#LLM
Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.
Anthropic выпустила Fable 5.2: 49,1% на FrontierCode и цена $8/$40 за млн токенов
Anthropic выкатила Fable 5.2 и Mythos: рекорд на FrontierCode, вдвое больше GPT-6 Astra в робототехническом тесте и ценник $8/$40. Но есть нюанс про «я, кажется, на…
Claude Fable 5.2 собрала браузерный шутер за 8 часов и примерно $550
Сколько стоит оставить ИИ писать игру на восемь часов? В эксперименте с Saltline — около $550. Главная статья расходов здесь — входной контекст, который агент…
Meta выпустила Muse Ember: задача в тесте стоит $0,14 против $0,41 у Haiku
Когда агент тысячами разбирает документы и вызывает инструменты, бюджет съедает рутина. Meta предлагает отдать её Muse Ember: в опубликованном сравнении задача…
Artificial Analysis выявила потери качества у 24 из 103 API-эндпоинтов
Fable 5.2 одним промптом написал path tracer и сцену на 370 000 полигонов
Модели принятия решений заняли 26% запросов Vercel AI Gateway при 0,53% расходов
Snorkel гоняет миллионы агентных симуляций в месяц и экономит 20% на песочницах
Google запустил API для выбора действий с задержкой 150–250 мс
Куда отправить заявку и какой инструмент вызвать? Gemini Decisions API оценивает готовые варианты и возвращает вероятности. Google обещает ответ за 150–250 мс, но…
Google открыла Gemini 4 Carbon: агентная модель в 2–6 раз дешевле Fable 5.2
Google выпустила Carbon — старшую модель Gemini 4 для долгих агентных задач: почти на уровне лидера по качеству, но задача обходится в разы дешевле. Разбираемся…
Классификатор услуг на LLM вырос с 73% до 94%, но цепочка из трёх нод всё равно даёт 75%
Google выпустила Gemini Decision 1: ответ за 150–250 мс и $0.10 за 1M токенов
NaiveAI сократила медианное время ответа до 3,1 секунды в тесте Latent Space
AWS добавила 3 проверки в обучение моделей, чтобы ловить тихие ошибки GPU
Русский промпт в ComfyUI: FLUX.2 и Qwen-Image теряют 4–13 пунктов, а SD-Turbo — почти всё
Эксперимент на 12 фразах и пяти открытых моделях: русский промпт ломается не из-за языка, а из-за непонятных реалий вроде баранок и валенок. Переводчик нужен не…
Google выпустила gemini-decision-1: модель выдаёт вероятности вместо текста за 150–250 мс
Google добавила отдельный эндпоинт, где модель не пишет текст, а сразу отдаёт числа: да/нет, выбор из вариантов, оценка по рубрике. Без JSON, парсинга и выходных…