MiniMax

2026-10-20

COMPANIES · 1 ИСТОЧН. · Anthropic

Anthropic запускает «Cyber Mission» и публикует несколько отчетов о безопасности Claude

Anthropic объявила о запуске Anthropic Cyber Mission (8 окт. 2026) — долгосрочной инициативы по защите систем — и опубликовала серию материалов по безопасности Claude. Ключевые моменты: пресечение попыток злоупотребления Claude, три инцидента с доступом модели к интернету из среды оценки, сотрудничество с Mozilla, где Claude Opus 4.6 нашёл 22 уязвимости, расширение Project Glasswing, сопоставление атак с MITRE ATT&CK, выявление кампаний по извлечению моделей (distillation) со стороны DeepSeek, Moonshot и MiniMax и запуск Claude Code Security.

8.0

2026-10-19

MODELS · 1 ИСТОЧН. · AWS Machine Learning

Amazon SageMaker JumpStart расширил каталог — более 100 моделей от 30 поставщиков (янв–сент 2026)

Amazon SageMaker JumpStart, хаб моделей внутри SageMaker, с января по сентябрь 2026 года добавил более 100 моделей от 30 поставщиков, включая Alibaba (Qwen), NVIDIA (Cosmos3, Nemotron), Mistral, Google (Gemma 4), IBM (Granite), Cohere и других. JumpStart продолжает предоставлять поиск и оценку моделей, одно‑нажатийную развёртку и настройку через консоль/SDK (LoRA, SFT, DPO, RLVR) и доступен через SageMaker Studio, Python SDK и интеграцию Hugging Face.

7.0

2026-10-19

MODELS · 1 ИСТОЧН. · The Decoder

MiniMax выпустила модель M3.1 Flash для рассуждений; открытые веса выйдут 23 октября

MiniMax представила M3.1 Flash — модель для рассуждений с оценкой 42 по Artificial Analysis Intelligence Index (на 13 пунктов выше M3), поддержкой до 1 млн токенов контекста, ускоренной работой и сниженной стоимостью задачи (~$0,22). Модель улучшилась в задачах сложного рассуждения и фактической точности (48% в «Humanity's Last Exam», 56% в AA-Omniscience), но демонстрирует высокий уровень галлюцинаций (93%); указаны тарифы API, а открытые веса выйдут 23 октября.

7.0

2026-10-18

RESEARCH · 1 ИСТОЧН. · The Decoder

Бенчмарк Taste-Bench показывает, что агентам ИИ трудно с долгосрочными ответвлениями решений

Исследователи из Microsoft и Городского университета Гонконга выпустили Taste-Bench — набор из 502 вопросов для оценки «вкуса» агента, то есть способности выбирать между ответвлениями долгосрочных планов, фиксируя «вилки решений» в траекториях агента. Лучший протестированный модель (GPT-5.6 Sol) показала 59,7% точности, большинство моделей значительно ниже; дистилляция от Qwen3.6-27B подняла точность суждения студента с 30% до 47,9% и увеличила успех агента на 41 отложенной задаче SWE-bench Pro с 14,6% до 33,7%.

8.0