SWE-bench стал главной ареной для кодинг-агентов, а проценты из пресс-релизов кочуют в заголовки. Разбираем, что именно измеряет бенчмарк, чем отличаются его версии и почему цифры нельзя сравнивать напрямую.
Два ИИ-сервиса обещают заменить часы ручного поиска научных статей одним запросом. Разбираем, чем Elicit отличается от Consensus и когда каждый из них экономит время, а когда врёт.
Google перенёс умный дом на Gemini, а Amazon выпустил Alexa+ по подписке за 19,99 доллара в месяц. Разбираем, что изменилось в двух главных голосовых помощниках и за что теперь просят деньги.
Nvidia ACE и Inworld AI обещают неписей, которые отвечают на любой вопрос, а не крутят три заготовленные реплики. Разбираем, кто из них что умеет, сколько это стоит и почему в играх пока почти не встречается.
BloombergGPT на 50 миллиардах параметров обошёл открытые модели в финансовых задачах, но так и не вышел за пределы терминала. Разбираемся, стоит ли платить за закрытую модель или собирать своё.
Стартап Mercor подбирает исполнителей для тренировки ИИ через собеседования с алгоритмом, а не с человеком. За ним подтягиваются десятки конкурентов. Разбираем, как это устроено и где границы доверия к машине.
Два стартапа обещают заменить менеджера по холодным продажам ИИ-агентом. Разбираем, что реально умеют 11x и Artisan, сколько это стоит и где обещания расходятся с практикой.
Два почтовых клиента поверх Gmail спорят за одну аудиторию: тех, кто устал вручную читать десятки писем в день. Разбираем, где AI действительно экономит время, а где это дорогая надстройка над поиском.
Два фреймворка для оркестрации LLM решают одну задачу по-разному: LangChain берёт экосистемой и Python, Semantic Kernel — интеграцией в .NET и корпоративной дисциплиной. Разбираем, где какой уместнее.
Оба API обещают агентов из коробки: инструменты, память, вызов функций. Но подходы к состоянию, ценам и открытости моделей у Mistral и OpenAI расходятся сильнее, чем кажется по документации.
Две китайские модельные линейки, DeepSeek и Qwen от Alibaba, борются за одну нишу: дешёвые агенты, которые сами вызывают инструменты и пишут код. Разбираем, где чей стек сильнее и во что обходится.
И xAI, и OpenAI вывели агентов, которые сами кликают, ищут и заполняют формы в браузере. Разбираем, чем режим Grok отличается от ChatGPT Agent и за что вы платите на самом деле.