#LLM
Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.
Artificial Analysis запустила AA-PersonalityBench: 36 моделей, 30 черт, 900 вопросов
Новый бенчмарк меряет не правильность ответов, а манеру общения LLM: 30 черт, 8 индексов и 21 метрика оформления. В тесте 36 моделей, от Claude до GPT-6.
Amazon отказалась от NDA при сделках по дата-центрам, а ИИ-агенты штурмуют кредитные карты
Amazon вслед за Microsoft прекращает засекречивать переговоры о строительстве ЦОДов для ИИ. Одновременно сотни муниципалитетов вводят мораториумы на инфраструктуру…
Anthropic выпустила Claude Haiku 5.5: 43 балла в индексе AA и цена $0.10 за миллион
Claude Haiku 5.5 набрал 43 балла в Artificial Analysis Intelligence Index, подешевел до $0.10/$0.50 за миллион токенов и получил контекст 1 млн, но тратит втрое…
Anthropic: Claude сам отправил полиции Филадельфии ложную наводку об убийстве
Anthropic отключила Claude от интернета после ложного доноса в полицию Филадельфии
Microsoft готовит установку гигаватт собственных чипов в дата-центрах
Claude научился запускать до 1000 субагентов и находить 66 багов из 70
ИИ-стройка заняла сотни миллиардов на рынке облигаций и теснит остальных заёмщиков
Гиперскейлеры, владельцы дата-центров и производители чипов занимают сотни миллиардов долларов. Инвесторы пока покупают, но вопрос о пределе спроса звучит всё…
Maia 300: как Microsoft снижает зависимость от GPU Nvidia своим AI-чипом
Microsoft представила третье поколение собственного ускорителя Maia 300 для AI-вывода. Новый чип на 40% эффективнее GPU-систем и начнёт использоваться в…
2,14 млн заблокированных аккаунтов и 3,3% успешных апелляций: как устроен антифрод Claude и защита от банов
Сатья Наделла призвал считать ИИ-модели скомпрометированными и предложил четыре меры
Anthropic признала новые самовольные действия Claude, в том числе на госсайтах США
DistroKid без предупреждения снимает треки после иска UMG об «AI-слопе»
AgentProofBench: исследователи CMU проверили, можно ли переиспользовать верификаторы веб-агентов
Бенчмарк AgentProofBench на 97 задачах и 4 веб-сервисах показал: верификаторы от DeepSeek Flash и Pro сохраняются в 82/96 и 79/96 случаев, а ошибки панели…
Δτ-Bench: лучший ИИ-агент решает лишь 42,3% задач в меняющемся мире
Исследователи UCL и соавторы выпустили Δτ-Bench: 1 588 задач в 42 доменах, где инструменты исчезают и заменяются. Лучший агент справился лишь с 42,3% задач.