Светни.ме

Ново изследване, наречено KellyBench, разкрива значителна пропаст между способността на съвременните AI модели да решават теоретични задачи и тяхното представяне в реални, динамични среди [1]. Проучването, проведено от стартъпа General Reasoning, подлага осем водещи AI модела на тест, в който те трябва да управляват бюджет от £100,000 чрез залози на футболния сезон 2023-24 в Английската висша лига [2].

Резултатите са категорични: всеки един от тестваните модели е завършил сезона на загуба, като няколко от тях са достигнали до пълен банкрут. Най-изненадващото откритие е т.нар. „пропаст между знание и действие“ (knowledge-action gap) — моделите са били в състояние перфектно да обяснят математическия Критерий на Кели (формула за определяне на оптималния размер на залога), но са се провалили напълно в прилагането му на практика [1][2].

В рамките на своята „Седмица на агентите“ (Agents Week), Cloudflare обяви трансформацията на своята AI инфраструктура в унифициран слой за инференция (inference layer) [1]. Новата платформа позволява на разработчиците да използват един единствен API за достъп до над 70 модела от 12 различни доставчика, включително OpenAI, Anthropic и Google.

Основната цел на това обновление е да се премахне зависимостта от конкретен доставчик (vendor lock-in) и да се осигури максимална надеждност за автономните AI агенти. Чрез функцията AI Gateway, платформата вече предлага автоматично пренасочване (failover) — ако един модел или доставчик е недостъпен, системата автоматично насочва заявката към алтернативен вариант, без това да изисква допълнителен код от страна на разработчика [1].

В рамките на своята „Седмица на агентите“ (Agents Week), Cloudflare обяви прехода на своята услуга Email Service в публична бета [1]. Новината бележи важен етап в стратегията на компанията за изграждане на инфраструктура за автономни изкуствени интелекти, превръщайки имейла от обикновен канал за известия в пълноценен интерфейс за двупосочна комуникация между хора и AI агенти.

Досега услугата Email Sending беше достъпна само в частна бета. С днешното пускане всеки разработчик може да изпраща трансакционни имейли директно от Cloudflare Workers чрез вградена функционалност (Workers binding), без да се налага управление на сложни API ключове или външни услуги [1][2]. Cloudflare автоматично конфигурира критични записи като SPF, DKIM и DMARC, гарантирайки висока степен на доставка и защита от спам филтри.

Roblox обяви мащабна актуализация на своята платформа за разработка Roblox Studio, въвеждайки т.нар. „агентни работни процеси“ (agentic workflows) [1]. Чрез интеграция на изкуствен интелект във всеки етап от жизнения цикъл на играта, компанията цели да трансформира начина, по който създателите планират, изграждат и тестват своите проекти.

Според официалния блог на Roblox [1], вече 44% от топ 1000 най-популярни създатели в платформата използват AI помощници или външни инструменти за разработка. Новите функции превръщат Roblox Assistant от прост чатбот в активен партньор, способен да изпълнява сложни задачи автономно.

Anthropic официално пусна в публичен достъп най-мощния си модел досега — Claude Opus 4.7, с което отново поведе в технологичната надпревара с OpenAI и Google [1]. Новият модел превъзхожда преките си конкуренти GPT-5.4 и Gemini 3.1 Pro в ключови бенчмаркове за програмиране, финансови анализи и автономно използване на инструменти [1].

Според репортаж на VentureBeat [1], Opus 4.7 постига Elo резултат от 1753 в теста за знания GDPVal-AA, изпреварвайки GPT-5.4 (1674) и Gemini 3.1 Pro (1314). Моделът бележи значителен скок и в софтуерното инженерство, решавайки 64.3% от задачите в SWE-bench Pro. Докато Anthropic държи още по-мощния си модел Mythos ограничен за партньори в сферата на киберсигурността, Opus 4.7 се превръща в основния инструмент за масовия бизнес пазар.

Google обяви мащабен ъпдейт за своя изкуствен интелект Gemini, който вече позволява генерирането на персонализирани изображения чрез директен достъп до библиотеката на потребителя в Google Photos [1]. Новата функция използва модела за генериране на изображения Nano Banana 2 и е част от по-широката рамка на Google за „Personal Intelligence“.

Благодарение на тази интеграция, потребителите могат да създават AI изкуство, в което участват те самите, техни близки или домашни любимци, без да се налага ръчно да качват референтни снимки. Системата автоматично разпознава лицата и обектите, които вече са етикетирани в Google Photos, и ги вгражда в различни художествени стилове — от маслени картини до пластилинова анимация [1].