Лента разборов
484 разбора · обновляется ежедневно
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…
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…
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…
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…
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…
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 —…
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…
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, —…
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…
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…
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…
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…
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…
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+…
iFLYTEK создала единую модель для управления роботами
iFLYTEK выложила технический отчёт Embodied-Omni — унифицированной мультимодальной модели, которая совместно обрабатывает видео, язык и действия. Ключевой…
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» —…
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…
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)…
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…
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…
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