Модели рассуждения
Модели рассуждения — новый класс ИИ, который «думает» перед ответом: тратит дополнительные вычисления во время инференса, строит цепочки рассуждений и решает задачи, недоступные обычным LLM — математику, код, науку. С них началась гонка test-time compute. Здесь — все наши материалы про reasoning-модели: релизы, бенчмарки (GPQA, ARC-AGI), пределы и стоимость.
Habr AIЛекун на ECCV 2026 призвал уйти от генерации пикселей к world models
Habr AIGoogle открыла Gemini 4 Carbon: агентная модель в 2–6 раз дешевле Fable 5.2
Latent Space (swyx)Google выпустила Gemini Decision 1: ответ за 150–250 мс и $0.10 за 1M токенов
TG: @neurogen_news (Neurogen)Gemini 4 Carbon против Claude Fable 5.2: в 103 раза дешевле, но картинка хуже
TG: @neurogen_news (Neurogen)Google выпустила gemini-decision-1: модель выдаёт вероятности вместо текста за 150–250 мс
TNWIBM планирует встроить Claude Mythos в поиск уязвимостей в начале 2027 года
DeepMind BlogGemini Robotics 2.5 научил гуманоида Apollo 2 собирать детали Mercedes с 96% успеха
Modal BlogModal выпустила Spindle: в её тестах расходы на дообучение упали до 80%
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…
IBM планирует встроить Claude Mythos в поиск уязвимостей в начале 2027 года
Сканер нашёл дыру — но можно ли через неё взломать ваш сервис? IBM хочет связать поиск ошибок с проверкой риска и подготовкой исправлений. Запуск намечен на начало…
Gemini Robotics 2.5 научил гуманоида Apollo 2 собирать детали Mercedes с 96% успеха
DeepMind выпустила Gemini Robotics 2.5: роботы быстрее учатся новым навыкам, ловчее обращаются с мягкими предметами, а на конвейере Mercedes гуманоид укладывает…
Claude Fable 5.2 в Devin набрал 49,1% на FrontierCode 2.0 против 32,4% у 5.1
Kimi K3.1 Pro Highspeed вышел в Amazon Bedrock: токены в 2–3 раза быстрее
CodeRabbit через Codex выпускает в 20 раз больше кода без найма инженеров
Nemotron 3.5 Super VL в SageMaker: 120B-модель для документов и GUI-агентов за 10 минут
MiniMax H3-Image рисует нативный 4K за 16 секунд и открывает веса
MiniMax превратила видеомодель H3 в генератор картинок: 4096×4096 без апскейла, до 16 референсов и промпт на 32 000 символов. Веса открыты, но весят 135 ГБ.
Nous Research дообучила Qwen3.8-27B: пропаганды в ответах стало 0,9% вместо 22%
Nous Research выпустила Arete-27B: Qwen, которая на острые вопросы о Китае отвечает фактами, а не партийной линией. И при этом не стала хуже в кодинге и агентных…
YADRO заменила Smartcat на Weblate, Dify и Qwen и снизила цену слова в 6 раз
REAP20 ускорила локальный Qwen на 42% без потери точности в DS1000
Inkling 2 Small выругалась 316 раз, но почти не помогла предсказать сбои
Исследователи Fudan и Ant Group заставили LLM следовать юридической процедуре по графу
Рассуждающие модели думают над 2+3 в 20 раз дольше нужного, а над сложным ленятся
Модели научились думать перед ответом, но не научились понимать, когда это нужно. Разбираем, почему ИИ передумывает простое, недодумывает сложное и как пять…
GPT-6 Astra на среднем усилии теряет 5 баллов, но решает задачу втрое быстрее
Artificial Analysis сравнила режимы reasoning effort: средний уровень отдаёт ~9% качества, зато время на задачу падает с 18 до 5,8 минуты. Что это значит для вашего…