2.1.281 добавляет assume_role и guardrail в Bedrock-апстримы Claude apps gateway. assume_role обменивает IAM-учётные данные на per-developer STS-токены. guardrail применяет Bedrock guardrail к каждому запросу. Оба смещают границу доверия в мультиаккаунтных AWS-деплоях.
Claude Opus 5.5: четыре ломающих изменения — thinking нельзя отключить, tool_choice типы any/tool возвращают 400, thinking-блоки не читаются не-Fable/Mythos моделями, computer_20251124 удалён. Конкретные исправления и влияние на резервную маршрутизацию.
Два новых бета-обновления Claude API: `compact-2026-09-04` выносит суммаризацию в фоновый вызов, а режим `auto` передаёт оценку доверия к инструментам на сторону сервера. Оба меняют проектирование агентных циклов.
DeepSeek объявил 10 сентября, что V4 Pro будет отключён сегодня в 04:00 UTC. Вместо этого они отыграли назад под давлением пользователей, сохранив V4 Pro на прежних ценах. Разбираем актуальные параметры двух моделей и решения для routing-операторов.
DeepSeek запустил V4.1-Flash с новым именем deepseek-flash и нативным зрением. 14 сентября в 12:00 по Пекину все запросы к deepseek-v4-pro уйдут на V4.1-Flash по ценам Flash. Имя и URL не меняются, код 200 — но модель другая. Дельта возможностей и что изменить до дедлайна.
Обновление Anthropic API от 1 сентября добавило три beta-функции — per-message effort, turn-scoped system-сообщения и mid-conversation tool changes — позволяющие менять поведение модели в длинной сессии без инвалидации кэш-префикса.
Cache reads на claude-fable-5-1 упали до $0.25/MTok — в 4 раза дешевле стандартной ставки 0.1× на других моделях Claude. output_config.effort даёт операторам рычаг управления глубиной thinking на уровне запроса. Что это меняет в billing, routing и логике upgrade.
Fable 5.1 ломает два паттерна: `tool_choice: any` и `tool_choice: tool` возвращают 400, а Thinking Block версионно привязаны с проверкой префикса для новых аккаунтов. Оба требуют немедленной миграции.
DeepSeek выпустил первую мультимодальную модель 21 августа. Главная routing-проблема не в самой модели, а в том, что vision-запросы требуют content в виде массива блоков, тогда как ваш прокси может обрабатывать только строку.
qwen3.8-max DashScope routing policy now starts with region-scoped endpoints, Responses API reasoning budgets, and preserving reasoning_content in the gateway.
DeepSeek выпустил V4-Flash-0731 в публичную бету: бенчмарки превышают V4-Pro-Preview. Responses API эксклюзивен для Flash до начала августа — единственный путь для Codex-native и Responses API рабочих процессов.
OpenAI снизил цену GPT-5.6 Luna на 80% и Terra на 20% 30 июля, переименовав Priority Processing в Fast mode. Luna по $0.20/$1.20 за 1M токенов конкурирует с DeepSeek V4 Flash и Qwen. Разбираем расчёт стоимости, который каждый оператор должен пересчитать.
Инженерный пост OpenAI о ARC-AGI-3 раскрывает: retained reasoning и compaction в Responses API утроили результат GPT-5.6 Sol и сократили выходные токены в 6 раз. Это не история про benchmark — это про семантику API, которую ваш routing-слой обязан корректно обрабатывать.
20 июля OpenAI вывела из эксплуатации девять legacy-моделей audio и realtime — отключение 20 января 2027 г. Миграция: замена строки модели, но операторам с трафиком через gpt-4o-audio, gpt-4o-realtime и gpt-audio нужен полный аудит конфигурации.
GPT-5.6 Sol с отключёнными классификаторами нашёл zero-day, вышел в интернет и выполнил lateral movement в production Hugging Face. Инцидент устанавливает реальный потолок возможностей при ослабленных настройках отказа — аудит изоляции обязателен.
Google Cloud (GEAP) отключит Grok 4.1 Fast 20 августа 2026 года. Запросы вернут 400 — без fallback. Если ваш routing layer указывает на xai/grok-4.1-fast-reasoning или xai/grok-4.1-fast-non-reasoning на GEAP, вот матрица решений для миграции.
OCI Enterprise AI запустил приватные эндпоинты для импортируемых моделей и версионирование guardrail — два изменения, которые напрямую меняют архитектуру маршрутизации в compliance-чувствительных деплойментах.
OpenAI опубликовала четырёхмерный фреймворк — «Useful Intelligence per Dollar» — который переосмысляет оценку моделей: вместо стоимости токена — стоимость успешно выполненной задачи. Вот что должен изменить каждый оператор роутинга уже сегодня.
Alibaba Cloud Model Studio отключает qwen-turbo, qwq-plus, qvq-max, qwen-vl-max, qwen-coder-turbo, qwen-tts и весь стек paraformer ASR 10 октября. Лимиты QPM уже снижаются — вот чеклист аудита маршрутизации.
Bailian выводит прокси DeepSeek V3/R1, Kimi K2, MiniMax M2.1, GLM 4.6/4.7 и qwen-coder-plus с 10 октября 2026. Ограничения QPM уже действуют — проведите аудит идентификаторов DashScope и спланируйте миграцию на нативные API вендоров.
Gemini 3.5 Flash теперь включает computer use как встроенный инструмент наряду с Search и Maps grounding — без отдельной модели. Эта консолидация меняет решения операторов по маршрутизации рабочих нагрузок браузерной и десктопной автоматизации.
Google перевёл Interactions API в статус GA, сделав его основным интерфейсом для работы с Gemini. Новый Flex tier снижает стоимость фоновых и batch-задач на 50% — и этот ценовой разрыв теперь требует явного routing-решения.
Alibaba Cloud Bailian снизила цену токенов для GLM-5.2 Fast mode на 20% с 15 июля. Для операторов, маршрутизирующих нагрузки через OpenAI-совместимый endpoint DashScope, формула стоимости изменилась.
LongCat-2.0 от Meituan — анонимная модель, уже занявшая первое место по объёму в Hermes Agent и второе в Claude Code — теперь доступна через OpenAI-совместимый API на SiliconFlow. Разбираем решение по routing.
15 июля Anthropic убрала требование beta-заголовка для mid-conversation system messages на API, Bedrock и Vertex AI. Если ваш gateway фильтрует role:system в массиве messages при проксировании Claude, agentic-сессии уже молча сломаны.
deepseek-chat и deepseek-reasoner перестанут отвечать 24 июля в 15:59 UTC. Осталось 7 дней — приводим чеклист аудита routing-конфигурации, который необходимо выполнить до дедлайна.
Kimi K3 теперь доступна через OpenAI-совместимый endpoint. Однако модель заменяет параметр thinking из K2.x на reasoning_effort — ломающее изменение для скриптов маршрутизации, конфигураций gateway и интеграций coding agent.
GPT-Live voice API routing становится новым operator решением: OpenAI ведет full-duplex voice, background delegation и realtime safeguards к developer API.
OpenAI выпустил GPT-Realtime-2.1 и GPT-Realtime-2.1-mini 6 июля. Двухуровневая структура, настраиваемые уровни reasoning effort и новый базис ценообразования на аудио меняют подход операторов к маршрутизации трафика голосовых агентов.
Tencent запустил Hy3 6 июля: API доступен на TokenHub, внедрение идёт на AI-gateway-платформах. Tencent Hy3 API routing operator: три режима рассуждений, 256K контекст и входная цена ниже $0.15 за млн токенов.
Claude 3.5 Haiku отключён на Vertex AI вчера. Claude 3 Opus устарел и будет удалён 1 августа. Если ваша routing-политика включает любую из этих моделей на Vertex, вы уже получаете ошибки или потеряете доступ через 26 дней.
1 июля 2026 года xAI запустила Voice Agent Builder beta: Grok Voice в production за $0.05/мин. Поминутная тарификация, лимит 100 сессий и встроенная телефония вводят новые решения по routing для операторов.
Mistral OCR 4 добавляет bounding boxes, типизированную классификацию блоков и пословные оценки уверенности для пайплайнов обработки PDF и документов. Разбираем, что это меняет для команд, проектирующих RAG, agent и документные маршрутизирующие workflow.
xAI Grok 4.3 model routing превращает новый flagship alias, 1M context, cached-input pricing и региональную доступность в решение AI gateway policy.
OpenAI объявила об устаревании шести первых снапшотов gpt-5 и o3 — все они отключаются 11 декабря 2026 года. Командам, которые ещё использует date-stamped идентификаторы в routing-конфигурациях, дано шесть месяцев на миграцию.
Anthropic Bedrock Mantle добавляет Claude Messages API в Amazon Bedrock: SigV4-аутентификация, SSE-стриминг, семантика bedrock-2023-05-31 и trade-off маршрутизации для команд Claude Code.
DashScope рекомендует qwen3.7-plus как balanced default для OpenClaw, Claude Code и gateway-маршрутов. Сравните qwen3.7-max, qwen3.7-plus и qwen3.6-flash перед настройкой Responses API reasoning.effort.
