Одновременное усиление двух слоёв AI-инфраструктуры: мультимодальных моделей и практических инструментов оценки, поиска и агентного workflow
Рынок движется от демонстраций моделей к инфраструктуре проверки, retrieval и промышленного применения. Большие лаборатории усиливают вертикализацию и консолидацию, а разработческие инструменты всё чаще встраивают evals и model-calling прямо в CI/workflow
🧠 Model
ReT-2 ищет по image-text
ReT-2 предлагает единый retrieval-подход для смешанных image-text запросов и поиска по мультимодальным данным
Агентной инфраструктуре нужен retrieval не только по тексту, но и по скриншотам, документам, видеофреймам и визуальным артефактам пользователя
LLM-I оркестрирует image-text tools
LLM-I переосмысляет interleaved image-text generation как задачу оркестрации инструментов, а не как монолитную генерацию одной моделью
Это совпадает с архитектурой агентных систем: центральный агент должен выбирать специализированные визуальные инструменты, а не пытаться делать всё одной моделью
⚡ Big Labs
Mistral вертикализуется
Mistral запускает Vibe, усиливает industrial AI и заявляет data-center push как ответ OpenAI, Google DeepMind и Anthropic
Большие лаборатории уходят в vertical depth и compute control, поэтому независимой агентной инфраструктуре важно проектировать переносимость между моделями и провайдерами
🔧 Tools
Agent evals в GitHub
Microsoft обновила AI Agent Evaluation GitHub Action с поддержкой Foundry agents platform и более простым агентным evaluation workflow
Оценка агентов становится частью CI, значит нужны воспроизводимые evals для tool-use, regressions и production-кронов
AI search растёт
AI search startups быстро набирают внимание и капитал, превращая поиск в один из ключевых слоёв AI-продуктов
Для радаров и персональных агентов качество search/retrieval становится инфраструктурным преимуществом, а не вспомогательной функцией