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

OpenAI запустила GPT-5.6 и новое семейство моделей с улучшениями в безопасности
9 июля 2026 года OpenAI представила новое семейство языковых моделей с GPT-5.6 в центре. Обновление обещает улучшения в кибербезопасности и других направлениях…

Claude Reflect: Anthropic запустила Spotify Wrapped для ChatGPT
Anthropic запустила Claude Reflect — дашборд анализа использования Claude, который показывает ключевые темы разговоров, типы выполняемых задач и паттерны активности…

OpenAI выпустила GPT-5.6 после одобрения властей и представила ChatGPT Work
OpenAI получила разрешение администрации Трампа на публичный запуск GPT-5.6 и одновременно представила ChatGPT Work — агента для повседневных задач на базе Codex.

GRAPHEVAL: новый граф-фреймворк обнаружил, что Self-Consistency скрывает ошибки в рассуждениях LLM

Самоэволюционирующие LLM-агенты: компиляция SOP в инструменты снижает задержку на 42%

Языковые модели Qwen3 легко усложняют учебные задачи, но плохо умеют их упрощать

NYIT разработал LLM-ассистента для курса по прикладному анализу в MATLAB

Hallucination Self-Play: небольшая языковая модель обогнала крупные LLM в детекции галлюцинаций
Новый фреймворк HSP обучает детектор и генератор галлюцинаций в замкнутом цикле — малая модель превзошла крупные LLM без внешней разметки данных.

Gemini 2.5 Flash заменяет оценщиков-людей при тестировании голосовых агентов
Исследователи проверили, насколько надёжно Gemini может оценивать голосовые AI-агенты вместо людей — и выяснили, что модель справляется при стоимости в 100 раз ниже.

LLM доказывают теоремы, но не открывают математику: исследователи описали следующий шаг

Context Graph: исследователи научили корпоративных AI-агентов работать без запросов

Eternis-Forecaster 8B: зонды активаций точнее цепочек рассуждений и экономят до 47% токенов

Anthropic запустила дашборд Reflect для анализа того, как вы используете Claude

ChatGPT и Claude: 2026 год ИИ-платформ вместо отдельных моделей
На конференции EmTech AI 2026 MIT Technology Review зафиксировала главный сдвиг года: индустрия перешла от отдельных AI-моделей к платформам, встроенным в рабочие…

ChatGPT Realtime в России: почему разработчик выбрал Яндекс
Разработчик голосового ИИ-приёмщика сравнил три подхода к речи в речь: Яндекс Realtime (~330 мс), OpenAI (~740 мс через VPN) и устаревшую трёхзвенку (~4,4 секунды)…









