Hacker News · 22.06.2026 ·Инфраструктура для агентов

Gorilla: LLM с нативной поддержкой вызова внешних API

Исследователи из Калифорнийского университета в Беркли представили проект Gorilla — специализированную языковую модель, обученную для точного взаимодействия с внешними программными интерфейсами. В отличие от стандартных LLM, которые часто допускают ошибки при генерации параметров для вызова функций, Gorilla оптимизирована для работы с библиотеками API, минимизируя галлюцинации и обеспечивая корректное соответствие документации.

Модель использует архитектуру, которая позволяет ей эффективно находить и использовать нужные инструменты из обширного набора доступных API. В процессе обучения применялся метод дообучения на парах «естественный язык — вызов API», что позволяет системе понимать намерение пользователя и преобразовывать его в точный синтаксис запроса. Это решение значительно упрощает интеграцию ИИ-агентов с реальными сервисами, снижая необходимость в написании сложного связующего кода.

Проект предоставляет доступ к набору данных и инструментам оценки, которые позволяют разработчикам тестировать точность моделей при работе с API. Использование Gorilla позволяет автоматизировать цепочки действий, где требуется обращение к внешним базам данных, облачным сервисам или специализированным программным инструментам, обеспечивая более высокую надежность агентных систем в задачах, требующих выполнения конкретных команд.

Источник: Hacker News

Похожие материалы

Hacker News · Инфраструктура для агентов Lightpanda представила подход к выполнению LLM на этапе сборки Команда Lightpanda анонсировала инструмент Lightpanda Agent и язык PandaScript, предлагающие перенос логики работы с большими языковыми моделями с этапа выполнения (runtime) на этап сборки (buildtime). Основная идея заключается в том, чтобы выполнять вызовы LLM и обработку данных до того, как приложение будет развернуто, превращая динамические агентные процессы в статический код. Это позволяет избежать задержек при генерации ответов и снизить затраты на API в продакшене. The Decoder · Модели и релизы Zhipu AI представила модель GLM-5.2 с контекстным окном в 1 млн токенов Китайская лаборатория Zhipu AI выпустила новую языковую модель GLM-5.2, распространяемую под лицензией MIT. Ключевой особенностью релиза стала поддержка контекстного окна объемом 1 миллион токенов, что позволяет обрабатывать значительные массивы данных за один запрос. Модель ориентирована на решение сложных задач, требующих длительного удержания контекста и глубокого анализа информации. Hacker News · Инфраструктура для агентов Open-source прокси-шлюз для оптимизации расходов на LLM API Разработчики представили AI-Gateway — open-source решение, работающее как семантический кэширующий прокси для взаимодействия с API больших языковых моделей. Инструмент предназначен для снижения затрат на инференс и уменьшения задержек при выполнении запросов. Вместо того чтобы каждый раз обращаться к облачной модели, система анализирует смысл входящих запросов и возвращает сохраненные ответы, если аналогичный запрос уже обрабатывался ранее. Hacker News · Инфраструктура для агентов SillyTavern объединяет API разных LLM в один интерфейс SillyTavern — это открытый проект, который предоставляет единый интерфейс для работы с API различных языковых моделей. Это позволяет разработчикам и пользователям взаимодействовать с разными LLM через одну платформу, упрощая интеграцию и управление моделями. Hacker News · Модели и релизы GLM-5.2: новая модель для сложных задач Компания Zhipu AI представила модель GLM-5.2, оптимизированную для выполнения сложных задач, требующих длительного контекста. Новая версия поддерживает до 128K токенов, что позволяет обрабатывать большие объёмы текста и выполнять задачи, требующие глубокого анализа. Hugging Face - Blog · Оценка и бенчмарки Новый подход к оценке агентных способностей открытых моделей Hugging Face представила методологию для оценки того, насколько эффективно языковые модели справляются с использованием внешних инструментов. В отличие от стандартных тестов на логику или знание фактов, новый подход фокусируется на способности модели вызывать функции, интерпретировать ответы API и корректировать свои действия в рамках многошаговых задач. Это позволяет разработчикам точнее определять, какая модель лучше подходит для создания автономных агентов. Hacker News · Модели и релизы Новая открытая модель GLM-5.2 превосходит проприетарные аналоги в задачах программирования Разработчики представили открытую языковую модель GLM-5.2, которая демонстрирует результаты в написании кода, превышающие показатели текущих флагманских решений от OpenAI. Согласно опубликованным бенчмаркам, модель показывает более высокую точность в решении алгоритмических задач и генерации функциональных скриптов, при этом стоимость её инференса составляет лишь 1/6 от затрат на использование закрытых моделей аналогичного класса. Hacker News · Оценка и бенчмарки BEAVER: новый бенчмарк для оценки LLM в Text-to-SQL Исследователи представили BEAVER — новый бенчмарк для оценки способности языковых моделей (LLM) преобразовывать текстовые запросы в SQL. Это важный шаг в развитии ИИ-агентов, которые могут работать с базами данных, так как Text-to-SQL является критически важной задачей для автоматизации аналитики и управления данными. Hacker News · Модели и релизы Выход обновленной модели GLM 5.2 через унифицированный API Компания Zhipu AI представила обновленную версию своей языковой модели GLM 5.2. Релиз стал доступен разработчикам через единый интерфейс Model API, который объединяет доступ к различным моделям семейства GLM. Обновление направлено на повышение точности генерации текста, улучшение логических способностей и оптимизацию работы с длинным контекстом, что позволяет эффективнее решать задачи обработки естественного языка. Hacker News · Обучение и дообучение Оптимизация локального обучения и инференса LLM с Unsloth Библиотека Unsloth позволяет значительно ускорить процесс дообучения и запуска популярных языковых моделей на локальном оборудовании. Инструмент оптимизирует использование видеопамяти и повышает скорость вычислений при работе с архитектурами Llama, Mistral и Phi. За счет переработки алгоритмов градиентного спуска и использования специализированных ядер CUDA, разработчики добиваются снижения потребления ресурсов до 70% при сохранении точности весов.

← Все материалы