Инженерите от платформата за бази данни в реално време Materialize споделиха детайли за успешната интеграция на автономни агенти за откриване на дефекти в своя софтуер [1]. Процесът стартира през февруари 2026 г., съвпадайки с пазарния дебют на модела Claude Opus 4.6 на Anthropic, като в момента системата се поддържа основно от версията Claude Opus 4.7 и алтернативно от модела GPT 5.5 на OpenAI.

Изображение: Svetni.me / Авторско изображение

Според репортаж на Wired [1] за ново изследване, публикувано в научното списание Nature Astronomy [2], астрофизиците са открили доказателства за произхода на т.нар. „невъзможни“ черни дупки. Това са обекти с маси между 40 и 100 слънчеви маси (M_☉), които съгласно конвенционалната звездна физика не могат да се образуват директно от колапса на единична звезда поради явлението чифтна неустойчивост (pair-instability).

Проучването, съавторствано от д-р Изобел М. Ромеро-Шоу от Cardiff University [3], показва, че тези изключително тежки обекти не се раждат от единични звезди, а се „изграждат“ чрез последователни сблъсъци и сливания в най-плътните космически среди.

Един месец след старта на инициативата Project Glasswing, изследователската компания Anthropic публикува първия си доклад за напредъка в автоматизираното откриване на софтуерни пропуски [1]. Резултатите разкриват фундаментална промяна в динамиката на киберсигурността, предизвикана от използването на специализирания изкуствен интелект Claude Mythos Preview.

Приблизително 50 партньорски организации са успели да идентифицират над 10 000 уязвимости с висока или критична степен на опасност в някои от най-важните софтуерни системи в света [1]. Докато в миналото процесът по защита е бил ограничаван от скоростта на откриване на нови бъгове, днес основното затруднение е капацитетът на хората за анализ, верификация и своевременно разработване на кръпки (patches) [1].

Въпреки че компаниите масово стимулират служителите си да използват изкуствен интелект (AI) за повишаване на производителността, реалните разходи за внедряването му започват да очертават сериозни финансови проблеми. Примери от индустрията показват, че мащабното използване на AI може да се окаже по-скъпо от наемането на човешки служители.

Според репортаж на Fortune [1], базиран на информация от The Verge [2], технологичният гигант Microsoft е започнал да анулира по-голямата част от преките си лицензи за Claude Code – популярен инструмент за кодиране, разработен от Anthropic. Това решение идва само шест месеца след като компанията отвори достъпа до инструмента за хиляди свои разработчици, дизайнери и продуктови мениджъри. Сега Microsoft пренасочва инженерите си към своя собствен продукт GitHub Copilot CLI. Решението има както стратегически характер (обединяване на инструментите под шапката на GitHub), така и финансов, тъй като спирането на лицензите съвпада с края на финансовата година на Microsoft на 30 юни.

Според материал на експерта Саяли Патил за изданието VentureBeat [1], в съвременните производствени среди се появява нов тип инциденти, които ИТ екипите все още не класифицират правилно. Проблемът възниква, когато автономен изкуствен интелект предприеме действие, което е технически правилно спрямо собствения му контекст, но поради непълна системна картина предизвиква каскаден срив в инфраструктурата.

Проучване на консултантската компания PwC показва, че 79% от организациите вече използват някаква форма на AI агенти в реална среда [2]. Изследователската фирма Gartner предвижда, че до 2028 г. една трета от корпоративния софтуер ще включва агентски AI, но същевременно предупреждава, че 40% от тези проекти ще бъдат прекратени поради лош контрол на риска [3].

Според официално съобщение на Google [1], компанията започва преход на своя популярен инструмент Gemini CLI към изцяло новата платформа Antigravity CLI. Промяната е продиктувана от бързото развитие на изкуствения интелект и прехода към т.нар. „многоагентна реалност“, при която сложните задачи изискват едновременната работа на множество специализирани агенти [1], [2].

От пускането си през 2025 г., Gemini CLI се превърна в основен инструмент за хиляди разработчици, предоставяйки възможностите на моделите Gemini директно в терминала [1]. Въпреки това, нуждите на потребителите са еволюирали отвъд простите запитвания към системи, изискващи оркестрация на няколко агента, които споделят общ бекенд и работни процеси [2].