Новый бенчмарк FACTS от Google и Kaggle показывает: даже топ‑модели застряли ниже 70% точности. Поиск и привязка к источникам — спасение, мультимодальность — зона повышенного риска. Что это значит для архитектуры RAG и корпоративных продуктов — разбираемся простыми словами.

Mistral представила Devstral 2 и Devstral Small 2 — пару моделей для инженерии ПО с длинным контекстом и акцентом на локальный запуск. Вместе с ними вышел Vibe CLI — терминальный агент под Apache 2.0. Флагман показывает 72.2% на SWE-bench Verified и требует серьёзного железа, «младший» (68.0%) запускается на ноутбуке и свободен по лицензии. Есть нюанс: у большого — «modified MIT» с порогом выручки $20M/мес. Цены API умеренные, поддержка vLLM и тонкая интеграция в рабочие процессы разработчика.

Anthropic подключила Claude Code к Slack: теперь от баг-репорта до pull request — один @mention. На фоне миллиардной выручки, покупки Bun и сдвига к разговорному программированию.

Код генерировать стало легко, но внедрять его в живые системы — нет. Разбираем, почему ИИ‑агенты пока срываются на хрупких контекстах, повторяющихся галлюцинациях, устаревших практиках безопасности и отсутствии «операционного» чутья.

V-JEPA от Meta учится интуитивной физике по обычным видео, предсказывает будущее на уровне скрытых представлений и даже «удивляется» невозможным сценам. Разбираемся, как это работает, где система уже сильна и чего ей пока не хватает.