Trinity-Large-Thinking 400B : открытая модель показывает уровень Claude Opus-4.6 на агентных задачах и стоит в 28 раз дешевле Компания Arcee AI выложила в открытый доступ Trinity-Large-Thinking — модель с рассуждениями для сложных агентных задач.
PixelSmile : открытая модель для редактирования эмоций с плавным и точным контролем интенсивности Исследователи из Fudan University опубликовали PixelSmile — диффузионную модель для редактирования эмоций на фото и аниме.
GLM-5: топ-1 открытая модель для генерации кода и текста, конкурирующая с Claude и GPT на агентных задачах Zhipu AI опубликовали техрепорт GLM-5 — на сегодня лучшей открытой LLM в индексе Artificial Analysis и топ-1 в кодинге и тексте на LMArena , лидер на бенчмарках BrowseComp и HLE с инструментами среди всех моделей, включая закрытые.
GLM-5: топ-1 открытая модель для генерации кода и текста, конкурирующая с Claude и GPT на агентных задачах Zhipu AI опубликовали техрепорт GLM-5 — на сегодня лучшей открытой LLM в индексе Artificial Analysis и топ-1 в кодинге и тексте на LMArena , лидер на бенчмарках BrowseComp и HLE с инструментами среди всех моделей, включая закрытые.
Claude Sonnet 4.5 побеждает на backend-бенчмарке ABC-Bench , лучше всех справившись с кодом и настройкой окружения ABC-Bench — первый бенчмарк, который проверяет способность ИИ-агентов решать полноценные задачи backend-разработки: от изучения кода в репозитории до настройки окружения и запуска сервиса в контейнере.
Claude Sonnet 4.5 побеждает на backend-бенчмарке ABC-Bench , лучше всех справившись с кодом и настройкой окружения ABC-Bench — первый бенчмарк, который проверяет способность ИИ-агентов решать полноценные задачи backend-разработки: от изучения кода в репозитории до настройки окружения и запуска сервиса в контейнере.
TurboVLA: робот получает команды в разы быстрее при 97% успешных выполнений благодаря замене LLM на BERT Исследователи из Хуачжунского университета науки и технологий и Huawei опубликовали TurboVLA - компактную vision-language-action модель, которая выдаёт действия для робота за 31.2 мс на RTX 4090 и набирает 97.7% на бенчмарке для роботов LIBERO.
TurboVLA: робот получает команды в разы быстрее при 97% успешных выполнений благодаря замене LLM на BERT Исследователи из Хуачжунского университета науки и технологий и Huawei опубликовали TurboVLA - компактную vision-language-action модель, которая выдаёт действия для робота за 31.2 мс на RTX 4090 и набирает 97.7% на бенчмарке для роботов LIBERO.
OpenSeeker-v2 : лучший в своем классе Deep Research агент, созданный академической командой всего на 10600 примерах Исследователи из Шанхайского университета Цзяо Тун представили OpenSeeker-v2 — агента, который самостоятельно исследует интернет в ответ на сложный вопрос: формулирует цепочку поисковых запросов, читает страницы, сопоставляет источники и выдаёт развёрнутый ответ.
OpenSeeker-v2 : лучший в своем классе Deep Research агент, созданный академической командой всего на 10600 примерах Исследователи из Шанхайского университета Цзяо Тун представили OpenSeeker-v2 — агента, который самостоятельно исследует интернет в ответ на сложный вопрос: формулирует цепочку поисковых запросов, читает страницы, сопоставляет источники и выдаёт развёрнутый ответ.
мы с вами периодически разговариваем про математику, в частности про успехи моделей в решении математических задач а тут произошло интересное : - 25 июля кто-то запостил доказательство гипотезы Коллатца в виде кода на Lean4 - 26 июля пришли баг-репорты в несколько солверов Lean4 - 28 июля кто-то нашел , что вышеупомянутое доказательство эксплуатирует эти баги в солверах по итогу оказалось, что ИИ научился находить баги в системах проверки для того, чтобы они засчитывали ег
мы с вами периодически разговариваем про математику, в частности про успехи моделей в решении математических задач а тут произошло интересное : - 25 июля кто-то запостил доказательство гипотезы Коллатца в виде кода на Lean4 - 26 июля пришли баг-репорты в несколько солверов Lean4 - 28 июля кто-то нашел , что вышеупомянутое доказательство эксплуатирует эти баги в солверах по итогу оказалось, что ИИ научился находить баги в системах проверки для того, чтобы они засчитывали ег
мы с вами периодически разговариваем про математику, в частности про успехи моделей в решении математических задач а тут произошло интересное : - 25 июля кто-то запостил доказательство гипотезы Коллатца в виде кода на Lean4 - 26 июля пришли баг-репорты в несколько солверов Lean4 - 28 июля кто-то нашел , что вышеупомянутое доказательство эксплуатирует эти баги в солверах по итогу оказалось, что ИИ научился находить баги в системах проверки для того, чтобы они засчитывали ег
На канале @nlp_daily прочёл про бенчмарк SlopCodeBench (arxiv: 2603.24755 ) в свеженьком посте .
Один открыл, другой закрыл харнесс Неделю назад DeepSeek выложила в открытый доступ свой агентский харнесс. Целиком,
Harness real-time AI to spot trends, analyze videos, benchmark competitors.
Revolutionize video editing with AI, cross-platform compatibility, and extensive effects.
Самый важный навык в эпоху ИИ, который стоит освоить (и это совсем не то, что вы думаете) - Роуэн Чунг The Rundown AI
Съездили в 🔤 🔤 🔤 🔤 🔤 🔤 на AAMAS 2026, где у нас был oral с работой Enhancing Vision-Language Model Training with Reinfor
Подборка тупых AI-лайфхаков для экономии денег и времени 💰 I. Разворачивать тулы на своём сервере вместо оплаты подпи
Подборка топовых обвесов для Claude Code, чтобы сделать из него непобедимую машину 🥷🏻 Инфа для начинающих: скилл в Cla
Подборка топовых обвесов для Claude Code, чтобы сделать из него непобедимую машину 🥷🏻 Инфа для начинающих: скилл в Cla
Подборка топовых обвесов для Claude Code, чтобы сделать из него непобедимую машину 🥷🏻 Инфа для начинающих: скилл в Cla
Как с помощью одного файла сделать Claude Code умнее на порядок, а ваш вайбкодинг — эффективнее в разы Йоу, ребзя! Пре
На неделе вышла Kimi K3, это большая модель и большое событие. По замерам создателей модели в некоторых бенчмарках обход
Небольшой кейс не-кодового образательного опенсорса от коллег: В конце июля в ИТМО проводили ДПО для преподавателей обр
Слово harness стало резко популярным в моем пузыре (кстати, отличный глубокий обзор про то, что это вообще такое и зачем
Слово harness стало резко популярным в моем пузыре (кстати, отличный глубокий обзор про то, что это вообще такое и зачем
Для Hermes Agent выкатили список лучших скиллов, плагинов и тулз — это хайповый конкурент OpenClaw, который учится на ош
DeepSeek выложила в API экспериментальную мультимодальную модель DeepSeek-V4-Flash-Vision-Exp. По тексту она не уступае
Нашел тут прикольный Гитхаб, называется Vox Director Он помогает превратить любой текст в ролик в стиле бумажного колл
Лучшие парсеры для сбора инфы Решил тут пособирать для вас разные полезные инструменты, а то часто в комментах спрашив
Лучшие парсеры для сбора инфы Решил тут пособирать для вас разные полезные инструменты, а то часто в комментах спрашив
Как рассказать всему миру про свою архитектуру? А заодно поделиться ссылками на github/LinkedIn блоги? Возможно найти
Прожарка 🔥 Экспериментирую с форматами обзоров. Добавил в свою систему режим Paper Roast — рецензия, которую никто не
Релиз GigaChat MAX! (ссылка на Хабр) Салют! Мы открываем доступ к модели GigaChat MAX . Модель доступна в @gigachat_bo
Инсайты с InterSpeech: SALM-Duplex: Efficient and Direct Duplex Modeling for Speech-to-Speech Language Model code | de
Инсайты с InterSpeech: SALM-Duplex: Efficient and Direct Duplex Modeling for Speech-to-Speech Language Model code | de
Курс по Visual GenAI от Yandex Research и ШАД Авторы CV Time не только пишут обзоры статей о компьютерном зрении, но и
Обзор опенсорсного генератора картинок Krea 2 от Krea . Это 12B DiT модель в двух версиях: * Raw — базовый чекпоинт д
Обзор опенсорсного генератора картинок Krea 2 от Krea . Это 12B DiT модель в двух версиях: * Raw — базовый чекпоинт д
Обзор опенсорсного генератора картинок Krea 2 от Krea . Это 12B DiT модель в двух версиях: * Raw — базовый чекпоинт д
всем привет https://github.com/alenisaw/awesome-kaz-models https://github.com/Allessyer/awesome-kaz-datasets сборники всех известных казахских датасетов и моделей
всем привет https://github.com/alenisaw/awesome-kaz-models https://github.com/Allessyer/awesome-kaz-datasets сборники всех известных казахских датасетов и моделей
Сделали пост про бенмарк: https://keenable.ai/blog/needle-the-benchmark-your-search-engine-can-t-memorize Твит: https://x.com/styskin/status/2092991543368184076 Репо: https://github.com/keenableai/needle TL;DR • Не существовало нормальных бенчей для поисковых движков.
На днях вышел новый пример от Andrej Karpathy - nanochat .
На днях вышел новый пример от Andrej Karpathy - nanochat .
На днях вышел новый пример от Andrej Karpathy - nanochat .