Нецифровая экономика

MWS AI представила новую LLM Cotype Pro 2.5 с улучшенными агентскими навыками Cotype Pro 2.5 заняла первое место среди российских LLM в бенчмарке MERA по качеству работы с текстами на русском языке, встав на одну ступеньку с DeepSeek-V3-0324 на 685 млрд параметров. Но ключевая фишка не в этом: новая модель предназначена для создания корпоративных ИИ-помощников с агентскими возможностями. Cotype Pro 2.5 поддерживает интеграцию с внешними системами и API, включая корпоративные инструменты календарного планирования, почтовые сервисы, CRM-платформы, системы управления проектами и аналитики веб-трафика. Разработчики говорят, что заметно прокачали навыки многошаговой работы. За счёт этого Cotype Pro 2.5 способна автоматизировать сложные многошаговые процессы, требующие последовательного доступа к актуальным данным из различных источников и автономного взаимодействия с корпоративными системами. Говорят, что эффективность работы модели в таких сценариях превосходит Cotype Pro 2 в десять раз, а в сравнении с сопоставимой по характеристикам Qwen3-32B — в 2,5 раза. В частности, Cotype Pro 2.5 показала высокую точность в ходе тестирования в телеком-сфере, где агент и пользователь координируют действия для решения технических проблем с услугами связи. Ещё один кейс был в авиаперевозках, где требуется взаимодействие с системами бронирования при изменении расписания рейсов, параметров перелёта или количества багажа. Улучшилась и работа с кодом. Cotype Pro 2.5 демонстрирует рост по всем основным метрикам: документирование кода — +37,4%, генерация тестов — +20,3 %, создание кода — +16,4% по сравнению с Cotype Pro 2. MWS AI также обновила отдельного ассистента Kodify 2.5 для автоматизации задач разработки. Для развёртывания модели Cotype Pro 2.5 на своей инфраструктуре или платформе MWS AI потребуется один графический процессор с объёмом видеопамяти не менее 40 ГБ (рекомендуется — 80 ГБ, например NVIDIA A100 или H100), 100 ГБ дискового пространства, 16-ядерный процессор, 48 ГБ оперативной памяти. Если верить тестам, то в итоге мы имеем хорошую "базу", адаптированную под использование в агентских системах на русском языке лучше, чем "сырой" китайский open source @anti_agi