Claude, Google, OpenAI, Anthropic: агенты требуют границ

В этом выпуске: ИИ всё быстрее переходит от ответов к действиям — открывает браузеры, планирует покупки, бронирует путешествия, редактирует речь, превращает документы в данные и пытается выполнять научные рабочие процессы. Главный вопрос дня: где проходят границы полномочий и кто отвечает, когда агент действует уверенно, но неправильно.

• Claude Code auto mode prompt-injection defense reportedly bypassed
• AI shopping agents prove highly sensitive to sources and ordering
• AI coalition warns of attacks on critical infrastructure
• Gemini Omni 1.1 Flash cuts video generation cost
• Anthropic signs reported $45B Nscale compute deal
• Gemini 3.5 Transcribe edits speech while transcribing
• Claude Cowork gains an embedded browser
• Terminal-Bench-Science evaluates end-to-end research agents
• Study tests ChatGPT alongside critical-thinking training
• Google adds travel planning and booking to AI Mode
• Cohere releases Parse 5 for enterprise documents
• Agent sandbox comparison exposes cost and policy tradeoffs
• Protein design evaluation crosses from simulation to wet lab
• Tiny GlucoFM model targets continuous glucose monitoring
• Analysis sets falsifiable tests for replacing junior engineers

Сквозная тема: автономность без проверяемых границ превращает удобство в источник риска; надёжность должна измеряться всей цепочкой — от инструкции до действия, аудита и ответственности.