поиск багов всё чаще можно отдать модели. К апрелю инженеры и исследователи перестали делать ставку на младшие позиции. Теперь Anthropic показала в отчёте, что из этого вышло. Доля джунов среди технических наймов упала с 27% до 9% с начала 2025 года, хотя в целом компания растёт. В августе агенты, которых запускают сотрудники, отработали в 6 раз больше часов, чем сами люди, а код агентов откатывают не чаще, чем написанный руками. Узким местом стало человеческое внимание: даже нетехническим сотрудникам, чтобы прочитать всё, что выдают их агенты, нужна половина рабочей недели. Поэтому при найме теперь ценят самостоятельность и умение принимать решения выше узкой технической экспертизы.

⚠️ Это данные одной компании, которая сама продаёт агентов; отчёт писали её исследователи.

🔗 Anthropic · TechCrunch #AI #Anthropic #Claude