Пост канала
- фото
Три релиза, которые реально двигают AI-инфраструктуру вперёд Коротко: ускорение облачных агентов, консолидация парсинга документов за один проход и компактная модель для локального агентного запуска. 1. Cursor Cloud Agents — Builds Cursor представил механизм Builds для Cloud Agents. Идея простая: агент больше не тратит время при каждой сессии на клонирование репозитория, установку зависимостей и запуск скриптов — вместо этого он загружается в готовую, предварительно собранную среду. Результат: загрузка среды ускоряется в 10 раз, time to first token — в 3 раза. На практике это означает, что агент открывает pull request на новом проекте за 15 секунд вместо 4 минут. Если билд падает из-за плохого коммита или обновления зависимостей — агенты автоматически откатываются к последней рабочей версии и не прерывают задачу. Builds включены в подписку Cloud Agents бесплатно. ⚠️ Ложка дёгтя: функция свежая, и пока нет публичных данных, как она ведёт себя в больших командах с десятками параллельных агентов. 2. Reductio r-1 — один проход вместо пяти Reductio выпустил r-1 — первую модель нового семейства для парсинга документов. Ключевое отличие от предыдущего поколения: вместо многоступенчатого конвейера r-1 обрабатывает страницу за один полный проход. Что это даёт: — на 20% меньше ошибок относительно предыдущего пайплайна компании — до 6x дешевле (1 цент за страницу) — каждый блок возвращается с координатами bounding boxes, привязанными к позиции на странице Доступен в preview через hosted Parse API V3. Для enterprise — SOC 2 Type II, HIPAA-обработка, VPC и air-gapped установки. ⚠️ Важная оговорка: сравнение с гипескейлерами проведено только на внутренних эвалюациях Reductio, публичного бенчмарка нет. 3. MiniCPM5-2B — 2,5 млрд параметров для локальных агентов OpenBMB представила MiniCPM5-2B. Компактная модель (2,52 млрд параметров) с нативным контекстным окном 131 072 токена на классической dense-архитектуре. Почему это интересно: модель поддерживает нативный tool use и при этом запускается через vLLM, SGLang, Transformers, llama.cpp, Ollama, LM Studio, MLX и FlagOS без кастомных ядер и форков кода. Веса — под Apache 2.0. Для пользователя это означает: локальные агенты с tool-calling теперь сопоставимы по качеству с облачными, но данные остаются на устройстве. Итог Инфраструктурный слой AI ускоряется и дешевеет на всех уровнях: облачные IDE сокращают холодный старт агентов, парсинг документов переходит от многостадийных стеков к универсальным моделям, а локальный запуск агентных сценариев теперь конкурирует с облаком по качеству при сохранении данных локально. А что вы думаете об этом? Пишите в комментариях!
Открыть в MAX- Просмотры
- 27
- ER
- —
- Реакции
- —