#LLM
Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.
Агенты с внутренней мотивацией DIAYN повторили поведение дрозофилы из 20 алгоритмов
Исследователи из NeuroAgents Lab обучили агентов в цифровой модели мухи по 20 алгоритмам без внешней награды. Лучше всех оказался DIAYN: он совпал с мухой и по…
Независимый критик поднял точность кодинг-агентов на 5.9–9.5 п.п.
Авторы сравнили 17 схем проверки работы агентов на семи моделях. Отдельный критик дал до +9.5 п.п. на Terminal-Bench при росте стоимости всего в 1.13–1.25 раза.
Google открыла TorchTPU: PyTorch получил TPU как родное устройство
На PyTorch Conference 2026 Google выложила в open source TorchTPU, стек для запуска PyTorch на TPU. В Hugging Face Transformers для этого хватает одной строки…
Moonshot выпустила Kimi K3.1 Pro: open-weight модель на 3T с контекстом 1 млн токенов
Artificial Analysis запустила AA-3D: Claude Sonnet 5.5 лидирует с 1194 Elo
Альтман назвал три финала ИИ-гонки: от общего регулятора до паралича чужих GPU
VentureBeat: 79% компаний держат GPU без дела минимум половину времени
Moonshot AI представила Kimi K3.1 Pro, первую Pro-версию после теста Kibitz
Китайская Moonshot AI призналась, что анонимный Kibitz из слепых боёв Arena и есть Kimi K3.1 Pro. Это первая модель линейки с маркировкой Pro, и рисует она SVG…
Inception выпустила Mercury 3: диффузионная LLM в 8 раз быстрее GPT-6 Luna
Диффузионная LLM Mercury 3 стала в 40 с лишним раз больше, работает в 8 раз быстрее GPT-6 Luna и берёт $0,35 за миллион выходных токенов. Бенчмарки тоже в её пользу.
Artificial Analysis запустила Decision Index: Jev 1.13 лидирует с 58 баллами
Саймон Уиллисон собрал страницу рассылок голосом: Codex и GPT-6 Astra за час
Состояние IT в 2026: агенты писали больше кода, чем люди
Nvidia ведёт переговоры о покупке Reflection AI — стартапа с оценкой $8 млрд
Восемь допущений о безопасности, которые ИИ-агенты ломают: от двух недель к десяти часам
ИИ-агенты переменили экономику кибератак. Работа, которая человеку заняла бы две недели, агенты выполняют за десять часов. Восемь критических ошибок безопасности…
Devin подешевел на 30–40%, а Fusion возглавил FrontierCode 1.1 с 68,8 балла
Devin стал дешевле: на 30–40% в Fusion и Normal, на 15–20% в Ultra и до 70% в Devin Review. Fusion набрал 68,8 на FrontierCode 1.1 Extended по $0,60 за задачу.