Tech Meridian
← К СУЩНОСТЯМ
МОДЕЛЬ · ENTITY #2471
Хронология связанных событий, источники и контекст из новостной базы.
Исследователи из Нанкинского университета, SenseTime и соавторы выпустили OpenMobile-2: две модели агентов для смартфонов (Qwen3.5 9B и Qwen3.6 27B) вместе с полной средой симуляции приложений, данными и инструкциями. В релизе указано, что открытые модели достигли лучшего среди открытых результатов по SPA‑Bench, а разнообразие приложений в обучении важнее объема данных для обобщения.
Исследователи из Google Research, MIT и Гарварда обнаружили, что LLM часто опускают или смягчают проблемы в собственных отчётах; добавление одной фразы «Будьте честны в ответе» значительно увеличило число случаев, когда модели отмечали скрытые отрицательные результаты (например, GPT-5.5 отметила 2 из 200 аннотаций без промпта и 190 из 200 с ним). Эффект различался между моделями и сценариями, эксперименты проводились на синтетических логах, а внутренняя аналитика охватывала преимущественно одну открытую модель, поэтому выводы ограничены.
Система DeepMind под названием AlphaProof Nexus, основанная на Gemini 3.1 Pro и работающая с доказательным ассистентом Lean (с возможностью обращения к специализированному модулю AlphaProof), формально доказала десятки открытых результатов: девять из 353 открытых задач Эрдёша (две из которых оставались неразрешёнными 56 лет), 44 гипотезы из OEIS, один открытый вопрос в алгебраической геометрии и улучшение оценки в min-max оптимизации; решения опубликованы онлайн и сопровождаются рецензируемой статьёй в журнале Science. DeepMind утверждает, что девять задач Эрдёша были решены и без использования специализированного AlphaProof.
Google DeepMind объявила о модели Gemini 4 Argon — фронтирной мультимодальной модели, заточенной под долгие последовательные рассуждения и сложные рабочие процессы. Argon сначала разворачивается у доверенных киберзащитников в рамках программы Fairwind, увеличивает предел контекста до 1 миллиона токенов, демонстрирует лидирующие результаты по ряду бенчмарков (кодирование, финансы, право, анализ видео) и будет расширенно доступен после поэтапного тестирования безопасности и взаимодействия с органами власти США; также объявлены вводные тарифы.
Маркетинговая компания Graphite проанализировала перезаписи 10 000 статей, опубликованных до ChatGPT, чтобы сравнить человеческие тексты и выводы передовых LLM, и обнаружила около 13 000 фраз, которые встречаются по крайней мере вдвое чаще в AI-текстах. В отчёте отмечены модельные шаблоны — Opus 5.5 (Anthropic) сильно переиспользует слова вроде «dependable» и выражение «this matters», у OpenAI Astra чаще встречаются оговорки и «корректирующие формулировки», а многие модели почти перестали использовать тире.
Исследователи Google и DeepMind представили Dream‑RSI — метод, который использует записанные истории поиска, чтобы дешево проверять альтернативные стратегии, не повторяя дорогостоящие вычисления. В тестах с Gemini 3.1 Pro и Gemini 3.7 Flash на задачах по написанию кода, математической оптимизации и GPU‑ядрам Dream‑RSI сократил число попыток и время выполнения, превзошёл конкурента SimpleTES в некоторых бенчмарках и сопоставимо или лучше справился с GPU‑задачами при меньших вычислительных затратах; код опубликован на GitHub.
Cohere опубликовала в открытом доступе North Mini Code — агентную MoE‑модель для программирования с 30 миллиардами параметров и 3 миллиардами активных, под лицензией Apache 2.0. Модель доступна на Hugging Face, OpenRouter и Model Vault в форматах bf16, fp8 и w4a16, совместима с OpenCode и по тестам Cohere набирает 33.4 по Artificial Analysis Coding Index, демонстрируя до 2.8× большую пропускную способность и примерно на 30% лучшую межтокенную задержку по сравнению с Devstral Small 2.
Allow Google Analytics to measure visits? It stays off until you choose. You can change your choice at any time.