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

Хабр: сравнение AI-моделей при разработке ремейка Battle City (2026)
Русскоязычное сообщество разработчиков повторило эксперимент сравнения различных AI-моделей при создании игрового приложения, показывая прогресс в способностях…

Claude Cowork переходит в облако и на мобильные, 90% сессий отказываются от кода
Anthropic расширяет платформу своего ИИ-помощника за пределы кодирования, выявив неожиданный спрос на общие рабочие задачи.

Google расширяет Managed Agents в Gemini API: фоновые задачи и MCP
Google объявила о новых возможностях Managed Agents в Gemini API, включая поддержку фоновых задач и удалённого Model Context Protocol (MCP), позволяя разработчикам…

Генеративный ИИ как киберугроза: автономные атаки без контроля операторов

The New York Times требует санкций на OpenAI за скрытие доказательств

OpenAI представила GPT-Live — обновлённый голосовой ChatGPT с поддержкой GPT-5.5

SageMath улучшила LLM-агентов в математике на 9.7pp в среднем

DeepSeek V3.2 достигла 67% точности на тесте абстрактного мышления ARC-AGI
Исследователи показали, как открытая модель DeepSeek V3.2 решает задачи ARC-AGI-1 с точностью 67% без специального обучения, используя двухстадийные агентские…

Фреймворк HALE объединил LLM и масштабные эпидемические симуляции
Исследователи представили фреймворк HALE, который использует большие языковые модели для предсказания решений людей в масштабных агентных симуляциях эпидемий.

Apple разобралась, когда on-policy distillation помогает обучению моделей

Self-Reflective Program Search: Apple улучшила работу LLM с длинными контекстами

SynthAVE: когда 21 модель разметила 12 тысяч товаров вместо людей

DeLS-Spec ускорил LLM inference без переобучения моделей

Опубликована трилогия про GEO — оптимизацию для ChatGPT, Claude и других нейросетей
На Habr'е опубликована трилогия про GEO: эксперт доказывает, что оптимизация контента для ChatGPT и Claude — это не надстройка над SEO, а новое направление…

Sixtyfour: Y Combinator стартап, который оценивает каждый вывод AI-агента
Sixtyfour разработал оценочную систему для AI-агентов: вместо доверия выводам LLM, стартап проверяет каждый ответ через экспертную оценку и релизит только…









