Смещение AI-инфраструктуры от гонки моделей к практическим слоям оценки, стресс-тестирования агентов, inference-оптимизации и tool-экосистем
Главный тренд — зрелость агентной инфраструктуры: нужны evals, симуляции, inference-экономика и наблюдаемость. Big labs остаются центром силы, но вокруг них быстро растёт независимый инструментальный слой
🧠 Model
Binary Questions удешевляет human eval
Работа Binary Questions предлагает оценивать LLM через бинарные интерпретируемые вопросы, чтобы удешевить human evaluation и связать оценку с self-improvement
Команде нужен eval-слой, который даёт диагностические сигналы для улучшения агентов, а не только итоговый скор или субъективную ручную оценку
Context-ready Transformer готовит контекст
Context-ready Transformer предлагает recurrent-архитектуру на базе D-layer transformer block, который заранее подготавливает контекст для последующей обработки
Это важно для долгоживущих агентов: архитектуры, лучше работающие с контекстом и рекуррентностью, могут снизить стоимость и хрупкость длинных сессий
🚀 Funding
Стресс-тест агентов
Patronus AI привлекла $50 млн на создание «цифровых миров» — реплик сайтов и внутренних систем для стресс-тестирования AI-агентов
Для агентной инфраструктуры это прямой сигнал: evals должны проверять не только ответы модели, но и поведение агента в реалистичных workflow-средах
🔧 Tools
Появился обновляемый каждые
Появился auto-updated leaderboard trending Claude skills и AI agent repos, обновляемый каждые 15 минут
Экосистема агентных skills быстро фрагментируется, и такие радары помогают отслеживать reusable capabilities, паттерны упаковки и конкурирующие workflow-компоненты
🏗 Infrastructure
Подборка работ фиксирует
Подборка работ по LLM inference optimization фиксирует рост интереса к cloud-native serving, accelerator bottlenecks и системным ограничениям inference
Для production-агентов inference-слой становится ключевым узким местом по latency, стоимости и масштабируемости, поэтому оптимизация serving — часть архитектуры продукта