Mirendil подписала Google Cloud deal на $100 млн+ для масштабирования self-improving AI
Агентная инфраструктура движется к двум опорам: compute-партнёрствам для self-improving систем и стандартизации переносимых agent plugins. Параллельно eval-слой усложняется: мультимодальность, multilingual reasoning и работа с таблицами требуют специализированных benchmark-пакетов
🧠 Model
MMIR проверяет несостыковки
MMIR benchmark оценивает способность мультимодальных моделей находить и объяснять semantic inconsistencies в реальном контенте на 534 сложных примерах
Агентам с vision и document workflows нужны evals на cross-modal inconsistency, иначе они будут уверенно соединять противоречивые текстовые и визуальные сигналы
MMLU-ProX расширяет evals
MMLU-ProX оценивает 25 современных LLM в multilingual и culturally grounded задачах через 5-shot CoT и zero-shot prompting
Многоязычные агентные системы нельзя валидировать только англоязычными benchmark, потому что качество reasoning и терминологии ломается на культурных и языковых границах
🚀 Funding
Mirendil покупает compute
Mirendil подписала партнёрство с Google Cloud на $100 млн+ для расширения compute-инфраструктуры под self-improving AI системы
Self-improving агенты быстро превращаются в compute-bound направление, поэтому архитектуре нужны контроль стоимости, workload scheduling и независимость от одного cloud-провайдера
🔧 Tools
Agent Plugins стандарт
OpenAI, AWS, Cursor, GitHub, VS Code и Vercel представили Agent Plugins как общий формат для Agent Skills и MCP server configurations
Единый формат плагинов может стать переносимым packaging layer для агентных навыков, поэтому важно поддерживать совместимость, версионирование и security review таких пакетов
Карта dev-инструментов
AI Developer Tools Map 2026 группирует no-code builders, workflow automation, web scraping и agent tooling вроде Replit, n8n, Langflow, Firecrawl, Exa и Linkup
Рынок агентных инструментов фрагментирован по слоям, поэтому platform strategy должна ясно выбирать, где мы интегрируемся, где конкурируем и где строим свой orchestration layer