Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #11771

Qwen3.8-27B

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

9

COMPANIES · 1 ИСТОЧН. · The Decoder

Hermes Agent от Nous Research получает функцию «Collective Wisdom» и интеграцию с Microsoft Teams

Nous Research сообщает, что открытый агент Hermes можно запускать прямо в Microsoft Teams (настольное приложение доступно в Microsoft Store) в Azure Container Apps Sandboxes. Новая функция «Collective Wisdom» превращает успешные рабочие процессы агента в повторно используемые навыки для команды, которые, по словам Nous, остаются внутри компании и не используются для обучения внешних поставщиков ИИ; Nous также утверждает, что Hermes — самый используемый открытый агент на OpenRouter с обработкой почти двух триллионов токенов в день.

7.0

MODELS · 1 ИСТОЧН. · Hugging Face

Hugging Face обучил RL-LoRA адаптеры для Qwen3.8-27B, улучшив точность и эффективность

Hugging Face обучил LoRA-адаптеры для Qwen3.8-27B внутри трёх агентных harness (pi, OpenCode, Hermes Agent) с помощью RL, используя AsyncGRPOTrainer, OpenEnv и Harbor. Каждый адаптер повысил результаты по Terminal-Bench 2.1 и снизил использование токенов в своём harness; три адаптера также объединены в единый суперадаптер, а все артефакты и инструкции опубликованы на Hugging Face Hub.

7.0

MODELS · 1 ИСТОЧН. · Hugging Face

RadixArk представляет DaisyRose-27B — 27B модель на базе Qwen3.8-27B, дообученную с RL

RadixArk выпустила DaisyRose-27B — 27-миллиардную модель на базе Qwen3.8-27B, дообученную с помощью RL-фреймворка Miles на длинных агентских сессиях (до 1 млн токенов). Модель, обученная за 18 дней на 144 H200 GPU с ≈1 200 отобранными задачами, повышает pass@1 по Terminal-Bench 4.1 с 5.6% до 12.0%; чекпойнты доступны под Apache 2.0, для сервинга рекомендованы SGLang и DSpark.

7.0

RESEARCH · 1 ИСТОЧН. · The Decoder

Тест Co-Design Bench: агенты для кодирования полностью выполняют лишь ~26% реальных задач

Исследователи (во главе с Alibaba и рядом азиатских университетов) представили Co-Design Bench — бенчмарк на основе реальных запросов по доработке веб‑приложений; из десяти моделей лучшая (GPT-6 Astra) в среднем удовлетворяет около 70% требований, но полностью корректным оказывается только в 26,4% задач, то есть человеку приходится дорабатывать почти три из четырёх задач. Авторы также отмечают сильную зависимость результатов от сложности задач и окружения агента, поэтому рекомендуют указывать модель вместе с рабочей средой.

8.0

RESEARCH · 1 ИСТОЧН. · The Decoder

Adobe Research и Университет Калифорнии в Сан-Диего представили EditAgent — ИИ, выбирающий специализированные инструменты редактирования и проверяющий правки

EditAgent от Adobe Research и UC San Diego разбивает задачу редактирования изображения на шаги, сопоставляет общий редактор со специализированными инструментами для каждого шага и использует стандартную языковую модель с проверочными записями (увеличения, карты изменений и измеренные статистики), чтобы выбрать лучший вариант. На бенчмарке в 600 правок система превзошла предыдущие модели-судьи и улучшила несколько открытых редакторов, но требует примерно в 10 раз больше вычислений; проверенные результаты также стали полезными учебными данными.

7.0

RESEARCH · 1 ИСТОЧН. · Hugging Face

Выпущен ThinkingBox-Training на GitHub; RL дообучение повышает надёжность Qwen3.8-27B через оценку БД

ThinkingBox-Training опубликован на GitHub. Инструмент превращает исполняемые проверки конечного состояния базы данных в RL-награды; дообучение Qwen3.8-27B 50 шагами GRPO подняло средний pass@1 с 51.70% до 60.78% и увеличило число задач, решённых в 20 из 20 попыток, с 38 до 107, при отборе задач по офлайн-полисио‑релятивной сложности и проверке на наборе ThinkingBox-Bench из 507 задач.

7.0

COMPANIES · 1 ИСТОЧН. · NVIDIA Developer

NVIDIA официально поддерживает восьминодовые кластеры DGX Spark с 1 ТБ унифицированной памяти для запуска передовых моделей

На GTC Berlin NVIDIA объявила официальную поддержку восьминодовых кластеров DGX Spark с 1 ТБ унифицированной памяти, что позволяет запускать локально передовые модели, включая полный GLM 5.3 (753B) от Z.ai. Компания представила оптимизированный для Spark коллективный бэкенд RoCEnante (включённый в FlashInfer), снижающий задержки all-reduce — по данным NVIDIA, это даёт 4.43× ускорение декодирования на восьми узлах (против 3.05× без него) — и опубликовала бенчмарки (например, Qwen3.8-27B NVFP4: ~12 → 52 токена/сек, GLM 5.3 ≈80 TPS, 7.79× ускорение предподготовки с 97.4% эффективности для nanochat); также отмечены NeMo Switchyard, vLLM и планируемая поддержка восьминодовых кластеров в NVIDIA Sync.

7.0

MODELS · 1 ИСТОЧН. · The Decoder

Cloudflare представляет модели решений Clef и Clef-flash на базе Qwen

Cloudflare выпустила две модели решений — Clef (на базе Qwen3.8-27B) и более лёгкую Clef-flash (Qwen3.5-9B), которые возвращают вероятности по заранее заданным вариантам ответов, позволяя агентам автоматически действовать. Компания заявляет о поддержке текста и изображений, медианных задержках ~209 мс (Clef) и ~39 мс (Clef-flash), совместимости с API Jev от TypeSafe, размещении на Hugging Face под лицензией Apache-2.0 и запуске сервиса для тонкой настройки через RL.

8.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Статья AREX-2 предлагает обучение с длинной цепочкой отражений для самоулучшающихся LLM-агентов

AREX-2 (arXiv:2609.38288v1) описывает обучение агентов на базе Qwen3.8-27B с синтезированными длинными траекториями улучшения из задач машинного обучения и алгоритмического программирования для обучения рефлексии и устойчивой итеративной оптимизации. В статье представлены высокие результаты (MLE-bench Lite 81.8; Frontier-CS 70.7) и перенос на исследовательские бенчмарки (BrowseComp 84.0; HLE 52.6; GAIA 92.2; DeepSearchQA 93.8), причём качество продолжает расти с увеличением числа итераций.

7.0