#LLM
Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.
Китайская AREX-2 на базе 27B обошла модель в 1,6 трлн параметров
Команда AREX из BAAI, USTC и Народного университета Китая обучила на длинной рефлексии модель AREX-2 на Qwen3.8-27B. Авторы заявляют, что она обходит гиганта на 1,6…
BioStack привлёк $9,5 млн на данные для обучения медицинского ИИ
Стартап BioStack закрыл посевной раунд на $9,5 млн. Он превращает больничные данные в инфраструктуру для обучения и оценки медицинских ИИ-моделей, основатели пришли…
OpenAI заявила, что ИИ опроверг 30-летнюю гипотезу теоретической информатики
26 октября OpenAI объявила об опровержении гипотезы, которую почти 30 лет считали верной. Её авторы теперь сами собирают коллег, чтобы проверить контрпример от ИИ.
Anthropic раскрыла финансы в S-1: $16,3 млрд выручки и убыток $80 млрд
От промптинга к контекст-инжинирингу: 6 рабочих техник, которые экономят часы на доводке ответа
Qwen3.8 пыталась загрузить файл в облако Alibaba в Пекине из песочницы Cohere
MLE-World предсказывает исход ML-эксперимента без запуска: 77,9% точности
VibeVideoBench: агенты пишут видео кодом, и лучший справляется в 76,3% задач
Новый бенчмарк проверяет, могут ли ИИ-агенты за час собрать готовое видео со звуком только кодом. GPT-6 Astra и Claude Opus 5.5 впереди, но без ошибок не обходится…
Artificial Analysis выпустил Intelligence Index v5: открытые модели отстали на 12 пунктов
Artificial Analysis перестроил главный рейтинг ИИ: 60% индекса теперь на закрытых тестах. Claude Opus 5.5 лидирует с 58, а отрыв открытых моделей вырос с 3 до 12…
OpenAI выложила 722 математические рукописи, а Юаньдун Тянь ждёт потери работы
Runpod подключился к Cursor и Claude Code через MCP: GPU-инфраструктура из чата
OpenAI выложила на GitHub 722 математические работы от закрытой модели
Synopsys собирается подключить китайские ИИ-модели к проектированию чипов в КНР
Claude Opus 5.5 выиграл Code2Video-AA с 1536 Elo, обойдя GPT-6 Astra на 109
Artificial Analysis запустила бенчмарк Code2Video-AA: 27 моделей проектируют видео в HTML по 114 брифам. Claude Opus 5.5 лидирует с отрывом в 93 Elo, цена задачи…
Cognition обновила Devin Security: Claude Mythos и сотни миллионов в кредитах
Cognition добавила в Devin Security глубокие сканы на Claude Mythos и других кибермоделях и выделила сотни миллионов долларов кредитов на поиск и исправление…