2026
11 847 материалов · 140 дней · 10 рубрик · в среднем 85 в день
OpenAI показала BioBasicsBench: GPT-6 Astra набрал 66,7% в анализе данных wet-lab
OpenAI и Ligo проверили ИИ-агентов на рутине биолаборатории: гели, чашки с колониями, микроскопия. Лучший результат — 66,7%, и ошибки показательны.
Ripple-65B от Ricursive: открытая модель под Apache 2.0 набрала 80,5% в TerminalBench
Ricursive Intelligence выложила на Hugging Face плотную модель на 65 млрд параметров. Она лучшая среди открытых американских в агентном кодинге, а обучение обошлось…
Рассуждающие модели думают над 2+3 в 20 раз дольше нужного, а над сложным ленятся
Модели научились думать перед ответом, но не научились понимать, когда это нужно. Разбираем, почему ИИ передумывает простое, недодумывает сложное и как пять…
OpenAI выпустила Images 2.6: генерация на 50% быстрее, GIF и экспорт в SVG
Cult.fit перевела разработку на Codex: соцлента за 2 месяца вместо года
Дообученный Tesseract читает мансийский текст: ошибки символов упали с 18,5% до 0,85%
В боте для amoCRM два лимита диалога не работали с запуска: виноваты И вместо ИЛИ и битая ветка
Thinking Machines выпустила Inkling 2 Small: 594 млрд параметров, но активны лишь 17 млрд
Мира Мурати показала первую крупную открытую модель: огромная MoE на 594 млрд параметров, которая считает как 17-миллиардная. Веса обещают под Apache 2.0 уже на…
OpenAI выпустила GPT-6 Cyber: выходов за рамки задачи стало меньше 1% вместо 5%
Кибермодель OpenAI научилась реже ломать чужое по дороге к цели: «выход за границы» упал с 5% до менее 1%. Но риск «притворства» на тестах остаётся.
Zero-Host-Copy: как гнать YOLOv8m на 165–215 FPS, убрав CPU из горячего цикла
72B-модель на MacBook M2 Pro дала 1–2 токена в секунду и перегрела ноутбук
Быстрая модель пишет код, умная чинит логику: как собрать поиск на n8n и PostgreSQL
Команда посчитала 110 роликов в Claude Code: 95–99% токенов уходит на перечитывание
OpenAI выпустила GPT-Image 2.6: две модели, GIF и экспорт в SVG через API
OpenAI обновила генератор картинок: Flare рисует за шесть секунд, Sunburst держит детали, а ещё появились GIF-анимации и SVG прямо из API. Заодно Apple урезает…
Taxbit запустил ИИ-ассистента для налоговиков: 55% пользователей возвращаются с новым вопросом
Как построить чат-бота для регулируемой отрасли, которому можно доверять: цитаты, проверка ролей, маскировка SSN и постоянный контроль качества на живом трафике.
Разработчик запустил платного ИИ-бота в MAX и решил проблему минуса через холд на баланс
Как принимать рубли за ChatGPT, Gemini и Nano Banana в мессенджере MAX: холды в PostgreSQL, чеки самозанятого и уведомление в Роскомнадзор — опыт автора бота.
Kilo Code молча отдал серверу все 12 файлов проекта, хотя разрешили только два
Qwen-Image 2.1 Omni влез в 4 ГБ VRAM и почти не потерял в скорости
Замеры 46 операций .NET: Copilot-агент добавил просадку в 16% на первом resolve DI
Открытый DeepSeek взламывает сети почти как закрытый Daybreak: 73% против 81%
Nous Research вычистила пропаганду из Qwen дообучением на 53 млн токенов: с 22% до 0,9%
Nous Research дообучила Qwen3.8-27B и убрала из него китайскую госпропаганду почти полностью. Общие навыки модели не просели, а веса и данные лежат в открытом…
Inkling 2 Small от Thinking Machines: 17 млрд активных параметров и $1,18 за задачу
Стартап Миры Мурати выпустил Inkling 2 Small: агентные тесты выросли с 5 до 46%, цена за задачу в разы ниже, чем у Gemini Flash и Claude Sonnet. Веса обещают под…
Greenlight закрывает 90% из 4000 security-кейсов в месяц агентами на AgentCore
Thinking Machines выпустила Inkling 2 Small: 81,7% на ARC-AGI-2 по 27 центов за задачу
Девять ИИ-агентов взялись за открытые задачи нацлабораторий США — ни один не прошёл планку
Surge: Opus на xhigh набрал +11,3 балла, а обвязки вроде Superpowers дали максимум +3
Claude Code на GLM-5.3 и Qwen: пять граблей при подмене модели через LiteLLM
Команда ZuBrIQ заставила Claude Code, Codex и OpenCode работать на открытых моделях через LiteLLM. Самые злые баги здесь молчаливые: тихий резерв, нулевой расход…
ИИ-агенты набрали 99,4% на SWE-Bench Pro V2, но 23 инженера сперва чинили сам тест
Рекорд 99,4% звучит эффектно, но около 30% задач старого бенчмарка были сломаны. Разбираем, что пришлось исправить и как проверять ИИ-агентов у себя в проекте.
Claude за час поправил 165 весов медицинской модели и поднял recall с 76 до 90%
Продакт из MedTech отдала Claude веса модели для оценки мутаций ДНК. Он починил её без обучения, но обычное дообучение выдало почти тот же результат.
Claude сократил выделение белковых частиц vault с 3 дней до 90 минут
Агенты OpenAI нашли 948 способов получить root в Linux по $1279 за каждый
Baidu открыла веса ERNIE 5.5 Flash: из 280 млрд параметров на токен работают 14 млрд (5%)
