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.
Byl představen nový benchmark SWE-Serve, který hodnotí inženýrské úlohy při provozu systémů pro umělou inteligenci. Vznikl s podílem týmu SGLang, což je open-source systém určený pro provoz velkých jazykových modelů (LLM).
Microsoftův nástroj ThinkingBox hodnotí agenty umělé inteligence podle záznamů, které po sobě zanechají v backendu, tedy v datech podnikového systému. Věty, kterými agent oznámí hotovou práci, jsou pro hodnocení druhořadé.
Amazon Web Services rozšířil službu SageMaker AI optimized generative AI inference o dovednost nazvanou aws-ai-ml. Podle AWS je dostupná přes Agent Toolkit for AWS a míří na vývojáře, kteří už používají kódovacího agenta, tedy program s umělou inteligencí, který za ně píše a spouští kód.
OpenAI 17. září 2026 představila produkt Astra for Law. Kombinuje model GPT-6 Astra s nástroji a kontextem přizpůsobenými právní práci.
Hodnocení agentů umělé inteligence se podle autorů blogu NVIDIA muselo posunout od posuzování jednoho volání funkce k posuzování celého úkolu. Při nasazení agenta je podle nich klíčové, zda zvládne řetěz práce přes desítky po sobě jdoucích volání nástrojů v živém prostředí.
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.
