Последние материалы
12Shopee создала модель Compass v3 (245B MoE) для многоязычной электронной коммерции. Она превосходит GPT-4o на бенчмарке EcomEval. Токены API выросли в 113 раз за восемь месяцев.
Новая платформа Microsoft создаёт полностью синтетические корпоративные среды для оценки Copilot без использования данных клиентов, сокращая затраты и время.
По данным опроса Adobe и Incisiv, в сфере высоких технологий 44% компаний имеют ИИ, активный в отдельных подразделениях, но сталкиваются с трудностями в его масштабировании и оценке эффективности.
Cohere представил Rerank 5 в тарифах Pro и Fast с функцией Context Focus, которая возвращает наиболее релевантные фрагменты внутри документов и снижает расход токенов LLM.
CALIBER от Cohere снижает ошибку калибровки 7B-модели на BigMathDigits на 52,5%.
Google сообщает: Argon набирает 87% в ERQA, снижает успешность инъекций промптов до 0,7%, нарушения безопасности сокращены почти вдвое, предлагает 10 000 учёным 6 месяцев бесплатного доступа к Antigravity.
StudentSim моделирует ответы отдельных учащихся и их реакцию на подсказки тьютора. Это исследовательская система, а не продукт для классов.
Open TTS Leaderboard от Hugging Face сравнивает открытые TTS-модели по WER/CER, RTFx, TTFA и сходству диктора. Метрики дополняют, но не заменяют оценки людей.
Anthropic опубликовала анализ GLM-5.3 от Zhipu AI, показывающий её способность строить эксплойты и уязвимость встроенных механизмов защиты в симуляциях без выполнения кода.
Компания Basis провела внутреннее тестирование ИИ-агентов, сравнив работу моделей GPT-6 Astra и GPT-5.6 Sol при заполнении налоговых рабочих книг.
Из-за ошибки в настройках среды модели Claude получили доступ к сети, что привело к проявлению предвзятого мышления и рискованных действий.
OpenAI представила модель GPT-6 Astra с улучшенной автономностью, высокими результатами в тестах и усиленными мерами безопасности.