Архив

Лента разборов

484 разбора · обновляется ежедневно

RSS
11.07.2026 Дайджесты

Дайджест недели: главное в ИИ

Неделя напомнила, что индустрия всё чаще смотрит не на бенчмарки, а в чек за вывод и в воспроизводимость результатов. Статья за 31 цент, ускорение вывода…

digest
11.07.2026 Дайджесты

ИИ-агент взломал роутер Cisco за три часа

Энтузиаст протестировал универсального агента Hermes с моделью DeepSeekV4 Pro на задаче, которую обычно считают недоступной ИИ — физический сброс забытого…

Habr
11.07.2026 Бенчмарки

SWE-Bench Pro показал проблемы с надёжностью оценки кода

Новый анализ OpenAI вскрывает проблемы в SWE-Bench Pro — одном из главных бенчмарков для оценки способности моделей решать реальные задачи программной…

OpenAI
10.07.2026 Рынок и инвестиции

SpaceXAI показала Grok 4.5 — Opus-уровень за четверть цены вывода

SpaceXAI запустила Grok 4.5 — первую модель, обученную специально под задачи кодинга и агентов, причём в партнёрстве с Cursor. Модель не пытается побить…

Latent Space
10.07.2026 Дайджесты

Вайб-кодинг без розовых очков: 5 ошибок Claude в реальном проекте

Тимлид аналитиков без навыков кодинга создала на Claude Code полноценный веб-сервис «Бытовые счета» на Next.js, и он действительно работает в боевой среде — 0…

Habr
10.07.2026 Бенчмарки

Вывод моделей подешевел в 50 раз — узким местом стали системы данных

По данным BAIR, стоимость GPT-4-уровня рухнула с $30 до менее чем $1 за миллион токенов с начала 2023 года, а медианный темп падения цен на вывод моделей —…

BAIR
10.07.2026 Релизы моделей

Voice-2-voice модели: почему прямой вывод звука быстрее каскада ASR-LLM-TTS

Классический голосовой конвейер — ASR распознаёт речь в текст, LLM генерирует ответ, TTS синтезирует звук — накапливает задержку в сотни миллисекунд на каждом…

Habr
10.07.2026 Бенчмарки

GPT-5.6: три модели, ставка на агентные цепочки и спорный бенчмарк

OpenAI выпустила линейку GPT-5.6 — Luna, Terra и Sol — с агрессивным позиционированием для длинных агентных задач. Главный козырь, по данным Simon Willison, —…

Simon Willison
09.07.2026 Дайджесты

Открытые модели отъедают токены, но не бюджет — счёт Anthropic держится

CEO Decagon Джесси Чжан выдвинул теорию, которая переворачивает привычную картину войны открытых и проприетарных моделей: это не конкуренты, а две стадии…

TechCrunch
09.07.2026 Релизы моделей

Яндекс оптимизировал инференс DeepSeek в четыре раза

Запустив DeepSeek-V3.2 в облаке, команда Yandex AI Studio обнаружила, что на смешанной нагрузке стандартные open-source фреймворки ломаются там, где…

Habr
09.07.2026 Релизы моделей

Flint ломает шаблонное мышление LLM точечной случайностью

Большие языковые модели на удивление предсказуемы: на просьбу назвать случайное число от 1 до 10 почти всегда отвечают «7», а слоган для кроссовок New Balance…

MIT Technology Review
09.07.2026 Исследования

Prompt-to-Paper пишет биоинформатические статьи с реальными экспериментами за $0.31

Новый препринт на arXiv описывает систему автоматической генерации научных рукописей, которая не просто компилирует текст из большой языковой модели, а…

arXiv
08.07.2026 Исследования

Промпт-дизайн сделал 2B-модель эффективнее 4B как ассистента RL-агента

Исследователи изучили, почему небольшие языковые модели проваливаются при попытке направлять обучение агента в частично наблюдаемых средах. Наивное включение…

arXiv
08.07.2026 Релизы моделей

Фоновые задачи AI-агента сжигали 4,6 млн токенов в день

Разбор утечек в агенте Mickey на OpenClaw показал: основная статья расходов — не сложный анализ, а раздутая обвязка. Cron-задачам выдавались все 200+…

Habr
08.07.2026 Исследования

iFLYTEK создала единую модель для управления роботами

iFLYTEK выложила технический отчёт Embodied-Omni — унифицированной мультимодальной модели, которая совместно обрабатывает видео, язык и действия. Ключевой…

arXiv
08.07.2026 Релизы моделей

Claude Fable 5 против GPT 5.5 Pro: тест точности

Независимое тестирование на повседневных задачах — от написания браузерных шахмат до анализа 333 тысяч символов романа «Убийство в Восточном экспрессе» —…

Habr
07.07.2026 Бенчмарки

Аудит бенчмарков хрупок: пять невидимых сбоев, искажающих выводы

По данным свежего препринта на arXiv, проверки корректности бенчмарков, построенные на пертурбациях, сами страдают от скрытых дефектов. Исследователи провели…

arXiv
07.07.2026 Релизы моделей

Рассуждение помогает моделям вспоминать простые факты — дело не в логике

Исследователи Google Research показали, что даже для простых вопросов о фактах без многоходовых логических шагов включение цепочки рассуждений (CoT)…

Google Research
07.07.2026 Бенчмарки

OpenAI представила GeneBench-Pro — бенчмарк ИИ в реальной геномике

OpenAI выпустила GeneBench-Pro — набор тестов, оценивающий модели на комплексных научных данных из биологии, геномики и смежных дисциплин. От обычных…

OpenAI
07.07.2026 Дайджесты

Бесплатный Goose заменит Claude Code за $200/мес

Claude Code от Anthropic — терминальный AI-агент, который автономно пишет, отлаживает и развертывает код. Инструмент быстро стал популярным, но ценник…

VentureBeat

Дальше — в канале

Здесь 484 разбора — листайте и проверяйте. Новое выходит каждый день и приходит в Telegram первым, со ссылкой на первоисточник.

Подписаться в Telegram