Заработай с помощью ИИ AI От веб-кодинга к вайб-кодингу 🔥
Без категории · 3 ноября 2026 г.
Klook: AI-агент, который ведёт дела продавца
Klook: AI-агент, который ведёт дела продавца Klook — платформа впечатлений и экскурсий — выпустил K.ai. Это не ассистент, который отвечает на вопросы, а агент, который выполняет задачи в портале продавца. Пример из релиза: «Как выглядели мои бронирования на прошлой неделе?» — получаешь отчёт. Дальше: «Подними цену на выходные на 10 %» — правка применяется в портале. Заявленные результаты: задачи, которые требовали нескольких шагов, выполняются на 95 % быстрее для отдельных обновлений инвентаря и цен, на 97 % быстрее для пакетных проверок товаров, остатков и заказов. И главное — у продавцов с K.ai в 3,4 раза больше ежемесячных бронирований, чем у тех, кто агентом не пользуется. Внедрение идёт поэтапно по всему миру, перед новогодним сезоном. Прямо твой кейс, если считаешь себя оператором туров: агент, который отвечает на «как мои бронирования» и меняет цены по команде, — это ровно тот слой, который обычно отнимает время. Релизы моделей Meituan: LongCat-2.5 Нативная мультимодальная модель под длинные агентные задачи. 1,6 трлн параметров, около 48 млрд активных на токен, контекст 1 млн токенов, до 262 144 токенов вывода. Главное изменение — не размер, а направление. Визуальный сигнал представляется многоуровневыми дискретными токенами, то есть зрение и текст идут через один ствол модели, а не через отдельный модуль поверх. Отсюда visual coding: собрать рабочий интерфейс со скриншота или наброска, сгенерировать 3D, разобрать вёрстку страницы по картинке, а не по HTML. Главная цифра для агентов: Terminal-Bench v2.1 — 88,4 против 70,8 у LongCat-2.0. На DeepSWE v1.1 — 64,6 против 9,7, почти семикратный рост. На 3DCodeBench 55,4, на Vision2Web 78,6. Три оговорки, которые важнее самих цифр. Первая: весов на GitHub и Hugging Face пока нет — там написано «скоро». Доступ только через онлайн-демо и API. При этом LongCat-2.0 вышел сразу под MIT, так что для 2.5 это другой путь, и называть модель открытой пока нельзя. Вторая: в таблице сравнения нет GPT-6 и Opus 5.5, а у части конкурентов цифры со звёздочкой — цитируемые из их отчётов, без единых харнессов и параметров. Третья: воспроизведения от третьих лиц пока нет, всё это самоотчёт Meituan. Два решения, которые я бы назвал удачными. Первое — реальные траектории провалов реальных агентов превращаются в воспроизводимые и проверяемые тренировочные задачи. Второе — обучение на длинных траекториях с fail-to-pass и pass-to-pass проверками, а не на отдельных функциях. Уже доступно на Vercel AI Gateway как meituan/longcat-2.5. мах