#LLM
Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.
Плагин Keystone научил Claude Code ставить LLM-шлюз: 8 скиллов, ключи вне чата
Для LLM-шлюза Keystone вышел плагин к Claude Code: 8 готовых скиллов с настоящими командами и MCP-сервер в режиме чтения. Ключи вендоров агент не видит и в чат они…
Cognition выпустила SWE-2 Flash: в 5 раз дешевле, в терминал-тесте 20% задач вместо 0,9%
Cognition выпустила компактную модель для кода: она втрое быстрее и в пять раз дешевле старшей SWE-2, а в тесте Terminal-Bench 4.0 решает 20% задач вместо 0,9% у…
Tencent выпустила Hy4: модель читает 1 млн токенов, а API стоит от 83 центов
Tencent выпустила финальную Hy4: модель понимает картинки, работает в программах и принимает до 1 млн токенов за раз. Вход в API стоит 83 цента за 1 млн токенов.
Домашний ИИ-агент сам собрал данные для LoRA: тест логики LogiQA вырос на 12%
Локальная Qwen на RTX 5080 выросла с 33% до 88,5% в тесте лабораторного журнала
Продакт без разработчика выпустил расширение на ИИ-агентах и защитил 89 тестами-сторожами
Dafny принимает 99,1% кода Opus 4.7 на HumanEval, но лишь 1,9% привязаны к спецификации
Лучшие ИИ-агенты проходят до 98% тестов, но рабочий продукт собирают максимум в 65% случаев
Replit проверил девять моделей на сборке веб-продуктов с нуля: лидеры проходят до 98% тестов, но полностью рабочий продукт выдают максимум в 65% сборок.
Почти нулевые эмбеддинги токенов обнулили 20% шагов дообучения gated-моделей на телугу
Аудит 291 открытого репозитория: у 52,6% несвязанных gated-чекпойнтов есть токены с почти нулевым эмбеддингом, и они тихо обнуляют градиенты батча примерно на 20%…
Почему RAG и длинный промпт тупеют: один конфликтующий факт обрушивает точность мелких LLM с 97% до 11%
GPT-6 Astra правкой 0,016% весов подняла точность Qwen3.5-0.8B на MATH-500 с 7,9% до 48,1%
Закон SIMPLE из четырёх параметров предсказал энергию инференса 13 LLM на H100 без калибровки
Агент с вопросами обогнал агента с инструментами: 113% против 50% скорости FlashAttention-3
Агенты проигнорировали подсказку читать память в 7 сессиях из 7 — разбор 13 тысяч логов
Команда kaeru прочла 13 тысяч логов своих агентов: подсказку читать память они не выполнили ни в одной из 7 сессий, зато исправно закрывают «долги» и теряют…
Мы проверили 929 автоматизаций в «Альпине»: каким должно быть корпоративное обучение ИИ в 2026 году
Обзорные лекции про нейросети дают 8–12% внедрения, а связка платформы, воркшопа и хакатона — до 70–85%. Подрядчика выбирайте под задачу: практиков для агентов…