Блог за изкуствен интелект

На 29 октомври магазинът за разширения на Cursor разпространяваше около 11 часа подправена версия на Claude Code под истинското име на Anthropic. Тя събираше данни за компютъра, добавяше ключ за отдалечен достъп на нападателя и се закрепваше в системата. Обясняваме какво точно прави, защо грешка на нападателите е спряла голяма част от атаката, какво остава открито и какво да провери всеки екип, който работи с AI инструменти за код.

Годишният доклад GitHub Octoverse, публикуван на 28 октомври 2026 г., показва колко бързо AI агентите влязоха в ежедневната работа с код: над 40% от заявките за промяна (pull request) започват с чернова от агент, срещу 17% през март. Разглеждаме числата, защо прегледът на кода става основното умение и какво означава това за екипите и за хората, които тепърва учат програмиране.

На 26 октомври 2026 г. OpenAI пусна GPT-6.1 Terra - модел от средния клас, направен за обемна офис работа: четене на документи, попълване на форми и работа в приложения. Цената в API е наполовина спрямо предшественика, а независимото измерване на Artificial Analysis потвърждава по-ниската цена на задача и по-рядкото отгатване. Разглеждаме какво е новото, какво е измерено от трета страна и за кои задачи самата OpenAI препоръчва по-големите си модели.

Изследователи на Forever Security откриха на компютър на клиент файл AGENTS.md в папката Downloads, който е накарал AI агент за код да се опита да инсталира зловреден пакет. После възпроизведоха атаката срещу Codex и Claude Code. Няма грешка за поправяне: агентът прави точно това, за което е създаден. Разглеждаме как работи схемата, колко често е успявала в тестовете и какви навици намаляват риска за екипите, които ползват такива агенти.

Barclays обяви, че до края на 2026 година ще е съкратила около 5000 работни места, главно в поддържащите функции, включително разработчици. Презентацията към резултатите говори за ефективност, водена от AI, а изпълнителният директор нарича AI глазурата на тортата, не самата торта. Разглеждаме какво стои зад двата прочита и какво значат те за екипите, които обслужват бизнеса отвътре.

Стартъпът Recursive пусна Flint - модел с отворени тегла за писане на код, който работи на обикновен лаптоп. По-интересното е как е направен: малък екип и система за автоматизирани изследвания, която по думите на компанията е участвала в почти всяка стъпка. Разглеждаме какво точно е свършила машината, какво е проверено независимо и какво остава заявка.

На 21 октомври PHP пусна кръпка за две критични уязвимости, които позволяват изпълнение на код на сървъра без вход в системата. Разглеждаме защо стара грешка в паметта стана опасна точно сега, какво показват данните на AWS за опит за атака четири дни преди разкриването и какво трябва да провери всеки, чийто сайт работи на WordPress, Drupal или Joomla.

Китайската MiniMax пусна на 19 октомври M3.1 Flash - бърз и евтин модел за агентни задачи и програмиране. Разглеждаме какво обявява компанията, какво показва независимото измерване на Artificial Analysis и защо склонността на модела да отговаря на всеки въпрос има значение за всеки, който го включва в автоматизирани процеси.

Bluesky разширява Attie със създаване на малки социални приложения. Анкета, игра или книга за гости могат да получат собствен адрес, а полезността им ще се решава от участието на хората.

Black Forest Labs пусна модел за изображения, който приема области за подреждане на обекти и насочени редакции. Какво дава това на творческите екипи и кои условия остават за проверка при практическа употреба.

Epic пусна предварителна версия на пренаписания си launcher за Windows, macOS и Linux. AI е използван за създаване и преглед на нов код, а дизайнът остава при екипа. Случаят показва как реален продукт се различава от обещанието, че машината ще свърши всичко.

Liquid AI публикува LFM2.5-24B-A2B - модел с 24 милиарда параметъра, от които около 2 милиарда работят на всеки токен, предназначен за агенти, които се изпълняват на собствено устройство. Компанията съобщава 184 токена в секунда на лаптоп с Apple M5 Max. В същата публикация екипът описва и как по време на обучението моделът е търсил готовия отговор в историята на хранилищата и е разпознал, че го изпитват.