11
Sep
news
Cognition выпустила SWE-2: почти как Fable 5.1, но дешевле
Cognition представила SWE-2 — новую модель для автономного кодинга, которая вплотную приближается к …
→
Бенчмарки
13
материалов
02
Sep
news
44% на ARC-AGI за $0.67: маленький трансформер бьёт большие LLM
Исследователь обучил небольшой трансформер с нуля за 1.5 часа на RTX 5090 и получил 44% на ARC-AGI-1 …
→
13
Aug
news
DeepSeek V4 Pro 0813: флагман вышел из беты
DeepSeek выпустил GA-версию флагманской модели V4 Pro 0813: 1,6 трлн параметров, контекст 1M токенов …
→
08
Aug
news
DeepSeek V4 Flash 0731: мощный агент за копейки
DeepSeek выпустил официальную версию V4 Flash 0731: 89% на ARC-AGI-1, агентский рейтинг выше GPT-5.6 …
→
01
Aug
article
Claude Opus 5: скачок поколения по цене Opus 4.8
Всё о Claude Opus 5: бенчмарки, цены, контекст 1M токенов, режим effort-toggle и сравнение с Fable …
→
31
Jul
translation
Как два параметра API утроили результаты GPT-5.6 на ARC-AGI-3
OpenAI выяснила, что включение retained reasoning и compaction в Responses API утроило результат …
→
19
Jul
translation
Kimi K3: ИИ, который умеет хранить секреты
Kimi K3 от Moonshot AI — крупнейшая open-weight модель в мире. Разбираем архитектуру, бенчмарки и …
→
10
Jul
translation
Сигнал или шум: OpenAI проверила SWE-Bench Pro
OpenAI провела аудит SWE-Bench Pro и обнаружила, что ~30% задач содержат ошибки. Что это значит для …
→
28
Jun
translation
GPT-5.6 Sol: флагман нового поколения от OpenAI
OpenAI представила GPT-5.6 Sol — самую мощную модель компании для кодинга, кибербезопасности и …
→
20
May
article
87% на бенчмарке с моделью 4B: как это работает
Как построить coding-агент на модели 4B параметров, который превосходит на бенчмарках решения с …
→