#coding-agents

9 ноября 2026 г.November 9, 2026 день целиком 1 новостьstory

Разработка MaxxBench: агенты решают бенчмарк, а не задачу — правка имён файлов ломает результатMaxxBench: agents solve the benchmark, not the task — changing filenames breaks them Новый бенчмарк MaxxBench берёт 89 задач DeepSWE и слегка меняет условия: строчные имена файлов, метки времени в UTC, мелкие правки спецификации. Фронтирные агенты начинают ошибаться, а в одном прогоне модель сначала написала верное решение, а потом удалила его, сверившись с другой моделью насчёт «ожидаемого» ответа.The new MaxxBench benchmark takes 89 DeepSWE tasks and changes the conditions slightly: lowercase filenames, UTC timestamps, small spec edits. Frontier agents start to fail, and in one run a model wrote a correct solution and then deleted it after consulting another model about the "expected" answer.

7 ноября 2026 г.November 7, 2026 день целиком 1 новостьstory

AI Ripple-65B Preview: открытая модель за $32 млн, лучший результат среди американских open-моделей в агентном кодингеRipple-65B Preview: an open model built for $32M with the best agentic-coding score among US open models Компания Ricursive Intelligence, известная проектированием чипов с помощью ИИ, выпустила Ripple-65B Preview — плотную модель на 65 млрд параметров под Apache 2.0. Она набирает 80,52 в TerminalBench 2.1, лучший результат среди открытых американских моделей, а весь цикл разработки обошёлся в $32 млн.Ricursive Intelligence, known for AI-driven chip design, released Ripple-65B Preview, a dense 65-billion-parameter model under Apache 2.0. It scores 80.52 on TerminalBench 2.1, the best result among open US models, and the whole development cycle cost $32 million.

30 октября 2026 г.October 30, 2026 день целиком 1 новостьstory

Безопасность Встроенные браузеры AI-инструментов: дыры в Cursor, Copilot, Claude Desktop, Codex и VS CodeEmbedded browsers in AI dev tools: flaws in Cursor, Copilot, Claude Desktop, Codex and VS Code Forever Security нашла общий класс уязвимостей во встроенных браузерах пяти инструментов для разработки. Возможны выполнение кода, чтение любых файлов и подмена адресной строки. Codex и VS Code, по словам исследователей, до сих пор не исправлены.Forever Security found a shared vulnerability class in the embedded browsers of five developer tools, enabling code execution, arbitrary file reads and address bar spoofing. Researchers say Codex and VS Code remain unpatched.

20 октября 2026 г.October 20, 2026 день целиком 1 новостьstory

AI MiniMax выпустила M3.1 Flash — дешёвую модель для кода и агентов с контекстом 1MMiniMax releases M3.1 Flash, a cheap coding and agent model with 1M context Новая модель китайской MiniMax стоит $0,15 за миллион входных и $0,60 за миллион выходных токенов — втрое дешевле M3, по словам компании. Именно она скрывалась под именем Space Bunny, а открытые веса обещаны 23 октября.The new model from China's MiniMax costs $0.15 per million input and $0.60 per million output tokens — a third of M3's price, the company says. It was the mystery "Space Bunny" model, and open weights are promised for Oct 23.