TSMC планирует $52–56 млрд capex в 2026 году на фоне инвестиций более $500 млрд в AI-инфраструктуру
AI-инфраструктура расходится в две стороны: снизу растёт капиталоёмкий слой чипов и дата-центров, сверху — orchestration, provider routing и агентные каталоги. Для агентных платформ главным становится не выбор одной модели, а управление несколькими моделями, провайдерами и стоимостью выполнения
🧠 Model
Оркестрация моделей
Leeroo Orchestrator описывает framework, который выбирает и объединяет несколько LLM для повышения качества и снижения стоимости на MMLU
Агентной инфраструктуре нужен слой model routing и ансамблирования, чтобы не зависеть от одной модели и управлять ценой сложных задач
Samba ASR эффективнее
Samba ASR использует state-space модель Mamba и показывает более эффективное распознавание речи по сравнению с transformer-подходами
Voice-агентам нужен дешёвый и быстрый ASR-слой, а альтернативные архитектуры вроде Mamba могут снизить latency и стоимость постоянного аудиоконтекста
🔧 Tools
Hermes расширяет провайдеров
NousResearch hermes-agent добавил новых провайдеров и frontier-модели через Fireworks AI и DeepInfra
Provider diversity становится практическим требованием для agent runtime: нужны fallback, маршрутизация, контроль лимитов и быстрый доступ к новым моделям
Каталоги агентов растут
Несколько awesome-ai-agents репозиториев обновляются как карты быстро меняющейся экосистемы автономных LLM-агентов
Рынок агентных инструментов фрагментирован, поэтому для infra-команды важны постоянный мониторинг runtime, протоколов, UX-паттернов и open-source альтернатив
🏗 Infrastructure
TSMC наращивает capex
TSMC объявила рекордный план капитальных расходов $52–56 млрд на 2026 год и ожидает инвестиции более $500 млрд в AI-инфраструктуру
Compute остаётся главным ограничителем агентных систем, поэтому архитектуре нужны cost controls, inference routing и сценарии локально-облачного баланса