Kunlun Wanwei выпустила агентскую модель SkyClaw-v1.0 с низкой стоимостью использования. Модель хорошо справляется с задачами создания приложений с нуля и обработки информации, но медленнее работает при координации нескольких файлов и не демонстрирует сильных результатов в тестах по внесению изменений в существующий код (например, SWE-bench). Важно чётко понимать границы применимости модели, чтобы эффективно её использовать.

LLM Agents

читать →

~3 мин 738 просмотра

Leiphone 2 Jul 2026

Anthropic и OpenAI на треке AI4S: новые инструменты и бенчмарки

Anthropic и OpenAI одновременно представили новые решения на треке AI4S: Claude Science и GeneBench-Pro соответственно. Компании выбрали разные подходы к развитию ИИ в научных исследованиях: Anthropic делает ставку на интеграцию существующих инструментов, а OpenAI — на стандартизацию и оценку. В борьбу также включился Google DeepMind со своими научными моделями. Рынок остаётся в стадии открытой конкуренции.

LLM Research Business

читать →

~5 мин 716 просмотра

TechOrange 2 Jul 2026

Anthropic: США сняли ограничения на модели Fable 5 и Mythos 5

Правительство США сняло ограничения на модели ИИ Anthropic Fable 5 и Mythos 5. Исследование TrendForce показало, что спрос на ИИ меняет распределение мощностей литейного производства. Тайвань планирует создать центр вычислительной мощности ИИ с инвестициями свыше 100 млрд новозеландских долларов и предоставить более 20 000 графических процессоров. Apple скорректирует стратегию обновления системы безопасности из‑за ускорения разработки вредоносных инструментов с помощью генеративного ИИ.

LLM Research Hardware

читать →

~4 мин 442 просмотра

LangChain Blog 2 Jul 2026

Бенчмаркинг извлечения данных: тестирование LLM на наборе данных LangChain

Опубликован новый набор данных для извлечения информации из журналов чата — он помогает тестировать LLM на распространённые проблемы при разработке диалоговых приложений. Проведены эксперименты с моделями GPT-4, Claude-2, Llama и Yi: оценивались различные стратегии подсказок и методы структурированного декодирования. Наилучшие результаты по корректности JSON показала модель Llama 70B при использовании декодирования на основе грамматики.

LLM

читать →

~6 мин 740 просмотра

Leiphone 2 Jul 2026

HiDream-O1-Image: инновации в архитектуре UiT и неоднозначные результаты

Модель HiDream-O1-Image от Zhixiang Future с архитектурой UiT демонстрирует высокую производительность в ряде сценариев, сравнимую с моделями с 27 млрд параметров при использовании 8 млрд. Однако у неё есть существенные ограничения — от проблем с пониманием контекста до слабой зрелости экосистемы. Главное достижение модели — подтверждение перспектив архитектуры UiT.

LLM

читать →

~2 мин 708 просмотра

cs.CL

arXiv

Cornell University Library

arXiv cs.CL 2 Jul 2026

Новый тест Indi-RomCoM выявил слабые места LLM в работе со смешанным индийско‑английским языком

Создан тест Indi-RomCoM для оценки LLM на смешанных индийско‑английских инструкциях; модели плохо с ними справляются, особенно при сильном смешивании языков.

LLM Research Multimodal

читать →

~1 мин 723 просмотра

TechNews / AI 2 Jul 2026

Amazon и Anthropic переходят на оплату по токенам с 2027 года

Amazon и Anthropic с 2027 года перейдут на оплату сотрудничества по количеству токенов вместо часов вычислительной мощности. Новая схема зависит от длины текста и трафика. В Amazon отрицают, что это приведёт к росту затрат.

LLM

читать →

~1 мин 769 просмотра

Golem.de / KI 1 Jul 2026

Apple и ЕС обсуждают будущее Siri AI в рамках Закона о цифровых рынках

Apple и ЕС обсуждают, как внедрить Siri AI в Евросоюзе в условиях Закона о цифровых рынках. Компания предложила механизм передачи данных через «доверенный системный агент», но в ЕС его сочли недостаточным. Новая версия Siri по функционалу уступает современным конкурентам.

LLM

читать →

~1 мин 661 просмотра

Habr / Машинное обучение 1 Jul 2026

Мультиагентная система Evolver: как сократить код-ревью до 15 минут

Компания AlpinaGPT внедрила мультиагентную систему Evolver для автоматизации код-ревью. Система сократила время ожидания ревью с двух суток до 15 минут, освободив около ста часов работы команды в месяц. В основе решения — три специализированных агента и сочетание workflow с автономными агентами (70% и 30% соответственно).

LLM Research Business

читать →

~3 мин 424 просмотра

TechNews / AI 1 Jul 2026

DeepSeek после финансирования: масштабный набор персонала для развития ИИ

DeepSeek после успешного первого раунда финансирования объявил о масштабном расширении и наборе персонала. Компания фокусируется на разработке агентов ИИ (smart bodies) и обучении моделей, направив на эти цели около 50 млрд юаней. Эксперты видят в действиях компании сдвиг в сторону внедрения новых технологий и коммерческого дизайна.

LLM

читать →

~1 мин 734 просмотра

Habr / Машинное обучение 1 Jul 2026

Зависимость от зарубежных ИИ-моделей: риски и альтернативы для России

Многие компании выбирают «арендный» подход к ИИ, покупая доступ к передовым моделям вместо разработки собственных решений. Однако эта стратегия становится рискованной из‑за ужесточения регуляторных ограничений и политических барьеров. Для России развитие суверенного ИИ осложнено дефицитом вычислительных мощностей и ограничениями на поставку передовых GPU. В качестве альтернативы рассматривается использование открытых моделей и распределённое обучение.

LLM Research Business

читать →

~3 мин 438 просмотра

Leiphone 1 Jul 2026

Claude Code: как Anthropic отслеживает китайских пользователей

В сети обсуждают, как Anthropic отслеживает китайских пользователей через Claude Code. Компания использовала стеганографию и шифрование, чтобы незаметно собирать данные. Представитель Anthropic назвал механизм экспериментальным и заявил, что его планируют отключить.

LLM

читать →

~2 мин 719 просмотра

// помочь проекту