Новая модель рассчитана на сложные многоэтапные задачи в программировании, корпоративной работе и кибербезопасности. Google увеличила максимальный объём вывода с 64 тыс. до 1 млн токенов и пока предоставляет Argon ограниченному кругу доверенных специалистов по киберзащите. В DeepSWE v1.1 модель набрала 77,9%, в AutomationBench — 51,3%, а в тесте понимания длинных видео LVBench — 91,7%. На … Читать далее
OpenAI выпустила две новые модели семейства GPT-6, предназначенные для профессиональных задач, программирования и работы с компьютером. По данным компании, они используют разработки GPT-6 Astra, но требуют меньше вычислительных ресурсов и стоят дешевле. Цена GPT-6 Sol снизилась с $4 до $2 за миллион входных токенов и с $20 до $10 за миллион выходных. Для GPT-6 Luna … Читать далее
Anthropic выпустила Claude Opus 5.5 — первую модель семейства Claude 5.5. По данным компании, она заметно быстрее и дешевле Opus 5, а по качеству во многих рабочих задачах приблизилась к Claude Fable 5.1. Главный упор сделали на программирование, работу с компьютером и длинные профессиональные задачи. На Terminal-Bench 4.0 Opus 5.5 набрала 66,4%, на CursorBench 4.0 … Читать далее
SpaceXAI выпустила Grok 4.7 — новую флагманскую модель для программирования и работы с профессиональными задачами. Компания утверждает, что она лучше справляется с длинными заданиями, тщательнее проверяет собственную работу и получила обновлённую систему безопасности. Grok 4.7 построена на более крупной базовой модели и дольше обучалась с reinforcement learning на задачах, выполнение которых может занимать часы. По … Читать далее
Anthropic переделала Projects в Claude Code. Теперь пользователь задаёт общую цель, а Claude сам разбивает работу на несколько параллельных задач, запускает отдельные потоки, проверяет результат и собирает всё вместе. Например, можно попросить Claude ускорить приложение: он отдельно проверит разные части системы, протестирует изменения и откроет несколько pull request. За ходом работы можно следить из общего … Читать далее
Meta* представила Muse Spark 1.3 — обновленную модель для программирования и многошаговых агентных задач. Она уже доступна в Muse Code и через Meta Model API. По сравнению с Muse Spark 1.2 модель лучше удерживает требования в длинных задачах, точнее распределяет новые запросы между параллельными рабочими процессами и чаще уточняет неоднозначные инструкции перед важными действиями. По … Читать далее
Google представила Gemini 3.8 Flash и Gemini 3.8 Flash Cyber. Первая модель рассчитана на программирование, агентные задачи и сложные рассуждения, вторая — на поиск уязвимостей и автоматическое исправление кода. Gemini 3.8 Flash набрала 54,9% на HLE-Verified и улучшила результаты 3.7 Flash в инженерных и профессиональных задачах. Цена API осталась на уровне $0,75 за млн входных … Читать далее
Anthropic выпустила Claude Fable 5.1 и Claude Mythos 5.1 — одну модель с разными уровнями защиты. Fable 5.1 доступна всем пользователям, а Mythos 5.1 — только проверенным специалистам по кибербезопасности и биологии. По данным Anthropic, Fable 5.1 набрала 55,8% на Terminal-Bench 4.0, 52,6% на Terminal-Bench Science 0.1 и 73,4% на CursorBench 3.2. Стоимость типичных нагрузок … Читать далее
OpenAI представила GPT-6 Astra — новую модель для работы с компьютером, программирования, научных задач и кибербезопасности. По данным компании, Astra набрала 99,9% на ARC-AGI-3, 97,6% на FrontierMath Tier 4 и 100% на ExploitBench. На Terminal-Bench 4.0 модель получила 57,9% против 37,3% у GPT-5.6 Sol, а на OSWorld 2.0 — 72,6% против 65,7%. OpenAI также сообщает, … Читать далее
OpenAI решила прекратить предоставление своих моделей Cursor после приобретения компании SpaceX. Предлагаемая дата отключения — 12 ноября 2026 года, максимально поздняя по условиям действующего контракта. Компания объяснила решение тем, что не уверена в соблюдении SpaceX условий использования OpenAI. В качестве причин OpenAI сослалась на предыдущие нарушения договоров компаниями Илона Маска, включая X и xAI. Соглашение … Читать далее
ИИ-стартап Cursor может стоить 50 миллиардов долларов. Это почти вдвое больше, чем осенью прошлого года.
Z.ai выпустила GLM-5.3 — модель на той же базовой архитектуре, что и GLM-5.2. Все улучшения получены за счет дополнительного обучения: компания увеличила число тренировочных сред, разнообразие задач и объем вычислений. По данным Z.ai, результат GLM-5.3 в собственном тесте Z.ai Code Bench вырос на 50%. В Terminal Bench 3.0 показатель увеличился с 4,6 до 28,3, а … Читать далее
Предупреждения сбылись. Код, созданный искусственным интеллектом, начал вызывать серьёзные сбои в крупных компаниях.
Cursor официально стала частью SpaceX. Сделка завершает процесс, начавшийся в апреле, когда Cursor объявила о партнёрстве со SpaceXAI для ускорения обучения своих моделей. После покупки Cursor получит доступ к крупным вычислительным мощностям SpaceX. В компании рассчитывают использовать их для создания более сильных AI-моделей и снижения стоимости их работы. Одним из первых результатов совместной работы Cursor … Читать далее
DeepSeek официально представила DeepSeek-V4-Pro-0813 — финальную версию V4 Pro, которая пришла на смену предварительному релизу. Компания заметно улучшила модель в задачах для AI-агентов, программировании и работе с инструментами. В большинстве опубликованных тестов новая версия уверенно обходит V4-Pro Preview. Например, в Terminal Bench 2.1 она набрала 87,9 балла против 72,1 у предварительной версии, а в AutomationBench … Читать далее
Google представила Gemini 3.7 Flash — новую модель для программирования, AI-агентов и сложных рабочих задач. Она вышла всего через три недели после Gemini 3.6 Flash и заметно улучшила результаты в написании кода, веб-разработке и работе с документами. В DeepSWE модель набрала 65,3% против 49% у предыдущей версии, а в AutomationBench — 30,4% против 17%. Google … Читать далее