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.
Claude Opus 5 создаёт 3D-игры — шутер, гонки и Minecraft — из одного промпта
Claude Opus 5 от Anthropic генерирует полноценные 3D-игры из единственного промпта: геометрия, физика и музыка создаются как код и запускаются прямо в браузере.
DeepsecBench от Vercel: GPT-5.6 лидирует в поиске уязвимостей в коде приложений
Vercel представил DeepsecBench — открытый бенчмарк, измеряющий, насколько точно ИИ-модели находят уязвимости в коде. Лидирует GPT-5.6 Sol, но дешёвые модели быстро…
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…
SLPO: метод переносит RL с проверяемой наградой на латентные модели рассуждений
Гиперсети вместо LoRA: законы масштабирования для инъекции знаний в LLM
SFT-дообучение сужает поведение ИИ: исследование arXiv о коллапсе разнообразия
LISA: sparse attention ускоряет длинные рассуждения LLM на 50% без переобучения
Из Tencent Hunyuan ушёл глава мультимодального ИИ Ху Хань — команда переходит к world models
Ху Хань, отвечавший за мультимодальное понимание в Tencent Hunyuan, уходит основывать стартап; его группу переориентируют на исследование world models.
Открытые ИИ-модели Китая против OpenAI и Anthropic: чем берут DeepSeek и Qwen
Китайские лаборатории DeepSeek, Qwen, Kimi и GLM продвигают открытые модели как замену закрытым флагманам OpenAI и Anthropic — доступ к западным моделям дорожает и…
4 Mac Studio в один кластер: 1,5 ТБ памяти для LLM на триллион параметров
Anthropic нашла у Claude нейронные паттерны, похожие на «глобальное рабочее пространство»
InductWave обучает модели графов знаний вдвое меньшим числом слоёв, чем конкуренты
Фреймворк ROAM адаптирует промышленные ИИ-модели к новым сценариям без переобучения
LangChain: claude-3.5-sonnet, gpt-4o, o1 и o3-mini протестировали как ReAct-агентов
LangChain протестировала claude-3.5-sonnet, gpt-4o, o1 и o3-mini в роли ReAct-агента, чтобы узнать, как рост числа инструкций и инструментов влияет на качество…
NVIDIA Developer Blog разобрала техники обучения AI-агентов с подкреплением RL
NVIDIA Developer Blog опубликовал разбор техник reinforcement learning для AI-агентов — от классического RLHF до новых подходов обучения моделей через обратную…