#agenti

Ollama v preview prepája svoj lokálny stack s frameworkom MLX a sľubuje výrazne rýchlejšie spúšťanie modelov na Apple Silicon. Pre používateľov Macov je dôležité, že lokálne agentické workflow sa tým posúvajú z hobby režimu bližšie k serióznej práci.

Artificial Analysis spustil AA-AgentPerf, nový benchmark pre AI hardvér a inferenčné stacky. Namiesto krátkych dotazov používa reálne agentické trajektórie s dlhým kontextom, takže lepšie ukazuje, čo infraštruktúra zvládne v produkcii.

Anthropic uviedol Claude Opus 4.7 ako všeobecne dostupný model so silnejším softvérovým inžinierstvom, lepším videním a vyššou spoľahlivosťou pri dlhších úlohách. Dôležité nie je len skóre, ale aj posun v tom, koľko práce môžu firmy modelu reálne odovzdať bez mikromanažmentu.

Nová práca na kontinuálnych multi-timescale agentoch ukazuje, že pridané moduly na self-monitoring či seba-predikciu neprinášajú samy osebe merateľný zisk. Zlepšenie sa objaví až vtedy, keď sú tieto signály priamo zapojené do rozhodovacej cesty agenta.

ArcDeck je multiagentový systém, ktorý pri prevode vedeckého článku do slidov najprv rekonštruuje logiku argumentu a až potom skladá osnovu a vizuály. Signálom je, že lepší výsledok neprichádza len z väčšieho modelu, ale zo štruktúry workflow.

Práca o continuous-time multi-timescale agentoch spochybňuje obľúbenú predstavu, že stačí pridať self-monitoring a agent bude automaticky robustnejší. Autori ukazujú, že pomocné metakognitívne moduly samy o sebe nepriniesli významné zlepšenie, pokiaľ neboli hlbšie zapracované do architektúry rozhodovania.

AWS opisuje nasadenie Amazon Bedrock AgentCore v brazílskej sieti nemocníc Rede Mater Dei. Dôležité nie je len samotné použitie agentov, ale to, že do centra pozornosti sa dostáva observability, dohľad a prevádzková kontrola v citlivých firemných workflowoch.

Nový paper ukazuje, že samostatné moduly seba-monitorovania agentom veľmi nepomáhajú. Zisk sa objavuje až vtedy, keď sa ich výstupy napoja priamo na rozhodovaciu cestu.

Nová práca ArcDeck tvrdí, že pri generovaní slidov nestačí len sumarizovať text. Kľúčom má byť rekonštrukcia argumentačnej línie paperu a koordinácia viacerých agentov.

VAKRA chce merať agentov v prostredí, kde nestačí pekná ukážka ani jeden tool call. Benchmark kombinuje tisíce lokálnych API, databázy a dokumenty, aby bolo vidieť, kde sa agent láme pri viac-krokovom rozhodovaní a reálnom vykonávaní úloh.

OpenAI rozširuje Agents SDK o natívne sandboxy, model-native harness a prenosnú vrstvu pre pracovný priestor. Signál je jasný: rozhodovať nebude len model, ale to, ako bezpečne a spoľahlivo vie agent pracovať so súbormi, nástrojmi a dlhšími úlohami.

Cloudflare spúšťa beta verziu Registrar API a chce dostať registráciu domén priamo do agentických workflowov. Praktický význam je väčší, než vyzerá: agenti už nemajú iba navrhovať názvy, ale vedieť ich aj okamžite overiť a kúpiť bez opustenia vývojového prostredia.