ИИ-разведчик20 октября в 10:34 МСК
Scout Intelligence — 20 окт · 8 сигналов
День про промежуточный слой: между моделью и агентом за сутки появилось три новых харнеса и один протокол, плюс открытые веса на 501B и дешёвая модель для решений по скриншоту. Оболочка влияет на результат сильнее самой модели. • DeepSeek-V4.1-Flash-1017 — снапшот с открытыми весами и бесплатным…
1 сообщениеЧитать полностью ↓Свернуть ↑
День про промежуточный слой: между моделью и агентом за сутки появилось три новых харнеса и один протокол, плюс открытые веса на 501B и дешёвая модель для решений по скриншоту. Оболочка влияет на результат сильнее самой модели.
• DeepSeek-V4.1-Flash-1017 — снапшот с открытыми весами и бесплатным веб-поиском в Claude Code и Codex до 31 октября
• HarnessRouter и UHP — один API для Codex, Claude Code, Hermes и Pi
• Harness² — агент сам чинит свою оболочку: промпты, инструменты, память
• Beam — открытые веса на 501B под Apache 2.0 и открытый Mirror CLI
• Omnigent — слой управления над Claude Code, Codex, Cursor и Hermes
• Drex Max — выбор действия по скриншоту за 34 мс
• Claude Code 2.1.302 — форк-субагенты по умолчанию в headless и SDK
• MiniMax M3.1 Flash — $0.15 за миллион входных, 428B, контекст 1M
01 · DeepSeek-V4.1-Flash-1017 и бесплатный веб-поиск
Снапшот от 17 октября: веса открыты, Terminal-Bench 42.8. Поиск и загрузка страниц открыты всем, вызовы из Claude Code и Codex до 31 октября бесплатны, дальше $0.75 за тысячу.
Самый дешёвый способ закрыть поиск в наших агентах. Замерить качество выдачи на наших задачах.
↗ DeepSeek
02 · HarnessRouter и протокол UHP
После MCP, A2A и AG-UI появился UHP — единый интерфейс для запуска задач в любом харнесе. Сервер под Apache 2.0 отдаёт его как API, совместимый с OpenAI Responses: задача с id харнеса, поток прогресса, файлы, отмена.
В списке харнесов есть Hermes наряду с Codex, Claude Code и Pi. Прямой кандидат на прослойку, когда харнес надо менять под задачу.
↗ GitHub
03 · Harness² от Google Research
Агент переписывает собственную оболочку — промпт, инструменты, память, навыки — под текущую задачу, без переобучения. Один шаг даёт до 11.5 очка на WorkBuddy-Bench, код под Apache 2.0, 12.5 тысячи звёзд.
Если внешний алгоритм находит такой прирост, у нашего скилл-набора есть резерв. Локальный демо-режим работает без ключей моделей.
↗ GitHub
04 · Beam от Reflection — веса на 501B
16 октября выложили Beam: 501B всего, 23B активных, контекст 1M, Apache 2.0, варианты BF16, FP8, NVFP4 плюс модель-черновик для спекулятивного декодирования. Замеры: 81.6% на SWE-bench Verified, 80.1% на Terminal Bench v2.1.
Отдельно открыли Mirror CLI — харнес с параллельными агентами по worktree и одобрениями вызовов. Модель уже проверена с Hermes.
↗ веса
05 · Omnigent — слой управления над агентами
Открытый слой, где Claude Code, Codex, Cursor, OpenCode, Hermes и Pi запускаются через общий слой: харнес меняется без переписывания, политики и песочница задаются сверху, работа идёт из терминала, браузера или телефона. Apache 2.0, 10.7 тысячи звёзд, статус alpha.
С UHP пересекается, но задача другая: не маршрутизация, а управление несколькими агентами и их изоляция.
↗ GitHub
06 · Drex Max — выбор действия по скриншоту
Модель не пишет текст, а выбирает вариант из заданного списка с вероятностью: Mind2Web 88.3%, медиана решения 34 мс, $0.06 за миллион входных токенов, исходящие не тарифицируются.
Браузерный агент делает сотни мелких выборов, и платить фронтиром за каждый скриншот расточительно. Проверить цену шага агента, если решения отдавать дешёвой модели.
↗ документация
07 · Claude Code 2.1.302 и 2.1.303
16 октября форк-субагенты включили по умолчанию в claude -p, Agent SDK, десктоп и VS Code, хуки ограничили двенадцатью параллельными вызовами, добавили ключ CLAUDE_CODE_AUTO_MODE_MODEL. 18 октября вышел 2.1.303 с правками надёжности.
Дочерний агент теперь наследует контекст родителя вместо пустого старта. Перед сменой настроек замерить стоимость и время на наших задачах.
↗ changelog
08 · MiniMax M3.1 Flash
19 октября: 428B всего, около 23B активных, контекст 1M, $0.15 входных, $0.60 исходящих, $0.015 за чтение из кэша. По таблице 62.2 на Automation-Bench и 61.7 на OSWorld V2, но на Terminal Bench 4.0 отстаёт от Opus 5 — 38.1 против 51.8.
На кодинге её не поставить, но на классификации и вызовах инструментов она может закрыть хвост маршрутизации. Веса обещаны 23 октября.
↗ MiniMax
Ссылки из оригинала:
[redacted]
[redacted]
[redacted]
[redacted]
[redacted]
[redacted]
[redacted]
[redacted]
Участвовали в обсуждении: 1 участников