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.
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…
AWS опубликовала 6 подходов к оптимизации MCP-инструментов для экономии контекста
AWS разобрала проблемы MCP tool design: определения инструментов переполняют контекстное окно, моделей путаются. Предложила 6 решений — от переименования параметров…
Apple разобралась, когда on-policy distillation помогает обучению моделей
Исследователи Apple ML выяснили, при каких условиях on-policy distillation эффективна для обучения reasoning-моделей, а при каких может быть неэффективна или даже…
Исследователи из Alibaba обнаружили DoS-уязвимость в рассуждающих AI-моделях
Нейросеть для математики: почему LLM ошибается в расчётах
Hugging Face запустила облако без платы за трафик
Бывший технический лидер Qwen: почему гибридное мышление не сработало и что дальше
Humanity's Last Exam: почему главный AI-бенчмарк от CAIS называют отвлечением
Эксперты KDnuggets разобрали Humanity's Last Exam — сложнейший тест для AI от Center for AI Safety и Scale AI — и пришли к выводу: он измеряет академическую…
Нейросеть эффективнее: как Apple оптимизировала инференс
Apple ML Research представила фреймворк Conformal Thinking: метод автоматически управляет токенным бюджетом reasoning-моделей, гарантируя заданный уровень ошибок…
Stripe объяснила, как AI-агенты помогают масштабировать финансовый комплаенс
Hugging Face сравнила все альтернативы LoRA: кто побеждает в тонкой настройке LLM
Anthropic дала противоположные советы для Fable 5 и Opus 4.8: что менять в промптах
Команда Claude Code рассказывает, что меняется, когда код перестаёт быть дефицитом
Google DeepMind Gemma 4 появились на Amazon Bedrock: три модели с MoE и мультимодальностью
Amazon Bedrock добавил три open-weight модели Gemma 4 от Google DeepMind с поддержкой MoE-архитектуры, встроенного reasoning и мультимодального ввода.
OpenAI показала GPT-5.6 с тремя уровнями Sol, Terra и Luna и режимами рассуждений
OpenAI анонсировала семейство GPT-5.6 с тремя моделями — Sol, Terra и Luna — и новыми режимами рассуждений max и ultra. Доступ пока ограничен избранными…