Агенты Atlassian, локальный поиск Google и доступ к Claude для киберзащиты
Дата выпуска:
В выпуске — соглашение об использовании моделей OpenAI в агентах Atlassian, открытая модель Google для поиска по тексту и медиа, а также новые уровни доступа к Claude для проверенных специалистов по безопасности.
Выпуск может включать ранее опубликованные важные события.
Atlassian и OpenAI расширили соглашение об ИИ-агентах
По новому соглашению модели OpenAI будут обеспечивать работу агентов на платформе Atlassian и в Rovo. Сервис Rovo использует Teamwork Graph — слой корпоративного контекста, связывающий людей, проекты, документы и решения. Atlassian также получит расширенный доступ к моделям OpenAI, включая GPT‑6 Astra и серию GPT‑5.6. Это условия соглашения, а не сообщение о том, что все намеченные сценарии уже запущены.
Ключевые факты
OpenAI сообщает, что её модели будут использоваться для агентов на платформе Atlassian и в Rovo.
Плагины Atlassian и Teamwork Graph позволяют подключать ChatGPT и Codex к рабочим элементам, документации и контексту разработки с учётом разрешений.
По данным OpenAI, более 3 000 разработчиков Atlassian используют Codex в терминалах, средах разработки и при проверке кода; это данные о внутреннем применении, а не об эффекте для клиентов.
Компании пока изучают более глубокую интеграцию с Jira для назначения задач агентам, отслеживания прогресса, фиксации решений и проверки результатов.
Объективно о важном
Чтобы помочь с рабочей задачей, агенту мало отвечать на вопросы: ему нужен актуальный и разрешённый для просмотра контекст. Например, при подготовке запуска продукта Rovo мог бы сопоставить задачи Jira, документы Confluence и обсуждения, чтобы подготовить оценку готовности. В сообщении OpenAI это пример возможного применения, а не измеренный результат внедрения.
Бизнес-процессы
Подготовка запуска продукта и контроль сроков — Сводка по задачам и документам может помочь заметить препятствия и решения, требующие внимания. Ответственный за запуск должен сверить её с первичными данными.
Разработка и проверка кода — Подключённые через плагины рабочие элементы и техническая документация могут дать ChatGPT и Codex контекст проекта; доступ определяется разрешениями.
Возможности автоматизации
Сбор черновика статуса запуска из Jira, Confluence и обсуждений: Агент может собрать сведения о сроках, препятствиях и нерешённых вопросах в одну сводку вместо ручного просмотра нескольких систем. Это возможный сценарий использования Rovo, а не подтверждённая экономия времени. Условия: Источники должны быть подключены, а доступ к ним — настроен по разрешениям.; Сотрудник проверяет актуальность сведений и выводы перед принятием решений.
Назначение задач ИИ-агентам и контроль их работы в Jira: В перспективе команды могли бы поручать агентам отдельные задачи, отслеживать выполнение и проверять результат в рабочем процессе Jira. Условия: Более глубокая интеграция с Jira пока только изучается.; Нужны правила допустимых действий агента, назначенный проверяющий и способ остановить ошибочное действие.
Влияние на ручную работу
Сверка задач, документов и обсуждений может занимать меньше ручного времени. Источник не приводит измерений такого эффекта для клиентов; он зависит от полноты данных, прав доступа и проверки сводки человеком.
Ограничения и риски
Это сообщение стороны соглашения; сроки и доступность всех будущих функций в нём не определены.
Плагины не должны открывать агенту данные сверх разрешений пользователя.
Пример оценки готовности запуска не гарантирует точной оценки препятствий или сроков.
Сценарии назначения задач агентам через более глубокую интеграцию с Jira пока не следует считать доступной функцией.
Google выпустила мультимодальную модель EmbeddingGemma 2
EmbeddingGemma 2 представляет текст, код, изображения, видео и аудио в общем пространстве числовых векторов — эмбеддингов, которые можно сравнивать для поиска по смыслу. Модель построена на архитектуре Gemma 4, содержит 740 млн параметров и выпущена по лицензии Apache 2.0; её веса доступны на Hugging Face и Kaggle. Google предлагает применять её, в частности, для поиска на устройстве без отправки исходных материалов в облако.
Ключевые факты
Для текстовых задач, по описанию Google, достаточно части модели на 270 млн параметров; для изображений и аудио предусмотрены дополнительные кодировщики на 170 млн и 300 млн параметров соответственно.
Google указывает контекстное окно в 8 тыс. токенов и возможность обрабатывать до 5,5 минуты аудио либо 58 кадров видео; фактические пределы зависят от состава входных данных.
По данным Google, сокращение векторов с 768 до 128 измерений может снизить требования к хранению локальных векторных данных и памяти до шести раз; влияние на качество поиска следует проверять отдельно.
Веса доступны для загрузки; размещение в Gemini Enterprise Agent Platform Model Garden Google описывает как предстоящее.
Объективно о важном
Общее пространство эмбеддингов позволяет искать материал одного типа запросом другого: например, находить момент видео по голосовому описанию или запись по тексту. Это способ подбирать релевантные материалы, а не генеративная модель, которая сама отвечает на вопросы. Для ответов с опорой на найденное её можно соединить с отдельной генеративной моделью — такой подход называют RAG.
Бизнес-процессы
Поиск по документам, медиаархиву и записям — Локальный индекс может помогать находить связанные материалы по смыслу, даже если формулировка запроса не совпадает с их названиями.
Поиск по кодовой базе и подбор контекста для разработки — Эмбеддинги кода могут помочь найти подходящие фрагменты и документацию; релевантность выдачи нужно оценивать на собственном репозитории.
Возможности автоматизации
Локальный мультимодальный поиск и подбор материалов для ответа: Приложение может индексировать разрешённые материалы на устройстве, находить подходящие фрагменты и передавать их генеративной модели для подготовки ответа. Поиск и генерация остаются разными этапами. Условия: Нужны индекс, совместимое устройство и проверка качества поиска на целевых данных.; Права на исходные файлы должны распространяться и на поиск по индексу.
Маршрутизация входящих материалов по содержанию: Сходство эмбеддингов может стать одним из сигналов для классификации и выбора следующего шага обработки; это проектный сценарий, не готовое правило принятия решений. Условия: Порогам классификации и ошибочным совпадениям нужна проверка на рабочих примерах.; Критичные решения не следует принимать только по близости векторов.
Влияние на ручную работу
Поиск файлов, фрагментов кода и записей может потребовать меньше ручного перебора. Для конкретной организации экономия не показана; она зависит от качества индекса, данных и запросов.
Ограничения и риски
Показатели качества, памяти и экономии хранилища приведены Google; оба указанных материала публикуют один и тот же текст, а не две независимые оценки.
Локальное исполнение уменьшает потребность передавать исходные данные в облако, но само по себе не обеспечивает разграничение доступа к файлам и индексу.
Оценка потребления памяти Google относится к квантованной модели на Pixel 11 Pro; требования на другом устройстве могут отличаться.
Уменьшение размерности вектора экономит место, но может изменить качество выдачи. Доступность в Model Garden пока анонсирована.
Anthropic ввела три уровня доступа в Cyber Verification Program
Anthropic объявила о расширении Cyber Verification Program и объединении её с подходом Project Glasswing. Теперь программа предусматривает Defense Access для защитных задач, Red Team Access для разрешённого тестирования на проникновение и Specialized Access для ограниченного круга проверенных организаций, работающих с особо чувствительными системами. Уровни отличаются проверкой заявителей, контролями безопасности и объёмом ослабленных ограничений Claude.
Ключевые факты
Заявители могут запросить соответствующий их работе уровень, но доступ предоставляется после проверки и при выполнении требований безопасности; общедоступные модели сохраняют более строгие киберограничения.
Red Team Access пока предназначен только организациям: тестировать можно системы, на проверку которых есть разрешение. Индивидуальные исследователи могут претендовать на Defense Access, но не на этот уровень.
Specialized Access предназначен для небольшого числа проверенных организаций; Anthropic сообщает, что рассматривает такие заявки углублённо совместно с правительством США.
По данным Anthropic, в её испытании CyScenarioBench на Claude Opus 5.5 при Defense Access блокировка возникла в 46 из 50 попыток; при Red Team Access блокировок не было и модель завершила 34 из 50 попыток.
Объективно о важном
Один и тот же инструмент может помогать защитнику искать уязвимость и злоумышленнику — использовать её. Программа даёт проверенным командам путь к расширенным возможностям для защиты и разрешённого тестирования, не открывая одинаковый доступ всем. Результаты испытания показывают, как различались ограничения в тестовых условиях Anthropic, но не доказывают безопасность любого реального применения.
Бизнес-процессы
Мониторинг безопасности и реагирование на инциденты — Команда может применять подходящий ей уровень доступа для разбора предупреждений, анализа вредоносного ПО и проверки уязвимостей в защищаемых системах.
Проверка уязвимостей и тестирование на проникновение — Defense Access охватывает защитный анализ; Red Team Access добавляет наступательные методы только в рамках выданного разрешения и правил программы.
Возможности автоматизации
Триаж предупреждений и анализ уязвимостей в собственном коде: Модель может помогать группировать сигналы, исследовать возможную проблему и готовить материалы для специалиста. Часть таких задач допускают и общедоступные модели с действующими ограничениями. Условия: Для расширенного доступа нужны проверка заявителя и соблюдение правил выбранного уровня.; Специалист проверяет выводы и самостоятельно решает, какие действия предпринимать.
Этапы авторизованного тестирования на проникновение: При Red Team Access модель может помогать выполнять отдельные шаги проверки, если организация вправе тестировать конкретную систему. Это не разрешение на любые действия за пределами согласованного объёма. Условия: Уровень доступен только организациям после проверки.; Сохраняются блокировки действий с риском физического ущерба или массовых нарушений.
Влияние на ручную работу
Помощь в анализе может ускорить отдельные операции, но опубликованные испытания измеряют выполнение киберзадач и действие ограничений, а не экономию труда конкретной команды. Решения и разрешения на тестирование остаются за людьми.
Ограничения и риски
Уровни не предоставляются автоматически: требуются проверка заявителя, необходимые контроли и назначение доступа рабочим пространствам.
Для организаций — участников программы требуется хранение данных для мониторинга злоупотреблений. До запуска Enterprise Frontier Safeguards Anthropic указывает отдельные исключения для уже доступных с нулевым хранением Claude Fable 5.1 или Claude Mythos 5.1.
Enterprise Frontier Safeguards описывается как будущая возможность для подходящих организаций; доступ к программе через Amazon Bedrock ограничен клиентами, отвечающими требованиям этой системы.
Red Team Access не снимает блокировки опасных действий, а Specialized Access рассчитан лишь на ограниченный круг организаций.
Числа CyScenarioBench получены в испытании Anthropic; независимая проверка этих результатов в источнике не приведена.
