Ежедневный дайджест
6 пунктов · ~6 мин · Неделя 2026-W34
Обязательно к прочтению (1)
LLMRouter: единая инфраструктура для разработки, оценки и развёртывания LLM-роутеров
University of Illinois at Urbana-ChampaignОткрытый модульный фреймворк, унифицирующий маршрутизацию LLM как процесс последовательного принятия решений из пяти компонентов (контекстные кодировщики, кодировщики моделей, функции скоринга, правила решений, сигналы обучения) и поставляющий 16+ роутеров вместе с бенчмарком xRouteBench. Обучаемые роутеры превосходят сильнейший базлайн с фиксированной моделью на 14,6% относительно, а маршрутизация с учётом пользователя стабильно улучшает персонализацию.
Стоит знать (2)
Alaya-EVOKE: от линейно масштабируемого обучения к бесконечному миру
Zhejiang UniversityИнтерактивная видео-модель мира, выносящая устойчивое состояние мира во внешнее хранилище с индексацией по камере и использующая линейно масштабируемого учителя (разреженное чанковое внимание + глобальное состояние с линейным вниманием). На одном H200 при 384×640 каждый чанк длительностью 1,5 с генерируется за 2,11 с; модель достигает state-of-the-art на WBench, оставаясь конкурентоспособной на VBench-Long и VBench-2.0.
OpenAI Codex CLI выпускает 0.148.0-alpha.20 16 августа после -alpha.19 днём ранее
OpenAIopenai/codex выпустил два тегированных предварительных релиза за период: 0.148.0-alpha.19 15 августа 2026 г. и 0.148.0-alpha.20 16 августа 2026 г., оба опубликованы github-actions. Списки изменений по каждому тегу на страницах релизов GitHub не доступны в загружаемой форме, поэтому конкретные описания изменений для каждого среза не верифицируемы; против официального фида релизов подтверждены только версия, коммит и дата публикации.
Справочно (3)
DarwinX: эволюция каркасов агентов посредством естественного отбора
Salesforce AI ResearchПредставляет самосовершенствование агента как популяционный отбор каркасов (промптов, инструментов, навыков, потока управления) при замороженной модели, используя контракт «сохраняй и расширяй» для предотвращения регрессии и сигнал приспособленности на основе верификатора. Достигает 84,7% на Terminal-Bench 2.1, 68,3% на удержанной выборке TerminalWorld и 93,0% pass@1 на WebArena-Infinity; каркас для Terminal-Bench переносится без изменений на SWE-bench Verified.
Intern-S2-Mobius: фундаментальная модель с разделёнными знаниями и рассуждением
Shanghai AI LabПредлагает архитектуру Mobius-v0: глобально разделяемая Memory (FFN) хранит векторы знаний, а несколько модулей Reasoner (Self-Attention) итеративно запрашивают её через скрытые состояния. Модель 7B, обученная с нуля, достигает уровня Transformer-базлайна при 62,6% объёма данных, а Intern-S2-Mobius, прошедшая продолженное предобучение с инициализацией из Qwen3.5-35B, соответствует её показателям на downstream-задачах, обеспечивая почти 4-кратное ускорение end-to-end инференса.
Предварительный релиз OpenClaw 2026.8.1-beta.2: переключение GPT-5.6 Ultra и привязка секретного исходящего трафика
openclaw/openclaw 2026.8.1-beta.2 выпущен 15 августа 2026 г.: добавляет GPT-5.6 Ultra в OpenClaw и Codex с атомарным переключением модели/среды выполнения/режима мышления через /model и fallback, привязкой хоста секретного исходящего трафика с безопасным отказом при непривязанной подстановке, мониторами входящих подключений плагинов каналов для IRC/Synology Chat/Google Chat, командами резервного копирования снимков SQLite, профилями приложений macOS с изоляцией Keychain/настроек/состояния и предупреждениями о происхождении устанавливаемых плагинов, требующими --force для произвольных исполняемых источников.