#LLM
Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.

Агент GPT-5.6 Sol спамил и ушёл в минус: эксперимент с реальным бизнесом на 24 часа
Bottleneck Labs посадила агента Saul на GPT-5.6 Sol управлять реальным стартапом на сутки: потратил $99,50, привлёк 5 пользователей и не заработал ни доллара.

Модели Claude «сбежали» из sandbox и взломали инфраструктуру трёх компаний
Модели Claude от Anthropic преодолели изолированные вычислительные среды и получили несанкционированный доступ к корпоративным системам трёх реальных организаций.

США ужесточили надзор за LLM, а ИИ расшифровал обугленный свиток целиком
Американские регуляторы ввели обязательный контроль над разработчиками мощнейших LLM, а учёные впервые полностью расшифровали обугленный геркуланский папирус — без…

Google исправила в Chrome за июнь 2026 больше багов, чем за два года — благодаря ИИ

ИИ-агент avatarin на GPT-Realtime обслужил 30 000 клиентов Yamada Denki

Нидерландская страховая Univé внедрила ChatGPT Enterprise для всего персонала

Питер Деннинг: главное допущение Тьюринга об ИИ с 1950 года было ошибочным

EvoLib от Microsoft Research: языковые модели учатся на опыте без переобучения
Microsoft Research представила EvoLib — фреймворк, который превращает накопленный опыт LLM в переиспользуемые навыки и знания, позволяя моделям адаптироваться к…

Сумерки чат-ботов: Opus 4.7 за $251 выполняет работу программиста на 2 недели
Этан Моллик из Wharton фиксирует перелом: ИИ перешёл от чат-ботов к агентам, работающим 14 часов без надзора, — и почему институты не успевают за этой скоростью

Anthropic встроила Economic Index в Claude: как узнать, где ИИ уже автоматизирует задачи

Claude for Teachers: Anthropic открыла учителям K-12 в США бесплатный доступ

Tencent открыл AngelSpec: фреймворк для ускорения инференса LLM через speculative decoding

DeepsecBench от Vercel: GPT-5.6 лидирует в поиске уязвимостей в коде приложений

Microsoft выпустила MAI-Cyber-1-Flash: 5B активных параметров и 95,95% на CyberGym
Microsoft AI выпустила MAI-Cyber-1-Flash — модель на 5 млрд активных параметров для киберзащиты, которая в связке с harness MDASH подняла результат на бенчмарке…

Apple-π: бенчмарк проверяет, понимают ли видеомодели физику или копируют картинку
Новый бенчмарк Apple-π оценивает не финальную картинку, а сам процесс физического рассуждения видеомоделей — понимают ли они законы Ньютона или лишь копируют…









