В последната си публикация инженерът по машинно обучение Вики Бойкис прави подробен преглед на състоянието на локално стартираните големи езикови модели [1]. Тя споделя, че през последната година технологичният напредък е превърнал локалния инференс от експериментално хоби в напълно завършен и ефективен инструмент за ежедневна софтуерна разработка. Нейният собствен хардуерен комплект – компютър Mac Studio M2 от 2022 г. с 64 GB RAM и 1 TB дисково пространство – се оказва напълно достатъчен за безпроблемно изпълнение на тези задачи.

Основният показател за успех, който Бойкис дефинира, е липсата на необходимост от непрекъснато сравняване и проверка на резултатите с външни облачни модели през API (като GPT-4 или Claude 3.5). Дълго време тази граница е била недостижима за локалните системи. Първият модел, който започва да променя това статукво, е GPT-OSS (OpenAI OSS-20B). Истинският пробив обаче идва с пускането на новата серия Gemma 4 от Google (по-специално версията gemma-4-26b-a4b), която позволява изграждането на локални агентни цикли за разработка, достигащи до 75% от точността и скоростта на водещите комерсиални модели.

Феноменът vibe coding (кодиране по усещане), термин, въведен от ИИ изследователя Андрей Карпати в началото на 2025 г., описва масовото използване на ИИ инструменти от служители за разработка и внедряване на код чрез текстови инструкции на естествен език. Този стил на работа позволява на широк кръг потребители да създават софтуер без традиционно писане на код, но често заобикаля утвърдените контроли по сигурност. Според репортаж на BleepingComputer [1], това явление създава сериозна криза с видимостта на корпоративните ИТ активи и попада в категорията на т.нар. Shadow AI (сенчест изкуствен интелект).

Изображение: Svetni.me / Авторско изображение

Технологичният гигант Salesforce обяви сключването на окончателно споразумение за придобиване на Fin (известна в миналото като Intercom) — един от пионерите в разработването на автономни ИИ асистенти за клиентско обслужване [1]. Сделката е на стойност приблизително 3,6 милиарда долара и представлява една от най-значимите консолидации на пазара за обслужване на клиенти, базирано на изкуствен интелект.

С това придобиване Salesforce цели да интегрира готовите пакети и специализираните модели на Fin в своята екосистема за бизнес агенти, като предложи на компании от всякакъв мащаб по-бързи и ефикасни пътища за внедряване на изкуствен интелект.

Езиковите модели за писане на код често страдат от прогресивно влошаване на качеството при дълги работни сесии. Когато контекстният прозорец се препълни, по-ранните решения и текущото състояние на проекта биват компресирани или изгубени, което принуждава разработчиците отново да обясняват контекста на своите проекти.

За да се справи с този проблем, екипът по изкуствен интелект на Xiaomi пусна с отворен код проекта MiMo Code V0.1.0 [1]. Това е терминален ИИ асистент за програмиране, който според вътрешни тестове на китайския гигант превъзхожда Claude Code при сложни, многостъпкови задачи с над 200 изпълнителни стъпки [1].

Автономните ИИ агенти притежават способността динамично да разширяват възможностите си в движение. Когато даден агент срещне задача, за която няма нужния софтуер (например обработка на гласово съобщение), той може самостоятелно да изтегли, инсталира и стартира нужния софтуерен пакет в бекграунда. Тази гъвкавост обаче отваря сериозна пролука за атаки по веригата за доставки на софтуер (supply chain attacks).

В опит да затворят тази празнина, разработчиците на популярната с отворен код платформа NanoClaw (NanoCo AI) обявиха стратегическо партньорство с лидера в управлението на софтуерни артефакти JFrog [1]. Двете компании пускат съвместна интеграция, която служи като „имунна система“ за автономните агенти, блокирайки инжектирането на компрометиран код [1].

Справянето с халюцинациите при големите езикови модели остава едно от най-сериозните препятствия пред внедряването на изкуствен интелект в реалния бизнес. Досегашните опити за намаляване на тези грешки обаче налагат сериозни ограничения, принуждавайки моделите да отказват отговори дори на въпроси, които всъщност знаят.

В нов научен труд изследователи от Google предлагат изход от това ограничение чрез концепцията за вярна неопределеност (faithful uncertainty) [1], [2]. Този метакогнитивен метод синхронизира думите, които моделът използва за изразяване на съмнение, с неговата реална вътрешна статистическа увереност в отговора [1].