Jedno malé zařízení zvládlo za necelou půlhodinu práci, kterou referenční řešení dělalo víc než dvě a půl hodiny. NVIDIA uvádí, že její runtime TensorRT Edge-LLM s modelem Qwen3.6-27B na jednom vývojářském kitu Jetson AGX Thor dokončil všech 1 007 kroků výkonnostní zátěže benchmarku MLPerf Inference v6.1 Edge Agentic za 24 minut a 36 sekund.

Zlatá evalační sada je kurátorovaný soubor vstupů z reálného provozu, které jsou spárovány s ověřenými očekávanými výstupy. Sada je verzována v systému Git a spouští se před každým nasazením jako regresní test chování modelu.

Společnost Postman při vývoji funkce Agent Mode přišla k poznatku, že největší překážky ne spočívají v kvalitě samotného modelu nebo v návrhu promptů, jak tým původně očekával. Hlavní potíže přineslo začlenění agenta do již vyspělého produktu, který je vybudován na základě dlouholetých předpokladů o interakci uživatelů prostřednictvím rozhraní.

Tým NVIDIA KGMON obsadil druhé místo v soutěži KDD Cup 2026 Data Agents. Jeho systém vycházel z jednoduché myšlenky: udělat takzvaný harness, tedy okolní prostředí agenta, menší, přehlednější a snáze ověřitelný.

Když vyjde nový jazykový model, firmy se ho obvykle nemohou hned dotknout. Musí ho připojit, otestovat a teprve pak zjistí, jestli se vyplatí.

Služba Engram od Weaviate má agentům dávat dlouhodobou paměť. Weaviate o ní tvrdí, že po úvodním nastavení funguje i s výchozími hodnotami.

Příprava vstupů, spouštění několika modelů a porovnání výsledků zabere v biologii spoustu ruční práce. NVIDIA na vývojářském blogu popisuje, jak ji zvládá agent v prostředí Claude Science.

Měřit produktivitu programátorů podle počtu řádků kódu se běžně považuje za nesmysl a Willison sám říká, že to mnoho lidí tvrdí. Přesto rozvíjí argument, že u kódovacích agentů takové počítání někdy smysl má.

Zeptat se v chatu, které smlouvy porušují pravidla, je snadné. Obtížnější je doložit, že odpověď zahrnuje opravdu všechny smlouvy.

Tým NVIDIA podle svého technického blogu vytvořil agentní dovednost (skill), která překládá GPU kernely z cuTile Python a Triton-TileIR do cuTile Rust. Autoři s její pomocí převedli všech 24 veřejných operátorů knihovny TileGym.