#LLM
Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.
Кто победит в споре инструкций: порядковый номер, роль в чате или просто метка?
Учёные проверили 14 ИИ-моделей на 1080 сценариях конфликтующих команд и выяснили: модели почти всегда слушают того, кто написал первым — а не того, кто формально…
Сжатие памяти AI-агентов теряет до трети правил задачи, но бенчмарки это прощают
Исследователи из Max Planck Institute проверили, как агенты на базе LLM забывают инструкции при очистке памяти — и выяснили, что тесты для их оценки сами маскируют…
DeepSeek открыла DeepInfer: 155 трлн токенов в сутки и маржа 80%
DeepSeek выложила в open source движок инференса V4.1 Flash. Заявлено 155 трлн токенов в день с одного кластера, 96% попаданий в кэш и около $22 млн выручки в сутки.
ElevenLabs запустила Eleven Realtime: голосовой агент в одной модели, 98,8% на Big Bench Audio
14 нейросетей распознают OLX-мошенников, но 37 из 42 молча помогают с предоплатой
Cloudflare запустила Auto Router: выбор модели за сотрудника, экономия до 30%
Т-Банк заменил рой LLM одной 32B-моделью и удешевил запросы в 2,8–3,9 раза
Tencent обучила 9B-модель монтировать длинные видео по тексту на уровне Claude Opus 5
Команда WeChat Vision собрала агента, который превращает готовый закадровый текст в длинное видео. Небольшая модель на 9 млрд параметров по качеству сопоставима с…
GitHub Copilot Fusion вдвое дешевле Claude Code при отставании на 2 балла
GitHub запустил Copilot Fusion: он сам выбирает между моделями Anthropic и OpenAI. В независимом тесте задача стоит $5,59 против $11,42 у Claude Code с Opus 5.5.
Исследователи убрали шум из MTP-обучения LLM одной строкой кода
Gemini 4 Carbon возглавил рейтинг ИИ-моделей Artificial Analysis с 59 баллами
MIT: ослабленная копия учит модель рассуждать — до +13 пунктов точности
ИИ-система без дообучения доказала все 6 задач IMO 2026 в Lean
Каскад T-one и GigaAM: черновик субтитров во встречу, чистовик после
Автор собрал каскад из двух ASR-моделей на CPU: T-one даёт субтитры с задержкой до 2 с, GigaAM после встречи делает чистовик. Эталон ошибался в каждом четвёртом…
OpenAI раскрыла работу FDE: 90% кастомного кода ушло в скиллы Codex
Команда forward deployed engineers OpenAI довела кейсы в чипах, налогах и телекоме до прода за 3–6 месяцев и выбросила около 90% кастомного кода ради Codex.